docNarzędzia modelowe w ocenie zasięgu zapachowego - Eko-DOk
download 
Reklamacja Transkrypt
Narzędzia modelowe w ocenie zasięgu zapachowego - Eko-DOk
stężenie zapachowe, emisja zapachu, oddziaływanie zapachowe, modelowanie, odory Tomasz KIEŁBASA*, Piotr SOBCZYŃSKI**, Maria SKRĘTOWICZ **, Izabela SÓWKA** NARZĘDZIA MODELOWE W OCENIE ZASIĘGU ZAPACHOWEGO ODDZIAŁYWANIA OBIEKTÓW GOSPODARKI KOMUNALNEJ (OGK) W pracy przedstawiono przegląd wybranych deterministycznych narzędzi modelowych stosowanych do oceny zasięgu zapachowego oddziaływania OGK (obiektów gospodarki komunalnej) ze szczególnym uwzględnieniem modeli gaussowskich. Wskazano na podstawowe trudności modelowania dyspersji gazów złowonnych oraz czynniki wpływające na niepewność prognozowania stężeń odorantów. Przedstawiono również przykłady zastosowań wybranych modeli w odniesieniu do zagadnień związanych z zapachowym oddziaływaniem obiektów gospodarki komunalnej. Publikacja powstała w ramach pracy statutowej WBiIŚ/2/2011 1. WPROWADZENIE W ciągu ostatnich dziesięcioleci modelowanie rozprzestrzenia odorów w atmosferze stało się istotnym zagadnieniem ze względu na rosnący, w krajach uprzemysłowionych, problem społeczny związany z bliskością źródeł emisji odorów do terenów miejskich oraz rosnącą świadomość społeczną w zakresie ochrony środowiska [14]. Potencjalnymi źródłami emisji zapachów obok działalności przemysłowej, rolnictwa i hodowli są obiekty gospodarki komunalnej (OGK). Pod względem ilości, czy różnorodności źródeł emisji odorów w obrębie instalacji i zakładów komunalnych najbardziej złożonymi obiektami są oczyszczalnie ścieków, zakłady biologicznego przetwarzania odpadów komunalnych, składowiska, zakłady segregacji i spalania tychże odpadów [21, 25]. __________ * Politechnika Białostocka, Katedra Systemów Inżynierii Środowiska ul. Wiejska 45E, 15-351 Białystok, [email protected]. ** Politechnika Wrocławska, Zakład Ekologistyki, pl. Grunwaldzki 9 bud. D-2, pokój 17c, 50-377 Wrocław 262 T. KIEŁBASA i in. Na ocenę zapachowego oddziaływania wybranego źródła emisji składają się takie elementy jak: inwentaryzacja źródeł emisji zapachu, określenie sposobu poboru prób, określenie stężenia zapachowego, określenie emisji odorów oraz stężenia odorów w punkcie recepetorowym [22]. Ocena pojedynczych obiektów może być przeprowadzona w wyniku bezpośrednich badań organoleptycznych, olfaktometrycznych lub instrumentalnych. Zastosowanie narzędzi prognostycznych staje się mniej czaso- i kosztochłonną alternatywą oraz jednym z rozwiązań stosowanych w planowanych i projektowanych inwestycjach [25, 20, 5]. Modele matematyczne do prognozowania zasięgu oddziaływania odorów w powietrzu wywodzą się z metod stosowanych do oceny stężeń substancji w powietrzu [12]. Prognoza obejmuje uwzględnienie trzech zasadniczych elementów: emisji, warunków meteorologicznych oraz transportu zanieczyszczeń i ich przemian w atmosferze [9]. Problem modelowania zapachowej jakości powietrza jest zagadnieniem złożonym. Związane jest to z ujmowaniem emisji zapachu w innej jednostce niż stosowana dla standardowych substancji pyłowych i gazowych. W konsekwencji należy uwzględnić charakterystyczną osobniczo reakcję na zapach. Zastosowanie jednogodzinnego czasu uśredniania nie sprawdza się w przypadku emisji odorów, ponieważ wartości uśrednione nie będą odwzorowywały chwilowych wahań stężenia odorantów. W pracy przedstawiono przegląd wybranych deterministycznych narzędzi modelowych stosowanych do oceny zasięgu zapachowego oddziaływania OGK ze szczególnym uwzględnieniem modeli gaussowskich. Wskazano na podstawowe trudności modelowania dyspersji złowonnych gazów oraz czynniki wpływające na niepewność prognozowania stężeń odorantów. 2. CHARAKTERYSTYKA MODELI STOSOWANYCH W ROZPRZESTRZENIANIU ODORÓW EMITOWANYCH Z OGK Modele starszych generacji służyły do szacowania imisji ze źródeł punktowych o ustalonej emisji, warunki meteorologiczne reprezentowano w postaci klas równowagi atmosfery oraz przedziałów kierunku i prędkości wiatru. Wraz ze wzrostem mocy obliczeniowej komputerów i możliwości pozyskiwania obszerniejszych danych wejściowych pojawiła się możliwość opisu czasowej charakterystyki emisji i jej zależności od innych czynników tj. temperatury czy zachmurzenia. Postępujące udoskonalenia modelu meteorologicznego pozwoliły na opisywanie zmiennego w czasie pola warunków meteorologicznych np. prędkości ruchu powietrza, współczynników turbulentnego mieszania, temperatury czy wilgotności[9]. Gaussowskie modele smugi (GMS) bazują na założeniu rozprzestrzeniania się smugi ze źródła emisji nie zmieniającej się w czasie. Do kluczowych zagadnień tych modeli zalicza się: opis dyfuzji turbulencyjnej, wyznaczanie wysokości efektywnej emisji, wy- Narzędzia modelowe w ocenie zasięgu zapachowego oddziaływania (OGK) 263 znaczanie średniej prędkości wiatru w warstwie rozprzestrzeniania się zanieczyszczeń [9, 11 ,22]. Modele nowszej generacji np. AERMOD (American Meteorological Society/Environmental Protection Agency Regulatory Model), ADMS (Atmospheric Dispersion Modelling System) współpracują z preprocesorami meteorologicznymi pozwalającymi, na podstawie danych meteorologicznych, wyznaczyć pionowe profile wiatru, turbulencji i temperatury. Model AERMOD posiada dwa moduły obliczające stężenie zanieczyszczeń. Warunki obojętne i stabilne opisywane są zgodnie z rozkładem gaussowskim, natomiast prądy konwekcyjne zstępujące i wstępujące obliczane są jako suma rozkładów Gaussa dla każdego z nich [11]. Pomimo iż AERMOD i ADMS bazują na podobnych zasadach obejmujących opis warstwy granicznej (skala długości Monina-Obukhova, grubość warstwy granicznej atmosfery), różnice można znaleźć w algorytmach zastosowanych w preprocesorach meteorologicznych oraz równaniach dyspersji (tabela 1). W rezultacie opis wyniesienia smugi wydaje się być głównym powodem różnic w obu modelach - dotyczy to szczególnie źródeł na poziomie gruntu dla analizy długoterminowej. W scenariuszach krótkoterminowych nie wykazano znaczących różnic, co ze względu na emisję odorów z OGK ma większe znaczenie, gdyż krótkoterminowe fluktuacje stężeń substancji złowonnych mogą przełożyć się na oddziaływanie zapachowe danego obiektu[9]. Gaussowskie modele obłoków nie posiadają ograniczeń ustalonych i jednorodnych warunków meteorologicznych związanych ze stanami równowagi atmosfery. Obłoki poruszają się po trajektoriach wyznaczanych na podstawie pola wiatru lub modelu meteorologicznego, a rozkład stężeń wewnątrz obłoku obliczany jest na podstawie podobnych zależności, jak w GMS. W danym punkcie receptorowym stężenie zanieczyszczenia jest określane na podstawie sumy stężeń jednostkowych od wszystkich obłoków wygenerowanych przez źródło. Gaussowskie modele obłoków np. CALPUFF (California Puff Model) w odróżnieniu od GMS uwzględniają długotrwałe stany stagnacji, cisz i słabych wiatrów co może skutkować odmiennymi wynikami symulacji [9, 22, 16]. Tabela 1. Zestawienie wybranych parametrów gaussowskich modeli smugi i obłoków [27,16, 28]. Skala zastosowania Źródło emisji Preprocesor meteorologiczny Parametry warstwy granicznej Wyniesienie smugi Moduł uwzględnienia budynków czas uśredniania ADMS AERMOD CALPUFF Lokalna, miasta, powyżej 50 km Powyżej 50 km od Lokalna, regiood źródła źródła nalna Punktowe, liniowe, objętościowe, powierzchniowe ADMS AERMET CALMET Grubość granicznej warstwy atmosfery, skala długości Monina-Obukhova Zaawansowane algorytmy Formuła Briggsa ADMS PRIME ISC Poniżej lub 1h 1h Poniżej lub 1h 264 T. KIEŁBASA i in. W Lagrange’owskich modelach ruchu pseudocząstek rozprzestrzenianie się zanieczyszczeń opisywane jest poprzez symulację ruchu dużej liczby pseudocząstek, gdzie każda z nich reprezentuje określoną masę zanieczyszczeń. Ruch cząstek wyznaczany jest przez ruch średni (wiatr) i składową losową związaną z charakterystykami turbulencji [9,11]. Stężenie w danym punkcie recepcyjnym uzyskuje się za pomocą estymatorów prawdopodobieństwa lub poprzez zliczenie cząstek w komórkach [11]. Przykładem takiego modelu jest Austal2000. Trudności modelowania zjawiska transportu wyemitowanych substancji związane są z takimi elementami jak: szacowanie emisji, jakość danych meteorologicznych, natura związków odorotwórczych i zmysłu powonienia. Prawidłowe określenie emisji niezbędne do modelowania stężeń zanieczyszczeń w powietrzu warunkowane jest charakterem emisji i charakterystyką jej źródeł. W przypadku OGK możemy mieć do czynienia ze źródłami emisji punktowej, powierzchniowej, czasami liniowej, a także o charakterze objętościowym. W takich przypadkach wielkość emisji może zależeć od wielu czynników: skład i wieku surowca poddawanego obróbce, temperatury, wilgotności materiału, opadów, czy prędkość wiatru. Jeżeli emitorem jest lustro ścieków, może ono znajdować się poniżej poziomu terenu, co dodatkowo utrudnia prawidłowe określenie emisji.[18, 12, 24] Przeszkody terenowe w postaci drzew, czy obiektów kubaturowych zakłócają lokalne pole wiatru, a przez to rozkład przestrzenny stężeń [12]. W przypadku napotkania przez zanieczyszczenia budynku możemy mieć do czynienia: 1) ze zmianą kierunku propagacji poprzez rozchodzenie się wyemitowanych substancji na boki, pod lub nad budynkiem, 2) z wytworzeniem dodatkowych turbulencji, co wpłynie na zintensyfikowanie dyspersji oraz 3) z akumulacją materiału w strefie za budynkiem, co rzutuje na jego propagację w okolicach - taka sytuacja często ma miejsce na terenie oczyszczalni ścieków. Efekt budynków szeroko opisany w [18] może być przyczyną odmiennych wyników modelowania i tak np. przy zastosowaniu modelu AERMOD przewiduje niższe stężenia zanieczyszczeń niż w przypadku ADMS [13 ]. Standardowo preprocesory AERMOD oraz ADMS wymagają cogodzinnych danych meteorologicznych oraz danych ze stacji radiosondażowej aktualizowanych dwa razy na dobę. Natomiast model CALPUFF pozwala na wykorzystanie danych meteorologicznych z pojedynczych lub wielu stacji, a także z systemów prognoz pogody [11]. Jak wykazano w [17, 14, 15] dane meteorologiczne ze stacji umiejscowionej na terenie obiektu mogą przyczynić się do trafniejszych prognoz modelowania. Uśrednianie stężeń charakterystyczne dla substancji pyłowych i gazowych np. jedna godzina wydaje się być niewystarczające dla prognozowania stężeń odorantów w powietrzu, ponieważ wartości uśrednione nie będą odwzorowywały chwilowych wahań stężenia odorantów. Krótszy czas uśredniania będzie wiązał się z wyższą wartością stężenia zapachowego w danym okresie niż średnią jednogodzinną [6]. Dodatkowo wysokość pików stężeń oraz częstość ich występowania zależeć będzie od: typu źródła, wysokości nad gruntem, obecności przeszkód terenowych, topografii terenu, odległością źródła od recep- Narzędzia modelowe w ocenie zasięgu zapachowego oddziaływania (OGK) 265 tora, stanów równowagi atmosferycznej i turbulencji w strefie mieszania. [15] Model ADMS umożliwia zastosowanie analizy fluktuacji z czasem uśredniania poniżej jednej godziny [1], jednak istnieją wątpliwości, co do niepewności wynikającej z tego rozwiązania, a wręcz zaleca się stosowanie uśredniania jednogodzinnego z porównywaniem wyników uzyskanych z badań terenowych [13]. Stosowanie innej jednostki emisji związków złowonnych niż w przypadku standardowych zanieczyszczeń powietrza, niesie ze sobą konsekwencje uwzględnienia właściwości zmysłu powonienia i związanego z nim np. różnych progów wyczuwalności węchowej dla danych związków i charakterystycznych osobniczo, procesu adaptacji do zapachu i samego kryterium subiektywnej oceny uciążliwości zapachu [8]. Tabela 2. Skala niepewności szacowania stężeń odorantów w modelowaniu rozprzestrzeniania zapachu [13] Niepewność Niewielka Średnia Duża Szacowanie emisji zapachu Częste pomiary z wykorzystaniem olfaktometrii dynamicznej Pojedyncze źródło emisji Pojedynczy mało reaktywny odorant Ciągła, nie zmieniająca się w czasie emisja Emisja zorganizowana Wiele powtórzeń oznaczeń prób z wykorzystaniem olfaktometrii dynamicznej Wiele źródeł punktowych Częste pomiary na podobnym obiekcie Znany cykl produkcyjny, technologiczny Kilka analiz z wykorzystaniem olfaktometrii dynamicznej Źródła dyfuzyjne Źródła powierzchniowe lub objętościowe Reaktywne odoranty/ mieszanina odorantów Emisja zmienna w czasie Opublikowane wskaźniki emisji Natężenie emisji zależne od warunków meteorologicznych Modelowanie zapachu Teren niezróżnicowany Brak budynków Roczna baza danych meteorologicznych dla płaskiego terenu Średnia jednogodzinna Wybór receptorów Więcej niż jeden model dyspersji Pojedynczy budynek Dane meteorologiczne ze złożonego terenu Modelowanie 98 percentyla Wiele źródeł punktowych Wybór modelu nowej generacji Złożony teren Wiele budynków Współczynniki “pik do średniej” Modelowanie 99 i 100 percentyla Emisja o charakterze poziomym Emisja utrudniona poprzez zastosowanie osłon obiektów technologicznych Niepewność modelu - całkowity błąd modelowania - powstaje na skutek: uproszczeń opisu procesów fizycznych i chemicznych, opisu transportu mającego charakter turbulencyjny oraz związana jest z niedokładnością danych wejściowych [11 ]. Błąd modelowania wzrasta w przypadku emisji o charakterze zmiennym w czasie, szczególnie gdy w badanym obiekcie mamy do czynienia z wieloma emitorami. Olfaktometria dynamiczna pozwala na oszacowanie chwilowych wahań emisji odorów, jednak zmienność emisji w powiązaniu ze zmiennymi warunkami meteorologicznymi w modelowaniu matema- 266 T. KIEŁBASA i in. tycznym jest najważniejszym źródłem niepewności [13]. Niepewności szacowania stężenia odorów w zależności od wybranych parametrów przedstawiono w tabeli 2. 3. PRZYKŁADY ZASTOSOWAŃ WYBRANYCH MODELI W OCENIE ZAPACHOWEGO ODDZIAŁYWANIA OGK Modele matematyczne mogą znaleźć zastosowanie do określenia zasięgu oddziaływania zapachowego oczyszczalni ścieków [3], kompostowni [2] oraz składowisk odpadów. [19] Inne możliwości to: ocena modernizacji istniejących zakładów i wybór technik dezodoryzacji celem maksymalnej redukcji oddziaływania zapachowego na tereny przyległe [15], czy wpływu zanieczyszczeń napływowych na potencjalne zapachowe oddziaływanie OGK [7], identyfikację źródeł emisji mających istotny udział w emisji zapachu z terenu całego miasta [4]. Dodatkowo modelowanie można zastosować do porównania uciążliwości zapachowej ocenianej przez społeczeństwo z prognozowanymi wynikami [26]. Zestawienie modeli stosowanych w zapachowej ocenie obiektów gospodarki komunalnej przedstawiono w tabeli 3. Tabela 3. Zestawienie wybranych modeli matematycznych i ich zastosowań w kontekście zapachowego oddziaływania OGK model obiekt ADMS Oczyszczalnia ścieków CALPUFF Oczyszczalnia ścieków Polski model referencyjny CALPUFF CALPUFF zastosowanie Oddziaływanie zapachowe przed i po modernizacji obiektu Ocena wpływu zanieczyszczeń napływowych na oddziaływanie zapachowe obiektu źródło Oczyszczalnia ścieków Oddziaływanie zapachowe obiektu [3] Kompostownia Składowisko odpadów Oddziaływanie zapachowe obiektu Oddziaływanie zapachowe obiektu Uciążliwość zapachowa a prognozy stężeń odorantów Określenie prawdopodobieństwa wykrycia i stopnia uciążliwości obiektu Identyfikacja najbardziej problematycznych źródeł emisji zapachu na terenie miasta [2] [19] CALPUFF Oczyszczalnia ścieków AERMOD Oczyszczalnia ścieków CALPUFF Oczyszczalnie ścieków, stacje segregacji odpadów stałych [15] [7] [26] [9] [4] 4. PODSUMOWANIE Modelowanie rozprzestrzeniania związków odorotwórczych oraz ocena zasięgu zapachowego oddziaływania jest zagadnieniem złożonym. Obok podstawowych proble- Narzędzia modelowe w ocenie zasięgu zapachowego oddziaływania (OGK) 267 mów związanych z jakością danych wejściowych istotnym staje się uwzględnienie reakcji organizmu na subiektywne odczucie, jakim jest percepcja zapachu. Dlatego zastosowanie krótszych czasów uśredniania niż w przypadku standardowych zanieczyszczeń pyłowych i gazowych wydaje się być kluczowym problemem w modelowaniu dyspersji odorantów. Należy jednak pamiętać, iż wykorzystanie narzędzi modelowych związane jest z błędami w prognozowaniu stężeń substancji. Wybór odpowiedniego modelu, powinien być poprzedzony rzetelną oceną jego przydatności do danego zastosowania, tak aby uzyskać możliwie najmniejszą niepewność wyników. LITERATURA [1] [2] [3] [4] [5] [6] [7] [8] [10] [11] [12] [13] ADMS 5 Atmospheric Dispersion Modelling System User Guide version 5.0, Cambridge Environmental Research Consultants Ltd., 2012. BELGIORNO V., NADDEO V., ZARRA T., Odour Impact Assessment Handbook, Chichester : John Wiley a. Sons, 2013, 125-168, 205-249. BUSINI V., CAPELLI L., SIRONI S., NANO G., ROSSI A.-N., BONATI S., Comparison of CALPUFF and AERMOD Models for Odour Dispersion Simulation, źródło online: http://www.aidic.it/cet/12/30/035.pdf CAPELLI L., SIRONI S., DEL ROSSO R., CÉNTOLA P., ROSSI A., AUSTERI C., Olfactometric approach for the evaluation of citizens' exposure to industrial emissions in the city of Terni, Italy, Science of the Total Environment, 2011, Vol. 409, 595–603. CARRUTHERS D.-J., MCHUGH C.-A., VANVYVE E., SEATON M.-D., SOLAZZO E., Comparison of ADMS and AERMOD Meteorological. Preprocessor and Dispersion Algorithms. Paper # 10, źródło online: www.cerc.co.uk DREW G.-H., SMITH R., GERARD V., BURGE C., LOWE M., KINNERSLEY R., SNEATH R., LONGHURST P.-J., Appropriateness of selecting different averaging times for modelling chronic and acute exposure to environmental odours, Atmospheric Environment, 2007, Vol. 41, No. 13, 2870-2880. FORTUNA M., GŁUSZCZAK J., JADCZYK P., KITA U., KOŁWZAN B., KRAWCZYŃSKA M, NYCH A., PAWLIK M., PASTERNAK G., SKRĘTOWICZ M., SOBCZYŃSKI P., SÓWKA I., ŚWIETLIK J., SZAŁATA ł, ZWOŹDZIAK J., Analiza napływowych zanieczyszczeń powietrza oraz określenie wpływu miasta Poznania na stan sanitarny powietrza wokół COŚ, opracowanie z badań, Stowarzyszenie Eko-Biegły, Wrocław 2012 r KOŚMIDER J., MAZUR-CHRZANOWSKA B., WYSZYŃSKI B., Odory, Wydawnictwo Naukowe PWN, 2002, druk na żadanie wersja II, 21-69[9] LATOS M., KARAGEORGOS P., KALOGERAKIS N., LAZARIDIS M., Dispersion of Odorous Gaseous Compounds Emitted from Wastewater Treatment Plants, Water, Air, & Soil Pollution, 2011, Vol. 215, No. 1-4, 667-677. ŁOBOCKI L., Wskazówki metodyczne dotyczące modelowania matematycznego w systemie zarządzania jakością powietrza, Ministerstwo Środowiska, Główny Inspektorat Ochrony Środowiska WARSZAWA, 2003, 5-59. MARKIEWICZ M., Podstawy modelowania rozprzestrzeniania się zanieczyszczeń w powietrzu atmosferycznym, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2004, 71-339. NEUMANN, M. Modelowanie jakości zapachowej powietrza atmosferycznego, Przegląd Komunalny, 2005, nr 11, 114-119. PULLEN J., VAWDA Y., Review of Dispersion Modelling for Odour Predictions, Environment Agency, 2007, 11-124. 268 T. KIEŁBASA i in. [14] RANZATO L., BARAUSSE A., MANTOVANI A., PITTARELLO A., BENZO M., PALMERI L., A comparison of methods for the assessment of odor impacts on air quality: Field inspection (VDI 3940) and the air dispersion model CALPUFF, Atmospheric Environment, 2012, Vol. 61, 570-579. [15] ROUSSEILLE F.,SENANTE E., VENOT S., Use of dispersion modelling for the design and operation of wastewater and composting plants, IWA Conference, Barcelona, 2008. [16] SCIRE J.-S., STRIMAITIS D.-G., YAMARTINO R.-J., A User’s Guide for the CALPUFF Dispersion Model (Version 5), Earth Tech. Inc. 2000. [17] SHERIDAN, B.-A., HAYES E.-T., CURRAN T.-P., DODD V.-A., A dispersion modelling approach to determining the odour impact of intensive pig production units in Ireland, Bioresource Technology, 2004, Vol. 91, 145–152. [18] SIMMS K.-L., WILKINSON S., BETHAN S., Odour nuisance and dispersion modelling: an objective approach to a very subjective problem, źródło online: http://www.environmentalexpert.com/Files%5C4761%5Carticles%5C2950%5C6OdourNuisanceandDispersionModelling.pdf [19] SNIDAR R., CULÒS B., TROVARELLI A., SOLDATI A., SIRONI S., CAPELLI L., Evaluation of odour emissions from a landfill through dynamic olfactometry, dispersion modelling and electronic noses 2008, źródło online: http://www.aidic.it/nose2008/webpapers/54Snidar.pdf [20] SÓWKA I., Metody identyfikacji odorotwórczych gazów emitowanych z obiektów przemysłowych, Prace Naukowe Instytutu Inżynierii Ochrony Środowiska Politechniki Wrocławskiej Nr 90, seria Monografia nr 55, Wrocław 2011, 7-90. [21] SÓWKA I., Ocena zasięgu oddziaływania zapachowego zakładu przemysłowego na przykładzie wybranej cukrowni, Ochrona Środowiska, 2011, Vol. 33, No. 1, 31–34. [22] SÓWKA I., Określenie zapachowego oddziaływania wybranego zakładu przetwórstwa rolnospożywczego przy zastosowaniu olfaktometrii dynamicznej oraz metod obliczeniowych, Proceedings of ECOpole, 2011, Vol. 5, No. 1, 317–323. [23] SÓWKA I., SOBCZYŃSKI P., SKRĘTOWICZ M., KITA U., ZWOŹDZIAK J., Zastosowanie wybranych narzędzi matematycznych oraz geostatystycznych do oceny zapachowej oczyszczalni ścieków, Polska Akademia Nauk, Komitet Inżynierii Środowiska, monografia Nr 99, Tom I, Lublin 2012, 261-268. [24] SÓWKA I., ZWOŹDZIAK P., ZWOŹDZIAK A., ZWOŹDZIAK J., Problemy uciążliwości zapachowej wybranych obiektów gospodarki komunalnej, źródło online: http://www.pzits.not.pl/docs/ksiazki/Ekotoks_2008/Sowka%20409-414.pdf [25] SZYNKOWSKA M.-I., ZWOŹDZIAK J., Współczesna problematyka odorów, Wydawnictwa Naukowo-Techniczne, Warszawa 2010, 14-52. [26] ZARRA T., GIULIANI S., NADDEO V., BELGIORNO V., Odour impact evaluation from wastewater treatment plant, 2011, http://www.srcosmos.gr/srcosmos/showpub.aspx?aa=15224. [27] http://gamta.lt/files/seminaras_ADMS_comparison_D_Carruthers_2010-01-19.pdf. [28] http://www.cerc.co.uk/environmental-software/ADMS-model.html. MATHEMATICAL TOOLS IN ODOUR IMPACT ASSESSMENT OF THE MUNICIPAL FACILITIES This paper presents an overview of selected deterministic model tools used to assess the impact of olfactory range of municipal facilities with particular emphasis on Gaussian models. The fundamental difficulty of the dispersion modeling of odorous gases and factors affecting the uncertainty of predicting concentrations of odorants were indicated. Examples of applications of selected models to issues related to the odor impact of municipal facilities were also presented.
