L e i f A x e n h a m n

Transkript

1 Leif Axenhamn

2 INNEHÅLLSFÖRTECKNING Inledning 2 Sammanfattning 3 Mätstations Beskrivning 4 Mätteknik 4 Stationsfakta 6 Analysatorfakta 12 Analys 14 Mätdata 14 Principalkomponentanalys 22 Regressionsanalys 29 Slutsatser och Förslag 48 Referenser 52 OPSIS - Mätsystem att mäta luftföroreningar i tätbebyggda områden (bild: OPSIS AB) 1

3 MÄTDATA-ANALYS INLEDNING På uppdrag av Göteborgsregionens Luftvårdsprogram har Miljöförvaltningen i Göteborg utfört en analys av mätstationerna vid Mölndals Bro (Mölndals kommun) och Järntorget (Göteborgs kommun). Syftet med analysen är att utifrån framtida krav anpassa mätningarna, dels med avseende på kvalitet och dels utifrån parametersättning och mätsträckornas utformning. Mätningar med hjälp av den sk DOAS tekniken har bedrivits sedan 1988, de första mätplatserna var belägna i Gamlestaden, Ryaverken, Volvo/Torslanda och Mölndals Bro. Efter en genomgång 1990 förändrades mätningarna genom att man flyttade och förändrade mätningarna till den situation vi har idag. Även vid den genomgången/förändringen var tanken att öka informationsvärdet utifrån en begränsad kostnad. Idag bedrivs mätningarna i Luftvårdsprogrammets regi på följande platser: Järntorget, Mölndals Bro och Gårda (längs Kungsbackaleden). Eftersom Gårdastationen är en speciell station med inriktning mot en isolerat område ingår den ej i denna analys. Arbetets inriktning och metod bygger på dels en genomgång av mätstationernas ingående utrustning och dels analys av mätdata genom bl.a. utnyttjande av statistiska och matematiska analysverktyg Målet är att optimera mätningarna vid stationerna utan att förlora informationsinnehållet mot bakgrund av de nya EUdirektiven och Miljökvalitetsnormerna till en så låg kostnad som möjligt. Källor till luftföroreningar 2

4 SAMMANFATTNING Sammanfattningsvis kan resultatet uppdelas i två delar. Den första gäller de tekniska komponenterna och den andra gäller förändring av parametrar och mätsträckor. 1. Efter genomgång av mätstationernas tekniska utrustning visar det sig att den är i stort behov av uppdatering. Det gäller framförallt datorns beräkningsprestanda som till en mindre kostnad skulle innebära väsentlig förbättring när det gäller databeräkningar och kommunikationsmöjligheter. Uppdatering borde också ske när det gäller modem och kommunikationsmjukvara (det borde i dagsläget vara möjligt att kommunicera med en hastighet av bps). En sådan förbättring är väsentlig eftersom det finns önskemål att utöka kommunikationsflödet mellan mätstationer och dataserver för att skapa förutsättningen till kvalitetsarbete såsom validering och analys av producerad mätdata. DOAS tekniken medger också kontroll och analys av analysspektrum etc. som kan vara intressanta att tillgodogöra sig i kvalitetsarbetet. Detta kräver goda möjligheter till kommunikation/fjärrstyrning av mätstationerna (vilket borde minska servicekostnaderna). Det finns (kommer att finnas) önskemål att kommunicera med ett tätare intervall exempelvis minuter (integrationstider) för att säkerställa övervakning i vissa områden där fluktuationer kan vara intressanta att dokumentera (speciellt i gaturum o.dyl.). 2. I denna analys visar det sig att mätningarna överlag har blivit bättre genom åren för att till dags datum ändå inte vara acceptabel för vissa parametrar och mätsträckor. Det gäller framför allt de längre mätsträckorna och mätningar av kolväten. DOAS tekniken producerar idag mätdata med bra kvalitet och tillgänglighet när det gäller svaveldioxid, kvävedioxid och ozon. Det är dock tveksamt om man med dagens metod (servicegrad etc.) kan utnyttja kolvätemätningarna i övervakningssyfte med realtidspresentation. Dels är tillgängligheten ibland mycket låg >50 % och dels måste man vara mycket observant när man utvärderar resultaten som ibland kan visa sig märkliga (se analysresultat och regressionsgraferna där anhopningar av data föreligger). I tätorter är trafiken en dominant källa till uppmätta kolväten, vilket borde avspegla sig i analysen, men i vissa tidsserier avviker data på ett sådant sätt att man kan bli mycket tveksam till kvaliteten på datamaterialet. Däremot ser man tydliga samband mellan parametrar och sträckor för svaveldioxid (SO 2), kvävedioxid (NO 2) och ozon (O 3). Viss olikhet i mätdatamaterialet måste man ta hänsyn till, det kan vara lokal källpåverkan, tidsförskjutning i materialet, fotokemiska förändringar av vissa parametrar osv. Ett annat problem är att stationerna etablerades när en lägre kunskap fanns i teknikens möjligheter, numera finns andra rekommendationer från leverantören som ställer andra krav på bl.a. sträckornas längd, tillgång till anpassad mjukvara, val av lampor och tillsynsfrekvens/kalibrering etc. Trots förbättring av mätdata materialet sedan början av 1990-talet bör man minska på antalet mätparametrar per mätsträcka för att kunna uppnå bästa möjliga mätdatakvalitet. Det är inte motiverat att mäta alltför många parametrar vid samtliga mätsträckor. Det är här optimering kommer in, genom att analysera mätdata på ett bra sätt kan vi finna eventuella samband mellan parametrar och mätsträckor. Denna analys har funnit att vissa mätparametrar och mätsträckors samband är extremt bra. I dessa fall är det tveksamt om man behöver mäta på fler än två mätsträckor samtidigt, man kan med andra ord utesluta vissa mätsträckor/mätparametrar utan att för den delen förlora informationsinnehållet över mätstationen. Motsvarande om det förekommer avvikelse så kanske man bör hålla fast vid att mäta med ett flertal mätparametrar/mätsträckor samtidigt för att öka informationsinnehållet i mätningarna. Ska mätningarna av kolväten och kvävemonoxid fortgå måste kvaliteten och tillgängligheten öka väsentligt. Det kan troligtvis genomföras genom tätare och noggrannare tillsyn till en kostnad som måste beaktas. I detta arbete rekommenderas att mätningar tillsvidare ska genomföras med teknik och rekommenderad underhållsrutin godkänd eller accepterad av något officiellt organ typ U.S. EPA (de 3

5 amerikanska miljömyndigheternas testorgan), TÜV (det tyska organet för tester och godkännande av mätningar i omgivningsluft). Så snart godkännande finns enligt U.S. EPA, TÜV eller motsvarande bör mätningarna av kolväten och kvävemonoxid återupptas i full utsträckning. Bakgrund är att dessa parametrar är viktiga hur folkhälsosynpunkt. De är också viktiga när det gäller förståelse i fotokemiska analyser. Mätningar av bensen är särskilt viktiga eftersom det snart kommer krav på kartläggning av koncentrationer i tätorter enligt miljökvalitetsnormer. Mätningar ska alltså optimeras sträckvis vid Mölndals Bro (två mätsträckor) och Järntorgs stationen (fyra mätsträckor), de parametrar som föreslås ska ingå är SO 2, NO2, O 3. Önskvärt är att bensen- och kvävemonoxid- mätningarna fortgår under 1999 som ett komplement inom ramen för andra projekt. MÄTSTATIONS BESKRIVNING MÄTTEKNIK Mättekniken som beskrivs i detta dokument går under benämningen DOAS vilket är förkortningen till Differentiell Optisk Absorptions Spektroskopi. Leverantör av utrustningen är OPSIS, ett företag som har sitt huvudkontor och tillverkning i Furulund strax utanför Lund. Mätprincipen baseras på Beer-Lamberts absorptionslag. Denna lag ger förhållande mellan antalet molekyler och mängden absorberat ljus. Mätprincipen är känd sedan en lång tid tillbaka men tack vare bl.a. snabba och billiga datorer har det blivit möjligt att bearbeta mätdata på ett effektivt sätt. Tekniken går kortfattat ut på att bearbeta ljus från en känd källa (xenonlampa) genom att man med hjälp av en spektrometer omvandlar ljuset till elektriska signaler vilka analyseras med en dator. Genom analys av absorptionskurvor (referenser) kan ett ämne urskiljas och halten bestämmas med stor noggrannhet (ppb resp. µg/m 3 - nivåer). En utav fördelarna med DOAS tekniken är att man med samma teknik kan detektera ett flertal ämnen (nätsan) samtidigt. Mättekniken har under åren utvecklats till en allt mer vedertagen teknik för omgivningsluft. DOAS tekniken enligt OPSIS utförande är bl.a. godkänd som ekvivalentmetod för de amerikanska miljömyndigheterna (U.S. EPA), parametrar som i dagsläget ingår är SO 2, NO 2 och O 3. Under en tid har OPSIS strävat att få sin mätteknik accepterad av de tyska miljömyndigheterna (TÜV),för mätningar av kolväten speciellt bensen Godkännande finns tidigare enligt TÜV för NO 2, SO 2 och O 3. Enligt OPSIS finns det stora möjligheter till ett godkännande för bensen under en snar framtid. Vad som hittills har framkommit är att det torde innebära en väsentlig förändring vad gäller tillsyn och service av utrustningen för att komma ner i detektionsgräns och noggrannhet/precision. Idag finns ett gränsvärde i Tyskland för bensen på 10 µg/m 3 ett förslag från EU ligger på 5 µg/m 3 och Naturvårdsverket föreslår en miljökvalitetsnorm för bensen på 2,5 µg/m 3. Dessa krav kommer att vara normgivande för val av utrustning när det gäller analys av bensen inom kort (år 2000). Det är med dagens teknik/metod inte möjligt att använda sig av DOAS tekniken för analys av bensen om man inte kan gå ner i detektionsnivå på ca 1 µg/m 3 och kan påvisa noggrannhet och precision som är jämförbar med föreslagen referensmetod (gaskromatograf). DOAS tekniken är en mätteknik som har en mycket stor spännvidd dels när det gäller val och antal parametrar och dels användningsområde. Specifikation över mätprestanda nedan gäller mätningar i omgivningsluft. Mättekniken är också väletablerad på marknaden för emissionsmätningar exempelvis skorstensmätningar. (bild: OPSIS AB) 4

6 Tabell över mätprestanda uppdelade parametervis utformad av leverantören OPSIS: Tabell 1 Specifikation/Parameter O3 NO NO2 SO2 FOR BEN TOL PXY Mätområde (mg/m³) Lägsta detekterbara halt (µg/m³) (500m, 5 min mättid) Kalibrering (µg/m³) CA075 CA075 CA075 CA075 CA075 CA075 CA075 CA075 ( 1 gång per månad) Drift av nollpunkt(µg/m³) (per månad) Linearitet (%) Rekommenderat mätavstånd (m) Maximal fiberoptiklängd (m) Typ av utrustning AR500 AR500 AR500 AR500 AR500 AR500 AR500 AR500 Notera särskilt rekommendationer beträffande detektionsnivåer, sträcklängder och mättider. OPSIS - Mottagare och Sändarutrustning (bild: OPSIS AB) 5

7 STATIONSFAKTA Järntorget Järntorget har varit i drift sedan Analysator med mottagarutrustning är belägen på Folkets Hus tak ca 25 meter ovan mark. Mätsträckorna som är fem till antalet idag täcker in ett stort centralt område i centrala Göteborg. Syftet med mätstations placeringen är att: Man ska kunna följa trender och tendenser under längre tidsperioder Ge information till allmänheten om den allmänna luftföroreningsinformationen Vara referensstation för övriga mätstationer och utgöra underlag vid validering av spridningsmodeller etc. Platsen/området är också valt utifrån att: Området är tätt befolkat Det karakteriseras av ett utbrett emissionsområde Området är utsatt för (relativt) höga halter av luftföroreningar Nedan följer bilder på var och en av sträckorna tagna från Folkets Hus tak en december dag Bild 1 Sträcka 1 går från Heden riktning kanalen och täcker området Heden/Allén. Sträckan har varit i bruk sedan och är 1300 meter lång. 6

8 Bild 2 Sträcka 2 och 3 går dels från det gamla vattentornet i slottsskogen och dels från ett tak nere vid O. Fred Kyrka. Sträcka 2 togs i drift är 1100 meter lång och sträcka 3 togs i drift och är 481 meter lång. Bild 3 Sträcka 4 som är en mycket kort, är därmed anpassad för mätning av Kvävemonoxid som kräver hög ljusintensitet. Sträckan går från tidningen Arbetet :s tak Järntorget: Sträckan har varit i bruk sedan och är 124 meter lång. 7

9 Bild 4 Den nyaste sträckan vid Järntorget är den femte och går från huset där länsstyrelsen tidigare hade sitt säte, Lilla Badhusgatan 2. Sträckan togs i drift och är 630 meter lång. Bild 5 En bild som visar alla fem mottagarteleskopen i olika riktningar vid Järntorgsstationen. Kan vara lite svårt att uppfattas men mottagarteleskopen är de rostfria rören som finns på det lilla nedre taket. 8

10 Bild 6 En bild från ventilationsutrymmet visar Analysator, inklusive datorutrustning för beräkning, lagring, kommunikation etc. Vy mot Esperanto Platsen 9

11 Mölndals Bro Mölndals Bro har varit i drift sedan Utrustningen är placerad på Försäkringskassans tak, Torggatan 1 Mölndals Bro. Förändring av mätstationen vidtogs genom att man avslutade mätningarna vid sträcka 3. Syftet med mätstations placeringen är att: Man ska kunna följa trender och tendenser under längre tidsperioder Ge information till allmänheten om den trafik relaterade luftföroreningssituationen Vara referensstation för övriga mätstationer och utgöra underlag vid validering av spridningsmodeller etc. Platsen/området är också valt utifrån att: Ge information om trafikens direkta inverkan på luftföroreningssituationen Det karakteriseras av ett specifikt emissionsområde där Kungsbackaleden dominerar Området är utsatt för (relativt) höga halter av luftföroreningar Bild 7 Sträcka nummer 1 har varit i drift sedan , dess längd är 285 meter och mäter tvärs över E-6:an från Försäkringskassans tak till Stadshusets tak i Mölndals Kommun. 10

12 Bild 8 Sträcka nummer 2 har varit i drift sedan , längden är 573 meter och utgår från brokonstruktionen: Gunnebogatan. Bild 9 Analysatorutrustning med dator och kommunikationsdetaljer är placerade i ett mindre förråd. 11

13 ANALYSATORFAKTA Järntorget Analysator är av typ AR500 och har serienummer B-012 resp. utrustningskod Q2Z3. Stationen är utrustad med 5 sändare/mottagare enligt följande tabell: Tabell 2 Mätdata Typ - etc. Sträcka 1 Sträcka 2 Sträcka 3 Sträcka 4 Sträcka 5 Sändare/mottagare UF 2207 Nej Nej Nej Ja Nej Sträcklängd (m) Lampa B B B B B Fiberlängd (m) Fibertyp 60S 60S 60S 60R 60S Ljusstyrka (lux) Temp. Korrigering Ja Ja Ja Ja Ja Press. Korrigering Konstant Konstant Konstant Konstant Konstant Multiplexor Fibertyp 60R Fiberlängd (m) Mättid (sek) NO 30 Mättid (sek) TOL Mättid (sek) PXY Mättid (sek) BEN Mättid (sek) O Mättid (sek) SO Mättid (sek) FOR Mättid (sek) NO Datortyp 386SX Lagringsprestanda (Mb) Modemprestanda (bps) Programvara OPSIS ver Programvara IO80 ver Test av år 2000 OK (y2ktest) Kvalitetsfilter inlagt Ja Vad som kan kommenteras är att dator komponenterna är av typ 386 som inte har den bästa beräkningsprestanda man kan kräva idag. För övrigt är utrustningen millenniumskifts kontrollerad och OK. En viktig anmärkning är även att uppmärksamma antalet parametrar och antal sträckor vilket innebär minimal analystid för respektive mätinsats. Med den parameteruppsättning och antal sträckor som förekommer vid stationen innehär det att varje parameter mäts under totalt 5,5 minuter som sedan ska vara representativt för ett timmedelvärde (Toluen och P-xylen analyseras samtidigt under 30 sekunders intervall). 12

14 Mölndals Bro Analysator är av typ AR500 och har serienummer B-013 resp. utrustningskod Q2Z3. Stationen är utrustad med 2 sändare/mottagare enligt följande tabell (nedlagda sträcka 3:s,uppgifter finns också beskrivna). Tabell 3 Mätdata - Typ - etc. Sträcka 1 Sträcka 2 Sträcka 3 Sändare/mottagare UF 2207 Nej Nej Nej Sträcklängd (m) ? Lampa B B? Fiberlängd (m) Fibertyp 60S 60S Ljusstyrka (lux) 10 10? Temp. korrigering Ja Ja Ja Press. korrigering Konstant Konstant Konstant Multiplexor Fibertyp 60S - - Fiberlängd (m) Mättid (sek) NO Mättid (sek) TOL Mättid (sek) PXY Mättid (sek) BEN Mättid (sek) O Mättid (sek) SO Mättid (sek) FOR Mättid (sek) NO Datortyp 386SX Lagringsprestanda (Mb) Modemprestanda (bps) 2400 Programvara OPSIS ver Programvara IO80 ver Test av år 2000 OK (y2ktest) Kvalitetsfilter inlagt Ja Vad som kan kommenteras är att dator komponenterna är av typ 386 som inte har den bästa beräkningsprestanda man kan kräva idag. Även modemet är av typ äldre/lågprestanda och bör uppdateras snarast. För övrigt är utrustningen millenniumskifts kontrollerad och OK. Med den parameteruppsättning och antal sträckor som förekommer vid stationen innehär det att varje parameter mäts under totalt 10 minuter som sedan ska vara representativt för ett timmedelvärde (Toluen och P-xylen analyseras samtidigt under 30 sekunders intervall). 13

15 ANALYS Analysen är uppdelad i två huvudområden: 1. Tillgänglighet till användbar mätdata, kriterier och möjlighet/svårighet att tillförsäkra sig bra kvalitet på mätdata. 2. Jämförande studier av informationsinnehållet i tidsseriedata med hjälp av Principalkomponentanalys, Regressionsanalys och Korrelation). Analys har utförts på mätdata som varit föremål för kontinuerlig service och underhåll. Enligt avtal med OPSIS sedan åtager sig företaget att verka för högsta möjliga tillgänglighet/mätnoggrannhet vid mätstationerna Mölndals Bro och Järntorget. En muntlig överenskommelse ska målet vara att leverera 90% tillgänglighet på mätdata. OPSIS ska löpande/månadsvis utföra nollpunktskalibrering och utföra årlig tillsyn av analysatorerna för resp. mätstation. Sedan 1996 har OPSIS intensifierat tillsynen av stationerna som också givit ett positivt resultat genom att tillgängligheten överlag ökat. MÄTDATA Granskning av kritiska moment samt korrigeringar/kalibreringar Bra mätmetoder är inte lika med bra mätdatakvalitet. En mängd olika åtgärder måste vidtas för att förebygga problem och kontrollera hela mätproceduren. Väsentliga åtgärder är förberedelser inför varje mätning, med checklistor, kalibreringar, uppsättning av mätinstrument, anpassning mot miljön/väderlek etc. Den andra delen är efter behandling av mätdata där kontroll och korrigerande åtgärder måste vidtas liksom noggrann dokumentation utkrävas. Vidare bör interkalibreringar genomföras med jämna intervall dock minst en gång per år mot standardiserade metoder. Kritiska moment vad gäller luftföroreningsmätningar med hjälp av DOAS-tekniken är följande: Mätstationsuppsättning Mätsträckornas längd, höjd och lutning Ljusintensitet Analysatorproblem Interferensproblem Nollpunktsdrift Spannpunktsdrift Linearitet Kalibreringsprocedur 14

16 Vid uppsättning av stationen är det viktigt att undanröja vibrationer förändring av sändare/mottagare inställning. Mätsträckornas utformning måste bestämmas på bästa sätt, en viktig parametern är givetvis längden som ska bestämmas med lasermätare. Höjd och lutning är också bra att dokumentera speciellt vid utvärderingen av mätdata. Ljusintensiteten måste vara tillräckligt hög, OPSIS rekommenderar att ljusintensiteten inte bör underskrida 15%. Ljusintensiteten är mycket väsentlig för att säkerställa bästa möjliga mätdatakvalitet. Faktorer som kan påverka ljusintensiteten är: Sträcklängd Lampans ålder Oxiderade eller smutsiga speglar Väderlek, snö, dimma tät regn etc. Spektrometern måste kontinuerligt servas för att undvika t.ex. att mätningarna våglängdsförskjuts. Problem med interferens med andra ämnen kan förekomma det finns metoder för att undanröja dessa problem genom t.ex. syre absorptions kompensation. Andra ämnens betydelse måste kartläggas och om möjligt anpassning ske vid koncentrationsberäkningarna. Alla instrument har någon typ av drift man talar om förskjutning av nollpunkt och spannpunkt. För att minimera dess betydelse måste man vidta korrigering/kalibrering av något slag. Vissa instrument genomför det automatiskt (nollpunkt) för andra måste speciella procedurer vidtas. Vad gäller korrigering av nollpunkts drift ska detta ske en gång per månad och enligt U.S. EPA 40 CFR Part 58 regulations ska spanngastest (Precision Test) utföras varannan vecka och motsvarande bestämmelser föreskriver multipunkt test (Accuracy Audit Test) varje år eller var tredje månad. Alla åtgärder som vidtas under mätningarna måste noggrant dokumenteras och utföras på ett sådant sätt att en kontinuitet upprätthålls. För detta finns en lämplig handbok utgiven av OPSIS AB (Quality Assurance and Quality Control using Opsis Analysers for Air Quality Monitoring, version 1.1, 1996) förslagsvis rekommenderas att all DOAS/OPSIS mätning utförs enligt denna dokumentation. OPSIS - Analysator och fiberoptik (ljusöverföring till Analysator) (bild: OPSIS AB) 15

17 Mätdatatillgänglighet Analysen utnyttjar mätningarna vilka bedrivits under 7 hela år. Under den tiden kan man räkna fram till totalt timmar, mätningarna från 1996 och 1998 inkluderar totalt timmar. Förutsättningarna har varit att endast redovisa och analysera mätdata med en ljusintensitet på mer än 15% (ett värde OPSIS rekommenderar). Ett ytterligare steg att begränsa antalet mätvärden som ska ingå i beräkningarna kan vara att använda sig utav detektionsgränser/standardavvikelse men detta har inte genomförts i denna analys. Järntorget Mätdata tillgängligheten har endast beräknats för sträckorna 1-4 beroende på att den femte sträckan inte har varit i bruk så länge att man kan beräkna någon stark tendens/trend. Tabell 4 Mätdata Mätsträcka Kvävemonoxid NO Datafångst 92% 89% 91% 76% 77% Medelvärde 30,2 23,8 29,9 36,8 29,3 Maxvärde Standardavvikelse 0,4 0,5 0,7 4,3 4,9 Tillgänglighet: Ljus >15% ,91 0,86 0,90 0,74 0,41 Tillgänglighet: Ljus >15% ,92 0,85 0,88 0,84 0,42 För NO2 är tillgängligheten mycket bra för sträckorna 1 till och med sträcka 3 mellan 86 och 91 %. Sträcka 4 avviker med en lägre tillgänglighet som dock har förbättrats sedan Data tillgängligheten för NO är under all kritik och har inte förbättrats i någon större utsträckning sedan Tabell 5 Mätdata Mätsträcka SO Datafångst 91% 86% 90% Medelvärde 4,8 5,1 5,2 Maxvärde Standardavvikelse 0,4 0,5 0,7 Tillgänglighet: Ljus >15% ,91 0,86 0,90 Tillgänglighet: Ljus >15% ,92 0,85 0,86 Tillgängligheten för SO2 är bra, ligger för närvarande mellan 85 och 92%. Vad man kan kommentera är även att sträcka ett har ett betydligt lägre maxtim medelvärde jämfört med sträcka 2 och 3 för övrigt är värdena likartade. 16

18 Tabell 6 Mätdata Mätsträcka O Datafångst 91% 85% 90% Medelvärde 55,0 60,8 52,1 Maxvärde Standardavvikelse 2,3 3,1 3,8 Tillgänglighet: Ljus >15% ,91 0,86 0,90 Tillgänglighet: Ljus >15% % 0,92 0,85 0,88 Ozon mätdata tillgängligheten är även den bra som ligger på 85 till 92%. Tabell 7 Mätdata Mätsträcka Bensen Datafångst 89% 74% 89% Medelvärde 6,5 7,6 6,5 Maxvärde 66,8 50,9 164 Standardavvikelse 2,0 2,9 2,8 Tillgänglighet: Ljus >15% ,63 0,43 0,80 Tillgänglighet: Ljus >15% ,77 0,51 0,84 För Bensen ser det dock sämre ut speciellt när man tittar på sträcka 2 som har en tillgänglighet på 51%. Poängteras kan också maxtim medelvärdet vid sträcka 3 som ligger på 164 µg/m³. Tabell 8 Mätdata Mätsträcka Toluen Datafångst 89% 80% 87% Medelvärde 15,0 8,8 21,4 Maxvärde Standardavvikelse 2,2 2,8 3,6 Tillgänglighet: Ljus >15% ,63 0,47 0,78 Tillgänglighet: Ljus >15% ,77 0,47 0,78 För Toluen är situationen som för Bensen, tillgänglighet på 47% för sträcka 2 och ganska bra värde för sträcka 3. Poängteras kan också maxtim medelvärdet vid sträcka 2 som ligger på 175 µg/m³ jämfört med maxvärdet på sträcka 3 som ligger på 321 µg/m³. Skillnaden i medelvärdet är också relativt stort från 8,8 µg/m³ till 21,4 µg/m³. 17

19 Tabell 9 Mätdata Mätsträcka P-xylen Datafångst 85% 81% 88% Medelvärde 2,9 4,7 4,1 Maxvärde 37,5 26,0 159 Standardavvikelse 0,9 1,1 1,4 Tillgänglighet: Ljus >15% ,61 0,49 0,79 Tillgänglighet: Ljus >15% ,73 0,51 0,83 Tillgängligheten för P-xylen är även för sträcka 2 mycket låg bara 51 %. Sträcka 3 uppvisar ett maxtim medelvärde på 159 jämfört med 38 resp. 26 för sträcka 1 resp. 2. Tabell 10 Mätdata Mätsträcka Formaldehyd Datafångst 89% 84% 84% Medelvärde 4,2 3,5 6,5 Maxvärde 25,6 21,4 33,8 Standardavvikelse 0,9 1,2 1,7 Tillgänglighet: Ljus >15% ,83 0,76 0,81 Tillgänglighet: Ljus >15% ,89 0,79 0,73 Formaldehyd uppvisar en tillgänglighet på mellan 73 och 89%. Sammanfattningsvis kan man säga att SO2, NO2 och O3 uppvisar en tillgänglighet som är acceptabel för samtliga sträckor. När det gäller kolväten har genomgående sträcka 2 en låg tillgänglighet speciellt anmärkningsvärt är det för det föreslagna miljökvalitets parametern Bensen och sträcka 2 som endast uppnår värdet 51 % för tillgängligheten. Detta trots att en viss förbättring har skett sedan

20 Mölndals Bro För mätstationen vid Mölndals Bro har mätdata bearbetats för mätsträckorna 1 och 2. Tabell 11 Mätdata Mätsträcka NO Datafångst Medelvärde Maxvärde Standardavvikelse Tillgänglighet: Ljus >15% ,85 0,80 Tillgänglighet: Ljus >15% ,89 0,93 Kvävedioxid parametern visar en tillgänglighet som får betraktas som god, förbättring har dessutom skett sedan stationen etablerades. Tabell 12 Mätdata Mätsträcka SO Datafångst 88% 81% Medelvärde 3,5 3,3 Maxvärde 78,6 75,7 Standardavvikelse 4,0 4,0 Tillgänglighet: Ljus >15% ,85 0,73 Tillgänglighet: Ljus >15% ,89 0,82 Tillgängligheten för SO2 är bra för sträcka 1 men kunde vara bättre för sträcka 2 detta mot bakgrund att viss förbättring har skett under den senare tidsperioden. 19

21 Tabell 13 Mätdata Mätsträcka O Datafångst 86% 77% Medelvärde Maxvärde Standardavvikelse Tillgänglighet: Ljus >15% ,78 0,50 Tillgänglighet: Ljus >15% ,85 0,67 Ozon data tillgängligheten är bra för sträcka 1 men inte acceptabel för sträcka 2. Det har dock skett en väsentlig förbättring sedan Tabell 14 Mätdata Mätsträcka Bensen Datafångst 86% 76% Medelvärde 9,9 6,4 Maxvärde Standardavvikelse 7,4 5,1 Tillgänglighet: Ljus >15% ,72 0,37 Tillgänglighet: Ljus >15% ,70 0,37 För Bensen är tillgängligheten under all kritik för sträcka 2 dessutom förekommer det en mycket stor skillnad i timmedel maxvärdet för sträckorna. Det kan vara svårt att motivera en stark lokal bensen källa för sträcka 1 som går tvärs över E-6:an vilket även sträcka 2 gör. Tabell 15 Mätdata Mätsträcka Toluen Datafångst 85% 75% Medelvärde Maxvärde Standardavvikelse Tillgänglighet: Ljus >15% ,70 0,37 Tillgänglighet: Ljus >15% ,68 0,37 Motsvarande låga tillgänglighet gäller för Toluen och sträcka 2. Här finner man dock ett likartat maxtim medelvärde, medelvärdet är även som för bensen högre för sträcka 1 jämfört med sträcka 2. 20

22 Tabell 16 Mätdata Mätsträcka P-xylen Datafångst 79% 73% Medelvärde 7,2 6,4 Maxvärde Standardavvikelse 5,1 4,3 Tillgänglighet: Ljus >15% ,67 0,36 Tillgänglighet: Ljus >15% ,59 0,36 P-xylen tillgängligheten är även här mycket låg dessutom ligger sträcka 2 på en nivå som inte kan accepteras. Vad som är anmärkningsvärt är att tillgängligheten har sjunkit dessutom för sträcka 1 under den senaste tiden. Tabell 17 Mätdata Mätsträcka Formaldehyd Datafångst 85% 80% Medelvärde 4,6 4,4 Maxvärde Standardavvikelse 4,5 4,9 Tillgänglighet: Ljus >15% ,83 0,74 Tillgänglighet: Ljus >15% ,90 0,90 Formaldehyd tillgängligheten är bra och här har det även skett en väsentlig förbättring på den senaste tiden. 21

23 PRINCIPALKOMPONENTANALYS Principalkomponentanalys är en matematisk analysmetod för att strukturera mätdata och eventuellt identifiera samvariation som finns mellan olika mätdatamaterial. I denna analys har mätsträckornas samvariation varit intressanta att titta närmare på. Analysen går ut på att omfördela informationen, i detta fall ett antal mätsträckor i lika många nya serier. Därmed samlas mesta möjliga information i första sk förklaringsgraden, den följande förklaringsgraden innehåller mesta möjliga återstående informationen osv. (Serierna sinsemellan är okorrelerade). Det är av speciellt intresse att studera den totala variansen som tas upp av serierna framförallt den första förklaringsgraden (serien). Om den första förklaringsgraden skulle uppgå till närmare 100 % skulle vi kunna nöja oss att använda endast den valda tidsserien för att beskriva luftföroreningssituationen som täcks av alla sträckor tillsammans. Å andra sidan är det väsentligt att titta på mätserier som avviker mycket från den gemensamma variationen. Dessa mätserier är då mindre väl korrelerade med övriga och tillför därmed en unik information som kan vara av betydelse. Om koefficienterna avviker mycket med varandra har olika tecken betyder det att det förekommer skillnader i nivåer/halter. En varianstäckning på omkring 72% motsvarar en korrelationskoefficient på 0,85 vilket är att betrakta som ett vält korrelerat tidsserie samband. Motsvarande faktum finner man om varianstäckningen ligger på 60% så motsvarar det en korrelationskoefficient på 0,77 vilket är att betrakta att samband är styrkt mellan tidsserierna. Järntorget Analysen har utförts på sträcka 1 till och med sträcka 3. Sträcka nummer 4 och 5 är speciella sträckor och är därför inte med i principalkomponentanalysen. Tabell 18 Principal Komponent nummer Mätsträcka Förklaringsgrad NO Medelvärde 1 koefficient -1,03-0,92-1,04 1 förklaringsgrad 95% 95% 97% 96,1% 2 koefficient 1,35-0,99-0, förklaringsgrad 100% 98% 98% 98,8% 3 koefficient 0,35 1,08-1, förklaringsgrad 100% 100% 100% 100% 1. Den första komponenten beskriver i genomsnitt 96,1% av den totala variansen för NO2 mätdata, egenvektorn/koefficienten är av i stort sett samma vikt vilket visar en mycket bra samvariation av informationsinnehållet. 2. Den andra komponenten beskriver närmare 99% av den totala variansen. Egenvektorn för sträcka 1 avviker dock och beskriver följaktligen skillnader i halter jämfört med sträcka 2 och sträcka Den tredje komponentens egenvektorn för sträcka 3 avviker och beskriver att det dessutom förekommer skillnader i halter jämfört med sträcka 1 och sträcka 2. 22

24 Tabell 19 Principal Komponent nummer Mätsträcka Förklaringsgrad SO Medelvärde 1 koefficient -0,85-1,06-1,07 1 förklaringsgrad 76% 91% 93% 87,4% 2 koefficient 1,49-0,78-0, förklaringsgrad 100% 96% 94% 96,4% 3 koefficient 0,23 1,13-1, förklaringsgrad 100% 100% 100% 100% 1. Den första komponenten beskriver i genomsnitt 87,4% av den totala variansen för SO2 mätdata, egenvektorn/koefficienten är av i stort sett samma vikt vilket visar en bra samvariation av informationsinnehållet. 2. Den andra komponenten beskriver 96,4% av den totala variansen. Egenvektorn för sträcka 1 avviker dock och beskriver följaktligen skillnader i halter jämfört med sträcka 2 och sträcka Den tredje komponentens egenvektorn för sträcka 3 avviker och beskriver följaktligen skillnader i halter jämfört med sträcka 1 och sträcka 2. Tabell 20 Principal Komponent nummer Mätsträcka Förklaringsgrad O Medelvärde 1 koefficient -1,02-1,00-0,98 1 förklaringsgrad 98% 97% 97% 97,3% 2 koefficient 0,66 0,73-1, förklaringsgrad 98% 98% 100% 98,8% 3 koefficient 1,24-1,21-0, förklaringsgrad 100% 100% 100% 100% 1. Den första komponenten beskriver i genomsnitt 97,3% av den totala variansen för O3 mätdata, egenvektorn/koefficienten är av i stort sett samma vikt vilket visar en mycket bra samvariation av informationsinnehållet. 2. Den andra komponenten beskriver närmare 99% av variansen. Egenvektorn för sträcka 3 avviker dock och beskriver följaktligen skillnader i halter jämfört med sträcka 1 och sträcka Den tredje komponentens egenvektorn för sträcka 1 avviker och beskriver följaktligen skillnader i halter jämfört med sträcka 2 och sträcka 3. 23

25 Tabell 21 Principal Komponent nummer Mätsträcka Förklaringsgrad Bensen Medelvärde 1 koefficient 0,51 1,15 1,19 1 förklaringsgrad 43% 84% 84% 77,4% 2 koefficient -0,84-0,89 1, förklaringsgrad 63% 94% 99% 91,3% 3 koefficient 1,42-0,94 0, förklaringsgrad 100% 100% 100% 100% 1. Den första komponenten beskriver i genomsnitt 77,4% av den totala variansen för Bensen mätdata, egenvektorn/koefficienten är av i stort sett samma vikt vilket visar en samvariation av informationsinnehållet med ett visst undantag för sträcka 1. Det måste poängteras den låga förklaringsgraden för sträcka 1 som ligger på 43% 2. Den andra komponenten beskriver 91,3% av variansen. Egenvektorn för sträcka 3 avviker dock och beskriver följaktligen skillnader i halter jämfört med sträcka 1 och sträcka 2. Även här ligger förklaringsgraden för sträcka 1 låg 63% det finns alltså en varians skillnad mellan sträcka 1 och sträcka 2 resp Den tredje komponentens egenvektorn för sträcka 1 avviker och beskriver följaktligen skillnader i halter jämfört med sträcka 1 och sträcka 2. Det förekommer med andra ord både skillnader mellan halter och variansen (mått på variationen kring medelvärdet) i tidsserierna för alla tre mätsträckorna där sträcka 1 avviker mest. Tabell 22 Principal Komponent nummer Mätsträcka Förklaringsgrad Toluen Medelvärde 1 koefficient 0,93 0,73 1,27 1 förklaringsgrad 80% 74% 92% 84,4% 2 koefficient -1,35-0,14 1, förklaringsgrad 98% 74% 99% 93,5% 3 koefficient 0,55-1,57 0, förklaringsgrad 100% 100% 100% 100% 1. Den första komponenten beskriver i genomsnitt 84,4% av den totala variansen för Toluen mätdata, egenvektorn/koefficienten är av i stort sett samma vikt vilket visar samvariation av informationsinnehållet. 2. Den andra komponenten beskriver närmare 94% av variansen. Egenvektorn för sträcka 1 avviker dock och beskriver följaktligen skillnader i halter jämfört med sträcka 2 och framförallt sträcka 3. Förklaringsgraden för sträcka 2 avviker också från sträcka 1 och sträcka Den tredje komponentens egenvektorn för sträcka 2 avviker och beskriver följaktligen skillnader i halter jämfört med sträcka 1 och sträcka 3. 24

26 Tabell 23 Principal Komponent nummer Mätsträcka Förklaringsgrad P-xylen Medelvärde 1 koefficient -1,09-1,04-0,86 1 förklaringsgrad 92% 93% 76% 87,5 2 koefficient 0,78 0,42-1, förklaringsgrad 97% 94% 100% 96,8% 3 koefficient 1,10-1,32 0, förklaringsgrad 100% 100% 100% 100% 1. Den första komponenten beskriver i genomsnitt 87,5% av den totala variansen för P-xylen mätdata, egenvektorn/koefficienten är av i stort sett samma vikt vilket visar en samvariation av informationsinnehållet. 2. Den andra komponenten beskriver närmare 97% av variansen. Egenvektorn för sträcka 3 avviker dock och beskriver följaktligen skillnader i halter jämfört med sträcka 1 och sträcka Den tredje komponentens egenvektorn för sträcka 2 avviker och beskriver följaktligen skillnader i halter jämfört med sträcka 1 och sträcka 3. Det förekommer avvikelser i halter mellan samtliga sträckor. Tabell 24 Principal Komponent nummer Mätsträcka Förklaringsgrad Formaldehyd Medelvärde 1 koefficient 0,74 0,73 1,38 1 förklaringsgrad 60% 69% 90% 78,8% 2 koefficient -1,21-0,71 1, förklaringsgrad 92% 81% 100% 94,1% 3 koefficient 1,00-1,40 0, förklaringsgrad 100% 100% 100% 100% 1. Den första komponenten beskriver i genomsnitt 78,8% av den totala variansen för Formaldehyd mätdata, egenvektorn/koefficienten är av i stort sett samma vikt vilket visar en viss samvariation av informationsinnehållet. 2. Den andra komponenten beskriver 94,1% av variansen. Egenvektorn för sträcka 3 avviker dock och beskriver följaktligen skillnader i halter jämfört med sträcka 1 och sträcka Den tredje komponentens egenvektorn för sträcka 2 avviker och beskriver följaktligen skillnader i halter jämfört med sträcka 1 och sträcka 3. Även här förekommer det skillnader i halter för samtliga sträckor och dessutom kan man kommentera att sträcka 3 beskriver väl Formaldehyd situationen för samtliga sträckor. 25

27 Mölndals Bro Tabell 25 Principal Komponent nummer Mätsträcka Förklaringsgrad NO Medelvärde 1 koefficient 0,98 1,02 1 förklaringsgrad 98% 98% 98,3% 2 koefficient 1,02-0, förklaringsgrad 100% 100% 100% 1. Den första komponenten beskriver i genomsnitt 98,3% av den totala variansen för NO2 mätdata, egenvektorn/koefficienten är av i stort sett samma vikt vilket visar en mycket bra samvariation av informationsinnehållet. 2. Egenvektorn avviker dock och beskriver följaktligen skillnader i halter mellan sträckorna. Tabell 26 Principal Komponent nummer Mätsträcka Förklaringsgrad SO Medelvärde 1 koefficient 1,00 1,00 1 förklaringsgrad 98% 98% 98,4% 2 koefficient -1,00 1, förklaringsgrad 100% 100% 100% 1. Den första komponenten beskriver i genomsnitt 98,4% av den totala variansen för SO2 mätdata, egenvektorn/koefficienten är av samma vikt vilket visar en nästan perfekt bra samvariation av informationsinnehållet. 2. Egenvektorn avviker dock och beskriver följaktligen skillnader i halter jämfört med sträcka 1 och sträcka 2. Tabell 27 Principal Komponent nummer Mätsträcka Förklaringsgrad O Medelvärde 1 koefficient 1,05 0,94 1 förklaringsgrad 98% 97% 97,8% 2 koefficient -0,94 1, förklaringsgrad 100% 100% 100% 1. Den första komponenten beskriver i genomsnitt 97,8% av den totala variansen för Ozon mätdata, egenvektorn/koefficienten är av i stort sett samma vikt vilket visar en mycket bra samvariation av informationsinnehållet. 2. Den andra komponenten visar att egenvektorn avviker dock och beskriver följaktligen skillnader i halter mellan sträckorna. 26

28 Tabell 28 Principal Komponent nummer Mätsträcka Förklaringsgrad Bensen Medelvärde 1 koefficient 1,31 0,53 1 förklaringsgrad 94% 31% 73% 2 koefficient -0,53 1, förklaringsgrad 100% 100% 100% 1. Den första komponenten beskriver i genomsnitt 73% av den totala variansen för Bensen mätdata, egenvektorn/koefficienten skiljer sig avsevärt och det är svårt att finna någon samvariation mellan sträckorna. Sträcka 1 visar en förklaringsgrad på 94% och skulle därmed vara tillräcklig att utnyttja för att beskriva Bensen halterna i det aktuella området. 2. Den andra komponentens egenvektor avviker och beskriver följaktligen skillnader i halter mellan sträckorna. Tabell 29 Principal Komponent nummer Mätsträcka Förklaringsgrad Toluen Medelvärde 1 - koefficient 1,01 0, förklaringsgrad 92% 92% koefficient -0,99 1, förklaringsgrad 100% 100% Den första komponenten beskriver i genomsnitt 91,9% av den totala variansen för Toluen mätdata, egenvektorn/koefficienten är av i stort sett samma vikt vilket visar en bra samvariation av informationsinnehållet. 2. Den andra komponentens egenvektorn avviker och beskriver följaktligen skillnader i halter mellan sträckorna. Tabell 30 Principal Komponent nummer Mätsträcka Förklaringsgrad P-xylen Medelvärde 1 koefficient 1,14 0,84 1 förklaringsgrad 88% 69% 80,4 2 koefficient -0,84 1, förklaringsgrad 100% 100% 100% 1. Den första komponenten beskriver i genomsnitt 80,4% av den totala variansen för P-xylen mätdata, egenvektorn/koefficienten är av i stort sett samma vikt vilket visar en viss samvariation av informationsinnehållet. Även här ligger förklaringsgraden relativt lågt för sträcka 2, 69%. 2. Den andra komponentens egenvektor avviker och beskriver följaktligen skillnader i halter mellan sträckorna. 27

29 Tabell 31 Principal Komponent nummer Mätsträcka Förklaringsgrad Formaldehyd Medelvärde 1 koefficient 0,98 1,02 1 förklaringsgrad 86% 88% 86,9% 2 koefficient 1,02-0, förklaringsgrad 100% 100% 100% 1. Den första komponenten beskriver i genomsnitt 86,9% av den totala variansen för Formaldehyd mätdata, egenvektorn/koefficienten är av i stort sett samma vikt vilket visar en samvariation av informationsinnehållet. 2. Den andra komponentens egenvektor avviker och beskriver följaktligen skillnader i halter mellan sträckorna. 28

30 REGRESSIONSANALYS Vi går nu vidare och analyserar tidsserierna för att om möjligt påvisa möjligheterna att öka kvaliteten och optimera mätbehovet vid stationerna. Med Principalkomponentanalys har vi påvisat vissa samband och likheter/olikheter i tidsserierna. Vi vill nu fortsättningsvis studera samband mellan två tidsserier och försöka styrka sambanden med statistiska mått. Genom att använda sig av regressionsanalys kan vi få information att det förekommer samband mellan tidsserierna. I denna analys använder vi oss utav linjär regression och beräknar således en funktion som beskriver bäst sambandet mellan tidsserierna. När två tidsserier varierar tillsammans kan man beräkna konsistensen i denna variation med hjälp av korrelation. Sannolikheten att det förekommer ett samband får vi genom att använda oss utav korrelation, vi beräknar korrelationskoefficienten (samt bestämmer dess standardavvikelse). Korrelationskoefficienten visas med ett värde mellan 1 och +1 där fullständig korrelation förekommer om värdet är 1 och +1. En korrelationskoefficient på 0 påvisar att ingen korrelation förekommer. Man ska vara mycket kritisk om korrelationskoefficienten underskrider absoluta beloppet 0,4 vid sökande av korrelations samband. Vid tolkning av korrelationskoefficienten ska man överlag vara försiktig att fastställa samband mellan tidsserier. De mönster (t.ex. anhopningar av mätdatamaterial) som framkommer vid regressionsanalysen är viktiga att utnyttja vid analysen. Som hjälp i utvärderingen kan man använda följande intervallvärden, bedömningsgrunder (absoluta beloppet) för korrelationskoefficienten, några skarpa gränser mellan dessa 3 intervall förekommer ej: 0,4-0,59 svag korrelation 0,6-0,79 måttlig korrelation 0,8-1,00 stark korrelation Järntorget Diagram 1 Korrelationskoefficienten för tidsserierna mellan sträcka 1 och sträcka 2 för NO2 är stark nämligen 0,92 vilket visar på ett mycket bra samband mellan tidsserierna. Det förekommer skillnader i halter dels medelvärdet över tidsperioden och dels maxtim medelvärde. 29

31 Diagram 2 Korrelationskoefficienten för tidsserierna mellan sträcka 1 och sträcka 3 gällande NO2 är stark nämligen 0,95 vilket visar på ett mycket bra samband mellan tidsserierna. Det förekommer mindre skillnader i halter dels medelvärdet över tidsperioden och dels maxtim medelvärde. Diagram 3 Korrelationskoefficienten för tidsserierna mellan sträcka 1 och sträcka 4 gällande NO2 är stark nämligen 0,89 vilket visar på ett bra samband mellan tidsserierna. Det förekommer skillnader i halter dels medelvärdet över tidsperioden och dels maxtim medelvärde. 30

32 Diagram 4 Korrelationskoefficienten för tidsserierna mellan sträcka 1 och sträcka 5 gällande NO2 är stark nämligen 0,85 vilket visar på ett bra samband mellan tidsserierna. Det förekommer skillnader i halter speciellt för medelvärdet över tidsperioden Diagram 5 Korrelationskoefficienten för tidsserierna mellan sträcka 2 och sträcka 3 gällande NO2 är stark nämligen 0,96 vilket visar på ett mycket bra samband mellan tidsserierna. Det förekommer skillnader i halter dels medelvärdet över tidsperioden och dels maxtim medelvärde. 31

33 Diagram 6 Korrelationskoefficienten för tidsserierna mellan sträcka 2 och sträcka 4 gällande NO2 är stark nämligen 0,86 vilket visar på ett bra samband mellan tidsserierna. Det förekommer skillnader i halter dels medelvärdet över tidsperioden och dels maxtim medelvärde. Diagram 7 Korrelationskoefficienten för tidsserierna mellan sträcka 2 och sträcka 5 gällande NO2 är måttlig nämligen 0,79 vilket visar på ett samband mellan tidsserierna. Det förekommer skillnader i halter dels medelvärdet över tidsperioden och dels maxtim medelvärde. 32

34 Diagram 8 Korrelationskoefficienten för tidsserierna mellan sträcka 3 och sträcka 4 gällande NO2 är stark nämligen 0,91 vilket visar på ett mycket bra samband mellan tidsserierna. Det förekommer skillnader i halter dels medelvärdet över tidsperioden och dels maxtim medelvärde. Diagram 9 Korrelationskoefficienten för tidsserierna mellan sträcka 3 och sträcka 5 gällande NO2 är stark nämligen 0,84 vilket visar på ett bra samband mellan tidsserierna. Det förekommer skillnader i halter framförallt medelvärdet över tidsperioden. 33

35 Diagram 10 Korrelationskoefficienten för tidsserierna mellan sträcka 4 och sträcka 5 gällande NO2 är stark nämligen 0,81 vilket visar på ett bra samband mellan tidsserierna. Det förekommer skillnader i halter dels medelvärdet över tidsperioden och dels maxtim medelvärde. Diagram 11 Korrelationskoefficienten för tidsserierna mellan sträcka 1 och sträcka 2 gällande SO2 är måttlig nämligen 0,73 vilket visar på ett samband mellan tidsserierna. Det förekommer skillnader i halter dels medelvärdet över tidsperioden och framförallt maxtim medelvärde. 34

36 Diagram 12 Korrelationskoefficienten för tidsserierna mellan sträcka 1 och sträcka 3 gällande SO2 är måttlig nämligen 0,77 vilket visar på ett samband mellan tidsserierna. Det förekommer skillnader i halter dels medelvärdet över tidsperioden och framförallt maxtim medelvärde. Diagram 13 Korrelationskoefficienten för tidsserierna mellan sträcka 2 och sträcka 3 gällande SO2 är stark nämligen 0,90 vilket visar på ett mycket bra samband mellan tidsserierna. Det förekommer mycket små skillnader i halter dels medelvärdet över tidsperioden och maxtim medelvärde. 35

37 Diagram 14 Korrelationskoefficienten för tidsserierna mellan sträcka 1 och sträcka 2 gällande O3 är stark nämligen 0,96 vilket visar på ett mycket bra samband mellan tidsserierna. Det förekommer mindre skillnader i halter dels medelvärdet över tidsperioden och maxtim medelvärde. Diagram 15 Korrelationskoefficienten för tidsserierna mellan sträcka 1 och sträcka 3 gällande O3 är stark nämligen 0,96 vilket visar på ett mycket bra samband mellan tidsserierna. Det förekommer mindre skillnader i halter dels medelvärdet över tidsperioden och maxtim medelvärde. 36

38 Diagram 16 Korrelationskoefficienten för tidsserierna mellan sträcka 2 och sträcka 3 gällande O3 är stark nämligen 0,96 vilket visar på ett mycket bra samband mellan tidsserierna. Det förekommer mindre skillnader i halter dels medelvärdet över tidsperioden och maxtim medelvärde. Diagram 17 Korrelationskoefficienten för tidsserierna mellan sträcka 1 och sträcka 2 gällande Bensen är svag nämligen 0,58 vilket visar på ett svagt samband mellan tidsserierna. Det förekommer mindre skillnader i halter dels medelvärdet över tidsperioden och maxtim medelvärde. 37

39 Diagram 18 Korrelationskoefficienten för tidsserierna mellan sträcka 1 och sträcka 3 gällande Bensen är svag nämligen 0,50 vilket visar på ett svagt samband mellan tidsserierna. Det förekommer skillnader i halter dels medelvärdet över tidsperioden och framförallt maxtim medelvärde. Diagram 19 Korrelationskoefficienten för tidsserierna mellan sträcka 2 och sträcka 3 gällande Bensen är måttlig nämligen 0,67 vilket visar på ett samband mellan tidsserierna. Det förekommer skillnader i halter dels medelvärdet över tidsperioden och maxtim medelvärde. 38

40 Diagram 20 Korrelationskoefficienten för tidsserierna mellan sträcka 1 och sträcka 2 gällande Toluen är måttlig nämligen 0,72 vilket visar på ett samband mellan tidsserierna. Det förekommer större skillnader i halter dels medelvärdet över tidsperioden och framförallt maxtim medelvärde. Diagram 21 Korrelationskoefficienten för tidsserierna mellan sträcka 1 och sträcka 3 gällande Toluen är stark nämligen 0,82 vilket visar på ett bra samband mellan tidsserierna. Det förekommer skillnader i halter dels medelvärdet över tidsperioden och maxtim medelvärde. 39

41 Diagram 22 Korrelationskoefficienten för tidsserierna mellan sträcka 2 och sträcka 3 gällande Toluen är måttlig nämligen 0,74 vilket visar på ett samband mellan tidsserierna. Det förekommer större skillnader i halter dels medelvärdet över tidsperioden och maxtim medelvärde. Diagram 23 Korrelationskoefficienten för tidsserierna mellan sträcka 1 och sträcka 2 gällande P-xylen är stark nämligen 0,90 vilket visar på ett mycket bra samband mellan tidsserierna. Det förekommer mindre skillnader i halter dels medelvärdet över tidsperioden och maxtim medelvärde. 40

42 Diagram 24 Korrelationskoefficienten för tidsserierna mellan sträcka 1 och sträcka 3 gällande P-xylen är måttlig nämligen 0,71 vilket visar på ett samband mellan tidsserierna. Det förekommer skillnader i halter dels medelvärdet över tidsperioden och framförallt maxtim medelvärde. Diagram 25 Korrelationskoefficienten för tidsserierna mellan sträcka 2 och sträcka 3 gällande P-xylen är stark nämligen 0,81 vilket visar på ett bra samband mellan tidsserierna. Det förekommer skillnader i halter dels medelvärdet över tidsperioden och framförallt maxtim medelvärde. 41

43 Diagram 26 Korrelationskoefficienten för tidsserierna mellan sträcka 1 och sträcka 2 gällande Formaldehyd är måttlig nämligen 0,74 vilket visar på ett samband mellan tidsserierna. Det förekommer skillnader i halter dels medelvärdet över tidsperioden och maxtim medelvärde. Diagram 27 Korrelationskoefficienten för tidsserierna mellan sträcka 1 och sträcka 3 gällande Formaldehyd är svag nämligen 0,57 vilket visar på ett svagt samband mellan tidsserierna. Det förekommer skillnader i halter dels medelvärdet över tidsperioden och maxtim medelvärde. 42

44 Diagram 28 Korrelationskoefficienten för tidsserierna mellan sträcka 2 och sträcka 3 gällande Formaldehyd är måttlig nämligen 0,65 vilket visar på ett samband mellan tidsserierna. Det förekommer skillnader i halter dels medelvärdet över tidsperioden och maxtim medelvärde. 43