PRACA ORYGINALNA
Określanie zawartości benzo(a)pirenu w PM10 za pomocą metod regresyjnych
1
Department of Chemical and Process Engineering, Chemical Faculty, Gdansk University of Technology, 11/12 G. Narutowicza Str., 80-233 Gdańsk, Head of the Department: Prof. dr hab. inż. M. Kamiński
2
Polish Academy of Sciences, Institute of Fluid-Flow Machinery, 14 Fiszera Str.,80-231 Gdansk,
Head of the Department: Dr hab. inż. J. Pozorski
3
Department of Analytical Chemistry, Chemical Faculty, Gdansk University of Technology, 11/12 G. Narutowicza Str., 80-233 Gdańsk,
Head of the Department: Prof. dr hab. inż. J. Namieśnik
Autor do korespondencji
Jacek Gębicki
Department of Chemical and Process Engineering, Chemical Faculty, Gdansk University of Technology, 11/12 G. Narutowicza Str., 80-233 Gdańsk, Head of the Department: Prof. dr hab. inż. M. Kamiński
Department of Chemical and Process Engineering, Chemical Faculty, Gdansk University of Technology, 11/12 G. Narutowicza Str., 80-233 Gdańsk, Head of the Department: Prof. dr hab. inż. M. Kamiński
Med Srod. 2015;18(4):23-26
SŁOWA KLUCZOWE
STRESZCZENIE
W pracy przedstawiono próbę zastosowania wielowymiarowej regresji liniowej do szacowania empirycznego modelu opisującego czynniki wpływające na zawartość B(a)P w pyle zawieszonym PM10 na terenie Olsztyna i Elbląga w latach 2010-2013. W tym okresie średnioroczne stężenie B(a)P w pyle PM10 ponad 1,5-3 krotnie przewyższało poziom docelowy. Przeprowadzone badania potwierdziły, że główną przyczyną wzrostu stężenia jest nieefektywność domowych kotłowni czy niskotemperaturowych źródeł ciepła, które odpowiadają za tzw.niską emisję w okresie grzewczym. Analizie poddano wzajemne zależności: stężenia pyłu PM10 w powietrzu, temperaturę powietrza, prędkość wiatru, kierunek wiatru, wilgotność powietrza. Miarą dopasowania modelu do rzeczywistego stężenia B(a)P w PM10 był współczynnik determinacji modelu. Zastosowanie wielowymiarowej regresji liniowej, przyczyniło się do opracowania równań charakteryzujących się wysokimi wartościami współczynnika determinacji modelu zwłaszcza w okresie grzewczym. Parametr ten w analizowanym okresie był na
poziomie od 0,54 do 0,80.
The paper presents an attempt of application of multidimensional linear regression to estimation of an empirical model describing the factors influencing on B(a)P content in suspended dust PM10 in Olsztyn and
Elbląg city regions between 2010 and 2013. During this period annual average concentration of B(a)P in PM10 exceeded the admissible level 1.5-3 times. Conducted investigations confirm that the reasons of B(a)P
concentration increase are low-efficiency individual home heat stations or low-temperature heat sources, which are responsible for so-called low emission during heating period. Dependences between the following
quantities were analysed: concentration of PM10 dust in air, air temperature, wind velocity, air humidity. A measure of model fitting to actual B(a)P concentration in PM10 was the coefficient of determination of the model. Application of multidimensional linear regression yielded the equations characterized by high values of the coefficient of determination of the model, especially during heating season. This parameter ranged from 0.54
to 0.80 during the analyzed period.
REFERENCJE (14)
1.
Dyrektywa Parlamentu Europejskiego i Rady nr 2004/107/WE z dnia 15 grudnia 2004 r.
2.
IARC Monographs on the Evaluation of Carcinogenic Risks to Humans, vol. 92, Some Non-heterocyclic Polycyclic Aromatic Hydrocarbons and Some Related Exposures, Lyon, France, 2010.
3.
Toxicological Profile for Polycyclic Hydrocarbons U.S. Department of Health and Human Services, Public Health Service, Agency for Toxic Substances and Disease Registry, Atlanta, 1995.
5.
van Drooge B.L, Nikolova I., Ballesta P.P.: Thermal desorption gas chromatography-mas spectrometry as an enhanced method for the quantification of polycyclic aromatic hydrocarbons from ambient air particulate matter. J Chromatogr A 2009; 1216: 4030-4039.
6.
Saarnio K., Sillanpa M., Hillamo R., et al.: Polycyclic aromatic hydrocarbons in size-segregated particulate matter from six urban sites in Europe. Atmos Environ 2008; 42: 9087-9097.
7.
Callén M.S., de la Cruz M.T., López J.M., et al.: Long-Range Atmospheric Transport and Local Pollution Sources on PAH Concentrations in a South European Urban Area. Fulfilling of the European Directive. Water Air Soil Pollut 2008; 190: 271-285.
8.
Amodio M., Caselli M., de Gennaro G., et al.: Particulate PAHs in two urban areas of Southern Italy: Impact of the sources, meteorological and background conditions on air quality. Environ Res 2009; 109: 812-820.
9.
Rehwagen M., Muller A., Massolo L., et al.: Polycyclic aromatic hydrocarbons associated with particles in ambient air from urban and industrial areas. Sci Total Environ 2005; 348:199-210.
10.
van Drooge B., Ballesta P.P.: Seasonal and Daily Source Apportionment of Polycyclic Aromatic Hydrocarbon Concentrations in PM10 in a Semirural European Area. Environ Sci Technol 2009; 43: 7310-7316.
11.
Akyuz M., Cabuk H.: Meteorological variations of PM2.5/PM10 concentrations and particle-associated polycyclic aromatic hydrocarbons in the atmospheric environment of Zonguldak, Turkey. J Hazard Mater 2009; 170: 13-21.
12.
Lobscheid A.B., McKone T.E., Vallero D.A.: Exploring relationships between outdoor air particulateassociated polycyclic aromatic hydrocarbon and PM2.5: A case study of benzo(a)pyrene in California metropolitan regions. Atmos Environ 2007; 41: 5659-5672.
13.
Callén M.S., López J.M., Mastral A.M.: Seasonal variation of benzo(a)pyrene in the Spanish airborne PM10. Multivariate linear regression model applied to estimate BaP concentrations. J Hazard Mater 2010; 180: 648-655.
14.
Rozporządzenie Ministra Środowiska z dnia 13 września 2012 r. w sprawie dokonywania oceny poziomów substancji w powietrzu Dz.U. 2012 poz. 1032.
| eISSN: | 2084-6312 |
| ISSN: | 1505-7054 |
Przetwarzamy dane osobowe zbierane podczas odwiedzania serwisu. Realizacja funkcji pozyskiwania informacji o użytkownikach i ich zachowaniu odbywa się poprzez dobrowolnie wprowadzone w formularzach informacje oraz zapisywanie w urządzeniach końcowych plików cookies (tzw. ciasteczka). Dane, w tym pliki cookies, wykorzystywane są w celu realizacji usług, zapewnienia wygodnego korzystania ze strony oraz w celu monitorowania ruchu zgodnie z Polityką prywatności. Dane są także zbierane i przetwarzane przez narzędzie Google Analytics (więcej).
Możesz zmienić ustawienia cookies w swojej przeglądarce. Ograniczenie stosowania plików cookies w konfiguracji przeglądarki może wpłynąć na niektóre funkcjonalności dostępne na stronie.
Możesz zmienić ustawienia cookies w swojej przeglądarce. Ograniczenie stosowania plików cookies w konfiguracji przeglądarki może wpłynąć na niektóre funkcjonalności dostępne na stronie.
