В качестве исходных данных для анализа использовались показания сенсоров собранные проектом AirKaz.org. В конце статьи будут выложены примеры обработанных данных и описание того, как они были получены.
Вопрос качества воздуха в городе Алматы является достаточно острым, в сети периодически появляются статьи с описаниями проблемы, активисты и государственные органы предлагают свои планы действий. В качестве главных виновников загрязнения называются угольные электростанции и автомобильный транспорт. Некоторое время назад волонтеры стали устанавливать сенсоры в разных частях города и собирать информацию о концентрации твердых частиц PM 2.5 в воздухе. На сайте AirKaz.org выложена таблица Excel с показаниями сенсоров, давайте поробуем обработать эти данные инструментами ArcGIS.
Местоположение сенсоров на территории г. Алматы.
Данные собирались с марта 2017 года по октябрь 2020-го. После преобразования исходных данных из Excel в таблицу БГД, построим многомерный растр плотностей, в котором в качестве доп. измерения будет использоваться время. Для этого хорошо подойдет новый инструмент ArcGIS Pro, который называется Space Time Kernel Density.
Далее применим инструмент агрегирования многомерных растров и подсчитаем сумму плотностей концентрации твердых частиц за все время наблюдений.
Для более точного расчета суммарного загрязнения хорошо было бы увеличить количество сенсоров и количество собранных ими данных. Чтобы интерполяция по краям растра была более достоверной. Но тем не менее все равно видно, что большая часть загрязненного воздуха концентрируется в местах интенсивного движения автотранспорта.
Рассмотрим трех основных кандидатов на роль главного источника загрязнения воздуха в городе Алматы.
- Автомобильный транспорт
- ТЭЦ-1, ТЭЦ-2 и ТЭЦ-3
- Частный сектор, который зимой отапливает дома углем
Судя по карте суммарных плотностей, ТЭЦ-1 и ТЭЦ-2 вряд ли являются главными источниками загрязнения воздуха. Тем более, что ТЭЦ-1 перевели на газ в 2017 году. Сжигание природного газа возможно влияет на концентрацию парниковых газов, но не приводит к выбросу твердых частиц в атмосферу. Остается автомобильный транспорт и частный сектор. Частный сектор тоже влияет на качество воздуха и это видно по распределению загрязненных участков (на севере города), но основной причиной видимо является автомобильный транспорт. Максимальная концентрация твердых частиц наблюдается в центре города в районах с наиболее интенсивным трафиком. Далее посмотрим на сезонную динамику явления.
Наибольшая концентрация твердых частиц в воздухе наблюдается зимой, прежде всего в декабре и январе. Летом воздух чище всего. Построим диаграмму концентрации твердых частиц для сенсора с id 5 для зимы 2017-2018 годов.
Видна достаточно четкая периодичность повышения концентрации твердых частиц в воздухе. Период между пиками равен примерно 12-13 дням. Есть разные объяснения такой динамики. Есть предположение, что такая динамика является следствием периодичности выбросов угольных электростанций. Но у этой версии есть спорные моменты. Во-первых, даже если посмотреть на график потребления угля тепловыми электростанциями, то этот показатель колеблется в пределах 20-30%, уровень загрязнения воздуха твердыми частицами изменяется в разы. Во-вторых, карта суммарной плотности выбросов тоже не подтверждает существенную роль ТЭЦ-2 в загрязнении воздуха.
График потребления угля тепловыми электростанциями:
ТЭЦ-2 в теории может вносить определенную роль в ухудшении качества воздуха, но вряд ли эта роль ключевая. ТЭЦ-2 будет переведена на газ в 2026 году (план). Эта мера будет не лишней, но скорее не решит проблему качества воздуха в центре Алматы.
Можно осторожно предположить, что основным виновником повышения концентрации твердых частиц является автотранспорт и частный сектор в сочетании с метеорологическим явлением, которое называется атмосферная инверсия. Оно встречается в разных местах, но чаще в горных долинах в зимний период. С увеличением высоты воздух становится холоднее, но иногда это правило нарушается и более теплые слои воздуха оказывают выше холодных, что останавливает вертикальную конвенкцию и ведет к быстрому повышению концентрации вредных веществ.
На фотографии хорошо видно, что загрязненный воздух «упирается» в невидимый барьер и после этого барьера концентрация твердых частиц резко уменьшается. Это вполне похоже на температурную инверсию, когда более теплый слой воздуха «запирает» более холодный и конвенкция практически останавливается. Если причина действительно в температурной инверсии, то почему она имеет достаточно четко выраженную периодичность? На этот вопрос возможно смогут ответить специалисты метеорологи.
Какие выводы можно сделать? Если зимняя температурная инверсия действительно является основной причиной загрязнения воздуха, то единственный способ улучшения качества воздуха, это уменьшение выбросов автотранспорта и частного сектора зимой. Частный сектор наверное нужно переводить на газ. С автотранспортом сложнее, возможно поможет ужесточение экологических норм в зимний период (для тех, кто ездит в центр города), увеличение доли электромобилей.
Для тех, кто хочет самостоятельно поработать с данными в ArcGIS Pro
Вы можете скачать исходные данные и результаты их обработки по этой ссылке.
Для получения многомерного растра плотностей был использован инструмент Space Time Kernel Density (доступен в ArcGIS Pro 3.2). Этот инструмент предназначен для создания карт плотностей на основе точечных измерений, но в отличие от стандартных инструментов Point Density и Kernel Density, он умеет строить растры плотностей с учетом двух дополнительных параметров — времени и глубины/высоты.
Параметры инструмента Space Time Kernel Density
Input Point Features — исходный точечный слой с измерениями.
Population Field — поле с значениями измерений
Time Field — поле с датой измерений
Cell Size — размер ячерки растра плотностей, который получится в результате
Start Time/End Time — границы временного диапазона. Если вы агрегируете по месяцам или неделям, лучше чтобы подобрать даты так, чтобы в результат попадали полные недели или месяцы.
Time Interval Unit — временной интервал, который будет использоваться для расчета плотности (день, неделя, год и т.д.)
Search Radius (x and y) — радиус окрестности, в которой будет рассчитываться плотность. Я выбрал типичное расстояние между сенсорами — 6 km. Значение можно поменять, попробовать 7, 10 километров и т.д. Каждый раз вы будете получать немного различающиеся результаты.
Search Time Window (t) — если вы используете агрегирование по времени, лучше установить сделать этот интервал сопоставимым с шагом, который вы выбрали для агрегирования. Например, если производится агрегирование по неделям, то интервал поиска значений лучше установить равным 7 дням. Если этот параметр не установить, он будет расчитан автоматически.
Поскольку исходные данные хранятся в географической системе координат, чтобы не указывать параметр размера ячейки (Cell Size) в градусах, укажите в свойствах среды (Output Coordinates) проекционную систему координат.
После того, как вы расчитаете многомерный растр растр плотностей, вы можете перейти в закладку Multidimensional, в ней можно переключаться между разными временными диапазонами, в данном случае неделями. Можно нажать кнопку Aggregate, которая вызовет инструмент Aggregate Multidimensional Raster. С помощью него можно подсчитать суммарные или средние значения плотностей твердых частиц в воздухе за все время наблюдений или за определенный период (месяцы, годы и т.д.).
Вы можете попробовать самостоятельно подсчитать карты плотностей и сделать собственные выводы.
