مدل سازی آلودگی هوا
مطالعه موردی ۷- مدل سازی آلودگی هوا
مدل‌سازی آلودگی هوا با هدف تعیین کمیت رابطه بین انتشار و غلظت/رسوب یک نوع خاص از آلاینده در یک منطقه است. علاوه بر خواص انتشاری توده های ساطع شده از منابع آلاینده، تغییرات در هواشناسی، کاربری زمین و زمین منجر به الگوهای پیچیده آلودگی هوا می شود. در سال‌های اخیر، GIS به طور فزاینده‌ای برای مدل‌سازی و نقشه‌برداری الگوهای مکانی و زمانی آلودگی هوا مورد استفاده قرار گرفته است( گالیور و بریگز، ۲۰۱۱ : مانتی و همکاران، ۲۰۰۹). نمونه هایی از مدل های آلودگی هوا مبتنی بر GIS عبارتند از : ( برکوویکز و همکاران، ۲۰۰۸) OSPM، (آلوینه و همکاران، ۲۰۰۶) DUSTRAN، ( کسارکال و همکاران، ۲۰۰۷) AERMOD و (گالیور و بریگز، ۲۰۱۱) و STEMS-Air . بدون جفت شدن با هیچ مدل پراکندگی جوی خاصی، ویئنآیو و همکاران، ۲۰۰۹ رویکرد پنجره متحرک مبتنی بر GIS برای مدل سازی آلودگی NO2 در سراسر اروپا بر اساس انتشار و داده‌های هواشناسی با استفاده از ArcGIS ایجاد کرد که به عنوان یک مطالعه موردی در زیر ارائه شده است.
اساساً رویکرد پنجره متحرک توسط وینیو و همکاران. (۲۰۰۹) از توابع کانونی (بخش ۴-۴ را ببینید). موجود در بسیاری از سیستم‌های GIS برای تخمین میانگین سالانه غلظت NO2 با محاسبه اندازه‌گیری شدت انتشار در سلول کانونی به عنوان مجموع وزنی فاصله انتشار در سلول‌های اطراف در محله مشخص شده استفاده می‌کند. این بر این فرض استوار است که نزدیکی به منبع یکی از عوامل اصلی تعیین کننده غلظت آلاینده است. شکل ۱۰-۹رویکرد آنها را نشان می دهد.
سه مجموعه داده در مدل‌سازی استفاده شد: انتشار، غلظت و داده‌های باد. داده‌های انتشار NO2 با تفکیک داده‌های ملی برای سال ۲۰۰۱ از فهرست موجودی نگهداری شده توسط کمیسیون اقتصادی سازمان ملل متحد برای اروپا تحت کنوانسیون آلودگی هوای فرامرزی دوربرد برای یازده دسته منبع اصلی، از جمله منابع احتراق ثابت و متحرک، فرآیندهای صنعتی، فسیل‌ها به دست آمد. استخراج سوخت، استفاده از حلال، زباله و کشاورزی. روش‌های جداسازی مختلف برای دسته‌های منابع مختلف استفاده شد. به عنوان مثال، مجموع ملی انتشار NO2 از منابع مسکونی بر اساس انواع سوخت (مانند برق و گاز) و تراکم جمعیت، و آنهایی که از منابع صنعتی بر اساس اقتصاد منطقه ای و انواع پوشش زمین تفکیک شدند. انتشار ملی NO2 از حمل و نقل جاده ای با استفاده از جمعیت و تراکم جاده، آمار ترافیک و پوشش زمین به عنوان نمونه تفکیک شد. داده های انتشار تفکیک شده به یک شبکه ۱ کیلومتری، به نام شبکه انتشار، ترسیم شد.
شکل ۱۰-۹ رویکرد پنجره متحرک برای مدل سازی آلودگی هوا (اقتباس از وینئو و همکاران ۲۰۰۹)
داده های غلظت NO2 برای سال ۲۰۰۱ از پایگاه داده پایگاه هوایی، یک پایگاه داده متمرکز از اندازه گیری غلظت های نظارت شده آلودگی هوا که از شبکه پایش کیفیت هوای اروپا گردآوری شده است، به دست آمد. مجموعه داده مورد استفاده در این مطالعه شامل ۹۴۲ سایت مانیتورینگ پس‌زمینه NO2 بود که در میان آنها داده‌های نظارت از ۷۱۴ سایت برای ساخت مدل و داده‌های ۲۲۸ سایت باقی‌مانده برای اعتبارسنجی مدل استفاده شد. داده‌های هواشناسی از آرشیو عملیاتی مرکز اروپا برای پیش‌بینی هوای متوسط برد با وضوح ۵۰ کیلومتری به‌دست آمد، که از آن سرعت و جهت سالانه باد برای سال ۲۰۰۱ محاسبه شد و سپس به شبکه ۱ کیلومتری اختصاص یافت.
تابع کانونی به یک مشخصه هسته نیاز دارد (به بخش ۴-۴ مراجعه کنید). در این مطالعه، به عنوان مجموعه ای از یازده حلقه متحدالمرکز و بدون همپوشانی زمانی که اثرات باد در نظر گرفته نشد، تعریف شد. هر حلقه دارای عرض ۱ کیلومتر بود، که اجازه می داد سهم منابع انتشار تا ۱۱ کیلومتر از سلول کانونی مدل شود. با توجه به نتایج شبیه سازی یک مدل پراکندگی، ۱۱ کیلومتر حد امکان مشارکت قابل تشخیص است. هنگامی که اثرات باد در نظر گرفته شد، از هسته های گوه ای شکل استفاده شد. گوه ها در امتداد بردار جهت باد ایجاد شدند. طول و قطر زاویه ای گوه ها به عنوان تابعی از میانگین سرعت باد سالانه تعیین شد. گوه‌های باریک‌تر و کشیده‌تر نشان‌دهنده سرعت باد بالاتر است و بالعکس.
برای هسته یازده حلقه، ابتدا به هر حلقه وزنی اختصاص داده شد که به عنوان تابع پوسیدگی فاصله ( ) محاسبه می شد، و وزن بیشترین حلقه داخلی برابر ۱ بود. سپس هسته به عنوان پنجره متحرک برای محاسبه مجموع وزنی انتشارات درون پنجره برای هر سلول کانونی، از طریق شبکه انتشارات عبور کرد. نتیجه شبکه ای بود که نشان دهنده شدت انتشار برای هر سلول بود. این شبکه، شبکه شاخص شدت انتشار، یا صرفاً شبکه شاخص نامگذاری شد. سپس تجزیه و تحلیل رگرسیون با استفاده از شبکه شاخص و داده های غلظت NO2 در ۷۱۴ محل نظارت اندازه گیری شد و از معادله رگرسیونی حاصله برای تبدیل مقادیر شدت انتشار (تن/کیلوگرم/سال) به مقادیر غلظت (میکروگرم بر متر مکعب) استفاده شد. توجه داشته باشید که قبل از رگرسیون ، مقادیر شاخص شدت انتشار و داده های غلظت مشاهده شده هر دو به منظور اصلاح غیر عادی تغییر شکل داده شده اند. در مرحله بعد ، وزن هر حلقه در هسته به صورت متوالی و مرحله ای تنظیم می شود در حالی که وزن داخلی حلقه را ۱ و وزن حلقه بیرونی را کمتر یا مساوی حلقه داخلی مجاور نگه می دارد. برای هر دور تعدیل، شبکه شاخص جدید با استفاده از مجموعه ای جدید از وزن ها در هسته تولید شد و به دنبال آن تحلیل رگرسیون انجام شد. عملکرد مدلهای رگرسیونی با محاسبه ضریب تعیین (r2) و خطای برآورد استاندارد ارزیابی شد (بخش ۵-۶ را ببینید).
هنگامی که هسته های گوه ای شکل برای ترکیب جهت باد اعمال شد، هشت شبکه شاخص ایجاد شد، یکی برای هر جهت (شمال، شمال شرق، شمال غرب، شرق، جنوب شرق، جنوب، جنوب غرب و غرب). سپس هشت شبکه شاخص برای ایجاد یک شبکه شاخص شدت انتشار نهایی جمع شدند. به طور مشابه، تجزیه و تحلیل رگرسیون برای ایجاد یک نقشه غلظت بر اساس شبکه شاخص به دست آمده با استفاده از هسته های گوه ای شکل و داده های غلظت نظارت شده انجام شد.
نقشه های غلظت NO2 تولید شده با استفاده از رویکرد پنجره متحرک بالا در برابر داده های اندازه گیری شده از ۲۲۸ سایت نظارتی رزرو شده از نظر ، RMSE، خطای استاندارد و سایر معیارها اعتبارسنجی شدند.
نتایج اعتبار سنجی نشان داد که رویکرد پنجره متحرک ابزار دقیق قابل قبولی برای مدل‌سازی غلظت آلاینده‌های هوای بلندمدت در مناطق بزرگ ارائه می‌کند. این مطالعه چهار مزیت اصلی رویکرد پنجره متحرک را برجسته کرد: (۱) محاسبه سریع مجموعه های داده بزرگ با وضوح مکانی بالا را امکان پذیر می کند ، زیرا برای داده های رستر استفاده می شود. (۲) انعطاف پذیر است ، زیرا کاربران می توانند شکل و اندازه هسته های مورد استفاده با عملکردهای کانونی را تعیین کنند. (۳) می تواند به راحتی داده های انتشار و غلظت نظارت شده جدید را در خود جای دهد و تغییرات در توزیع منبع انتشار مانند تغییرات ناشی از تغییر کاربری/پوشش زمین را در نظر بگیرد و (۴) مدل سازی آلودگی هوا را تحت سناریوهای مختلف سیاست و انتشار تسهیل کند. با این مزایا، رویکرد پنجره متحرک به ویژه برای مدل‌سازی و نقشه‌برداری آلودگی هوا با وضوح بالا، در مقیاس قاره مناسب است.
بدون دیدگاه