Date post: | 04-Jul-2015 |
Category: |
Documents |
Upload: | medi-ambient-generalitat-de-catalunya |
View: | 82 times |
Download: | 1 times |
ELS MODELS NUMÈRICS PER A LA MODELITZACIÓ i PREVISIÓ DE LA QUALITAT DE L’AIRE. TÈCNIQUES ESSENCIALS PER A LA GESTIÓ DE
LA CONTAMINACIÓ ATMOSFÊRICA
Departament d’Astronomia i MeteorologiaUniversitat de Barcelona
Directora: Maria Rosa Soler
INDEX
1. ¿ Què és la contaminació atmosfèrica?
2. ¿ Què són els model numèrics per a la predicció de la qualitat de l’aire?
3. Model numèric ARAMIS.
3.1 Presentació del model.
3.2 Validació del model.
3.3 Difusió dels resultats proporcionats pel model.
4. Conclusions.
¿ Què és la contaminació atmosfèrica?
Injecció o permanència temporal en l’atmosfera de substàncies que:
a) Pròpies de la composició, però en major concentració.
b) Són alienes a la seva composició.
Divisió: gasos i partícules, primàries i secundàries.
L’origen pot ser natural o antropogènic.
Els contaminants són nocius per la salut i el medi ambient, especialment en àrees metropolitanes.
Malgrat els esforços realitzats per la millora de la qualitat de l’aire a Europa,
Encara es produeixen situacions en que la concentració d’alguns contaminants, especialment els òxids de nitrogen i el material particulat, arriben a valors superiors als permesos per la directiva.
En aquest àmbit, la presa de decisions per l’administració i la utilització de polítiques ambientals correctes, li obliga a disposar i a aplicar una sèrie de tècniques i metodologies que li han de permetre poder saber amb antelacióquina seria la concentració del contaminants prevista i quina podria ser la política de reducció de les emissions més eficaç.
En l’actualitat, una de les eines més ràpides i més eficients, és la modelització lnumèrica.
Són un conjunt de equacions matemàtiques (depenent de la complicació del model) que relacionen les variables atmosfèriques que es volen preveure, vent temperatura, concentraciód’un contaminant….) amb els processos físics i químics que tenen lloc a l’atmosfera i que produeixen els canvis d’aquestes variables.
Una de les finalitats més importants d’ un model de qualitat de l’aire és diagnosticar o preveure la concentració d’un determinat contaminant en un punt (x,y,z,t).
2.-¿Què són els models numèrics per a la diagnosi i predicció de la qualitat de l’aire?
• Caracteritzar les emissions.
• Transport de contaminants a l’atmosfera.
• Transformació química i fotoquímica.
• Estimació dels efectes sobre els ecosistemes i materials.
• Estudi de les relacions font-receptor.
• Estimació dels nivells d’ immissió, deposició i exposició.Si les concentracions són entre el 60%-70% del (VL), la modelització pot ser complementaria a la mesura.Si les concentracions són entre el 40%-50% (VL), la modelització es pot aplicar en combinació amb la mesura.Si les concentracions són< llindar inferior d’avaluació, es permet aplicar només la modelització.
Existeixen diferents tipus de models numèrics de qualitat de l’aire:
Els models de diagnòstic que són els models Gaussians i també els Lagrangians.
Els models de previsió Eulerians:1.- Els models de capsa2.- Els models Eulerians tridimensionals
Geometria del plomall
Aplicant diverses propietats de la Gaussiana I conservació de la massa de contaminant emesa per la font arribem a una solució:
⎟⎟⎠
⎞⎜⎜⎝
⎛
⋅
−−⋅⎟⎟⎠
⎞⎜⎜⎝
⎛
⋅−
⋅⋅⋅⋅= 2
2
2
2
2)(
exp2
exp2
),,,(z
eff
yzy
HzyuQtzyxC
σσσσπ
MODELS GAUSSIANS
La formulació Gaussiana presenta algunes avantatges:
Proporciona resultats que, en bastants casos, estan d’acord amb les mesures experimentals en terreny pla.És fàcil d’implementar en un programa informàtic, Facilita i disminueix el temps d’execució dels programes.És consistent amb la naturalesa aleatòria de la turbulència.
Cal esmentar que presenta certes deficiències:
No és vàlida, en general, en condicions molt inestables. Suposa un camp de vents constant i unidimensional en tota la zona d’estudi, i això suposa una forta aproximació, sobretot en topografies complexes.Només és aplicable, estrictament, a situacions estacionaries, és un model de diagnòstic. No és vàlid per a contaminants fotoquímics.
Entrades:TràficIndústriaDomèsticVegetació
Emissions
Model d’emissions
Model fotoquímicintegrat per totes les reaccions que poden
donar lloc la formació dels contaminants
Concentració decontaminants.
Camps meteorològics
Entrades:TopografiaObservacions meteorològiquesUsos del sòlCondicions inicials i de contorn
Model meteorològic
Efectes
Visualització
Controls
Models de pronòstic EULERIANS
Model de capsa o de columna Eulerià
Ubicada al lloc on es vol fer la previsió. Dimensions prefixades i alçada variable que és l’alçada de la capa de mescla.
És un model Eulerià. Considera les seves pròpies emissions més les advectades horitzontalment pel vent.
Els models Eulerians tridimensionals, són models que subdivideixen l’espai en cel·les o punt de malla, com es pot observar a la figura.
Per cada cel·la es resolen les equacions de conservació de la massa, de moment i de calor (model meteorològic); es comptabilitzen les emissions (model d’emissions); i es resolen les equació de continuïtat de les espècies químiques (model fotoquímic).
MODEL EULERIÀ TRIDIMENSIONAL
El resultat de l’aplicació dels tres models és el valor de la concentració del contaminant considerat a cada punt de malla dels dominis d’estudi considerats.
Taula 1. Informació detallada dels dominis D1,D2,D3 i D4 del model ARAMIS.cat
Domini D1 Domini D2 Domini D3 Domini D4
Resolucióhorit. 27km
Resolucióhorit. 9km
Resolucióhorit. 3km
Resolucióhorit. 1km
31 nivells verticals
31 nivells verticals
31 nivells verticals
31 nivells verticals
Nº de cel·les (68,44)
Nº de cel·les (69,69)
Nº de cel·les (93, 93)
Nº de cel·les (93, 114)
Pronòstics a 24 i 48h
Pronòstics a 24 i 48h
Pronòstics a 24 i 48h
Pronòstics a 24 i 48h
Inicialització a 00UTC
Inicialització a 00UTC
Inicialització a 00UTC
Inicialització a 00UTC
3. Model numèric ARAMIS.
El model ARAMIS (A Regional Air-Quality Modelling Integrated System) que aplicat a Catalunya (ARAMIS.cat) ha estat desenvolupat pel grup MAiR
Dominis utilitzats pel sistema ARAMIS.cat
El model WRF és un model numèric meteorològic no hidrostàtic de última generació, desenvolupat pel National Center for Atmospheric Research (NCAR)
El model numèric d’emissions HIREM (High Resolution Emission Model) és el desenvolupat pel propi grup MAiR.
El model fotoquímic és el model CMAQdesenvolupat per la Environmental Protection Agency (EPA).
WRFModel Meteorològic
HIREMModel d’Emissions
CMAQModel Fotoquímic
Dades inicialitzacióObservacions
Fonts antropogèniques i biogèniques
Concentraciócontaminants
Camps d’Emissions
Camps meteorològics
Factors d’emissióEspeciació químicaParametritzacions
Usos del sòlTopografia
Observacions – Estacions de mesuraXarxa de Vigilancia i Previsió de la Contaminació
Atmosfèrica (XVPCA)
Correcció de la desviació model-mesuraBIAS CORRECTION
Postprocés: càlcul de valors màxims 1-h, 8-h, diaris.
Previsió de qualitat de l’aire a Catalunya
(O3,NO2,PM10)
Esquema de funcionament del sistema de previsió ARAMIS
MODEL HIREM
Emissions de l’agricultura i la ramaderia
Emissions del sòl i la vegetació
Emissions procedents dels mars i oceans
Fonts Naturals
Consum domèstic
Indústria
Tràfic (autopistes, xarxa de carrerteres principals i secundàries i aranya de tràfic de Barcelona)
Fonts Antropogèniques
Xarxa de carreteres principals i secundàries de l’àrea metropolitana de Barcelona. En aquesta figura no estan incloses les vies urbanes de Barcelona.
Xarxa de carreteres principals (blau) i secundàries (taronja) de Catalunya.
EMEP/CORINAIR
CLC/2006
Dades socio-econòmiques
Top&Down
Bottom&Up
WRF
Perfils temporals i verticalsUnified EMEP
Model no distr. temp.
Antropogènic
Natural
Inventari DTS
Pols per erosió i resuspensióHidrocarburs de la vegetación
Sal marina
Usos del sòl
Indústria
Trànsit
Consum Domèstic
Especiacióquímica
IMDParc automovilístic
Funcions Pes estadístiques
HIREM
Emissions horàries
superficials i en altura
Dades i models Mòduls Sortida
I. Català d’Energia
Esquema de funcionament del model HIREM
Emissions de NO2 corresponents al tràfic de l’ àrea urbana de Barcelona
Una vegada que el sistema de modelització s’ha considerat correcta per la seva aplicació, el procés de verificació i millora contínua dels resultats del model s’ha de considerar com una feina més dintre del cicle que suposa la simulació de la qualitat de l’aire.
La verificació habitualment es porta a terme a través del càlcul d’una sèrie d’estadístics proposat per la EPA (Draft Guidance on meteological model evaluation), i per la Directiva Europea (Guidance on the use of models for the European Air Quality Directive).
VALIDACIÓ DEL SISTEMA DE PREDICCIÓ ARAMIS
Error mig
Error absolut mig
Error normalitzat mig
Error absolut normalitzat mig
Error quadràtic mig
Error fraccionat mig
Error absolut normalitzat,
Error normalitzat
Índex de concordança
∑ −=N
om CCN
MB1
)(1
∑ −=N
om CCN
MAGE1
1
%100·11∑ ⎟⎟
⎠
⎞⎜⎜⎝
⎛ −=
N
o
om
CCC
NMNBE
%100·11∑ ⎟⎟
⎠
⎞⎜⎜⎝
⎛ −=
N
o
om
CCC
NMNGE
( )∑ −=N
om CCN
RMSE1
21
%100·
2
1
1∑
⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜
⎝
⎛
⎟⎠
⎞⎜⎝
⎛ +−
=N
omom
CCCC
NMFB
%100·
1
1
∑
∑ −
= N
o
N
om
C
CC
NME
( )%100·
1
1
∑
∑ −
= N
o
N
om
C
CC
NMB
( )
[ ]∑
∑
−+−
−−= N
oomm
N
om
CCCC
CCIOA
1
2
1
2
1
Paràmetres estadístics i definició matemàtica
Atenent a la Directiva 2008/50/CE, l’error es defineix amb l’expressió (1)
LVMO
RDE LVLV −=
On OLV és la concentració observada més propera al valor límit (LV), valor objectiu en el cas de l’ozó) i MLV és la concentració prevista pel model corresponent.
(1)
El màxim d’aquest valor trobat de RDE en el 90% de les estacions disponibles, és l’error màxim relatiu associat a la directiva MRDE (50% per ozó i PM10 i 30 % per NO2)
El període que s’ha considerat per avaluar el model ARAMIS compren des de febrer del 2013 a l’actualitat.
Recomanats per US EPA (2009):MNBE ±5 -- ±15 %MNGE 30 -- 35 %MFB ≤ 30%
Recomanat per la DEMRDE ≤ 50%
Paràmetres estadístics calculats per l’ozó troposfèric a partir dels valors horaris, max.-1h i max.8-h simulats a 24 hores i els mesurats per les estacions XVPCA.
Avaluació del pronòstic de la concentració d’ozó realitzat pel model ARAMIS (D3)
Estadístic Previsió Horaria Previsió Max-1-h Previsió Max. 8-h
IOA 0.657 0.572 0.758
MAGE (%) 15.392 12.781 14.797
MB (μg m-3) -1.378 -1.91 -4.609
MFB (%) -2.947 -0.847 -9.642
MNBE (%) 1.945 1.021 -4.758
MNGE (%) 22.784 14.844 21.55
NMB (%) -1.871 -2.142 -6.254
NME (%) 20.898 14.332 20.076
RMSE (%) 19.783 16.655 19.176MRDE 34.237 %
Recomanats per US EPA (2009):MNBE ±5 -- ±15 %MNGE 30 -- 35 %MFB ≤ 30%
Recomanat per la DEMRDE ≤ 50%
Paràmetres estadístics calculats per l’ozó troposfèric a partir dels valors horaris, max.-1h i max.8-h simulats a 48 hores i els mesurats per les estacions XVPCA.
Avaluació del pronòstic de la concentració d’ozó realitzat pel model ARAMIS (D3)
Estadístic Previsió Horaria Previsió Max-1-h Previsió Max. 8-h
IOA 0.668 0.608 0.642
MAGE (μg m-3) 15.488 12.436 12.402
MB (μg m-3) 0.89 0.339 1.476
MFB (%) 0.122 1.645 2.921
MNBE (%) 5.122 3.497 5.035
MNGE (%) 23.43 14.852 16.129
NMB (%) 1.205 0.381 1.781
NME (%) 20.96 13.945 14.965
RMSE (μg m-3) 19.762 15.97 15.669MRDE 29.58 (%)
Avaluació del pronòstic de la concentració de NO2 i PM10 realitzat pel sitema ARAMIS (D3)
Estadístic Pronòstic valors màxims 1-h de NO2
Pronòstic valors mitjos diaris de PM10.
IOA 0.634 0.534
MAGE (μg m-3) 22.405 6.795
MB (μg m-3) -0.195 -2.458
MFB (%) -4.026 -12.638
MNBE (%) 4.197 -6.049
MNGE (%) 31.861 28.035
MRDE (%) 28.921 43.754
NMB (%) -0.255 -10.185
NME (%) 29.311 28.152
RMSE (μg m-3) 28.473 8.627
Paràmetres estadístics calculats per l’NO2 (valors màxims 1-h) i les PM10 (valors mitjos diaris) simulats a 24 hores i mesurats per les estacions XVPCA.
Recomanats per US EPA (2009):MNBE ±5 -- ±15 %MNGE 30 -- 35 %MFB ≤ 30% -50%
Recomanat per la DEMRDE ≤ 30%- 50%
Paràmetres estadístics calculats per l’NO2 (valors màxims 1-h) i les PM10 (valors mitjos diaris) simulats a 48 hores i mesurats per les estacions XVPCA.
Avaluació del pronòstic de la concentració de NO2 i PM10 realitzat pel sitema ARAMIS (D3)
Recomanats per US EPA (2009):MNBE ±5 -- ±15 %MNGE 30 -- 35 %MFB ≤ 30% -50%
Recomanat per la DEMRDE ≤ 30%- 50%
Estadístic Pronòstic valors màxims 1-h de NO2
Pronòstic valors mitjos diaris de PM10.
IOA 0.62 0.55
MAGE (μg m-3) 23.338 6.568
MB (μg m-3) 1.129 -1.888
MFB (%) -2.668 -9.733
MNBE (%) 6.288 -3.595
MNGE (%) 33.625 27.168
MRDE (%) 34.108 42.07
NMB (%) 1.483 -7.823
NME (%) 30.664 27.22
RMSE (μg m-3) 29.626 8.462
Aplicació de les tècniques de correcció a les sortides del model ARAMIS pel D3
Ozó 24 hores
Ozó 48 hores
Aplicació de les tècniques de correcció a les sortides del model ARAMIS pel D3
NO2 24 hores
NO2 48 hores
Aplicació de les tècniques de correcció a les sortides del model ARAMIS pel D3
PM10 24 hores
PM10 48 hores
3. DIFUSIÓ DELS RESULTAS CORRESPONENTS A LA MODELITZACIÓI PREVISIÓ DE LA QUALITAT DE L’AIRE
http://www.ub.edu/mair/
4. CONCLUSIONS
1.- El sistema de predicció de la qualitat de l’aire a Catalunya, ARAMIS.cat, ha demostrat ser vàlid per preveure la concentració dels contaminants atmosfèrics més importants. Aquest fet ens fa pensar que pot ser una tècnica eficaç pel que fa a la ajuda en la presa de decisions en matèria de medi ambient.
2.- La conclusió anterior, no condiciona però que el sistema de modelitzacióARAMIS, s’ha de continuar millorant, adaptant al territori i perfeccionant. Aquesta és una labor inherent a qualsevol sistema de predicció.
Dintre d’aquest segon punt, les prioritats són:
• Continuar millorant i actualitzant el model d’emissions, ja que creiem que és la part del sistema de modelització que presenta major número d’ incerteses, i a més no es pot validar directament.
• Avaluar les prestacions del model meteorològic.
• Començar a treballar amb l’assimilació de dades d’immissió en els models fotoquímics.
Moltes gràcies per la seva atenció