Modelització i pronòstic de l'ozó a Catalunya

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




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




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


NO2 24 hores

NO2 48 hores


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

Modelització i pronòstic de l'ozó a Catalunya

Documents

Transcript of Modelització i pronòstic de l'ozó a Catalunya