Finally, we classified the type of

Finally, we classified the type of business and districts in the region and evaluated their contribution to air pollutant concentrations. Five statistical metrics [Index of Agreement (IOA), Fractional Bias (FB), Normalized Mean Square Error (NMSE), and Pearson correlation coefficient (R)] indicated that the simulated values using CALMET was determined to have sufficient reliability to predict CALPUFF, and simulated concentration field using CALPUFF showed a good agreement [typical values: IOA (0.284 to 0.850 for PM10, 0.412 to 0.895 for SO2), and FB (0.043 to 0.821 for PM10, –0.393 to 0.638 for SO2)] with the observed concentrations. The maximum concentrations of PM10 and SO2 using CALPUFF were predicted to be located around OSIC and UPIC, respectively. We compared the simulated values with observed values at 14 monitoring stations, and the SO2 tended to display better agreement to observed SO2 values than modeled and observed PM10. The source contribution analysis found that PM10 and SO2 were mostly influenced by group B (35.1%) including steel, machinery, and electronic industry nearby OSIC and group A (40.6%) including chemical industry nearby UPIC, respectively. Finally, the correlations between simulated concentrations of PM10 and SO2 and corresponding emission quantities were 0.663 and 0.528, respectively. Overall, the results of this study could be useful for designing appropriate seasonal regulations to reduce ambient concentrations of air pollutants and assisting environmental administrators to control the sources that contribute the most to degradation of air quality.

ผลลัพธ์ (ไทย) 1:

ในที่สุด เราจัดประเภทของธุรกิจและในภูมิภาค และประเมินผลงานของพวกเขากับความเข้มข้นของมลพิษอากาศ วัดสถิติห้า [ดัชนีตกลง (IOA), อคติเศษ (FB), ตามปกติหมายถึงตารางข้อผิดพลาด (NMSE), และเพียร์สันสัมประสิทธิ์สหสัมพันธ์ (R)] ระบุว่า ค่าจำลองการใช้ CALMET ก็ถือว่ามีความน่าเชื่อถือเพียงพอทำนาย CALPUFF และฟิลด์จำลองความเข้มข้นที่ใช้ CALPUFF แสดงข้อตกลงที่ดี [ค่ามาตรฐาน: IOA (0.284 ถึง 0.850 สำหรับ PM10, 0.412 กับ 0.895 สำหรับ SO2), และ FB (0.043 กับ 0.821 สำหรับ PM10 , –0.393 ถึง 0.638 สำหรับ SO2)] มีความเข้มข้นที่สังเกต ความเข้มข้นสูงสุดของ SO2 และ PM10 ใช้ CALPUFF ถูกคาดว่า จะได้อยู่ OSIC UPIC ตามลำดับ เราเปรียบเทียบค่ากับค่าสังเกตที่ 14 สถานีตรวจสอบจำลอง และ SO2 มีแนวโน้มที่จะ แสดงข้อตกลงที่ดีกว่าค่า SO2 สังเกตกว่า PM10 สร้างแบบจำลอง และสังเกต การวิเคราะห์ผลงานแหล่งพบว่า SO2 และ PM10 ส่วนใหญ่ได้รับอิทธิพลจากกลุ่ม B (35.1%) รวมทั้งเหล็ก เครื่องจักร และอุตสาหกรรมอิเล็กทรอนิกส์ OSIC และกลุ่มใกล้เคียง (40.6%) รวมถึงอุตสาหกรรมทางเคมีใกล้เคียง UPIC ตามลำดับ ในที่สุด ความสัมพันธ์ระหว่างจำลองความเข้มข้นของ SO2 และ PM10 และปริมาณมลพิษที่เกี่ยวข้องได้ 0.663 และ 0.528 ตามลำดับ โดยรวม ผลของการศึกษานี้อาจเป็นประโยชน์สำหรับการออกระเบียบตามฤดูกาลที่เหมาะสมเพื่อลดอุณหภูมิความเข้มข้นของมลพิษทางอากาศ และช่วยผู้ดูแลสิ่งแวดล้อมการควบคุมแหล่งข้อมูลที่มากที่สุดสลายของคุณภาพอากาศ

ผลลัพธ์ (ไทย) 2:

สุดท้ายเราจำแนกประเภทของธุรกิจและหัวเมืองในภูมิภาคและการประเมินผลงานของพวกเขาที่มีความเข้มข้นของสารมลพิษทางอากาศ ห้าตัวชี้วัดทางสถิติ [ดัชนี Agreement (IOA) Fractional อคติ (FB) ข้อผิดพลาดปกติ Mean Square (NMSE) และค่าสัมประสิทธิ์สหสัมพันธ์เพียร์สัน (R)] ชี้ให้เห็นว่าค่าจำลองโดยใช้ Calmet มุ่งมั่นที่จะมีความน่าเชื่อถือเพียงพอที่จะทำนาย CALPUFF, และเขตเข้มข้นจำลองโดยใช้ CALPUFF แสดงให้เห็นว่าข้อตกลงที่ดี [ค่าทั่วไป: IOA (0.284-0.850 สำหรับ PM10, 0.412-0.895 สำหรับ SO2) และ FB (0.043-0.821 สำหรับ PM10, -0.393 เพื่อ 0.638 สำหรับ SO2)] ที่มีความเข้มข้นสังเกต . ความเข้มข้นสูงสุดของ PM10 และ SO2 ใช้ CALPUFF ถูกคาดว่าจะเป็นที่ตั้งอยู่รอบ OSIC และ UPIC ตามลำดับ เราเมื่อเทียบกับค่าจำลองที่มีค่าสังเกตที่ 14 สถานีตรวจสอบและ SO2 มีแนวโน้มที่จะแสดงข้อตกลงที่ดีกว่าเพื่อค่า SO2 สังเกตกว่าคาดและสังเกต PM10 การวิเคราะห์แหล่งที่มาของผลงานที่พบว่า PM10 SO2 และได้รับอิทธิพลส่วนใหญ่โดยกลุ่ม B (35.1%) รวมทั้งเหล็ก, เครื่องจักรกลและอุตสาหกรรมอิเล็กทรอนิกส์ OSIC บริเวณใกล้เคียงและกลุ่ม A (40.6%) รวมทั้งอุตสาหกรรมเคมีใกล้เคียง UPIC ตามลำดับ ในที่สุดความสัมพันธ์ระหว่างความเข้มข้นจำลองของ PM10 และ SO2 และปริมาณการปล่อยก๊าซที่สอดคล้องกันเป็น 0.663 และ 0.528 ตามลำดับ โดยรวม, ผลของการศึกษาครั้งนี้จะเป็นประโยชน์สำหรับการออกแบบกฎระเบียบตามฤดูกาลที่เหมาะสมเพื่อลดความเข้มข้นแวดล้อมมลพิษทางอากาศและให้ความช่วยเหลือผู้ดูแลสิ่งแวดล้อมในการควบคุมแหล่งที่มีส่วนร่วมมากที่สุดในการย่อยสลายของคุณภาพอากาศ