Close
Photo by veeterzy on Unsplash

Czy oddychamy czystszym powietrzem?

Zgodnie z art. 3 pkt 4) ustawy Prawo Ochrony Środowiska jako emisję rozumie się wprowadzanie bezpośrednio lub pośrednio, w wyniku działalności człowieka, do powietrza, wody, gleby lub ziemi:

  • substancji, czyli pierwiastków chemicznych oraz ich związków, mieszanin lub roztworów występujących w środowisku lub powstałych w wyniku działalności człowieka
  • energii, takiej jak: ciepło, hałas, wibracje lub pola elektromagnetyczne.

Zanieczyszczenia powietrza, emisja tych zanieczyszczeń, która może być szkodliwa dla zdrowia ludzi lub stanu środowiska, to wszelkie substancje (gazy, ciecze, ciała stałe) pochodzenia naturalnego i antropogenicznego. Do największych antropogenicznych źródeł emisji zaliczyć należy: procesy energetycznego spalania paliw, przemysłowe procesy technologiczne, a także transport i sektor komunalno-bytowy. Stąd też na początku transformacji ustrojowej w 1990 roku Minister Ochrony Środowiska, Zasobów Naturalnych i Leśnictwa (tak nazywał się odpowiednik obecnego Ministra Środowiska) zwrócił się do wojewodów z propozycją utworzenia wojewódzkich list zakładów szczególnie uciążliwych dla środowiska. Zakłady z takich list zostały objęte systemem szczególnego nadzoru ze strony Wojewódzkich Inspektoratów Ochrony Środowiska (WIOŚ). W związku z tym od wielu lat prowadzone są szczegółowe badania emisyjne. Gdyby ktoś był bliżej zainteresowany całością aspektów środowiskowych to w województwach opracowywane są raporty o stanie środowiska. Można je pobrać ze strony Głównego Inspektora Ochrony Środowiska jak i wojewódzkich oddziałów.

Dane do analizy tego w jaki sposób szczególnie uciążliwe zakłady oddziaływują na powietrze pozyskam z bazy danych lokalnych Głównego Urzędu Statystycznego. Interesujące będzie to, czy ogólne zanieczyszczenia pyłowe i gazowe z tego rodzajów zakładów uległy zmniejszeniu na przestrzeni ostatnich lat, i na jakim poziomie odnotowuje się tą zmianę w stosunku do np 2000 roku. Jak kształtują się te emisje w poszczególnych województwach i czy dane potwierdzą, że najbardziej zanieczyszczonym powietrzem oddychają mieszkańcy województwa śląskiego. Pamiętajmy jednak, że powietrze nie zna granic.

Zatem na wstępie pobieramy dane z kategorii danych STAN I OCHRONA ŚRODOWISKA grupa EMISJA ZANIECZYSZCZEŃ POWIETRZA Z ZAKŁADÓW SZCZEGÓLNIE UCIĄŻLIWYCH podgrupa EMISJA ZANIECZYSZCZEŃ GAZOWYCH oraz EMISJA ZANIECZYSZCZEŃ PYŁOWYCH i wczytujemy plik w formacie .csv do programu R poddając go niewielkiemu oczyszczeniu.

library(tidyverse)
#pobranie danych z GUS - zanieczyszczenia gazowe
gas_pol <- read_delim('gazowe.csv',delim=";",col_names = TRUE)
#usuniecie niepotrzebnych kolumn
gas_pol <- gas_pol[,1:6]
gas_pol <- na.omit(gas_pol)

a następnie wyświetlimy sobie jak przedstawia się zmiana emisji zanieczyszczeń gazowych oraz pyłowych w poszczególnych województwach na przestrzeni lat 2000-2017.

ggplot(data=gas_pol, aes(Rok, Wartosc/1000)) +
  geom_line() +
  facet_wrap(~Nazwa, scales = "free_y") +
  theme_minimal()+
  labs(title="Zmiana emisji zanieczyszczeń gazowych w latach 2000 - 2017 ",y="tys. t/rok",x="Lata")

I już widzimy jakże pozytywną tendencję, w większości województw emisja w zanieczyszczeń gazowych pochodząca z zakładów szczególnie uciążliwych ma wyraźną tendencję spadkową. Jedynym województwem, gdzie tendencja mimo wszystko jest odwrotna to województwo śląskie. Trzeba jednak zaznaczyć, że województwo śląskie, mimo że jest jednym z najmniejszych powierzchniowo województw, to z uwagi na swoją specyfikę, tj. największe uprzemysłowienie, dużą gęstość zaludnienia oraz urbanizację, należy do regionów o największej antropopresji. Specyfika regionu związana jest także z występowaniem surowców mineralnych (głównie węgla kamiennego), które przez kilka wieków napędzały rozwój przemysłu. W  2017 roku na terenie województwa śląskiego działało 329 zakładów szczególnie uciążliwych dla czystości powietrza, tj. 17,5% ogółu zakładów tego typu w  kraju.

Jednak, jak duża jest to skala dla różnic pomiędzy województwami z wykresu tendencji zmian dość trudno dostrzec, sporządźmy zatem wykres kolumnowy dla początkowego roku 2000 i 2017.

gas_pol %>% 
  filter(Rok == min(Rok) | Rok == max(Rok) ) %>% 
  mutate(Rok.f =as.factor(Rok)) %>% 
  select(Nazwa,Rok.f,Wartosc) %>% 
  ggplot(aes(x = Nazwa, y = Wartosc/1000, fill = Rok.f)) +
  geom_bar(stat = "identity", position = "dodge") +
  coord_flip() + labs(y="Emisja zanieczyszczeń gazowych (bez dwutlenku węgla) tys. t/rok",x="Nazwa województwa")

Tu już dość łatwo można zaobserwować skalę różnic pomiędzy poszczególnymi województwami w zakresie emisji gazowych z przedsiębiorstw szczególnie szkodliwych, i co więcej, wyraźnie widać, że za wyjątkiem województwa śląskiego, słupki w kolorze zielonym przedstawiającym emisję w 2017 są zdecydowanie mniejsze w stosunku do słupków z roku 2000. Także emisja substancji gazowych jest mniejsza. Ale o ile, jak przedstawia się to procentowo. Trzeba to policzyć.

Przekształcę dane do postaci szerokiej tabeli i następnie obliczę i wyświetlę procentową różnicę pomiędzy ilością emisji gazowej odnotowanej w 2000 i 2017 roku. Zatem do dzieła.

gas_pol_min_max <- gas_pol %>% 
  filter(Rok == min(Rok) | Rok == max(Rok) ) %>% 
  select(Nazwa, Rok, Wartosc) %>% 
  spread(Rok, Wartosc) 
  
colnames(gas_pol_min_max) <- c("Nazwa", "R2000","R2017")
mutate(gas_pol_min_max,Zmiana = 100*(R2017-R2000)/R2000)
select(gas_pol_min_max,Nazwa, Zmiana)

ggplot() +
  geom_bar(data=gas_pol_min_max,aes(Nazwa, Zmiana), fill="green", color="black", stat="identity") +
  coord_flip() +
  labs(title="Procentowa zmiana emisji zanieczyszczeń gazowych 2000 - 2017 ",y="Zmiana procentowa [%]",x="Nazwa województwa")

Dokonam jeszcze prostego przedstawienia statystyki zmian emisji gazowych.

summary(gas_pol_min_max)

Za wyjątkiem sytuacji w województwie śląskim mamy wyraźne zmiany na lepsze. O ponad 60% udało się ograniczyć emisję substancji gazowych z zakładów szczególnie szkodliwych w województwie wielkopolskim, zachodniopomorskim, łódzkim i liderze województwie dolnośląskim.

Przedstawię te zmiany jeszcze na mapce, korzystając z map dostarczonych z Głównego Urzędu Geodezji i Kartografii.

library(rgdal)
wojewodztwa <- readOGR(dsn="f:/R/Mapy/PL/Shp", layer="Wojewodztwa")
wojewodztwa <- spTransform(wojewodztwa, CRS("+init=epsg:4326"))
wojewodztwa_df <- fortify(wojewodztwa, region = "JPT_KOD_JE")

gas_pol_mapka <- gas_pol %>% 
  filter(Rok == min(Rok) | Rok == 2006 | Rok == 2012 | Rok == max(Rok))
mapki <- left_join(wojewodztwa_df, gas_pol_mapka, by=c("id"="Kod"))

ggplot(mapki) +
  geom_polygon(aes(long, lat, group=group, fill=cut(Wartosc, breaks = c(0,5000,10000,25000,50000,100000,250000,500000,1000000))), color="grey") +
  scale_fill_brewer(palette = "YlOrRd") +
  facet_wrap(~Rok) +
  theme_void() +
  labs(fill="Emisja zanieczyszczeń gazowych 
       (bez dwutlenku węgla) ogółem [t/rok]") +
  theme(legend.position = "bottom", legend.direction = "horizontal")

Prześledźmy jeszcze jak poszczególne składniki emisji gazowej, takiej jak: tlenek węgla, ditlenek siarki oraz tlenki azotu zmieniały się na przestrzeni lat. Dane oczywiście pobierzemy z bazy danych lokalnych, i będę chciał je zaprezentować w postaci słupków na mapie. W związku z tym wyznaczam środki województw i łącze z danymi numerycznymi:

srodki_woj <- coordinates(wojewodztwa) %>% 
  as_tibble() %>% 
  set_names(c("long", "lat")) %>% 
  mutate(Kod=wojewodztwa@data$JPT_KOD_JE)
gas_pollutants <- left_join(gas_pollutants,srodki_woj, by="Kod")

następnie wyznaczam procentowe różnice pomiędzy wielkościami poszczególnych składników dla roku 2000 i 2017.

gas_pollutants2000 <- gas_pollutants %>% 
  filter(Rok == min(Rok)) %>% 
  select(Kod,long,lat,Nazwa,Zanieczyszczenie,Wartosc) %>% 
  spread(Zanieczyszczenie, Wartosc)

colnames(gas_pollutants2000) <- c("Kod","long","lat","Nazwa","SO2_2000","CO_2000","NOx_2000")

gas_pollutants2017 <- gas_pollutants %>% 
  filter(Rok == max(Rok)) %>% 
  select(Kod,long,lat,Nazwa,Zanieczyszczenie,Wartosc) %>% 
  spread(Zanieczyszczenie, Wartosc)

colnames(gas_pollutants2017) <- c("Kod","long","lat","Nazwa","SO2_2017","CO_2017","NOx_2017")

gas_pollutants20xx <- left_join(gas_pollutants2000,gas_pollutants2017,by=c("Kod","long","lat","Nazwa"))

library(knitr)
gas_polelem <- gas_pollutants20xx %>% 
  mutate(SO2zm = round(100*((SO2_2017-SO2_2000)/SO2_2000),1),
         NOxzm = round(100*((NOx_2017-NOx_2000)/NOx_2000),1),
         COzm = round(100*((CO_2017-CO_2000)/CO_2000),1)) %>% 
  select(Kod,long,lat,Nazwa,SO2zm,NOxzm,COzm) %>% 
  kable(col.names = c("1","2","3","Nazwa"," SO2 [%]", "NOx [%]", "CO [%]"))

Procentowe zmiany emisji ditlenku siarki, tlenków azotu oraz tlenku węgla z zakładów szczególnie uciążliwych przedstawiają się następująco:

ggplot()+
geom_path(data=wojewodztwa_df,aes(x=long,y=lat,group=id),color="black",size=0.25) +
geom_rect(data=gas_polelem,aes(xmin=long-0.3,xmax=long-0.1,ymin=lat,ymax=lat+COzm/100,fill="CO"),color="white") +
geom_rect(data=gas_polelem,aes(xmin=long-0.1,xmax=long+0.1,ymin=lat,ymax=lat+NOxzm/100,fill="NOx"),color="white") +
geom_rect(data=gas_polelem,aes(xmin=long+0.1,xmax=long+0.3,ymin=lat,ymax=lat+SO2zm/100,fill="SO2"),color="white") +
scale_fill_manual(values=c("Orange","Blue","Green"),name="Zanieczyszczenie",labels=c("CO","NOx","SO2")) + coord_map(projection = "mercator") +
theme_bw() +
theme(axis.title.x = element_blank(), axis.title.y = element_blank())

A jak sytuacja przedstawia się z zanieczyszczeniami pyłowymi. Zerknijmy najpierw na tendencje w poszczególnych województwach.

Dla każdego województwa odnotowujemy wyraźną tendencję spadkową zanieczyszczeń pyłowych pochodzących z zakładów szczególnie uciążliwych. To z pewnością efekt działań modernizacyjnych i konieczności dostosowania się zakładów do restrykcyjnych wymogów ochrony środowiska.

Gdyby zatem wziąć pod uwagę jedynie zanieczyszczenia gazowe i pyłowe pochodzące z zakładów szczególnie uciążliwych to z efektów działań w zakresie ochrony środowiska można być zadowolonym. Czy jednak oddychamy czystszym powietrzem. Niestety analizowane zanieczyszczenie to tylko jeden ze składników, dopóki nie poradzimy sobie z niską emisją oraz emisją komunikacyjną trudno będzie stwierdzić, że powietrze, którym oddychamy jest czyste.

Dodatkowe materiały

dr hab. inż., prof. PCz (Politechniki Częstochowskiej); zainteresowania: gospodarowanie odpadami (praktyczne), danologia, analiza danych (hobbystycznie)

Leave a Reply

Your email address will not be published. Required fields are marked *