METODE DE CERCETARE STATISTICĂ

APLICATE ÎN STUDIUL CALITĂȚII MEDIULUI

 CUPRINS

INTRODUCERE...........................................................................................................................3
CAPITOLUL I: DOCUMENTARE PRIVIND POLUAREA ÎN ROMÂNIA ȘI UE ȘI
EFECTELE ASUPRA SĂNĂTĂȚII...........................................................................................5
1.1 Calitatea aerului. Poluarea atmosferică în România..............................................................5
1.2 Poluarea apei și solului în România.......................................................................................7
1.2.1 Utilizarea pesticidelor în agricultură...............................................................................9
1.3 Nivelul de poluare în Uniunea Europeană...........................................................................10
1.3.1 Poluarea aerului. Efect asupra sănătății.........................................................................12
CAPITOLUL 2: ANALIZA DESCRIPTIVĂ A POLUANȚILOR CARE AFECTEAZA
AERUL ÎN ROMÂNIA ȘI UNIUNEA EUROPEANĂ............................................................14
2.1 Nivelul emisiilor de gaze cu efect de seră în România și țări din Uniunea Europeană.......14
2.2 Nivelul emisiilor de dioxid de carbon în România și țări din Uniunea Europeană.............16
CAPITOLUL 3 - STUDIU DE CAZ..........................................................................................21
3.1. Metodologia........................................................................................................................21
3.2 Testarea staționarității și stationarizarea unei seriei de timp...............................................21
3.2.1 Testul Unit Root Test....................................................................................................24
3.3 Metodologia Box-Jenkins. Model ARMA...........................................................................28
3.4 Analiza componentelor principale.......................................................................................32
3.4.1 Interpretarea componentelor principale.........................................................................33
3.5 Analiza cluster......................................................................................................................34
CONCLUZII................................................................................................................................38
BIBLIOGRAFIE.........................................................................................................................40
 INTRODUCERE

Cercetarea în detaliu a studiilor evidențiate în lucrarea de licență are drept scop găsirea
elementelor de natură statistică și integrarea lor în studiul cunoșterii calității mediului.

În România, asigurarea unor condiții de calitate a mediului înconjurător a devenit o

problemă majoră în contextul alinierii țării noastre la standardele și cerințele impuse de legislația
internațională, astfel că motivul alegerii temei îl constituie informarea și preocuparea corectă în
găsirea modalităților de prevenire a poluării mediului pentru că un mediu curat înseamnă
sănătate. Este un subiect important pentru mine și destul de variat care mă pune în fața lucrurilor
care mă interesează.

În capitolul 1 este prezentat nivelul de poluare pentru România și Uniunea Europeană, fapt
evidențiat prin studii.

În ultimele trei decenii, relația dintre consumul de energie și creșterea economică, precum și
creșterea economică și poluarea mediului, a făcut obiectul unor cercetări intense. Dovezile
empirice raman ambigue până în prezent.

În ultimul deceniu, majoritatea problemelor legate de mediu din Europa provin din
dezvoltarea rapidă a economiilor, creșterea dramatică a consumului de energie și din creșterea
transportului rutier sau non-rutier.

Tot în acest capitol este pus în evidență efectul pe care îl are poluarea aerului asupra
sănătății. Expunerea oamenilor, fie pe termen lung, fie pe termen scurt la substanțele toxice din
aer, poate duce la boli respiratorii și cardiovasculare, boli de piele sau boli cronice cum ar fi
cancerul.

Capitolul 2 analizează grafic evoluția emisiilor care au dus la poluarea aerului în România și
Uniunea Europeană. Conform Organizației Mondiale a Sănătății cea mai importantă sursă de
poluare este poluarea aerului, urmată de poluarea fonică, cele 2 tipuri de poluare fiind evidențiate
și analizate în acest capitol.

Capitolul 3 conține mai multe analize ce utilizează instrumente cantitative. M-am ocupat mai
întâi de modelarea econometrică a emisiilor de carbon înregsitrate pentru România, utilizând

3
metodologia Box-Jenkins. A fost identificat ce mai bun model care ajustează datele și care poate
fi folosit în previziuni. Apoi, utilizând un eșantion format din 33 de țări, am realizat o analiză în
componente principale, folosind mai multe variabile precum rata mortalității, emisii de CO2,
oxizi de azot, taxe de mediu, emisii de gaze cu efect de seră, zgomot. Partea aplicativă se încheie
cu o analiză cluster.

4
 CAPITOLUL I: DOCUMENTARE PRIVIND POLUAREA ÎN
ROMÂNIA ȘI UE ȘI EFECTELE ASUPRA SĂNĂTĂȚII

În primul capitol este prezentat nivelul de poluare în România și Uniunea Europeană, fapt
evidențiat prin studii realizate atât în anii trecuți, cât și din perioada actuală. Protejarea mediului
înconjurător înseamnă protejarea pe noi înșine. Poluarea înseamnă introducerea unor substanțe
care au efecte dăunatoare mediului și pun în pericol sănătatea oamenilor.

Tipurile de poluare sunt: poluarea apei, solului, aerului și respectiv poluarea fonică, toate
fiind discutate în studiile prezentate în acest capitol.

1.1 Calitatea aerului. Poluarea atmosferică în România

Poluarea aerului reprezintă pătrunderea în atmosferă a diferitelor substanțe dănătoare atât

mediului cât și sănătății. Aerul este ceea ce respirăm, iar dacă calitatea aerului nu corespunde
criteriilor impuse de Organizația Mondială a Sănătății, are un impact nociv asupra noastră.

În lucrarea „Air quality, primary air pollutants and ambient concentrations inventory for
Romania”, autorii susțin că poluanții emiși de activitățile umane provin din producerea și
utilizarea energiei bazate pe combustibili fosili. Particulele grosiere inhalabile (PM10) și
particulele fine (PM2.5) sunt alți poluanți principali, care provin din construcții. În acest studiu
se pune în evidență fluctuațiile în ceea ce privește poluarea aerului în România, utilizând rețeaua
națională de monitorizare a poluării aerului din România.1

Atât creșterea cererii de energie electrică în industria metalurgiei, petrolieră, chimică în

sectorul construcțiilor, cât și transportul terestru și aerian au dus la creșterea concentrației
anumitor constituenți ai atmosferei, având consecințe dăunătoare asupra oamenilor și a
mediului.2

1
Gabriel Năstasea, Alexandru Șerban, Alina Florentina Năstasea, George Dragomira, Alin Ionuț Brezeanua, Air
quality, primary air pollutants and ambient concentrations inventory for Romania, Atmosheric Environment, 2018.
2
Ibidem

5
 În Fig. 1.1 avem tipurile de energie primară consumată în România. Principalele surse de
energie sunt combustibilii fosili și anume gazul natural folosit în proporție de 29%. Cantități
semnificative sunt și pentru petrol, 26%. Utilizarea încălzitoarelor de ardere cu biomasă conduce
la emisii de particule de PM2.5 și PM10 în atmosferă, acestea nefiind prevăzute cu filtre de
particule.

Energie primară

10% Energie nucleară

Biomasă
31% 13% Cărbune
Petrol
Gaze naturale
18%

28%

Fig. 1.1.Energia primară în România în anul 2015

Sursă : prelucare proprie în Excel, date preluate de pe Eurostat

Obiectivul acestui studiu a fost de a analiza poluarea atmosferică la nivelul României și de a

evalua faptul că poluarea are un impact asupra schimbărilor climatice. Rezultatele au rolul de a
contribui la dezvoltarea surselor de energie regenerabile, reciclabile, durabile, precum și de a
încuraja oamenii să se implice în ceea ce privește mediul pentru un stil de viață sănătos.

În ceea ce privește calitatea apelor, poluarea chimică este considerată principalul factor care
afectează calitatea acestora. De-a lungul Dunării, multe zone sunt afectate de poluare, în special
zonele agricole și industriale.3

În articolul ”Air Pollution Monitoring: A Case Study from Romania”, autoarea oferă o
imagine a problemei calității mediului. Prima parte a acestui studiu ne indică principalii poluanți,
sursele și impactul acestora. Se analizează și se discută standardele actuale privind calitatea

3
Gabriel Năstasea, Alexandru Șerban, Alina Florentina Năstasea, George Dragomira, Alin Ionuț Brezeanua, Air
quality, primary air pollutants and ambient concentrations inventory for Romania, Atmosheric Environment, 2018.

6
aerului, cuantificate prin indici de calitate a aerului la nivel mondial. Sunt prezentate modul în
care sunt colectate, analizate seturile de date, modul în care sunt interpretate măsurătorile și
importanța monitorizării poluării aerului. A doua parte a studiului prezintă poluarea aerului în
Europa de Est prin evaluarea poluării aerului în unele localități din România. Locațiile selectate
pentru studiu sunt situate în diferite regiuni climatice ale țării și au topografie diferită: Iași,
Miercurea-Ciuc, Cluj-Napoca, Poiana Stampei. Poluarea aerului din aceste orașe va fi comparată
cu poluarea aerului din București. În concluzie, acest studiu ajută la cunoașterea poluării
atmosferice în Europa de Est și prezintă o evaluare a concentrațiilor la nivelul solului ale
principalilor poluanți atmosferici. Concentrațiile particulelor grosiere PM10 au cele mai ridicate
valori în orașul Iași și cele mai scăzute în Poiana Stampei.4

România este un producător important de gaze naturale, petrol și cărbune din Europa și țara
cu un consum de energie ridicat. Este țara cu cel mai scăzut nivel de impozitare a mediului ca
procent din PIB.5

În articolul “Environmental Kuznets curve in Romania and the role of energy consumption”,
autorii Muhammad Shahbaz, Mihai Mutascu, Parvez Azim analizează relația dinamică dintre
creșterea economică, emisiile de CO2 și consumul de energie pentru perioada 1980-2010 în
România. Rezultatele studiului confirmă o relație de lunga durată între emisiile de CO2,
consumul de energie și creșterea economică.6

1.2 Poluarea apei și solului în România.

Poluarea apei înseamnă degradarea calității apei. Este o resursă importantă pentru mediu și
oameni. Nu numai că trebuie să ne îngrijorăm că particulele nesănătoase ajung în apa noastră de
băut, dar și culturile, animalele și oceanele sunt grav afectate de acest lucru. Poluarea solului
reprezintă degradarea suprafaței pămâtului.

4
Gabriela Iorga, Air Pollution Monitoring: A Case Study from Romania, Air Quality - Measurement and
Modeling, 2016.
5
Muhammad Shahbaz, Mihai Mutascu, Parvez Azim, Environmental Kuznets curve in Romania and the role of
energy consumption, Renewable and Sustainable Energy Reviews, 2012
6
Ibidem

7
 Studiul “Spatial distribution and geochemistry of heavy metals in soils: A case study
from the NE area of Vaslui county, Romania” raportează concentrațiile și sursele de poluare
cu metale grele (As, Cd, Co, Cr, Cu, Ni, Pb, Zn) în 193 probe de sol din partea de nord-est a
județului Vaslui. Pentru a evalua distribuția elementelor din zona autorii au folosit în
componente și analiza ierarhică de grupare. Rezultatele au arătat că emisiile vehiculelor,
activitățile umane și materialele agricole reprezintă cele mai importante surse de contaminare cu
Zn, Pb, Cu. Concentrațiile de Ni pot fi, usor influențate de îngășăminte. Concentrațiile de Pb
depășesc valorile normale în soluri în apropierea drumurilor cu trafic mare. Conținutul de Cu
depășește valorile normale în majoritatea probelor, iar două dintre ele depășesc pragurile de
alertă într-o zonă plantată cu viță-de-vie. Concentrațiile de Co, Ni, As prezintă o distribuție
uniformă în zona de cercetare.7

Articolul intitulat „First evaluation of neustonic microplastics in Black Sea waters”,

analizează concentrația de microplastice din Marea Neagră, folosind mostre de apă pentru două
perioade, în Noiembrie 2014, din 12 centre și Februarie 2015 tot din 12 centre. Microplasticul
reprezintă bucăți mai mici de 5mm care se găsesc în oceane și ape, afectând astfel viața acvatică.
22 din cele 24 de mostre analizate conțin mp. Din punct de vedere a hidrografiei, studiul a scos
în evidență caracteristicile tipice ale zonei studiate. Apa are temperaturi mai ridicate în sud și în
est. Cea mai mare concentrație a fost de fibre 49%, urmată de plastic 30%.8

În studiul „The Juridical Protection of the Forest in Romania”, autorul român Măgureanu
Ilie urmărește să sublinieze legislația în ceea ce privește silvicultura, măsurile care trebuie luate
pentru a crește protejarea pădurilor. Totalitatea activităților pentru întreținere și îmbunătățire
trebuie efectuate conform prevederilor legii. Rolul ecosistemelor forestiere este de a neutraliza și
a reține poluanții.9

În lucrarea cu denumirea “Assessment of the contamination of riparian soil and vegetation

by trace metals - A Danube River, case study”, autorii analizează distribuția spațială a metalelor
grele cum ar fi: Cd, Cr, Ni, Pb, Zn de-a lungul fluviului Dunarea, efectul poluării ecosistemelor
7
Traian Ungureanu, Gabriel Ovidiu Iancu, Mitică Pintilie, Spatial distribution and geochemistry of heavy
metals in soils: A case study from the NE area of Vaslui county, Romania, Journal of Geochemical
Exploration, 2017.
8
Ulgen Aytan, Andre Valente, First evaluation of neustonic microplastics in Black Sea waters, Marine
Environmental Research, 2016.
9
Măgureanu Ilie , The Juridical Protection of the Forest in Romania, Procedia - Social and Behavioral Sciences 81,
2013.

8
fluviale asupra vegetației riverane și a solului. Rezultatele obținute au evidențiat o corelație
semnificativă între cele trei seturi de date: sedimentele râului, solul și plantele riverane. Un nivel
ridicat de metale a fost găsit în Dunărea de Mijloc și de Jos, iar Cd, Cu, Cr, Hg, Ni au fost
caracteristice zonei Dunărea De Vest (în Ungaria și Serbia) în timp ce în Dunărea de Sud
(România și Bulgaria) a fost poluată cu Pb și As. Una din concluziile studiului este că între
sedimentele râului și sol a fost găsită o corelație pozitivă pentru concentrațiile de metal. De
asemenea, a fost identificată o corelație pozitivă semnificativă între sol și plante și sedimente și
plante. Rezultatele au indicat niveluri toxice de Cd și Zn din plante.10

1.2.1 Utilizarea pesticidelor în agricultură

Agricultorii folosesc adesea pesticide foarte toxice și îngrășăminte pentru a elimina

insectele, bacteriile și ciupercile din culturile lor. Utilizarea excesivă a acestor substanțe chimice
au ca rezultat contaminarea solului.

Lucrarea „Researches regarding the reduction of pesticide soil pollution in vineyards”

tratează un subiect legat de tratamentul cu pesticide. Acestea sunt utilizate pentru
combaterea dăunătorilor si a bolilor în podgorii. Când se efectuează tratamentul, o parte
importantă a pesticidului cade pe pământ, afectând microorganismele și fauna. Pentru a
diminua poluarea solului, s-a folosit o mașină de pulverizare prevazută cu un
echipament care care ca scop reciclarea lichidului de pesticide. Mașinile și
echipamentele folosite pentru combaterea dăunătorilor și a bolilor sunt îmbunătățite
încontinuu, având ca scop eficiența tratamentelor și reducerea cantității de pesticide.
Echipamentul prezentat în această lucrare, prezintă o soluție mai compactă, bazată pe un
pulverizator, echipat cu doua panouri de reciclare.11

Consider că folosirea acestor echipamente și mașinării va duce la o calitate mult

mai bună a recoltei și la un nivel de producție mult mai ridicat.

10
P. Pavlović, M. Mitrović, D. Đorđević Assessment of the contamination of riparian soil and vegetation by
trace metals — A Danube River case study, Science of the Total Environment, 2016
11
Andreea Diaconu, Researches regarding the reduction of pesticide soil pollution in vineyards, Process Safety
and Environmental Protection, 2017

9
 1.3 Nivelul de poluare în Uniunea Europeană

Majoritatea țărilor din Uninunea Europeană se confruntă cu un nivel ridicat de poluare.

Scopul articolului “Analysis of greenhouse gas emissions in the European Union member
states with the use of an agglomeration algorithm” este de a analiza nivelul de diferențiere a
statelor membre ale Uniunii Europene în ceea ce privește emisiile gazelor cu efect de seră.
Acest studiu ne va furniza informații care ne vor îmbogăți cunoștințele despre contribuția
fiecărei țări. Gazele cu efect de seră cuprind: dioxid de carbon, metan, oxid de azot și gaze
florurate. S-a observat o creștere accentuată a emisiilor de gaze cu efect de seră, în întreaga
lume, acestea stând în atmosferă pentru diferite perioade de timp. Emisiile de CO2 au
reprezentat 81% din emisiile totale, metanul 10,6%, N02 5,6% și gazele F 2,9%. Țările care
prezintă cele mai mari emisii de gaze cu efect de seră sunt: Germania, Franța, Polonia, Italia,
Spania, Turcia, iar cele cu cele mai mici emisii sunt Danemarca și Irlanda. 12

În articolul “Climate change, extreme weather events, air pollution and respiratory health in
Europe”, autorii M. De Sario, K. Katsouyanni și P. Michelozzi vorbesc despre consecințele
schimbărilor climatice. Din cauza acestora și a altor factori, poluarea aerului se schimbă în mai
multe zone urbane ale lumii, având efect semnificativ asupra stării de sănătate. Creșterea
emisiilor de dioxid de carbon și alte gaze cu efect de seră schimbă în mod dramatic clima,
atât la nivel global, cât și regional. Țările sunt din ce în ce mai afectate de poluarea a aerului
din cauza creșterii economice și a populației.13

Consider că este nevoie de politici de reducere a emisiilor de gaze cu efect de seră, mai
ales în țările în care emisiile au un nivel destul de ridicat.

În articolul ”CO2 emissions, economic growth, energy consumption, trade and urbanization
in new EU member and candidate countries: A panel data analysis” se analizează relația cauzală
dintre emisiile de dioxid de carbon, consumul de energie și creșterea economică, urbanizarea și
deschiderea comerțului pentru un grup de țări membre UE în perioada 1992-2010. Țările supuse
analizei sunt Bulgaria, Republica Cehă, Estonia, Malta, Macedonia, Islanda, Letonia, Polonia,

12
Anna Kijewska, Anna Bluszcz, Analysis of greenhouse gas emissions in the European Union member states
with the use of an agglomeration algorithm, Journal of Sustainable Mining, 2016.
13
M. De Sario, K. Katsouyanni și P. Michelozzi, Climate change, extreme weather events, air pollution and
respiratory health in Europe, Climate change and respiratory health, 2013.

10
Ungaria, România, Lituania, Slovacia, Croația, Slovenia și Turcia. În ceea ce privește
metodologia utilizată, aceștia au folosit pentru a investiga această relație testele de rădăcină a
unității, metodele de cointegrare și testele de cauzalitate. În urma rezultatelor, coeficienții
estimați în ecuațiile de emisie de dioxid de carbon, consumul de energie, comertul si PIB-ul sunt
semnificativi din punct de vedere statistic, punând în evidență faptul că cele patru variabile joacă
un rol important în proces.14

În articolul „On the relationship between energy consumption, CO2 emissions and economic
growth in Europe”, autorii realizează un studiu care se concentrează pe analiza relației dintre
emisiile de dioxid de carbon, consumul de energie și creșterea economică. Studiul este realizat
pentru 19 țări din Europa continentală în perioada 1960-2005. În ceea ce privește metodologia
utilizată, aceștia au testat relațiile de lungă durată între variabile, utilizând metoda de cointegrare
a testelor ARDL și modele de cauzalitate Granger bazate pe corecții de eroare. Autorii studiului
au obținut o estimare de valoare pozitivă a elasticității pe termen lung a emisiilor de dioxid în
raport cu consumul de energie în Danemarca, Grecia, Italia și Portugalia pentru un nivel de
semnificație de 1%. Au constatat și o estimare de valoare negativă a elasticității pe termen lung a
emisiilor de dioxid în raport cu pătratul PIB-ului real pe cap de locuitor pentru un nivel de
semnificație de 1% în Danemarca, nivel de semnificație de 5% în Italia și nesemnificativ statistic
în Germania, Grecia, Islanda și Portugalia.15

Relatiile bidirecționale, în ceea ce privește emisiile de dioxid de carbon, PIB-ul, consumul

de energie, arată faptul că cantitatea de emisii de dioxid de carbon din țările Europei nu va
scădea dacă producția economică va crește.16

1.3.1 Poluarea aerului. Efect asupra sănătății

Expunerea la diverse tipuri de poluanți are un efect negativ asupra organismului uman. Dacă
nivelul de poluare a aerului este mai scăzut și sănătatea respiratorie și cardiovasculară a
populației va fi mai bună.

14
Adnan Kasman și Yavuz Selman Duman, CO2 emissions, economic growth, energy consumption, trade and
urbanization in new EU member and candidate countries: A panel data analysis, Economic Modelling, 2014.
15
Ali Acaravci și Ilhan Ozturk, On the relationship between energy consumption, CO2 emissions and economic
growth in Europe, Energy, 2010.
16
Ibidem

11
 Studiul intitulat “Assessing the public health impacts of urban air pollution in 25
European cities: Results of the Aphekom project” arată efectele pe care le are poluarea aerului
asupra sănătății în Europa, prin intermediul proiectului Aphekom care are ca scop furnizarea de
informații noi cu privire la acest aspect. Prin acest proiect a fost evaluată sănătatea și beneficiile
financiare a reducerii expunerii pe termen lung și scurt la PM2.5 și ozon în 25 de orașe europene.
Rezultatele proiectului Aphekom confirmă faptul că reducerea poluării atmosferice urbane ar
avea ca rezultat câștiguri semnificative în domeniul financiar și al sănătății în Europa.17

În lucrarea “Estimating health and economic benefits of reductions in air pollution from
agriculture”, autorul afirmă faptul că emisiile de amoniac contribuie puternic la poluarea fonică a
aerului, având efecte semnificative asupra sănătății umane, contribuind chiar și la mortalitate.
Poluarea aerului cu PM2.5 a fost recunoscută ca fiind primul risc de sănătate pentru mediu.
Analiza studiului arată că o reducere de 50% a emisiilor agricole ar putea împiedica 200 000 de
decese pe an în cele 59 de țări incluse în lucrare. În Uniunea Europeană, mortalitatea ar putea fi
redusă cu 18%, 140 000 de decese ar putea fi prevenite, cu un beneficiu economic de
aproximativ 407 miliarde de euro pe an. Evaluarea costurilor si beneficiilor pentru Uniunea
Europeană, privind opțiunile de reducere a emisiilor de amoniac indică faptul că reducerea
emisiilor argicole generează beneficii financiare. Monitorizarea beneficiilor pentru sănătate ale
politicilor de reducere a poluării atmosferice poate contribui la elaborarea unor strategii eficiente
de gestionare a calității aerului.18
În articolul “Human cancer from environmental polluants: The epidemiological evidence”,
autorul Paolo Boffetta, discută despre riscul crescut de cancer pulmonar din cauza poluării
aerului. Proporția cancerului pulmonar în Europa este de 10,7%. În Europa majoritatea acestor
tipuri de cancer apar la fumători. Radonul este un alt agent cancerigen, 4,5% din cazurile de
cancer pulmonar.19

Articolul “Aspects Regarding Environmental Protection in Romania and EU, from a

Juridical Perspective”, autorul român prezintă problemele cu care se confruntă mediul și principii
generale ale mediului în legislația românească. Principiul protecției mediului a fost recunoscut în
17
M.Pascal, M.Corso, O.Chanel, Assessing the public health impacts of urban air pollution in 25 European
cities: Results of the Aphekom project, Science of The Total Environment, 2013.
18
Despina Gianndaki, Estimating health and economic benefits of reductions in air pollution from agriculture,
Science of the Total Environment, 2018.
19
Paolo Boffetta, Human cancer from environmental polluants: The epidemiological evidence,Mutation Research,
2010.

12
majoritatea țărilor din Uniunea Europeană, acestea încearcă să garanteze dreptul la un mediu de
viață sănătos. Curtea Europeană a Drepturilor Omului a declarat faptul că dreptul la un mediu de
viață sănătos este similar cu respectarea vieții de familie. Toți oamenii au acces la informații
referitoare la protecția mediului și ca au dreptul de a participa la procesul de luare a deciziilor.
Găsirea soluțiilor pentru problemele de mediu va fi mai facilă cu participarea tuturor oamenilor
interesați. 20

Lucrarea “Road traffic air and noise pollution exposure assessment - A review of tools and
techniques” analizează poluarea aerului și a zgomotului din traficul urban rutier. Autorul a
explorat studii privind expunerea simultană a poluării aerului și fonice în ceea ce privește
corelarea și implicarea lor în sănătatea umană. Ca și metodă utlizată s-au folosit instrumente
și tehnici bazate pe GIS (Geographic Information System). Nu se poate aștepta la o corelație
perfectă între zgomot și poluarea aerului, deoarece ambii factori sunt afectați de diferiți
parametrii. De exemplu: viteza de deplasare a unui vehicul, tipul de vehicul afectează în mod
diferit zgomotul și poluarea aerului. Conform evaluărilor publicate de Agenția Europeană de
Mediu, traficul rutier este de departe cea mai mare sursă de poluare fonică și se estimează că
va contribui cu mai mult de 64% la poluarea atmosferică. Poluarea aerului reprezintă cel mai
mare factor de risc pentru mediul înconjurător, responsabil pentru mai mult de 430 000 de
decese, în timp ce 10 000 de decese sunt din cauza zgomotului, traficul fiind considerat
principalul factor care contribuie la ambele poluări.21

20
Măgureanu Alexandru-Florin, Aspects Regarding Environmental Protection in Romania and EU, from a Juridical
Perspective, Procedia - Social and Behavioral Sciences, 2013.
21
Jibran Khan, Road traffic air and noise pollution exposure assessment – A review of tools and techniques,
Science of the Total Environment, 2018.

13
 CAPITOLUL 2: ANALIZA DESCRIPTIVĂ A POLUANȚILOR
CARE AFECTEAZA AERUL ÎN ROMÂNIA ȘI UNIUNEA EUROPEANĂ.

În capitolul 2 este prezentată grafic situația României, dar și a altor țări din Uniunea
Europeană din punct de vedere al emisiilor de gaze cu efect de seră, nivelul de dioxid de carbon
și poluarea fonică, toate contribuind la poluarea atmosferică.

2.1 Nivelul emisiilor de gaze cu efect de seră în România și țări din Uniunea Europeană

Totalul emisiilor de gaze cu efect de seră pe cap de locuitor în România este prezentat în Fig
2.1 de mai jos în perioada 1970-2012.

România, gaze cu efect de seră

120

100

80

60

40

20

0
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014 2016

Fig 2.1 Gaze cu efect de seră(kt), România

Sursă : prelucare proprie în Excel, date preluate de pe World Bank

Emisiile de gaze cu efect de seră provin în principal din sectorul transporturilor. Pentru a
reduce aceste emisii, trecerea la un tip de transport mai puțin poluant ar fi o soluție. Conform
graficului de mai sus, se observă o scadere a emisiilor de gaze cu efect de seră din 1990 până în
prezent.

14
 Protocolul de la Kyoto este un act care urmărește protejarea mediului, reducerea emisiilor de
gaze cu efect de seră și a fost luat în calcul în anul 1990, iar de atunci emisiile au scăzut. Acest
act are ca și rezultat faptul că industria va deveni mai eficentă în ceea ce privește consumul de
energie, înlocuirea combustibililor fosili bogați în carbon în combustibibili mai puțin bogați în
carbon, restructurarea industriei energetice și folosirea de mijloace de transport mai puțin
poluante. Nivelul emisiilor au scăzut semnificativ în 2009 comparativ cu anul 1990.22

Graficele de mai jos arată evoluția emisiile de gaze cu efect de seră pe cap de locuitor,
exprimate în kt în perioada 1990-2016 (Fig. 2.2) și 1970-2012 (Fig 2.3).

Emisii de gaze cu efect de seră

18

16
Emisii cu efect de seră, pe cap de locuitor

14

12

10

0
90 91 92 93 94 95 96 97 98 99 00 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16
19 19 19 19 19 19 19 19 19 19 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20

Poland Romania Bulgaria Germany Sweden Turkey

Fig. 2.2. Emisiile de gaze cu efect de seră(kt) în perioada 1990-2016.

Sursă : prelucare proprie în Excel, date preluate de pe World Bank

22
www.societal.ro

15
 Germa
nia
Emisii de gaze cu efect de seră Franța
Suedia
0.02
Turcia
0.02 Poloni
a
0.02
0.01
0.01
0.01
0.01
0.01
0
0
0
70 72 74 76 78 80 82 84 86 88 90 92 94 96 98 00 02 04 06 08 10 12
19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 20 20 20 20 20 20 20
Axis Title

Fig. 2.3. Emisiile de gaze cu efect de seră(kt) în perioada 1970-2012.

Sursă : prelucare proprie în Excel, date preluate de pe World Bank

Creșteri semnificative ale emisiilor de gaze cu efect de seră s-au înregistrat în Polonia,
Germania, Suedia, respectiv România în perioada 1975-1980, fapt datorat industrializării țărilor
și construirea fabricilor. Urmează apoi o perioadă de diminuare a emisiilor până în prezent.
Renunțarea la combustibilii fosili si folosirea energiilor alternative sunt soluții pentru reducerea
emisiilor de gaze cu efect de seră. Majoritatea țărilor industrializate și-au redus emisiile, însă
Turcia este țara în care emisiile nu au scăzut, din contră înregistrează creșteri în anul 2012,
respectiv 2016.

2.2 Nivelul emisiilor de dioxid de carbon în România și țări din Uniunea Europeană

În Fig. 2.4 de mai jos sunt prezentate emisiile de dioxid de carbon exprimate în tone în țări
precum: Bulgaria, Germania, Franța, Polonia, România, Suedia, Turcia. Dioxidul de carbon
prezintă cel mai mare procentaj din emisiile de gaze cu efect de seră.

16
 Emisii de dioxid de carbon, pe cap de locuitor
Emisii de dioxid de carbon,pe cap de locuitor, tone 14

12

10

0
1955 1960 1965 1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 2020

Bulgaria Germania Franța Polonia România Suedia Turcia

Fig 2.4 Emisii de dioxid de carbon(tone) 1950-2015

Sursă : prelucare proprie în Excel, date preluate de pe World Bank

Unul dintre cele mai importante gaze cu efect de seră este dioxidul de carbon care provine
din arderea combustibililor fosili, iar efectul seră este o cauză a încălzirii globale.23

Conform graficului, în România, emisiile de dioxid de carbon au cunoscut cel mai înalt nivel
în perioada anului 1990, însă de atunci acestea au fost într-o continuă scădere, o posibilă
explicație fiind reducerea producției în fabricile și combinatele siderurgice care în trecut erau
principalii mari poluanți. O situație asemănătoare prezintă și Bulgaria. Reducerea emisiilor se
datorează folosirii tehnlogiilor bazate pe surse regenerabile, folosirea cărbunilor într-un mod
limitat, precum și a filtrelor. Creșteri semnificative s-au înregistrat în Suedia între 1960 și 1970.

23
www.green-raport.ro

17
 Energie electrică si
termică
6% 12.1
4.2 49.3 Construcții
19.2
Transport
16.9 Alte industrii( rafinării,
exploatări miniere

Alte sectoare, publice și

agricultură

Sector rezidențial

Fig. 2.5 Emisiile de CO2 pe sectoare de activitate în Uniunea Europeană, 2016.

Sursă : prelucare proprie în Excel, date preluate de pe Eurostat.

6% 11% Energie electrică si

4% 46% termică
18% Construcții
Transport
Alte industrii( rafinării,
16% exploatări miniere
Alte sectoare, publice și
agricultură
Sector rezidențial

Fig. 2.6 Emisiile de CO2 pe sectoare de activitate în România, 2016.

Sursă : prelucare proprie în Excel, date preluate de pe Eurostat.

Conform figurilor de mai sus (Fig. 2.4, Fig. 2.5) observăm că cea mai mare cantitate de
emisii de CO2 atât la nivelul Uniunii Europene, cât și la nivelul României este rezultată din
producerea de energie electrică și termică urmată de transport și de construcții, domenii asupra
cărora ar trebui să se ia măsuri pentru reducerea emisiilor.

18
 Romania, poluare fonică Suedia, poluare fonică
40.0 20.0
35.0 18.0
16.0
30.0 14.0
25.0 12.0
20.0 10.0
15.0 8.0
10.0 6.0
4.0
5.0 2.0
0.0 0.0
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

Turcia, poluare fonică

25.0

20.0

15.0

10.0

5.0

0.0
2008 2009 2011 2012 2014 2015

Fig. 2.7 Poluare fonică(procente) România, Suedia, Turcia.

Sursă : prelucare proprie în Excel, date preluate de pe Eurostat.

Zgomotul din mediul înconjurător este dăunător și poate fi creat de activitățile umane, emis
de mijloacele de transport, traficul rutier, aerian și de activitățile industriale. Este o sursă de
poluare care afectează întreaga populație și are un efect negativ asupra sănătății. 24

Analizând graficele de mai sus (Fig. 2.7) și luând în calcul țările menționate, România este
țara cu cel mai mare grad de poluare fonică urmată de Turcia, iar cea mai puțin poluată este
Suedia. În anul 2009, România are cel mai ridicat nivel de poluare la fel și Turcia. Urmează apoi
o perioadă de diminuare până în prezent, deoarece au fost adoptate mai multe norme care
prevedeau reducerea zgomotelor.

24
www.who.int

19
 Fig 2.8 Nivelul de zgomot produs de trafic pe județe
Sursă: Ministerul Fondurilor Europene

În figura 2.8 sunt prezentate cele mai zgomotoase orașe din punct de vedere al traficului
rutier. Analizând graficul în Mureș avem zgomot intens urmat apoi de București. Orașele cele
mai puțin poluate fonic sunt: Arad, Sibiu și Baia Mare.

20
 CAPITOLUL 3 - STUDIU DE CAZ

În capitolul 3 este prezentată analiza emisiilor de dioxid de carbon în România din punct de
vedere al staționarității utilizând testul Augmunted-Dickey-Fuller, dar cuprinde și o analiză a
componentelor principale folosind mai multe variabile și o analiza cluster pentru mai multe țări.

3.1. Metodologia

S-a realizat o analiză a emisiilor de CO2 pe o perioadă de 55 ani pentru România. Seria de
timp a fost importată in EViews unde s-au realizat analizele.

Pentru analiza componentelor principale s-au folosit variabilele: emisiile de gaze cu efect
seră, emisii de CO2, oxizi de azot, taxele de mediu, rata mortalității și zgomotul și particulele
fine PM2.5 pentru 33 de țări, date corespunzătoare anului 2012

La realizarea analizei cluster, am folosit cele 33 de țări grupate în functie de rata mortalității,
oxizi de azot, taxe de mediu, emisii de gaze cu efect de seră, zgomot, date corespunzătoare
anului 2012 și am folosit algoritmul K-means.

3.2 Testarea staționarității și stationarizarea unei seriei de timp.

21
 Evolutia emisiilor de CO2
10

2
60 65 70 75 80 85 90 95 00 05 10 15

Fig. 3.1 Grafic emisii CO2, România.

Sursă : prelucare proprie în Eviews, date preluate de pe World Bank.

Analizând graficul (Fig. 3.1 ), observăm că, începând cu 1960 și până în 1977, trendul
emisiilor de CO2 a fost unul crescător și susținut, fapt ce poate fi explicat prin industrializarea
țării, fiind construite multe fabrici care au generat implicit poluare. Urmează apoi o perioada cu
un nivel ridicat, relativ constant al emisiilor pînă în 1990, pentru ca apoi să remarcăm o
diminuare aceentuată, ce poate fi explicată prin închiderea sau diminuarea producției în
industriile grele, precum cea siderurgică, sau de introducerea unor norme de poluare a mediului.
Seria prezintă modificări sistematice în medie și modificări sistematice în dispersie, astfel seria
este nestaționară.

22
 Tabel 3.1 Corelogramă emisii CO2.

Sursă : prelucare proprie în Eviews, date preluate de pe Eurostat

În corelograma de mai sus ( Tabel 3.1 ), primul coeficient de autocorelație are valoare mare,
egală cu 0,942. Valorile scad treptat, ceea ce înseamnă că seria este nestaționară.

3.2.1 Testul Unit Root Test

23
 Tabel 3.2 Augumented Dickey-Fuller Tabel 3.3. Phillips-Perron Test

Sursă : prelucare proprie în Eviews, date preluate de Sursă : prelucare proprie în Eviews, date preluate
pe World Bank de pe World Bank

Tabel 3.4 Kwiatkowski-Phillipis-Schmidt-Shin

Sursă : prelucare proprie în Eviews, date preluate

de pe World Bank

24
 Pe baza testului Agumented Dickey-Fuller ( Tabel 3.2 ), se observă că valorile critice pentru
nivelele de 1%, 5%, 10% sunt -4.140858, -3.496960, -3.177579 care sunt mai mari în modul
decât valoarea testului Augumented Dickey-Fuller ( -2.096212), astfel acceptăm ipoteza nulă
conform căreia seria este nestaționară. Probabilitatea testului egală cu 0.5359 > 0.05, confirmă
faptul că seria este nestaționară. Conform testului Phillips- Perron ( Tabel 3.3 ) și testului
Kwiatkowski-Phillipis-Schmidt-Shin ( Tabel 3.4 ) seria este nestaționară.

Pentru a putea continua analiza este necesară staționarizarea seriei cronologice. Prin
utilizarea unor transformări, în particular logaritmarea, inducem staționaritatea seriei în dispersie.

series ln_emisiico2 = log(emisiico2)

EMISIICO2
10

2
60 65 70 75 80 85 90 95 00 05 10 15

LN_EMISIICO2
2.4

2.2

2.0

1.8

1.6

1.4

1.2

1.0
60 65 70 75 80 85 90 95 00 05 10 15

Fig 3.2 Grafic emisii înainte și după logaritmare.

Sursă : prelucare proprie în Eviews, date preluate de pe World Bank.

25
Verificăm dacă noua serie LN_EMISIICO2 este staționară folosind testul Unit Root Test.

Tabel 3.5 Augumented Dickey-Fuller, Tabel 3.6 Corelograma rezidurilor,

seria ln_emisiico2 seria ln_emisiico2

Sursă : prelucare proprie în Eviews, date preluate

de pe World Bank

Sursă : prelucare proprie în Eviews, date preluate de

pe World Bank

Testul Augumeted Dickey-Fuller ( Tabel 3.5 ) arată faptul că seria nu este staționară, are
rădăcini unitate, probabilitatea de 0,3497> 0,05, fapt confirmat și de corelograma seriei (Tabel
3.6)
În continuare aplicăm diferența de ordin întai pentru noua serie ln_emisiico2.
series d_ln_emisiico2 = d(ln_emisiico2)

26
 Tabel 3.7 Corelogramă, seria
D_LN_EMISIICO2
D_LN_EMISIICO2
.15

.10

.05

.00

-.05

-.10

-.15

-.20

-.25
60 65 70 75 80 85 90 95 00 05 10 15

Fig. 3.3 Grafic, seria D_LN_EMISIICO2.

Sursă: prelucare proprie în Eviews, date
preluate de pe World Bank
Sursă : prelucare proprie în Eviews, date
preluate de pe World Bank
Tabel 3.8 Augumented-Dickey-Fuller

Sursă : prelucare proprie în Eviews, date preluate de pe World Bank

27
 3.3 Metodologia Box-Jenkins. Model ARMA

Seria diferențelor de ordin întai a seriei logratimate este staționară, întrucât probabilitatea
testului Augumented Dickey-Fuller este de 0,0027 < 0,05 (Tabel 3.2.1.7) , se respinge ipoteza
nulă, conform căreia seria are rădăcini unitate și se acceptă ipoteza alternativă.
În continuare, folosim metodologia Box-Jenkins pentru a identifica cel mai bun model
ARMA a seriei de timp staționare D_LN_EMISIICO2.
Din colelograma care se găsește in Tabelul 3.7, se identifică pmax = 1 și qmax = 1. Vom
decide care model este cel mai bun prin estimarea tuturor modelelor ARMA( p, q) pentru care
0<=p <=1 și 0<=q <=1.

Identificarea ordinelor p și q din ARMA(p,q)

 p= max {k, astfel încât PACF să fie diferit de 0}, pmax=1.
 q= max {k, astfel încât ACF să fie diferit de 0}, qmax=1.
Tabel 3.9 Model ARMA (0,0) Tabel 3.10 Corelograma reziduurilor

28
Sursă : prelucare proprie în Eviews, date preluate
de pe World Bank

Sursă : prelucare proprie în Eviews, date preluate de

pe World Bank

Tabel 3.11 Model ARMA (0,1) Tabel 3.12 Corelograma reziduurilor

Sursă : prelucare proprie în Eviews, date preluate

de pe World Bank

Sursă : prelucare proprie în Eviews, date preluate de

pe World Bank

Tabel 3.13 Model ARMA (1,1) Tabel 3.14 Corelograma reziduurilor

29
Sursă : prelucare proprie în Eviews, date preluate
de pe World Bank Sursă : prelucare proprie în Eviews, date preluate de
pe World Bank

Tabel 3.15 Valori Akaike, Schwarz, Log likelihood, Ajusted R-squared

Log Ajusted R-
Model Akaike Schwarz
likelihood squared
ARMA(0,1) sau MA(1) -2.698538 -2.661705 73.86054 0.300660
ARMA(1,0) sau AR(1) -2.677824 -2.640649 71.96234 0.297386
ARMA(1,1) -2.641908 -2.530382 73.01055 0.297621
Sursă : prelucare proprie în Excel

Analizând cele 4 modele ( Tabel 3.9, Tabel 3.10, Tabel 3.11, Tabel 3.12, Tabel 3.13),
ajungem la concluzia că cel mai bun model este ARMA (0,1), deoarece are cel mai mare Ajusted
R-squared ( 0,300660 ) și Log likelihood ( 73,86054 ) și are cele mai mici valori pentru Akaike (
-2,698538 ) și Schwarz ( -2,661705 ), parametrul este semnificativ, modelul este semnificativ, iar
corelograma seriei arată că reziduurile reprezintă zgomot alb(White Noise).

Vom folosi modelul ARMA(0,1) pentru a estima reducerea emisiilor de CO2 pentru anul
2015.

30
 D(Ln(EmisiiCO2t))=µ+ϴi*Ɛt-1+Ɛt, Ɛt~WN(0,ϭ2Ɛ). Obținem ecuația de regresie pentru modelul
ARMA(0,1) înlocuind cu valorile din urmatorul tabel( Tabel 3.15).
Tabel 3.15 Valorile reziduurilor

Pentru a estima valoarea emisiilor de CO2 pentru anul 2015 vom înlocui în ecuația de
regresie valorile din Tabel 3.15.

D(Ln(EmisiiCO22015))=0.003771+0.571031*0.05123=0.033021, concluzia fiind că emisiile

de CO2 au crescut cu 3,3% în anul 2015 fată de 2014.

31
 Fig 3.5 Interval de prognoză, Emisii CO2

Sursă : prelucare proprie în Eviews, date preluate de pe World Bank

Conform Fig.3.5, Coeficientul Theil are valoarea de 0,30669 apropiată de 0 și indică o

potrivire perfectă. Bias Proportion arată cât de departe este media prognozei de media seriei
inițiale, este apropiată de 0 (0,00185) ceea ce indică faptul ca modelul a estimat bine media,
Variance Proportion are tot o valoare apropiată de 0 și indica faptul că modelul a estimat bine
variația.

Datorită faptului că Bias Proportion și Variance Proportion au valori apropitate de 0, iar

Covariance Proportion este mare arată că prognozele sunt bune.

3.4 Analiza componentelor principale

Tabel 3.16 Tabel de corelație

32
 Sursă: prelucare proprie în SPSS

Conform tabelului de corelație (Tabel 3.16 ), observăm ca există variabile puternic corelate
ca de exemplu nivelul emisiilor de oxid de azot cu taxele de mediu (coeficientul de corelație
fiind de 0,868, semnificativ diferit de 0, pentru un prag de semnificație de 5%) și rata mortalității
cu emisiile de CO2 (coeficientul de corelație fiind 0,986, semnificativ statistic, pentru un nivel
de semnificație calculat de 0,002, dar există si variabile slab corelate cum ar fi zgomotul și
emisiile de dioxid de carbon (coeficientul de corelație este -0,297, semificativ statistic, pentru un
prag de semnificație calculat de 0.046).

Metoda Analizei în Componente Principale poate fi utilizată pentru a extrage un anumit

număr de componente principale care să explice într-o proporție cât mai mare variabilitatea de la
nivelul eșantionului.

Tabel 3.17 Variația explicată de model

Sursă : prelucare proprie în SPSS, date preluate de pe World Bank, Eurostat

Din tabelul de mai sus (Tabel 3.17) componenta 1 explică 30, 362% din variația modelului,
componenta 2 explică 22,709% din variața modelului, iar componenta 3 explică 18.866%.
Primele 2 componente explică 53,071% din variația modelului, iar primele trei componente
principale explică, cumulat, aproape 72% din variabilitatea datelor.

33
 3.4.1 Interpretarea componentelor principale

Tabel 3.18 Componentele principale

Sursă : prelucare proprie în SPSS.

Componenta 1 se corelează:

- în sens negativ cu: emisiile de PM2.5, emisii de CO2 și gaze cu efect de seră.

- în sens pozitiv cu: taxele de mediu, oxid de azot.

O posibilă interpretare a primei componente principale este că arată o măsură a taxelor de

mediu în relație directă cu nivelul poluării generate de activitatea industrială și în relație inversă
cu nivelul prafului din aer.

Componenta 2 se corelează:

- în sens pozitiv: zgomotul, rata mortalității.

A doua componentă principală arată un fapt aparent neluat în seamă până de curând,
poluarea fonică, cu implicații asupra stării de sănătate, și rata mortalității.

Componenta 3 se corelează:

- în sens pozitiv: emisii de CO2.

34
 Interpretare: putem aprecia că a treia componenta principală este o măsură a poluării aerului
datorată utilizării de combustibili fosili.

3.5 Analiza cluster

Ne propunem să clasificăm cele 33 de țări din Europa în funcție de asemănările lor

considerând variabilele: rata mortalității, oxizi de azot, taxe de mediu, emisii de gaze cu efect de
seră, zgomot.

Analizăm dacă similitudinile aferente indicatorilor sunt ridicate și cât de mult se deosebesc
țările care aparțin unor clustere diferite. Algoritmul K-Means urmărește clasificarea unui set de
date într-un anumit număr de clustere.

Prin aplicarea algoritmului K-Means am obținut următoarele rezultate:

Tabel 3.19 Gruparea variabilelor în 3 clustere

Sursă: prelucare proprie în SPSS

În output-ul de mai sus (Tabel 3.19) este specificată valoarea medie a variabilelor
corespunzătoare fiecărei clase.

Pentru clusterul 1, nivelul emisiilor de gaze cu efect de seră este mai mare decât în clusterul
2 și mai mic decât în clusterul 3. Rata mortalității are valoarea medie mai mare în clusterul 3,

35
urmat de cluster 1 și cea mai mică în clusterul 2, la fel și varabila zgomot. Variabilele oxidul de
azot și taxele de mediu au cea mai mare valoare în clusterul 1 apoi în cluster 2 și cea mai mică
valoare în clusterul 3.

Tabel 3.20 ANOVA

Conform tabelului Anova ( Tabel 3.20) , toate variabilele sunt semnificative, deci au avut un
impact asupra stabilirii clusterului din care fac parte.

Tabel 3. 21

Sursă: prelucare proprie în SPSS

Acest output (Tabel 3.21) arată distribuția țărilor în clase, precum și numărul de țări incluse
în fiecare cluster. În clusterul 2 se încadrează cele mai multe țări, în clusterul 3, 6 țări, iar în
clusterul 1, doar 4 țări.

36
 În Tabel 3.22 putem observa în ce cluster se încadrează fiecare țară.

Tabel 3.22 Gruparea țărilor în clustere

Sursă: prelucare proprie în SPSS

Țările din clusterul 1: Germania, Italia, Marea Britanie sunt caracterizate printr-un nivel al
poluării cu oxid de azot mai mare decât cele din celelalte clustere deoarece sunt țări puternic
industrializate, un alt aspect care caracterizează tările din clusterul 1 este faptul că taxele de
mediu sunt mai mari decât cele din clusterele 2 și 3. Țările care aparțin clusterului 3: Franța,
Cipru, Portugalia, Turcia, Malta care se găsesc în sudul continentului, au emisii, rata mortalității
și zgomotul mai mari decât țările din clusterele 1 si 2. Țările din clusterul 2: Bulgaria,
Danemarca, Estonia, Norvegia, Finlanda, România, Austria sunt caracterizate de un nivel mai
mic al emisiilor decât cele din clusterul 2 și 3.

37
 CONCLUZII

Toate studiile discutate la capitolul 1 bazate pe poluarea aerului, apei, respectiv a solului
evidențiate în prima parte a lucrării sunt sursă de informare și cunoaștere și au drept scop
evidențierea problemelor cu care ne confruntăm zilnic. Fie că este vorba de impactul pe care îl
are poluarea asupra condițiilor climatice, fie că este vorba de emisiile de CO2 sau de măsurile
care trebuie luate în silvicultura, toate au drept analiza factorilor care privesc poluarea. Poluarea
fonică, zgomotul produs de traficul rutier, aerian, feroviar sau din activitățile industriale sunt
sursă poluare a aerului care afectează sănătatea umană.

O concluzie interesantă punctează faptul că o reducere de 50% a emisiilor agricole ar putea

împiedica 200 000 de decese pe an în cele 59 de țări incluse în lucrare.

Ne dorim utilizarea pesticidelor în agricultură, însă ceea ce nu stim cu toţii este că utilizarea
peste măsură a pesticidelor distruge solul și unele organisme necesare din sol şi implicit
afectează sănătatea noastră.

Între emisiile de CO2, creșterea economică și consumul de energie există o relație puternică
pe termen lung.

În capitolul 2, se analizează grafic poluanţii care afectează aerul în România dar şi în alte ţări
din Uniunea Europeană. În România, sunt domenii cum ar fi construcţiile şi transport unde
trebuie să se ia măsuri de prevenire a emisiilor. Traficul rutier este cea mai mare sursă de poluare
fonică, 10 000 de decese sunt din cauza zgomotului.

Aprobarea Protocolului de la Kyoto a dus la reducera emisiilor de gaze cu efect de seră.

Diminuarea nivelului de CO2 se datorează folosirii tehnlogiilor bazate pe surse regenerabile.

În capitolul 3, ca o idee centrală în ceea ce priveste emisiile de CO2 în România, am

observat un trend crescător, urmat de o perioadă cu un nivel ridicat și apoi o diminuare ce poate
fi explicată prin introducerea unor norme de poluare a mediului. Trendul crescător poate fi
datorat construirii de fabrici și de industrializarea țării. Din corelograma seriei inițiale, seria este
nestaționară, iar seria diferențiată este staționară, verificarea staționarității fiind făcută cu
ajutorului testului Augumeted Dickey-Fuller. După modelarea seriei cronologie, utilizând Box-
Jenkins, modelul ARMA care ajustează cel mai bine este ARMA (0,1).
38
 Metoda Analizei în Componente Principale a fost utilizată pentru a extrage un anumit
număr de componente principale care să explice într-o proporție cât mai mare variabilitatea de
la nivelul eșantionului. Cele 3 componente principale se corelează în sens negativ sau pozitiv cu
variabilele alese. Componenta 1 arată o relație directă între taxele de mediu și nivelul poluării și
o relație inversă cu particulele de praf, componenta 2 arată faptul că poluarea fonică are un efect
asupra oamenilor și rata mortalității, iar componenta 3 se corelează în sens pozitiv cu emisiile
de CO2. În urma utilizării algoritmului K-Means, cele 33 țări au fost grupate în 3 clustere.

39
 BIBLIOGRAFIE
ARTICOLE:

1. Adnan Kasman și Yavuz Selman Duman. (2014). CO2 emissions, economic

growth, energy consumption, trade and urbanization in new EU member and
candidate countries. A panel data analysis: Economic Modelling, 44, 97-103.
2. Ali Acaravci și Ilhan Ozturk. (2010). On the relationship between energy
consumption, CO2 emissions and economic growth in Europe: Energy, 35, 5412-
5420.
3. Andreea Diaconu. (2017). Researches regarding the reduction of pesticide soil
pollution in vineyards: Process Safety and Environmental Protection, 108,
135-143.
4. Anna Kijewska, Anna Bluszcz. (2016). Analysis of greenhouse gas emissions
in the European Union member states with the use of an agglomeration
algorithm: Journal of Sudtainable Mining, 15, 133-142.
5. Despina Gianndaki. (2018). Estimating health and economic benefits of
reductions in air pollution from agriculture: Science of the Total Environment,
622-633, 1304-1316.
6. Gabriel Năstasea, Alexandru Șerban, Alina Florentina Năstasea, George
Dragomira, Alin Ionuț Brezeanua. (2018). Air quality, primary air pollutants and
ambient concentrations inventory for Romania: Atmosheric Environment,184,
292-303.
7. Gabriela Iorga. (2016). Air Pollution Monitoring: A Case Study from Romania:
Air Quality - Measurement and Modeling, 34, Capitol 6.
8. Jibran Khan. (2018). Road traffic air and noise pollution exposure assessment
-A review of tools and techniques: Science of the Total Environment, 634,
661-676.
9. Măgureanu Alexandru-Florin. (2013). Aspects Regarding Environmental
Protection in Romania and EU, from a Juridical Perspective: Procedia - Social
and Behavioral Sciences 81, 27-31.

40
10. Măgureanu Ilie. (2013). The Juridical Protection of the Forest in Romania:
Procedia - Social and Behavioral Sciences 81, 171-175.
11. M. De Sario, K. Katsouyanni și P. Michelozzi. (2013). Climate change, extreme
weather events, air pollution and respiratory health in Europe”: Climate change
and respiratory health, 826-843.
12. M. Pascal, M. Corso, O. Chanel. (2013). Assessing the public health impacts of
urban air pollution in 25 European cities. Results of the Aphekom project:
Science of The Total Environment, 449, 390-400.
13. Muhammad Shahbaz, Mihai Mutascu, Parvez Azim. (2012). Environmental
Kuznets curve in Romania and the role of energy consumption: Renewable and
Sustainable Energy Reviews,18, 165-175
14. Paolo Boffetta. (2016). Human cancer from environmental polluants. The
epidemiological evidence: Mutation Research, 608, 157-162.
15. P. Pavlović, M. Mitrović, D. Đorđević. (2016). Assessment of the
contamination of riparian soil and vegetation by trace metals -A Danube
River River case study: Science of the Total Environment, 540, 396-405.
16. Traian Ungureanu, Gabriel Ovidiu Iancu, Mitică Pintilie. (2017). Spatial
distribution and geochemistry of heavy metals in soils.A case study from the
NE area of Vaslui county, Romania: Journal of Geochemical Exploration,
176, 20-32.
17. Ulgen Aytan, Andre Valente (2016). First evaluation of neustonic microplastics in
Black Sea waters: Marine Environmental Research, 119, 22-30.

SITE-URI:
18. www.green-raport.ro
19. www.ecoprofit.ro
20. www.eschooltoday.com
21. www.sciencedirect.com

41