UNIVERZITET CRNE GORE TRTČ AU LTET - gepsus.ac.me frekventni modul ... Slika 6.12. Interfejs za prikupljanje podataka u blizini pumpe ..... 82 Slika 6.13. GEPSUS sistem na terenu

UNIVERZITET CRNE GORE

ELEKTROTEHNIČKI FAKULTET

Vladimir Popović

HARDVERSKO – SOFTVERSKI SISTEM ZA SIMULACIJU EKSCESNIH SITUACIJA

UZROKOVANIH GASNIM ZAGAĐIVAČIMA -MAGISTARSKI RAD-

Podgorica, 2013

PODACI I INFORMACIJE O MAGISTRANTU:

Ime i Prezime: Vladimir Popović

Datum i mjesto rođenja: 12.08.1987. godine, Podgorica

Naziv završenog osnovnog studijskog

programa i godina diplomiranja:

Elektrotehnički fakultet, odsjek za

Elektroniku, telekomunikacije i

računare, smjer Elektronika, 2011

INFORMACIJE O MAGISTARSKOM RADU:

Naziv postdiplomskih studija: Magistarske studije Elektronike

Naslov rada:

Hardversko – softverski sistem za

simulaciju ekscesnih situacija

uzrokovanih gasnim zagađivačima

Fakultet na kojem je rad odbranjen: Elektrotehnički fakultet, Podgorica

UDK, OCJENA I ODBRANA MAGISTARSKOG RADA:

Datim prijave magistarskog rada: 19.06.2013

Datum sjednice Vijeća univerzitetske

jedinice na kojoj je prihvaćena tema: 10.07.2013

Komisija za ocjenu teme i podobnosti

magistranta:

Prof. dr Radovan Stojanović,

Prof. dr Dragoljub Blečić,

Prof. dr Srđan Stanković

Mentor: Prof. dr Radovan Stojanović

Komisija za ocjenu rada:

Prof. dr Radovan Stojanović



Komisija za odbranu rada:


Prof. dr Radovan Stojanović


Prof. dr Andrej Škraba

Datum odbrane: 07.10.2013

Sažetak

U ovom radu je opisan realizovani sistem za simulaciju širenja gasnih zagađivača u urbanim

sredinama. Ispuštanje ovih hazardnih gasova može nastati kao rezultat industrijskih incidenata

ili terorističkih napada. Podržane su tri vrste izvora zagađenja, i to: industrijski dimnjaci,

cistijerne i gasovodne cijevi. Dat je detaljan opis arhitekture sistema i metodologije

simulacije. Predstavljeni su rezultati simulacija za nekoliko karakterističnih slučajeva.

Akcenat je stavljen na prikupljanju, obradi podataka i vizualizaciji zona opasnosti u realnom

vremenu. Prilikom proračuna zona opasnosti u obzir se uzimaju meteorološki uslovi na mjestu

incidenta, vrsta terena i parametri izvora. Proračunate zone opasnosti u vidu KML fajla se

mogu prikazivati lokalno koristeći Google Earth i/ili online koristeći realizovanu Web

aplikaciju. Rezultati simulacija pokazuju da predloženi sistem može biti od velike koristi timu

za vanredne situacije u slučaju incidenata izazavanih ispuštanjem gasnih zagađivača. Takođe

se može koristiti u eksperimentalne svrhe, trening ili procjenu rizika.

Abstract

In this paper is described real-time system for hazardous gases dispersion simulation in case

of man-made accidents in an urban area. The system architecture, simulation methodology

and preliminary results are elaborated. Emphasis is given on real-time embedded system that

allow automatic data entry and on the spot responder interaction with situations. The threat

zones, unsafe areas, unsafe traffic routes and emergency reports are calculated and then

exported to the Google Earth and/or Google Maps browser via KML file format. The

approach and system are verified in real conditions. The results demonstrate that emergency

response authorities can use the proposed methodology and system as a cost effective and

accurate support tool in case of industrial or deliberate air pollution incidents. It can also be

used for experimental purposes, training or risk assessment.

Napomena:

Ovaj rad je nastao u okviru GEPSUS (Geographical information processing for

Environmental Pollution-related Security within Urban Scale environments) projekta koji je

finansiran od strane NATO-ovog programa „Science for Peace and Security“.

Sadržaj:

Uvod ........................................................................................................................................... 1

1 Modeliranje disperzije vazdušnih zagađivača .................................................................... 4

1.1 Modeli disperzije ......................................................................................................... 5

1.1.1 Deterministički modeli ......................................................................................... 6

1.1.2 Statistički modeli ................................................................................................ 14

1.2 Kompjuterski paketi .................................................................................................. 15

2 Uticaj meteoroloških uslova ............................................................................................. 16

2.1 Atmosferska stabilnost .............................................................................................. 16

2.2 Brzina vjetra .............................................................................................................. 19

2.3 Temperatura ............................................................................................................... 20

3 Gausov model ................................................................................................................... 21

3.1 Gausov model za tačkasti izvor ................................................................................. 22

3.1.1 Efektivna visina .................................................................................................. 26

3.1.2 Vertikalna i horizontalna standardna devijacija ................................................. 29

3.2 Algoritam računanja disperzije .................................................................................. 34

3.3 Gausov model za cistijerne ........................................................................................ 36

3.4 Gausov model za gasovod ......................................................................................... 37

4 Integralni sistem za modelovanje i vizualizaciju disperzije ............................................. 40

5 GEPSUS sistema za simulaciju ekscesnih situacija ......................................................... 43

5.1 Interfejs za prikupljanje podataka .............................................................................. 45

5.1.1 Lokalna meteorološka stanica ............................................................................ 46

5.1.2 Temperaturni senzor ........................................................................................... 52

5.1.3 RF moduli ........................................................................................................... 52

5.1.4 Napajanje interfejsa za prikupljanje podataka.................................................... 56

5.2 Podsistem za modelovanje i vizualizaciju disperzije................................................. 57

5.2.1 Računavanje i vizualizacija zona opasnosti ....................................................... 63

5.3 Podsistem za donošenje odluka ................................................................................. 65

5.4 Konekcija sa Web aplikacijom .................................................................................. 69

6 Rezultati ........................................................................................................................... 72

6.1 Provjera validnosti modeliranja i vizualizacije.......................................................... 72

6.1.1 Scenario 1: Ispuštanje sumpor dioksida iz termoelektrane ................................ 72

6.1.2 Scenario 2: Ispuštanje hlora ............................................................................... 74

6.1.3 Scenario 3: Ispuštanje azot dioksida .................................................................. 76

6.1.4 Nesigurna zona i ugroženi put ............................................................................ 78

6.2 Provjera funkcionalnosti rada .................................................................................... 80

Zaključak .................................................................................................................................. 83

Literatura .................................................................................................................................. 85

Popis slika:

Slika 3.1. Vizualizacija Gausovog oblaka disperzije. .............................................................. 21

Slika 3.2. Gausova raspodjela za različite vrijednosti μ i σ. .................................................... 22

Slika 3.3. Grafički prikaz refleksije od zemlje. ........................................................................ 25

Slika 3.4. Grafički prikaz σy za različite klase stabilnosti u urbanim sredinama ..................... 32

Slika 3.5. Grafički prikaz σz za različite klase stabilnosti u urbanim sredinama ..................... 32

Slika 3.6. Grafički prikaz σy za različite klase stabilnosti u ruralnim sredinama ..................... 33

Slika 3.7. Grafički prikaz σz za različite klase stabilnosti u ruralnim sredinama ..................... 34

Slika 3.8. Algoritam računanja disperzije ................................................................................ 35

Slika 3.9. Ispuštanje gasa iz cistijerne ...................................................................................... 37

Slika 3.10. Ispuštanje gasa iz gasovoda ................................................................................... 39

Slika 4.1. Integralni GEPSUS sistem za modeliranje i vizualizaciju disperzije ...................... 41

Slika 5.1. Blok šema realizovanog sistema .............................................................................. 43

Slika 5.2. Interfejs za prikupljanje podataka ............................................................................ 45

Slika 5.3. Kolektor ................................................................................................................... 46

Slika 5.4. Lokalna meteorološka stanica .................................................................................. 47

Slika 5.5. Izgled kodiranog diska ............................................................................................. 48

Slika 5.6 Sekvenca kodiranih meteoroloških podataka ............................................................ 48

Slika 5.7. Radio frekventni modul ........................................................................................... 52

Slika 5.8. Povezivanje RF modula ........................................................................................... 53

Slika 5.9. Raspored pinova RF modula .................................................................................... 54

Slika 5.10. Kolo za punjenje baterije ....................................................................................... 56

Slika 5.11. Parametri za modelovanje gasnih zagađivača iz industrijskih dimnjaka ............... 60

Slika 5.12. Parametri za modelovanje gasnih zagađivača ispuštenih iz cistijerni .................... 61

Slika 5.13. Parametri za modelovanje gasnih zagađivača iz gasovodnih cijevi ...................... 62

Slika 5.14. Postupak kreiranja KML fajla ................................................................................ 63

Slika 5.15. Poligon sa 14 stranica ............................................................................................ 66

Slika 5.16. Poligon koji se ukršta ............................................................................................. 67

Slika 5.17. Šestostrani poligon sa ukrštenim stranicama ......................................................... 67

Slika 5.18. Poligon sa tjemenima koja padaju tačno na pravu y .............................................. 67

Slika 5.19. Poligon sa stranicom koja leži na pravoj y ............................................................. 67

Slika 5.20. Poligon sa tjemenom na pravoj y, a stranice koje idu iz njega su iznad prave ...... 67

Slika 5.21. Poligon sa tjemenom na pravoj y, a stranice koje idu iz njega su ispod prave ...... 67

Slika 5.22. Primjer kritičnih zona sa ugroženim objektom i putem ......................................... 69

Slika 5.23. Kompatibilnost Web aplikacije .............................................................................. 70

Slika 5.24. Pristup Web aplikaciji ............................................................................................ 70

Slika 5.25. Prikaz kritičnih zona u Web aplikaciji ................................................................... 71

Slika 6.1. Ispuštanje SO2 iz termoelektrane ............................................................................. 74

Slika 6.2. Ispuštanje Cl2 iz cistijerne ........................................................................................ 76

Slika 6.3. Ispuštanje NO2 usled požara na benzinskoj pumpi .................................................. 78

Slika 6.4. Put i objekat nijesu ugroženi .................................................................................... 79

Slika 6.5. Put i objekat su ugroženi hazardnim gasom ............................................................. 79

Slika 6.6. Interfejs za prikupljanje podataka ............................................................................ 80

Slika 6.7. Instalirani sistem na vojnom aerodromu Golubovci ................................................ 81

Slika 6.8. Cistijerne za skladištenje nafte ................................................................................. 81

Slika 6.9. Operativac na terenu ................................................................................................ 81

Slika 6.10. Operativac u komandnom centru ........................................................................... 81

Slika 6.11. Benzinska pumpa za koju se procjenjuje rizik ....................................................... 82

Slika 6.12. Interfejs za prikupljanje podataka u blizini pumpe ................................................ 82

Slika 6.13. GEPSUS sistem na terenu ...................................................................................... 82

Popis tabela:

Tabela 1. Pregled tri osnovna deterministička modela disperzije ............................................ 14

Tabela 2. Klase stabilnosti u odnosu na brzinu vjetra i solarnu radijaciju ............................... 18

Tabela 3. Vrijednosti koeficijenta p ......................................................................................... 20

Tabela 4. Jednačine za izračunavanje distance xf ..................................................................... 28

Tabela 5. Jednačine za izračunavanje efektivne visine ............................................................ 29

Tabela 6. Vertikalna i horizontalna standardna devijacija za urbane sredine .......................... 31

Tabela 7. Vertikalna i horizontalna standardna devijacija za ruralne sredine .......................... 33

Tabela 8. Raspored žica meteorološke stanice ......................................................................... 47

Tabela 9. Opis sekvence meteoroloških podataka.................................................................... 49

Tabela 10. Tabela kodiranih vrijednosti smjera vjetra ............................................................. 50

Tabela 11. Izračunavanje kontrolne sume ................................................................................ 51

Tabela 12. Karakteristike RC1240 RF modula ........................................................................ 53

Tabela 13. Funkcije pinova RF modula ................................................................................... 54

Tabela 14. Kritični nivoi nekih široko rasprostranjenih hemikalija ......................................... 59

Tabela 15. Ulazni parametri za ispuštanje sumpora iz termoelektrane .................................... 73

Tabela 16. Ulazni parametri za ispuštanje hlora ...................................................................... 75

Tabela 17. Ulazni parametri za ispuštanje azot dioksida ......................................................... 77

Vladimir Popović: Hardversko – softverski sistem za simulaciju ekscesnih situacija


1

Uvod

Ispuštanja hazardnih gasova u atmosferu, bilo slučajno zbog ljudske nemarnosti,

kvarova u postrojenju, prirodnih nepogoda, ili namjerno u terorističkom napadu, predstavljaju

veliku opasnost po stanovništvo i infrastrukturu. Pod hazardnim gasom se podrazumijevaju

sve vrste zapaljivih, toksičnih kao i bilo kojih drugih gasova koji mogu izazvati trenutne ili

trajne posljedice na zdravlje ljudi. U tim kritičnim situacijama, timu za vanredne situacije i

službi spašavanja je potrebno brzo obezbijetiti potrebne i relevantne podatke o širenju štetnih

gasova kako bi adekvatno isplanirali svoje akcije. Brzina reagovanja je od presudnog značaja,

naročito u urbanim sredinama gdje zbog velike gustine naseljenosti svako kašnjenje može

povući velike posljedice [1]

. Pokušavajući da se odgovori na date probleme, nastali su sistemi

za procjenu kretanja hazardnih gasova. Ovi sistemi nastoje da pruže što pouzdaniji prikaz

hazardne situacije na terenu kako bi što više olakšali nadležnim službama sprečavanje širenje

hazarda, planiranje sanacije i eventualnu evakuaciju stanovništva.

Sistemi za procjenu kretanja hazardnih gasova baziraju se na matematičkim modelima

disperzije. U početku su to bili jednostavni modeli koji su se mogli ručno proračunati. Razvoj

računara uticao je na ubrzani razvoj modela disperzije čime oni postaju sve kompleksniji i

uključuju sve više ulaznih parametara.

Na tržištu postoji veliki broj ovakvih sistema [2]

. Međutim, većina njih ima veliki broj

nedostataka. Postojeće softverske aplikacije za modelovanje gasnog zagađenja kao što su

MET, ALOHA, BREEZE, TRACE, SAMS i slični, se mogu primijeniti ali oni daju samo

djelimično rješenje problema disperzije [3]

. Dominantno veliki broj njih rade u offline režimu i

prikazuju koncentraciju hazarda samo u dvije dimenzije. Zone različitih koncentracija

hazardnih materija su statične i ne uzimaju u obzir dinamiku procesa, primarno promjenu

atmosferskih uslova i promjenu jačine izvora zagađenja [4]

. Takođe, većina ne podržava

automatski unos podataka.

Koristan sistem za upravljanje i kontrolu prilikom namjernog ili slučajnog ispuštanja

hazardnih gasova bi prvenstveno trebao da daje informacije u realnom vremenu i, po

mogućnosti, da uključi nekoliko sljedećih podsistema:



2

geografski informacioni sistem (GIS),

podsistem za praćenje i prognozu hidro – meteoroloških uslova,

podsistem za ekotoksikološka mjerenja,

podsistem za modelovanje disperzije hazardnih gasova,

podsistem za planiranje i reagovanje u vanrednim situacijama [5][6]

.

Zadatak ovog rada je analiza postojećih sistema za modelovanje i simulaciju širenja

gasnih zagađivača prilikom ispuštanja iz industrijskih dimnjaka, cistijerni i gasovoda kao i

projektovanje sistema koji će nastojati da prevaziđe uočene nedostatke i odgovori na

savremene izazove. Akcenat se stavlja na prikupljanje, obradu podataka i vizualizaciju zona

opasnosti u realnom vremenu.

Za razliku od postojećih sistema ovaj rad unosi nekoliko poboljšanja. Dva osnovna

unapređenja sistema su:

korišćenje lokalnih meteorolških stanica i

online prikaz proračunatih zona opasnosti sa ugroženim kritičnim objektima.

Meteorološki uslovi su od velike važnosti za procjenu kretanja zagađivača pa je bitno

imati što tačnije podatke o njima. Meteorološke stanice Hidrometeorološkog zavoda mogu

biti desetak kilometara udaljene od samog mjesta nesreće što ove stanice čini veoma

nepouzdanim. Iz toga razloga se odlučilo da se u sistem uključe lokalne meteorološke stanice

koje bi bile postavljene u blizini samog izvora hazarda.

Prilikom proračuna zona opasnosti u obzir se uzimaju meteorološki uslovi na mjestu

incidenta (brzina vjetra, smjer vjetra i temperatura) kao i vrsta terena i parametri izvora.

Proračunate zone opasnosti se mogu prikazivati lokalno koristeći Google Earth aplikaciju.

Ovakav prikaz se može koristiti u eksperimentalne svrhe, trening ili procjenu opasnosti.

Da bi što veći broj osoba bio informisan o nastaloj situaciji, potrebno je te informacije

objaviti na internetu. Tako je, kao dio sistema, nastala i Web aplikacija. Zone opasnosti, u

vidu KML („Keyhole Markup Language“) fajla, ukoliko je obezbijeđena internet konekcija i



3

ako je to dozoljeno kroz podešavanja, se automatski objavljuju na web server. Korisnik ovim

zonama pristupa uz pomoć Web aplikacije. Ova aplikacija koristi Google Maps mehanizam za

vizualizaciju KML fajlova. Dizajnirana je tako da joj se može pristupiti preko bilo kog

internet browser-a (IE, Opera, Google Chrome, Mozilla Firefox) i koristeći mnoštvo uređaja

(pametan telefon, tablet, desktop i laptop računar) koji posjeduju internet konekciju.

U prvom poglavlju ovog rada je opisan problem disperzije vazdušnih polutanata iz

izvora kontinualne emisije kao i modeli koji se koriste za modelovanje ove disperzije, dok su

u drugom poglavlju dati glavni meteorološki parametri koji utiču na disperziju. Obzirom da

Gausov model disperzije predstavlja disperzioni model koji je iskorišćen u realizaciji sistema,

njemu je posvećeno treće poglavlje. U četvrtom poglavlju je opisan integralni sistem za

modelovanje i vizualizaciju disperzije koji se razvija unutar GEPSUS projekta. U petom

poglavlju je dat detaljan opis kako hardverskog, tako i softverskog dijela realizovanog

sistema, dok su u šestom poglavlju prikazani rezultati simulacija i scenariji hazardnih

situacija. U sedmom poglavlju su dati zaključci sa osvrtom na buduće nadogradnje sistema.



4

1 Modeliranje disperzije vazdušnih zagađivača

Zadnjih godina, problem zagađenja vazduha je postao veoma interesantan. Na ovom

problemu rade mnogi naučnicu iz različitih oblasti. Jedni su se posvijetili sprečavanju ili

smanjivanju zagađena, dok drugi, pak, rade na razvoju sistema koji se primjenjuju u

situacijama kada do tog zagađenja dođe i kada ono predstavlja opasnost po ljude i okolinu.

Pod zagađenjem vazduha se podrazumijeva ispuštanje štetnih gasova ili čestica u

atmosferu iz prirodnih izvora (vulkanske erupcije, polen...) ili iz izvora izazvanih ljudskom

aktivnošću (industrija, poljoprivreda, transport...). U urbanim sredinam najčešći uzroci

zagađenja su saobraćaj i sagorijevanje goriva u stacionarnim izvorima, uključujući

domaćinstva, industrijsko grijanje i hlađenje, kao i termoelektrane na ugalj [7]

. Takođe, izvori

mogu biti pokretni i stacionarni, sa konstantnom ili varijabilnom emisijom (dnevna varijacija,

sezonska varijacija).

Vazdušni zagađivači ili polutanti se mogu podijeliti na primarne i sekundarne.

Primarni polutanti su oni polutanti koji su emitovani direktno iz izvora kao rezultat procesa

sagorijevanja bez ikakvih naknadnih hemijskih reakcija. Glavni primarni plutanti su ugljen

monoksid (CO), oksidi azota (NOx), oksidi sumpora (SOx), živa, isparljiva organska

jedinjenja [8]

. Sekundarni polutanti se ne emituju direktno, već se oni formiraju u atmosferi

hemijskom reakcijom u kojoj učestvuje sunčeva svjetlost, ugljovodonici i oksidi azota. Glavni

sekundarni polutanti su fotohemijski oksidanti (naročito ozon O3) i kisele kiše. Ovdje treba

napraviti razliku imeđu ozona na zemlji koji se smatra zagađivačem i ozona u gornjim

slojevima atmosfere koji štiti Zemlju od ultraljubičastog zračenja.

Ovaj rad obrađuje širenje primarnih polutanata iz izvora konstantne emisije

nastale ljudskom aktivnošću.

Za procjenu kretanja i širenja vazdušnih polutanata nakon njihovog ispuštanja u

atmosferu su razvijeni brojni modeli disperzije.



5

1.1 Modeli disperzije

Sama ideja o modelirinju disperzije gasova nastala je dvadestih godina XX vijeka.

Osnovni cilj je bio procijeniti širenje toksičnih hemikalija ispuštenih na bojištima. Ideja se

kasnije fokusira na procjenu uticaja širenja hazardnih gasova u industrijskim oblastima.

U prošlosti je model disperzije gasa podrazumijevao ručne proračune i korišćenje

jednostavnih tabela i grafika. Međutim, danas modeli disperzije predstavljaju kompjuterske

pakete sa mnogo komplikovanijim proračunima i boljim grafičkim prikazom zagađenja. Ovi

modeli opisuju uzročno–posljedične veze između emisije gasa, meteoroloških parametara,

atmosferskih prilika, fizičko–hemijskih karakteristika kretanja i širenja gasa, karakteristika

terena kao i drugih faktora.

Modeli disperzije gasnih zagađivača igraju značajnu ulogu u nauci zbog svoje

sposobnosti da procijene uticaj i štetnost određenih procesa. Ovi modeli predstavljaju jedini

metod koji kvantifikuje deterministički odnos između emisije i koncentracije hazardnog gasa.

Oni mogu procijeniti posljedice prošlih i budućih scenarija kao i efikasnosti primijenjenih

strategija za smanjenje zagađenja. Sve ovo, date modele čini nezamjenjivim u regulatornim,

istraživačkim i forenzičkim aplikacijama [9]

.

Postoji veliki broj različitih tipova modela za širenje gasnih zagađivača. Odabir

odgovarajućeg modela zavisi od specifičnosti primjene, veličine problema, dostupnih ulaznih

parametara, od izlaznih podataka koji se zahtijevaju i od vremena potrebnog da model završi

proračun.

Modeli disperzije mogu biti podijeljeni u dvije grupe:

fizički modeli i

matematički modeli.

Fizički modeli simuliraju stvaran fenomen znatno umanjenih vrijednosti u

laboratorijskim uslovima. Oni otkrivaju sami mehanizam disperzije i pružaju validaciju

podataka dobijenih matematičkim modelima. Ovaj rad se fokusira na matematičkim

modelima.



6

Matematički modeli predstavljaju skup analitičko/numeričkih algoritama koji opisuju

fizički i hemijski aspekat problema. Mogu se dalje podijeliti na:

determinističke modele i

statističke modele.

Deterministički modeli se baziraju na fundamentalnom matematičkom opisu

atmosferskih procesa i svih uzročno – posljedičnih veza koje utiču na proces disperzije.

Statistički modeli se baziraj na poluempirijskim statističkim vezama izvedenih iz postojećih

podataka i mjerenja. Primjer determinističkog modela je difuzioni model u kojem je izlaz

(matrica koncentracija) izračunat na osnovu matematičkih manipulacija specifičnih ulaznih

parametara (brzina emisije, atmosferski parametri). Primjer statističkog modela predstavlja

prognoza vremena za određenu oblast. Ovdje, nivo koncentracije za sljedećih nekoliko sati

predstavlja statističku funkciju trenutno dostupnih mjerenja i prethodne korelacije između

mjerenja i trendova promjene koncentracije. Ipak, deterministički modeli su, i dalje,

najznačajniji za korišćenje u praktičnim aplikacijama.

1.1.1 Deterministički modeli

Difuzija gasnih zagađivača se može numerički simulirati korišćenjem nekoliko

tehnika. Te tehnike se mogu svrstati u sljedeće kategorije:

Ojlerovi modeli,

Lagranžeovi modeli i

Gausovi modeli.

I Ojlerovi i Lagranžeovi modeli prate kretanje velikog broja čestica zagađivača od

njihove početne lokacije. Međutim, osnovna razlika između ovih modela je ta što je Ojlerov

referentni sistem fiksiran (u odnosu na zemlju), dok Lagranžeov referentni sistem prati

kretanje vjetra. Gausovi modeli predstavljaju kombinaciju Ojlerovih i Lagranžeovih modela.



7

1.1.1.1 Ojlerovi modeli

Ojlerov pristup se bazira na fiksiranom prostorno – vremenskom koordinatnom sistemu.

Modeli nastali na osnovu Ojlerovog pristupa se nazivaju Ojlerovi modeli. Oni su počeli da se

razvijaju: Renoldovim (Reynold) proučavanjima disperzije ozona u urbanim sredinama (1973

godine), Širovim i Šihovim (Shir, Shieh) istraživanjima disperzije sumpor dioksida u urbanim

sredinama (1974 godine), kao i Iganovim i Karmikalovim (Eagan, Carmichael)

proučavanjima disperzije sumpora za određeni region (1979) [9]

. Iz Renoldovog proučavanja

disperzije na basenu Los Anđelesa razvio se dobro poznati model UAM (Urban Airshed

Model) originalno razvijen za fotohemijske simulacije. Ojlerovi modeli su se koristili jedino

za specifične epizode zagađenja od nekoliko dana [9]

.

Kod modela koji se baziraju na ovome pristupu, posmatrani prostor je podijeljen na

jednake djelove (polja) i u horizontalnom i u vertikalnom pravcu čime se dobija Ojlerova

mreža [2]

. Količina supstance se računa posebno za svako fiksirano polje.

Ojlerova mreža se najčešće primjenivala u Sjedninjenim državama, za urbane sredine i

epizodne uslove, primarno se fokusirajući na disperziju O3.

Osnovna jednačina koja se koristi u Ojlerovim modelima za disperziju gasnih

zagađivača je izvedena iz jednačine molekurane difuzije zagađivača i izgleda ovako:

(1.1)

gdje je:

C - koncentracija polutanta u vazduhu.

D - koeficient molekularne difuzije (oko 1,5 × 10-5

m2/s za vazduh).

- Laplasijan,tj.

u - vektor brzine vjetra.

- Gradient, tj.



8

S - jačina izvora izražena u kg/s.

Na osnovu ovoga Ojlerovog pristupa, razvijeni su mnogi modeli za rješavanje

problema disperzije gasnih zagađivača. Neki od njih su: „Box“ model, „Multi - Box“ model,

Dinamički „slug“ model...

„Box“ model

„Box“ model je najjednostavniji Ojlerov model. Bazira se na održavanju mase unutar

Ojlerove kutije u kojoj se emituju zagađivači. Uopšteno gledano, Ojlerova kutija predstavlja

veliku oblast kao što je teritorija jednog grada.

Jednačina održavanja mase je prikazana na sledeći način:

( ) ( )

(1.2)

Gdje je:

Q – brzina emisije u kg/s.

– visna kutije u metrima.

– dužina kutije u metrima.

Integraljenjem se dobija:

( ) ( ) (

) (

(

)) (1.3)

U ovoj jednačini predstavlja ukupno vrijeme trajanja procesa disperzije tj. vremensku

konstantu disperzije.

Ovaj model se može primijeniti i za inertne i za reaktivne zagađivače. U slučaju

reaktivnih zagađivača, jednačina (1.3) se mora modifikovati tako da uključuje hemijske

reakcije u proračunima održavanja mase.



9

Iako koristan, ovaj model je veoma ograničen zbog nemogućnosti da precizno predvidi

disperziju gasnih polutanata u vazduhu. Razlog za ovaj nedostatak leži u pretpostavci o

homogenoj distribuciji polutanata unutar kutije. Unošenjem početnih uslova, „Box“ model

simulira formiranje polutanata unutar cijele kutije bez mogućnosti da pruži bilo kakvu

informaciju o lokalnim koncentracijama polutanata. Sa pretpostavkom homogenosti, stvarni

proces disperzija je previše uprošćen. To čini ovaj tip modela neupotrebljivim za modelovanje

koncentracija zagađivača u lokalnim sredinama, gdje na koncentraciju, a samim tim i na

dinamiku čestica, zagađivača veoma utiče lokalna promjena vjetra i emisije.

„Multi - Box“ model

„Multi - Box“ modeli predstavljaju produženu verziju „Box“ modela. Kod ovih

modela, cijela posmatrana oblast je podijeljena na određeni broj manjih djelova u kojima se

primjenjuje ranije opisan model kutije. Dva velika ograničenja ovih modela su zanemarivanje

horizontalne disperzije i pretpostavka trenutnog miješanja zagađivača kroz kutiju. Međutim,

proračun je veoma brz i u nekim slučajevima može obezbijediti zadovoljavajuće rezultate,

pogotovo u oblastima gdje nijesu dostupne detaljne meteorološke informacije i informacije o

emisiji.

Dinamički „slug“ model

„Box“ model je veoma inertan i ne može pravilno da obradi brze vremenske promjene

ni brzine emisije a ni promjene vektora brzine vjetra. Zbog tih nedostataka, predložen je

Dinamički „slug“ model kao poboljšanje „Box“ modela. Ovaj model zahtijeva rješavanje

kompleksnih jednačina i uključivanje novih varijabli i parametara što ga čini znatno sporijim i

mnogo manje korišćenim modelom.

1.1.1.2 Lagranžeovi modeli

Lagranžeovi modeli predstavljaju alternativni pristup u prikazu disperzije gasa u

vazduhu. Kao što je i ranije navedeno, osnovna razlika između Ojlerovog i Lagranžeovog

pristupa je ta što je Ojlerov referentni sistem fiksiran dok Lagranžeov referentni sistem prati

kretanje vjetra. U Lagranžeovim modelima prati se dio vazduha duž trajektorije vjetra i

pretpostavlja se da on zadržava svojstva tokom svoje putanje.



10

Ovi modeli, prvenstveno usmjereni na opis transporta sumpor dioksida na velikim

udaljenostima, počeli su da se razvijaju proučavanjima Roda (Rohde, 1972,1974 godine),

Elisena (Eliassen, 1975 godine) i Fišera (Fisher, 1975 godine). Elisenov rad predstavlja

početak EMEP („European Monitoring and Evaluation Programme“) modela koji se koristio

dugo godina za proračunavanje prekoračenja dozvoljene količine gasnog zagađivanja kiselih

rastvora, a kasnije fotooksidanata. Lagranžeovi modeli se često koriste za opisivanje dužeg

vremenskog perioda, čak i do godinu dana. Lagranžeovo modelovanje se uglavnom obavljalo

u Evropi, za velike distance i duge vremenske periode, primarno se fokusirajući na SO2 [9]

.

Lagranžeovi modeli proučavaju promjenu koncentracije u zavisnosti od brzine fluida,

turbulencije komponenti vjetra (brzine, pravca i smjera) i molekularne difuzije. Ovi modeli

rade dobro i za homogene i stacionarne uslove na ravnom terenu kao i za nehomogene i

nestabilne uslove na kompleksnom terenu. Moguće je modelovati nelinearne hemijske

procese primjenom koncentracione mreže na domenu i računanjem koncentracije za svaku

ćeliju mreže, ili se čestice mogu tretirati kao proširena kutija pa se fotohemijski modul

primjenjuje na svaku kutiju. Meteorološki podaci predstavljaju rezultat proračuna varijacije

vjetra i Lagranžeove autokorelacione funkcije.

Fundamentalna Lagranžeova jednačina za disperziju jedne vrste gasa u vazduhu izgleda

ovako:

( ) ∫ ∫ ( ) ( )

(1.4)

Gdje je:

( ) skup prosječnih koncentracija na receptoru r u vremenu t.

( ) emisija izvora (masa∙zapremina-1

∙vrijeme-1

).

( ) funkcija gustine vjerovatnoće koja pokazuje vjerovatnoću da će se dio

vazduha kretati iz receptora u vremenu ka receptoru r u vremenu t, što važi za

svako i t > .

Integraljenje u prostoru se vrži za cijeli atmosferski domen.



11

Pošto je često teško procijeniti čitavu istoriju emisije ( ) za ,

jednačina (1.4) se može izraziti kao suma dva integrala:

( ) ∫ ( ) ( )

∫ ∫ ( ) ( )

(1.5)

Ovdje se vidi da jedino treba uključiti doprinos izvora za period , jer se prvi

integral računa za doprinos izvora prije perioda , što se obično procjenjuje na osnovu

poznatih početnih koncentracija.

Slično kao i kod Ojlerovog pristupa, mnogi modeli disperzije gasa su bazirani na

Lagranžeovom pristupu za rješavanje problem širenja gasnog zagađenja. Dva najznačajnija

Lagranžeova modela su Lagranžeov „Box“ model i Model čestica.

Lagranžeov „Box“ model

Lagranžeov „Box“ model je sličan Ojlerovom „Box“ modelu. Osnovna razika je ta što

je Lagranžeova kutija poketna i kreće se horizontalno na osnovu lokalne, vremenski

promjenjive, prosječne vijednosti brzine i smjera vjetra.

Ova tehnika pruža prosječnu, vremenski promjenjivu, koncentraciju procijenjenu duž

trajektorije kutije. Glavni nedostatak ove tehnike je prinudna pretpostavka o konstantnom

smjeru i brzini vjetra, dok u stvarnosti, promjena vjetra igra značajnu ulogu.

Model čestica

Model čestica predstavlja moćan računarski alat za numeričku diskretizaciju fizičkog

sistema.

Modeli čestica opisuju transport čestica što bi bilo veoma teško ostvariti u Ojlerovim

modelima bez neke njihove bitne promjene. Čestice imaju Lagranžeovu prirodu pošto se

kreću prateći glavni tok. Iz toga razloga, one se često nazivaju Lagranžeove čestice.

Pošto Lanagražeovi modeli čestica računaju difuzionu karakteristiku generišući

sekvencu pseudoslučajnih brojeva, onda oni nijesu ograničeni sa klasama stabilnosti ili sigma

krivima kao što je to slučaj kod Gausovih modela disperzije.



12

1.1.1.3 Gausov model

Gausov model je najjednostavniji model u pogledu formulisanja i pogledu potrebnih

parametara, što ga čini najčešće korićenim modelom u kompjuterskim programima.

Gausov model predstavlja kombinaciju Ojlerovih i Lagranžeovih modela. Bazira se na

Gausovoj (normalnoj) raspodjeli gasa u vertikalnom i horizontalnom smjeru pod stabilnim

uslovima. Normalna distribucija gasa je modifikovana za veće distance zbog efekta

turbulentne refleksije od površine zemlje i od gornjeg graničnog sloja (kada je visina

miješanja niska). Širina dimne perjanice se određuje na osnovu koeficijenata disperzije σy i σz

koji su definisani bilo klasama stabilnosti (Pasquill 1961. godine; Gifford Jr. 1976. godine) ili

vremenom putovanja od izvora.

Jedan od ozbiljnih nedostataka ovog modela u odnosu na modelovanje disperzije

čestica je taj što Gausov model koristi aproksimacije stabilnih stanja i ne uzima u obzir

vrijeme potrebno da polutant dođe do receptora. Stoga, da bi se dobila dinamika gasa,

potrebno je izvršiti naknadnu obradu dobijenih rezultata. Pored toga, regionalno modelovanje

zahtijeva i hemijsko modelovanje kako bi se predvidjelo kretanje gasa. Čak i hemijske

reakcije NOx i SOx, koje su od fundamentalnog značaja za određivanje čestica i koncenracije

ozona, su često proračunate korišćenjem jednostavnih funkcija. Štaviše, jednačina Gausove

dimne perjanice pretpostavlja da nema interakcije između čestica gasa. Razni algoritmi su

razvijeni za modelovanje hemijskih i fizičkih procesa unutar samog gasa i disperzije oko

prepreka (zgrade). Efekat prepreke se može postići modifikovanjem koeficijenata disperzije

σy i σz. Međutim, Gausova jednačina nije u mogućnosti da izračuna uticaj više prepreka i

uticaj raskrsnica.

Neka ograničenja Gausovog modela se mogu prevazići aproksimirajući emisiju kao

seriju čestica gasa u vremenu, čime je omogućeno da brzina vjetra varira. U ovom pristupu se

svaka čestica gasa ponaša u skladu sa Gausovom jednačinom disperzije. Ukupan uticaj izvora

se proračunava integracijom svih individualnih čestica sa obzirom na vrijeme i sumu

doprinosa individualnih čestica na poziciji receptora.



13

U realnim uslovima postoji više oblika izvora zagađenja pa tako postoje i različite

jednačine koje ih opisuju. Te jednačine su određene prirodom izvora i visinom na kojoj se

nalazi izvor i receptor.

Još jedno ograničenje Gausovog pristupa leži u tome što Gausov model nije dizajniran

za modelovanje disperzije pri slabom vjetru i na mjestima blizu samog izvora (na primjer na

mjestima udaljenim manje od 100 metara od izvora). Pokazalo se da Gausovi modeli značajno

preuveličavaju koncentraciju u uslovima slabog vjetra (Benson 1984. godine; Sokhi, Fisher

1998. godine). Dalja ograničenja su rezultat pojednostavljenosti turbulence vjetra i

meteorologije pa su ovi modeli najprikladniji za proračunavanje koncentracija polutanata za

kraće vremenske intervale (na primjer: svakog sata se vrši proračun).

Pošto Gausova jednačina dima pretpostavlja da je polje vjetra homogeno, onda nije

preporučljivo njeno korišćenje za modelovanje gasa na velikim distancama jer se očekuje da

se meteorološki podaci mijenjaju. Kaputo (Caputo Gimenez, 2003 godine) je primijetio da

četiri Gausova modela koje je koristio daju vrijednosti koncentracija različite od nule za cijeli

posmatrani domen niz vjetar. Stoga je on preporučio da se distanca posmatranja treba

ograničiti na nekoliko desetina kilometara od izvora.

Pošto Gausov model predstavlja srž ove teze, on će biti detaljnije opisan u poglavlju 3.

U tabeli 1 su prikazane prednosti i mane ova tri osnovna modela disperzije.



14

Tabela 1. Pregled tri osnovna deterministička modela disperzije

Model Prednosti Mane

Ojlerov model

(„kompletan“ model)

Uzima u obzir sve fenomene

uključene u zagađenje

vazduha (hemijske procese,

solarnu radijaciju, taloženje

zagađivača).

Potrebno je veoma dugo

vremena za proračun.

Lagranžeov model

(„precizan“ model)

Veoma precizan.

Numeričke greške su male.

Moguće je uzeti u obzir

heterogenost vjetra i

turbulentna polja.

Ne zahtijeva previše

zahtjevne proračune (ukoliko

se ograniči broj izvora

zagađenja)

Kada se proračunava uticaj

više izvora, povećava se broj

trajektorija potrebnih za

izračunavanje pa se samim

tim i vrijeme proračuna

veoma povećava.

Model ne može da uzme u

obzir interakciju između

čestica, pa je nemoguće

predstaviti hemijske reakcije

između polutanata.

Gausov model

(„jednostavan“

model)

Potreban mu je mali broj

parametara.

Proračun je brz.

Nije sklon numeričkim

greškama jer računa tačno

rješenje pojednostavljene

jednačine održanja mase.

Pretpostavlja konstantan

vjetar (u vremenu i

prostoru).

Pretpostavlja konstantnu

turbulencija (u prostoru i

vremenu)

Predstavljeno je samo

nekoliko prirodnih fenomena

(bez hemijskih reakcija, bez

taloženja)

1.1.2 Statistički modeli

Osnovna razlika između statističkog i determinističkog pristupa je ta što

deterministički modeli koriste matematički opis atmosferskih prilika i nastoje da postave

uzročno-posljedične veze, dok statistički modeli direktno koriste rezultate mjerenja kvaliteta

vazduha kako bi zaključili poluempirijske veze. Statistički modeli su pogodni za simulaciju

prognoze vremena u realnom vremenu ili za kraće vremenske intervale. U ovom slučaju su

informacije o izmjerenim trendovima promjene koncentracija bitnije od podataka dobijenih

determinističkom analizom. Statistički modeli računaju buduću koncentraciju zagađivača

statističkim metodama na osnovu meteoroloških parametara, parametara emisije i

odogovarajuće statističke veze dobijene iz izmjerenih koncentracija.



15

Statistički modeli se baziraju na slučajnim procesima i teorijama vjerovatnoće. Glavne

karakteristike slučajne promjenjive su funkcija gustine vjerovatnoće i njena autokorelaciona

funkcija. Funkcija gustine vjerovatnoće je veoma bitna jer pruža vjerovatnoću da se

koncentracija polutanta nalazi između dvije zadate vrijednosti. Ovo je od presudne važnosti za

modele disperzije u regulatornim agencijama (npr. da koncentracija određenog polutanta ne

prelazi određene limite). Autokorelaciona funkcija određuje buduće ponašanje promjena

koncentracija i bazira se na distribuciji predhodnih vrijednosti.

1.2 Kompjuterski paketi

Zadnjih nekoliko godina je razvijeno veliko broj računarskih paketa. Korišćenjem

prednosti računara, softveri za disperziju gasova ubrzano evolviraju tako što im se sve više

proširuju računarske mogućnosti. Povećava im se broj parametara potrebnih za proračun kako

bi što bolje simulirali realnu disperziju sa što većom preciznošću. Kompjuterski paketi su

nastali na osnovu dobro poznatih tehnika modelovanja: Lagranžeovoj, Ojlerovoj, ali većina

paketa je bazirana na Gausovom pristupu.

Neki od kompjuterskih paketa koji su u širokoj upotrebi su: ALOHA (EPA),

MEMPLEX (Keudel av-Technik GmbH), Breeze (Trinity Consulting), Trace (SAFER

System) i SAMs (Lohmeyer) [10]

.



16

2 Uticaj meteoroloških uslova

Bez obzira na model koji se koristi za opisivanje disperzije gasa u vazduhu,

meteorološki uslovi direktno utiču na disperziju. Najznačajniji meteorološki faktori su:

atmosferska stabilnost, brzina vjetra i temperatura [11]

.

2.1 Atmosferska stabilnost

Atmosferska stabilnost opisuje vertikalno miješanje polutanata u atmosferi. Ona

predstavlja atmosfersku tendenciju da ublaži ili pospiješi vertikalno kretanje. Atmosferska

stabilnost je stoga kretanje čestica vazduha pod uticajem temperaturnog gradijenta. Varijacija

temperature ( ) sa promjenom visine ( ) se definiše kao stopa opadanja temperature u

atmosferi Γ.

(2.1)

Stopa opadanja temperature se može podijeliti na dvije vrste:

stopa opadanja temperature okoline i

adijabatska stopa opadanja temerature.

Stopa opadanja temperature okoline se odnosi na atmosferu u mirovanju i iznosi u

prosjeku 6.49 K(°C)/1000m.

Adijabatska stopa opadanja temperature se odnosi na promjenu temperature čestica

vazduha, koji se podižu ili spuštaju, bez izmjene toplote sa okolinom. Postoje dvije vrste:

suva adijabatska stopa opadanja temperature i

vlažna adijabatska stopa opadanja temperature.

Suva adijabatska stopa opadanja temperature je stopa opadanja temperature čestica

fluida u suvom i nezasićenom vazduhu koje se podižu ili spuštaju bez razmjene toplote sa



17

okolinom. Kako se vazdušne mase podižu, one se šire zato što pritisak opada sa porastom

visine. Širenjem, čestice suvog vazduha potiskuju postojeći vazduh i time vrše

termodinamički rad. Obzirom da čestice vazduha vrše rad, a ne dobijaju toplotu spolja, one

onda gube unutrašnju energiju pa im temperatura opada. Ta stopa opadanja je konstantna i

iznosi Γd = 9.8 K(°C)/1000m. Obrnuti slučaj se dešava kada se čestice suvog vazduha

spuštaju.

U slučaju kada je vazduh zasićen vodenom parom, primjenjuje se vlažna adijabatska

stopa opadanja temperature. Vrijednost joj nije konstantna, već varira i tipično iznosi oko Γe =

5 K(°C)/1000m. Razlika između suve i vlažne adijabatske stope opadanja temperature je u

tome što se kod vlažne, kondezacijom vode, oslobađa toplota. Ovo oslobađanje toplote dovodi

do smanjenja opadanja temperature sa porastom nadmorske visine.

Čestica vazduha emitovana u atmosferi se spušta ako je hladnija od okoline, zadržava

visinu ako je iste temperature i podiže ako je toplija od okoline. U zavisnosti od datog

ponašanja čestice, postoje tri klase stabilnosti: nestabilna, neutralna i stabilna.

Nestabilni uslovi se javljaju u slučaju kada je Γe < Γd. Udaljavajući se od izvora

emisije, topli hazardni gas se podiže. Međutim, na određenoj udaljenosti od izvora dolazi do

opadajućeg kretanja gasa zbog pojave silaznih vrtloga. Ovi vrtlozi se javljaju zbog

zagrijavanja vazduha na površini zemlje (u toku sunčanih dana). Zagrijani vazduh teži da se

podigne i time primorava hladan vazduh da se spusti. Ovo prouzrokuje krivudav oblik dimne

perjanice hazardnog gasa. Nestabilni uslovi se tipično javljaju danju jer tada postoji toplotno

zračenje sa površine zemlje.

Neutralni uslovi su kada je Γe = Γd. Usled neutralnih uslova, većina turbulencija je

uzrokovana haotičnim vrtlozima. Ovi vrtlozi su usmjereni u različitim pravcima zbog

ravnoteže koja postoji između gravitatacione sile koja djeluje ka dolje i sile pritiska koja

djeluje ka gore. Rezultujuća disperzija je relativno simetrična u horizontalnom i vertikalnom

pravcu pa kreira dimnu perjanicu konusnog oblika sa vrhom na izvoru zagađenja. Neutralni

uslovi se javljaju obično tokom prelaza iz dana u noć, u hladnim priobalnim područjima ili

prilikom jakih vjetrova (većim od 6 m/s).



18

Prilikom stabilnih uslova (Γe > Γd), termalna struktura sprječava vertikalno širenje pa

skoro i da nema vertikalne disperzije. Drugim riječima, bilo da se čestica vazduha podiže ili

spušta, ona teži da se vrati u svoju početnu poziciju zbog nedostatka dovoljne temperaturne

razlike između vazdušnih slojeva. Termalna struktura ne sprečava horizontalno kretanje pa se

mogu javiti veliki broj razliitih oblika dimne perjanice, od veoma tanke do znatno

horizontalno proširene trake. Stabilni uslovi se tipično javljaju na kopnu tokom vedrih noći sa

slabim vjetrom.

Postoji veliki broj metoda za određivanje atmosferske klase stabilnosti. Neke su

veoma jednostavne za korišćenje i ne zahtijevaju nikakvo specijalno znanje iz meteorologije,

dok druge pored dobrog poznavanja meteorologije zahtijevaju mjerenja određenih

atmosferskih parametara koji nijesu uvijek dostupni a pritom i ne pružaju značajno preciznije

rezultate. Paskalova metoda je najpopularnija i najjednostavnija. Ova metoda je i iskorišćena

u ovom radu. Za procjenu atmosferske klase stabilnosti ovom metodom nije potrebno neko

veliko poznavanje meteoroloških uslova a ni mjerenja kompleksnih atmosferskih parametara.

U tabeli 2 je izvršena kategorizacija klasa stabilnosti na osnovu insolacije i brzine vjetra. Tako

klasa A predstavlja veoma nestabilne uslove, B – nestabilne, C – neznatno nestabilne, D –

neutralne, E – neznatno stabilne, F – stabilne i G – veoma stabilne atmosferske uslove.

Tabela 2. Klase stabilnosti u odnosu na brzinu vjetra i solarnu radijaciju

Brzina vjetra na

visini od 10m

(m/s)

Dan Noć

Jako

sunčevo

zračenje

Srednje jako

sunčevo

zračenje

Slabo sunčevo

zračenje Oblačno Bez oblaka

< 2 A A - B B E F

2 – 3 A - B B C E F

3 – 5 B B – C C D E

5 – 6 C C – D D D D

> 6 C D D D D



19

2.2 Brzina vjetra

Brzina vjetra je najznačajnija meteorološka komponenta koja utiče na disperziju. Ona

je vektorska veličina što znači da je za disperziju bitan njen intezitet, pravac i smjer.

Na intenzitet vjetra utiču mnogi faktori ali najviše visina i vrsta terena. Sa porastom

visine raste i intenzitet vjetra. Na zemlji, intenzitet vjetra je manji zbog efekta sile trenja sa

zemljom. Sa porastom visine, taj uticaj opada pa samim tim i intenzitet brzine vjetra raste.

Zavisnost intenziteta brzine vjetra od visine je matematički aproksimirana sledećom

jednačinom:

(

)

(2.2)

Gdje je:

uz – brzina vjetra na visini z izražena u m/s.

ua –brzina vjetra izmjerena na visini za (m/s).

za – visina nakojoj se nalazi anemometar (m).

z – visina na kojoj se želi izračunati brzina vjetra (m).

p – koeficijent koji zavisi od atmosferske stabilnosti i tipa terena.



20

Vrijednosti koeficijenta p su dati u sledećoj tabeli:

Tabela 3. Vrijednosti koeficijenta p

Klasa stabilnosti Ruralna sredina Urbana sredina

A 0,07 0,15

B 0,07 0,15

C 0,1 0,2

D 0,15 025

E 0,35 0,3

F 0,55 0,3

Dok intenzitet brzine vjetra utiče na brzinu disperzije i udaljenost na kojoj se prenose

čestice zagađivača, pravac i smjer brzine vjetra pokazuju u kojem će se smjeru kretati to

zagađenje.

2.3 Temperatura

Razlika između temperature ispuštenog gasa i temperature okolnog vazduha utiče na

stvaranje sile potiska koja dovodi do podizanja hazardnog gasa neposredno nakon njegovog

ispuštanja. Ukoliko je gas više temperature od spoljašnjeg vazduha, hazardni gas će se

podizati dok se njegova temperatura ne izjednači sa temperaturom vazduha. Što je veća

temperaturna razlika, to su jače sile potiska a samim tim i veća je visina na kojoj se gas

podiže. Više o ovome fenomenu će biti navedeno u poglavlju 3.



21

3 Gausov model

Gausov model je najčešće korišćeni model. Izveden je iz Ojlerovog i Lagranžeovog

modela i relativno jednostavno ga je primijeniti matematički, a samim tim i implementirati u

kompjuterskim programima. Na slici 3.1 je prikazana vizualizacija proračunate gasne

perjanice za Gausov model disperzije zagađivača. Hs - predstavlja stvarnu visinu tačkastog

izvora (u odnosu na površinu zemlje), He - je visina na koju se podiže gas nakon izlaska iz

izvora (He =Hs+Δh, a Δh je visina za koju se gas podigao), x - je simetrala gasne perjanice tj.

pravac prostiranja gasa, x1, x2 i x3 - predstavljaju udaljenost od izvora na kojoj se posmatra

zagađenje. Širenje zagađivača po x i y osi zavisi od koeficienata disperzije.

Slika 3.1. Vizualizacija Gausovog oblaka disperzije.



22

Trenutna koncentracija zagađivača može biti prilično neravnomjerna, ali posle

dovoljno dugog vremena, distribucija koncentracije će zauzeti oblik zvona koji se može

aproksimirati normalnom Gausovom raspodjelom i u horizontalnom i u vertikalnom pravcu.

3.1 Gausov model za tačkasti izvor

Gausov model za tačkasti izvor se izvodi iz jednačine Gausove normalne distribucije.

Počinje se od pretpostavke da se raspodjela koncentracija zagađivača na bilo kojoj udaljenosti

od izvora, u pravcu normalnom na kretanje vjetra, bilo horizontalno ili vertikalno, može dobro

predstaviti pomoću jednačine Gausove normalne distribucije [12]

. Jednačina Gausove

normalne distribucije je veoma poznata u teoriji statistike i predstavljena je jednačinom 3.1.

( )

√

(

)

(3.1)

Ova funkcija ima oblik zvona gdje μ - predstavlja centralnu liniju ili simetralu gasne

perjanice. σ - predstavlja koeficijent standardne devijacije. Na slici 3.2 je predstavljena

Gausova raspodjela za različite vrijednosti μ i σ.

Slika 3.2. Gausova raspodjela za različite vrijednosti μ i σ.



23

Funkcija normalne distribucije se kreće od -∞ do +∞, ali za praktično korišćenje se

može pretpostaviti da su sve vrijednosti koje se nalaze van oblasti ±4σ jednake nuli. Takođe

se, zbog pojednostavljivanja, pretpostavlja da x osa predstavlja pravac vektora brzine vjetra.

Pošto se pretpostavilo da koncentracija polutanta prati Gausovu distribuciju i u

vertikalnom pravcu i u horizontalnom pravcu (tj. u pravcu z i u pravcu y ose), onda se te

zavisnosti na osnovu Gausove jednačine mogu izraziti na sljedeći način:

√

(

)

- predstavlja zavisnost po y osi. Postavlja se da je μ = 0 pošto je

centralna linija gasne perjanice normalne distribucije u stvari x osa kao što je i

prikazano na slici 3.1. σy je standardna devijacija, ili koeficijent horizontane disperzije

u pravcu y ose.

√

(

)

- predstavlja zavisnost po z osi. Postavlja se da je μ = He jer je

centralna linija normalne distribucije na efektivnoj visini He kao što je i prikazano na

slici 3.1. σz je standardna devijacije ili koeficient horizontalne disperzije u pravcu z

ose.

S toga, formula Gausovog modela disperzije postaje:

( )

( )

(

)

(3.2)

Gdje je:

c – koncentracija u kg/m3.

yr i zr – koordinate receptora tj. tačke u kojoj želimo pronaći koncentraciju polutanta.

σy i σz – horizontalna i vertikalna standardna devijacija (u metrima).



24

He – efektivna vrijednost visine izvora (u metrima); He = zs + Δh, zs je visina izvora u

odnosu na zemlju, a Δh je visina centralne linije gasne perjanice za koju se gas podigao

u odnosu na visinu izvora.

K – konstanta koja će biti objašnjena u nastavku.

Kako bi se zadovoljio zakon o održanju mase, koji je u osnovi svih modela disperzije,

treba naglasiti da je u svakoj bočnoj ravni (y,z), brzina emisije (kg/s) jednaka sumi

koncentracija (kg/m3) u svim tačkama ravni (y,z) pomnoženih sa brzinom vjetra (m/s) ili:

∬ ( ) (3.3)

iz čega slijedi:

∬ ( ) ∬

( )

(

)

∬

( )

(

)

Integral ∬

( )

(

)

predstavlja funkciju gustine vjerovatnoće za

horizontalnu i vertikalnu normalnu distribuciju i jednak je jedinici. Pa iz toga slijedi da je

Čime se dobija:

( )

( )

(

)

(3.4)

Jednačina 3.4 predstavlja konačnu jednačinu za Gausov model disperzije. Treba primijetiti da

c(x,y,z) nije vremenski zavisna funkcija što znači da je stacionarna i važi za konstantnu brzinu



25

vjetra i konstantne vremenske uslove. Takođe, ova jednačina se ne može primijeniti u

situacijama kada je brzina vjetra nula. Gornja derivacija je izvedena uz sledeće pretpostavke:

Izvor emisije je tačkasti izvor.

Brzina emisije je konstantna.

Brzina i smjer vjetra su konstantni u vremenu.

Teren je ravan.

U pitanju je laki gas, tj. nema taloženja čestica.

Polutanti ne podliježu nikakvim hemijskim reakcijama.

Obično se ova Gausova jednačina koristi uz pretpostavku da postoji totalna refleksija od

zemlje što znači da kada gas udari u zemlju, on potpuno odskoči nazad, tj. kao da postoji

imaginarni, podzemni izvor koji predstavlja odraz realnog izvora u odnosu na zemlju kao što

je predstavljeno na slici 3.3.

Slika 3.3. Grafički prikaz refleksije od zemlje.



26

Za slučaj refleksije, jednačina vertikalne difuzije izgleda ovako:

( )

(

)

(

)

(3.5)

Gdje je rg koeficijent refleksije i jednak je jedinici u slučaju potpune refleksije i nuli u slučaju

kada nema refleksije.

Tada, jednačina 3.4 poprima oblik:

( )

( )

[

(

)

(

)

] (3.6)

Za koncetraciju posmatranu na površini zemlje tj. zr = 0, i u slučaju totalne refleksije

tj. rg = 1, jednačina raspodjele koncentracija za tačkasti izvor emisije izgleda ovako:

( )

( )

( )

(3.7)

Industrijski dimnjaci se mogu aproksimirati tačkastim izvorom, pa se za njihovo

modelovanje može upotijebiti jednačina 3.7 bez ikakvih dodatnih modifikacija.

3.1.1 Efektivna visina

Jedan od značajnih parametara za izračunavanje disperzije gasa je stvarna visina

izvora u odnosu na zemlju. Ona može biti stvarna visina dimnjaka ili visina na kojoj se gas

podigao neposredno nakon ispuštanja. Ovo podizanje je direktno srazmjerno impulsu

ispuštanja gasa.

Zbog razlike u gustini ispuštenog gasa i okolne sredine, postoji vjerovatnoća da će se

gas, odmah nakon ispuštanja, dalje podizati zbog uticaja potisnih sila. Ako je gas topliji od

okolnog vazduha (što se dešava u slučaju gasova nastalih u požarima), onda će efekat potisnih

sila biti veći zbog njegove manje gustine. Uopšteno gledano, ako je izlazna temperatura gasa

veća za 10 do 15˚C od okolnog vazduha, uticaj potisnih sila na podizanje gasa će biti veći od

uticaja sila izlaznog impulsa. Treba napomenuti da uticaj impulsnih sila ne traje duže od 30

do 40 sekundi nakon ispuštanja, dok efekat potisnih sila traje dok se dovoljna količina



27

vazduha ne pomiješa sa ispuštenim gasom kako bi mu se smanjila temperatura na temperaturu

okolnog vazduha. U zavisnosti od turbulencije, efekat potisnih sila može trajati 3 do 4 minuta.

Da bi se izračunala efektivna visina na kojoj se gas podiže nakon ispuštanja, potrebno

je:

utvrditi koji faktor dominantno utiče na podizanje gasa, da li je to potisak ili impuls,

izračunati distancu na kojoj se dim maksimalno podigao.

Podizanje gasa zbog potisnih sila (a ne zbog impulsnih) se dešava kada je zadovoljen

sljedeći empirijski kriterijum (Briggs 1975. godine, Bowers 1979. godine):

( ) (3.8)

Gdje je Ts temperatura izlaznog gasa izražena u K, a Ta je temperatura okolnog vazduha,

takođe u K. Izračunavanje razlike ΔTc vrši se na osnovu empirijskih jednačina. Za nestabilne

(A,B,C) ili neutralne (D) uslove te empirijske jednačine izgledaju:

(

) ⁄

, kada je Fb < 55 ili (3.9)

(

) ⁄

, kada je Fb ≥ 55. (3.10)

Gdje je:

ds – prečnik dimnjaka izražen u metrima,

vs – brzina izlaznog gasa (m/s),

Fb – parametar potiskivanja (m4/s

2). Dat je jednačinom

(

), (3.11)

gdje je g gravitaciono ubrzanje (=9,81 m/s2).

Za stabilne uslove ΔTc se računa na osnovu sljedeće jednačine:



28

√ (3.12)

Gdje je

(3.13)

a ∂θ/∂z (K/m) određuje promjenu temperature sa visinom (empirijski uzima vrijednost 0,02

K/m za klasu stabilnosti E i vrijednost 0,035 K/m za klasu stabilnosti F).

Da bi se proračunala efektivna visina izvora, potrebno je još odrediti maksimalnu

distancu xf. To je distancu od izvora do mjesta na kojem se gas najviše podigao. Kao što je

ranije navedeno, podizanje gasa zavisi i od potisnih i od impulsnih sila, pa će tako i biti

podijeljeno u dva dijela:

postepeni rast do distance xf i

finalni rast (rast nakon distance xf ).

Jednačine su potpuno empirijske i podijeljene su u zavisnosti od atmosferskih uslova i u

odnosu na sile koje utiču na rast. Ove jednačine su prikazane u tabeli 4. us predstavlja brzinu

vjetra na visini izvora.

Tabela 4. Jednačine za izračunavanje distance xf

Nestabilni (A,B,C) ili neutralni (D) uslovi Stabilni (E,F) uslovi

Sile potiska Fb < 55

⁄

√

Fb ≥ 55 ⁄ s je definisana jednačinom (3.13)

Impulsne

sile

Fb = 0 ( )

√

Fb < 55 ⁄

Fb ≥ 55 ⁄



29

Pošto se izračunala distanca xf, moguće je odrediti efektivnu visinu izvora He. U tabeli 5 su

date jednačine izračunavanje He za posmatrane tačke prije i poslije xf.

Tabela 5. Jednačine za izračunavanje efektivne visine

Nestabilni (A,B,C) ili neutralni (D) uslovi Stabilni (E,F) uslovi

Postepeni rast gasa do distance xf

Sile

potiska (

) ⁄

Impulsne

sile (

)

⁄

( ( √ ⁄ )

√

)

⁄

gdje je

,

,

(

)

Finalni rast gasa

Sile

potiska

Fb < 55 ⁄

( ) ⁄

Fb ≥ 55 ⁄

Impulsne

sile

(

√ )

⁄

Uzima se manja od ove dvije vrijednosti

3.1.2 Vertikalna i horizontalna standardna devijacija

Kao što se vidi iz jednačine 3.7, da bi odredili koncentraciju gasnih polutanata u

određenoj tački, potrebno je odrediti standardne devijacije σy i σz. Ovi parametri daju



30

informaciju o brzini difuzije i povezani su sa turbulencijom u atmosferi tj. sa brzinom vjetra i

atmosferskom stabilnošću.

Postoji mnogo metoda za određivanje ovih standardnih devijacija. Najbolji i

najprecizniji metod je korišćenje bezdimenzionih funkcija Sy i Sz:

( ⁄ ) (3.14)

( ⁄ ) (3.15)

Gdje je:

σv i σw – vertikalna i horizontalna devijacija vjetra koju je izmjerila osjetljiva

meteorolška stanica (m/s).

t – proteklo vrijeme izraženo u sekundama.

TL – Lagranžeova vremenska skala izražena u sekundama.

Sy i Sz – univerzalne funkcije vremena difuzije izražene u 1/s.

Međutim, prikupljanje svih potrebnih parametara nije ni malo jednostavno. Urađena su

određena pojednostavljivanja kako bi se riješile ove jednačine ali ti pokušaji se nijesu

pokazali opravdanim prilikom eksperementalnih mjerenja.

Drugi metodi određivanja koeficijenata standardne devijacije se baziraju na klasama

stabilnosti i udaljenosti od izvora (niz vjetar) na kojoj se nalazi posmatrana tačka. To su dva

jednostavna i lako dostupna parametra. Mnoge poluempirijske tehnike se mogu naći u

literaturi, ali najznačajnije su: Paskal–Grifordova (Pasquill-Grifford), Brukhevenova

(Brookhaven) i Brigsova (Brigs) tehnika.

3.1.2.1 Paskal–Grifordova tehnika

Paskal–Grifordova tehnikom, koeficijenti disperzije su analitički prikazani kao:

[ ( ⁄ )] (3.16)



31

[ ( ⁄ )] (3.17)

Gdje su k1, k2, k3, k4 i k5 konstante definisane u odnosu na klasu stabilnosti. Ova tehnika je

najbolja za ravan teren, međutim ona ne pravi razliku između urbanih i ruralnih sredina.

3.1.2.2 Brukhevenova tehnika

Brukhevenova tehnika pretpostavlja da je standardna devijacija eksponencijalna

funkcija koja zavisi od klase stabilnosti i distance niz vjetar na kojoj se receptor nalazi i

izgleda:

(3.18)

Gdje su a i b konstante definisane odgovarajućom klasom stabilnosti.

3.1.2.3 Brigsova tehnika

Brigsova tehnika daje rezultate veoma slične sa rezultatima dobijenim Paskal–

Grifordovom tehnikom ali se bavi i ruralnim i urbanim sredinama i daje vertikalnu i

horizontalnu standardnu devijaciju kao što je prikazano u tabelama 6 i 7. Na slikama 3.4 – 3.7

su grafički predstavljene te standardne devijacije.

Ova tehnika je korišćena u realizaciji ovoga rada.

Tabela 6. Vertikalna i horizontalna standardna devijacija za urbane sredine

Klasa stabilnosti σy(m) σz(m)

A – B 0,32x(1+0,0004x)-0,5

0,24x(1+0,001x)0,5

C 0,22x(1+0,0004x)-0,5

0,20x

D 0,16x(1+0,0004x)-0,5

0,14x(1+0,0003x)-0,5

E – F 0,11x(1+0,0004x)-0,5

0,08x(1+0,00015x)-0,5



32

Slika 3.4. Grafički prikaz σy za različite klase stabilnosti u urbanim sredinama

Slika 3.5. Grafički prikaz σz za različite klase stabilnosti u urbanim sredinama

0 1000 2000 3000 4000 5000 6000 7000 8000 9000 100000

500

1000

1500Sigma y za razlicite klase stabilnosti

Distanca niz vjetar (m)

sig

ma y

(m

)

Klasa A-B

Klasa C

Klasa D

Klasa E-F

0 1000 2000 3000 4000 5000 6000 7000 8000 9000 100000

1000

2000

3000

4000

5000

6000

7000

8000Sigma z za razlicite klase stabilnosti


sig

ma z

(m

)

Klasa A-B

Klasa C

Klasa D

Klasa E-F



33

Tabela 7. Vertikalna i horizontalna standardna devijacija za ruralne sredine

Klasa stabilnosti σy(m) σz(m)

A 0,22x(1+0,0001x)-0,5

0,20x

B 0,16x(1+0,0001x)-0,5

0,12x

C 0,11x(1+0,0001x)-0,5

0,08x(1+0,0002x)-0,5

D 0,08x(1+0,0001x)-0,5

0,06x(1+0,0015x)-0,5

E 0,06x(1+0,0001x)-0,5

0,03x(1+0,0003x)-0,5

F 0,04x(1+0,0001x)-0,5

0,016x(1+0,0003x)-0,5

Slika 3.6. Grafički prikaz σy za različite klase stabilnosti u ruralnim sredinama

0 1000 2000 3000 4000 5000 6000 7000 8000 9000 100000

200

400

600

800

1000

1200

1400

1600Sigma y za razlicite klase stabilnosti


sig

ma y

(m

)

Klasa A

Klasa B

Klasa C

Klasa D

Klasa E

Klasa F



34

Slika 3.7. Grafički prikaz σz za različite klase stabilnosti u ruralnim sredinama

Iz prikazanih tabela i slika se može uočiti da udaljavanjem od izvora emisije,

standardne devijacije σy i σz rastu a samim tim koncentracija polutanta opada.

3.2 Algoritam računanja disperzije

Jednačina 3.7, koja važi za disperziju zagađivača iz tačkastog izvora, se sa malim

modifikacijama može primijeniti i za druge izvore emisije. Osnovna razlika je u načinu

određivanja brzine emisije ili protoka Q. U slučaju tačkastog izvora, protok se mjeri posebnim

senzorima dok u slučaju cistijerni i gasovodnih cijevi protok se procjenjuje na osnovu

geometrije izvora, temperature, pritiska i slično. Bez obzira koji je izvor disperzije u pitanju,

da bi se izračunala koncentracija polutanta u jednoj tački (koja se nalazi niz vjetar od

tačkastog izvora), potrebno je prvo odrediti protok pa tek onda disperziju (na osnovu

jednačine Gausove ravnomjerne raspodjele)[13]

. Algoritam računanja je prikazan na slici 3.8.

0 1000 2000 3000 4000 5000 6000 7000 8000 9000 100000

200

400

600

800

1000

1200

1400

1600

1800

2000Sigma z za razlicite klase stabilnosti


sig

ma z

(m

)

Klasa A

Klasa B

Klasa C

Klasa D

Klasa E

Klasa F



35

Slika 3.8. Algoritam računanja disperzije

Kako bi se izračunala koncentracija polutanata za jednu oblast, treba izračunati

koeficijente standardne devijacije za svaku tačku te oblasti i primijeniti Gausovu jednačinu.

Obično je posmatrana oblast površine 10km×10km a tačke se biraju sa korakom 10, 50 ili

100m u zavisnosti od veličine oblasti, dostupne brzine proračuna, kapaciteta računara i

željenog kvaliteta prikaza koncentracije.



36

3.3 Gausov model za cistijerne

Kao što je ranije navedeno, jednina razlika Gausovog modela za tačkasti izvor od

Gausovog medela za cistijernje je u načinu određivanja brzine emisije. Za izračunavanje

brzine emisije u slučaju ispuštanja gasa iz rupe na cistijerni (slika 3.9) koristi se jednačina:

√ (

) [(

)

(

)

] (3.19)

Gdje je:


Cd – koeficijent ispuštanja (bezdimenziona veličina).

Ah – površina otvora u m2.

γ – specifična količina toplote (bezdimenziona veličina).

Pt – pritisak u cistijerni u Pa.

Pa – atmosferski pritisak u Pa.

ρt – gustina gasa u kg/m3.

Kako bi se izračunala gustina gasa ρt, koristi se jednačina stanja idealnog gasa:

(3.20)

Gdje je P pritisak (Pa), M molarna masa (g/mol), R univerzalna gasna konstanta (

) i T

temperatura (K).



37

Slika 3.9. Ispuštanje gasa iz cistijerne

3.4 Gausov model za gasovod

Gausov model za gasovodne cijevi se, kao i Gausov model za cistijerne, od Gausovog

modela za tačkasti izvor razlikuje samo po načinu određivanja protoka. Za izračunavanje

brzine ispuštanja gasa iz gasovoda postoje dva načina. Način koji će se izabrati zavisi od

brzine gasa kroz cijev, tj. da li mu je brzina manja (subsonic) ili veća (sonic) od brzine zvuka

u vazduhu (343.2 m/s). Da li je protok gasa soničan ili subsoničan određuje se na osnovu

odnosa kritičnih pritisaka (CPR – Critical Pressure Ratio):

(

)

(3.21)

gdje je:



38

k – odnos toplotnih kapaciteta pri stalnom pritisku (Cp) i stalnoj zapremini (Cv).

Bezdimenziona je veličina i specifična je za svaki gas.

Pa – atmosferski pritisak.

Pcr – kritični pritisak u cijevi.

U slučaju kada je pritisak u cijevi Pc veći od kritičnog pritiska Pcr (Pc >Pcr) tj. kada je

ispunjen uslov:

(3.22)

tj.

(

)

(3.23)

onda se smatra da je ispuštanje sonično i za izračunavanje emisije se koristi jednačina:

√

(

)

(3.24)

gdje je:


Ah – površina otvora u m2.

Pc – pritisak u cijevi u Pa.

M – molekularna masa (g/mol).

Z – faktor kompresije.

R – gasna konstanta (

).



39

Tc – temperatura u gasovodu u K.

Ako uslov 3.33 nije ispunjen, onda se smatra da je brzina ispuštanja gasa subsonična i koristi

se jednačina:

√

[(

) ⁄

(

)( ) ⁄

] (3.25)

Na slici 3.10 su prikazani potrebni parametri za izračunavanje brzine emisije.

Slika 3.10. Ispuštanje gasa iz gasovoda



40

4 Integralni sistem za modelovanje i vizualizaciju disperzije

Na slici 4.1 je prikazan integralni sistem za modelovanje i vizualizaciju disperzije koji

se razvija u okviru GEPSUS (Geographical information processing for Environmental

Pollution-related Security within Urban Scale environments) projekta koji je finansiran od

strane NATO-ovog programa „Science for Peace and Security“. Kao što je i prikazano na slici

4.1, sistem će sadržati šest automatskih unosa podataka i to iz:

a) Hidrometeorološkog zavoda Crne Gore (HMZCG),

b) Centra za ekotoksikološka mjerenja i ispitivanja (CETI),

c) Uprave za nekretnine (REA),

d) GEPSUS mreže senzora (GSN) instalirane oko izvora hazarda,

e) Ministarstva odbrane (MOD) i

f) Sektora za vanredne situacije (SfE).



41

Slika 4.1. Integralni GEPSUS sistem za modeliranje i vizualizaciju disperzije

HMZCG automatski prikuplja trenutne informacije o vremenskim prilikama iz

nacionalne mreže meteoroloških stanica i daje prognoze vremenskih uslova na teritoriji Crne

Gore.

CETI prati zagađenje vazduha kroz mrežu automatskih telemetrijskih stanica koje

mjere koncentraciju najznačajnijih hazardnih gasova u gradovima Crne Gore.

REA pruža ažurirane geografske informacije o vrsti i obliku terena kao i podatke o

važnim objektima i oblastima kao što su bolnice, škole, javni događaji sa velikim brojem ljudi

(sportski događaji, koncerti...) i skladišti ih na javnim serverima.

MOD i SfE prestavljaju timove za vanredne situacije koji su zaduženi za planiranje i

spašavanje.



42

GEPSUS komunicira sa HMZCG, CETI, REA, MOD i SfE preko internet protokola ili

iznajmljenih linija. GEPSUS mreža senzora se sastoji od mobilnih telemetrijskih stanica

smještenih oko izvora emisije. Ove stanice mjere brzinu i smjer vjetra kao i ambijentalnu

temperaturu i te podatke šalju u GEPSUS centar. Planirano je da ove stanice sadrže i senzore

za ekotoksikološka mjerenja. Brzina i smjer vjetra kao i njihova prognoza su glavni parametri

koji se automatski unose jer orjentacija i oblik dimne perjanice dominantno zavisi od njih.

HMZCG pruža informacije o uslovima vjetra za veliku oblast, kao što je grad ili region, dok

uslove vjetra na mjestu ispuštanja mjere lokalne stanice u okviru GSN. Ovi podaci se ka

GEPSUS aplikaciji šalju u predefinisanom formatu.

Pored automatskih podataka, postoje još podaci koje manuelno unosi operater ili

ekspert za vanredne situacije. Oni pružaju više informacija o izvoru zagađenja i atmosferskim

uslovima kao i o kritičnim nivoima koncentracije gasa u μg/m3 ili ppm. U informacije o

izvoru spadaju sljedeći podaci:

lokacija izvora (geografska širina i dužina),

vrsta gasa i njegove karakteristike,

vrsta izvora (tačkasti izvor, cistijerna, cjevovod),

brzina emisije,

visina izvora u odnosu na zemlju,

trajanje ispuštanja i slično.

Prekrivenost neba oblacima, klasa stabilnosti, inverzija, vlažnost i slični parametri su

vremenski parametri koji se manuelno unose. Kritični nivoi koncentracija definišu zone

opasnosti i karakteristični su za svaki gas.

U nastavku će biti opisan realizovani dio GEPSUS sistema za automatsko prikupljanje

meteorolških podataka, njihovu obradu, proračunavanje zona opasnosti sa ugroženim

objektima i putevima kao i njihovu vizualizaciju što je i bio zadatak ovog rada.



43

5 GEPSUS sistema za simulaciju ekscesnih situacija

Realizovani GEPSUS sistem je dizajniran za brz odgovor potreban odmah nakon

nastanka incidenta. Međutim, može se iskoristiti za trening kao i procjenu rizika. Podržane su

tri karakteristične vrste izvora hazardnih materija i to: industrijski dimnjaci, transportne i

statičke cistijerne i gasovodne cijevi.

Sa obzirom da mnogi operativci angažovani u kritičnim situacijama nemaju znanje iz

modelovanja disperzije, sistem zahtijeva ulazne parametre koji se lako mogu pribaviti ili

procijeniti na mjestu nesreće. Nastoji se da se što veći broj potrebnih parametara automatski

prikuplja i unosi kako bi se u što većoj mjeri smanjio ljudski uticaj i mogućnost greške. U

ovom sistemu je izvršen automatski unos brzine vjetra, smjera vjetra i temperature. Ovi

parametari najviše utiču na širenje i kretanje zagađivača (a samim tim i na odvijanje kritične

situacije) i mogu se relativno lako pribaviti.

Na slici 5.1 je predstavljena arhitektura realizovanoga sistem.

Slika 5.1. Blok šema realizovanog sistema



44

Generalno gledano, sistem se sastoji iz dvije cjeline:

GEPSUS hardvera i

GEPSUS softvera

GEPSUS hardver se sastoji iz Interfejsa za prikupljanje podataka i računara na kojem

se vrši modelovanje.

GEPSUS softver se može dalje podijeliti na podsistem za modelovanje i vizualizaciju

disperzije, podsistem za donošenje odluka i konekciju sa Web aplikacijom.

Interfejs za prikupljanje podataka prikuplja informacije o temperaturi, brzini i smjeru

vjetra sa lokalne meteorološke stanice i šalje ih podsistemu za modelovanje. Podaci se šalju

bežičnim putem koristeći radio frekventne (RF) module na strani predaje i na strani prijema.

Koristi se radio frekvencija, a ne GSM ili GPRS, iz tog razloga što se u tim krznim

situacijama može desiti da nema pokrivenosti mobilnom mrežom operatera pa je radio

komunikacija jedina pouzdana opcija. Računar na kojem se obavlja modelovanje, se onda

može smjestiti na bezbjednu udaljenost gdje postoji pristup internetu ukoliko je to potrebno.

Za sada ta udaljenost iznosi nekoliko km i zavisi prvenstveno od iskorištenih RF modula.

Podsistem za modelovanje i vizualizaciju disperzije, podsistem za donošenje odluka i

konekcija sa Web aplikacijom su objedinjeni u jednu PC aplikaciju sa grafičkim korisničkim

interfejsom. Ona na osnovu primljenih meteoroloških podataka i parametara koje korisnik

ručno unosi vrši izračunavanje koncentracija zagađivača u posmatranoj oblasti. Na osnovu

proračunatih koncentracija i predefinisanih kritičnih nivoa (pragova) koncentracije gasa,

procjenjuju se zone opasnosti. Ovi nivoi su karakteristični za svaki gas i standardizovani su u

različitim direktivama. Zone opasnosti se prikazuju na geografskim mapama kako bi se imao

vizuelni prikaz situacije na terenu. Takođe se provjerava da li je neki od kritičnih objekata

zahvaćen hazardnim gasom. Ukoliko je neki objekat ugrožen, onda se i on, zajedno sa svojim

opisom, kontakt telefonom i brojem ugroženih ljudi, prikazuje na mapi. Aplikacija ima

mogućnost objavljivanja informacija o zonama opasnosti i ugroženim objektima na internet

serveru. Ovim podacima se onda može pristupiti preko Web aplikacije.



45

5.1 Interfejs za prikupljanje podataka

Interfej za prikupljanje podataka predstavlja podsistem čija je osnovna uloga da

obezbijedi ulazne parametre podsistemu za modelovanje. Nalazi se smješten u blizini

kritičnog objekta i sastoji se od temperaturnog senzora, lokalne meteorološke stanice,

kolektorskog uređaja i RF modula (Slika 5.2).

Slika 5.2. Interfejs za prikupljanje podataka

Kolektor se sastoji od: mikrokontrolera ATMega16 i konektora za napajanje, za

temperaturni senzor, za meteorološku stanicu i za RF modul (Slika 5.3). On prikuplja podatke

sa eksternih senzora u realnom vremenu, analizira ih i obrađuje. Potom prikupljne podatke

transformiše u odgovarajući izlazni format i šalje podsistemu za modelovanje. Interfejs za

prikupljanje podataka je naponski potpuno nezavisan dio sistema i napaja se iz baterije koja se

puni preko solarnog panela. LM7805 je regulator napona i on napon baterije od 12V reguliše

na 5V.



46

Slika 5.3. Kolektor

Prijemni RF modul na strani računara zahtijeva USB-TTL konvertor nivoa. Ovaj

prijemni modul sa konvertorom se napaja sa USB porta.

5.1.1 Lokalna meteorološka stanica

Kao lokalna meteorološka stanica, u ovom radu, je iskorištena „La Crosse TX20 Wind

Anemometer with Direction“ (Slika 5.4).



47

Slika 5.4. Lokalna meteorološka stanica

U tabeli 8 je prikazan raspored i funkcija žica ove meteorološke stanice. Napajanje

(pin Vcc) stanice je 5V. Stanica šalje podatke na pin TxD svake dvije sekunde kada je pin

dozvole DTR spojen na masu (GND).

Tabela 8. Raspored žica meteorološke stanice

Broj pina Boja žice Opis

1. Braon TxD

2. Crvena Vcc

3. Zelena DTR

4. Žuta GND

Sa ovim senzorom je moguće dobiti informaciju o brzini i smjeru vjetra. Smjer vjetra se

dobija uz pomoću diska prikazanog na slici 5.5 koji u stvari predstavlja apsolutni davač

kodiran Gray-evim kodom. Smjer vjetra je kodiran sa četiri bita što znači da može da

detektuje šesnaest različitih pozicija. Infracrveni emiter na ploči emituje svjetlost koja prolazi

kroz proreze na disku. Četiri fotodiode čitaju stanje diska. Na ploči senzora se nalazi

mikokontroler koji konvertuje Gray-ev u binarni kod.



48

Slika 5.5. Izgled kodiranog diska

Zahvaljujući inkrementalnom davaču moguće je mjeriti brzinu vjetra koju

mikrokontroler konvertuje u odgovarajući binarni ekvivalent. Brzina vjetra ima

dvanaestobintu vrijednost (3 bita najmanje vrijednosti (LSB – Least Significant Bit) su uvijek

nula). Maksimalna vrijednost vjetra koj senzor detektuje je 51,1 m/s a rezolucija mu je 0,1

m/s.

Sekvenca koju TX20 šalje je duga 41 bit. Svaki bit traje 1,2 ms pa je za prenos cijele

sekvence potrebno 49,2 ms. Binarna „jedinica“ ove sekvence je predstavljena kao 0V dok je

binarna „nula“ sa naponom od 5V. Na slici 5.6 je prikazana jedna sekvenca sa označenim

segmentima dok je u tabeli 9 opisan svaki segment.

Slika 5.6 Sekvenca kodiranih meteoroloških podataka



49

Tabela 9. Opis sekvence meteoroloških podataka

Sektor Dužina

u bitima

Da li je

invertovan Redosled Opis Dodatno

A 5 DA LSB prvi Početni frejm Uvijek je 00100

B 4 DA LSB prvi Smjer vjetra 0 - 15

C 12 DA LSB prvi Brzina vjetra 0 - 511

D 4 DA LSB prvi Suma 0 - 15

E 4 NE LSB prvi Smer vjetra 0 - 15

F 12 NE LSB prvi Brzina vjetra 0 - 511

A – Početni frejm:

Ukoliko je pin DTR postavljen na nulu onda će na TxD liniji biti nula ako stanica ne emituje

podatke. Početni frejm je uvijek 00100 ali zbog invertovane logike se detektuje kao 11011.

B – Smjer vjetra:

Smjer vjetra je predstavljen kao četvorobitna vrijenost. Primljeni segment je potrebno

invertovati i promijeniti mu redosled (prvi je LSB a zadnji je bit najviše vrijednosti (MSB -

Most Significant Bit) a za uspješno tumačenje je potrebno da je redosled obrnut). Potom se

dobija jedna od šesnaest vrijednosti koja množena sa 22,5 daje smjer vjetra u stepenima.

Sjever predstavlja 0˚ (ili 360˚).

Sa slike 5.6, pročitana vrijednost smjera vjetra je 0011. Invertujući se dobija 1100.

Mijenjajući redosled se dobija 0011 što predstavlja ENE ili 67,5 stepeni. U tabeli 10 se mogu

naći ostale vrijednosti.



50

Tabela 10. Tabela kodiranih vrijednosti smjera vjetra

Binarno Decimalno Smjer Stepen

0000 0 N 0

0001 1 NNE 22,5

0010 2 NE 45

0011 3 ENE 67,5

0100 4 E 90

0101 5 ESE 112,5

0110 6 SE 135

0111 7 SSE 157,5

1000 8 S 180

1001 9 SSW 202,5

1010 10 SW 225

1011 11 WSW 247,5

1100 12 W 270

1101 13 WNW 292,5

1110 14 NW 315

1111 15 NNW 337,5

C – Brzina vjetra:

Brzina vjetra predstavlja dvanaestobitnu vrijednost. Primljene bite je potrebno invertovati i

promijeniti redosled. Rezolucija brzine vjetra je 0,1m/s. Tri MSB-a su uvijek nule pa se samo

devet bita koristi. Maksimalna vrijednost brzine je 511 ili 51,1 m/s (ili 183,96 km/h).

Sa slike se dobija da je vrijednost brzine 111010101111. Invertujući se dobija 000101010000.

Mijenjajući redosled se dobija 000010101000 što predstavlja 168 decimalno ili 16,8 m/s.

D- Suma:

Suma je predstavljena sa četvorobitnom vrijednošću. Nju je takođe potrebno invertovati i

promijeniti redosled. Ova četvorobitna vrijenost predstavlja četiri bita najmanje težine od



51

sume smjera vjetra i tri četvorobitna segmenta brzine vjetra (prvi segment predstavljaju biti 1-

4, drugi 5-8 i treci 9-12).

Sa slike se vidi da je suma 0101. Kada se invertuje je 1010, a kada se promijeni redosled je

0101. Iz tabele 11 se vidi način izračunavanja sume. Sabiranjem navedenih segmenata se

dobija vrijednost 10101 i uzimajući 4 LSB se dobija suma 0101.

Tabela 11. Izračunavanje kontrolne sume

Ime Biti Podaci iz primjera

Smjer vjetra 1 - 4 0011

Brzina vjetra 1 - 4 0000



Suma 4 LSB 0101

E – Smjer vjetra (invertovan)

Invertovana četvorobitna vrijednost smjera vjetra. Potrebno joj je promijeniti redosled bita.

Potom je moguće interpretirati kao i segment B.

F – Brzina vjetra (invertovana)

Invertovana dvanaestobitna vrijednost brzine vjetra. Potrebno je na prijemu promijeniti

redosled bita pa se potom može interpretirati kao i segment C.

Prijem prikazane sekvence se ogleda u:

provjeri startnog frejma (00100),

provjera podudaranja primljene sume sa izračunatom sumom,

ekstrakovanje smjera vjetra i provjera da li se podudara sa primljenom invertovanom

vrijednošću,

ekstrakovanje brzine vjetra i provjera da li se podudara sa primljenom invertovanom

vrijednošću.



52

5.1.2 Temperaturni senzor

Za mjerenje temperature se koristi temperaturni senzor LM35. Ovo je veoma precizan

senzor [14]

. Ima garantovanu preciznost od 0.5°C (na temperaturi od +25°C). Njegov izlazni

napon linearno zavisi od temperature (°C). Za njegov rad nijesu potrebni nikakvi dodatni

elementi. Takođe, nije potrebna dodatna kalibracija. 10mV napona na izlazu ovog senzora

odgovara 1°C spoljašnje temperature. LM35 je dizajniran da detektuje temperaturu u rasponu

od -55 do +150°C. Radi na naponu u rasponu od 4 do 30V. Veoma je male potrošnje i za rad

mu je potrebno manje od 60 µA. Ima malo samozagrijavanje, 0.08°C u mirnom vazduhu.

Izlaz ovoga temperaturnog senzora je priključen na analogno-digitalni konvertor

mikrokontrolera i tako se dobija vrijednost ambijetalne temperature vazduha.

5.1.3 RF moduli

Za komunikaciju između meteorološke stanice i kolektora se koriste radio frekventni

moduli. Maksimalna udaljenost na kojoj se može uspješno ostvariti komunikacija upravo

zavisti od vrste iskorištenih RF modula. U ovom radu su korišćeni RC1240 primopredajni

radio frekventni moduli velikih performansi sa frekventnom modulacijom (FSK - Frequency-

Shift Keying) i ugrađenim RC232TM protokolom [15]

. Razlog zbog kojeg je izabran baš ovaj

RF modul je prvenstveno velika distanca na kojoj se može ostvariri uspješna komunikacija

između dva modula. Nominalna razdaljina se kreće od 2 do 4 km na frekfenciji od 433 MHz

ukoliko uzmeđu modula nema prepreka. Drugi razlog je što se veoma lako povezuje sa

hostom (mikrokontroler ili računar). Na slici 5.7 je prikazan izgled ovog modula.

Slika 5.7. Radio frekventni modul



53

U modulu je integrisani RC232TM protokol sa adresiranjem i provjerom grešaka.

UART (Universal Asynchronous Receiver/Transmitter) interfejs omogućava jednostavnu

zamjenu žica u slučaju RS232/422/485 protokola [16]

. Za rad modula nisu potrebne dodatne

eksterne komponente. Moguće je mijenjati konfiguracione parametre kao što je brzina

prenosa, kontrola protoka, kanal na kojem se emituje poruka, adresa primaoca, izlazna snaga i

slično. Za jednokanalnu komunikaciju nije potrebno podešavati konfiguraciju modula. Modul

je veoma malih dimenzija, 12,7mm x 25,4mm x 3,3mm. Radi na naponu 2,8 – 5,5V i male je

potrošnje. U tabeli 12 se mogu vidjeti karakteristike RC1240 RF modula.

Tabela 12. Karakteristike RC1240 RF modula

Parametar RC1180HP- RC232 Jedinica

Frekvencijski opseg 433,05 – 434,79 MHz

Broj kanala 69

Brzina prenosa 4.8 Kb/s

Maksimalna izlazna

snaga 8 dBm

Osjetljivost -115 dBm

Napajanje 2,8 – 5,5 V

Protrošnja struje

prilikom prijema 20,2 mA

Protrošnja struje

prilikom slanja 26 mA

Temperaturni opseg rada -40 do +85 ˚C

Na slici 5.8 se nalazi tipičan način povezivanja ovoga modula.

Slika 5.8. Povezivanje RF modula



54

Na slici 5.9 je prikazan raspored pinova datog modula, dok su u tabeli 13 opisane njihove

funkcije.

Slika 5.9. Raspored pinova RF modula

Tabela 13. Funkcije pinova RF modula

Broj

pina

Ime

pina

Tip

pina Opis

1 GND Masa sistema

2 CTS/RXTX Izlazni UART spreman za slanje (Clear To Send)

ili UART RXTX.

3 RTS/TXEN Ulazni

UART zahtjev za slanje (Request To Send).

Treba biti postavljen na nizak naponski nivo

da bi se ušlo u Sleep režim ukoliko se ne

koristi RTS handshake.

4 CONFIG Ulazni Postavljanjem na niski naponski nivo se

ulazi u konfiguraciju modula.

5 TXD/SCL Uzlazni UART predaja

6 RXD/SDA Izlazni UART prijem

7 GND Masa sistema

8 GND Masa sistema

9 RF RF antena

10 GND Masa sistema

11 VDD Izlazno napajanje. Obično se ostavlja nepovezano



55

12 ON/OFF Upaljen kada je visok i ugašen kada je nizak

naponski nivo

13 VCC Napajanje. Interno se reguliše

14 GND Masa sistema

15 - 21 Rezervisani

22 RESET Ulazni Glavni reset. Aktivira se dovođenjem niskog

naponskog nivoa.

23 PA_EN Ulazni Uključivanje eksternog naponskog pojačanja

24 LNA_EN Ulazni Uključivanje naponskog pojačanja niskog šuma

25 - 30 Rezervisani

Modul sadrži komunikacioni kontroler sa integrisanim RC232TM protokolom, RF

primopredajnik visokih perfomansi sa internim regulatorom napona i pojačivačem snage.

Komuniacioni kontroler kontroliše RF protokol, UART interfejs i RF primopredajnik.

Podaci poslati od hosta se primaju preko pina RXD i baferuju u komunikacionom kontroleru.

Potom se tom paketu dodaje početni frejm (SOF - Start Of Frame), adresa i CRC (Cyclic

Redundancy Check) suma za provjeru, pa se tek onda šalje preko RF pina. Početni frejm se

uvijek dodaje dok su adresa i CRC opcioni.

RF modul fazno moduliše podatke koje šalje i demoduliše primljene podatke.

Komunikacioni kontroler primljenim, demodulisanim podacima provjerava adresu i

CRC. Ako adresa odgovara modulu i ako nema CRC grešaka, paket podataka se šalje hostu

preko TXD linije pošto mu se odstrani početni frejm.

Da bi se podaci poslali iz Interfejsa za prikupljanje podataka ka podsistemu za

modelovanje (PC aplikaciji), potrebna su dva RF modula, jedan na strani predaje i jedan na

strani prijema. Mikrokontroler, preko serijske komunikacije, šalje podatke RF predajnom

modulu. Nikakve eksterne komponente i nikakva podešavanja nijesu potrebna. Komunikacija

se ostvaruje kao da je u pitanju žičana serijska komunikacija. Na strani prijema, na računaru,

se nalazi prijemni RF modul. Da bi se podaci proslijedili, potrebno je iskoristiti translator

logičkih nivoa. U ovom radu je korišćen „USB-TTL“ konvertor sa čipom CP2102.



56

5.1.4 Napajanje interfejsa za prikupljanje podataka

Interfejsa za prikupljanje podataka je naponski nezavisan uređaj koji se napaja sa

sopstvenom Ni-Cd baterijom od 1300 mAh i 12V. Ovu bateriju puni solarni panel nominalnih

vrijednosti 4W i 17V. Kolo koje je iskorišćeno za punjenje baterije je prikazano na slici 5.10.

Slika 5.10. Kolo za punjenje baterije

Kao što se i vidi na datoj šemi, integrisano kolo LM317H je podešeno da na svom

izlazu daje 14V. Ova regulacija se postiže podešavanjem potenciometra R4. Otpornik R2

ograničava struju koja napaja bateriju. Dioda D2 spriječava pražnjenje baterije kada je napon

solarnog panela manji od napona baterije. Tranzistor T1 prekida punjenje kada se baterija

napuni. T1 je normalno isključen i baterija se puni. Probojni napon zener diode D4 iznosi

13V, pa kada se baterija napuni na 13,5V zener dioda počinje provoditi u inverznom režimu i

obezbjeđuje baznu struju tranzistoru T1. Tranzistor se potom uključi i uzemlji izlaz iz

LM317H čime punjenje prestaje. Otpornik R1 služi da ograniči baznu struju tranzistora kako

on ne bi izgorio.



57

5.2 Podsistem za modelovanje i vizualizaciju disperzije

Podsistem za modelovanje i vizualizaciju disperzije gasnih polutanata na osnovu

ulaznih parametara procjenjuje zone opasnosti i prikazuje ih preko digitalnih mapa. Za

vizualizaciju u vremenu i prostoru koristi se Google Earth aplikacija. U budućnosti se planira

da to bude samostalna aplikacija kojoj za funkcionisanje neće biti potreban pristup internetu.

Da bi se proračunale zone opasnosti, potrebno je prvo identifikovati hazardni gas.

Potom se na osnovu vrste gasa određuju nivoi kritičnih koncentracija. Ovi nivoi su definisani

različitim aktima, specifični su za svaki gas i izražavaju se u mg/m3 ili ppm (parts per

million). Opšte prihvaćena su sledeća dva dokumenta:

Smjernice za nivoe akutne izloženosti (AELG – Acute Exposure Level Guidelines)[17]

,

Smjernice za planiranje reakcija u vanrednim situacijama (ERPG – Emergency

Response Planning Guidelines)[18]

.

Na osnovu ovih dokumenata svake zemlje uređuju svoje direktive ili uredbe. U Crnoj

Gori je od januara 2013. godine na snazi “Uredba o maksimalnim nacionalnim emisijama

određenih zagadjujucih materija”. U ovoj uredbi su obrađene samo neke zagađujuće materije

dok prethodna dva dokumenta opisuju veliki broj hazardnih materija sa njihovim specifičnim

kritičnim nivoima. Iz datog razloga, kao i zbog lakšeg poređenja sa rezultatima postojećih

sistema, u ovom radu su korišćeni podaci iz ranije navedenih smjernica. Međutim, u aplikaciji

je moguće unijeti bilo koje nivoe potrebne za datu situaciju.

AELG predstavlja nivoe izloženosti pri kojoj većina ljudi, uključujući i osjetljive

pojedince (djecu i stare), ako su izloženi hazardnim hemikalijama određeni vremenski period,

počinju da osjećaju posljedice po zdravlje. Nivoi su definisani za vremenske periode od 10 i

30 minuta, 1 sat, 4 sata i 8 sati. Za svaku hemikaliju i svaki vremensi period postoje tri

kritična nivoa:

AEGL1 – koncentracija iznad koje opšta populacija može osjetiti značajnu

nelagodnost, iritaciju ili određene asiptomatske gubitke čula. Međutim, efekti ne

onesposobljavaju, prolazni su i osoba se može oporaviti nakon prestanka izlaganja.



58

AEGL2 – koncentracija iznad koje opšta populacija može osjetiti nepovratne ili druge

ozbiljne, dugotrajne štete po zdravlje ili mogu biti onesposobljeni da izbjegnu dalje

izlaganje.

AEGL3 – koncentracija iznad koje opšta populacija može osjetiti opasne posljedice po

zdravlje ili smrt.

ERPG procjenjuju koncentraciju pri kojoj većina ljudi (bez osjetljivih pojedinaca), ako

je izložena hazarnim hemikalijama u trajanju od jednog sata, počinje da osjeća posljedice po

zdravlje. Za svaku supstancu su definisana tri nivoa:

ERPG1 – maksimalna koncentracija hazarda u vazduhu ipod koje se smatra da skoro

većina ljudi može biti izložena do jednog sata a da ne osjeti nikakve druge bez blage,

prolazne posljedice po zdravlje.

ERPG2 – maksimalna koncentracija hazarda u vazduhu ipod koje se smatra da skoro

većina ljudi može biti izložena do jednog sata a da ne doživi ili razvije nepovratne ili

druge ozbiljne zdravstvene posljedice ili simptome koji bi mogli onesposobiti

pojedinca da preduzme zaštitne mjere.

ERPG3 – maksimalna koncentracija hazarda u vazduhu ispod koje se smatra da skoro

većina ljudi može biti izložena do jednog sata a da ne doživi ili razvije simptome

opasne po zdravlje.

U tabeli 14 su dati nivoi nekih karakterističnih hemikalija za 60 minuta izlaganja.



59

Tabela 14. Kritični nivoi nekih široko rasprostranjenih hemikalija

Vrsta gasa Hemijska

oznaka

AEGL1 AEGL2 AEGL3 ERPG1 ERPG2 ERPG3

Nivoi za 60 minuta izlaganja izraženi u ppm

Hlor Cl2 0,5 2 20 1 3 20

Hlorovodonik HCl 1,8 22 100 3 20 150

Florovodonik HF 1 24 44 2 20 50

Azot dioksid NO2 0,5 12 20 1 15 30

Amonijak NH3 30 160 1100 25 200 1000

Ugljen monoksid CO / 83 330 200 350 500

Sumpor dioksid SO2 0,2 0,75 30 0,3 3 15

U aplikaciji je potrebno unijeti vrijednosti pragova u mg/m3. Kako bi pretvorili

vrijednosti ppm u mg/m3, koristi se jednačina:

[

] [ ]

(5.1)

Gdje je:

LOC – prag zone opasnosti (Levels Of Concern),

M – molarna masa gasa,

24,45 – konverzioni faktor koji predstavlja zapreminu jednog mola gasa,

uz pretpostavku da je temperatura 25˚C i atmosferski pritisak 1 bar.

Na slikama 5.11 – 5.13 su prikazani izgledi aplikacije u slučaju različitih izvora

emisije. Parametri koji se nalaze na desnoj strani su zajednički za sve tipove. Ti parametri su

brzina vjetra, smjer vjetra, temperatura vazduha, klase stabilnosti, geografski položaj izvora

(geografska širina i dužina) i pragovi zona opasnosti. Kao što je ranije navedeno, smjer vjetra,

brzina vjetra i temperatura se mogu dobiti sa lokalne meteorološke stanice.

Pored zajedničkih parametara, za proračunavanje koncentracije gasnih zagađivača iz

industrijskih dimnjaka, potrebno je unijeti i visinu dimnjaka (m), prečnik dimnjaka (m),



60

brzinu emisije (g/s), kao i brzinu (m/s) i temperaturu (K) polutanata prilikom izlaska iz

dimnjaka.

Slika 5.11. Parametri za modelovanje gasnih zagađivača iz

industrijskih dimnjaka

Kako bi se proračunala koncentracija gasnog zagađivača ispuštenog iz transportnih ili

skladišnih cistijerni, potrebni su, pored zajedničkih, sljedeći parametri: prečnik otvora (m),

visina na kojoj se nalazi otvor (m), koeficijent ispuštanja (bezdimenziona veličina), gustina

polutanta (kg/m3), pritisak u cistijerni (Pa), atmosferski pritisak (Pa), odnos toplotnih

kapaciteta (bezdimenziona veličina), temperatura gasa na izlazu (K) i brzina polutanta na

izlazu (m/s).



61

Slika 5.12. Parametri za modelovanje gasnih zagađivača

ispuštenih iz cistijerni

Da bi se izračunala koncentracija gasnih polutanata prilikom njihovog ispuštanja iz

gasovodnih cijevi, u aplikaciju, je potrebno unijeti sljedeće parametre: prečnik otvora (m),

visinu na kojoj se nalazi otvor (m), koeficijenat ispuštanja, univerzalnu gasna konstantu

(zavisi od vrste gasa), odnos toplotnih kapaciteta, faktor kompresije, pritisak gasa u cijevima

(Pa), atmosferski pritisak (Pa), molarnu masu gasa (g/mol), brzinu gasa na izlazu (m/s) i

temperaturu gasa na izlazu (K).



62

Slika 5.13. Parametri za modelovanje gasnih zagađivača iz

gasovodnih cijevi

Nakon unosa odgovarajućih parametara, potrebno je da korisnik, u slučaju kada nije

aktiviran automatski unos podataka sa stanice, pritisne dugme „Calcute And Display“ i

aplikacija će sve ostalo sama obaviti. A u slučaju kada je aktiviran automatski unos podataka

sa stanice, po prijemu podataka, aplikacija automatski pokreće proračun i prikaz

odgovarajućih zona opasnosti.



63

5.2.1 Računavanje i vizualizacija zona opasnosti

Na slici 5.14 su prikazane faze kroz koje prolazi aplikacija kako bi izračunala zone

opasnosti i vizuelno ih prikazala.

Slika 5.14. Postupak kreiranja KML fajla

Prvo je potrebno izračunati koncentraciju ispuštenog hazardnog gasa. Postavljeno je

da se posmatra oblast 10km×10km. Ova oblast se predstavlja matricom čija veličina zavisi od

primijenjenog koraka. Postavljeno je da je korak izmedju tačaka 50m, pa je onda veličina

matrice 200×200 tačaka tipa float. Moguće je promijeniti veličinu oblasti kao i veličinu

koraka. Smanjivanjem koraka se povećava rezolucija prikaza i dobija se bolja vizualizacija,



64

ali se povećava vrijeme proračuna i povećava se količina zauzete radne memorije računara.

Prilikom izbora koraka i posmatrane oblasti nastoji se postići kompromis između rezolucije

prikaza i količine zauzete memorije. Nakon odabira oblasti i koraka, za svaku tačku se

izračunava koncentracija hazarda primjenjujući ranije opisanu Gausovu jednačinu za

odgovarajući model. Tako dobijena matrica ima lokacije koncentracija u relativnim

koordinatatama u odnosu na izvor, pa ih je potrebno rotirati u odnosu na smjer vjetra i

prikazati ih u geografskim koordinatama (geografska širina i dužina). Rotirati matricu

predstavlja težak problem pa se problem sveo na rotiranje nizova koordinata. Od matrice

koncentracije, na osnovu kritičnih nivoa se dobijaju nizovi koordinata. Ti nizovu su u stvari

koordinate kontura zona opasnosti. Za svaku od zona opasnosti se dobija po dva niza

koordinata (niz x i niz y). Ovo se postiže na sljedeći način:

Prvo se uprosti matrica tako što se sve koncentracije polutanta manje od zadatog nivoa

postavljaju na nulu dok koncentracije veće od nivoa se postavljaju na jedinicu.

Potom se od tako uprošćene matrice, prikupe koordinate konturnih tačaka na osnovu

poznatih algoritama i od njih se formiraju dva niza koordinata.

Algoritam koji je korišćen za rotaciju koordinata je „Algoritam za 2D rotaciju koordinata“

koji se bazira na Euklidovom algoritmu za rotaciju ravni [19]

. Jednačine za ratociju su:

[

] (5.2)

( ) ( ) (5.3)

( ) ( ) (5.4)

Gdje θ predstavlja pravac vjetra, tj ugao za koji je potrebno rotirati koordinate, a i su

rotirane koordinate.

Potom, prolaskom kroz sve elemente nizova, na osnovu lokacije izvora ([longitudeorigin,

latitudeorigin]), relativne koordinate se pretvaraju u geografske na osnovu sljedećih jednačina:

(5.5)



65

(5.6)

Gdje K predstavlja korak, latitudeorigin geografsku širinu na kojoj se nalazi izvor,

longitudeorigin geografsku dužinu izvora, a x i y su geografske koordinate posmatrane tačke.

Pored zona opasnosti se kreira još i nesigurna zona. Ova zona je u stvari površina

kružnog isječka čiji je prečnik 10% veći od najudaljenije tačke, a ugao mu je 90°, 45° u

jednom ismjeru od te najudaljenije tačke i 45° u drugom smjeru. Broj tačaka luka se može

mijenjati. Postavljeno je da se luk sastoji od 100 tačaka, što se pokazalo dovoljano i sasvim

prihvatljivo sa stanovišta vizualizacije a i brzine proračuna.

Nakon proračunavanja zona opasnosti, potrebno je napraviti KML fajl. Za kreiranje

KML fajla je napravljena funkcija put_in_kml kojoj se prosljeđuju nizovi kritičnih zona,

njihove dužine i lokacija izvora. Svaka od zona se prikazuje odgovarajućom bojom u

zavisnosti od njene opasnosti. Zona3 - crvenom, Zona2 - narandžastom i Zona1 - žutom.

5.3 Podsistem za donošenje odluka

Pošto se proračunaju zone opasnosti, potrebno je odrediti da li se neki objekat iz baze

podataka nalazi zahvaćen hazardnim gasom, tj. da li se nalazi u proračunatim zonama

opasnosti. Ovaj problem je veoma poznat u kompjuterskoj grafici kao problem određivanja

tačke u poligonu [20]

.

Za rješavanje ovoga problema postoji nekoliko algoritama. Jedan od njih, koji je ovdje

iskorišćen, je algoritam brojanja presjeka. Ovaj algoritam se bazira na Džordanovoj teoremi

krive („Jordan Curve Theorem“) [21]

po kojoj se tačka nalazi u poligonu ako poluprava iz

zadate tačke, povučena u bilo kojem smjeru, presijeca neparan broj stranica poligona, a ako

presijeca paran broj stranica, onda je tačka vani. Zbog toga se ovaj algoritam takođe naziva i

pravilo par nepar („even-odd rule“). Isti algoritam je iskorišćen za proračun ugroženosti puta

hazardnim gasom.



66

Na slici 5.15 je prikazan poligon sa 14 stranica i na njemu će biti objašnjena ideja

algoritma brojanja presjeka.

Slika 5.15. Poligon sa 14 stranica

Crvena tačka (X,Y) prestavlja tačku za koju treba da se ispita da li pripada poligonu ili ne.

Svaka stranica poligona se ispituje. Ako prava y = Y presijeca neku stranicu onda se generiše

čvor (tačka). U ovom primjeru, prava y presijeca 8 stranica dok ostalih 6 ne presijeca. Ako je

neparan broj čvorova sa obije strane posmatrane tačke, tačka je u poligonu, a ako je paran,

onda je tačka vani. U ovom primjeru, pet čvorova je sa lijeve strane i tri sa desne. Pošto su to

neparni brojevi, tačka se nalazi u poligonu. U ovom algoritmu nije bitan smjer provjere

stranica (da li se vrši u smjeru kazaljke na satu ili ne).

Na slici 5.16 je primjer poligona koji se ukršta. Djelovi poligona koji se preklapaju se

poništavaju, pa je testna tačka van poligona što je i potvrđeno sa parnim brojem čvorova sa

obije strane tačke.

Na slici 5.17 je prikazan poligon sa ukrštenim stranicama. I u ovom slučaju algoritam

se pokazao ispravnim.

Na slici 5.18 je domonstriran problem koji se javlja kada tjemena poligona padaju

tačno na pravu y. Pošto obije stranice a i b dodiruju pravu y da li bi obije trebale da generišu



67

čvor? Ne, jer bi u tom slučaju bila generisana dva čvora što bi značilo da je tačka van

poligona. Rješenje je veoma jednostavno. Tjemena koje su tačno na y pravoj smatra se da

pripadaju samo jednoj stranici poligona. Proizvoljno se može uzeti da tjeme pripada stranici

koja se nalazi ispod prave y. Tada, stranica a generiše čvor, jer joj se jedna tačka nalazi ispod

prave y a druga tačka na ili iznad prave. Stranica b ne generiše čvor, jer joj je jedna tačka na

pravoj a drga iznad.

Slika 5.16. Poligon koji se

ukršta

Slika 5.17. Šestostrani

poligon sa ukrštenim

stranicama

Slika 5.18. Poligon sa

tjemenima koja padaju

tačno na pravu y

Na slici 5.19 je prikazan poligon kod koga cijela jedna stranica leži na pravoj y. Po

prethodno opisanom pravilu stranica c generiše čvor pošto joj se jedna tačka nalazi ispod

prave dok joj je druga na ili iznad prave. A stranice d i e ne generišu čvor jer im se obije tačke

nalaze na ili iznad prave. Slično je demonstrirano i na slikama 5.20 i 5.21.

Slika 5.19. Poligon sa

stranicom koja leži na

pravoj y

Slika 5.20. Poligon sa tjemenom

na pravoj y, a stranice koje idu

iz njega su iznad prave

Slika 5.21. Poligon sa tjemenom

na pravoj y, a stranice koje idu

iz njega su ispod prave



68

Algoritam napisan u C jeziku izgleda ovako :

// Globalne promjenjive:

// int polySides = broj tjemena poligona

// float polyX[] = horizontalne koordinate tjemena

// float polyY[] = vertikalne koordinate tjemena

// float x, y = tjeme koje se testira

//

1 bool pointInPolygon()

2 {

3 int i, j=polySides-1 ;

4 boolean oddNodes=NO;

5

6 for (i=0; i<polySides; i++) {

7 if ((polyY[i]< y && polyY[j]>=y

8 || polyY[j]< y && polyY[i]>=y)

9 && (polyX[i]<=x || polyX[j]<=x)) {

10 if (polyX[i]+(y-polyY[i])/(polyY[j]-polyY[i])*(polyX[j]-polyX[i])<x) {

11 oddNodes=!oddNodes; }}

12 j=i; }

13

14 return oddNodes;

15}

U ovom kodu se vidi da se sa for petljom prolazi kroz sve tačke poligona. Sa linijama 7 i 8 se

provjerava da li se dvije susjedne tačke poligona nalaze oko prave y tj. jedna iznad, a jedna

ispod prave. Sa linijom 9 se isključuje računanje stranica čija se oba tjemena nalaze desno od

posmatrane tačke. Ovim se ubrzava računanje u većini slučajeva. Ako su prethodni uslovi

ispunjeni, sa linijom 10 se provjerava da li stranica poligona siječe pravu y. Linija 10

predstavlja poznatu jednačinu prave kroz dvije tačke :

( ) (5.7)

gdje su (x1,y1) koordinate jedne, a (x2,y2) koordinate druge tačke poligona a (x,y) tačka koja

se testira. Ova jednačina je iskoriščena u nešto izmijenjenom obliku:

( )

(5.8)

Znak „<“ je postavljen kako bi se ispitalo da li se x koordinata presječne tačke nalazi lijevo od

posmatrane tačke.



69

Na osnovu prikazanog algoritama se provjerava da li je zadati put zahvaćen nekom

zonom. Ako jeste, onda se on prikazuje crvenom bojom, a zelenom u suprotnom. Takođe se,

iz baze objekata od značaja, provjerava da li je neki objekat ugrožen hazardnim gasom. Ako

je neki objekat ugrožen, on se prikazuje na mapi u vidu pina i nosi korisne podatke kao što je

broj ljudi u objektu, kontakt telefon i slično. Na slici 5.22 je prikazan primjer zona opasnosti

sa kritičnim objektom i ugroženim putem.

Slika 5.22. Primjer kritičnih zona sa ugroženim objektom i putem

5.4 Konekcija sa Web aplikacijom

Proračuni dobijeni u aplikaciji za modelovanje su vidljivi samo na jednom mjestu, na

računaru na kojem je i pokrenuta. Pokazalo se korisnim da više ljudi bude upućeno u kriznu

situaciju. Kako bi se odgovorilo datim potrebama, dizajnirana je Web aplikacija. Kao što je i

ranije navedeno, aplikacija za modelovanje, nakon proračuna, generiše KML fajl sa zonama

opasnosti, kritičnim objektima, ugroženim putevima. Ona taj fajl, ukoliko je u podešavanjima

omogućeno, objavljuje na predefinisani server. Web aplikacija, potom, taj fajl prikazuje

koristeći Google Maps aplikaciju. Tako, tim podacima može pristupiti više korisnika sa bilo

kojeg mjesta sa internet konekcijom. Web aplikacija se može otvoriti sa bilo kojim internet



70

browser-om pokrenutim na nekom od podržanih platformi (windows, linux, android, iOS)

(Slika 5.23).

Slika 5.23. Kompatibilnost Web aplikacije

Aplikaciji mogu da pristupe samo ovlašćena lica i to unošenjem odgovarajuće

pristupne lozinke kao što je to i prikazano na slici 5.24.

Slika 5.24. Pristup Web aplikaciji



71

Na slici 5.25 se vidi prikaz KML fajla preko Web aplikacije.

Slika 5.25. Prikaz kritičnih zona u Web aplikaciji

Ova web aplikakacija, rađena u PHP-u, u stvari predstavlja pozivanje Google Maps

aplikacije za prikaz okačenog KML fajla.

Na serveru se nalaze uskladišteni svi objavljeni KML fajlovi i njima se može

naknadno pristupati. Na početnoj strinici se prikazuje onaj fajl čije ime se nalazi navedeno u

„map_name.xml“ koji je okačen na serveru. Ime KML fajla je dinamičko i generiše se u

aplikaciji za modelovanje na osnovu datuma i vremena i upisuje se u „map_name.xml“.



72

6 Rezultati

Sistem je testiran u odnosu na sljedeće evalucione kriterijume:

Provjera validnosti modeliranja i vizualizacije.

Provjera funkcionalnosti rada.

6.1 Provjera validnosti modeliranja i vizualizacije

U ovoj glavi je prikazano nekoliko karakterističnih scenarija sa kojima se demonstrira

rad sistema.

6.1.1 Scenario 1: Ispuštanje sumpor dioksida iz termoelektrane

Oksidi sumpora, naročito sumpor dioksid (SO2), nastaju kao rezultat vulkanskih

erupcija i raznih industrijskih procesa. Sa obzirom da ugalj i nafta sadrže komponentu

sumpora, u procesu njihovog sagorijevanja za zagrijavanje domaćinstava, proizvodnju

električne energije i u motornim vozilima, nastaje sumpor dioksid. Daljom oksidacijom SO2,

u prisustvu katalizatora, nastaje sumporna kiselina H2SO4. Sumporna kiselina uzrokuje kisele

kiše koje uništavaju biljke, metalne konstrukcije i građevine [22]

. SO2 je toksičan, bezbojni gas

oporog i iritirajućeg mirisa. Teži je od vazduha. Sumpor dioksid utiče na respiratorni sistem i

funkcije pluća i može izazvati iritaciju očiju. Zapaljenje respiratornog trakta izaziva kašalj,

sekreciju sluzi, pogoršavanje astme i hroničnog bronhitisa i čini ljude podložnim raznim

infekcijama respiratornog sistema. Molarna masa SO2 je 64.06 g/mol. Kritični nivoi

koncntracije sumpor dioksida, na osnovu tabele 14, su 0.2, 0.75 i 30 ppm ili 0.524, 1.965 i

78.601 mg/m3.

U ovom scenariju, u Termoelektrani Pljevlja, je zbog nefunkcionisanja filtera došlo do

ispuštanja štetnih gasova u vazduh. Jedan od tih gasova je i SO2. Iz dimnjaka, visine 250 m i

7.5 m u prečniku, se ispušta gas brzinom 6.3 m/s temperature 140 ˚C. Brzina emisije je 918

g/s. Temperatura vazduha je 14 ˚C. Vjetar duva brinom od 3 m/s iz pravca jugo-zapada

(220˚). Atmosferska stabilnost je klase B (Tabela 15).



73

Tabela 15. Ulazni parametri za ispuštanje sumpora iz termoelektrane

Parametar Vrijednost

Vrsta gasa Sumpor dioksid

Hemijska oznaka SO2

Brzina emisije [g/s] 918

Brzina gasa na izlazu iz dimnjaka [m/s] 6.3

Temperatura izlaznog gasa [˚C] 140

Visina dimnjaka [m] 250

Prečnik dimnjaka [m] 7.5

Spoljašnja tempera vazduha [˚C] 14

Brzina vjetra [m/s] 3

Smjer vjetra [˚] 220

Klasa atmosferske stabilnosti B

Teren Urbano područje

Refleksija Od zemlje

Kritični nivoi za sumpor [mg/m3] 0.524, 1.965 i 78.601

Lokacija izvora

[geografska širina, geografska dužina] 43.334269,19.327522

Unošenjem ovih podataka u aplikaciju, dobijaju se zone opasnosti prikazane na slici

6.1.



74

Slika 6.1. Ispuštanje SO2 iz termoelektrane

Treba napomenuti da ako su osobe izložene duži vremenski period (godinu dana),

koncentracije čak 10 puta manje od APGL1 mogu izazvati trajne posljedice.

6.1.2 Scenario 2: Ispuštanje hlora

Upotreba hlor (Cl2) je veoma velika. Koristi za proizvodnju širokog spektra kako

industrijskih, tako i proizvoda široke potrošnje. Koristi se za izradu plastike, preparata za

čišćenje, metalne odmašćivače, tekstila, agrohemikalija, ljekova, insekticida, za hlorifikaciju

vode i slično. Stoga, sa aspekta rasprostranjenosti, postoji velika vjerovatnoća da dođe do

nekog ekscesa koji bi bio izazvan izpuštanjem hlora. Senzori mogu izmjeriti koncentraciju

hlora čak od 0.2 čestice od milion (ppm). Koncentracija od 3 ppm se može namirisati. Kašalj i

povraćanje može izazvati koncentracija od 30 ppm a 60 ppm oštećenje pluća. Oko 1000 ppm

može biti fatalna koncentracija ako se samo nekoliko puta udahne ovaj gas. Molarna masa

molekula hlora je 70.9 g/m3. Iz tabele 14 pragovi kritičnih koncentracija su: 0.5, 2, 20 ppm ili

1.45, 5.8 i 58 mg/m3.

Teretni voz je usljed kvara na smjernici iskočio iz šina i prevrnuo se. Jedan od vagona

sadrži hlor pod pritiskom. Vagon je oštećen i iz rupe od 3 cm i na visini od 0.5 m curi gas.



75

Hlor je skladišten pod pritiskom od 2 bara (200 000 Pa) na atmosferskoj temperaturi.

Temperatura vazduha je 17 °C. Gustina gasa na osnovi jednačine 3.20 iznosi 5.8 kg/m3.

Vjetar duva brzinom 2.5 m/s iz pravca jugo-istoka. Dan je sunčan. Na osnovu datih

parametara, zaključuje se da je u pitanju B klasa stabilnosti (Tabela 16).

Tabela 16. Ulazni parametri za ispuštanje hlora


Vrsta gasa Hlor

Hemijska oznaka Cl2

Prečnik otvora [cm] 3

Visina na kojoj se nalazi otvor [m] 0.5

Gustina gasa [kg/m3] 5.8

Pritisak gasa [Pa] 200 000

Temperatura gasa [°C] 17

Atmosferski pritisak [Pa] 101 325


Brzina vjetra [m/s] 2.5


Klasa atmosferske stabilnosti B

Teren Urbano područje


Kritični nivoi za hlor [mg/m3] 1.45, 5.8 i 58

Lokacija izvora

[geografska širina, geografska dužina] 42.431973, 19.269

Kada se ovi parametri unesu u aplikaciju, dobijaju se sljedeće zone:



76

Slika 6.2. Ispuštanje Cl2 iz cistijerne

Kao što je i ranije navedeno, koristi ste Gausov model disperzije koji važi za

konstantan izvor gasa, pa da bi se odredila brzina emisije, nije potrebno znati količinu gasa a

samim tim ni dimenzije cistijerne, već samo oblik rupe iz koje se gas ispušta. Ovako se

modeluje najgori scenario, dok trajanje ispuštanja se izračunava iz dodatnih jednačina.

6.1.3 Scenario 3: Ispuštanje azot dioksida

NO2 predstavlja jedan od najznačajnijih vazdušnih zagađivača. U malim količinama

može da iritira pluća i da smanji njihovu otpornost na respiratorne infekcije. Kontinualno i

učestalo izlaganje koncentracijama koje su znatno veće od onih u prirodi može da prouzrokuje

povećanu učestalost respiratornih oboljenja kod djece. Molarna masa NO2 iznosi 46 g/mol.

Na osnovu tabele 14, kritični pragovi ovog jedinjenja su 0.5, 12 i 20 ppm ili 0.9, 22.5 i 37.6

mg/m3.

Na benzinskoj pumpi u gradu se zapalilo skladište nafte što je uzrokovalo ispuštanja

povećane količine azot dioksida. Izmjerena količina NO2 u neposrednoj blizini pumpe iznosi

1500 g/m3. Smatra se da je visina izvora 1m i otvor mu je prečnika 0.5 m. Brzina izlaznog

gasa je 3 m/s i temperature 400 ˚C. Spoljašnja temperatura je 20˚C, vjetar duva iz pravca



77

jugo-zapada brzinom 4.5 m/s i oblačno je. Na osnovu vremenskih prilika i tabele 2 je

procijenjeno da je u pitanju atmosferska klasa stabilnosti D.

Tabela 17. Ulazni parametri za ispuštanje azot dioksida


Vrsta gasa Azot dioksid

Hemijska oznaka NO2

Brzina emisije [g/s] 1500

Brzina gasa na izlazu [m/s] 3

Temperatura izlaznog gasa [˚C] 400

Visina izvora [m] 1

Prečnik izvora [m] 0.5


Brzina vjetra [m/s] 4.5


Klasa atmosferske stabilnosti D


Kritični nivoi za azot dioksid [mg/m3] 0.9, 22.5 i 37.6

Lokacija izvora

[geografska širina, geografska dužina] 42.447329, 19.236405

Unošenjem datih parametara u aplikaciju, dobija se sljedeće:



78

Slika 6.3. Ispuštanje NO2 usled požara na benzinskoj pumpi

6.1.4 Nesigurna zona i ugroženi put

Za svaku vrstu izvora je moguće odrediti da li je određeni put ili neki objekat od

značaja ugrožen hazardnim gasom. Na slikama 6.4 i 6.5 je demonstriran prikaz datih

informacija. Na prvoj slici, vjetar duva iz pravca sjevera, pa ni put a ni posmatrani objekat

nijesu ugroženi. Put se stoga prikazuje zelenom bojom dok se objekat ne prikazuje. Na drugoj

slici, vjetar je promijenio smer i duva iz pravca zapada. U ovom slučaju, koncentracija gasa

na putu je viša nego dozvoljena pa se onda put prikazuje crvenom bojom. I objekat je ugrožen

pa se on sa svojim imenom, informacijom o broju ljudi i kontakt telefonom prikazuje na mapi.



79

Slika 6.4. Put i objekat nijesu ugroženi

Slika 6.5. Put i objekat su ugroženi hazardnim gasom



80

6.2 Provjera funkcionalnosti rada

Realizovani sistem je potpuno mobilan sistem i veoma lako i brzo se može instalirati

na željenu lokaciju. Sistem je testiran u realnim uslovima kako bi se izvršila provjera njegove

funkcionalnosti i puzdanost na terenu. U ovome dijelu je prikazan GEPSUS sitem u terenskim

uslovima.

Na slikama 6.6 – 6.8 sistem je instaliran na vojnom aerodromu Golubovci u bilizini

cistijerni za skladištenje nafte.

Slika 6.6. Interfejs za prikupljanje podataka



81

Slika 6.7. Instalirani sistem na vojnom

aerodromu Golubovci Slika 6.8. Cistijerne za skladištenje nafte

Na slikama 6.9 i 6.10 je prikazan operativac koji upravlja sistemom.

Slika 6.9. Operativac na terenu Slika 6.10. Operativac u komandnom

centru



82

Na slikama 6.11 - 6.13 sistem je instaliran u blizini benzinske pume u prometnom

dijelu grada. U ovom primjeru se procjenjivao potencijalni rizik usljed havarije i zapaljenja

nafte. Tom prilikom došlo bi do ispuštanja hazardnih gasova (ugljen monoksid, ugljen

dioksik, oksidi azota...). Modelovala se disperzija ovih gasova i procjenjivao uticaj na

okolinu.

Slika 6.11. Benzinska pumpa za koju se

procjenjuje rizik

Slika 6.12. Interfejs za

prikupljanje podataka u blizini

pumpe

Slika 6.13. GEPSUS sistem na terenu



83

Zaključak

Sistemi za modeliranje disperzije gasnih zagađivača igraju značajnu ulogu u

regulatornim agencijama za kontrolu kvaliteta vazduha kao i službama za vanredne situacije.

Oni, na osnovu meteoroloških podataka, vrste izvora, jačine izvora, geometrije terena,

hemijskih karakteristika zagađivača kao i nekih drugih faktora, nastoje da procijene

koncentraciju gasova u određenoj oblasti. Ovi sistemi se najčešće koriste kako bi se odredilo

da li postojeća ili predložena nova idustrijska postrojenja zadovoljavaju propise o kvalitetu

vazduha. Takođe, oni nastoje da pomognu u kreiranju efikasne kontrolne strategije za

smanjenje emisije štetnih zagađivača u vazduhu. Sistemi za modelovanje disperzije koji

koriste službe bezbjednosti i timovi za vanredne situacije služe za planiranje i reakciju usljed

ispuštanja hazardnih gasova.

Po uzoru na postojeće sisteme, nastojeći da se prevaziđu uočeni nedostaci i odgovori

na savremene izazove, nastao je GEPSUS sistem koji je prikazan u ovom magistarskom radu.

GEPSUS sistem predstavlja sistem za simulaciju i vizualizaciju gasnih zagađivača u urbanim

sredinama. Arhitektura sistema, metodologija simulacije i vizualizacija su detaljno objašnjeni.

Akcenat je stavljen na automatski unos meteoroloških parametara i offline ili online

vizualizaciji zona opasnosti.

Izvršena je detaljna analiza postojećih sistema za simulaciju disperzije gasnih

polutanata i uočene su njihove mane i prednosti. Realizovani su matematički modeli za

simulaciju disperzije gasnih polutanata u slučaju njihovog ispuštanja iz industrijskih

dimnjaka, transportnih i statičnih cistijerni i gasovoda. Izvršeno je povezivanja više

podsistema u jednu funkcionalnu cjelinu koristeći nekoliko vrsta komunikacionih protokola.

Dizajniran je uređaj koji vrši prikupljanje podataka sa senzora, njihovo prilagođavanje

određenom formatu i slanje tih formatiranih podatka podsistemu za modelovanje. PC

aplikacija, na osnovu primljenih podataka i podataka koji operater ručno unosi, vrši proračun

zona opasnosti i prikazuje ih u Google Eart i/ili ih obajvljuje na server. Podacima sa servera

se može pristupiti preko Web aplikacije koristeći neki od podržanih uređaja. Pored zona

opasnosti, moguće je proračunati da li je neki značajan objekat ili put ugrožen hazardnim

gasom. Za modelovanje zona opasnosti se koriste realni podaci sa terena prikupljeni u

realnom vremenu sa odgovarajućih senzora ili meteorooških stanica.



84

Dizajnirani sistem se, pored primarne namjene u ekscesnim situacijama, može koristiti

u edukativne svrhe, trening kao i za procjenu rizika. Priloženo je nekoliko scenarija kojima se

demonstrira rad sistema.

U budućem radu se planira:

uključivanje lokalnih ekotoksikoloških stanica,

izrada 3D modela za urbane sredine,

uvođenje fluidnog modela kojim bi bilo moguće simulirati uticaj prepreka,

povezivanje sa drugim sistemima.



85

Literatura

[1] Pontiggia M., Derudi M., Alba M., Scaioni M., Rota R., „Hazardous gas releases in

urban areas: Assessment of consequences through CFD modeling“, Journal of

Hazardous Materials, Volume 176(1–3), 589–596, 2010.

[2] Holmes N.S., Morawska L., „A Review of Dispersion Modelling and its application to

the dispersion of particles: An overview of different dispersion models available“,

International Laboratory for Air Quality and Health, Queensland University of

Technology, Australia, 2006.

[3] Baumann-Stanzer K., Stenzel S., „Uncertainties in modeling hazardous gas releases

for emergency response“, Meteorologische Zeitschrift. Volume 20(1), 19–27., 2011.

[4] De Amicis R., Stojanovic R., Conti G., „GeoSpatial Visual Analytics: Geographical

Information Processing and Visual Analytics for Environmental Security“, Springer.

NATO Science for Peace and Security Series C: Environmental Security, 2009.

[5] R. Stojanović, A. Škraba, R. De Amicis, G. Conti, D. Elhanani, S. Berkowitz, J.

Knežević, G. Nikolić, I. Vujačić, P. Djurašković, „Development of Real-Time

Response System for Air Pollution Dispersion Accidents in Urban Areas“, 16th

International Symposium on Environmental Pollution and its Impact on Life in the

Mediterranean Region, Ioannina , Greece, September 24 to 27, 2011.

[6] Chitumalla K.P., Harris D., Thuraisingham B., Khan L., „Emergency response

applications dynamic plume modeling and real-time routing“ IEEE Internet

Computing. Volume 12 (1) , 38–44, 2008.

[7] Tiwary A., Colls J., „Air Pollution, Measurement, Modelling and Mitigation“, Third

edition, Taylor & Francis, 2010.

[8] World Health Organization, Regional Office for Europe, Copenhagen, „Air Quality

Guidelines for Europe“, Second Edition, 2010.

[9] Daly A., P. Zannetti, „Air Pollution Modeling – An Overview“, Chapter 2 of

AMBIENT AIR POLLUTION (P. Zannetti, D. Al-Ajmi, S. Al-Rashied, Editors).



86

Published by The Arab School for Science and Technology (ASST) and The

EnviroComp Institute, 2007.

[10] Stenzel S., Baumann-Stanzer K., „Dispersion Modeling of Accidental Toxic Gas

Releases – A Model Comparison Study“, 13th Conference on Harmonisation within

Atmospheric Dispersion Modellling for Regulatory Purposes, Paris, France, 2010.

[11] Macdonald R., „Theory and Objectives of Air Dispersion Modelling“, Modelling Air

Emissions for Compliance MME 474A Wind Engineering, 2003.

[12] Beychok M.R., „Fundamentals of Stack Gas Dispersion“, 4th Edition, ISBN 0-

9644588-0-2, 2005.

[13] Assael M.J, „Fires, Explosions and Toxic Gas Dispersions – Effects Calculation and

Risk Analysis“, Taylor & Francis, 2010.

[14] National Semiconductor, „LM35 Precision Centrigrade Temperature Sensor“, 2000.

[15] Radiocrafts AS., „Narrow Band Multi-Channel RF Transceiver Module –

RC1240/1280/1290“, 2011.

[16] Radiocrafts AS., „RC232 Embedded RF Protocol User Manual“, 2009.

[17] Committee on Acute Exposure Guideline Levels, „Acute Exposure Guideline Levels

for Selected Airborne Chemicals“, Volume 6, 2008.

[18] AIHA ERP Committee, „ERPGs - Procedures and Responsibilities“, 2006.

[19] Dodge C., „Euclidean Geometry and Transformations“, Dover, 2004.

[20] Darel Rex Finley, „Point-In-Polygon Algorithm — Determining Whether A Point Is

Inside A Complex Polygon“, 2007.

[21] Thomas C. Hales, „Jordan’s Proof of the Jordan Curve Theorem“, 2007.

[22] Holleman A. F.,Wiberg E, „Inorganic Chemistry“, 2001.

Documents

UNIVERZITET CRNE GORE TRTČ AU LTET - gepsus.ac.me frekventni modul ... Slika 6.12. Interfejs za prikupljanje podataka u blizini pumpe ..... 82 Slika 6.13. GEPSUS sistem na terenu