1. 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 Meteorologia
Universitat de Barcelona
Directora: Maria Rosa Soler
2. 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.
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. 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.
5. 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 antelació
quina 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.
6. Són un conjunt de equacions matemàtiques
(depenent de la complicació del model) que
relacionen les variables atmosfèriques que es
volen preveure, vent temperatura, concentració
d’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?
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 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.
8. 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 capsa
2.- Els models Eulerians tridimensionals
9. 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
)(
exp
2
exp
2
),,,(
z
eff
yzy
Hzy
u
Q
tzyxC
σσσσπ
MODELS GAUSSIANS
10. 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.
12. 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.
13. 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.
14. Taula 1. Informació detallada dels dominis D1,D2,D3 i D4 del model ARAMIS.cat
Domini D1 Domini D2 Domini D3 Domini D4
Resolució
horit. 27km
Resolució
horit. 9km
Resolució
horit. 3km
Resolució
horit. 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 CMAQ
desenvolupat per la Environmental Protection
Agency (EPA).
15. WRF
Model Meteorològic
HIREM
Model d’Emissions
CMAQ
Model Fotoquímic
Dades inicialització
Observacions
Fonts antropogèniques i
biogèniques
Concentració
contaminants
Camps d’Emissions
Camps meteorològics
Factors d’emissió
Especiació química
Parametritzacions
Usos del sòl
Topografia
Observacions – Estacions de mesura
Xarxa de Vigilancia i Previsió de la Contaminació
Atmosfèrica (XVPCA)
Correcció de la desviació model-mesura
BIAS 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
16. 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
17. 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.
18. 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 resuspensió
Hidrocarburs de la vegetación
Sal marina
Usos del sòl
Indústria
Trànsit
Consum
Domèstic
Especiació
química
IMD
Parc 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
19. Emissions de NO2 corresponents al tràfic de l’ àrea urbana de Barcelona
20. 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
21. 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 CC
N
MB
1
)(
1
∑ −=
N
om CC
N
MAGE
1
1
%100·
1
1
∑ ⎟⎟
⎠
⎞
⎜⎜
⎝
⎛ −
=
N
o
om
C
CC
N
MNBE
%100·
1
1
∑ ⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛ −
=
N
o
om
C
CC
N
MNGE
( )∑ −=
N
om CC
N
RMSE
1
21
%100·
2
1
1
∑
⎟⎟
⎟
⎟
⎟
⎠
⎞
⎜⎜
⎜
⎜
⎜
⎝
⎛
⎟
⎠
⎞
⎜
⎝
⎛ +
−
=
N
om
om
CC
CC
N
MFB
%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
CC
IOA
1
2
1
2
1
Paràmetres estadístics i definició matemàtica
22. Atenent a la Directiva 2008/50/CE, l’error es defineix amb l’expressió (1)
LV
MO
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.
23. Recomanats per US
EPA (2009):
MNBE ±5 -- ±15 %
MNGE 30 -- 35 %
MFB ≤ 30%
Recomanat per la DE
MRDE ≤ 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 19.176
MRDE 34.237 %
24. Recomanats per US
EPA (2009):
MNBE ±5 -- ±15 %
MNGE 30 -- 35 %
MFB ≤ 30%
Recomanat per la DE
MRDE ≤ 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 15.669
MRDE 29.58 (%)
25. 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 DE
MRDE ≤ 30%- 50%
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 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 DE
MRDE ≤ 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
27. Aplicació de les tècniques de correcció a les sortides del model ARAMIS pel D3
Ozó 24
hores
Ozó 48 hores
28. Aplicació de les tècniques de correcció a les sortides del model ARAMIS pel D3
NO2 24 hores
NO2 48 hores
29. Aplicació de les tècniques de correcció a les sortides del model ARAMIS pel D3
PM10 24 hores
PM10 48 hores
30. 3. DIFUSIÓ DELS RESULTAS CORRESPONENTS A LA MODELITZACIÓ
I PREVISIÓ DE LA QUALITAT DE L’AIRE
http://www.ub.edu/mair/
31. 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 modelització
ARAMIS, 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.