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 täysluonnos: Sivu on kirjoitettu kertaalleen alusta loppuun eli kaikki olennaiset sisällöt ovat jo paikoillaan. Kuitenkaan sisältöjä ei ole vielä kunnolla tarkistettu, ja esimerkiksi tärkeitä viitteitä voi puuttua.

Kysymys

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

Erityisesti kiinnostavat satamatoiminnasta aiheutuvat päästöt.

Vastaus

Malliajo

**Ylimääräisiä kuolemantapauksia vuodessa**
Vaihtoehto	Tulos
Rakennemalli 1	2.86
Rakennemalli 2	2.17
Rakennemalli 3	3.24

Yleiskaavan rakennemallien tarkemmat kuvaukset ovat sivulla Rauman sataman laajennuksen vaikutus terveyteen.

Perustelut

Laskenta

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

Oletusajon koodi: Tam9fzxgrBQsyde2

+ 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 * 365E-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')

# Ovariablet

## 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)
	} 
)

## Altistuminen

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

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

		return(out)
	}
)

## Terveysvaikutukset

Terveysvaikutukset <- new(
	"ovariable", 
	name = "Terveysvaikutukset", 
	dependencies = data.frame(
		Name = c("Altistuminen", "erf", "bg.mort")
	),
	formula = function(dependencies, ...) {
		ComputeDependencies(dependencies, ...)
	
		out <- Altistuminen * erf * bg.mort
	
		return(out)
	}
)

Päästö.temp <- EvalOutput(Päästö, N = N)
temp <- Päästö.temp@output[Päästö.temp@output$Saaste == "PM", ] # Valitaan vain PM-rivit.

if(intermediates) print(xtable(temp), type = 'html')

temp <- as.data.frame(as.table(tapply(temp$PäästöResult, temp[c("LA", "LO", "Vaihtoehto", "Saaste", "PäästöSource")], sum)))
temp <- temp[!is.na(temp$Freq), ] # Pudotetaan tyhjät rivit pois.
colnames(temp)[colnames(temp) == "Freq"] <- "PäästöResult"

Päästö.temp@output <- temp

print(xtable(Päästö.temp@output), type = 'html')

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

	# Tässä käydään läpi yksi päästöpiste ja vaihtoehto kerrallaan ja lasketaan sille pitoisuus, altistus ja terveysvaikutus.

	Päästö <- Päästö.temp@output$PäästöResult[i]
	LA <- as.numeric(as.character(Päästö.temp@output$LA[i]))
	LO <- as.numeric(as.character(Päästö.temp@output$LO[i]))

	# EvalOutput käyttää tilapäisiä, rivikohtaisia tietoja.

	temp <- EvalOutput(Terveysvaikutukset, N = N)@output$TerveysvaikutuksetResult

	# Terveysvaikutus sijoitetaan Päästö-muuttujan sisään, koska se on oikean muotoinen.

	Päästö.temp@output$TerveysvaikutuksetResult[i] <- temp

	# Nollataan Altistuminen ja Pitoisuus, jotta malli laskee ne uusiksi uudelle päästölle.

	Altistuminen@output <- data.frame()
	Pitoisuus@output <- data.frame()

}

temp <- as.data.frame(as.table(tapply(Päästö.temp@output$TerveysvaikutuksetResult, Päästö.temp@output[c("Vaihtoehto")], sum)))
print(xtable(temp), type = 'html')

#################################

# 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)

data$truncated_concentration <- ifelse(data$concentration > 1, 1, data$concentration)

# 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;")

⇤#: Koodi toimii mutta Päästö on 10 kertaa liian iso verrattuna Tieliikennepäästöt-muuttujaan. --Jouni Tuomisto 15. lokakuuta 2012 kello 22.11 (EEST)

⇤#: Koodi on korjattu käsin, mutta alkuperäisen virheen syy ei ole selvinnyt. --Jouni Tuomisto 15. lokakuuta 2012 kello 22.54 (EEST)

⇤#: Koodissa ollut rivi: 'out <- tieliikennepäästöt * 365 * 10E-6'. AeB on lyhenne operaatiolle A * 10^B, ei potenssiin korotukselle A^B. 10E-6 on siis sama kuin 1E-5, yhtä kertaluokkaa liian suuri. --Teemu R 17. lokakuuta 2012 kello 16.44 (EEST)

Ovariablet:

Terveysvaikutukset: syötteenä Altistuminen * erf * bg.mort
- erf: vakio, annetaan koodissa
- bg.mort: vakio, annetaan koodissa
- Altistuminen: syötteenä Pitoisuus, LO, LA
  - Käytetään funktiota GIS.Exposure(Pitoisuus, LO, LA, ...)
  - LO ja LA: saadaan muuttujan suorite sarakkeista LO ja LA.
  - Pitoisuus: syötteenä Päästö, LO, LA.
    - Käytetään funktiota GIS.Concentration.matrix(Päästö, LO, LA, ...)
    - Päästö: syötteenä Tieliikennepäästöt.
      - Tieliikennepäästöt: käyttää metodia Tieliikennepäästöt ja muuttujaa suorite.
        suorite: luodaan tämän sivun (Pienhiukkaspäästöt Raumalla) datataulusta.

Data

Pienhiukkaspäästöt Raumalla(-)
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). ⇤#: Tämä oletus pitää olla näyvissä myös sivulla Rauman sataman laajennuksen vaikutus terveyteen siinä kohdassa missä rakennevaihtoehtojen, sataman sijoitusvaihtoehtojen ja tielinjausvaihtoehtojen väliset yhteydet kuvataan. --Mikko Pohjola 16. lokakuuta 2012 kello 12.39 (EEST)
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^[1], josta määrät on laskettu päivää kohti.
- Junien osalta oletetaan, että puolet on sähköjunia ja puolet dieseljunia.

Katso myös

Rauman sataman laajennuksen vaikutus terveyteen

Viitteet

↑ Rauman sataman laajennuksen YVA-selostus

Aiheeseen liittyviä tiedostoja

[1] Rauman sataman laajennuksen YVA-selostus

[1]