Strona poprawnie działa w przeglądarkach IE 8.0 i wyżej, Firefox 3.6 i wyżej, Chrome 9 i wyżej, Opera 11 i wyżej oraz na platformie mobilnej iPhone, Android, Windows Mobile 6 i wyższe, Windows Phone 7 i wyższe.
X

SYSTEM PROGNOZOWANIA ROZPRZESTRZENIANIA ZANIECZYSZCZEŃ POWIETRZA

FORECASTING OF AIR POLLUTION PROPAGATION SYSTEM

Modelowanie jakości powietrza

Metody prognozowania wysokości stężeń zanieczyszczeń powietrza



ZALETY

WADY

Modele „statystyczne”

  • Zazwyczaj małe wymogi dotyczące sprzętu komputerowego

  • Tanie i szybkie prognozy


  • Zakładają niezmienność emisji w pewnej skali czasowej

  • Wymagają długich serii pomiarów imisji zanieczyszczeń

  • Dają prognozę stężeń tylko dla punktów pomiaru imisji

  • Zmienność stężeń jest przez te modele spłaszczana


Modele deterministyczne

  • 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



Modele „statystyczne”


  1. Modele stochastyczne wykorzystujące analizę ciągów czasowych ARMAX

  2. Sieci neuronowe

  3. Modele wykorzystujące techniki eksploracji danych


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.


Modele deterministyczne


  1. Model skrzynkowy niedyfuzyjny,

  2. Dyfuzyjne modele Gaussa (smugi lub obłoku),

  3. Dyfuzyjne modele transportu chemicznego CTM (Chemical Transport Model).


We wszystkich tych modelach:

  • Wejściem do modeli jest: mapa emisji oraz dane z modeli meteorologicznych,

  • W obliczeniach uwzględniane są: użytkowanie terenu, szorstkość aerodynamiczna z0 i głębokość mieszania,

  • Wewnątrz modelu rozwiązywane są równania opisujące sposób rozprzestrzeniania się zanieczyszczeń w atmosferze, przemiany chemiczne, procesy suchej i mokrej depozycji


Modelowanie odbywa się w dyskretnej siatce obliczeniowej. Dlatego konieczna jest generalizacja różnych cech fizycznych danego obszaru do rozmiaru oczek siatki modelu. Ta generalizacja przy zbyt małej rozdzielczości obliczeń może być źródłem błędów.

Poniżej zaprezentowano rzeźbę terenu okolice Krakowa z danych Shuttle Radar Top Mission – rozdzielczość 90m (na lewo) oraz dwie generalizacje do rozmiaru siatki 1 km (w środku) i 5 km (na prawo).





Obliczenia w modelach deterministycznych wykonywane są dwuetapowo.


I Etap – modelowanie pól meteorologicznych

  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,

  5. Wybór parametryzacji procesów fizycznych w modelu meteorologicznym,

  6. Uruchomienie modelu prognoz meteorologicznych.

Uwaga:

Można wykorzystać dane cyfrowe z numerycznych prognoz pogody, ale wtedy są problemy z dostosowaniem sposobu modelowania pól meteorologicznych do potrzeb modelowania jakości powietrza.


II Etap – modelowanie rozprzestrzeniania się zanieczyszczeń

  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 w modelu prognoz jakości powietrza.

  4. Uruchomienie modelu prognoz jakości powietrza.




Serwis internetowy FAPPS powstał w ramach projektu rozwojowego własnego NR14-0013-10/2010 „Utworzenie systemu prognozowania rozprzestrzeniania zanieczyszczeń powietrza, opartego o meteorologiczne modele mezoskalowe oraz dyspersyjny model obłoku”, realizowanego w IMGW-PIB, finansowanego przez Narodowe Centrum Badań i Rozwoju.

Zakład Monitoringu i Modelowania Zanieczyszczeń Powietrza IMGW - PIB Oddział w Krakowie