See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/311301117

Pemodelan Dispersi NO2 Dari Sumber Garis Menggunakan Aplikasi Open

Source R Berdasarkan Model Gauss

Conference Paper · August 2015

CITATIONS READS

0 3,399

2 authors, including:

Arie Syafei
Institut Teknologi Sepuluh Nopember
33 PUBLICATIONS   112 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Air Quality Dispersion at Power Plant in Kendari, Sulawesi View project

Compact Air Quality Monitoring Station View project

All content following this page was uploaded by Arie Syafei on 02 December 2016.

The user has requested enhancement of the downloaded file.

 Prosiding Seminar Nasional Manajemen Teknologi XXIII
Program Studi MMT-ITS, Surabaya 1 Agustus 2015

PEMODELAN DISPERSI NO 2 DARI SUMBER GARIS

MENGGUNAKAN APLIKASI OPEN SOURCE R BERDASARKAN
MODEL GAUSS

Rachmanu Eko Handriyono1) dan Arie Dipareza Syafei2)

Jurusan Teknik Lingkungan, Institut Teknologi Sepuluh Nopember
Kampus ITS Sukolilo, Surabaya, 60111, Indonesia
e-mail: 1) andriy.nunu@yahoo.com, 2) dipareza@enviro.its.ac.id

ABSTRAK

Kegiatan transportasi yang berkembang pesat berdampak pada penurunan kualitas udara.
Salah satu gas polutan yang dihasilkan dari kegiatan transportasi adalah NO 2 . Beberapa
kendala dalam membuat gambaran kualitas udara skala perkotaan yaitu biaya yang tinggi,
waktu yang lama, dan keterbatasan titik pantau. Pemodelan merupakan cara efektif untuk
memperkirakan kualitas udara di wilayah perkotaan. Studi ini menghitung beban emisi dan
dispersi konsentrasi NO 2 di Jalan Ahmad Yani, Surabaya. Perhitungan beban emisi, pengaruh
meteorologi, serta besarnya konsentrasi NO 2 disimulasikan menggunakan aplikasi Open
Source R. Saat ini belum ada fungsi untuk model dispersi gas polutan dari sumber garis pada
aplikasi R. Tujuan penelitian ini membentuk pondasi kode pada platform R untuk dispersi
NO 2 dari sumber garis berdasarkan model Gauss. Hasil penelitian menunjukkan model
dispersi NO 2 menggunakan software R mampu menghasilkan konsentrasi NO 2 dengan
pengerjaan yang lebih mudah dan waktu yang lebih cepat. Selain itu performa hasil
perhitungan konsentrasi NO 2 berdasarkan model Gauss mempunyai nilai index of agreement
sebesar 0,46. Model dispersi NO 2 dari sumber garis menggunakan software R ini diberi nama
Model SLS (Simple Line Source). Model SLS membutuhkan data koordinat receptor dan
sumber pencemar, beban emisi, kecepatan dan arah angin, dan kelas stabilitas atmosfir.
Kata kunci: Dispersi NO 2 , Model Gauss, Open Source R, Sumber Garis.

PENDAHULUAN
Kegiatan transportasi yang berkembang pesat di Kawasan Surabaya Selatan secara
signifikan menimbulkan emisi dari berbagai gas polutan. Salah satu jalan yang merupakan
penghubung antara Kota Surabaya dengan Kabupaten Sidoarjo yaitu Jalan Ahmad Yani.
Setiap tahun, kegiatan transportasi di Jalan Ahmad Yani berkembang dengan sangat cepat
sehingga berpotensi menyebabkan pencemaran udara. Gas polutan terdiri atas lima polutan
primer yaitu SO 2 , NO 2 , CO, PM 10 , dan Pb, serta polutan sekunder yakni ozon (O 3 ) (Cooper,
2002). Penelitian ini menggunakan NO 2 karena menurut Gurjar et al. (2010), emisi NO 2 lebih
banyak dihasilkan dari kendaraan bermotor. Wang et al. (2009) menambahkan bahwa NO 2
memiliki kontribusi besar terhadap polutan udara dari sumber jalan atau garis. NO 2
merupakan gas berwarna coklat dan dapat memberikan efek negatif bagi manusia dan
lingkungan.
Untuk membuat gambaran kualitas udara skala perkotaan/urban sangat sulit karena
membutuhkan biaya yang mahal dan waktu yang lama dan keterbatasan titik pantau.
Pemodelan merupakan cara efektif untuk memprediksi tingkat pencemaran udara disuatu
wilayah perkotaan. Menurut Kumar et al. (2015), model dispersi udara digunakan untuk
memperkirakan berapa banyak pengurangan gas polutan yang terjadi akibat proses transpor di

ISBN: 978-602-70604-2-5
A-53-1
 Prosiding Seminar Nasional Manajemen Teknologi XXIII
Program Studi MMT-ITS, Surabaya 1 Agustus 2015

atmosfir. Johnson et al. (2010) menambahkan, model dispersi udara memberikan solusi
dengan memperkirakan pencemar dari sumber titik, garis, dan area dengan proses
transportnya di atmosfir.
Pembangunan model Gauss dalam penelitian ini menggunakan aplikasi Open Source
R. Aplikasi R adalah perangkat lunak lingkungan untuk analisis data dan grafis yang
menyediakan implementasi bahasa S dari John Chambers (Faria et al., 2010). Aplikasi ini
telah berkembang pesat bagi para analisis data di seluruh dunia. Aplikasi ini banyak
digunakan untuk komputasi statistik dan grafis, merupakan bahasa pemrogaman fungsional
yang baik dan secara umum cocok untuk pemrogaman ilmiah (Jones et al., (2009). Saat ini
belum ada fungsi untuk dispersi gas polutan dari sumber garis pada aplikasi R. Tujuan
penelitian ini yaitu membentuk fungsi pada software R untuk dispersi NO 2 dari sumber garis
berdasarkan model Gauss. Harapan penelitian ini setelah mendapatkan fungsi tersebut, secara
komputasi bisa digunakan oleh banyak orang.

METODE
Studi ini terdiri atas tiga tahap, yaitu pembentukan model dispersi NO 2 dari sumber
garis menggunakan Microsoft Excel, pembentukan model dispersi NO 2 menggunakan aplikasi
R, dan validasi model. Pembentukan model menggunakan Microsoft Excel secara garis besar
adalah menghitung beban emisi, pengaruh meteorologi, dan konsentrasi NO 2 . Pembentukan
model menggunakan aplikasi R yaitu meringkas semua formula matematis pada Model Gauss
ke dalam suatu fungsi sederhana. Setelah model terbentuk kemudian melakukan validasi
model dengan data kualitas udara ambien dari BLH Kota Surabaya.
Pembentukan Model Dispersi NO 2 Dari Sumber Garis Menggunakan Microsoft Excel
Tahap pembentukan model dispersi NO 2 dari sumber garis yaitu menghitung beban
emisi, pengaruh meteorologi, dan konsentrasi NO 2 . Perhitungan (counting) jumlah kendaraan
dilakukan di Jalan Ahmad Yani. Kendaraan bermotor, yaitu sepeda motor, mobil pribadi,
angkutan umum, mobil box, truk kecil, truk besar, dan bus. Waktu sampling jumlah
kendaraan dilakukan pada jam puncak (peak hour) yaitu 06.00 – 09.00 WIB dan 17.00 - 20.00
WIB. Arah dan kecepatan angin digunakan untuk memperkirakan pola dispersi gas pencemar
udara. Perubahan arah dan kecepatan angin menunjukan arah penyebaran dan fluktuasi
konsentrasi zat pencemar di atmosfir.

Sedangkan formulasi matematis Model Gauss dapat dijabarkan sebagai berikut:

1. Fungsi beban emisi:
(1)

Dengan Q= beban emisi (g/km.jam), n= jumlah kendaraan, FE= faktor emisi (kg/unit,
unit= kendaraan-mil), smp= satuan mobil penumpang. Tabel 1 merupakan konversi jenis
kendaraan ke satuan mobil penumpang sedangkan Tabel 2 adalah faktor emisi kendaraan.
Tabel 1. Konversi Jenis Kendaraan ke Satuan Mobil Penumpang
No. Jenis kendaraan Ekivalen kendaraan penumpang
1 Kendaraan ringan 1
2 Kendaraan berat 1,3
3 Sepeda motor 0,2
(Sumber: Dirjen Bina Marga, 1997)

ISBN: 978-602-70604-2-5
A-53-2
 Prosiding Seminar Nasional Manajemen Teknologi XXIII
Program Studi MMT-ITS, Surabaya 1 Agustus 2015

Tabel 2. Faktor Emisi Setiap Jenis Kendaraan

CO 2 Faktor CH 4 Faktor NO 2 Faktor
Jenis Kendaraan Unit
(kg/unit) (kg/unit) (kg/unit)
Mobil penumpang 0,368 0,018 0,013 kendaraan-mil
Sepeda motor 0,197 0,07 0,007 kendaraan-mil
Truk kecil 0,501 0,024 0,019 kendaraan-mil
Truk besar 1,456 0,018 0,011 kendaraan-mil
Bus 0,058 0,0007 0,0004 kendaraan-mil
(Sumber: U.S. EPA, 2014)

2. Fungsi pengaruh meteorologi:

(2)
(3)
Dengan σy= koefisien dispersi horizontal (m), σz= koefisien dispersi vertikal (m), x=
jarak sumber pencemar ke receprtor (m), a,b,c,f= konstan stabilitas atmosfir (Tabel 3).
Tabel 3. Konstan Stabilitas Atmosfir
x < 1 km x> 1km
Stabilitas a b
c d f c d f
A 213 0,894 440,8 1,941 9,27 459,7 2,094 -9,6
B 156 0,894 106,6 1,149 3,3 108,2 1,098 2
C 104 0,894 61 0,911 0 61 0,911 0
D 68 0,894 33,2 0,725 -1,7 44,5 0,516 -13
E 50,5 0,894 22,8 0,678 -1,3 55,4 0,305 -34
F 34 0,894 14,35 0,74 -0,35 62,6 0,18 -48,6
(Sumber: Cooper, 1994)

Fungsi X dan Y merupakan hubungan arah angin dan jalan dengan sumber penerima
(Gambar 1), sehingga
(4)
(5)

Gambar 1. Hubungan Arah Angin dan Jalan dengan Penerima

(Sumber: Petersen, 1978)

ISBN: 978-602-70604-2-5
A-53-3
 Prosiding Seminar Nasional Manajemen Teknologi XXIII
Program Studi MMT-ITS, Surabaya 1 Agustus 2015

3. Fungsi Konsentrasi Gas Polutan:

 
 exp . - 1 (Z − H )  + exp − 1 (Z + H )  
2
1 y
exp  −
Q (6)
C= .  2   2 
2π .u.σy.σz  2
σy
2   σz 2   σz 2  
 
Dengan C= konsentrasi polutan (µg/m3), u= kecepatan angin (m/detik), Z= jarak vertikal dari
permukaan tanah (m), H= ketinggian stack (m). Perhitungan dispersi konsentrasi NO 2 dari
sumber garis pada penelitian ini, Z dan H dianggap nol karena terlalu dekat dengan
permukaan tanah.
Pembentukan Model Dispersi NO 2 Dari Sumber Garis Menggunakan Aplikasi R
Tahap pembentukan model menggunakan aplikasi R secara garis besar adalah
meringkas semua formula matematis pada Model Gauss ke dalam suatu fungsi sederhana.
Pembentukan fungsi tersebut menggunakan Tinn-R versi 3.0.3.6 dan untuk running model
menggunakan R versi 3.1.2.
Validasi Model
Penelitian ini menggunakan validasi model IOA (Index of Agreement). IOA
merupakan ukuran standar dari tingkat kesalahan prediksi model dan bervariasi antara 0 dan 1
(Willmot et al., 2012). Nilai 1 menunjukkan kecocokan, dan 0 menunjukkan ketidakcocokan
sama sekali. Nilai IOA dihitung dengan

(7)

dimana P= konsentrasi NO 2 hasil model dan O= konsentrasi NO 2 di SUF 7 dari BLH Kota
Surabaya.

HASIL DAN PEMBAHASAN

Tabel 4 merupakan rekapitulasi beban emisi di Jalan Ahmad Yani pada Hari Senin
dan Minggu.
Tabel 4. Rekapitulasi Beban Emisi di Jalan Ahmad Yani pada Hari Senin dan Minggu
Hari Senin Hari Minggu
Waktu Q (kg/km.0,5jam) Waktu Q (kg/km.0,5jam)
06.00 - 06.30 16,08 06.00 - 06.30 6,39
06.30 - 07.00 20,22 06.30 - 07.00 10,23
07.00 - 07.30 21,29 07.00 - 07.30 11,14
07.30 - 08.00 21,54 07.30 - 08.00 11,74
08.00 - 08.30 17,30 08.00 - 08.30 12,65
08.30 - 09.00 18,33 08.30 - 09.00 13,88
17.00 - 17.30 17,40 17.00 - 17.30 14,73
17.30 - 18.00 18,39 17.30 - 18.00 15,37
18.00 - 18.30 19,61 18.00 - 18.30 17,35
18.30 - 19.00 22,53 18.30 - 19.00 19,53
19.00 - 19.30 20,90 19.00 - 19.30 18,97
19.30 - 20.00 19,82 19.30 - 20.00 18,64

Berdasarkan Tabel 4, kita mengetahui bahwa beban emisi terbesar pada Hari Senin
adalah jam 18.30 – 19.00 sebesar 22,53 kg/km.0,5jam. Sedangkan pada Hari Minggu beban
emisi terbesar terjadi pada jam 18.30 – 19.00 dengan 19,53 kg/km.0,5jam. Perhitungan beban
emisi pada studi ini tidak memperhatikan jenis dan umur kendaraan, sehingga perlu penelitian

ISBN: 978-602-70604-2-5
A-53-4
 Prosiding Seminar Nasional Manajemen Teknologi XXIII
Program Studi MMT-ITS, Surabaya 1 Agustus 2015

lebih lanjut untuk perhitungan beban emisi dari jenis dan umur kendaraan. Tabel 5
menunjukkan rekapitulasi konsentrasi NO2 .
Tabel 5. Rekapitulasi Konsentrasi NO 2
Q C NO 2
No. Hari Jam x (m) y (m) σy (m) σz(m)
(kg/km.0,5jam) (µg/m3)
1. 06.00 - 06.30 16,08 347 1759,91 9431,70 1202,248 0,40
2. 06.30 - 07.00 20,22 604 1689,13 15463,53 1749,771 0,16
3. 07.00 - 07.30 21,29 473 1730,43 12423,59 1481,935 0,24
4. 07.30 - 08.00 21,54 176 1785,29 5127,97 756,858 1,31
5. 08.00 - 08.30 17,30 437 1740,12 11583,22 1405,206 0,24
6. 08.30 - 09.00 18,33 369 1755,44 9962,25 1253,251 0,28
Senin
7. 17.00 - 17.30 17,40 252 1776,25 7087,08 967,714 0,42
8. 17.30 - 18.00 18,39 237 1778,21 6694,13 926,688 0,50
9. 18.00 - 18.30 19,61 205 1782,27 5895,64 841,467 0,84
10. 18.30 - 19.00 22,53 108 1790,75 3323,77 544,388 2,91
11. 19.00 - 19.30 20,90 322 1764,65 8824,98 1143,063 0,60
12. 19.30 - 20.00 19,82 444 1737,97 11752,26 1420,745 0,52
13. 06.00 - 06.30 6,39 454 1735,88 11975,33 1441,169 0,21
14. 06.30 - 07.00 10,23 543 1709,55 14071,51 1628,874 0,24
15. 07.00 - 07.30 11,14 272 1773,29 7590,07 1019,437 0,52
16. 07.30 - 08.00 11,74 157 1787,04 4634,57 700,865 1,07
17. 08.00 - 08.30 12,65 132 1789,14 3977,86 624,035 1,24
18. 08.30 - 09.00 13,88 106 1790,90 3254,54 535,746 1,76
Minggu
19. 17.00 - 17.30 14,73 323 1764,54 8839,89 1144,529 0,29
20. 17.30 - 18.00 15,37 419 1744,59 11150,21 1365,147 0,19
21. 18.00 - 18.30 17,35 191 1783,67 5535,65 802,144 0,84
22. 18.30 - 19.00 19,53 174 1785,57 5087,13 752,275 1,28
23. 19.00 - 19.30 18,97 103 1791,03 3191,35 527,819 2,64
24. 19.30 - 20.00 18,64 103 1790,98 3180,55 526,461 3,45

Tabel 5 menunjukkan bahwa konsentrasi NO 2 terbesar pada Hari Senin terjadi pada
jam 18.30 – 19.00 sebesar 2,91 µg/m3. Pada Hari Minggu konsentrasi NO 2 terbesar terjadi
pada jam 19.30 – 20.00 sebesar 3,45 µg/m3. Konsentrasi NO 2 pada Tabel 5 merupakan
perhitungan dengan menggunakan Microsoft Excel.
Langkah selanjutnya adalah melakukan pembangunan model menggunakan aplikasi R.
Semua kode persamaan matematika dicatat menggunakan Tinn-R versi 3.0.3.6. Urutannya
adalah dari konsentrasi sampai ke persamaan terbawah yaitu jarak X dan Y. Penulis memberi
nama model konsentrasi NO 2 pada aplikasi R adalah Model SLS (Simple Line Source). Secara
garis besar, pembentukan fungsi model dispersi NO 2 pada aplikasi R adalah meringkas semua
formula matematis Gauss ke dalam bentuk fungsi sederhana dengan memasukkan variabel
yang dibutuhkan. Gambar 2 merupakan fungsi Model SLS untuk dispersi NO 2 dari sumber
garis yang telah terbentuk.

ISBN: 978-602-70604-2-5
A-53-5
 Prosiding Seminar Nasional Manajemen Teknologi XXIII
Program Studi MMT-ITS, Surabaya 1 Agustus 2015

Gambar 2. Model SLS untuk Dispersi NO 2 dari Sumber Garis

Pada fungsi diatas, variabel Q= beban emisi, u= kecepatan angin, DjSS= derajat
koordinat S di sumber pencemar (source), MtSS= menit koordinat S di source, DtSS= detik
koordinat S di source, LaSS= arah lintang (latitude) di source, DjSR= derajat koordinat S di
penerima (receptor), MtSR= menit koordinat S di receptor, DtSR= detik koordinat S di
receptor, LaSR= arah lintang (latitude) di receptor, DjRS= derajat koordinat R di source,
MtRS= menit koordinat R di source, DtRS= detik koordinat R di source, LoRS= arah bujur
(longitude) di source, DjRR= derajat koordinat R di receptor, MtRR= menit koordinat R di
receptor, DtRR= detik koordinat R di receptor, LoRR= arah bujur (longitude) di receptor,
Wd= arah angin, dan Stability= kelas stabilitas atmosfir.
Setelah mendapatkan Model SLS kemudian melakukan running menggunakan
aplikasi R. Caranya adalah mengcopy Model SLS dari aplikasi Tinn R ke aplikasi R.
Kemudian memasukkan nilai variabel yang akan digunakan. Gambar 3 merupakan hasil
running Model SLS.

Gambar 3. Hasil Running Model SLS

ISBN: 978-602-70604-2-5
A-53-6
 Prosiding Seminar Nasional Manajemen Teknologi XXIII
Program Studi MMT-ITS, Surabaya 1 Agustus 2015

Tanda/ index [1] ke kanan merupakan konsentrasi 1 sampai konsentrasi 7, index [8] ke
kanan merupakan konsentrasi 8 sampai 14, index [15] ke kanan adalah konsentrasi 15 sampai
21, dan index [22] adalah konsentrasi 22 sampai 24. Konsentrasi 1 adalah konsentrasi pada
Hari Senin jam 06.00 - 06.30, konsentrasi 2 adalah konsentrasi pada Hari Senin jam 06.30 -
07.00, dan seterusnya (lihat Tabel 5).
Setelah mendapatkan konsentrasi NO 2 , kemudian melakukan validasi model dengan
data sekunder kualitas udara SUF 7 dari BLH Kota Surabaya pada saat sampling yaitu tanggal
16 Maret 2015 dan 22 Maret 2015. Hasil perhitungan menunjukkan bahwa validasi model
menunjukkan nilai Index of Agreement (IOA) sebesar 0,46 dimana nilai tersebut masih
dibawah kecocokkan. Hal ini disebabkan ada beberapa faktor. Pertama, tepat di sebelah timur
SUF 7 terdapat jalan tol yang tiap jamnya dilalui ribuan kendaraan. Jadi ada kemungkingan
SUF 7 lebih banyak menerima polutan dari jalan tol tersebut daripada dari Jalan Ahmad Yani.
Kedua, SUF 7 tidak hanya menerima polutan dari sumber garis (transportasi) tetapi bisa
berasal dari sumber titik (industri). Ketiga, polutan dari Jalan Ahmad Yani dalam perjalanan
menuju receptor terjadi kinetika reaksi dengan gas lain. Pada siang hari, terjadi reaksi kimia
antara gas nitrogen dioksida dengan radikal hidroksil membentuk asam nitrat. Sedangkan
pada malam hari terjadi rekasi antara nitrogen dioksida dengan ozon membentuk asam nitrat
(Hall et al., 2008).
Siang : NO 2 + OH  HNO 3
Malam : NO 2 + O 3  NO 3 + O 2
NO 2 + NO 3  N 2 O 5
N 2 O 5 + H2 O  HNO 3
Berdasarkan hasil perhitungan validasi model, maka perlu melakukan validasi dengan
menggunakan data primer untuk kajian lebih lanjut agar mendapatkan nilai IOA yang
mendekati kecocokan. Jadi penelitian ini telah menghasilkan model dispersi NO 2 dari sumber
garis berdasarkan Model Gauss menggunakan aplikasi Open Source R. Variabel yang
dibutuhkan pada Model SLS adalah beban emisi, kecepatan angin, koordinat titik sampling
dan receptor (sensor pemantauan udara), arah angin, dan kelas stabilitas atmosfir.

KESIMPULAN DAN SARAN

Studi ini menghasilkan kesimpulan sebagai berikut:
1. Model dispersi NO 2 dari sumber garis berdasarkan model Gauss menggunakan aplikasi
Open Source R mampu menghasilkan konsentrasi NO 2 dengan pengerjaan yang lebih
mudah dan waktu pengerjaan yang lebih efisien.
Saran untuk penelitian selanjutnya adalah:
1. Perlu melakukan penelitian lebih lanjut untuk model dispersi NO 2 dari sumber titik
(industri) dan model dispersi sesuai reaksi alami yang terjadi di atmosfer.
2. Perlu melakukan lebih lanjut untuk perhitungan beban emisi berdasarkan jenis dan umur
kendaraan.
3. Untuk validasi model perlu menggunakan data primer agar mendapatkan nilai yang
mendekati kecocokan.

DAFTAR PUSTAKA
Cooper, C. D., & Alley, F. C. (1994). Air Pollution Control 2nd Edition. Waveland Press Inc.
USA.
Cooper, C. D., & Alley, F. C. (2002). Air Pollution Control 3rd Edition. Waveland Press Inc.
USA.

ISBN: 978-602-70604-2-5
A-53-7
 Prosiding Seminar Nasional Manajemen Teknologi XXIII
Program Studi MMT-ITS, Surabaya 1 Agustus 2015

Direktorat Jenderal Bina Marga. (1997). Manual Kapasitas Jalan Indonesia (MKJI). Jakarta.
Faria, J, C., Grosjean, P., Jelihovschi, E. G., & Pietrobon, R. (2010). Tinn-R Editor. Rmetrics
Association. Zurich.
Gurjar, B. R., Nagpure, A. S., Kumar, P., & Sahni, N. (2010). Pollutant Emissions from Road
Vehicles in Mega-City Kolkata, India: Past and Present Trends. Indian Journal of Air
Pollution Control, 10, 18-30.
Hall, D. J., Spanton, A. M., & Powlesland, C. B. (2008). Review of Modelling Methods of
Near-field Acid Deposition. Environment Agency. Bristol.
Johnson, M., Isakov, Touma, J. S., Mukerjee, S., & Ozkaynak, H. (2010). Evaluation of Land
Use Regression Models Used to Predict Air Quality Concentration in a Urban Area.
Atmospheric Environment, 44, 3660-3668.
Jones, O., Maillardet, R., dan Robinson, A. 2009. “Intoduction to Scientific Programming and
Simullation Using R”. CRC Press. New York.
Kumar, P., Morawska, L., Martani, C., Biskos, G., Neophytou M., Sabatino, S. D., Bell. M.,
Norford, L., & Britter, R. (2015). The Rise of Low-cost Sensing for Managing Air
Pollution in Cities. Environment International, 75, 199-205.
Petersen, W. B. (1978). A Gaussian-Plume Algorithm for Point, Area, and Line Sources.
Environmental Science Researh Laboratory Office of Research and Development.
North Carolina.
U.S. EPA. (2014). Inventory of U.S. Greenhouse Gas Emissions and Sinks: 1990-2012.
Washington.
Wang, M., Zhu, T., Zheng, J., Zhang, R. Y., Xie, X. X., Han, Y. Q., & Li, Y. (2009). Use of
Mobile Laboratory to Evaluate Changes in On-road Air Pollutents During the Beijing
2008 Summer Olympics. Atmospheric Chemistry and Physics, 9, 8247-8263.
Willmot, C. J. Robeson, S. M., & Matsuura, K. (2012). Short Communication a Refined Index
of Model Performance. International Journal of Climatology, 32, 2088-2094.

ISBN: 978-602-70604-2-5
A-53-8

View publication stats