ELS MODELS NUMÈRICS PER A LA MODELITZACIÓ i PREVISIÓ DE LAQUALITAT DE L’AIRE. TÈCNIQUES ESSENCIALS PER A LA GESTIÓ DELA CO...
INDEX1. ¿ Què és la contaminació atmosfèrica?2. ¿ Què són els model numèrics per a la predicció de la qualitat del’aire?3....
¿ Què és la contaminació atmosfèrica?Injecció o permanència temporal en l’atmosfera de substàncies que:a) Pròpies de la co...
Els contaminants sónnocius per la salut i el mediambient, especialment enàrees metropolitanes.Malgrat els esforçosrealitza...
En aquest àmbit, la presa de decisions per l’administració i la utilització depolítiques ambientals correctes, li obliga a...
Són un conjunt de equacions matemàtiques(depenent de la complicació del model) querelacionen les variables atmosfèriques q...
• Caracteritzar les emissions.• Transport de contaminants a l’atmosfera.• Transformació química i fotoquímica.• Estimació ...
Existeixen diferents tipus de models numèrics de qualitatde l’aire:Els models de diagnòstic que són els models Gaussians i...
Geometria del plomallAplicant diverses propietats de la Gaussiana I conservació de la massa decontaminant emesa per la fon...
La formulació Gaussiana presenta algunes avantatges:Proporciona resultats que, en bastants casos, estan d’acord amb les me...
Entrades:TràficIndústriaDomèsticVegetacióEmissionsModeld’emissionsModel fotoquímicintegrat per totes lesreaccions que pode...
Model de capsa o de columna EuleriàUbicada al lloc on es vol fer la previsió.Dimensions prefixades i alçada variableque és...
Els models Eulerianstridimensionals, són modelsque subdivideixen l’espai encel·les o punt de malla, comes pot observar a l...
Taula 1. Informació detallada dels dominis D1,D2,D3 i D4 del model ARAMIS.catDomini D1 Domini D2 Domini D3 Domini D4Resolu...
WRFModel MeteorològicHIREMModel d’EmissionsCMAQModel FotoquímicDades inicialitzacióObservacionsFonts antropogèniques ibiog...
MODEL HIREMEmissions de l’agricultura i la ramaderiaEmissions del sòl i la vegetacióEmissions procedents dels mars i ocean...
Xarxa de carreteres principals i secundàries de l’àrea metropolitana deBarcelona. En aquesta figura no estan incloses les ...
EMEP/CORINAIRCLC/2006Dades socio-econòmiquesTop&DownBottom&UpWRFPerfils temporals iverticalsUnified EMEPModel no distr.tem...
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 sevaaplicació, el procés de verificació i millor...
Error migError absolut migError normalitzat migError absolut normalitzat migError quadràtic migError fraccionat migError a...
Atenent a la Directiva 2008/50/CE, l’error es defineix amb l’expressió (1)LVMORDELVLV −=On OLV és la concentració observad...
Recomanats per USEPA (2009):MNBE ±5 -- ±15 %MNGE 30 -- 35 %MFB ≤ 30%Recomanat per la DEMRDE ≤ 50%Paràmetres estadístics ca...
Recomanats per USEPA (2009):MNBE ±5 -- ±15 %MNGE 30 -- 35 %MFB ≤ 30%Recomanat per la DEMRDE ≤ 50%Paràmetres estadístics ca...
Avaluació del pronòstic de la concentració de NO2 i PM10 realitzat pel sitema ARAMIS (D3)Estadístic Pronòstic valorsmàxims...
Paràmetres estadístics calculats per l’NO2 (valors màxims 1-h) i les PM10(valors mitjos diaris) simulats a 48 hores i mesu...
Aplicació de les tècniques de correcció a les sortides del model ARAMIS pel D3Ozó 24horesOzó 48 hores
Aplicació de les tècniques de correcció a les sortides del model ARAMIS pel D3NO2 24 horesNO2 48 hores
Aplicació de les tècniques de correcció a les sortides del model ARAMIS pel D3PM10 24 horesPM10 48 hores
3. DIFUSIÓ DELS RESULTAS CORRESPONENTS A LA MODELITZACIÓI PREVISIÓ DE LA QUALITAT DE L’AIREhttp://www.ub.edu/mair/
4. CONCLUSIONS1.- El sistema de predicció de la qualitat de l’aire a Catalunya, ARAMIS.cat,ha demostrat ser vàlid per prev...
Moltes gràcies per la seva atenció
Próxima SlideShare
Cargando en…5
×

Modelització i pronòstic de l'ozó a Catalunya

172 visualizaciones

Publicado el

a càrrec de la Dra. Rosa Maria Soler, professora del Departament d'Astronomia i Meteorologia de la Universitat de Barcelona

0 comentarios
0 recomendaciones
Estadísticas
Notas
  • Sé el primero en comentar

  • Sé el primero en recomendar esto

Sin descargas
Visualizaciones
Visualizaciones totales
172
En SlideShare
0
De insertados
0
Número de insertados
1
Acciones
Compartido
0
Descargas
1
Comentarios
0
Recomendaciones
0
Insertados 0
No insertados

No hay notas en la diapositiva.

Modelització i pronòstic de l'ozó a Catalunya

  1. 1. ELS MODELS NUMÈRICS PER A LA MODELITZACIÓ i PREVISIÓ DE LAQUALITAT DE L’AIRE. TÈCNIQUES ESSENCIALS PER A LA GESTIÓ DELA CONTAMINACIÓ ATMOSFÊRICADepartament d’Astronomia i MeteorologiaUniversitat de BarcelonaDirectora: Maria Rosa Soler
  2. 2. INDEX1. ¿ Què és la contaminació atmosfèrica?2. ¿ Què són els model numèrics per a la predicció de la qualitat del’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.
  3. 3. ¿ 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.
  4. 4. Els contaminants sónnocius per la salut i el mediambient, especialment enàrees metropolitanes.Malgrat els esforçosrealitzats per la millora de laqualitat de l’aire a Europa,Encara es produeixen situacions en que laconcentració d’alguns contaminants,especialment els òxids de nitrogen i el materialparticulat, arriben a valors superiors alspermesos per la directiva.
  5. 5. En aquest àmbit, la presa de decisions per l’administració i la utilització depolítiques ambientals correctes, li obliga a disposar i a aplicar una sèrie detècniques i metodologies que li han de permetre poder saber amb antelacióquina seria la concentració del contaminants prevista i quina podria ser lapolítica de reducció de les emissions més eficaç.En l’actualitat, una de les eines mésràpides i més eficients, és lamodelització lnumèrica.
  6. 6. Són un conjunt de equacions matemàtiques(depenent de la complicació del model) querelacionen les variables atmosfèriques que esvolen preveure, vent temperatura, concentraciód’un contaminant….) amb els processos físics iquímics que tenen lloc a l’atmosfera i queprodueixen els canvis d’aquestes variables.Una de les finalitats més importants d’ un modelde qualitat de l’aire és diagnosticar o preveure laconcentració d’un determinat contaminant en unpunt (x,y,z,t).2.-¿Què són els models numèrics per a la diagnosi i predicció de laqualitat de l’aire?
  7. 7. • 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 sercomplementaria a la mesura.Si les concentracions són entre el 40%-50% (VL), la modelització es pot aplicar encombinació amb la mesura.Si les concentracions són< llindar inferior d’avaluació, es permet aplicar només lamodelització.
  8. 8. Existeixen diferents tipus de models numèrics de qualitatde l’aire:Els models de diagnòstic que són els models Gaussians itambé els Lagrangians.Els models de previsió Eulerians:1.- Els models de capsa2.- Els models Eulerians tridimensionals
  9. 9. Geometria del plomallAplicant diverses propietats de la Gaussiana I conservació de la massa decontaminant emesa per la font arribem a una solució:⎟⎟⎠⎞⎜⎜⎝⎛⋅−−⋅⎟⎟⎠⎞⎜⎜⎝⎛⋅−⋅⋅⋅⋅= 22222)(exp2exp2),,,(zeffyzyHzyuQtzyxCσσσσπMODELS GAUSSIANS
  10. 10. La formulació Gaussiana presenta algunes avantatges:Proporciona resultats que, en bastants casos, estan d’acord amb les mesuresexperimentals en terreny pla.És fàcil d’implementar en un programa informàtic, Facilita i disminueix el tempsd’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, iaixò suposa una forta aproximació, sobretot en topografies complexes.Només és aplicable, estrictament, a situacions estacionaries, és un model dediagnòstic. No és vàlid per a contaminants fotoquímics.
  11. 11. Entrades:TràficIndústriaDomèsticVegetacióEmissionsModeld’emissionsModel fotoquímicintegrat per totes lesreaccions que podendonar lloc laformació delscontaminantsConcentració decontaminants.CampsmeteorològicsEntrades:TopografiaObservacions meteorològiquesUsos del sòlCondicions inicials i de contornModelmeteorològicEfectesVisualitzacióControlsModels de pronòstic EULERIANS
  12. 12. Model de capsa o de columna EuleriàUbicada al lloc on es vol fer la previsió.Dimensions prefixades i alçada variableque és l’alçada de la capa de mescla.És un model Eulerià. Considera lesseves pròpies emissions més lesadvectades horitzontalment pel vent.
  13. 13. Els models Eulerianstridimensionals, són modelsque subdivideixen l’espai encel·les o punt de malla, comes pot observar a la figura.Per cada cel·la es resolen lesequacions de conservació dela massa, de moment i decalor (model meteorològic);es comptabilitzen lesemissions (modeld’emissions); i es resolen lesequació de continuïtat de lesespècies químiques (modelfotoquímic).MODEL EULERIÀ TRIDIMENSIONALEl resultat de l’aplicació dels tres models és el valor de la concentració del contaminantconsiderat a cada punt de malla dels dominis d’estudi considerats.
  14. 14. Taula 1. Informació detallada dels dominis D1,D2,D3 i D4 del model ARAMIS.catDomini D1 Domini D2 Domini D3 Domini D4Resolucióhorit. 27kmResolucióhorit. 9kmResolucióhorit. 3kmResolucióhorit. 1km31 nivellsverticals31 nivellsverticals31 nivellsverticals31 nivellsverticalsNº de cel·les(68,44)Nº de cel·les(69,69)Nº de cel·les(93, 93)Nº de cel·les(93, 114)Pronòstics a24 i 48hPronòstics a24 i 48hPronòstics a24 i 48hPronòstics a24 i 48hInicialització a00UTCInicialització a00UTCInicialització a00UTCInicialització a00UTC3. Model numèric ARAMIS.El model ARAMIS (A Regional Air-Quality Modelling Integrated System) queaplicat a Catalunya (ARAMIS.cat) ha estat desenvolupat pel grup MAiRDominis utilitzats pel sistema ARAMIS.catEl model WRF és un model numèric meteorològicno hidrostàtic de última generació, desenvolupatpel National Center for Atmospheric Research(NCAR)El model numèric d’emissions HIREM (HighResolution Emission Model) és el desenvolupatpel propi grup MAiR.El model fotoquímic és el model CMAQdesenvolupat per la Environmental ProtectionAgency (EPA).
  15. 15. WRFModel MeteorològicHIREMModel d’EmissionsCMAQModel FotoquímicDades inicialitzacióObservacionsFonts antropogèniques ibiogèniquesConcentraciócontaminantsCamps d’EmissionsCamps meteorològicsFactors d’emissióEspeciació químicaParametritzacionsUsos del sòlTopografiaObservacions – Estacions de mesuraXarxa de Vigilancia i Previsió de la ContaminacióAtmosfèrica (XVPCA)Correcció de la desviació model-mesuraBIAS CORRECTIONPostprocés: càlcul de valorsmàxims 1-h, 8-h, diaris.Previsió de qualitat de l’aire aCatalunya(O3,NO2,PM10)Esquema de funcionament del sistema de previsió ARAMIS
  16. 16. MODEL HIREMEmissions de l’agricultura i la ramaderiaEmissions del sòl i la vegetacióEmissions procedents dels mars i oceansFonts NaturalsConsum domèsticIndústriaTràfic (autopistes, xarxa de carrerteres principalsi secundàries i aranya de tràfic de Barcelona)FontsAntropogèniques
  17. 17. Xarxa de carreteres principals i secundàries de l’àrea metropolitana deBarcelona. En aquesta figura no estan incloses les vies urbanes deBarcelona.Xarxa de carreteres principals (blau) i secundàries(taronja) de Catalunya.
  18. 18. EMEP/CORINAIRCLC/2006Dades socio-econòmiquesTop&DownBottom&UpWRFPerfils temporals iverticalsUnified EMEPModel no distr.temp.AntropogènicNaturalInventari DTSPols per erosió i resuspensióHidrocarburs de la vegetaciónSal marinaUsos del sòlIndústriaTrànsitConsumDomèsticEspeciacióquímicaIMDParc automovilísticFuncions PesestadístiquesHIREMEmissionshoràriessuperficials ien alturaDades i models Mòduls SortidaI. Català d’EnergiaEsquema de funcionament del model HIREM
  19. 19. Emissions de NO2 corresponents al tràfic de l’ àrea urbana de Barcelona
  20. 20. Una vegada que el sistema de modelització s’ha considerat correcta per la sevaaplicació, el procés de verificació i millora contínua dels resultatsdel model s’ha de considerar com una feina més dintre del cicle que suposala simulació de la qualitat de l’aire.La verificació habitualment es porta a terme a través del càlcul d’una sèried’estadístics proposat per la EPA (Draft Guidance on meteological modelevaluation), i per la Directiva Europea (Guidance on the use of models for theEuropean Air Quality Directive).VALIDACIÓ DEL SISTEMA DE PREDICCIÓ ARAMIS
  21. 21. Error migError absolut migError normalitzat migError absolut normalitzat migError quadràtic migError fraccionat migError absolut normalitzat,Error normalitzatÍndex de concordança∑ −=Nom CCNMB1)(1∑ −=Nom CCNMAGE11%100·11∑ ⎟⎟⎠⎞⎜⎜⎝⎛ −=NoomCCCNMNBE%100·11∑ ⎟⎟⎠⎞⎜⎜⎝⎛ −=NoomCCCNMNGE( )∑ −=Nom CCNRMSE121%100·211∑⎟⎟⎟⎟⎟⎠⎞⎜⎜⎜⎜⎜⎝⎛⎟⎠⎞⎜⎝⎛ +−=NomomCCCCNMFB%100·11∑∑ −=NoNomCCCNME( )%100·11∑∑ −=NoNomCCCNMB( )[ ]∑∑−+−−−= NoommNomCCCCCCIOA12121Paràmetres estadístics i definició matemàtica
  22. 22. Atenent a la Directiva 2008/50/CE, l’error es defineix amb l’expressió (1)LVMORDELVLV −=On OLV és la concentració observada més propera al valor límit (LV), valorobjectiu en el cas de l’ozó) i MLV és la concentració prevista pel modelcorresponent.(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 desde febrer del 2013 a l’actualitat.
  23. 23. Recomanats per USEPA (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-hIOA 0.657 0.572 0.758MAGE (%) 15.392 12.781 14.797MB (μg m-3) -1.378 -1.91 -4.609MFB (%) -2.947 -0.847 -9.642MNBE (%) 1.945 1.021 -4.758MNGE (%) 22.784 14.844 21.55NMB (%) -1.871 -2.142 -6.254NME (%) 20.898 14.332 20.076RMSE (%) 19.783 16.655 19.176MRDE 34.237 %
  24. 24. Recomanats per USEPA (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-hIOA 0.668 0.608 0.642MAGE (μg m-3) 15.488 12.436 12.402MB (μg m-3) 0.89 0.339 1.476MFB (%) 0.122 1.645 2.921MNBE (%) 5.122 3.497 5.035MNGE (%) 23.43 14.852 16.129NMB (%) 1.205 0.381 1.781NME (%) 20.96 13.945 14.965RMSE (μg m-3) 19.762 15.97 15.669MRDE 29.58 (%)
  25. 25. Avaluació del pronòstic de la concentració de NO2 i PM10 realitzat pel sitema ARAMIS (D3)Estadístic Pronòstic valorsmàxims 1-h de NO2Pronòstic valors mitjosdiaris de PM10.IOA 0.634 0.534MAGE (μg m-3) 22.405 6.795MB (μg m-3) -0.195 -2.458MFB (%) -4.026 -12.638MNBE (%) 4.197 -6.049MNGE (%) 31.861 28.035MRDE (%) 28.921 43.754NMB (%) -0.255 -10.185NME (%) 29.311 28.152RMSE (μg m-3) 28.473 8.627Paràmetres estadístics calculats per l’NO2 (valors màxims 1-h) iles PM10 (valors mitjos diaris) simulats a 24 hores i mesurats perles estacions XVPCA.Recomanats per USEPA (2009):MNBE ±5 -- ±15 %MNGE 30 -- 35 %MFB ≤ 30% -50%Recomanat per la DEMRDE ≤ 30%- 50%
  26. 26. Paràmetres estadístics calculats per l’NO2 (valors màxims 1-h) i les PM10(valors mitjos diaris) simulats a 48 hores i mesurats per les estacionsXVPCA.Avaluació del pronòstic de la concentració de NO2 i PM10 realitzat pel sitema ARAMIS (D3)Recomanats per USEPA (2009):MNBE ±5 -- ±15 %MNGE 30 -- 35 %MFB ≤ 30% -50%Recomanat per la DEMRDE ≤ 30%- 50%Estadístic Pronòstic valorsmàxims 1-h de NO2Pronòstic valors mitjosdiaris de PM10.IOA 0.62 0.55MAGE (μg m-3) 23.338 6.568MB (μg m-3) 1.129 -1.888MFB (%) -2.668 -9.733MNBE (%) 6.288 -3.595MNGE (%) 33.625 27.168MRDE (%) 34.108 42.07NMB (%) 1.483 -7.823NME (%) 30.664 27.22RMSE (μg m-3) 29.626 8.462
  27. 27. Aplicació de les tècniques de correcció a les sortides del model ARAMIS pel D3Ozó 24horesOzó 48 hores
  28. 28. Aplicació de les tècniques de correcció a les sortides del model ARAMIS pel D3NO2 24 horesNO2 48 hores
  29. 29. Aplicació de les tècniques de correcció a les sortides del model ARAMIS pel D3PM10 24 horesPM10 48 hores
  30. 30. 3. DIFUSIÓ DELS RESULTAS CORRESPONENTS A LA MODELITZACIÓI PREVISIÓ DE LA QUALITAT DE L’AIREhttp://www.ub.edu/mair/
  31. 31. 4. CONCLUSIONS1.- El sistema de predicció de la qualitat de l’aire a Catalunya, ARAMIS.cat,ha demostrat ser vàlid per preveure la concentració dels contaminantsatmosfèrics més importants. Aquest fet ens fa pensar que pot ser una tècnicaeficaç pel que fa a la ajuda en la presa de decisions en matèria de mediambient.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 ésla part del sistema de modelització que presenta major número d’ incerteses, ia més no es pot validar directament.• Avaluar les prestacions del model meteorològic.• Començar a treballar amb l’assimilació de dades d’immissió en els modelsfotoquímics.
  32. 32. Moltes gràcies per la seva atenció

×