Search

506 σ., Αντικείμενο της διατριβής αποτέλεσε η μελέτη του προβλήματος της σωματιδιακής ρύπανσης στην Αθήνα, όπως διαμορφώθηκε κατά την περίοδο που ακολούθησε την εξαγγελία της οδηγίας 99/30/EC. Βασικό μέσο προσέγγισης ήταν η πραγματοποίηση μετρήσεων πεδίου για τον χαρακτηρισμό των αιωρουμένων σωματιδίων. Οι μετρήσεις επικεντρώθηκαν στα κλάσματα PM10, PM2.5 και PM1, στις κατ’αριθμό ολικές σωματιδιακές συγκεντρώσεις (TNC) και τις κατανομές τους και στη χημική σύσταση των σωματιδίων σε στοιχειακό και οργανικό άνθρακα. Η κύρια κατεύθυνση της διαδικασίας χαρακτηρισμού στοχεύει στον εντοπισμό των παραγόντων που ελέγχουν τις χρονικές/χωρικές διακυμάνσεις των επιπέδων. Η αξιοποίηση των μετρήσεων πραγματοποιήθηκε σε ένα πλαίσιο στοχαστικής ανάλυσης δεδομένων, που περιέλαβε τεχνικές διερευνητικής και επαγωγικής στατιστικής, πολυμεταβλητής ανάλυσης, ανάλυσης χρονοσειρών - φασματικής ανάλυσης και γεωστατιστικής. Τα ευρήματα απ’ τη διαδικασία χαρακτηρισμού αξιοποιήθηκαν στην ανάπτυξη μοντέλων πρόβλεψης συγκεντρώσεων. Για την χωρική εκτίμηση, αναπτύχθηκαν μοντέλα τύπου regression mapping, με χρήση δεδομένων GIS. Παράλληλα αξιολογήθηκαν μοντέλα χωρικής παρεμβολής. Κύρια μεθοδολογία χρονικής πρόρρησης ήταν τα τεχνητά νευρωνικά δίκτυα, τα οποία αξιολογήθηκαν συγκριτικά με εναλλακτικές μεθόδους (MLR, ARIMA, PLSR, CART). Εξετάσθηκαν τεχνικές επιλογής μεταβλητών εισόδου (όπως γενετικοί αλγόριθμοι) και η αποτελεσματικότητα της εκμάθησης με αλγορίθμους τοπικής και ολικής (προσομοιωμένη ανόπτηση) βελτιστοποίησης. Από τα αποτελέσματα προέκυψαν υπερβάσεις των οριακών τιμών για τις συγκεντρώσεις PM10 και PM2.5, ενώ υψηλά ήταν τα επίπεδα PM1. Οι συσχετίσεις μεταξύ των κατά μάζα και κατ’αριθμό συγκεντρώσεων ΤΝC ήταν ασθενέστατες. Ενώ τα επίπεδα στοιχειακού άνθρακα χαρακτηρίζονται ως μέτρια, για τον οργανικό άνθρακα ήταν υψηλά, αναδεικνύοντας τα οργανικά σωματίδια ως τη χημική ομάδα με την υψηλότερη συμμετοχή στις συγκεντρώσεις PM. Διαπιστώθηκε, μέσω της μεθοδολογίας EC tracer, ότι σημαντικό ποσοστό των οργανικών σωματιδίων είναι δευτερογενούς προέλευσης. Ως κύριοι παράγοντες που σχετίζονται με τις παρατηρούμενες χρονικές διακυμάνσεις, προσδιορίσθηκαν η κυκλοφορία οχημάτων, οι δευτερογενείς διαδικασίες σχηματισμού και η ενδο-αστική μεταφορά. Σε χωρικό επίπεδο, ενώ η κατανομή των επιπέδων είναι σχετικά ανομοιογενής, παρατηρούνται σημαντικές συσχετίσεις μεταξύ θέσεων μέτρησης. Τα μοντέλα χωρικής πρόβλεψης PM10 που αναπτύχθηκαν εμφάνισαν πολύ υψηλή απόδοση, παρέχοντας ικανοποιητική χαρτογραφική απεικόνιση των επιπέδων PM10 στην περιοχή. Σχετικά με τη βραχυχρόνια σημειακή πρόβλεψη αναπτύχθηκαν δυο κατηγορίες μοντέλων, για μέσες ημερήσιες και ωριαίες συγκεντρώσεις PM10 της επόμενης ημέρας, σε διάφορες θέσεις στην περιοχή. Η προγνωστική ικανότητα των μοντέλων νευρωνικών δικτύων ήταν υψηλή, ειδικά σε σύγκριση με τα εναλλακτικά στοχαστικά μοντέλα., The aim of the dissertation was to study the particle pollution problem in Athens, as it was established during the period that followed the promulgation of EU directive 99/30/EC. Field measurements were conducted for the characterization of ambient particles. Measurements were centered on PM10, PM2.5 and PM1 fractions, on total number concentrations (TNC) and their size distributions and on the chemical composition of particles regarding elemental and organic carbon. The characterization process was directed towards the identification of factors controlling temporal/spatial variations of concentration levels. Data utilization was carried out in a stochastic data mining framework, involving exploratory and inferential statistics, multivariate analysis, time-series and spectral analysis and geostatistics. The findings from the characterization procedure were employed in the development of predictive models for particle concentrations. Regression mapping models, using GIS data, were built for spatial estimation. Spatial interpolation models were evaluated in parallel. Artificial neural networks comprised the principal methodology used for short-term forecasting and they were assessed comparatively to alternative methods (MLR, ARIMA, PLSR, CART). Input variable selection techniques were examined (e.g. genetic algorithms) and the efficiency of network training with local and global (simulated annealing) optimization algorithms was tested. The results revealed exceedances of limit values for PM10 and PM2.5 concentrations, while PM1 levels were elevated as well. Statistical associations between particle mass and number (TNC) concentrations were very weak. While elemental carbon levels were characterized as moderate, organic carbon levels were high, thus making organic aerosols the chemical group with the highest participation in particle mass. By means of the EC tracer methodology it was concluded that a significant fraction of organic particles is of secondary origin. Vehicular traffic, secondary processes and intra-urban transport were determined as the principal factors associated to the observed temporal variability. At the spatial level, while distribution of concentration levels was moderately heterogenous, significant correlations were observed among measurement locations. The developed models for spatial estimation produced a very strong performance, also providing satisfactory mapping of PM10 annual levels in the area. Regarding short-term forecasting, two model categories where examined; for daily mean and hourly PM10 concentrations, 24-h in advance in various locations within the study area. The predictive ability of neural network models was high, especially in comparison to alternative stochastic models., Γεώργιος Ι. Γρίβας

302 σ., Στο πλαίσιο της διδακτορικής διατριβής αναπτύχθηκε μεθοδολογία υποστήριξης αποφάσεων για την αντιμετώπιση ατυχημάτων μεγάλης έκτασης. Σκοπός είναι η βελτιστοποίηση της στρατηγικής απόκρισης σε περίπτωση ατυχήματος (δηλ. του συνδυασμού δράσεων προστασίας του πληθυσμού όπως η εκκένωση και η προστασία σε κτήρια γύρω από εγκαταστάσεις που διαχειρίζονται επικίνδυνες ουσίες). Η ανάγκη βελτιστοποίησης έγκειται στη σοβαρότητα και την πολυκριτηριακή φύση των συνεπειών (π.χ. μια στρατηγική που ελαχιστοποιεί την επικινδυνότητα μπορεί να αντιστοιχεί σε αύξηση του «κοινωνικοοικονομικού κόστους» που σχετίζεται με την εφαρμογή της). Από την άλλη, ακόμη και με μοναδικό κριτήριο τις επιπτώσεις στην υγεία του πληθυσμού, η βέλτιστη πολιτική προστασίας δεν αντιστοιχεί πάντα σε μεγαλύτερη περιοχή εκκένωσης (π.χ. λόγω επίδρασης του κυκλοφοριακού φόρτου). Ο αλγόριθμος που αναπτύχθηκε για την προσέγγιση του συνόλου μη-κυριαρχούμενων λύσεων βασίζεται στις αρχές των εξελικτικών αλγορίθμων. Το «κοινωνικοοικονομικό κόστος» εκτιμάται μέσω του αριθμού των ατόμων που συμμετέχουν στις διάφορες δράσεις. Αναπτύχθηκε, επίσης, ένα στοχαστικό και δυναμικό μοντέλο εκκένωσης που βασίζεται στις διαδικασίες Markov. Σκοπός του είναι η προσομοίωση της κίνησης του πληθυσμού ως στοχαστικής διαδικασίας προκειμένου να εκτιμηθούν οι συνέπειες στην υγεία του ανάλογα με τις διαφορετικές πολιτικές προστασίας και τη χωρο-χρονική κατανομή του. Η εφαρμογή του μοντέλου σε πραγματικές περιπτώσεις αναδεικνύει ότι η πρακτική του προσδιορισμού πολιτικών απόκρισης που βασίζεται μόνο στον καθορισμό ζωνών επικινδυνότητας με βάση την ένταση του φαινομένου που ακολουθεί το ατύχημα μπορεί να οδηγήσει σε σημαντική υπο-προστασία του πληθυσμού. Αναπτύχθηκαν δύο εναλλακτικοί τρόποι επίλυσης του μοντέλου. Ο υπολογισμός των αναμενόμενων δόσεων (τοξικές ή θερμικές) στον πληθυσμό με βάση τη μέση τιμή των πιθανών χωρο-χρονικών κατανομών μπορεί να οδηγήσει σε σοβαρή υπερεκτίμηση ή υποεκτίμηση των συνεπειών η οποία οφείλεται στην έντονη μη-γραμμικότητα της σχέσης δόσης-συνέπειας στην υγεία. Η υιοθέτηση της πλέον αναλυτικής λύσης του στοχαστικού μοντέλου προσομοίωσης της κίνησης που βασίζεται στη μέθοδο Monte Carlo και εκτιμά τις επιπτώσεις λαμβάνοντας υπόψη τις διαδρομές εκκένωσης, είναι αναγκαία σε αυτές τις περιπτώσεις για μια ακριβέστερη εκτίμηση των επιπτώσεων στην υγεία του πληθυσμού. Με τον τρόπο αυτό υπολογίζεται ολόκληρη η πυκνότητα κατανομής πιθανότητας των αναμενόμενων δόσεων, αντί να υπολογίζεται απλά η μέση τιμή., The handling or transportation of hazardous materials can potentially create major accidents endangering the public and workers’ health as well as the environment. In this dissertation a methodology is presented for multi-objective emergency response decision-making around hazardous materials installations. Emergency planning and response decision-making consists in assessing protective actions (e.g. evacuation, shelter-in-pace) for the population adjacent to a hazardous facility. Optimization of the emergency response is necessary since the provided protection (as it is measured in terms of the adverse health effects to the population) it is not proportional to the “protected” area or to the size of the “protected population”. Furthermore, there is a point beyond which added protection (i.e. more population protected) starts having diminishing returns in terms of reduced health effects while the associated socioeconomic cost keeps increasing. The risk is estimated by taking into account the interaction between sub areas depending on the combinations of alternative protective actions applied (e.g. the congestion created by the evacuees of a number of sub-areas affects the effectiveness of the evacuation in additional ones). Given the size of the decision space and the non-linear nature of the dependence of the consequences on the assumed alternative solution, a Multi-Objective Evolutionary Algorithm approach was chosen for the optimization. The determination of health consequences of the population is based on the results of the Stochastic Non-homogeneous Markov Evacuation Model which is also presented. The model provides the spatial distribution of the evacuees by taking into account the initial population density in the area, the road connections and capacities, the effect of road congestion during evacuation and the type of vehicles used. The socioeconomic cost is estimated according to the size of the population taking part to different protective actions. An algorithm for a Monte-Carlo solution of the evacuation model is also described. It provides actual trajectories of evacuees’ movement, and thus an estimation of the distribution of the received dose of the population according to the possible evacuation routes of individuals. It is shown that in some cases the estimation of the health consequences by the average dose might be conservative or non-conservative relative to the one corresponding to the distribution of the received doses., Παρασκευή Σ. Γεωργιάδου

205 σ., Η παρούσα εργασία έχει σαν στόχο την ανάλυση των εκπομπών διοξειδίου του άνθρακα (CO2) από τα επιβατικά αυτοκίνητα στην Ελλάδα, μέσα από το ερμηνευτικό πρίσμα συγκεκριμένων παραμέτρων που επιλέχθηκαν με κριτήριο τη δυνατότητά τους να αναδείξουν την εξέλιξη των τεχνολογικών χαρακτηριστικών του αυτοκινήτου, σε συνδυασμό με την ανάπτυξη της αγοράς και τη συμπεριφορά των οδηγών-αγοραστών. Η μελέτη στηρίζεται σε ένα πρωτότυπο, σύνθετο υπολογιστικό μοντέλο που δίνει τη δυνατότητα λεπτομερούς ανάλυσης των ποικίλων εξεταζόμενων παραμέτρων, καθώς και τον υπολογισμό των εκπομπών CO2. Παράλληλα, με βάση το μοντέλο εκτιμάται η συνεισφορά των προσδιοριστικών παραγόντων στη μεταβολή των εκπομπών CO2 μέσα στην περίοδο 1990-2005, με την εφαρμογή δύο βασικών μεθοδολογιών ανάλυσης αποδόμησης βάσει δεικτών, τη Log Mean Divisia Index I (LMDI I) και τη Refined Laspeyres (RL). Οι διαμορφωθείσες ιστορικές τάσεις των παραμέτρων που συνθέτουν το υπολογιστικό μοντέλο αποτελούν τη βάση για το σχεδιασμό του μοντέλου των προβλέψεων, στο πλαίσιο του οποίου σχεδιάζονται σενάρια χωρίς, αλλά και με πολιτικές και μέτρα για τον περιορισμό των εκπομπών CO2 έως το 2020. Η αξιολόγηση της αποτελεσματικότητας των πολιτικών και μέτρων προσεγγίζεται με δύο διαφορετικές μεθόδους, με στόχο τόσο την εκτίμηση της μεμονωμένης επίδρασης κάθε παρέμβασης, όσο και των συνεργειών που προκαλούνται από τους συνδυασμούς αυτών. Οι επιλεγμένες πολιτικές και τα μέτρα έχουν ως κεντρικές κατευθύνσεις την επίδραση στα χαρακτηριστικά του αυτοκινήτου και του στόλου συνολικά, στη συμπεριφορά των οδηγών-καταναλωτών και στο μίγμα των καυσίμων, ενώ τα σενάρια διακρίνονται σε ελάχιστης επίδρασης (ΣΕΕ) και μέγιστης επίδρασης (ΣΜΕ), ανάλογα με το βαθμό διείσδυσης των εξεταζόμενων παρεμβάσεων. Σύμφωνα με τα αποτελέσματα του υπολογιστικού μοντέλου, οι συνολικές εκπομπές CO2 σχεδόν διπλασιάστηκαν την περίοδο 1990-2005. Η δε ανάλυση αποδόμησης της μεταβολής των εκπομπών CO2 ανέδειξε ως καθοριστικό παράγοντα την αξιοσημείωτη αύξηση της κατά κεφαλή κατοχής αυτοκινήτων, η σχετική συνεισφορά της οποίας αυξάνεται με το χρόνο, ενώ λιγότερο επιβαρυντικό ρόλο κατέχει το μέγεθος των οχημάτων. Οι παράγοντες της τεχνολογίας και του μίγματος καυσίμων συνέβαλλαν στη συγκράτηση των εκπομπών, ενώ η μέση ετήσια διανυθείσα απόσταση εκτιμάται ότι μειώθηκε ως συνάρτηση της ραγδαίας αύξησης της κατά κεφαλή ιδιοκτησίας, αντισταθμίζοντας σε ένα βαθμό την επιβάρυνση που προκάλεσε η αύξηση της κατά κεφαλή κατοχής. Η ανάλυση αποδόμησης εμφανίζεται ως ένα ιδιαίτερα αξιόπιστο ερμηνευτικό εργαλείο, ικανό να συμπεριλάβει ένα μεγάλο πλήθος αλληλεξαρτώμενων παραμέτρων. Όσον αφορά στην LMDI I μεθοδολογία, αναδεικνύεται ως η πλέον κατάλληλη μέθοδος για την περίπτωση ετήσιων μεταβολών. Αντίθετα, στην περίπτωση περιοδικών αναλύσεων χωρίς ενδιάμεσα αναλυτικά στοιχεία, η LMDI I αδυνατεί να παρακολουθήσει τις διαδρομές των πολλαπλά εξαρτημένων παραμέτρων μέσα στη συνολική περίοδο, ενώ στις αντίστοιχες RL περιοδικές ανάλύσεις, το μέγεθος του υπολείμματος χαρακτηρίζεται δυσανάλογο σε σχέση με τη μεταβολή των συνολικών εκπομπών CO2. Σύμφωνα με τα αποτελέσματα των προβλέψεων, υπάρχει μία σοβαρή δυνατότητα συγκράτησης της ανοδικής πορείας των εκπομπών από την εφαρμογή των εξεταζόμενων πολιτικών και μέτρων. Συγκεκριμένα, ενώ το σενάριο χωρίς δράσεις, ΣΧΔ, επιφέρει αύξηση των εκπομπών CO2 ύψους 50% το 2020 σε σχέση με τα επίπεδα του 2005, οι αντίστοιχες μεταβολές στα ΣΕΕ και ΣΜΕ περιορίζονται στο 25% και 1% αντίστοιχα., The present study aims to analyze carbon dioxide (CO2) emissions from passenger cars in Greece, focusing on specific parameters that describe the development of cars technological characteristics, along with market growth and driver’s attitude. The analysis is based on an original, composite simulation model, which integrates the various factors influencing the calculated CO2 emissions. The relative impact of each determinant factor on the changes in CO2 emissions is then estimated with the two most distinguished decomposition analysis methods, Log Mean Divisia Index I (LMDI I) and Refined Laspeyres (RL), the comparative application of which serves at showing their weaknesses and evaluating their credibility, especially for analyses over long periods with many variables. The computational model is then extended to project CO2 emissions up to 2020, while the methodology approach includes a baseline scenario, called ‘no-action’ scenario, as well as scenarios with policies and measures aiming at restricting the upward trend of emissions from cars. The model offers the possibility to assess the effectiveness of each measure separately, as well as the synergies generated by the combination of measures. The selected policies and measures examined have been classified into three basic policy packages in order to address the improvement on car characteristics that affect mostly fuel efficiency, the influence on drivers’ behaviour towards environmentally friendly transport and the decline of the CO2 intensity of fuel mix. Two scenarios for each measure have been developed according to their penetration degree, namely the ‘minimum effect’ and ‘maximum effect’ scenarios. According to the model’s calculations, total CO2 emissions from passenger cars have grown by 50% between 1990 and 2005. Among the determinant factors examined in the frame of the decomposition analysis, car ownership was found to be the most influential one, the relative contribution of which increases over time. The relative contributions of the remaining factors are quite lower. A shift to bigger and more powerful cars with greater energy consumption is observed, while the advantage of the improvement in engine technologies is offset partly by a certain delay regarding the renewal of the fleet. On the other side, a regular reduction of the annual mileage has been assumed following the remarkable increase of new car registrations. Diesel cars constitute only a small fraction of the fleet of passenger cars, mainly used for taxis which travel at least six times more than gasoline cars. This particularity of the fleet profile is reflected in the fuel mix effect, which contributes to reducing CO2 emissions as the share of diesel cars keeps falling. As a whole, decomposition analysis has proved to be a particularly reliable tool, with the ability to analyze a wide range of interdependent explanatory factors. In addition, according to the comparative evaluation of LMDI I and RL methodologies, index decomposition could be developed to analyze projections on the basis of integrated scenarios for the projected determinant factors. In the present study, LMDI I is found to be the most appropriate method for decomposing annual changes. However, in the case of period analysis, LMDI I is unable to follow the intermediate changes in the most dependent factors, while RL period analysis includes very high and unjustified residuals. According to our results, passenger cars represent a considerable CO2 mitigation potential, contributing to the Greek target for reducing Greenhouse Gases from sectors not included in the European Union Emission Trading System. While the ‘no-action’ scenario leads CO2 emissions very far from 2005 levels and consequently from the EU targets set for 2020, the examined policies and measures, considering also the synergies between interrelated measures, could restrain emissions increase to 25% in the ‘minimum effect’ scenario and to 1% in the ‘maximum effect’ scenario, compared to 2005 levels., Αικατερίνη Ε. Παπαγιαννάκη