Epsilon Archive for Student Projects

Abstract

High level of ambient PM2.5 concentration in cities have negative health implications for the population. Delhi have concentration levels above defined national standards as well as air quality guidelines defined by the WHO. The study estimates sector specific MAC functions for sectors in Delhi contributing to the primary PM2.5 emissions, to find the cost-efficient strategy to reach the national air quality standard for annual population-weighted mean concentration. Different scenarios will be tested giving primary emissions from sectors in Delhi different levels of responsibility in the abatement strategy. The cost-minimization problem is conducted using economic programming with bottom up emission calculations and abatement data based on the GAINS model. Actual data from monitoring stations in Delhi is used to compare with the model estimations and used to derive a regression model with meteorological factors and seasonal dummy variables to further evaluate cost efficiency. For reaching the policy goal, most measures available must be implemented across the sectors giving primary emissions the share of the reduction it contributes. The regression model shows relationship between the concentration and the exogenic meteorological factors including the seasonal dummy variables. The results indicate that variation in activity rates or other seasonal dependent variables not included in the model effect the concentration between the seasons.

Höga nivåer av PM2.5 koncentration i städer har en negativ inverkan på befolkningens hälsa. Delhi har koncentrationsnivåer som överskrider definierade nationella standarder samt riktlinjer för luftkvalitet som fastställts av WHO. I studien uppskattas sektorspecifika MAC-funktioner för sektorer i Delhi som bidrar till de primära PM2.5 utsläppen, för att fastställa den kostnadseffektiva strategin för att nå den nationella luftkvalitetsstandarden för årlig befolkningsvägd medelkoncentration. Olika scenarier kommer att testas, vilket ger primära utsläpp från sektorer i Delhi olika ansvarsnivåer i minskningsstrategin. Kostnadsminimeringsproblemet genomförs med hjälp av ekonomisk programmering med nedifrån beräknade utsläpp och reduktionsdata baserat på GAINS-modellen. Faktiska data från övervakningsstationer i Delhi används för att jämföra med modellberäkningarna och estimera en regressionsmodell med meteorologiska faktorer och säsongsvariabler för att ytterligare utvärdera kostnadseffektiviteten. För att nå det politiska målet måste de flesta åtgärderna genomföras i strategin där de primära utsläppen har andelen av minskning som motsvarar andelen de bidrar med. Regressionsmodellen visar förhållandet mellan koncentrationen och de exogena meteorologiska faktorerna inklusive de säsongsmässiga dummyvariablerna. Modellen indikerar att variation i aktivitetsnivåer eller andra säsongsberoende variabler som inte är inkluderade i modellen påverkar koncentrationen mellan årstiderna.