Show simple item record

dc.contributor.authorWal JT van der
dc.contributor.authorJanssen LHJM
dc.date.accessioned2012-12-12T17:50:06Z
dc.date.available2012-12-12T17:50:06Z
dc.date.issued1996-09-30
dc.identifier723301007
dc.identifier.urihttp://hdl.handle.net/10029/258926
dc.description.abstractDe ruimtelijke variatie en de variabiliteit in de tijd van PM10-concentraties in Nederland, zoals gemeten in het Landelijk Meetnet Luchtkwaliteit in de periode 1993-1994, zijn geanalyseerd. De concentratiegradienten zijn klein en de concentratieverschillen tussen diverse meetstations bedragen maximaal 20%. Diverse bronnen, zoals verkeers- en stedelijke emissies naast industriele, landbouw- en natuurlijke bronnen, kunnen PM10-concentraties lokaal verhogen. Deze bijdrage is ca. 10% t.o.v. de regionale achtergrondconcentratie. Omdat PM10 een somparameter is voor fijn stof, kan de samenstelling meer variatie vertonen dan het concentratiepatroon in Nederland. Dat voornamelijk bepaald wordt door grootschalige weerpatronen. De meerderheid van waargenomen PM10-concentraties ligt tussen 20 en 50 mug/m3 jaargemiddeld, met slechts kleine verschillen tussen de zomer en de winter. Tijdens episodes kan de PM10 concentratie oplopen tot vier- a vijfmaal het jaargemiddelde (>200 mug/m3). Het Kalman-filter is een tijdsvariable lineaire regressie methode. Het is een geschikte methode gebleken voor het modelleren van de dagelijkse variaties van PM10. In het uiteindelijke model worden de windrichting, de temperatuur en de neerslagduur als verklarende variabelen gebruikt.
dc.description.abstractThe spatial- and temporal variations in PM10 concentrations in the Netherlands, as measured in the National Air Quality Monitoring Network in the period 1993-1994, were analysed. Concentration gradients were small and differences in concentrations between measuring stations amounted to approximately 20% or less. Local sources like traffic and urban emissions and industrial, agricultural and natural sources may increase PM10 concentrations by about 10%, with the regional background as a baseline. Because PM10 is a sum parameter for fine particles, the composition of PM 10 may vary more than its concentration pattern in the Netherlands. This is mainly determined by large-scale weather systems. Most observed PM10 concentrations are found between 20 and 50 mug/m3 during the year, with little difference between summer and winter. During episodes PM10 concentrations may increase to 4 - 5 times the annual average (>200 mug/m3). Kalman-filtering is a time-varying linear regression technique. It was found to be an adequate method in modelling the daily variations of PM10. The final model used took wind direction, temperature and duration of precipitation as explanatory variables.
dc.description.sponsorshipDGM/LE
dc.formatapplication/pdf
dc.format.extent90 p
dc.format.extent4340 kb
dc.language.isoen
dc.relation.ispartofRIVM Rapport 723301007
dc.relation.urlhttp://www.rivm.nl/bibliotheek/rapporten/723301007.html
dc.relation.urlhttp://www.rivm.nl/bibliotheek/rapporten/723301007.pdf
dc.subject07nl
dc.subjectstofnl
dc.subjectconcentratienl
dc.subjectluchtnl
dc.subjectemissienl
dc.subjectmetennl
dc.subjectanalysenl
dc.subjectnederlandnl
dc.subjectfijn stofnl
dc.subjectpm-10nl
dc.subjectdusten
dc.subjectconcentrationen
dc.subjectairen
dc.subjectemissionen
dc.subjectmeasurementsen
dc.subjectanalysisen
dc.subjectnetherlandsen
dc.subjectfine dusten
dc.subjectpm-10en
dc.titleDescription and analysis of ambient fine particle concentrations in the Netherlandsen
dc.title.alternativeBeschrijving en analyses van fijn stof-concentraties in de Nederlandse buitenluchtnl
dc.typeOnderzoeksrapport
dc.contributor.departmentLLO
dc.date.updated2012-12-12T17:50:07Z
html.description.abstractDe ruimtelijke variatie en de variabiliteit in de tijd van PM10-concentraties in Nederland, zoals gemeten in het Landelijk Meetnet Luchtkwaliteit in de periode 1993-1994, zijn geanalyseerd. De concentratiegradienten zijn klein en de concentratieverschillen tussen diverse meetstations bedragen maximaal 20%. Diverse bronnen, zoals verkeers- en stedelijke emissies naast industriele, landbouw- en natuurlijke bronnen, kunnen PM10-concentraties lokaal verhogen. Deze bijdrage is ca. 10% t.o.v. de regionale achtergrondconcentratie. Omdat PM10 een somparameter is voor fijn stof, kan de samenstelling meer variatie vertonen dan het concentratiepatroon in Nederland. Dat voornamelijk bepaald wordt door grootschalige weerpatronen. De meerderheid van waargenomen PM10-concentraties ligt tussen 20 en 50 mug/m3 jaargemiddeld, met slechts kleine verschillen tussen de zomer en de winter. Tijdens episodes kan de PM10 concentratie oplopen tot vier- a vijfmaal het jaargemiddelde (>200 mug/m3). Het Kalman-filter is een tijdsvariable lineaire regressie methode. Het is een geschikte methode gebleken voor het modelleren van de dagelijkse variaties van PM10. In het uiteindelijke model worden de windrichting, de temperatuur en de neerslagduur als verklarende variabelen gebruikt.
html.description.abstractThe spatial- and temporal variations in PM10 concentrations in the Netherlands, as measured in the National Air Quality Monitoring Network in the period 1993-1994, were analysed. Concentration gradients were small and differences in concentrations between measuring stations amounted to approximately 20% or less. Local sources like traffic and urban emissions and industrial, agricultural and natural sources may increase PM10 concentrations by about 10%, with the regional background as a baseline. Because PM10 is a sum parameter for fine particles, the composition of PM 10 may vary more than its concentration pattern in the Netherlands. This is mainly determined by large-scale weather systems. Most observed PM10 concentrations are found between 20 and 50 mug/m3 during the year, with little difference between summer and winter. During episodes PM10 concentrations may increase to 4 - 5 times the annual average (>200 mug/m3). Kalman-filtering is a time-varying linear regression technique. It was found to be an adequate method in modelling the daily variations of PM10. The final model used took wind direction, temperature and duration of precipitation as explanatory variables.


This item appears in the following Collection(s)

Show simple item record