Tạp chí môi trường

Cơ quan của tổng cục môi trường

Thứ Bảy, ngày 06/03/2021

Nghiên cứu tổng quan các phương pháp xác định nguồn đóng góp bụi PM10, PM2.5 trong không khí xung quanh

03/02/2021

1. Đặt vấn đề

    “Bụi lơ lửng” (PM) là hỗn hợp các hạt rắn và lỏng có kích thước rất nhỏ lơ lửng trong không khí. Có 2 loại kích cỡ của PM trong môi trường không khí xung quanh hiện đang được nghiên cứu nhiều là PM10 (bụi có đường kính động học nhỏ hơn hoặc bằng 10 μm) và PM2.5 (bụi có đường kính động học nhỏ hơn hoặc bằng 2,5 μm). PM2.5 nhỏ hơn (gọi là bụi mịn) và nằm trong tập hợp con của PM10, có thể lưu lại trong không khí trong thời gian dài và bay xa hàng trăm km. Các hạt thô, hoặc các phần tử của PM10 lớn hơn 2,5μm, không tồn tại trong không khí lâu và ảnh hưởng của chúng thường bị hạn chế bởi chúng có xu hướng lắng xuống bề mặt xuôi theo chiều gió từ các nguồn phát thải. Các hạt thô lớn hơn không bay được dễ dàng qua khu vực đô thị hoặc các khu vực rộng vì chúng quá lớn để lơ lửng trong không khí và có xu hướng bị loại bỏ dễ dàng khi tiếp xúc với bề mặt. Nói tóm lại, khi kích thước hạt tăng, lượng thời gian các hạt tồn tại trong không khí giảm.

    Bụi trong không khí có thể được chia theo nguồn phát sinh gồm (1) nguồn tự nhiên và nguồn nhân tạo hoặc (2) nguồn sơ cấp và nguồn thứ cấp. PM10, PM2.5 có thể phát thải trực tiếp vào trong môi trường không khí (được gọi là bụi PM sơ cấp) hoặc được hình thành từ các dạng hỗn hợp khí của ôxit sunfua (SO42-), ôxít nitơ (NO3-), amoni (NH4+) và các hợp chất hữu cơ bay hơi không chứa metan (NHVOC) (được gọi là bụi PM thứ cấp). Cả hai loại này đều có thể được hình thành từ nguồn tự nhiên và do con người. (Norhayati Mohd Tahir et al. 2013).

    Các yếu tố như gió, bão, cháy rừng, núi lửa là những nguồn phát sinh bụi trong tự nhiên. Một số yếu tố khác như chất phóng xạ trong tự nhiên, sóng biển… cũng góp một phần nhỏ nguyên nhân vào phát sinh sơ cấp của bụi PM. Nguồn do con người gây ra gồm có hoạt động đốt nhiên liệu của động cơ đốt trong (động cơ diesel và xăng dầu), đốt nhiên liệu rắn (than đá, than non, dầu nặng và sinh khối) đốt nhiên liệu cho việc sản xuất năng lượng trong các hộ gia đình và công nghiệp, các hoạt động công nghiệp khác (xây dựng, khai thác mỏ, sản xuất xi măng, gốm sứ, gạch, và luyện kim), sự xói mòn của mặt đường do giao thông đường bộ và mài mòn của phanh và lốp xe. Nông nghiệp là nguồn chính tạo nên bụi PM có chứa amoni (NH4+). Bụi PM thứ cấp được hình thành trong không khí thông qua các phản ứng hóa học của các chất ô nhiễm dạng khí. Chúng là sản phẩm của sự biến đổi của các oxit nitơ trong khí quyển (chủ yếu phát ra bởi giao thông và một số quy trình công nghiệp) và lưu huỳnh đioxit từ việc đốt các nhiên liệu có chứa lưu huỳnh. Hạt thứ cấp chủ yếu được tìm thấy trong bụi mịn (PM2.5).

    Trên thế giới đã có rất nhiều nghiên cứu về những vấn đề xung quanh bụi PM cũng như những cơ chế để hạn chế những tác động xấu của vấn đề ô nhiễm bụi PM. Tuy nhiên, ở châu Á, nhất là các quốc gia đang phát triển, thông tin về bụi nói chung và bụi mịn nói riêng vẫn còn khá thiếu. Khi nhận thức về tác hại đối với sức khoẻ và môi trường được nâng lên, gần đây các nghiên cứu về bụi PM ngày càng được chú ý. Nhiều nghiên cứu, đặc biệt ở khu vực châu Á đã tập trung vào bụi PM, đặc biệt PM2.5, trong đó sử dụng nhiều phương pháp khác nhau như sử dụng đánh giá tương quan, mô hình lan truyền, giải đoán ảnh vệ tinh hoặc sử dụng phương pháp phân tích hóa học để nghiên cứu về nguồn phát thải, đặc điểm vật lý, hoá học của các loại bụi.

2. Phương pháp đánh giá tương quan

    Để sơ bộ nhận diện các nguồn phát ô nhiễm tác động một vị trí, có thể xem xét tương quan cặp đôi (pair correlation) giữa các chất ô nhiễm. Hai chất ô nhiễm có hệ số tương quan lớn, nghĩa là hàm lượng của chúng có xu hướng cùng tăng hoặc cùng giảm theo thời gian, vì có thể liên quan đến một nguồn phát chung. Ngược lại, hai chất ô nhiễm không cùng nguồn gốc chắc chắn sẽ có hệ số tương quan bé. Hệ số tương quan bé nhất bằng 0 khi hai chất ô nhiễm diễn biến hoàn toàn độc lập với nhau. Hệ số tương quan cực trị bằng +1 (hoàn toàn đồng biến), hoặc bằng -1 (hoàn toàn nghịch biến). Phương pháp này thường được sử dụng đồng thời với các phương pháp khác, chẳng hạn phương pháp phân tích nhân tố chính hay phân tích thành phần hoá học để có thể hiểu rõ hơn bức tranh về nguồn phát ô nhiễm.

    Một nghiên cứu tại Hàn Quốc về mô phỏng nồng độ bụi PM2.5 khi chỉ có số liệu về nồng độ PM10 đã được công bố năm 2014. Nghiên cứu này đã dựa trên mối tương quan giữa PM2.5 và PM10 để mô phỏng nồng độ PM2.5 (aqicn.org, 2014).

    Một nghiên cứu điển hình ở Việt Nam sử dụng phương pháp tương quan là nghiên cứu nhận diện các nguồn phát ô nhiễm tác động đến trạm quan trắc Láng của Viện Năng lượng nguyên tử Việt Nam. Kết quả phân tích tương quan dựa trên giá trị trung bình giờ của 10 chỉ tiêu quan trắc chất lượng không khí tại trạm khí tượng Láng trong năm ngày đầu tháng giêng 2003. TSP và PM10 tương quan rất mạnh (0,99) với nhau vì PM10 thường chiếm 70-80% hàm lượng của TSP. Tương tự, OBC là thành phần quan trọng trong PM10 nên giữa hai chỉ tiêu này có tương quan khá lớn (0,80). Các khí NO2, CO và NMHC tương quan rất mạnh với nhau (0,94-0,98) vì chúng đều là khí thải trực tiếp từ xe cộ. Nhưng SO2 chỉ tương quan vừa phải với ba chất khí này, chứng tỏ còn có nguồn phát SO2 khác, ngoài xe cộ chẳng hạn như đốt than. O3 tương quan âm với NO2, CO và NMHC thể hiện cơ chế phản ứng quang hoá tạo ra ozone do tiêu huỷ các khí nói trên. Vì mỗi chất ô nhiễm có thể do nhiều nguồn phát ra, ngược lại mỗi loại nguồn lại có thể phát ra đồng thời nhiều chất ô nhiễm, cho nên những hệ số tương quan cặp đôi trên không thể nói gì chi tiết hơn về các nguồn phát ô nhiễm. Có khá nhiều hệ số tương quan thấp và trung bình không mang lại thông tin xác định nào về nguồn phát các chất ô nhiễm.

     (Trịnh Thị Thủy và cộng sự, 2018) cũng đã đánh giá sự ảnh hưởng của hiện tượng nghịch nhiệt đến chất lượng môi trường không khí tại Hà Nội thông qua phương pháp đánh giá tương quan sử dụng thống kê SPSS với kiểm định independent-Sample T-Test. Dữ liệu PM2.5 được sử dụng từ 02 trạm quan trắc môi trường không khí tự động đặt tại Trung tâm Quan trắc môi trường miền Bắc, Tổng cục Môi trường và Đại sứ quán Mỹ tại Hà Nội. Các số liệu về thay sự thay đổi nhiệt độ theo độ cao được thu thập từ trạm Khí tượng Cao không Hà Nội năm 2017. Kết quả nghiên cứu cho thấy sự khác biệt có ý nghĩa thống kê (Sig. < 0,05) giữa hàm lượng PM2.5 trong không khí giữa những ngày có xảy ra hiện tượng nghịch nhiệt và những ngày không xảy ra nghịch nhiệt.

3. Phương pháp phân tích thành phần chính

    Để tiến thêm một bước nữa trong việc nhận diện các nguồn phát ô nhiễm không khí, một số nghiên cứu đã sử dụng phương pháp phân tích nhân tố theo thành phần chính (Principal Component Factor Analysis, PCFA hay Principal Component Analysis, PCA). Đây là một kỹ thuật thống kê được sử dụng rất phổ biến trên thế giới vào những năm 1980 để tìm nguồn phát ô nhiễm không khí từ những kết quả quan trắc. Kỹ thuật PCA còn được dùng kết hợp với Phân tích nhân tố (Factor Analysis – FA), trong đó PCA là phương pháp tạo ra các biến mới với các thành phần tuyến tính với các biến gốc để xác định nguồn gốc các chất ô nhiễm; FA thường được áp dụng sau PCA - thể hiện chi tiết biến động các biến quan trọng nhất theo không gian và thời gian.

    (A. Kamaruzzaman et al. 2017) đã sử dụng kỹ thuật thống kế đa biến như PCA, FA để xác định nguồn gốc chính của các chất ô nhiễm trong khu vực Putrajaya, Malaysia. PCA cùng với FA được thực hiện trên các bộ dữ liệu (tốc độ gió, hướng gió, độ ẩm, SO2, NO2, O3, CO, PM10) cho giai đoạn 2011-2013 để xác định các thông số cũng như xác định các nguồn chính đối với sự biến động ở Putrajaya. Kết quả đã xác định có 4 thành phần chính (CPs) được xác định trị số đặc trưng lớn hơn 0,75, đã được tính toán tương ứng 4 trọng số nhân tố với 23%, 46%, 58% và 79% của tổng biến thiên trong bộ dữ liệu khi thực hiện PCA. Chỉ các trọng số > 0,70 mới được diễn giải. Trọng số nhân tố thứ 2 (VF2) có trọng số dương mạnh đối với tốc độ gió, hướng gió (0,828). Việc vận chuyển các chất ô nhiễm sơ cấp và thứ cấp từ nguồn điểm đến nguồn diện là do tốc độ gió. Trọng số nhân tố thứ 3 (VF3) có trọng số dương mạnh đối với SO2 (0,988). Nguồn của SO2 từ đốt nhiên liệu động cơ xe cơ giới, các nhà máy nhiệt điện than và cháy rừng, hoạt động núi lửa và bão bụi từ các nước láng giềng. Trọng số nhân tố thứ 4 (VF4), có trọng số dương mạnh đối với NO2 (0,906) và CO (0,862). Nguồn phát sinh của CO từ động cơ xe cơ giới và tàu thuyền, đặc biệt khi động cơ khởi động dẫn đến việc đốt cháy không hoàn toàn. NO2 phần lớn từ hoạt động công nghiệp cũng như do tắc đường.

    Một nghiên cứu chuyên sâu khác theo phương pháp PCA được thực hiện đối với biến động theo mùa của đặc điểm hóa học ion đối với thành phần vô cơ của PM2.5 và xác định nguồn gốc của mười hai ion vô cơ có thể hoà tan trong nước (WSII) tại 4 vị trí đại diện của Hàng Châu và Ninh Ba, Trung Quốc (Jing-Sha Xu et al. 2017). Kết quả PCA cho thấy nguồn gốc của WSII chủ yếu đến từ phát thải công nghiệp, đốt sinh khối, chuyển hoá của sol khí vô cơ thứ cấp, một phần không nhiều lắm từ bụi và các vật chất từ đất đá, một phần nhỏ từ muối biển. Ngoài ra, phân tích “backward trajectories” khối khí cũng chỉ ra sự đóng góp của vận chuyển xuyên biên giới các sol khí từ vùng ô nhiễm nặng phía bắc Trung Quốc.

4. Phương pháp phân tích thành phần hoá học kết hợp mô hình

     Phân tích thành phần hoá học kết hợp với PCA sẽ nhận diện tốt hơn đối với nguồn gốc phát sinh của bụi. (Norhayati Mohd Tahir et al. 2013) đã sử dụng PCA để phân tích thành phần cấu tạo của bụi thô (PM2.5-10) và bụi mịn (PM2.5) tại thị trấn ven biển ở Kuala Terengganu, Malaysia. Theo nghiên cứu này, có 6 thành phần hoá học chính đóng góp vào bụi mịn của khu vực được xác định, bao gồm: sol khí khoáng chất (đất), khí từ phương tiện cơ giới, sol khí đại dương, sol khí giao thông, sol khí thứ cấp và đốt sinh khối. Những thành phần này chiếm tới 73% toàn bộ các thành phần trong phân tích thành phần gốc. Đối với bụi thô, phân tích thành phần gốc cho thấy 80% các thành phần tương tự đối với bụi mịn tuy nhiên mức độ quan trọng thì có khác nhau.

    Trong một nghiên cứu về ô nhiễm bụi PM ở 6 thành phố châu Á trong khoảng thời gian 2001-2004, (Oanh, N.T.K et al, 2006) đã xác định các thành phần hoá học chính của bụi PM10, PM2.5. Các thành phần như nhóm khoáng chất (bao gồm các oxit của Al, Ca, Si, Ti, Fe, Na, Mg, K), nhóm vật chất hữu cơ, muối biển và các muối NO3-, SO42-, NH4+ đã được phân tích để từ đó xác định các nguồn đóng góp đối với bụi PM10, PM2.5. Kết quả khái quát cho tất cả 6 thành phố, thành phần chính của PM2.5 và PM10 là nhóm vật chất hữu cơ, EC/BC, NO3- và SO42- và các khoáng chất. Nhóm vật chất hữu cơ và các bon nguyên tố có thể đến từ nhiều nguồn như giao thông, đốt sinh khối và đốt nhiên liệu trong hoạt động dân sinh.

    (Yuan et al. 2006) cũng đã xác định nguồn PM10 tại Hồng Kông bằng cách sử dụng các phép đo thành phần hoá học kết hợp với ứng dụng mô hình thu nhận Unmix và PMF (Positive Matrix Factorization). Theo đó, 7 nguồn được xác định bởi Unmix và 9 nguồn được xác định bởi PMF từ một bộ dữ liệu kết hợp bao gồm tất cả các trạm quan trắc. Nói chung, phát thải sulfate thứ cấp và ô tô địa phương đóng góp lớn nhất vào PM10 ở Hồng Kông (25% mỗi loại), tiếp theo là nitrat thứ cấp (12%). Đóng góp từ các loại nguồn khác dưới 10%.

    Ở Việt Nam các nghiên cứu về các thành phần hoá học trong bụi, đặc biệt là bụi mịn bằng phương pháp phân tích hóa học và việc xác định các nguồn ô nhiễm vẫn còn một số hạn chế. Việc phân tích thành phần của bụi thường được kết hợp với các mô hình (chẳng hạn mô hình PMF) để xác định nguồn gốc bụi. Các nghiên cứu này hầu hết đều được thực hiện trong khuôn khổ các dự án hợp tác quốc tế, đòi hỏi kỹ thuật cao và kinh phí lớn, phương pháp phân tích hóa học cũng chưa được các phòng thí nghiệm trong nước triển khai. Tuy nhiên, cũng đã có những nghiên cứu đi theo phương pháp này và đã thu được những kết quả đáng kể.

    Nhóm các nhà khoa học thuộc Trường Đại học Khoa học Tự nhiên đã phối hợp với Học viện công nghệ châu Á (AIT) tiến hành lấy mẫu xác định nồng độ bụi PM10, PM2.5 tại 07 điểm (thuộc Hà Nội, Tam Đảo (Vĩnh Phúc), Thuận Thành (Bắc Ninh)) và phân tích thành phần hóa học của các loại bụi kể trên, bao gồm: các Ion, carbon đen (BC), các chất hydro carbon thơm đa vòng (PAHs). Kết quả đã chỉ ra thực trạng chất lượng môi trường không khí tại một số nơi quan trắc đã bị ô nhiễm bụi PM10. Các mô hình nơi tiếp nhận như PMF, CBM cũng đã được chạy với các số liệu phân tích chỉ ra một số dạng nguồn thải chính của bụi PM10, PM2.5 như nguồn giao thông, nguồn canh tác nông nghiệp (đốt các chất thải nông nghiệp) và nguồn đốt nhiên liệu than đá.

    (Co, H.X et al. 2014) đã phân tích về mức độ và thành phần của bụi lơ lửng trong không khí xung quanh ở Vườn Quốc gia Tam Đảo – Vĩnh Phúc. Kết quả nghiên cứu cho thấy, nồng độ PM 24 giờ ở khu vực cao nhất trong mùa khô, tiếp theo là thời gian chuyển tiếp giữa 2 mùa và thấp nhất trong mùa mưa. Bụi mịn (PM2.5) chiếm tỷ lệ lớn, trên 70% khối lượng PM10. Nghiên cứu này sử dụng phương pháp phân tích thành phần hóa học để xác định một số nguồn thải chính của bụi PM. Nghiên cứu cũng sử dụng mô hình HYSPLIT để phân tích đường đi của các khối khí tới địa điểm nghiên cứu. Một trong những kết quả cho thấy nồng độ bụi PM tại khu vực nghiên cứu chịu ảnh hưởng của yếu tố mùa và có sự đóng góp của vận chuyển ô nhiễm xuyên biên giới.

    Một đề tài nghiên cứu khác của (Hien, Bac, and Thinh 2004) sử dụng mô hình PMF mô phỏng PM10 trong điều kiện gió mùa ở miền bắc Việt nam. Dữ liệu PM10 thô và mịn được quan trắc tại Hà Nội để phân tích BC và các ion hòa toàn trong nước (WSI), sau đó được phân rã cho 3 quỹ đạo: (1) Phía Bắc, qua vùng lục địa Trung Quốc, (2) Đông Bắc, qua vùng biển Đông, và (3) Tây Nam qua bán đảo Indo. Thông qua sử dụng kỹ thuật PMF cho mỗi quỹ đạo riêng biệt, sáu hoặc bảy nguồn phát từ mỗi kiểu quỹ đạo được trích xuất  bao gồm bụi đất, phát thải sơ cấp và thứ cấp từ hoạt động đốt (LB), bụi đường giao thông, muối biển, sol khí và nguồn lưu chuyển từ xa (LRT). Kết quả cho thấy nguồn lưu chuyển từ xa đóng góp rất ít vào thành phần bụi thô, nhưng chiếm tới 50%, 34% và 33% thành phần bụi mịn tương ứng với từng quỹ đạo 1, 2 và 3. Hơn 2/3 các sulfat mịn là do nguồn lưu chuyển từ xa liên kết với các ammonium. So sánh các nguồn LRT và LB cho thấy rằng không khí từ phía Bắc – Đông Bắc ô nhiễm hơn quỹ đạo phía Tây Nam. Sự đóng góp sol khí từ LRT tương phản theo mùa với nộng độ bụi tối đa vào mùa đông và tối thiểu vào mùa hè. Nghiên cứu cho thấy sol khí vận chuyển từ xa (LRT) đã được phát hiện như một thành phần chủ chốt của PM2.5, chúng chứa Ammonium Sulphate, Cacbon đen và Kali. Thành phần này mạnh hơn cả khi khối không khí lạnh đến miền Bắc qua lục địa Trung Hoa. Trung bình, LRT chiếm 35% khối lượng bụi mịn. Nguồn phát bụi thô chủ yếu là bụi đường/bụi đất, thành phần này mạnh lên rất nhiều về mùa khô khi các khối không khí lạnh đi ngang qua lục địa Trung Hoa trước khi đến miền Bắc Việt nam. Sulphate và Nitrate có mặt trong bụi thô do phản ứng hoá học của các khí Sulfur và Nitrogen với thành phần alkaline trong các hạt khoáng vật.

    (Hai, C.D, Oanh, N.T.K, 2013) sử dụng kết hợp mô hình PMF và HYSPLIT đánh giá tác động của các yếu tố khí tượng và phát thải ở địa phương và khu vực đến nồng độ và thành phần bụi ở Hà Nội. PMF cho 7 nguồn yếu tố bụi PM2.5 bao gồm: PM hỗn hợp thứ cấp  chiếm 40%, hoạt động đun nấu gia đình và thương mại chiếm 16%, sulfate thứ cấp chiếm 16%, hỗn hợp muối biến chiếm 11%, công nghiệp và các lò đốt chiếm 6%, xây dựng chiếm 1%. Sự đóng góp của các nguồn địa phương và khả năng vận chuyển tầm xa được phân tích sử dụng thành phần của PM và sự biến thiên có liên quan đến các nguồn hoạt động và vị trị ở địa phương, quỹ đạo mô hình bởi HYSPLIT.

5. Phương pháp sử dụng mô hình

    Việc sử dụng mô hình kiểm soát chất lượng không khí cho kết quả nhanh chóng và có hiệu quả kinh tế khi mà các trang thiết bị đo đạc ô nhiễm không khí còn hạn chế. Từ những năm 70 trở lại đây, các mô hình toán để tính toán phát tán chất ô nhiễm không khí được phát triển mạnh với trên 20 dạng mô hình và chúng thường được hoàn thiện theo điều kiện của mỗi quốc gia (Văn Hữu Tập, 2016). Ở Việt Nam, phương pháp mô hình hóa hiện nay được sử dụng phổ biến hơn trong việc phân tích và đánh giá hiện trạng cũng như dự báo các tác động môi trường không khí để khắc phục các hạn chế đo đạc do mạng lưới quan trắc chưa đủ mạnh. Các yếu tố khí tượng đóng vai trò rất quan trọng trong phương pháp mô hình hóa để tính toán và dự báo khả năng lan truyền chất ô nhiễm. Các mô hình được chia thành 03 nhóm: mô hình thống kê, mô hình động lực và mô hình số trị; chúng có thể sử dụng độc lập hoặc kết hợp với mô hình khác hoặc kết hợp ảnh vệ tinh để tăng hiệu quả sử dụng.

    Trên thế giới, TAPOM là một trong những mô hình được ứng dụng khá nhiều nước ở khu vực Châu Âu như Thụy Sỹ, Tây Ban Nha, Pháp, Italia… khu vực Nam Mỹ như Colombia, Mexico và cả ở Việt Nam (TP.HCM), được xây dựng bởi PAS - EPFL - mô phỏng quá trình chuyển hóa các chất ô nhiễm không khí trong khí quyển. Đây là mô hình vận chuyển và quang hóa học không gian ba chiều theo mô hình Euler. Mô hình chất lượng không khí là công cụ toán học mô tả quá trình vận chuyển, khuếch tán và chuyển hóa các phản ứng hóa học của các chất ô nhiễm trong không khí. Berliand và Sutton (dạng cải tiến của mô hình Gauss) cũng là hai mô hình được sử dụng rộng rãi trên thế giới để đánh giá, dự báo các chất ô nhiễm không khí thải ra từ các nguồn thải công nghiệp, dân sinh, giao thông vận tải, xây dựng và khai khoáng.

    (Hiep et al. 2016) mô phỏng và dự đoán sự vận chuyển chất ô nhiễm trong khoảng thời gian diễn ra cháy rừng và đốt rơm rạ ở Đông Nam Á bằng dữ liệu mô hình khí tượng và quan sát từ vệ tinh và mặt đất. Cả WRF và HYSPLIT được sử dụng đồng thời để nghiên cứu và so sánh kết quả với dữ liệu MODIS AOD, CALIOP và trạm quan trắc PM10, CO trên vùng Thái Lan, Hồng Kông và Đài Loan. Kết quả mô hình cho thấy nồng độ ô nhiễm trong mùa đốt rơm rạ tháng 3 năm 2014 được vận chuyển từ khu vực địa cao đến phía Nam của Trung Quốc, Hồng Kông, Đài Loan. Một chứng cứ quan trọng là việc đốt rơm rạ giữa tháng 3 không chỉ là nguyên nhân dẫn đến ô nhiễm bụi ở Thái Lan mà còn ảnh hưởng đến chất lượng không khí ở Hồng Kông và Đài Loan.

    Ở Việt Nam, (Phạm Thị Việt Anh, 2001) sử dụng hai mô hình Berliand và Sutton để đánh giá hiện trạng môi trường không khí thành phố Hà Nội năm 2010 do các nguồn thải công nghiệp gây ra. Kết quả cho thấy, nhìn chung Hà Nội bị ô nhiễm TSP ở mức độ cao, nhiều khu vực bị ô nhiễm đến 40% số ngày trong năm. (Nguyễn Huỳnh Ánh Tuyết và cộng sự, 2016) đã đánh giá mức độ ô nhiễm không khí hai bên tuyến đại lộ Bình Dương do ảnh hưởng của hoạt động giao thông bằng mô hình Sutton kết hợp phần mềm Surfer. Kết quả cho thấy, nồng độ các chất CO, NO2 và PM10 nằm trong giới hạn cho phép của QCVN 05:2013/BTNMT, chứng tỏ hoạt động giao thông trên đại lộ Bình Dương chưa gây ảnh hưởng đến chất lượng môi trường không khí xung quanh. 

    Để nghiên cứu những tác động có thể có của các chính sách giảm phát thải cho Hà Nội và các tỉnh lân cận, với sự trợ giúp của GAINS, một loạt các phân bổ nguồn thải được đưa ra giúp ước tính đóng góp hiện tại của các ngành chủ chốt (ví dụ: các nhà máy điện và công nghiệp, giao thông, đốt nhiên liệu trong sinh hoạt hàng ngày, nông nghiệp) vào nồng độ PM2.5 trong khu vực (độ phân giải không gian là 0,1⁰ × 0,1⁰) (Simpson và cộng sự, 2012).

    Mô hình AERMOD của US EPA đã được áp dụng để đánh giá chất lượng không khí tại công ty xi măng Bỉm Sơn, Thanh Hoá. (Phạm Thế Anh và cộng sự, 2010) cho thấy, AERMOD có thể áp dụng đối với vị trí địa hình của Bỉm sơn, Thanh Hóa và các vùng phụ cận.

    (Bac et al. 2006)  đã sử dụng mô hình HYSPLIT để mô phỏng và tính toán nồng độ PM2.5 và PM10 từ các số liệu quan trắc và các tham số khí tượng (nhiệt độ, lượng mưa, tốc độ gió, hướng gió và độ ẩm) tại trạm Láng, Hà Nội. Meti – lis được sử dụng để đánh giá sự biến động ô nhiễm không khí theo ngày đêm và mùa của điều kiện khí hậu vùng núi khu vực Tây Nguyên (Ts. Đầm Quang Thọ, 2014) và tính toán phát tán một số chất gây ô nhiễm không khí từ hoạt động giao thông và công nghiệp trên địa bàn thành phố Thái Nguyên (Đoàn Thị Hoàng Yến, 2013) (Văn Hữu Tập, 2016).

    Để ước tính ô nhiễm không khí ở cấp đường phố, (Ngo Tho Hung và cộng sự, 2014) đã sử dụng mô hình OSPM cho 5 đường phố. Kết quả nghiên cứu cho thấy, xe máy là loại phương tiện chủ đạo ở Hà Nội, chiếm 92–95% tổng số phương tiện giao thông và là nguồn phát thải chính trên đường phố, đóng góp 56% NOx, 65% SO2, 94% CO, 92% BNZ và 86% khí thải PM10. Các loại xe tải và ô tô từ 4 đến 16 chỗ cũng có đóng góp tương đối lớn vào lượng khí thải NOx và SO2. Xe tải đóng góp 21% lượng khí thải NOx và 10% lượng khí thải SO2, và loại xe hơi 4-16 chỗ đóng góp 14% NOx và 19% lượng khí SO2.

    Một nghiên cứu khác mô phỏng lan truyền ô nhiễm bụi PM10 từ hoạt động giao thông trên tuyến đường Trường Chinh - Hà Nội bằng CALROADS VIEW đã cho thấy, ảnh hưởng của hoạt động giao thông đường bộ đến nồng độ bụi PM10 tại khu vực dân cư dọc theo tuyến đường là khá đáng kể. Nồng độ bụi trung bình giờ biến thiên theo từng giờ trong ngày và có tương quan khá chặt chẽ với sự biến thiên lưu lượng xe theo giờ trong ngày trên đường Trường Chinh (hệ số tương quan là 0,74). Với hướng gió chủ đạo là Đông Nam (tần suất 33%) thì khu vực chịu ảnh hưởng lớn nhất do lan truyền bụi PM10 trong không khí là khu vực dân cư phía quận Đống Đa bên cạnh đường Trường Chinh. Trong khi đó hướng gió Đông Bắc (chiếm tần suất 15,2%) sẽ gây ảnh hưởng đến khu vực dân cư quận Thanh Xuân cạnh đường Trường Chinh. Theo nghiên cứu này, nồng độ bụi PM10 từ mô phỏng thấp hơn khá nhiều so với kết quả quan trắc bụi PM10 thực tế tại tuyến đường Trường Chinh, sai số giữa giữa kết quả mô phỏng và kết quả quan trắc là khoảng 15,5% đến 26,5% do PM10 còn được phát sinh từ các hoạt động công nghiệp và dân sinh (Dương Ngọc Bách và cộng sự, 2016).

    (Lê Văn Quy và cộng sự, 2018) mô phỏng nồng độ các chất ô nhiễm trong không khí tại Việt Nam thông qua bộ công cụ kết nối song song giữa mô hỉnh dự báo thời tiết WRF và mô hình chất lượng không khí CMAQ. Các kết quả mô phỏng cho thấy, những khu vực có nồng độ ô nhiễm cao chủ yếu tập trung ở vùng Đồng bằng sông Hồng và Đồng bằng sông Cửu Long. Nồng độ CO, PM2.5, SO2 và NOmô phỏng vào mùa đông (tháng 1) thường cao hơn vào mùa hè (tháng 7) do nồng độ các chất khí mùa mưa thường bị lắng đọng nhiều hơn nên cả giá trị nồng độ và mức độ phát tán của các khí cũng nhỏ hơn so với các tháng mùa khô. Một nghiên cứu gần nhất cũng ứng dụng mô hình WRF/CMAQ để phân tích nguồn phát thải bụi PM2.5 tiềm năng vào tháng 12 năm 2010 (T. H. Nguyen, Nagashima, and Doan 2020).

    (Ho, 2017) ước tính PM10 ở TP. Hồ Chí Minh và đánh giá ảnh hưởng đến sức khỏe thông qua việc sử dụng mô hình Emission Sensitivity để kiểm kê phát thải từ hoạt động giao thông vận tải. Sau đó, sử dụng mô hình Finite Volume model (FVM) và mô hình TAPOM để mô phỏng điều kiện khí tượng và phân bố PM10 trên Tp. Hồ Chí Minh. BenMAP được sử dụng để tính toán số lượng tử vong và thiệt hại kinh tế do PM10.

     Mô hình WRF-Chem đã mô phỏng nồng độ bụi PM2.5 và PM10 vào mùa đông (tháng 1) và mùa hè (tháng 7) năm 2014 và kiểm chứng kết quả mô phỏng với dữ liệu trạm tại khu vực phía Bắc Việt Nam (Do et al. 2020). Ngoài ra, nghiên cứu cũng sử dụng mô hình này để đánh giá ảnh hưởng của đốt sinh khối vào tháng 5 - tháng 6 theo không gian và thời gian đến chất lượng không khí tại khu vực phía Bắc. Bộ dữ liệu vệ tinh VIIRS được sử dụng để cung cấp bổ trợ dữ liệu để quan sát các điểm cháy. Kết quả mô phỏng cho thấy nồng độ bụi PM10 và PM2.5 cao hơn vào thời gian và khu vực có số lượng đám cháy lớn hơn được tìm thấy.

6. Phương pháp sử dụng ảnh vệ tinh

    Bên cạnh việc sử dụng các mô hình tính toán hay phân tích thành phần hóa học để xác định nguồn gốc và mức độ ô nhiễm bụi, thì việc sử dụng ảnh vệ tinh cũng là một hướng tiếp cận cho nhiều kết quả khả quan. Việc sử dụng ảnh vệ tinh giám sát ô nhiễm không khí tập trung vào ước tính các thông số: bụi mịn PM (từ sol khí AOD), NMVOC, và khí (NO2, SO2, CO, CH4, và CO2). Các nghiên cứu gần đây chỉ ra tiềm năng trong việc sử dụng công nghệ ảnh vệ tinh viễn thám cho xây dựng bản đồ và giám sát ô nhiễm kết hợp với các nguồn quan trắc mặt đất (Badarinatha et al. 2009; Monks and Beirle 2011). Các ảnh sol khí có thể được tích hợp với dữ liệu quan trắc bụi trong các mô hình ước tính mức độ ô nhiễm nhằm tăng chất lượng tính toán và dự đoán của các mô hình này. Các phương pháp ước tính PM rất đa dạng, từ hồi quy tuyến tính (Linear Regression - LR), đa hồi quy tuyến tính (Multiple Linear Regression) đến SVR (Support Vector Regression) và SOM (Self Organizing Map) (Gupta and Christopher 2009; Hirtl et al. 2013; Yahi et al. 2011). Mối liên hệ giữa AOT và PM2.5/PM10 đã được xem xét trên nhiều vùng miền khác nhau (Ý, Pháp, Hà Lan, Mỹ, Malaysia, HongKong, Sydney, Thuỵ Sĩ, Delhi, NewYork) với các điều kiện thực nghiệm khác nhau (Chu et al. 2003) (Wang et al. 2003) (Engel-Cox et al. 2004) (Y. Liu et al. 2007).

    Việc so sánh AOD MODIS (AOD quan trắc từ ảnh vệ tinh MODIS) và AOD AERONET (AOD quan sát từ mạng AERONET) tại các khu vực khác nhau được rất nhiều tác giả trên thế giới tiến hành. Kết quả của các nghiên cứu cho thấy hệ số tương quan giữa AOD MODIS và AOD AERONET tại một số khu vực trên thế giới biến đổi từ 0,62 đến 0,99 và tại một vị trí thì hệ số tương quan và sự chênh lệch này cũng biến đổi theo mùa trong năm (Tripathi và cộng sự, 2005; Qifang Xu và cộng sự, 2005; Mielonen và cộng sự, 2011; Qi Yulei và cộng sự, 2013; Sanjay More và cộng sự, 2013).

    (Bridhikitti. 2013) khảo sát các lớp ô nhiễm không khí ở khu đô thị của Bangkok từ ảnh CALIPSO trong các năm từ 2007 đến năm 2011. Kết quả cho thấy lớp sol khí do đốt sinh khối là quan sát được thường xuyên nhất, các lớp khói làm biến đổi và gia tăng nồng độ AOD cao. Các lớp khói này có thể đóng góp vào sự phát thải bên ngoài khu vực đô thị Thái Lan. (Q. Liu et al. 2017) sử dụng dữ liệu quan sát từ CALIPSO để phân tích các đặc tính của sol khí gần bề mặt cũng như ở tầng đối lưu giữa các vùng đô thị Bắc Kinh - Thiên Tân - Hà Bắc (Vùng A) và vùng đồng Bằng sông Dương Tử (Vùng B) ở Trung Quốc. Kết quả cho thấy ô nhiễm khói bụi ở vùng A liên quan đến cả sol khí địa phương và cả nơi khác trong khi tại vùng B, khói bụi liên quan đến nguồn nhân tạo địa phương. Nghiên cứu cũng chỉ ra sự phân bố theo độ cao của các sol khí hình cầu và không phải hình cầu tại hai khu vực này theo mùa. Từ đó nhận định, tỉ lệ bụi mịn ở vùng A là nghiêm trọng hơn vùng B. (Qin et al. 2016) nghiên cứu sol khí xuyên biên giới ở Trung Quốc trong thông qua sử dụng kết hợp dữ liệu quan trắc PM2.5, dữ liệu lidar mặt đất, dữ liệu vệ tinh MODIS và CALIPSO, dữ liệu khí tượng và mô hình quỹ đạo ngược. Còn (Zhao, Yin, and Qu 2015) xác định nguồn bụi ở Lan Châu, Trung Quốc sử dụng kết hợp mô hình quỹ đạo HYSPLIT, độ sâu sol khí từ ảnh MODIS và phân bố sol khí theo chiều dọc từ vệ tinh CALIPSO.

    Tại Việt Nam, việc sử dụng ảnh vệ tinh sol khí ước tính nồng độ bụi PM đã được nghiên cứu và phát triển trong nhưng năm gần đây. Trong nghiên cứu của (Trần Thị Vân và cộng sự, 2014) đã tiếp cận theo hướng sử dụng công nghệ viễn thám để giám sát thành phần bụi PM10 từ ảnh vệ tinh Landsat cho Tp. Hồ Chí Minh. Kết quả cho thấy, phân bố nồng độ PM10 cao được phát hiện trên các điểm giao lộ và trục lộ giao thông, khu công nghiệp và các khu vực có công trình xây dựng. Một nghiên cứu khác của (N.N. Hùng và cộng sự, 2018) đã sử dụng ảnh Landsat 8 OLI và dữ liệu đo bụi bằng mắt nhằm xác định bụi PM10 trong không khí khu vực Hà Nội.

     (T.T Vân và cộng sự, 2012) đã nghiên cứu phát hiện thành phần bụi PM10 từ ảnh vệ tinh SPOT 5 và cho thấy, phân bố không gian nồng độ bụi PM10 > 200µg/m3 được phát hiện hầu hết trên các trục lộ giao thông, các khu công nghiệp và cả khu dân cư. Trong một nghiên cứu khác của (Hung et al. 2016), ảnh sol khí SPOT được sử dụng để ước tính bản đồ bụi PM10 trên vùng Hà Nội với độ phân giải 60m. Kết quả kiểm chứng khi so sánh kết quả ước tính PM10 và dữ liệu quan trắc tương đối tốt, xu hướng biến đổi theo không gian có sự tương ứng với các kết quả khảo sát và điều tra. Sản phẩm PM ước tính của hai bộ cảm biến là MODIS/Terra, Aqua và VIIRS/S-NPP đã được sử dụng để so sánh đánh giá chất lượng mô hình chất lượng không khí trên khu vực nghiên cứu.

    Nhóm nghiên cứu của Trường Đại học Công nghệ đã xây dựng bản đồ bụi PM2.5 cho Hà Nội với độ phân giải 1km từ năm 2012-2014 (T. N. T. Nguyen et al. 2014) và thực hiện xây dựng bản đồ PM2.5 từ vệ tinh MODIS trên phạm vi toàn quốc. Kết quả đánh giá giữa giá trị PM tại trạm quan trắc và giá trị ước tính từ ảnh vệ tinh có tương quan cao, với R2 = 0,64 (T. T. N. Nguyen et al. 2015). Ngoài ra, (P.X. Thành và cộng sự, 2011) đã tiến hành nghiên cứu ảnh hưởng của mưa và hoàn lưu gió mùa tới AOD MODIS tại trạm Bạc Liêu và Bắc Giang. (Tran et al. 2018) đã sử dụng sản phẩm aerosol VIIRS (từ năm 2012 đến năm 2015) và CALIPSO Aerosol Layer Version 3.01 (từ năm 2006 đến năm 2015) để phân tích thành phần sol khí xung quanh trạm Nghĩa Đô, Nha Trang và Bạc Liêu tương ứng với miền Bắc, miền Trung và miền Nam của Việt Nam cho các tháng khác nhau.

    Như vậy, với sự phát triển của công nghệ ảnh vệ tinh trong thời gian gần đây cho thấy tiềm năng của chúng trong việc theo dõi hiện trạng và phân tích đặc điểm ô nhiễm không khí từ cấp độ toàn cầu cho đến cấp độ khu vực, quốc gia cũng như cấp đô thị, bên cạnh các phương pháp quan trắc tại mặt đất.

7. Kết luận

    Tổng quan này tập trung vào các nghiên cứu về bụi PM đã được công bố trên thế giới, bao gồm các vấn đề về hiện trạng, nguồn phát sinh và mối quan hệ với các yếu tố khí tượng và các chất khác trong không khí. Qua các nghiên cứu có thể thấy, đã có rất nhiều nghiên cứu về những vấn đề xung quanh bụi PM, tuy nhiên, ở châu Á, nhất là các quốc gia đang phát triển, thông tin về bụi nói chung và bụi mịn nói riêng vẫn còn khá thiếu. Ở khu vực châu Á, các nghiên cứu về vào bụi PM, đặc biệt PM2.5, tập trung nhiều ở những quốc gia phát triển, sử dụng nhiều phương pháp khác nhau như sử dụng đánh giá tương quan, mô hình lan truyền, giải đoán ảnh vệ tinh hoặc sử dụng phương pháp phân tích hóa học để nghiên cứu về nguồn phát thải, đặc điểm vật lý, hoá học của các loại bụi. Mỗi cách tiếp cận đều có những nhược điểm và ưu điểm riêng. Việc sử dụng độc lập một phương pháp hay kết hợp hai hoặc ba phương pháp sẽ phụ thuộc vào cách tiếp cận và mục đích của mỗi công trình nghiên cứu. Tuy nhiên việc kết hợp các phương pháp sẽ phát huy được thế mạnh cũng như khắc phục được những điểm hạn chế của từng phương pháp.

    Bài báo này được thực hiện trong khuôn khổ đề tài “Nghiên cứu xác định các nguồn đóng góp chính đối với bụi PM10, PM2.5 ở đô thị miền Bắc Việt Nam – Thực nghiệm tại Hà Nội, Quảng Ninh và Phú Thọ”, mã số TNMT.2018.04.01. Qua việc tổng quan các nghiên cứu quốc tế, đề tài đã sử dụng phối hợp các phương pháp đánh giá tương quan, mô hình WRF-Chem và mô hình HYSPLIT, kết hợp giải đoán ảnh vệ tinh CALIPSO để xác định nguồn đóng góp bụi PM10, PM2.5 trong không khí xung quanh. Do điều kiện kinh phí không cho phép, đề tài khuyến nghị sử dụng phương pháp phân tích hoá học trong những nghiên cứu tiếp theo để tăng tính chính xác trong các kết quả nghiên cứu.

Nguyễn Thị Hoa

Trung tâm Truyền thông tài nguyên và môi trường, Bộ Tài nguyên và Môi trường

ThS. Lê Hoàng Anh

Tổng cục Môi trường, Bộ Tài nguyên và Môi trường

TS. Nguyễn Thị Nhật Thanh

Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội

(Nguồn: Bài đăng trên Tạp chí Môi trường số Chuyên đề Tiếng Việt IV/2020)

 

Tài liệu tham khảo

1. A. Kamaruzzaman et al (2017). Assessment on air quality pattern: a case study in Putrajaya, Malaysia. Journal of Fundamental and Applied Sciences, ISSN 1112-9867.

2. Aqicn.org (2014). Simulating PM2.5 Air Quality when only PM10 is available: case study for South Korea.

3. Bac, V.T. et al., 2006. Monitoring and Studying PM 2.5 and PM 2.5-10 Air Dust Pollution at the Lang Meteorological Station, Hanoi.

4. Bridhikitti, A (2013). Atmospheric aerosol layers over Bangkok Metropolitan Region from CALIPSO observations. Atmospheric Research, 127, pp.1–7. Available at: http://dx.doi.org/10.1016/j.atmosres.2013.02.008.

5. Co, H.X., Dung, N.T., Oanh, N.T.K et al (2014). Levels and Composition of Ambient Particulate Matter at a Mountainous Rural Site in Northern Vietnam. Aerosol and Air Quality Research, 14: 1917–1928. doi: 10.4209/aaqr.2013.09.0300.

6. Do, Thi Nhu Ngoc et al. 2020. “Application of WRF-Chem to Simulate Air Quality over the Northern Vietnam.” Environmental Science and Pollution Research. https://doi.org/10.1007/s11356-020-08913-y.

7. Hai, C.D, Oanh, N.T.K (2013). Effects of local, regional meteorology and emission sources on mass and compositions of particulate matter in Hanoi. Atmospheric Environment, 78, pp.105–112.

8. Hiep Nguyen Duc, Ho Quoc Bang, Ngo Xuan Quang (2016). Modelling and prediction of air pollutant transport during the 2014 biomass burning and forest fires in peninsular Southeast Asia. Environmental monitoring and assessment, 188(2), p.106.

9. T.T Vân và nnk (2014). Viễn thám độ dày quang học mô phỏng phân bố bụi PM10 khu vực nội thành Thành phố Hồ Chí Minh. Tạp chí Khoa học ĐHQGHN: Các Khoa học Trái đất và Môi trường, Tập 30, Số 2 (2014) 52-62.

10. Danh mục các tài liệu tham khảo khác lưu tại hồ sơ đề tài “Nghiên cứu xác định các nguồn đóng góp chính đối với bụi PM10, PM2.5 ở đô thị miền Bắc Việt Nam - Thực nghiệm tại Hà Nội, Quảng Ninh và Phú Thọ”.

 

Ý kiến của bạn