CHƯƠNG 3 KẾT QUẢ VÀ THẢO LUẬN
3.3. NGHIÊN CỨU ẢNH HƯỞNG CỦA MỘT SỐ YẾU TỐ KHÍ TƯỢNG
TƯỢNG ĐẾN SỰ PHÂN BỐ NỒNG ĐỘ BỤI MỊN PM2.5 Ở TP. HÀ NỘI
Bụi mịn PM2.5 được tạo ra từ hai nguồn chính là nguồn tự nhiên và nguồn nhân tạo. Trên thực tế, các nguồn quan trọng phát sinh bụi mịn PM2.5 là từ khói xe, các hoạt động xây dựng và giao thông, sản xuất công nghiệp và nơng nghiệp, đốt lị hơi, đốt chất thải, phun trào núi lửa, đốt rơm rạ và củi, các hạt bụi do phản ứng hóa học tạo ra [22, 23]. Bụi tồn tại trong khí quyển với vịng đời tương đối ngắn, từ vài giờ đến vài tuần, thành phần hóa học của chúng thay đổi theo thời gian và không gian tùy thuộc vào nguồn phát thải và các điều kiện khí tượng. Các yếu tố khí tượng, chẳng hạn như vận tốc gió, nhiệt độ khơng khí và độ ẩm khơng khí tương đối, cũng là những yếu tố quan trọng, ảnh hưởng đến sự thay đổi của nồng độ PM2.5.
Bảng 3.1: Tương quan Spearman giữa nồng độ bụi mịn PM2.5 và các yếu tố khí tượng
Tương quan Spearman PM2.5
Tốc độ gió Hệ số tương quan -0,464 Sig 0.000 N 1443 Nhiệt độ Hệ số tương quan -0,312 Sig 0.000 N 1443 Độ ẩm Hệ số tương quan 0,193 Sig 0.000 N 1443 Lượng mưa Hệ số tương quan -0,31 Sig 0.236 N 1443
Sử dụng hệ số tương quan Spearman để đánh giá tương quan giữa nồng độ bụi và các yếu tố khí tượng là giải pháp thường được các nhà khoa học sử dụng. Trong nghiên cứu này cũng sử dụng hệ số tương quan Spearman để đánh giá tương quan giữa nồng độ bụi mịn PM2.5 và 04 yếu tố khí tượng thường gặp là: nhiệt độ, độ ẩm, tốc độ gió, lượng mưa và kết quả được thể hiện trong bảng 3.1. Từ kết quả trên bảng 3.1 có thể nhận thấy rằng Sig tương quan giữa nồng độ bụi mịn PM2.5 và lượng mưa là 0,236 > 0,05, do vậy khơng có mối tương quan tuyến tính giữa 2 đại lượng này. Ngược lại, Sig tương quan giữa nồng độ bụi mịn PM2.5 và nhiệt độ là 0,00 < 0,05; Sig tương quan giữa nồng độ bụi mịn PM2.5 và tốc độ gió là 0,00 < 0,05; Sig tương quan giữa nồng độ bụi mịn PM2.5 và độ ẩm là 0,00 < 0,05, chứng tỏ nhiệt độ, tốc độ gió và độ ẩm có tương quan tuyến tính với nồng độ bụi PM2.5, trong đó nhiệt độ khơng khí và tốc độ gió là tương quan nghịch với nồng độ bụi mịn PM2.5 (hệ số tương quan < 0 ) và độ ẩm là tương quan thuận với nồng độ bụi mịn PM2.5 (hệ số tương quan dương). Với hệ số tương quan -0,464 lớn nhất trong số 3 hệ số tương quan được tìm thấy chứng tỏ bụi mịn PM2.5 có tương quan tuyến tính mạnh nhất vói tốc độ gió.
Tuy nhiên, theo Chen và cộng sự [23], các yếu tố khí tượng tương tác với nồng độ bụi PM2.5 theo các mùa là khác nhau, nghĩa là tương tác giữa một yếu tố khí tượng với nồng độ bụi PM2.5 có thể chiếm ưu thế trong một mùa và có thể trở nên khơng đáng kể trong một mùa khác. Vì vậy, trong các mục tiếp theo, luận văn sẽ phân tích từng yếu tố ảnh hưởng trên theo các mùa khác nhau.
3.3.1. Ảnh hưởng của tốc độ gió
Từ kết quả trên bảng 3.2, có thể thấy rằng tốc độ gió tương quan tuyến tính nghịch (Sig = 0, hệ số tương quan âm) với nồng độ bụi PM2.5 trong cả 4 mùa, nghĩa là khi tốc độ gió tăng thì nồng độ bụi PM2.5 trong khơng khí giảm. Ngun nhân là do gió có vai trị vận chuyển các chất ơ nhiễm khơng khí trên mặt đất bằng cách đối lưu và khi vận tốc gió càng lớn, khả năng khuếch tán, pha loãng và phân tán các chất ô nhiễm càng tốt, dẫn đến nồng độ bụi trong khơng khí càng giảm [20]. Ngược lại, tốc độ gió thấp sẽ ức chế sự
khuếch tán của PM2.5 và làm cho PM2.5 tập trung trên bề mặt trái đất. Kết quả này cũng tương tự như các nghiên cứu của Zhang và cộng sự [24] khi nghiên cứu ảnh hưởng của tốc độ gió đến sự phân bố nồng độ bụi PM2.5 ở TP. Bắc Kinh, Trung Quốc; Zhang và cộng sự [13] khi nghiên cứu ảnh hưởng của tốc độ gió đến sự phân bố bụi PM2.5 ở 3 thành phố lớn của Trung Quốc là Thượng Hải, Bắc Kinh và Quảng Châu, Vassilakos và cộng sự khi nghiên cứu ảnh hưởng của tốc độ gió đến nồng độ bụi PM2.5 ở thành phố Athen, Hy Lạp. Theo Huang và cộng sự [18], có hiệu ứng trễ của tốc độ gió đối với nồng độ bụi mịn PM2.5, nghĩa là nồng độ bụi mịn PM2.5 bị ảnh hưởng bởi tốc độ gió của 1 ngày trước đó.
Bảng 3.2: Tương quan Spearman giữa nồng độ bụi mịn PM2.5 và yếu tố tốc độ gió theo các mùa trong năm 2018
Tương quan Spearman Xuân Hè Thu Đơng
Tốc độ gió
Hệ số tương quan -0,414 -0,447 -0,291 -0,181
Sig 0 0 0 0
N 356 368 368 361
Cũng theo bảng 3.2, mức độ tương quan mạnh yếu giữa tốc độ gió và nồng độ PM2.5 giữa các mùa là không giống nhau. Dường như tốc độ gió có tương quan mạnh với nồng độ bụi mịn PM2.5 vào mùa xuân và mùa hè, mùa đông là yếu nhất. Kết quả này cũng giải thích cho việc nồng độ bụi mịn PM2.5 vào mùa đông cao hơn rất nhiều so với mùa hè bởi theo số liệu thu được từ trạm quan trắc, các ngày mùa đơng có tốc độ gió trung bình thấp hơn mùa hè.
3.3.2. Ảnh hưởng của nhiệt độ khơng khí
Theo kết quả trên bảng 3.3, nhiệt độ khơng khí có tương quan nghịch với nồng độ bụi mịn PM2.5, nghĩa là khi nhiệt độ khơng khí tăng, nồng độ bụi mịn PM2.5 trong khơng khí giảm. Tương quan vào mùa xuân là tương đối cao trong khi vào mùa đông lại thấp nhất. Ngun nhân là do khi nhiệt độ khơng khí thay đổi sẽ làm thay đổi áp suất khí quyển cục bộ tại một số khu vực, dẫn
tới khơng khí sẽ ln chuyển giữa các vùng khác nhau và gây ra sự phân tán hoặc kết tụ của các hạt vật chất như là bụi trong khí quyển, vì vậy, nồng độ bụi mịn PM2.5 sẽ bị thay đổi. Do đó, nhiệt độ cao thúc đẩy sự đối lưu của khơng khí, và do đó làm lỗng và phân tán các chất ơ nhiễm trong khơng khí, dẫn đến nồng độ bụi mịn PM2.5 giảm[26].
Bảng 3.3: Tương quan Spearman giữa nồng độ bụi mịn PM2.5 và yếu tố nhiệt độ khơng khí theo các mùa trong năm 2018
Tương quan Spearman Xuân Hè Thu Đông
Nhiệt độ
Hệ số tương quan -0,569 -0,274 -0,208 -0,174
Sig 0 0 0 0
N 356 368 368 361
Hình 3.7: Diễn biến nhiệt độ trung bình ngày của các tháng trong năm 2018 của TP. Hà Nội
Chính vì vậy, như kết quả đánh giá diễn biến nồng độ bụi mịn PM2.5 trong các tháng ở mục 3.1, các tháng mùa hè có nhiệt độ trung bình cao nhất
trong năm, các tháng mùa đơng có nhiệt độ thấp nhất trong năm (Hình 3.7), kết quả là nồng độ bụi mịn PM2.5 đo được vào mùa hè là thấp nhất, vào mùa đơng là cao nhất.
Ngồi ra, nền nhiệt độ cao vào mùa hè cũng ngăn cản hiện tượng nghịch nhiệt thường xảy ra vào nửa đêm về sáng, dẫn đến bụi PM2.5 được khuếch tán tốt theo phương thẳng đứng (do chênh lệch nhiệt độ giữa lớp khơng khí bên trên và lớp khơng khí sát mặt đất), do đó nồng độ bụi vào mùa hè thực sự thấp hơn mùa đông và mùa xuân. Kết quả này cũng tương tự như kết quả nghiên cứu của Tian và cộng sự [27] khi nghiên cứu mối quan hệ giữa nhiệt độ và nồng độ bụi mịn PM2.5 ở một số thành phố lớn của Trung Quốc như Bắc Kinh, Thẩm Dương,...nghiên cứu của Zhang và cộng sự [28] khi nghiên cứu mối tương quan giữa nồng độ bụi PM2.5 và nhiệt độ ở thành phố Thiên Tân, Trung Quốc.
3.3.3. Ảnh hưởng của độ ẩm khơng khí
Theo kết quả trên bảng 3.4, độ ẩm khơng khí có tương quan nghịch với nồng độ bụi mịn PM2.5 vào mùa đơng và mùa xn, có tương quan thuận vào mùa hè và mùa thu, nghĩa là vào mùa đông và mùa xn khi độ ẩm khơng khí tăng, nồng độ bụi mịn PM2.5 trong khơng khí giảm, cịn vào mùa hè và mùa thu, nồng độ bụi lại tăng khi độ ẩm khơng khí tăng. Tương quan giữa độ ẩm và nồng độ bụi mịn PM2.5 thay đổi theo mùa cũng được một số nhóm tác giả khác quan sát thấy[25, 26, 30].
Bảng 3.4: Tương quan Spearman giữa nồng độ bụi mịn PM2.5 và yếu tố độ ẩm khơng khí theo các mùa trong năm 2018
Tương quan Spearman Xuân Hè Thu Đông
Độ ẩm
Hệ số tương quan -0,264 0,354 0,423 -0,056
Sig 0 0 0 0
N 356 368 368 361
Nguyên nhân chính có thể là do vào mùa hè hoặc mùa thu, nhiệt độ trung bình ngày thường cao hơn các mùa khác kết hợp với việc độ ẩm cao dẫn
đến sự hình thành các hạt thứ cấp với lượng lớn các chất ơ nhiễm hóa học ở pha khí (CO, O3, SO2 và NOx) [31, 32]. Những tình huống như vậy cũng khơng có lợi cho việc khuếch tán chất ơ nhiễm trong khơng khí, dẫn đến nồng độ bụi mịn PM2.5 tăng khi độ ẩm tăng [19].
Mặt khác, độ ẩm khơng khí tăng sẽ dẫn đến tăng cường sự hấp phụ của các hạt vật chất trong khí quyển và do đó làm tăng nồng độ của các hạt vật chất trong khí quyển. Đồng thời, khu vực có độ ẩm tương đối khơng khí tương đối lớn dễ hình thành lớp nghịch chuyển và cản trở sự khuếch tán và pha loãng của các hạt vật chất trong khí quyển, dẫn đến nồng độ bụi mịn PM2.5 tăng khi độ ẩm khơng khí tăng [29]. Hơn nữa, theo nghiên cứu của Dawson và cộng sự [33] độ ẩm cao có thể có lợi cho sự hình thành amoni nitrat, do đó gây ra mối tương quan thuận giữa độ ẩm khơng khí và nồng độ bụi mịn PM2.5 ở phía bắc Trung Quốc.
Vào các tháng mùa xuân và mùa đông, mối tương quan giữa bụi mịn PM2.5 và độ ẩm khơng khí lại đảo chiều, nghĩa là nồng độ bụi mịn PM2.5 trong khơng khí tăng khi độ ẩm giảm. Ngun nhân có thể là do việc giảm RH thường đi kèm với thời kỳ nắng ít, nhiều mây và khơng có gió [34], dẫn đến gia tăng ô nhiễm bụi mịn PM2.5 [35]. Hiện tượng tương quan nghịch giữa độ ẩm tương đối của khơng khí và nồng độ bụi mịn PM2.5 vào mùa đông và mùa xuân cũng được Li và cộng sự tìm thấy [20] khi nghiên cứu mối tương quan giữa các yếu tố khí tượng và nồng độ bụi trong khơng khí ở Hồng Kơng; Wang và Owaga nghiên cứu mối tương quan giữa các yếu tố khí tượng và nồng độ bụi trong khơng khí ở Nagasaki, Nhật Bản [21].
3.3.4. Ảnh hưởng của lượng mưa
Mặc dù kết quả trên bảng 3.1 cho thấy lượng mưa khơng có tương quan tuyến tính với nồng độ bụi mịn PM2.5, tuy nhiên khi xem xét mối tương quan giữa 2 đại lượng này trong các mùa khác nhau trong năm (bảng 3.5) thì thấy rằng vào mùa đơng và mùa xn; bụi mịn PM2.5 có tương quan tuyến tính nghịch với độ tin cậy trên 95%, trong khi mùa hè và mùa thu khơng có tương quan tuyến tính. Ngun nhân có thể là do các cơn mưa có tác dụng loại bỏ các chất ơ nhiễm trong khơng khí, đặc biệt là các hạt có kích thước nhỏ như
bụi mịn PM2.5 [19, 20, 36, 37], do đó khi lượng mưa tăng, nồng độ bụi mịn PM2.5 trong khơng khí sẽ giảm như quan sát thấy vào mùa xuân và mùa đông.
Bảng 3.5: Tương quan Spearman giữa nồng độ bụi mịn PM2.5 và yếu tố lượng mưa theo các mùa trong năm 2018
Tương quan Spearman Xuân Hè Thu Đông
Lượng mưa
Hệ số tương quan -0,195 0,078 -0,046 -0,206
Sig 0 0,133 0,401 0
N 356 368 340 360
Tuy nhiên, vào mùa hè và mùa thu, mối quan hệ giữa 2 đại lượng này khơng tuyến tính, ngun nhân có thể do lượng mưa có tương quan thuận với yếu tố khí tượng khác là độ ẩm khơng khí, dẫn đến lượng mưa tăng, độ ẩm khơng khí tăng. Theo phân tích ở trên, nồng độ bụi mịn PM2.5 lại tăng khi độ ẩm tăng vào mùa hè và mùa thu. Kết quả là sự ảnh hưởng của lượng mưa đến nồng độ bụi mịn PM2.5 vào mùa hè và mùa thu theo 2 cơ chế trái ngược nhau, do đó tương quan giữa lượng mưa và bụi mịn PM2.5 là khơng tuyến tính.
3.3.5. Xây dựng quan hệ hồi quy giữa nồng độ bụi mịn PM2.5 và các biến khí tượng bằng mơ hình ANN các biến khí tượng bằng mơ hình ANN
Các kết quả trên đã chỉ ra rằng một số yếu tố khí tượng có sự ảnh hưởng nhất định đến sự phân bố nồng độ bụi PM2.5 ở TP. Hà Nội và để lượng hóa sự ảnh hưởng này, luận văn sử dụng mơ hình ANN để xây dựng mối quan hệ giữa PM2.5 và các yếu tố khí tượng (Hình 3.8).
Hình 3.8: Sơ đồ mơ phỏng mạng ANN sử dụng trong luận văn
30 20
Sau khi tiến hành thử sai hàng loạt các lựa chọn khác nhau như số lớp, số nút trong mỗi lớp, nghiên cứu lựa chọn cấu trúc mơ hình mạng thần kinh nhân tạo như hình 3.8 dưới đây: sơ đồ gồm 8 nút đầu vào; 2 lớp ẩn, lớp ẩn thứ nhất gồm 20 nút và lớp ẩn thứ hai gồm 30 nút; 1 nút ở lớp đầu ra và 1 đầu ra. Mơ hình có duy nhất một biến đầu ra là nồng độ bụi PM2.5.
Để tránh hiện tượng ‘quá tốt’ (overfitting) của phương pháp này, nghiên cứu chia chuỗi số liệu ra thành 2 tập số liệu nhỏ hơn: tập số liệu huấn luyện (trainning set) và tập số liệu kiểm định (validating set). Nhiệm vụ của tập số liệu huấn luyện là xác định trọng số của các nút của mạng ANN. Tập số liệu kiểm định được sử dụng để hạn chế đến mức thấp nhất hiện tượng overfitting giữa đầu ra thực đo và tính tốn. Tập số liệu này khơng hiệu chỉnh các trọng số của các nút mà được sử dụng để đảm bảo rằng bất kỳ sự gia tăng độ chính xác nào ở tập số liệu huấn luyện cũng tạo ra sự gia tăng độ chính xác ở tập số liệu chưa được huấn luyện, trước hết ở tập số liệu kiểm định. Nếu độ chính xác ở tập số liệu huấn luyện gia tăng nhưng độ chính xác ở tập số liệu kiểm định giữ nguyên hoặc giảm thì hiện tượng overfitting xảy ra và quá trình huấn luyện phải ngừng lại. Hai tập số liệu này được chọn ngẫu nhiên theo tỷ lệ 70% cho chuỗi số liệu huấn luyện và 30% cho chuỗi số liệu kiểm định. Nghiên cứu sẽ cho mơ hình chạy lặp 1000 lần tương ứng với 1000 lần lấy mẫu (sampling) các chuỗi số liệu huấn luyện và kiểm định. Cách phân chia cho kết quả tốt nhất trong 1000 lần lấy mẫu sẽ được lựa chọn là mơ hình mạng thần kinh nhân tạo cuối cùng. Trong hình 3.9 dưới đây so sánh kết quả dự báo và kết quả thực đo tính tốn của tập số liệu huấn luyên và kiểm định của trường hợp tối ưu nhất.
Kết quả thu được cho thấy hệ số tương quan R trong nghiên cứu này có giá trị ở mức chấp nhận được (R = 0,66566 với tập số liệu training, R =
0,52151 với tập số liệu kiểm định) (chi tiết đoạn code lập trình xem trong phụ lục). Do đó, mơ hình thần kinh nhân tạo có thể được sử dụng để dự báo nồng độ bụi mịn PM2.5 ở TP. Hà Nội dựa vào các biến khí tượng và giá trị nồng độ bụi mịn PM2.5 của ngày hơm trước.
Hình 3.9: So sánh kết quả dự báo bụi PM2.5 và kết quả thực đo tính tốn của tập số liệu huấn luyện (a) và kiểm định (b)
Training result R = 0,66566 Training result R = 0,53151
KẾT LUẬN VÀ KIẾN NGHỊ 1. Kết luận
Tại TP. Hà Nội, hàm lượng bụi mịn PM2.5 ở các khu dân cư, trung tâm thương mại, hàm lượng bụi mịn PM2.5 vẫn còn thấp dưới mức quy chuẩn; các khu, cụm công nghiệp và làng nghề, hàm lượng bụi mịn PM2.5 bắt đầu vượt quy chuẩn cho phép nhưng mức độ vượt không đáng kể; riêng khu vực nút giao thông lớn, bến tàu, xe, hàm lượng bụi mịn PM2.5 tương đối cao,