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

Liikenteen pienhiukkas- ja hiilidioksidipäästöt

• bensiinikäyttöinen henkilöauto keskimäärin, 0.003 gPM/km, katuajo
• dieselkäyttöinen henkilöauto keskimäärin, 0.029 gPM/km, katuajo
• puoliperävaunuyhdistelmä, 0,20 gPM/km, katuajo, kaikki kuormat
• täysperävaunuyhdistelmä, 0,21 gPM/km, katuajo, tyhjä ja 70%:n kuorma
• täysperävaunuyhdistelmä, 0,22 gPM/km katuajo, täysi kuorma (40 t)
• sähköjuna keskimäärin, 0,0026 gPM/tkm
• dieseljuna keskimäärin, 0,012 gPM/tkm

Matka Rauman keskustan läpi n. 5 km. (Mitattu GoogleMaps)

1000/vrk*0,21gPM/km*5km=1150 gPM/vrk

7000t/vrk*0,0026gPM/tkm*3km=54,6 gPM/vrk

7000t/vrk*0,012gPM/tkm*2km=168 gPM/vrk

1150gPM/vrk+54,6gPM/vrk+168gPM/vrk=1372,6 gPM/vrk = 1,3726 kgPM/vrk

• Pieni jakelukuorma-auto 6 t, 350 gCO2/km
• Suuri jakelukuorma-auto 15 t, 583 gCO2/km
• Puoliperävaunuyhdistelmä, 1014 gCO2/km maantieajo, 70 %:n kuorma
• Täysperävaunuyhdistelmät, 1198 gCO2/km maantieajo, 70 %:n kuorma
• Sähköjunakuljetukset keskimäärin 9,3 gCO2/tkm
• Dieseljunakuljetukset keskimäärin 35 gCO2/tkm

⇤#: Yksikköpäästöt voisi siirtää jollekin sopivalle päästökerroinsivulle, ja sitten viitata sinne. Ainakin engl. Opasnetissä on tämmöinen sivu. --Jouni Tuomisto 29. kesäkuuta 2012 kello 16.16 (EEST)

Matka Rauman keskustan läpi n. 5 km. (Mitattu GoogleMaps)

1000/vrk*1198gCO2/km*5km=1198000 gCO2/vrk

7000t/vrk*9,3gCO2/tkm*3km=195300 gCO2/vrk

7000t/vrk*35gCO2/tkm*2km=490000 gCO2/vrk

1198000gCO2/vrk+195300gCO2/vrk+490000gCO2/vrk=1883300 gCO2/vrk = 1883,3 kgCO2/vrk = 1,8833 tCO2/vrk

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))$y, labels) } # Päästö Päästö <- new( "ovariable", name = "Päästö", output = data.frame(PäästöResult = päästö), # unit: Mg /a marginal = FALSE ) # Muita tarpeellisia arvoja bg.mort <- 45182 / 5203826 # same values as used in PILTTI erf <- 0.0097 # J. T. Tuomisto, A. Wilson, et al. Uncertainty in mortality response to airborne fine particulate matter... 2008 # unit: m^-3 /ug # Ovariablet ## Pitoisuudet Pitoisuus <- new( "ovariable", name = "Pitoisuus", formula = function(dependencies, ...) { ComputeDependencies(dependencies, ...) temp <- GIS.Concentration.matrix(Päästö, LO, LA, ...) return(temp) }, dependencies = data.frame( Name = c("Päästö", "LO", "LA") ) ) ## Altistuminen riippuvuudet2 <- data.frame( Name = c("Pitoisuus", "LO", "LA") ) funktio2 <- function(dependencies, ...) { ComputeDependencies(dependencies, ...) Altistuminen <- GIS.Exposure(Pitoisuus, LO, LA, ...) return(Altistuminen) } Altistuminen <- new( "ovariable", name = "Altistuminen", formula = funktio2, dependencies = riippuvuudet2 ) ## Terveysvaikutukset riippuvuudet3 <- data.frame( Name = c("Altistuminen", "erf", "bg.mort") ) funktio3 <- function(dependencies, ...) { ComputeDependencies(dependencies, ...) temp <- Altistuminen * erf * bg.mort return(temp) } Terveysvaikutukset <- new( "ovariable", name = "Terveysvaikutukset", formula = funktio3, dependencies = riippuvuudet3 ) Terveysvaikutukset <- EvalOutput(Terveysvaikutukset, N = N) print(xtable(Päästö@output), type = 'html') print(xtable(Altistuminen@output), type = "html") print(xtable(Terveysvaikutukset@output), type = "html") #exposure.Population <- tapply(Population.paasto$Pitoisuus * Population.paasto$Result, Population.paasto[,c("obs")], sum) #cat("Odotusarvo kuolemille vuodessa:", mean(mort.out), "\n") #cat("Ohjearvon 40 ugm^-3 mukaisen altistusrajan ylitti", sum(Population.paasto.korjaus$Vaesto[Population.paasto.korjaus$Pitoisuus>40]), "asukasta.\n") #################################3 # Draw a concentration map. temp <- EvalOutput(Pitoisuus, N = 1) temp2 <- gsub("\\(", "", temp@output$LObin) temp2 <- gsub("\\]", "", temp2) temp2 <- strsplit(temp2, ",") temp3 <- c() for(i in 1:length(temp2)) { a <- as.numeric(temp2[[i]][1]) b <- as.numeric(temp2[[i]][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(temp2[[i]][1]) b <- as.numeric(temp2[[i]][2]) temp3[i] <- ((a + b) / 2) } temp@output$LA <- temp3 #print(temp) data <- data.frame(LO=temp@output$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$truncated_concentration <- truncated # Plot the data coordinates(data)=c("LO","LA") proj4string(data)<-("+init=epsg:4326") epsg4326String <- CRS("+proj=longlat +ellps=WGS84 +datum=WGS84 +no_defs") shp<-spTransform(data,epsg4326String) #Create blank raster rast<-raster() #Set raster extent to that of point data extent(rast)<-extent(shp) #Choose number of columns and rows ncol(rast) <- 42 nrow(rast) <- 40 #cat("<span style='font-size: 1.2em;font-weight:bold;'>PM2.5</span>\n") #Rasterize point data rast2<-rasterize(shp, rast, shp$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) #Plot data google.show_raster_on_maps(rast2, col=colors, style="height:500px;")