195 lines
8.4 KiB
TeX
195 lines
8.4 KiB
TeX
\documentclass{article}
|
|
\usepackage[utf8]{inputenc}
|
|
\usepackage{polski}
|
|
\usepackage{graphicx}
|
|
\usepackage{url}
|
|
\usepackage{hyperref}
|
|
\usepackage{amsmath}
|
|
\usepackage{natbib}
|
|
|
|
\begin{document}
|
|
|
|
\title{Analiza rozkładu przestrzenno-czasowego wielopierścieniowych węglowodorów aromatycznych (WWA) w pyle zawieszonym}
|
|
\author{[Imię i nazwisko autora]}
|
|
\date{\today}
|
|
\maketitle
|
|
|
|
\begin{abstract}
|
|
W niniejszym badaniu przeanalizowano rozkład przestrzenno-czasowy wielopierścieniowych węglowodorów aromatycznych (WWA) w pyle zawieszonym PM10 na podstawie danych z różnych stacji pomiarowych. Poprzez analizę stężeń PM10 i WWA w czasie, dążymy do identyfikacji wzorców, źródeł oraz potencjalnych wpływów środowiskowych tych zanieczyszczeń.
|
|
\end{abstract}
|
|
|
|
\section{Wstęp}
|
|
|
|
Wielopierścieniowe węglowodory aromatyczne (WWA) są niebezpiecznymi zanieczyszczeniami środowiska znanymi ze swoich właściwości rakotwórczych i mutagennych \citep{iarc2010iarc, haritash2009polycyclic}. Powstają głównie w wyniku niepełnego spalania i są powszechne w środowiskach miejskich \citep{kim2013polycyclic}. Zrozumienie rozkładu i poziomów stężeń WWA w pyle zawieszonym, takim jak PM10, jest kluczowe dla oceny jakości powietrza i potencjalnych zagrożeń zdrowotnych \citep{yang2002sources, li2006urban}.
|
|
|
|
\section{Metodyka}
|
|
|
|
Dane zostały zebrane z czterech stacji pomiarowych (ID: 101, 102, 103, 104) w okresie od 1 stycznia 2023 r. do 31 grudnia 2023 r. Analizowane zanieczyszczenia to PM10 oraz WWA. Zestaw danych składa się ze 100 rekordów, z których każdy zawiera identyfikator stacji, typ zanieczyszczenia, datę oraz zmierzone stężenie.
|
|
|
|
Analiza danych została przeprowadzona za pomocą języka Python. Wykresy histogramów przedstawiają rozkład stężeń zanieczyszczeń, a analiza szeregów czasowych pozwala na obserwację trendów czasowych.
|
|
|
|
\section{Wyniki}
|
|
|
|
W ramach tego badania przeanalizowano rozkład przestrzenno-czasowy wielopierścieniowych węglowodorów aromatycznych (WWA) w pyle zawieszonym. Poniżej przedstawiono kluczowe wyniki za pomocą wizualizacji.
|
|
|
|
\subsection{Histogram stężeń}
|
|
|
|
Histogramy na Rysunkach~\ref{fig:histogram_pm10} i~\ref{fig:histogram_wwa} pokazują rozkład stężeń dla PM10 i WWA, odpowiednio. Wykresy te podkreślają zmienność stężeń zanieczyszczeń w różnych pomiarach.
|
|
|
|
\begin{figure}[h]
|
|
\centering
|
|
\includegraphics[width=0.8\textwidth]{figs/histogram_PM10.png}
|
|
\caption{Histogram stężeń PM10.}
|
|
\label{fig:histogram_pm10}
|
|
\end{figure}
|
|
|
|
\begin{figure}[h]
|
|
\centering
|
|
\includegraphics[width=0.8\textwidth]{figs/histogram_WWA.png}
|
|
\caption{Histogram stężeń WWA.}
|
|
\label{fig:histogram_wwa}
|
|
\end{figure}
|
|
|
|
Histogramy wskazują, że stężenia PM10 mają szerszy rozkład w porównaniu z WWA, co sugeruje większą zmienność poziomów PM10 na stacjach pomiarowych.
|
|
|
|
\subsection{Trendy czasowe}
|
|
|
|
Rysunek~\ref{fig:mean_concentration_over_time} przedstawia średnie stężenia zanieczyszczeń w czasie. Analiza szeregów czasowych ujawnia wzorce sezonowe i potencjalną zmienność czasową poziomów zanieczyszczeń.
|
|
|
|
\begin{figure}[h]
|
|
\centering
|
|
\includegraphics[width=0.8\textwidth]{figs/mean_concentration_over_time.png}
|
|
\caption{Średnie stężenia zanieczyszczeń (PM10 i WWA) w czasie.}
|
|
\label{fig:mean_concentration_over_time}
|
|
\end{figure}
|
|
|
|
Wykres szeregów czasowych pokazuje, że zarówno stężenia PM10, jak i WWA wykazują wahania w ciągu roku, z możliwymi szczytami w określonych miesiącach, co wskazuje na potencjalne efekty sezonowe wpływane przez warunki środowiskowe i źródła emisji.
|
|
|
|
\subsection{Podsumowanie}
|
|
|
|
Wizualizacje wskazują, że stężenia zanieczyszczeń wykazują znaczną zmienność, wpływaną przez warunki środowiskowe i źródła emisji. Stężenia PM10 wykazały szerszy zakres rozkładu w porównaniu z WWA, podczas gdy trendy czasowe sugerują potencjalny efekt sezonowy. Dalsza analiza jest wymagana, aby skorelować te trendy z konkretnymi czynnikami środowiskowymi lub zdarzeniami emisji.
|
|
|
|
\section{Dyskusja}
|
|
|
|
Zaobserwowana zmienność stężeń PM10 i WWA jest zgodna z wcześniejszymi badaniami podkreślającymi wpływ działalności antropogenicznej i warunków środowiskowych na poziomy zanieczyszczeń \citep{chen2007polycyclic, kim2013polycyclic}. Potencjalne trendy sezonowe mogą być przypisane takim czynnikom jak ogrzewanie w miesiącach zimowych, zwiększone emisje z transportu czy warunki atmosferyczne wpływające na dyspersję zanieczyszczeń.
|
|
|
|
\section{Wnioski}
|
|
|
|
Badanie to pokazuje znaczną zmienność stężeń PM10 i WWA na różnych stacjach pomiarowych oraz w czasie. Wyniki podkreślają znaczenie ciągłego monitoringu i analizy w celu zrozumienia czynników wpływających na poziomy zanieczyszczeń powietrza. Przyszłe badania powinny skupić się na identyfikacji konkretnych źródeł emisji oraz ocenie wpływu zdrowotnego związanego z narażeniem na te zanieczyszczenia.
|
|
|
|
\section*{Podziękowania}
|
|
|
|
[Opcjonalnie: Podziękowania za wsparcie lub współpracę.]
|
|
|
|
\section*{Literatura}
|
|
|
|
\begin{thebibliography}{9}
|
|
|
|
\bibitem{yang2002sources}
|
|
Yang, H.H., Lee, W.J., (2002).
|
|
\textit{Sources and sinks of polycyclic aromatic hydrocarbons in the atmosphere}.
|
|
Atmospheric Environment, 36(6), 1041-1054.
|
|
|
|
\bibitem{li2006urban}
|
|
Li, Y., Ma, W.L., i in. (2006).
|
|
\textit{Urban and regional distribution of polycyclic aromatic hydrocarbons in road dust in Beijing, China}.
|
|
Environmental Monitoring and Assessment, 119(1), 71-81.
|
|
|
|
\bibitem{haritash2009polycyclic}
|
|
Haritash, A.K., Kaushik, C.P. (2009).
|
|
\textit{Polycyclic aromatic hydrocarbons as hazardous pollutants in the environment: A review}.
|
|
Journal of Hazardous Materials, 169(1), 1-15.
|
|
|
|
\bibitem{iarc2010iarc}
|
|
IARC Working Group (2010).
|
|
\textit{IARC Monographs on the Evaluation of Carcinogenic Risks to Humans: Volume 92}.
|
|
International Agency for Research on Cancer.
|
|
|
|
\bibitem{kim2013polycyclic}
|
|
Kim, K.-H., Jahan, S.A., i in. (2013).
|
|
\textit{Polycyclic aromatic hydrocarbons in the air and their health effects}.
|
|
Journal of Environmental Science and Health, Part C, 31(1), 1-26.
|
|
|
|
\bibitem{chen2007polycyclic}
|
|
Chen, Y., Feng, Y. (2007).
|
|
\textit{Polycyclic aromatic hydrocarbons in the atmosphere of Beijing}.
|
|
Science of the Total Environment, 382(1), 122-127.
|
|
|
|
\end{thebibliography}
|
|
|
|
\appendix
|
|
|
|
\section{Dane}
|
|
|
|
Ze względu na ograniczenia miejsca, pełen zestaw danych dostępny jest na życzenie.
|
|
|
|
\section{Kod Pythona}
|
|
|
|
Poniższy skrypt Pythona został użyty do wygenerowania przedstawionych wykresów:
|
|
|
|
\begin{verbatim}
|
|
import matplotlib.pyplot as plt
|
|
import pandas as pd
|
|
import os
|
|
|
|
# Generowanie przykładowych danych
|
|
def generate_sample_data(num_records=100):
|
|
import random
|
|
from datetime import datetime, timedelta
|
|
|
|
station_ids = [101, 102, 103, 104]
|
|
pollutants = ["PM10", "WWA"]
|
|
start_date = datetime(2023, 1, 1)
|
|
end_date = datetime(2023, 12, 31)
|
|
|
|
data = []
|
|
for _ in range(num_records):
|
|
record = {
|
|
"station_id": random.choice(station_ids),
|
|
"pollutant": random.choice(pollutants),
|
|
"date": (start_date + timedelta(days=random.randint(0, (end_date - start_date).days))).strftime("%Y-%m-%d"),
|
|
"value": round(random.uniform(5, 50), 2), # Przykładowe wartości
|
|
}
|
|
data.append(record)
|
|
|
|
return pd.DataFrame(data)
|
|
|
|
# Generowanie danych
|
|
data = generate_sample_data(100)
|
|
|
|
# Tworzenie katalogu na wykresy
|
|
output_dir = "figs"
|
|
os.makedirs(output_dir, exist_ok=True)
|
|
|
|
# Generowanie wykresów
|
|
# Histogramy stężeń dla każdego zanieczyszczenia
|
|
pollutants = data["pollutant"].unique()
|
|
for pollutant in pollutants:
|
|
subset = data[data["pollutant"] == pollutant]
|
|
plt.figure(figsize=(8, 6))
|
|
plt.hist(subset["value"], bins=10, edgecolor="black", alpha=0.7)
|
|
plt.title(f"Histogram stężeń {pollutant}")
|
|
plt.xlabel("Stężenie")
|
|
plt.ylabel("Częstość")
|
|
plt.grid(True)
|
|
plt.savefig(os.path.join(output_dir, f"histogram_{pollutant}.png"))
|
|
plt.close()
|
|
|
|
# Średnie stężenia w czasie
|
|
data["date"] = pd.to_datetime(data["date"])
|
|
mean_over_time = data.groupby(["date", "pollutant"])["value"].mean().unstack()
|
|
mean_over_time.plot(figsize=(10, 6), marker="o")
|
|
plt.title("Średnie stężenia w czasie")
|
|
plt.xlabel("Data")
|
|
plt.ylabel("Średnie stężenie")
|
|
plt.legend(title="Zanieczyszczenie")
|
|
plt.grid(True)
|
|
plt.savefig(os.path.join(output_dir, "mean_concentration_over_time.png"))
|
|
plt.close()
|
|
|
|
print(f"Wykresy zostały zapisane w katalogu '{output_dir}'.")
|
|
\end{verbatim}
|
|
|
|
\end{document}
|
|
|