Prognozowanie wysokości stężeń zanieczyszczeń powietrza

Transkrypt

1 Instytut Meteorologii i Gospodarki Wodnej Państwowy Instytut Badawczy Prognozowanie wysokości stężeń zanieczyszczeń powietrza Jolanta Godłowska SOAS Kraków

2 Metody modelowania stężeń zanieczyszczeń Modele statystyczne 1. Modele stochastyczne wykorzystujące analizę ciągów czasowych ARMAX 2. Modele wykorzystujące techniki eksploracji danych 3. Sieci neuronowe Modele deterministyczne 1. Model skrzynkowy niedyfuzyjny 2. Dyfuzyjne modele Gaussa (smugi lub obłoku) 3. Dyfuzyjne modele transportu chemicznego CTM (chemical transport models) sprzężone z numerycznymi modelami prognoz pogody NWP (numerical weather prediction) 2

3 Modele statystyczne analizy ciągów czasowych ARMAX i sieci neuronowe: Bazują na związku pomiędzy mierzoną imisją zanieczyszczeń a warunkami meteorologicznymi (jawnym ARMAX, niejawnym sieci neuronowe) Wiążą prognozę stężeń zanieczyszczeń ze stężeniami zmierzonymi w dniach poprzedzających prognozę oraz prognozowanymi warunkami meteorologicznymi Równania prognostyczne ARMAX przygotowuje się a sieć neuronową szkoli się w oparciu o historyczne pomiary meteorologiczne i dane imisyjne Modele eksploracji danych: Uczenie modelu na danych historycznych i imisyjnych Przy użyciu zaawansowanych metod matematycznych (np. analiza falkowa) poszukiwana jest w bazie danych historycznych podobna do prognozy meteorologicznej sytuacja w przeszłości. Przyporządkowywana jest jej zmierzona wtedy imisja. 3

4 Modele statystyczne ZALETY Małe wymogi dotyczące sprzętu komputerowego Tanie i szybkie prognozy WADY Zakładają niezmienność emisji w pewnej skali czasowej Wymagają długich serii pomiarów imisji Dają prognozę stężeń tylko dla punktów pomiaru imisji Zmienność stężeń jest przez te modele spłaszczana 4

5 OZON ug/m 3 ] OZON ug/m 3 ] Forecast of 8 hour mean ozone concentrations in Cracow validation measure forecast t [GMT] measure forecast t [GMT] OZON ug/m 3 ] measure forecast t [GMT]

6 Modele deterministyczne Wejście do modeli: mapa emisji, dane z modeli meteorologicznych W obliczeniach uwzględniane są użytkowanie terenu, szorstkość aerodynamiczna, głębokość mieszania Wewnątrz modelu rozwiązywane są równania opisujące sposób rozprzestrzeniania się zanieczyszczeń w atmosferze, przemiany chemiczne, procesy suchej i mokrej depozycji ZALETY WADY Dają prognozy stężeń dla całego obszaru obliczeniowego Można prognozować wysokości stężeń także tam gdzie nie ma pomiarów imisji Możliwe jest badanie wpływu pojedynczych emitorów Bardzo duże wymogi dotyczące sprzętu komputerowego Bardzo rozbudowane i skomplikowane modele do obliczenia prognozy Jakość prognoz ograniczona jest przez chaos deterministyczny (efekt motyla), ograniczoną wiedzę o fizyce i chemii atmosfery lub konieczność parametryzowania pewnych procesów i jakością danych wejściowych 6

7 Trudności: 1. Emisja zanieczyszczeń: Skąd wiemy co, gdzie, ile, jak i kiedy jest emitowane? Co jest emitowane? badamy tylko nieliczne z emitowanych substancji np. SO2, NO2, PM10, CO, LZO Gdzie jest emitowane? - zakłady przemysłowe, emisja komunalna, komunikacja, źródła naturalne Ile jest emitowane? bardzo trudno określić ankietowanie zakładów przemysłowych, bilansowanie zużycia węgla i gazu, monitoring liczby pojazdów Jak jest emitowane parametry emitorów (wysokość, średnica, współrzędne) i emisji (temperatura i prędkość gazów wylotowych) Kiedy jest emitowane musimy określić zmienność dobową i roczną emisji dla różnych typów źródeł 2. W jaki sposób zanieczyszczenia są rozprowadzane w atmosferze: Podstawowa trudność duża zmienność czasowa i przestrzenna pola wiatru w warstwie granicznej atmosfery, zwłaszcza w obszarach zabudowanych 7

8 CAMx v5.40 Chemistry Mechanisms Species in the SAPRC99 mechanism reactions and up to 114 species (76 state gases, up to 22 state particulates, and 16 radicals) NO2 NO O3 O NO3 N2O5 HNO3 O1D OH HONO HO2 CO HNO4 HO2H SO2 SULF CXO2 HCHO COOH MEOH RO2R production ROOH R2O2 RO2N RNO3 MEK PROD CCO3 PAN CO3H CO2H RCO3 Nitrogen dioxide Nitric oxide Ozone Oxygen atom in the O3(P) electronic state Nitrate radical Dinitrogen pentoxide Nitric acid Oxygen atom in the O1(D) electronic state Hydroxyl radical Nitrous acid Hydroperoxy radical Carbon monoxide Peroxynitric acid Hydrogen peroxide Sulfur dioxide Sulfuric acid (gaseous) Methylperoxy radical Formaldehyde Methyl hydroperoxide Methanol Organic peroxy radical converting NO to NO2 with HO2 Organic hydroperoxide Organic peroxy radical converting NO to NO2 Organic peroxy radical converting NO to organic nitrate Organic nitrate Methylethyl ketone Organic product Acetylperoxy radical Peroxyacetyl nitrate Peroxyacetic acid Acetic acid Higher acylperoxy radical (based on propylperoxy) PAN2 Higher peroxyacetyl nitrate (based on peroxypropyl nitrate) CCHO Acetaldehyde RC3H Higher percarboxylic acid RC2H Higher carboxylic acid BZCO Peroxybenxoyl radical PBZN Peroxybenzoyl nitrate BZO Phenoxy radical MCO3 Peroxyacyl radical from methacrolein MPAN PAN compound from methacrolein TBUO Tertiary-butoxy radical ACET Acetone NPHE Nitrophenol PHEN Phenol BZNO Nitrophenol reaction product XN Other nitrogen containing product HCO3 Adduct from HO2 plus formaldehyde HC2H Formic acid RCHO Higher aldehyde (based on propionaldehyde) GLY Glyoxal MGLY Methylglyoxal BACL Biacetyl CRES Cresol BALD Benzaldehyde METH Methacrolein MVK Methylvinyl ketone ISPD Isoprene product DCB1 Aromatic ring opening dicarbonyl product DCB2 Aromatic ring opening dicarbonyl product DCB3 Aromatic ring opening dicarbonyl product ETHE Ethene ISOP I soprene TERP Terpene ALK1 Lumped alkane 1 ALK2 Lumped alkane 2 ALK3 Lumped alkane 3 ALK4 Lumped alkane 4 ALK5 Lumped alkane 5 ARO1 Lumped aromatic 1 ARO2 Lumped aromatic 2 OLE1 Lumped olefin 1 OLE2 Lumped olefin 2 ETOH Ethanol MTBE Methyl tertiary butyl ether MBUT Methylbutenol 8

9 Pojęcia istotne w prognozowaniu stężeń zanieczyszczeń przy wykorzystaniu numerycznych prognoz pogody Dane meteorologiczne : pole wiatru i wysokość mieszania oraz klasa stabilności uwzględnienie wpływu miasta, duża rozdzielczość, dobre dane użytkowania terenu Wielkość emisji : różnych emitowanych substancji (np. SO2, NO2, NOx, PM10, CO, PM2.5, O3) dla różnych kategorii SNAP (Selected Nomenclature for sources of Air Pollution) z określeniem jej zmienności rocznej, dobowej, tygodniowej lub zależności od warunków meteorologicznych (np. temperatury powietrza) 9

10 Modele deterministyczne I Etap modelowanie pól meteorologicznych II Etap modelowanie rozprzestrzeniania się zanieczyszczeń I Etap 1. Wybór domeny obliczeniowej 2. Wybór rozdzielczości (rozmiaru oczek siatki modelu) 3. Przygotowanie danych orograficznych i użytkowania terenu 4. Zapewnienie początkowych i brzegowych danych meteorologicznych dla okresu obliczeń II Etap 1. Przygotowanie danych meteorologicznych dedykowanych modelom rozprzestrzeniania się zanieczyszczeń (takich jak: głębokość mieszania, klasa stabilności, długość Monina-Obuchowa itp.) przez preprocesor meteorologiczny 2. Przygotowanie danych o emisji zanieczyszczeń 3. Wybór parametryzacji różnych procesów fizycznych 10

11 System FAPPS jako przykład prognoz deterministycznych FAPPS: ang. Forecasting of Air Pollution Propagation System pol. System Prognozowania Rozprzestrzeniania Zanieczyszczeń Powietrza FAPPS - system wielozadaniowy, funkcjonujący na dwóch poziomach dostępności Produkty systemu FAPPS prezentowane w serwisie internetowym (swobodnie dostępne): mapy diagnostyczne i prognostyczne stężeń zanieczyszczeń powietrza (m.in. PM 10, PM 2.5, NO 2, SO 2 ) mapy wskaźnika wentylacji (pilotażowo dla Krakowa) informacje o zagrożeniach zdrowotnych wskutek pogorszenia jakości powietrza (dla obszarów z prognozowanymi podwyższonymi stężeniami zanieczyszczeń) Dla uprawnionych użytkowników serwisu: moduł systemu wspomagający zarządzanie poważnymi awariami - możliwość pobrania prognostycznych pól meteorologicznych w formacie wejściowym modelu CALPUFF, a następnie wykonywania w trybie operacyjnym obliczeń rozkładu przestrzennego stężenia substancji chemicznej po jej awaryjnym wyemitowaniu do powietrza 11

12 Zespół modeli pracujących w systemie FAPPS: Numeryczna prognoza pogody ALADIN Niehydrostatyczny mezoskalowy model meteorologiczny MM5 Preprocesor meteorologiczny CALMET Dyspersyjny model obłoku CALPUFF 1. Warunki początkowe i brzegowe model ALADIN 2. Prognozowanie pól meteorologicznych model MM5 3. Obliczenia głębokości mieszania, klasy stabilności, kinematycznych efektów terenu, itp. - preprocesor meteorologiczny CALMET 4. Obliczenie prognoz stężeń zanieczyszczeń - CALPUFF 12

13 Model MM5 jest mezoskalowym, niehydrostatycznym modelem meteorologicznym rozwijanym przez PSU/NCAR (Pennsylvania State University / National Center for Atmospheric Research ) w USA, szeroko stosowanym w wielu krajach. Jest przeznaczony do symulacji i prognozowania stanu atmosfery na danym (ograniczonym) obszarze. Jego następcą jest WRF (Weather Research and Forecasting Model) Obliczenia modelu wykonywane są w punktach definiowanych przez prostokątną siatkę gridową i poziomy ciśnieniowe. Pionowa struktura modelu Pozioma struktura modelu 13

14 Podstawowe równania 14

15 Preprocesor meteorologiczny CALMET jest zdolny do odczytania danych wyjściowych z MM5 (poprzez program CALMM5) i dodatkowo oblicza: - wysokość mieszania - klasę stabilności - długość Monina Obuchova - PGT klasę stabilności oraz modyfikuje prędkość wiatru poprzez uwzględnienie: - kinematycznych efektów orograficznych - przepływów w terenie nachylonym - blokujących efektów orograficznych Najważniejsza i najtrudniejsza jest kalibracja modelu Przykład SODAR Kłopot: Musimy weryfikować uśrednioną wartość dla całego oczka siatki pomiarem punktowym Wymaga: Wejściowych danych meteorologicznych (powierzchniowe + profile pionowe) Informacji o rzeźbie terenu Informacji o użytkowaniu terenu 15

16 Jak widzą rzeczywistość modele meteorologiczne? Generalizacja do rozmiaru oczek siatki modelu. Użytkowanie terenu okolice Krakowa Rzeźba terenu okolice Krakowa 1 km z Urban Atlas Kraków 5 km z USGS 1 km 5 km 16

17 Zintegrowany system monitorowania danych przestrzennych dla poprawy jakości powietrza w Krakowie Prognozowanie wysokości stężeń zanieczyszczeń powietrza Nowa jakość w zapewnieniu danych cyfrowych do modelowania jakości powietrza dla Krakowa: projekt MONIT-AIR 17

18 Model dyspersji obłoku CALPUFF Założenia: 1. Emisja realizowana jest w postaci maleńkich obłoków (puffs - ok. 1000/sek), których rozmiar powiększa się w miarę upływu czasu i których przemieszczanie się w atmosferze jest zdeterminowane przez meteorologię 2. Emitowane substancje podlegają przemianom chemicznym, procesom suchej depozycji i wymywania przez opady 3. Przy emisji uwzględniane są parametry emisji i emitora 18

19 Model smugi Gaussa Wypływ gazów odlotowych z komina został wyznaczony w oparciu o równania mechaniki płynów, termodynamiki i równania dyfuzji. Opisywana jest trajektoria środka ciężkości smugi oraz rozproszenie smugi w atmosferze Rozproszenie smugi w atmosferze opisują współczynniki dyfuzji atmosferycznej σ z i σ y c od =stężenie zanieczyszczenia q od emisja zanieczyszcenia ū uśredniona prędkość wiatru w warstwie powietrza od z = 0 do z = H; [m/s] H wysokość pozornego punktu emisji; [m] σ z i σ y współczynniki dyfuzji atmosferycznej (zależność σ od m i z 0 opisują równania empiryczne). z 0 parametr aerodynamicznej szorstkości powierzchni, szorstkość podłoża ; [m], 19

20 Dziękuję za uwagę Jolanta Godłowska Instytut Meteorologii i Gospodarki Wodnej Państwowy Instytut Badawczy Kraków Borowego 14 Tel. (22) Fax. (22) Kom Jolanta.godlowska@imgw.pl