Pienhiukkaspäästöt Raumalla

Tämä sivu on tietokide alatyypiltään muuttuja. Sivutunniste: Op_fi3190
Moderaattori:Jouni (katso kaikki) Sivun edistymistä ei ole arvioitu. Arvostuksen määrää ei ole arvioitu (ks. peer review).
Lisää dataa {{#opasnet_base_link:Op_fi3190}}

Edistymisluokitus
Opasnetissa lukuisat sivut ovat työn alla eri vaiheissa. Niiden tietosisältöön pitää siis suhtautua harkiten. Tämän sivun sisällön edistyminen on arvioitu: Tämä sivu on luonnos Sivun olennainen sisältö ja rakenne on jo hahmottunut, mutta kuitenkin isoja sisältöpuutteita on edelleen.

Kysymys

Kuinka suuret ovat pienhiukkaspäästöt Raumalla, ja mitä terveysvaikutuksia niillä on?

Erityisesti kiinnostavat satamatoiminnasta aiheutuvat päästöt.

Vastaus

Päästöt ovat hyvin alustavien laskelmien mukaan 0.5 ton /a. Tämä kuitenkin sisältää vain tavarakuljetukset satamaan ja satamasta Rauman lähialueella. Terveysvaikutuksia tästä tulee 0.04 - 0.3 laskennallista ylimääräistä kuolemantapausta vuodessa.

Perustelut

Laskenta

HUOM! Tällä hetkellä malli laskee ainoastaan pienhiukkaspäästön leviämisen 10-15 km:n säteellä olevaan väestöön. Mallia päivitetään jatkuvasti.

Leveyspiiri (LA): Pituuspiiri ( LO): Pienhiukkaspäästö (ton/a) ( päästö): Iteraatioiden määrä ( N): + Näytä koodi- Piilota koodi library(OpasnetUtils) library(ggplot2) library(xtable) library(OpasnetUtilsExt) library(rgdal) library(maptools) library(RColorBrewer) library(classInt) library(raster) # Graph settings? par(mfrow=c(6,1), mar=c(3,1,0,1), cex=1.5) colorstrip <- function(colors, labels) { count <- length(colors) m <- matrix(1:count, count, 1) image(m, col=colors, ylab="", axes=FALSE) axis(1,approx(c(0, 1), n=length(labels))$y, labels) } # suorite data <- tidy(op_baseGetData("opasnet_base", "Op_fi3190"), objname = "suorite") data$suoriteResult <- data$suoriteLiikennemäärä * data$suoritePituus suorite <- new("ovariable", name = "suorite", data = data ) print(xtable(suorite@data), type = 'html') # Päästö Päästö <- new( "ovariable", name = "Päästö", dependencies = data.frame(Name = "tieliikennepäästöt", Key = "0194s0uuucjxq8Wi"), formula = function(dependencies, ...) { ComputeDependencies(dependencies, ...) out <- tieliikennepäästöt * 365 * 10E-6 # Muutetaan päiväpäästö vuosipäästöksi ja grammat tonneiksi return(out) } ) # Muita tarpeellisia arvoja bg.mort <- 45182 / 5203826 # same values as used in PILTTI erf <- 0.0097 # J. T. Tuomisto, A. Wilson, et al. Uncertainty in mortality response to airborne fine particulate matter... 2008 # unit: m^-3 /ug print(xtable(EvalOutput(Päästö, N = 1)), type = 'html')

1. Ovariablet

1. 1. Pitoisuudet

Pitoisuus <- new( "ovariable", name = "Pitoisuus", dependencies = data.frame( Name = c("Päästö", "LO", "LA") ), formula = function(dependencies, ...) { ComputeDependencies(dependencies, ...)

temp <- GIS.Concentration.matrix(Päästö, LO, LA, ...)

return(temp) } )

1. 1. Altistuminen

riippuvuudet2 <- data.frame( Name = c("Pitoisuus", "LO", "LA") )

funktio2 <- function(dependencies, ...) { ComputeDependencies(dependencies, ...)

Altistuminen <- GIS.Exposure(Pitoisuus, LO, LA, ...)

return(Altistuminen) }

Altistuminen <- new( "ovariable", name = "Altistuminen", formula = funktio2, dependencies = riippuvuudet2 )

1. 1. Terveysvaikutukset

riippuvuudet3 <- data.frame( Name = c("Altistuminen", "erf", "bg.mort") )

funktio3 <- function(dependencies, ...) { ComputeDependencies(dependencies, ...)

temp <- Altistuminen * erf * bg.mort

return(temp) }

Terveysvaikutukset <- new( "ovariable", name = "Terveysvaikutukset", formula = funktio3, dependencies = riippuvuudet3 )

Päästö.temp <- EvalOutput(Päästö, N = N)

for(i in 1:1) {#nrow(Päästö.temp@output)) {

Päästö <- Päästö.temp@output$PäästöResult[i] LA <- Päästö.temp@output$LA[i] LO <- Päästö.temp@output$LO[i]

Terveysvaikutukset.temp <- EvalOutput(Terveysvaikutukset, N = N)

}

print(xtable(suorite@output), type = 'html') print(xtable(Päästö@output), type = 'html') print(xtable(Altistuminen@output), type = "html") print(xtable(Terveysvaikutukset.temp@output), type = "html")

1. exposure.Population <- tapply(Population.paasto$Pitoisuus * Population.paasto$Result, Population.paasto[,c("obs")], sum)

1. cat("Odotusarvo kuolemille vuodessa:", mean(mort.out), "\n")

1. cat("Ohjearvon 40 ugm^-3 mukaisen altistusrajan ylitti", sum(Population.paasto.korjaus$Vaesto[Population.paasto.korjaus$Pitoisuus>40]), "asukasta.\n")

1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 3

1. Draw a concentration map.

temp <- EvalOutput(Pitoisuus, N = 1)

temp2 <- gsub("\\(", "", temp@output$LObin) temp2 <- gsub("\\]", "", temp2) temp2 <- strsplit(temp2, ",")

temp3 <- c()

for(i in 1:length(temp2)) { a <- as.numeric(temp2i[1]) b <- as.numeric(temp2i[2]) temp3[i] <- ((a + b) / 2) }

temp@output$LO <- temp3

temp2 <- gsub("\\(", "", temp@output$LAbin) temp2 <- gsub("\\]", "", temp2)

temp2 <- strsplit(temp2, ",")

temp3 <- c()

for(i in 1:length(temp2)){

a <- as.numeric(temp2i[1])
b <- as.numeric(temp2i[2])
temp3[i] <- ((a + b) / 2)

} temp@output$LA <- temp3

1. print(temp)

data <- data.frame(LO=temp@output$LO, LA=temp@output$LA, concentration=temp@output$PitoisuusResult)

truncated = c() for(i in 1:nrow(data)){

if (data$concentration[i] > 1)
{
 truncated[i] <- 1
} 
else
{
 truncated[i] <- data$concentration[i]
}

}

data$truncated_concentration <- truncated

1. Plot the data

coordinates(data)=c("LO","LA") proj4string(data)<-("+init=epsg:4326") epsg4326String <- CRS("+proj=longlat +ellps=WGS84 +datum=WGS84 +no_defs") shp<-spTransform(data,epsg4326String)

1. Create blank raster

rast<-raster()

1. Set raster extent to that of point data

extent(rast)<-extent(shp)

1. Choose number of columns and rows

ncol(rast) <- 42 nrow(rast) <- 40

1. cat("PM2.5\n")

1. Rasterize point data

rast2<-rasterize(shp, rast, shp$truncated_concentration, fun=mean)

steps <- c(0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1) colors <- rev(rainbow(length(steps), start=0, end=0.50))

colorstrip(colors, steps)

1. Plot data

google.show_raster_on_maps(rast2, col=colors, style="height:500px;")

</rcode>

Data

Ero sivun ”Pienhiukkaspäästöt Raumalla” versioiden välillä(-)

Obs	Vaihtoehto	Ajoneuvo	Ajotapa	LA	LO	Unit	Liikennemäärä	Pituus	Description
1	Rakennemalli 1	Täysperävaunuyhdistelmä	Maantieajo 70 % kuormalla	61.131634	21.491318	kpl-km /d	2662	9.5	Päästöpiste oletetaan lähelle Rauman keskustaa
2	Rakennemalli 1	Sähköjuna		61.131634	21.491318	ton-km /d	6953	9.5	Päästöpiste oletetaan lähelle Rauman keskustaa
3	Rakennemalli 1	Dieseljuna		61.131634	21.491318	ton-km /d	6953	9.5	Päästöpiste oletetaan lähelle Rauman keskustaa
4	Rakennemalli 2	Täysperävaunuyhdistelmä	Maantieajo 70 % kuormalla	61.131634	21.491318	kpl-km /d	1246	9.5	Päästöpiste oletetaan lähelle Rauman keskustaa
5	Rakennemalli 2	Täysperävaunuyhdistelmä	Maantieajo 70 % kuormalla	61.106698	21.492348	kpl-km /d	1653	10.1	Päästöpiste oletetaan valtatielle 8.
6	Rakennemalli 2	Sähköjuna		61.097802	21.492691	ton-km /d	2775	14.9	Päästöpiste oletetaan eteläiselle ratalinjaukselle
7	Rakennemalli 2	Dieseljuna		61.097802	21.492691	ton-km /d	2775	14.9	Päästöpiste oletetaan eteläiselle ratalinjaukselle
8	Rakennemalli 2	Sähköjuna		61.131634	21.491318	ton-km /d	3254	9.5	Päästöpiste oletetaan lähelle Rauman keskustaa
9	Rakennemalli 2	Dieseljuna		61.131634	21.491318	ton-km /d	3254	9.5	Päästöpiste oletetaan lähelle Rauman keskustaa
10	Rakennemalli 3	Täysperävaunuyhdistelmä	Maantieajo 70 % kuormalla	61.131634	21.491318	kpl-km /d	2662	9.5	Päästöpiste oletetaan lähelle Rauman keskustaa
11	Rakennemalli 3	Sähköjuna		61.131634	21.491318	ton-km /d	6953	9.5	Päästöpiste oletetaan lähelle Rauman keskustaa
12	Rakennemalli 3	Dieseljuna		61.131634	21.491318	ton-km /d	6953	9.5	Päästöpiste oletetaan lähelle Rauman keskustaa

• Taulukko sisältää sen liikenteen, joka muuttuu eri rakennemallivaihtoehdoissa eli satama-alueen ja Rauman sisällä keskustan tai ohiajotien alueella. Liikennemääristä oletettiin, että Rakennemallissa 1 ja 3 liikenne vastaa suunnitelmaa Satama-Ve2 (Ruuhiluoto) ja Rakennemallissa 2 suunnitelmaa Satama-Ve3 (Järviluoto).
• Reittien pituudet ja oletetut päästöpisteet (jotka on valittu siten, että ne edustaisivat tyypillistä etäisyyttä väestöstä) löytyvät Google-kartasta sivulta Rauman sataman laajennuksen vaikutus terveyteen.
• Liikennemäärät on otettu Rauman sataman laajennoksen YVA-selostuksesta, josta määrät on laskettu päivää kohti.
  • Junien osalta oletetaan, että puolet on sähköjunia ja puolet dieseljunia.

Katso myös

• Rauman sataman laajennuksen vaikutus terveyteen

Aiheeseen liittyviä tiedostoja

<mfanonymousfilelist></mfanonymousfilelist>