Ph•ơng pháp đánh giá chất l•ợng môi tr•ờng bằng chỉ tiêu tổng hợp
Đặt vấn đề
Phương pháp đánh giá chất lượng môi trường (CLMT) bằng chỉ số chất lượng môi trường (EQI) có nhiều ưu điểm nhưng cũng tồn tại hạn chế Do đó, bên cạnh việc đánh giá CLMT theo các chỉ tiêu riêng lẻ, việc áp dụng phương pháp đánh giá CLMT theo chỉ tiêu tổng hợp ngày càng trở nên quan trọng và cần thiết.
Phương pháp chỉ tiêu tổng hợp, được phát triển từ những năm 80 của thế kỷ XX tại Liên Xô, Canada và Mỹ, đã trở thành một công cụ quan trọng trong việc đánh giá chất lượng môi trường Phương pháp này tập trung vào việc khảo sát các điểm không gian chịu tác động đồng thời bởi nhiều thông số khác nhau, với mỗi thông số có giá trị Ci Do đó, tiêu chí đánh giá chất lượng môi trường tại mỗi điểm rr vào thời điểm t được thể hiện thông qua một chỉ tiêu tổng hợp, góp phần nâng cao hiệu quả trong việc quản lý và bảo vệ môi trường.
P, xác định bởi công thức sau: trong đó:
- Là đại lượng vô thứ nguyên, còn gọi là hệ số ô nhiễm của thông số i0
(chất) i hay chỉ số chất lượng môi trường của thông số i.
Ci – Giá trị của thông số i được xác định từ dãy số liệu đo đạc, phân tích thực tế, hoặc tính toán từ mô hình.
Ci0 – Giá trị giới hạn cho phép của thông số i theo TCCP được xây dựng riêng của mỗi nước. j
Mỗi quốc gia xây dựng chỉ tiêu giới hạn cho phép (TCCP) tổng hợp P0 dựa vào từng nhóm chất qi hoặc tổ hợp chất qi Sau đó, các bất đẳng thức P ≤ P0 hoặc P > P0 được sử dụng để đánh giá chất lượng môi trường ở các mức tốt, trung bình hoặc xấu Phương pháp này vượt trội hơn so với phương pháp truyền thống đánh giá theo chỉ tiêu riêng lẻ.
- So sánh được chất lượng môi trườn g ở điểm rr với các điểm
- Lập được các biểu đổ hoặc các đồ thị biểu diễn sự biến đổi của P theo r r
- Dễ nhận xét, phân tích đánh giá về bức tranh phân bố tổng quát của chất lượng môi trường trên miền không gian khảo sát tại thời điểm t.
Việc xây dựng các bản đồ chuyên đề về phân bố hiện trạng của từng thành phần môi trường như không khí, nước và đất mang lại nhiều thuận lợi, đảm bảo độ tin cậy và tối ưu về mặt kinh tế Chẳng hạn, để tạo ra bản đồ hiện trạng môi trường nước với 30 thông số Ci, cần thiết phải xây dựng 30 bản đồ chuyên đề riêng lẻ Tuy nhiên, nếu sử dụng chỉ tiêu tổng hợp P, chỉ cần tạo ra một bản đồ duy nhất là đủ.
Việc xây dựng các mô hình tính toán và dự báo chất lượng môi trường cho từng thành phần môi trường đang ngày càng thuận lợi Các nước phát triển như Mỹ và Canada đã phát triển phương pháp đánh giá chất lượng môi trường tổng hợp cho nước mặt, dựa trên tư tưởng chủ đạo của Liên Hợp Quốc.
Các quốc gia như Mỹ và Canada đã cải tiến hệ thống phân hạng đánh giá chất lượng môi trường thành 5 cấp độ: Rất tốt, tốt, trung bình, xấu và rất xấu (Mỹ) hoặc Rất tốt, tốt, khá, biên giới ô nhiễm, và xấu (Canada) Dựa trên hệ thống này, họ đã xây dựng bộ chỉ số chất lượng môi trường tổng hợp và áp dụng vào quy chuẩn quốc gia nhằm giám sát và quản lý môi trường hiệu quả Nhiều nước trong khu vực như Thái Lan, Indonesia, và Malaysia cũng đã áp dụng phương pháp của Mỹ và Canada để phát triển bộ chỉ số chất lượng môi trường riêng cho mình.
Trong quá trình áp dụng các phương pháp của Mỹ, Canada và Liên Xô cũ, cùng với việc triển khai đánh giá chất lượng môi trường tổng hợp tại Việt Nam, đã xuất hiện một số vấn đề bất cập cần được giải quyết.
Phương pháp đánh giá chất lượng nước tại Mỹ sử dụng trọng số để phản ánh tính độc hại của các thông số khảo sát, tuy nhiên, trọng số này được xác định theo ý kiến chủ quan của các chuyên gia Số lượng thông số khảo sát còn hạn chế (n=9) và đi kèm với 9 giản đồ đã được thiết lập sẵn để tính toán chỉ số chất lượng nước (WQI = ∑ W i I i) Hệ thống đánh giá này dựa trên 5 cấp độ tự quy định, không phụ thuộc vào số lượng thông số khảo sát và không dựa trên các công thức tính toán lý thuyết.
Phương pháp đánh giá chất lượng môi trường của Canada có ưu điểm là không giới hạn số thông số khảo sát, tuy nhiên, nó không tính đến trọng số của các thông số và có thể dẫn đến sai lệch khi n có giá trị nhỏ hoặc lớn Tại Việt Nam, vào năm 2000, Phạm Ngọc Hồ đã cải tiến phương pháp này bằng cách áp dụng chỉ tiêu P và P* để đánh giá chất lượng không khí, nước và đất, trong đó P là giá trị trung bình của nhóm chất không vượt chuẩn (P ≤ 1) và P* là nhóm chất vượt chuẩn (P* > 1), với phân cấp đánh giá theo 3 cấp.
Phương pháp đánh giá chất lượng môi trường dựa trên ba mức độ: tốt, trung bình và xấu, đã được áp dụng tại nhiều tỉnh thành như Hòa Bình, Hải Dương, Vĩnh Phúc và Quảng Ninh Phương pháp này giúp phân tích chất lượng không khí, nước và đất một cách hiệu quả.
Năm 2010, phương pháp trung bình P (không tách nhóm) được áp dụng để xác định vùng kiểm soát ô nhiễm không khí với thang đánh giá gồm 5 cấp: Tốt, đạt yêu cầu, bị ô nhiễm, ô nhiễm nặng, và ô nhiễm rất nặng Tại thành phố Hồ Chí Minh, một số dự án cũng sử dụng chỉ tiêu tổng hợp P để đánh giá chất lượng môi trường và tự xây dựng thang đánh giá như Tốt, chớm ô nhiễm, ô nhiễm, v.v., cho không khí và nước Tuy nhiên, các phương pháp này chưa xem xét trọng số của các thông số khảo sát, hoặc nếu có, thì trọng số thường được tự đánh giá.
Năm 2010, Tổng cục Môi trường đã phát hành sổ tay hướng dẫn "Phương pháp đánh giá chất lượng nước bằng chỉ số WQI", tuy nhiên phương pháp này có hạn chế về số lượng thông số (chỉ 9 thông số) và thang đánh giá cố định, gây khó khăn khi áp dụng cho số lượng thông số khảo sát lớn hơn 9 Hơn nữa, phương pháp này chỉ áp dụng cho nước mặt lục địa mà chưa đề cập đến nước ngầm và nước ven biển Đối với môi trường không khí, năm 2009, Tổng cục Môi trường đã ban hành quy trình quan trắc môi trường và quy chuẩn không khí Đến năm 2011, hướng dẫn tính toán chỉ số AQI được phát hành để đánh giá chất lượng không khí dựa trên dữ liệu từ các trạm quan trắc tự động Mặc dù phương pháp này đơn giản, nó vẫn gặp phải một số hạn chế, chẳng hạn như quy định TCCP PM10 trung bình giờ bằng TCCP trung bình giờ của bụi TSP mà chưa tính đến trọng số của từng thông số, và AQI chỉ áp dụng cho dữ liệu quan trắc tự động, không phù hợp với dữ liệu quan trắc định kỳ.
2.2.2 Phương pháp cải tiến chỉ tiêu tổng hợp của Phạm Ngọc Hồ
2.2.2.1 Tóm tắt nội dung của phương pháp Để khắc phục những hạn chế nêu trên, Phạm Ngọc Hồ [83] đã đề xuất phương pháp mới đánh giá chất lượng của từng thành phần môi trường (đất, nước, không khí) bằng chỉ tiêu tổng hợp có trọng số và quy chuẩn về một thông số (chất), làm cơ sở cho việc xây dựng công thức đánh giá phân hạng CLMT theo thang đánh giá 100 bằng chỉ số chất lượng môi trường tổng cộng (TEQI), nội dung được trình bày tóm tắt dưới đây.
n Trong đó: Pn=Pm + Pk, n=m+k m 1 m 2
(2.36) Ở đây, m=m1+m2, với m1 - số các thông số có
Wi – trọng số của chỉ số phụ qi (trọng số đơn lẻ của thông số i), được tính theo công thức:
Trong đó trọng số phụ '
(2.38) được tính theo công thức:
C * là giá trị giới hạn cho phép (TCCP) của thông số được chọn làm tiêu chuẩn hóa, được quy định trong tiêu chuẩn môi trường của từng quốc gia.
Giới hạn cho phép của thông số i trong khảo sát được xác định, với n là tổng số các thông số khảo sát, tương ứng với số lượng thông số quan trắc tại mỗi điểm quan trắc thực tế tại thời điểm t.
Phương pháp cải tiến chỉ tiêu tổng hợp TEQI
Số khảo sát không ảnh hưởng đến kết quả tính TEQI, nhưng để làm nổi bật tầm quan trọng của C* so với các thông số Ci, cần chọn C* có giá trị giới hạn cho phép nhỏ hơn các thông số khác Điều này giúp xác định trọng số Wi của C* có giá trị lớn nhất, trong khi các trọng số Wi của các thông số khác sẽ nhỏ hơn Từ đó, có thể suy ra rằng tổng trọng số ∑ Wi sẽ được tối ưu hóa.
2) Bảng phân cấp đánh giá chất lượng môi trường của TEQI phụ thuộc n thông số khảo sát (không cố định như chỉ số chất lượng EQI của các phương pháp khác) trình bày ở bảng 2.2.
Bảng 2.2 Thang phân cấp đánh giá chất lượng môi trường của TEQI = I
CLMT Màu sắc n chẵn n lẻ
0 (2.43), với Pk là tổng lượng của nhóm chất có qk>1 (không phù hợp TCMT) Cụ thể Pm và Pk được tính như sau: m 1 m 2
(2.44), m=m1+m2; Trong đó m1 là số các thông số có qm1=1; m2 là số các thông số có qm2< 1.
Pn = Pm + Pk >0; (n = m + k) (2.46) Trong đó, Wi – trọng số của chỉ số phụ qi
(chỉ số đơn lẻ của chất i) Wi được tính theo 2 bước:
- Tính chỉ số phụ Wi’ theo công thức:
C1* là nồng độ giới hạn cho phép của chất có nồng độ thấp hơn so với các chất khác, trong khi Ci* đại diện cho nồng độ giới hạn cho phép của chất i trong tiêu chuẩn chất môi trường (TCMT) của từng quốc gia.
2.3.2 Xây dựng ngƣỡng đánh giá của TAPI
Ngưỡng đánh giá và thang phân cấp đánh giá của các nước, bao gồm cả Việt Nam, thường được quy định và cố định, không phụ thuộc vào số lượng thông số khảo sát n Tuy nhiên, NCS lại xây dựng ngưỡng đánh giá dựa vào n, với ngưỡng đánh giá của TAPI phụ thuộc vào tỷ số m/n, trong đó m là số lượng chất có qm≤ 1 và n là tổng số chất được khảo sát.
Theo các điều kiện trên, ngưỡng đánh giá của TAPI được xác định bằng công thức sau:
Từ (2.48) ta có các trường hợp sau:
Ngưỡng cận trên của thang đánh giá được xác định là T m 0 Khi m=0, điều này có nghĩa là tất cả các chất khảo sát đều có nồng độ Ci vượt quá giới hạn cho phép, dẫn đến tình trạng ô nhiễm không khí nghiêm trọng và nguy hiểm.
TH2 - Ngưỡng cận dưới của thang đánh giá T m = 0, khi m=n, nghĩa là tất cả các chất có nồng độ
Ci nhỏ hơn hoặc bằng giới hạn cho phép, không khí không bị ô nhiễm;
Ngưỡng ô nhiễm rất nặng, khi m=1, nghĩa là có k=n-1 chất lớn hơn giới hạn cho phép, khi đó theo (2.48) ta có:
TH4 – Ngưỡng ô nhiễm nặng, vì n là số nguyên và lớn hơn 2; còn m=0,1,2, nên có 2 trường hợp xảy ra:
- Nếu n chẵn thì trung vị của m=n/2, trong đó: T
- Nếu n lẻ, thì trung vị của m=(n+1)/2, trong đó:
TH5 – Ngưỡng ô nhiễm nhẹ, khi m = n -1, nghĩa là chỉ có 1 chất lớn hơn giới hạn cho phép, do đó:
Khi m=n, theo công thức (2.48), Tn m = 0, cho thấy tất cả các chất có nồng độ ≤ giới hạn cho phép Trong tình huống này, có thể phân loại thành 2 ngưỡng tương tự như AQI của Mỹ và AQI của Tổng cục Môi trường Theo các công thức (2.45) và (2.46), Pk = 0 dẫn đến Pn = Pm theo công thức (2.44).
Từ (2.44) suy ra: Trong trường hợp này tất cả các thông số có qi≤ 1, nên Wiqi ≤ Wi n n n n
- Ngưỡng không ô nhiễm khi Pn =0,5 (tương ứng CLMT tốt của AQI= 0,5×100P);
- Ngưỡng biên giới ô nhiễm khi Pn = 1 (tương ứng CLMT trung bình của
- Chỉ số ô nhiễm không khí tổng cộng trong trường hợp này xác định bởi công thức n
2.3.3 Thang phân cấp đánh giá mức độ ô nhiễm của TAPI
Thang phân cấp đánh giá mức độ ô nhiễm TAPI bao gồm 6 cấp độ tương tự như AQI của Mỹ, cụ thể: 0-50 (CLKK tốt), 51-100 (CLKK trung bình), 101-150 (CLKK ảnh hưởng đến nhóm nhạy cảm), 151-200 (CLKK kém), 201-300 (CLKK xấu) và trên 300 (CLKK nguy hại) Đặc biệt, thang AQI (TCMT) kết hợp hai cấp 101-150 và 151-200 của Mỹ thành một cấp duy nhất từ 101-200 (CLKK kém), trong khi các cấp còn lại giữ nguyên theo tiêu chuẩn của Mỹ.
Bảng 2.3: Thang phân cấp đánh giá mức độ ô nhiễm của TAPI
TAPI (n- lẻ) Mức độ ô nhiễm Màu sắc
0 ≤ I * ≤ 0,5 0 ≤ I * ≤ 0,5 Không khí không ô nhiễm (CLKK tốt)
Khi n=2, các ngưỡng ô nhiễm nhẹ, ô nhiễm nặng và ô nhiễm rất nặng trùng nhau, dẫn đến bảng 2.3 chỉ còn 4 cấp Trong trường hợp n=3, ô nhiễm nhẹ và ô nhiễm nặng cũng trùng nhau, vì vậy bảng 2.3 sẽ có 5 cấp.
- Khuyến cáo mức độ ảnh hưởng đến sức khỏe có thể sử dụng khuyến cáo trong 6 thang của AQI (Mỹ).
2.3.4 Đánh giá mức độ phù hợp thực tế của TAPI và đối sánh với AQI (TCMT VN) bằng số liệu giả định.
Phương pháp của Mỹ sử dụng chỉ số max (Ii), trong đó Ii là chỉ số phụ được tính toán thông qua các chỉ số dưới và trên, có quy trình khá phức tạp Các chỉ số này được xác định dựa trên tổ hợp TCMT của từng thông số, bao gồm O3 - trung bình giờ và trung bình 8 giờ, cùng với PM2.5.
PM10 trung bình 24h, SO2/NOx trung bình 1h và CO trung bình 8h không thể so sánh trực tiếp Do đó, NCS đã chọn phương pháp tính toán AQI (TCMT) dựa trên các thông số cơ bản như O3, NO2, TSP, SO2 và CO theo QCVN 05:2009/BTNMT (trung bình giờ) bằng cách sử dụng số liệu giả định để đối sánh với TAPI (trung bình giờ).
AQI (trung bình giờ) = max (qi×100) tại 1 thời điểm t trong ngày.
TAPI = 100(1− P m / P n ) với Pn và Pm xác định bởi công thức (2.44) và (2.45).
Các số liệu giả định biểu thị các trường hợp điển hình của từng chất biến đổi, được xác định bởi công thức q = C / C*, trong đó C* là giá trị giới hạn cho phép của chất với nồng độ tương ứng Ci Để đơn giản hóa, ta xác định các giá trị qi, với qi ≤ 1 và qi > 1, phản ánh sự biến đổi từ mức thấp đến cao, bao quát toàn bộ thang đánh giá Thang phân cấp đánh giá của TAPI và AQI, theo Tổng cục Môi trường Việt Nam, được trình bày trong bảng 2.4.
Bảng 2.4: Thang phân cấp đánh giá của TAPI và AQI khi n=5
TAPI (n =5) Mức độ ô nhiễm AQI tự quy định Chất lƣợng không khí
(CLKK rất xấu) AQI>300 Rất xấu
(CLKK trung bình) 51 < AQI≤ 100 Trung bình
Kết quả tính toán TAPI và AQI dựa trên số liệu giả định được trình bày trong bảng 2.5, trong đó O3 (q1), NO2 (q2), TSP (q3), SO2 (q4) và CO (q5) là các chất ô nhiễm được phân tích O3 có TCCP nhỏ hơn các chất khác và được chọn làm chất chuẩn hóa để tính trọng số Wi theo công thức (2.47) Trọng số của O3 lớn nhất vì nó độc hại hơn các chất khảo sát khác, phù hợp với ý nghĩa vật lý Phương pháp tính trọng số này tương tự như cách đánh giá của các chuyên gia đối với WQI trong nước, trong khi AQI (Mỹ) và một số quốc gia khác, bao gồm Việt Nam, chưa tính đến trọng số Wi cho không khí.
Bảng 2.5: Bảng kết quả tính toán TAPI và AQI (Tổng cục Môi trường Việt Nam) theo số liệu giả định
O 3 NO 2 TSP SO 2 CO I* Mức độ ô nhiễm I Mức độ ô nhiễm AQI CLKK Chỉ số phụq i q 1 q 2 q 3 q 4 q 5
TD2 0,6 0,7 0,8 0,9 1 0,721 biên giới ô nhiễm 100 Trung bình
TD5 2 1,5 0,1 0,2 0,9 60,4 Rất nặng (rất xấu) 200 Kém
TD6 3 1,5 0,3 0,4 0,5 77,0 Rất nặng (rất xấu) 300 Xấu
TD7 2 1,5 0,6 0,7 1 78,4 Rất nặng (rất xấu) 200 Kém
TD9 1,5 5 0,7 0,8 0,9 93,5 Nghiêm trọng 500 Rất ô nhiễm
Bảng 2.5 cho thấy rằng TAPI và AQI cho kết quả tương đồng ở các khoảng đánh giá tốt và trung bình, nhưng có sự khác biệt rõ rệt ở ba khoảng phân cấp đánh giá ô nhiễm Cụ thể, ô nhiễm rất nặng theo TAPI tương ứng với chất lượng không khí kém của AQI, trong khi ô nhiễm nghiêm trọng theo TAPI lại tương ứng với chất lượng không khí kém của AQI Ví dụ, trong các trường hợp TD7, TD5, TD8, TD10, TAPI cho kết quả rất nặng/nghiêm trọng, trong khi AQI chỉ cho kết quả kém Sự sai khác này chủ yếu do AQI sử dụng giá trị tối đa mà không có trọng số, trong khi TAPI được tính toán dựa trên tỷ số giữa nhóm các chất nhỏ hơn TCCP so với tổng lượng ô nhiễm, giúp loại bỏ hiệu ứng “ảo” mà các chuyên gia quốc tế đã chỉ ra.
Trong trường hợp TD7, chỉ số AQI đạt giá trị tối đa là 0, cho thấy chất lượng không khí kém Đồng thời, TAPI cho thấy chất lượng không khí rất xấu do nồng độ hai chất O3 - chất độc nhất vượt tiêu chuẩn cho phép (TCCP) gấp hai lần.
Chất lượng không khí hiện tại đang gặp vấn đề nghiêm trọng khi NO2 vượt TCCP 1,5 lần và các chất khác như TSS, SO2, CO gần đạt ngưỡng cho phép Trong trường hợp TD8, TSP vượt 1,7 lần, O3 vượt 2 lần và NO2 vượt 1,5 lần, dẫn đến chỉ số AQI đánh giá chất lượng không khí là kém, điều này không phản ánh đúng thực tế Tương tự, TH9 cũng cho kết quả AQI kém khi cả 5 chất đều vượt TCCP từ 1,5-1,6 lần Phương pháp tính max(Ii) của AQI không xem xét sự đóng góp của nhóm PM và không có trọng số, gây ra hiệu ứng “ảo” trong đánh giá chất lượng không khí Nếu thay TCCP 1h bằng trung bình 8h, 24h, kết quả vẫn tương tự Hơn nữa, chỉ số TAPI có thể mở rộng áp dụng cho ít nhất 5 chất khảo sát theo QCVN 06:2009/BTNMT, với tính toán đơn giản hơn so với các chỉ số API/AQI phức tạp của Mỹ và các nước khác.
Thang phân cấp đánh giá mức độ ô nhiễm của TAPI
Thang phân cấp đánh giá mức độ ô nhiễm TAPI gồm 6 cấp, tương tự như thang đánh giá AQI của Mỹ Cụ thể, các cấp bao gồm: 0-50 (CLKK tốt), 51-100 (CLKK trung bình), 101-150 (CLKK ảnh hưởng đến nhóm nhạy cảm), 151-200 (CLKK kém), 201-300 (CLKK xấu) và lớn hơn 300 (CLKK nguy hại) Đặc biệt, thang AQI ghép 2 cấp 101-150 và 151-200 thành một cấp duy nhất từ 101-200 (CLKK kém), trong khi các cấp còn lại vẫn giữ nguyên theo tiêu chuẩn của Mỹ.
Bảng 2.3: Thang phân cấp đánh giá mức độ ô nhiễm của TAPI
TAPI (n- lẻ) Mức độ ô nhiễm Màu sắc
0 ≤ I * ≤ 0,5 0 ≤ I * ≤ 0,5 Không khí không ô nhiễm (CLKK tốt)
Khi n=2, ngưỡng ô nhiễm nhẹ, ô nhiễm nặng và ô nhiễm rất nặng trùng nhau, dẫn đến bảng 2.3 chỉ còn 4 cấp Trong trường hợp n=3, ô nhiễm nhẹ và ô nhiễm nặng cũng trùng nhau, do đó bảng 2.3 sẽ có 5 cấp.
- Khuyến cáo mức độ ảnh hưởng đến sức khỏe có thể sử dụng khuyến cáo trong 6 thang của AQI (Mỹ).
Đánh giá mức độ phù hợp thực tế của TAPI và đối sánh với AQI (TCMT VN) bằng số liệu giả định
Phương pháp của Mỹ sử dụng chỉ số max (Ii), trong đó Ii được tính toán từ các chỉ số dưới và trên phức tạp Các chỉ số này được xác định dựa trên tổ hợp TCMT của từng thông số như O3 - trung bình giờ và trung bình 8 giờ, cũng như PM2.5.
Chỉ số AQI (TCMT) được tính toán dựa trên các thông số cơ bản như O3, NO2, TSP, SO2 và CO theo QCVN 05:2009/BTNMT, với dữ liệu giả định cho các giá trị trung bình giờ Do đó, không thể so sánh trực tiếp các chỉ số PM10 (trung bình 24h), SO2/NOx (trung bình 1h) và CO (trung bình 8h).
AQI (trung bình giờ) = max (qi×100) tại 1 thời điểm t trong ngày.
TAPI = 100(1− P m / P n ) với Pn và Pm xác định bởi công thức (2.44) và (2.45).
Các số liệu giả định thể hiện các trường hợp điển hình của từng chất biến đổi, với công thức q = C / C*, trong đó C* là giá trị giới hạn cho phép của chất có nồng độ tương ứng Ci Để đơn giản hóa, các giá trị qi được phân loại thành hai mức: qi≤1 và qi>1, phản ánh sự thay đổi từ nhỏ đến lớn, bao quát toàn bộ thang đánh giá Thang phân cấp đánh giá của TAPI và AQI do Tổng cục Môi trường Việt Nam cung cấp được trình bày trong bảng 2.4.
Bảng 2.4: Thang phân cấp đánh giá của TAPI và AQI khi n=5
TAPI (n =5) Mức độ ô nhiễm AQI tự quy định Chất lƣợng không khí
(CLKK rất xấu) AQI>300 Rất xấu
(CLKK trung bình) 51 < AQI≤ 100 Trung bình
Kết quả tính toán TAPI và AQI dựa trên số liệu giả định được trình bày trong bảng 2.5, trong đó O3 (q1), NO2 (q2), TSP (q3), SO2 (q4) và CO (q5) được xác định O3 có TCCP nhỏ hơn so với các chất khác, do đó được chọn làm chất chuẩn hóa để tính trọng số Wi theo công thức (2.47) Theo công thức này, O3 có trọng số lớn nhất vì nó độc hại hơn so với các chất khảo sát khác, phù hợp với ý nghĩa vật lý Điều này tương tự như cách tính trọng số theo ý kiến chủ quan của các chuyên gia đối với WQI trong nước, trong khi AQI (Mỹ) và một số quốc gia khác, bao gồm Việt Nam, chưa tính đến trọng số Wi trong đánh giá chất lượng không khí.
Bảng 2.5: Bảng kết quả tính toán TAPI và AQI (Tổng cục Môi trường Việt Nam) theo số liệu giả định
O 3 NO 2 TSP SO 2 CO I* Mức độ ô nhiễm I Mức độ ô nhiễm AQI CLKK Chỉ số phụq i q 1 q 2 q 3 q 4 q 5
TD2 0,6 0,7 0,8 0,9 1 0,721 biên giới ô nhiễm 100 Trung bình
TD5 2 1,5 0,1 0,2 0,9 60,4 Rất nặng (rất xấu) 200 Kém
TD6 3 1,5 0,3 0,4 0,5 77,0 Rất nặng (rất xấu) 300 Xấu
TD7 2 1,5 0,6 0,7 1 78,4 Rất nặng (rất xấu) 200 Kém
TD9 1,5 5 0,7 0,8 0,9 93,5 Nghiêm trọng 500 Rất ô nhiễm
Bảng 2.5 cho thấy rằng TAPI và AQI có kết quả tương đồng ở các mức đánh giá tốt và trung bình, nhưng khác biệt rõ rệt ở ba khoảng phân cấp Cụ thể, ô nhiễm rất nặng theo TAPI tương ứng với chất lượng không khí kém của AQI, trong khi ô nhiễm nghiêm trọng theo TAPI cũng liên quan đến chất lượng không khí kém Ví dụ, TAPI có thể chỉ ra ô nhiễm rất nặng, trong khi AQI chỉ ghi nhận chất lượng không khí kém Sự khác biệt này chủ yếu do AQI tính toán dựa trên giá trị lớn nhất mà không có trọng số, trong khi TAPI tính toán dựa trên tỷ lệ giữa nhóm chất ô nhiễm nhỏ hơn TCCP so với tổng lượng ô nhiễm, giúp tránh hiện tượng "ảo" mà các chuyên gia quốc tế đã chỉ ra.
Trong trường hợp TD7, chỉ số AQI đạt giá trị tối đa là 0, dẫn đến chất lượng không khí kém Ngược lại, TAPI cho thấy chất lượng không khí rất xấu, do có hai chất độc O3 vượt quá tiêu chuẩn chất lượng môi trường 2 lần.
Chất lượng không khí hiện nay đang bị đánh giá không chính xác do phương pháp tính AQI, khi mà NO2 vượt TCCP 1,5 lần và các chất khác như TSS, SO2, CO gần ngưỡng cho thấy tình trạng ô nhiễm không nghiêm trọng Cụ thể, trong trường hợp TD8, TSP vượt 1,7 lần, O3 và NO2 vượt TCCP 2 lần và 1,5 lần tương ứng, nhưng AQI vẫn cho kết quả kém do lấy giá trị tối đa Tương tự, trong TH9, khi cả 5 chất đều vượt TCCP từ 1,5-1,6 lần, AQI cũng không phản ánh đúng thực tế Điều này cho thấy phương pháp lấy max(Ii) của AQI không tính đến sự đóng góp của nhóm PM, dẫn đến hiệu ứng “ảo” Nếu thay TCCP 1h bằng trung bình 8h hoặc 24h, kết quả vẫn không thay đổi Hơn nữa, chỉ số TAPI có thể được áp dụng cho các khảo sát có từ 5 chất trở lên, với cách tính đơn giản hơn nhiều so với các chỉ số API/AQI phức tạp hiện nay.
Ph•ơng pháp Hệ thống thông tin địa lý (GIS)
Cấu trúc của GIS
Hệ thống thông tin địa lý (GIS) bao gồm bốn thành phần cơ bản: dữ liệu không gian, người vận hành, phần cứng và phần mềm Trong quá trình phát triển, hệ thống còn bổ sung thêm hai thành phần quan trọng là mạng và quy trình.
Hình 2.3: Mô hình tổ chức của GIS [57]
Cơ sở dữ liệu có khả năng lưu trữ đa dạng các loại dữ liệu, bao gồm dữ liệu không gian, một nguồn tài nguyên quan trọng Chúng được xây dựng từ nhiều nguồn khác nhau, giúp tối ưu hóa việc quản lý và truy xuất thông tin.
* Trình bày và hiển thị:
Các dữ liệu thuộc tính có thể được lưu trữ dưới dạng bảng biểu hoặc các định dạng cố định khác Bản đồ được thiết kế để hiển thị trên màn hình hoặc lưu dưới dạng bản vẽ để in ấn Đây là cách trình bày rõ ràng nhất về các tính chất, vị trí, mối liên hệ và trật tự không gian của các đối tượng, cũng như mối quan hệ không gian giữa các lớp thông tin.
Mô hình cấu trúc dữ liệu trong GIS
2.4.2.1 Cấu trúc dữ liệu dạng Vector
Trong GIS, các đối t•ợng vector đ•ợc thể hiện ở ba yếu tố cơ bản là: Điểm (point), đ•ờng (line) và vùng (area hay polygon).
Hình 2.4: Mô tả một số khái niệm vector về nguồn: điểm, đ•ờng và vùng [57]
2.4.2.2 Cấu trúc dữ liệu dạng Raster
Raster là cấu trúc hình ảnh gồm các ô hình vuông có kích thước nhất định, gọi là cell hoặc pixel Mỗi ô chứa thông tin về một đối tượng hoặc thành phần của đối tượng, và vị trí của đối tượng được xác định thông qua vị trí của các ô theo trật tự hàng và cột.
Hình 2.5: Ma trận không gian của file GIS Raster và bảng thuộc tính của raster
2.4.3 Tạo bề mặt thống kê trong phân tích không gian trong GIS
Phân tích không gian trong GIS bao gồm ba hoạt động chính: trả lời các câu hỏi về thuộc tính, không gian và tạo ra tập dữ liệu mới từ cơ sở dữ liệu ban đầu Mục tiêu của phân tích không gian là giải quyết các câu hỏi liên quan đến hiện tượng và vấn đề trong không gian, từ đó xây dựng các thuộc tính cho một hoặc nhiều lớp dữ liệu và phân tích mối quan hệ giữa các dữ liệu ban đầu Khái niệm bề mặt thống kê (Statistical surface) trong GIS giúp thể hiện các thông tin không gian một cách trực quan và hỗ trợ trong việc phân tích dữ liệu.
Bề mặt được định nghĩa là tập hợp liên tục các giá trị thuộc tính "z", như độ cao địa hình hay nồng độ chất ô nhiễm, tương ứng với các tọa độ x và y trong không gian nhất định Giá trị z thể hiện các đặc tính định lượng, nhóm khoảng giá trị hoặc phân chia thứ bậc Khi giá trị z là giá trị thống kê của một đối tượng cụ thể, bề mặt đó được gọi là bề mặt thống kê, ví dụ như mật độ dân số, áp suất thủy tinh hay nồng độ ô nhiễm.
Hình 2.6: Thí dụ bề mặt thống kê: các đ•ờng đồng mức độ cao trên hình nổi 3D
Trong nghiên cứu bề mặt, yếu tố hình học đóng vai trò quan trọng vì nó tồn tại liên tục ở mọi vị trí và điều kiện Để xây dựng những bề mặt như vậy, việc đo đạc và lấy mẫu cần được thực hiện một cách chính xác Quá trình này có thể được thực hiện tại các vị trí cụ thể và phụ thuộc vào dạng phân bố không gian của bề mặt Bên cạnh đó, việc thành lập bản đồ bề mặt thống kê là cần thiết để phân tích và hiểu rõ hơn về các đặc điểm của bề mặt.
Lập bề mặt thống kê bao gồm nhiều loại như lập bản đồ điểm, bản đồ các mức độ cách biệt và bản đồ đường đồng mức Các đường đồng mức, hay còn gọi là isoline, nối các điểm có cùng giá trị như nồng độ chất hay nhiệt độ, giúp hình dung hình dạng phân bố của đối tượng nghiên cứu theo không gian, chẳng hạn như nồng độ chất ô nhiễm.
2.4.4 Các phương pháp và ứng dụng dẫn suất của nội suy [58].
2.4.4.1 Khái niệm về các ph•ơng pháp nội suy Để xác định giá trị của biến số nào đó tại một vị trí thông qua các giá trị của biến số đó tại các điểm đo, có thể tiến hành bằng ph•ơng pháp nội suy (interpolation) từ sự phân bố các giá trị đã biết của biến số đó.
1 Nội suy tuyến tính (linear interpolation)
Nội suy tuyến tính là phương pháp xác định giá trị của một biến số tại một điểm cụ thể, dựa trên tỷ lệ tuyến tính với hai giá trị đã biết nằm bên cạnh.
1 chiều, hoặc 3 điểm giá trị xung quanh đối với không gian 2 và 3 chiều).
Việc nội suy theo tuyến tính chỉ khả thi trong các trường hợp hạn chế và khi bề mặt là liên tục, nhẵn mịn Tuy nhiên, độ chính xác của phương pháp này thường không cao, vì trong thực tế, mối quan hệ giữa các giá trị của biến số tại các điểm thường phức tạp hơn nhiều.
2 Nội suy không tuyến tính (Nonlinear interpolation)
Nội suy không theo tuyến tính được áp dụng cho các trường hợp không tuyến tính, với ba phương pháp chính: Trọng số (Weighting), mặt phẳng hướng (Trend surface) và Kriging Trong luận án này, chúng tôi chỉ tập trung vào những vấn đề chính liên quan đến phương pháp nội suy trọng số.
Phương pháp nội suy này dựa trên nguyên tắc rằng các vị trí trên bề mặt có tính chất hình học tương tự với các điểm lân cận, đặc biệt là về gradient Để thực hiện nội suy, cần tạo một khoảng cách hoặc đường tròn với các điểm làm tâm, được chọn từ các điểm mẫu hoặc các ô lưới vuông, nhằm xác định giá trị cho một ô cụ thể Máy tính sẽ đo khoảng cách giữa từng cặp điểm từ tâm ô hoặc từ một điểm xuất phát, và giá trị biến số z của mỗi điểm được tính toán dựa trên bình phương khoảng cách Điều này đảm bảo rằng các điểm gần nhau sẽ mang lại giá trị tính toán chính xác hơn.
Trong số các phương pháp, tạo bề mặt hướng có "độ cao" z với dữ liệu biến động không phức tạp là phương pháp phổ biến nhất, thường áp dụng cho một khu vực cụ thể Phương pháp này thường sử dụng các phương trình toán học như polynominal hay spines để tạo ra một mặt phẳng duy nhất, cho phép tính toán không tuyến tính dựa trên các quan hệ đường cong hoặc số học khác Một phương pháp nội suy nổi bật là Kriging, có ưu điểm trong việc nội suy dựa trên tính toán thống kê của bề mặt Kriging khai thác khái niệm về sự khác biệt vùng, cho phép nhận diện sự khác nhau từ vị trí này sang vị trí khác trong khi vẫn duy trì tính liên tục, điều mà các mô hình đơn giản không thể thực hiện được.
Kriging là phương pháp nội suy hiệu quả, cho phép ước lượng giá trị tại các vị trí mong muốn với tốc độ nhanh Tuy nhiên, độ tin cậy của kết quả từ Kriging phụ thuộc vào độ chính xác của các giá trị đo đạc.
3 Các ứng dụng dẫn suất của nội suy
Ngoài các kỹ thuật nội suy đã được đề cập, còn có nhiều phương pháp khác như tạo bóng và tạo hướng dốc từ bề mặt thống kê Tuy nhiên, việc áp dụng các kỹ thuật này chỉ khả thi khi phần mềm hỗ trợ các chức năng cần thiết Phương pháp nội suy đóng vai trò quan trọng trong việc xử lý dữ liệu, phục vụ cho nhiều lĩnh vực nghiên cứu trong khoa học địa lý, địa chất và môi trường.
2.4.4.2 Lựa chọn phương pháp nội suy để thành lập bản đồ môi trường
Việc lựa chọn phương pháp nội ngoại suy phù hợp trong nghiên cứu bản đồ môi trường là rất quan trọng, vì nó ảnh hưởng đến kết quả cuối cùng Các tham số và mô hình được chọn cần đảm bảo tính chính xác và thực tế Phương pháp nội suy tạo ra bề mặt liên tục với các giá trị thực tế, và trong phần mềm GIS, các phương pháp này đã được phát triển thành các modul riêng biệt Trong nghiên cứu này, phương pháp Nội suy khoảng cách nghịch đảo có trọng số (IDWI) được lựa chọn, đặc biệt phù hợp cho dữ liệu có sự khác biệt lớn, cho phép xác định giá trị mới từ thống kê điểm đầu tiên và tính toán theo các hướng chủ yếu.
Hình 2.7: Thống kê và hướng chủ yếu của các điểm dữ liệu [58]
Phương pháp IDWI (Inverse Distance Weighting Interpolation) sử dụng một bán kính nhất định để tính toán các giá trị ô từ điểm khởi đầu Các giá trị này được xác định bằng cách tính trung bình các điểm mẫu trong khu vực lân cận, với trọng số lớn hơn cho những điểm gần hơn với điểm trung tâm Điều này có nghĩa là khả năng ô nhiễm môi trường sẽ giảm dần theo khoảng cách từ nguồn phát thải Công thức nội suy của phương pháp này cho phép xác định chính xác hơn các giá trị cần tính toán.
Các phương pháp và ứng dụng dẫn suất của nội suy
2.4.4.1 Khái niệm về các ph•ơng pháp nội suy Để xác định giá trị của biến số nào đó tại một vị trí thông qua các giá trị của biến số đó tại các điểm đo, có thể tiến hành bằng ph•ơng pháp nội suy (interpolation) từ sự phân bố các giá trị đã biết của biến số đó.
1 Nội suy tuyến tính (linear interpolation)
Nội suy tuyến tính là phương pháp xác định giá trị của một biến số tại một điểm cụ thể, dựa trên tỷ lệ tuyến tính với hai giá trị đã biết ở hai điểm lân cận.
1 chiều, hoặc 3 điểm giá trị xung quanh đối với không gian 2 và 3 chiều).
Việc nội suy theo tuyến tính chỉ hiệu quả trong các trường hợp hạn chế với bề mặt liên tục và nhẵn Thực tế cho thấy độ chính xác của phương pháp này thường không cao, do mối quan hệ giữa các giá trị biến số tại các điểm thường phức tạp hơn nhiều so với hàm toán học đơn giản.
2 Nội suy không tuyến tính (Nonlinear interpolation)
Nội suy không theo tuyến tính là phương pháp được áp dụng cho các trường hợp không tuyến tính, bao gồm ba phương pháp chính: Trọng số, mặt phẳng hướng và Kriging Trong đó, phương pháp nội suy trọng số (Weighting interpolation method) là một trong những kỹ thuật quan trọng Nhiều tài liệu đã phân tích chi tiết về các phương pháp này, tuy nhiên, trong luận án này chỉ tập trung vào những vấn đề chính liên quan đến nội suy không tuyến tính.
Phương pháp nội suy này dựa trên nguyên tắc rằng mỗi vị trí trên bề mặt có các tính chất hình học tương tự như các điểm lân cận, đặc biệt là về gradient Để thực hiện nội suy, ta tạo ra một khoảng cách hoặc một đường tròn với tâm là các điểm mẫu được chọn từ các ô lưới vuông hoặc đa giác Việc xác định giá trị biến số z của mỗi điểm dựa vào bình phương khoảng cách từ tâm ô hoặc điểm xuất phát, do đó, các điểm gần nhau sẽ cho kết quả chính xác hơn.
Trong số nhiều phương pháp, phương pháp tạo bề mặt hướng có "độ cao" z với dữ liệu biến động đơn giản thường được áp dụng cho một khu vực cụ thể Một mặt phẳng độc nhất được hình thành từ các phương trình toán học như polynominal hoặc spines, cho phép tính toán không tuyến tính theo quan hệ đường cong hoặc các quan hệ số học khác Phương pháp nội suy Kriging nổi bật nhờ vào khả năng nội suy dựa trên tính toán thống kê của bề mặt, sử dụng khái niệm về sự khác biệt có tính chất vùng, cho phép nhận diện sự khác nhau giữa các khu vực nhưng vẫn giữ được tính liên tục Đặc điểm này không thể được mô hình hóa theo nguyên tắc của các phương trình toán học cho bề mặt nhám đơn giản.
Kriging là một phương pháp nội suy hiệu quả, cho phép ước lượng giá trị tại các vị trí mong muốn với tốc độ nhanh Tuy nhiên, độ tin cậy của kết quả từ Kriging phụ thuộc lớn vào độ chính xác của các giá trị đo đạc.
3 Các ứng dụng dẫn suất của nội suy
Ngoài các kỹ thuật nội suy truyền thống, còn có nhiều kỹ thuật khác như tạo bóng và tạo hướng dốc từ bề mặt thống kê, nhưng việc áp dụng những kỹ thuật này phụ thuộc vào chức năng của phần mềm Phương pháp nội suy đóng vai trò quan trọng trong việc xử lý dữ liệu, phục vụ cho nhiều lĩnh vực nghiên cứu trong khoa học địa lý, địa chất và môi trường.
2.4.4.2 Lựa chọn phương pháp nội suy để thành lập bản đồ môi trường
Việc lựa chọn phương pháp nội suy phù hợp trong nghiên cứu bản đồ môi trường là rất quan trọng, vì nó ảnh hưởng đến kết quả nghiên cứu Các tham số và mô hình được áp dụng cần được chọn lựa kỹ lưỡng để đảm bảo độ chính xác cao nhất Phương pháp nội suy tạo ra bề mặt liên tục với giá trị thực tế, và trong phần mềm GIS, các phương pháp này được phát triển thành các modul độc lập Trong nghiên cứu này, phương pháp Nội suy khoảng cách nghịch đảo có trọng số (IDWI) được chọn do tính hiệu quả của nó trong trường hợp dữ liệu có sự khác biệt lớn, cho phép xác định giá trị mới dựa trên thống kê từ điểm đầu tiên và các hướng chủ yếu.
Hình 2.7: Thống kê và hướng chủ yếu của các điểm dữ liệu [58]
Phương pháp IDWI sử dụng kỹ thuật tính toán các số liệu mới từ mỗi điểm khởi đầu trong một phạm vi hình tròn có bán kính do người dùng xác định Nó xác định giá trị ô bằng cách tính trung bình các giá trị của các điểm mẫu trong khu vực lân cận, với ảnh hưởng lớn hơn từ những điểm gần trung tâm hơn Ví dụ, mức độ ô nhiễm môi trường sẽ giảm theo khoảng cách từ nguồn phát thải Công thức nội suy được áp dụng để thực hiện quá trình này.
Trong phương pháp nội suy, di0 đại diện cho khoảng cách giữa điểm cần nội suy và điểm số liệu thứ i Khi số mũ p tăng cao, ảnh hưởng của các điểm xa sẽ giảm, với một số điểm có thể được xem là không đáng kể Thông thường, giá trị p được thiết lập ở mức 2.
Hình 2.8: Mối quan hệ giữa sự ảnh hưởng và khoảng cách [58]
Hình 2.9: Mạng phân bố không gian variogram grid của các điểm mẫu đo [58]
Bán kính tìm kiếm là yếu tố quan trọng trong phương pháp nội suy, giúp xác định phạm vi phù hợp để tính toán giá trị cho cell được nội suy Bán kính này giới hạn số lượng điểm mẫu được sử dụng, và có hai loại bán kính tìm kiếm: cố định và biến đổi.
Bán kính tìm kiếm cố định là một khoảng cách xác định với số lượng điểm mẫu tối thiểu cần thiết Khi số lượng điểm mẫu trong bán kính này không đủ, hệ thống sẽ tự động mở rộng bán kính cho đến khi đạt được số điểm mẫu tối thiểu yêu cầu.
Bán kính tìm kiếm biến thiên cho phép xác định số lượng điểm mẫu cố định và khoảng cách tối đa trong việc tìm kiếm các điểm gần nhất Quá trình này tiếp tục cho đến khi đạt được đủ số lượng điểm cần thiết Nếu không thể thu thập đủ điểm mẫu trong khoảng cách tìm kiếm đã định, chỉ những điểm mẫu có được trong quá trình này sẽ được sử dụng cho nội suy.
Barrier là một tập hợp polyline, tạo ra sự gián đoạn trong vùng tìm kiếm điểm mẫu Polyline có thể là vách đá, ngọn núi, hoặc các vật cản khác trong cảnh quan Khi barrier xuất hiện, chỉ những điểm mẫu ở cùng phía với nó và ô đang khảo sát mới được xem xét.
2.4.4.3 Tạo các contour (khoanh vi) bản đồ
Kết quả nghiên cứu ứng dụng mô hình Caline4 để tính toán, dự báo ô nhiễm bụi
Kiểm chứng mô hình Caline4
Để kiểm chứng mô hình Caline 4, tiến hành đo đạc các thông số và nồng độ
Chúng tôi đã tiến hành đo nồng độ CO ngoài thực địa và so sánh với nồng độ CO do nguồn giao thông gây ra, được tính toán bằng mô hình Caline 4, nhằm xác định mối tương quan giữa các giá trị này.
2 chuỗi số liệu, từ đó xem xét mức độ tin cậy của mô hình này.
Vào ngày 02/10/2013, NCS đã tiến hành lấy mẫu và đo đạc các thông số khí tượng cùng nồng độ CO tại 8 vị trí gần đường 194, tỉnh Hải Dương, cụ thể là đoạn gần cây xăng Cậy Các vị trí đo được sắp xếp từ 1 đến 8, cách tim đường lần lượt là 0, 30, 50, 100, 150, 200, 300 và 500m, nằm trên cánh đồng để giảm thiểu ảnh hưởng từ các nguồn ô nhiễm khác Những vị trí này được chọn ở phía Tây Bắc của con đường, theo hướng gió, nhằm tối đa hóa tác động từ giao thông trên tuyến đường TL194 Kết quả quan trắc được thể hiện trong bảng 3.2a.
Bảng 3.1: Các thông số khí tƣợng và giao thông ngày 02/10/2013
Thông số Đơn vị Giá trị
Thời tiết Trời nắng nhẹ, ít mây
Tốc độ gió (m/s) 2,0 Độ ổn định khí quyển B
Đường tỉnh lộ TL194 đã được áp dụng mô hình Caline 4 theo quy trình đã nêu trong mục 2.1.2.1 Để xác định nồng độ CO nền trong khu vực mô hình, các phép đo nồng độ đã được thực hiện.
Tại vị trí CO ở phía Đông Nam TL194, cách 1.000m về hướng gió, không có đường giao thông trong phạm vi 8.000m, chỉ có QL37 và QL39B Giá trị CO đo được là 2,39mg/m³, tuy nhiên giá trị nền được xác định là 2,36mg/m³ Kết quả mô hình Caline 4 cho thấy sai số tuyệt đối trung bình là 0,059 mg/m³ và sai số tương đối trung bình là 2,29% Sự tương quan giữa kết quả mô hình và quan trắc có hệ số tương quan tuyến tính cao, đạt 0,8693.
Bảng 3.2 Nồng độ CO đo đƣợc và kết quả mô hình Caline 4 Điểm
Tọa độ (VN2000) Nồng độ CO đo đƣợc (mg/m 3 )
Nồng độ CO theo Caline 4 (mg/m 3 ) Kinh độ (m) Vĩ độ (m)
CO QT quan trắc (mg/m 3 )
Nồng độ CO MH theo Caline 4 (mg/m 3 )
Sai số tương đối 100%(CO QT -
Trong bài viết này, chúng tôi trình bày các điểm tiếp nhận (được đánh dấu bằng màu trắng) và đường 194 (màu vàng) trong mô hình Caline 4, cùng với bản đồ TL194 và các điểm lấy mẫu quan trắc Dữ liệu được tổng hợp bởi NCS vào tháng 10/2013 nhằm cung cấp cái nhìn tổng quan về hệ thống quan trắc môi trường.
Hình 3.1: Vị trí các điểm tiếp nhận, điểm quan trắc và đường TL194
Kết quả cho thấy mối tương quan giữa nồng độ CO quan trắc và nồng độ CO mô hình Caline 4, cho phép vẽ đường thẳng hồi quy giữa hai chuỗi số liệu thực tế Điều này được thể hiện rõ trên tuyến quan trắc, giúp phân tích và đánh giá chính xác hơn về mức độ ô nhiễm CO.
Hình 3.2: So sánh nồng độ CO quan trắc và nồng độ CO mô hình Caline 4
(Nguồn: Sồ liệu do NCS tính toán tháng 10/2013)
Kết quả từ hình ảnh cho thấy mối tương quan chặt chẽ giữa nồng độ thực tế và mô hình Do đó, có thể khẳng định rằng số liệu từ mô hình Caline 4 là đáng tin cậy.
Số liệu đếm xe tại các tuyến đường chính và ước tính gia tăng lưu lượng giao thông đến năm 2015
Năm 2011, Trung tâm Quan trắc của Sở Tài nguyên và Môi trường Hải Dương đã thực hiện việc đếm xe trên 8 tuyến đường chính, và từ đó ước tính số lượng xe cho năm 2015 Cơ sở tính toán dựa trên "Báo cáo quy hoạch giao thông tỉnh Hải Dương" giai đoạn 2006 đến 2020, với tốc độ gia tăng trung bình của lượng phương tiện được phép là 12% mỗi năm Giả định rằng tốc độ này giữ nguyên đến năm 2015, lưu lượng giao thông trên các tuyến đường sẽ tăng tương ứng với sự gia tăng số phương tiện, từ đó cho phép ước tính lưu lượng trung bình các loại xe cho 8 tuyến đường vào năm 2015 Kết quả ước tính về lưu lượng xe được trình bày trong các bảng dưới đây.
Bảng 3.3: Lượng xe lưu thông trên các tuyến đường tỉnh Hải Dương năm 2011 và 2015
TT Vị trí quan trắc Độ rộng lòng đường (m)
1 Đường 18, khu vực nhà máy Phả Lại 11 1035 1629
2 Đường 18, khu vực xã Hoàng Tiến,
3 Đường 37, tại điểm thu phí cầu Bình 11 1787 2812
4 Đường 37, tại ngã 3 thị trấn Gia Lộc 11 1102 1734
5 Đường 37, tại cầu Bía, huyện Ninh
6 Đường 39B, tại cầu Tràng Thưa, huyện Gia Lộc 11 603 949
7 Đường 191, tại vị trí giao đường vào CNN Kỳ Sơn, huyện Tứ Kỳ 11 1504 2367
Giao giữa đường 191 với đường
191E vào xã Bình Lãng, huyện Tứ
9 Đường 20A tại điểm giao với đường 396 thuộc xã Ngũ Hùng, huyện Thanh Miện
10 Đường 20A, xã Nhân Quyền, Bình
11 Đường 194, tại cầu Cậy, Bình Giang 11 274 431
12 Đường 5A, tại thị trấn Lai Cách,
13 Đường 5A, trạm thu phí cầu Phú
14 Đường 5A, tại thị trấn Phú Thái,
15 Đường 388, tại cây xăng TT Minh
16 Đường 388, tại cầu An Thái, huyện
(Nguồn: Kết quả do NCS dự tính tháng 10/2013)
Tải lượng ô nhiễm trung bình mỗi xe trên các tuyến đường giao thông .81 3.1.4 Thông số khí tượng đầu vào để tính toán cho năm 2015
Do thiếu số liệu đếm xe cụ thể cho từng loại xe trên 8 tuyến đường, luận án đã kế thừa kết quả nghiên cứu về số liệu đếm xe và tải lượng ô nhiễm trung bình các loại xe tại huyện Kinh Môn năm 2008.
Bảng 3.4: Lưu lượng trung bình các loại xe lưu thông trên các tuyến đường năm
Tuyến đường vào trung tâm Kinh Môn qua cầu Phú Thái có các chỉ số 30 6 26 36 2 240, trong khi đường từ Cầu Mới tới Thất Hùng ghi nhận 20 6 29 16 0 590 Đường vào KCN Duy Tân được đánh giá với các chỉ số 26 2 24 62 0 311, và tuyến đường mới từ Hiệp Thành cũng được chú trọng phát triển.
Phúc Thành) 8 0 6 0 0 396 Đường 188 qua thị trấn Minh Tân 9 5 13 41 3 239 Đường từ thị trấn Kinh Môn tới
Cầu Mới 8 3 9 8 3 227 Đường vận chuyển nguyên vật liệu vào Hoàng Thạch 14 0 8 101 0 161 Đường 188 qua thị trấn Phú Thứ 45 2 12 81 5 566
Nguồn: Kết quả khảo sát thực tế do NCS thực hiện năm 2008
Dựa trên bảng lưu lượng xe và hệ số phát thải ô nhiễm của từng loại xe theo WHO, chúng ta có thể ước tính tổng công suất phát thải cho mỗi tuyến đường Kết quả tính toán được trình bày trong các bảng dưới đây.
Bảng 3.5: Hệ số phát thải bụi TSP và khí CO đối với các loại xe
CO (kg/1000km) Ô tô con 0,07 10,24
Dựa trên bảng 3.4 và 3.5, chúng tôi đã tính toán nồng độ chất ô nhiễm cho từng loại xe, cũng như tổng nồng độ cho tất cả các loại xe Sau đó, chúng tôi chia tổng nồng độ cho tổng số xe để xác định tải lượng ô nhiễm trung bình cho mỗi xe trên 1 mile, theo đơn vị trong Caline 4 Kết quả tính toán cho thấy nồng độ chất ô nhiễm trung bình cho một xe được trình bày trong bảng 3.6.
Bảng 3.6: Nồng độ chất ô nhiễm của 1 xe trên 8 tuyến đường giao thông (huyện Kinh Môn) Đường giao thông TSP g/mile.xe
Đường vào trung tâm Kinh Môn qua cầu Phú Thái có mức CO g/mile là 1,79 với chỉ số ô nhiễm 34,92 Đường từ Cầu Mới tới Thất Hùng ghi nhận 1,39 CO g/mile và 23,01 ô nhiễm Đường vào KCN Duy Tân có chỉ số 2,04 CO g/mile và 34,79 ô nhiễm Đường Mới từ Hiệp Thành đến Phúc Thành có 1,28 CO g/mile và 37,91 ô nhiễm Đường 188 qua thị trấn Minh Tân cho thấy 2,03 CO g/mile và 41,54 ô nhiễm Đường từ thị trấn Kinh Môn tới Cầu Mới có chỉ số 1,42 CO g/mile và 44,76 ô nhiễm Đường vận chuyển nguyên vật liệu vào Hoàng Thạch có 3,14 CO g/mile và 35,97 ô nhiễm Cuối cùng, đường 188 qua thị trấn Phú Thứ ghi nhận 1,84 CO g/mile và 42,99 ô nhiễm.
Nguồn: Kết quả tính toán do NCS thực hiện năm 2013
3.1.4 Thông số khí tƣợng đầu vào để tính toán cho năm 2015
Việc tính toán sự lan truyền của ô nhiễm giao thông tại tỉnh Hải Dương dựa trên giá trị trung bình của các tháng đặc trưng khí hậu Trong mùa Hè (tháng 5, 6, 7), hướng gió chủ đạo là Đông Nam, trong khi đó, mùa Đông (tháng 11, 12, 1) có hướng gió chủ đạo là Đông Bắc.
Trong nghiên cứu về phương pháp xác định các cấp ổn định của khí quyển nhằm tính toán sự khuếch tán chất ô nhiễm trong không khí do các nguồn thải khác nhau, vùng Hà Nội được ghi nhận có độ ổn định khí quyển là B vào ban ngày mùa hè và D vào ban ngày mùa đông Vì Hải Dương nằm gần Hà Nội, nên có thể áp dụng các chỉ số ổn định khí quyển tương tự, tức là vào ban ngày mùa hè là B và vào ban ngày mùa đông là D.
Bảng 3.7: Giá trị nhiệt độ trung bình các tháng tỉnh Hải Dương
Tháng 5 Tháng 6 Tháng 7 Tháng 11 Tháng 12 Tháng 1 27,0 0 C 29,5 0 C 29,6 0 C 21,6 0 C 18,3 0 C 15,5 0 C Nhiệt độ trung bình mùa Hè: 28,7 0 C Nhiệt độ trung bình mùa Đông: 18,5 0 C
Nguồn: Niên giám thống kê tỉnh Hải Dương 2011 [5]
* Giá trị vận tốc gió trung bình tỉnh Hải Dương
Tháng 5 Tháng 6 Tháng 7 Tháng 11 Tháng 12 Tháng 1
Giá trị vận tốc gió trung bình mùa Hè:
Giá trị vận tốc gió trung bình mùa Đông:
Nguồn: Trung tâm tư liệu khí tượng – thủy văn, tỉnh Hải Dương năm 2011 Độ ổn định khí quyển ban ngày
Nguồn: Đề tài [53] Độ cao xáo trộn (mixing hight)
Nguồn: Theo hướng dẫn của mô hình Caline 4 [77]
Mô hình Caline 4 cho thấy chế độ B thì H biến đổi từ 700- 900 m và ứng với chế độ D thì H biến đổi từ 300 – 500 m.
Tính toán các tham số đầu vào cho mô hình Caline 4
Để đánh giá nồng độ chất ô nhiễm do nguồn phát thải giao thông tại vùng tiếp nhận, cần phân tích trung bình nồng độ ô nhiễm trong 1 giờ Mô hình sẽ được chạy cho 4 trường hợp khác nhau: mùa hè, mùa đông, trường hợp xấu nhất và trường hợp có nhà cao 10 m ở hai bên đường.
- Trường hợp mùa hè: Các thông số khí tượng lấy trung bình trong mùa hè
- Trường hợp mùa đông: Các thông số khí tượng lấy trung bình trong mùa đông
- Trường hợp xấu nhất: Mô hình tự chọn hướng gió và điều kiện khí tượng sao cho nồng độ chất ô nhiễm tại điểm tiếp nhận là lớn nhất
Trong trường hợp có hai bên đường có nhà cao 10m, điều kiện khí tượng được giả định tương tự như mùa đông Giả sử rằng đến năm 2015, các dãy nhà cao 10m đã mọc lên dọc theo đường vào khu đô thị Thông tin này chỉ áp dụng cho năm 2015, khi các công trình xây dựng này đã hoàn thành.
Bảng 3.8: Thông số đầu vào của mô hình Caline 4 tính toán cho đường giao thông năm 2011 và 2015.
Mùa hè Mùa đông TH xấu nhất Nhà 2 bên cao 10m
Kiểu chạy Tiêu chuẩn Tiêu chuẩn Trường hợp xấu nhất Tiêu chuẩn
Hệ số nhám khu vực ngoại ô (cm) 100 100 100 100
Loại đường Tại mặt đất Tại mặt đất Tại mặt đất Có nhà 2 bên đường Độ cao đường (m) 0,3 0,3 0,3 0,3 Độ rộng vùng xáo trộn
(m) Bằng độ rộng đường cộng 3 m vào mỗi bên
Tải lượng phát thải tổng cộng của các loại xe
- Đối với TSP trung bình 1 xe thải ra 1,87 g/mile
- Đối với CO trung bình 1 xe thải ra 37 g/mile
Hướng gió 135 o 45 o 45 o Độ lệch chuẩn hướng gió 22,5 o 22,5 o 22,5 o 22,5 o
Phân lớp khí quyển B (2) D (4) G (7) D (4) Độ cao xáo trộn (m) 800 400 400 400
Nhiệt độ không khí xung quanh 28,7 o C 18,5 o C 18,5 o C 18,5 o C
Nồng độ nền của chất ô nhiễm Bằng 0 vì ở đây chưa tính đến nồng độ nền
Nguồn: Kết quả do NCS tổng hợp năm 2013
- Đối với mỗi đường lấy 1070 điểm tiếp nhận với độ cao z = 0,3 m, và cách tim đường những khoảng như sau: 0, 30, 50, 100, 150, 200, 300, 500 m.
Kết quả dự báo nồng độ CO và TSP cho 8 tuyến đường giao thông đô thị trong các năm 2011 và 2015 được trình bày thông qua các bản đồ dưới đây.
Hình 3.3: Bản đồ ô nhiễm CO trên các tuyến đường giao thông chính tỉnh Hải Dương, mùa Đông – 2011
Hình 3.4 : Bản đồ ô nhiễm CO trên các tuyến đường giao thông chính tỉnh Hải Dương, mùa Hè – 2011
Hình 3.5: Bản đồ ô nhiễm CO trên các tuyến đường giao thông chính tỉnh Hải Dương, mùa Đông – 2015
Hình 3.6: Bản đồ ô nhiễm CO trên các tuyến đường giao thông chính tỉnh Hải Dương, mùa Hè – 2015
Hình 3.7: Bản đồ ô nhiễm TSP trên các tuyến đường giao thông chính tỉnh Hải Dương, mùa Đông – 2011
Hình 3.8: Bản đồ ô nhiễm TSP trên các tuyến đường giao thông chính tỉnh Hải Dương, mùa Hè – 2011
Hình 3.9: Bản đồ ô nhiễm TSP trên các tuyến đường giao thông chính tỉnh Hải Dương, mùa Đông – 2015
Hình 3.10: Bản đồ ô nhiễm TSP trên các tuyến đường giao thông chính tỉnh Hải Dương, mùa Hè – 2015
Bản đồ cho thấy nồng độ ô nhiễm tại các điểm tiếp nhận cuối hướng gió tăng lên khi lưu lượng xe trên các tuyến đường gia tăng, với nồng độ CO và TSP năm 2015 cao hơn năm 2011 khoảng 1,57 lần Nồng độ chất ô nhiễm giảm dần từ tim đường ra xa theo chiều gió, trong đó các điểm tiếp nhận phía trước hướng gió hầu như không bị ảnh hưởng, với nồng độ gần bằng 0 Vào mùa hè, khi gió thổi từ Đông Nam, các điểm tiếp nhận phía Tây Bắc chịu tác động nhiều nhất, trong khi vào mùa đông, với gió từ Đông Bắc, các điểm phía Tây Nam là chịu ảnh hưởng lớn nhất.
Theo các bản đồ ô nhiễm, đường quốc lộ 5A có nồng độ ô nhiễm cao nhất, đặc biệt là đoạn từ Cẩm Điền vào thành phố Hải Dương và qua Thị trấn Phú Thái Vào mùa hè, nồng độ ô nhiễm tại các đường 191, đường 20A và một số đoạn khác theo hướng Tây Bắc - Đông Nam tăng cao, trong khi vào mùa đông, nồng độ này giảm đáng kể Ngược lại, vào mùa đông, các tỉnh lộ 194, 39B và một đoạn của Quốc lộ 18 qua thị trấn Sao Đỏ, Chí Linh, có nồng độ ô nhiễm cao hơn tại các điểm tiếp nhận phía Tây Nam do ảnh hưởng của gió.
Mô hình Caline 4 trong trường hợp xấu nhất tự động chọn hướng gió và điều kiện khí tượng để xác định nồng độ ô nhiễm tại điểm tiếp nhận Kết quả cho thấy nồng độ ô nhiễm tại điểm này tăng rõ rệt, gấp nhiều lần so với mức ô nhiễm thông thường Điều này cho thấy ô nhiễm không lan tỏa xa mà tập trung chủ yếu ở khu vực xung quanh 2 bên đường giao thông, trong khoảng cách dưới 200m.
Khi đường phố có dãy nhà cao 10m hai bên, nồng độ chất ô nhiễm trong vùng xáo trộn sẽ tăng lên và đạt cực đại, sau đó giảm dần khi ra xa vùng xáo trộn Điều này là hợp lý vì dãy nhà đã chắn hầu hết các chất ô nhiễm lan truyền ra ngoài Trong các khu đô thị đông đúc, tác động của ô nhiễm không khí sẽ ảnh hưởng lớn đến khu vực dân cư cách lề đường 3m mỗi bên Đặc biệt, ở những khu vực có nhà cao trên 10m, hiện tượng gió quẩn và ô nhiễm cục bộ sẽ gây ảnh hưởng nghiêm trọng đến người tham gia giao thông và cư dân sống ven đường.
Nồng độ lớn nhất của các chất ô nhiễm tập trung ở đường quốc lộ 5A với các nồng độ cực đại tại tim đường được minh họa trong bảng dưới đây:
Bảng 3.9: Nồng độ CO và TSP ở đường quốc lộ 5A năm 2011 và 2015 Đơn vị: mg/m 3
Bảng dữ liệu cho thấy nồng độ bụi và CO đã vượt quá tiêu chuẩn QCVN 05:2009/BTNMT, đặc biệt là trong trường hợp có nhà hai bên đường vào năm 2015 Nồng độ ô nhiễm trong mùa đông cao hơn mùa hè, và trong trường hợp xấu nhất, nồng độ các chất ô nhiễm tăng đáng kể Đặc biệt, nồng độ cực đại lớn nhất xảy ra khi có hai dãy nhà cao 10m hai bên đường Nếu tính thêm nồng độ nền từ giao thông, không khí tại các khu vực này sẽ bị ô nhiễm nghiêm trọng hơn.