Modern Management Review (Mar 2017)

MODELOWANIE RECEPTOROWE JAKO NARZĘDZIE ZINTEGROWANEGO ZARZĄDZANIA JAKOŚCIĄ POWIETRZA I RYZYKIEM ŚRODOWISKOWYM

  • Łukasz SZAŁATA,
  • Jerzy ZWOŹDZIAK,
  • Anna ZWOŹDZIAK,
  • Łukasz KUŹMIŃSKI

DOI
https://doi.org/10.7862/rz.2017.mmr.10
Journal volume & issue
Vol. XXII, no. 1

Abstract

Read online

Zanieczyszczenie powietrza w miastach oraz ocena jego wpływu na zdrowie ludzi w ostatnim czasie stanowią priorytetowe zagadnienia dla lokalnych władz i wymagają opracowania zintegrowanych strategii zarządzania jakością powietrza i oceny ryzyka środowiskowego. Aby osiągnąć dobrą jakość powietrza w miastach, po pierwsze, należy dokładnie zidentyfikować i określić udziały poszczególnych źródeł emisji w zanieczyszczeniu powietrza, a następnie poszukać i wdrożyć nowe pragmatyczne rozwiązania, mające na celu poprawę jakości powietrza w aglomeracjach miejskich. Dostępne narzędzia zarządzania jakością powietrza oferują serię skomplikowanych badań bez wdrożenia kompleksowych rozwiązań systemowych. Przykładem mogą być Programy Ochrony Powietrza. Skuteczność ich prześledzono oceniając tendencje zmian 24-godzinnych stężeń pyłów PM2,5 (tj. o średnicach poniżej 2,5 mm) we Wrocławiu w okresie 2011–2014. Pomimo iż działania podejmowane w ramach programu, w celu zmniejszenia stężenia pyłu zawieszonego w powietrzu atmosferycznym zostały podjęte również w rekomendacjach Programu Gospodarki Niskoemisyjnej dla Wrocławia, nadal jednym z głównych problemów jest zły stan jakości powietrza atmosferycznego we Wrocławiu, szczególnie w okresie zimowym. Obserwuje się brak wyraźnej tendencji spadkowej stężeń pyłów w latach 2011–2014. Zmiany stężeń średnich rocznych, rzędu 1 mg/m3 na rok, były prawdopodobnie wynikiem zmieniających się warunków meteorologicznych w chłodnym sezonie w latach 2011–2014. Skuteczność Programu ochrony powietrza oraz innych podjętych działań wydają się być niewystarczające. Celem pracy było przedstawienie możliwości nowego narzędzia jakości powietrza zarówno w zarządzaniu jakością powietrza i ocenie ryzyka środowiskowego – modelowania receptorowego.

Keywords