Transcript Air Quality Models

Air Quality Models
Web Sites
• USEPA, Technology Transfer Network (TTN),
Support Center for Regulatory Atmospheric
Modeling (SCRAM),
http://www.epa.gov/ttn/scram/
• 台灣空氣品質模式支援中心
http://aqmc.epa.gov.tw/
簡介
空氣品質模式(air quality model)是空氣品質
管理系統中重要的工具，所謂空氣品質模式乃利用數
學或定量的方式，計算或模擬污染物由排放源釋出之
後在大氣中傳送、擴散、化學轉換所形成的濃度場之
時空分佈。只要輸入適當的污染物排放量和其它氣象
及擴散參數，模式就可算出擴散後的濃度分佈。
空氣品質模式雖然希望能反應出真正的大氣過
程，但模式畢竟無法複製真實的情況，即使是最完善
的模式也只能代表真實情況的簡化。有時，因為我們
對物理、化學現象或機制，並不完全了解，所以，推
導出來的模式不免有所缺失，因此模式在使用前，必
先了解其依據的原理、假設、限制、適用時機...
等，以選擇最為合適的模式。
模式分類(一)
• 高斯模式(Gaussian Model)
– Gaussian Plume Model
– Gaussian Puff Model
• 拉格蘭吉軌跡模式(Lagrangian trajectory
Model)
• 尤拉網格(Eulerian Grid Model)
模式分類(二)
USEPA 將模式分為:
• Dispersion Modeling : These models are typically used in the
permitting process to estimate the concentration of pollutants at
specified ground-level receptors surrounding an emissions source.
– Preferred/Recommended Models: AERMOD, CALPUFF, …
– Alternative Models
– Screening Models
• Photochemical Modeling : These photochemical models are largescale air quality models that simulate the changes of pollutant
concentrations in the atmosphere using a set of mathematical
equations characterizing the chemical and physical processes in the
atmosphere. These models are applied at multiple spatial scales
from local, regional, national, and global.
• Receptor Modeling : Receptor models are mathematical or
statistical procedures for identifying and quantifying the sources of
air pollutants at a receptor location.
模式分類(三)
• 座標系統
– 尤拉系統(Eulerian
system)
– 拉格藍奇系統
(Lagrangian system)
• 所考慮的污染物
–
–
–
–
惰性污染物
線性反映
光化學污染
二次氣膠
模式分類(四)
• 依所考慮的空間尺度，可分為：
• 近場(near field)：距污染源數公里範圍內，主要由煙
流浮力和附近地形建物所影響，通常在此範圍內主要考
慮亂流擴散，至於化學反應和沉降則較不重要。
• 局部(local)或短距離：距污染源數十公里範圍左右，
為最高地面濃度發生之區域，大型點污染源擴散模擬以
此範圍最為常見。
• 都市(urban)尺度：數十至數百公里範圍，包含各種類
型的許多汙染源主要衝擊包括沈降、二次污染 (如光化
反應)等。
• 區域(regional)尺度：數百公里以上，必須考慮沈降及
化學轉換。
• 全球(global)尺度。
高斯煙流模式
(Gaussian Plume Models)
•The earliest air models
• Use many simplifying assumptions to obtain
closed-form analytical solutions
–
–
–
–
–
Steady-state (i.e., time invariant)
Spatially uniform (homogeneous) dispersion
Plume coherency
Inert or first-order decay
Slender plume assumption
• Gaussian plume models are not capable of
treating nonlinear problems (such as
photochemistry).
Computer Gaussian Plume Models
• ISCST: ISC3 is a steady-state Gaussian plume model which can be
used to assess pollutant concentrations from a wide variety of
sources associated with an industrial complex. This model can
account for the following: settling and dry deposition of particles;
downwash; point, area, line, and volume sources; plume rise as a
function of downwind distance; separation of point sources; and
limited terrain adjustment.
• AERMOD: A steady-state plume model that incorporates air
dispersion based on planetary boundary layer turbulence structure
and scaling concepts, including treatment of both surface and
elevated sources, and both simple and complex terrain.
• CALINE3: A steady-state Gaussian dispersion model that is
designed to determine air pollution concentrations at receptor
locations downwind of highways located in relatively
uncomplicated terrain.
Control
Source
Receptor
Meteorology
Output
ISCST輸入檔樣版
Gaussian Puff Models
• Advantages :
–Fewer simplifying assumptions
–Accounting for spatial variability of meteorological and dispersion
conditions,
–causality effects,
–low wind speed dispersion,
–temporal variability in emission rates, etc.
•Disadvantages:
– employ analytical solutions for each puff but computers are required to
track the large number of puffs
– some models retain the plume coherency assumption, they are not
suitable for diffusion in complex terrain, sea breeze, mountain-valley
wind, …
– a few have been developed for individual reactive plumes, but they are
difficult to consider the pollutants outside the plume
– numerical solution methods are needed to solve chemical kinetics
equations
•Examples: CALPUFF, RPM-IV, SCIPUFF, SCICHEM
CALPUFF
• CALPUFF is a multi-layer, multi-species non-steadystate puff dispersion model that simulates the effects
of time- and space-varying meteorological conditions
on pollution transport, transformation and
removal. CALPUFF can be applied on scales of tens to
hundreds of kilometers. It includes algorithms for
subgrid scale effects (such as terrain impingement), as
well as, longer range effects (such as pollutant removal
due to wet scavenging and dry deposition, chemical
transformation, and visibility effects of particulate
matter concentrations).
• Complicated 3-D meteorological input is required.
Lagrangian Models
• approximate emissions as particles of mass and follow
the particles as they are transported and diffused by
atmospheric flow and turbulence.
• can estimate the dispersion very close to source or in
complex topography, e,g., re-circulation, sea breeze,
valley flows, etc.
• Lagrangian particle models are:
– State-of-the-science approach, especially for simulation of
inhomogenous (convective) turbulence
– Computationally demanding
– More difficult to deal with wet and dry deposition,
chemistry
拉格蘭吉質點擴散模式
（Lagrangian particle diffusion modeling）
從某一固定的位置每隔△t時間排放一定的質點，質點運動
軌跡的控制方程式如下:
x i 1  x i  u ( x , y , z )  t  u  ( x , y , z , t )  t
y i 1  y i  v ( x , y , z )  t  v  ( x , y , z , t )  t
z i 1  z i  w ( x , y , z )  t  w  ( x , y , z , t )  t
xi ,y i ,zi
: 質點在i時間的位置
x i  1 , y i  1 , z i  1 : 質點在i+1時間的位置
u ,v ,w
: 平均風速
u  ,v  ,w  : 瞬時風速擾動量
Grid Models
Governing equation for Atmospheric Diffusion
  uc i   vc i    wc i  

  


t
y
z 
 x
 ci
Change in
=
Concentration

 
 ci 
Advection by Winds
 ci 
 
 
 ci 
 K H
 
KH

 KV

x 
x  y 
y  z 
z 
Turbulent Diffusion
+
Ri
Chemical
Reaction
+
Si
Emissions
+
Li
Surface
Removal/Deposition
Grid Models
• 網格模式(Grid model)為採用尤拉系統的數值模式，此
種模式採用固定於地面的座標系統，利用有限差分法求
解擴散方程式，可得到各不同污染物在各格點上的濃
度，
• 此種方法之優點為：
– 能考慮 各項影響因素（包括傳送、擴散、排放、反應、沈
降等），得到較真實的結果。
– 能得到時變(unsteady)、三維(three-dimensional, 3D)的
複雜濃度場。
– 能考慮非線性的化學反應。
• 缺點：
– 須大量的計算機儲存位置和時間。
– 須輸入大量的資料。
– 數值延散(numerical dispersion)和擴散(numerical
diffusion)的困擾。
– Subgrid解析的問題: 網格較小結果，較準確，但須越多計
算時間。可使用巢狀網格(nest grid)解決。大型的點源在
近場附近的擴散常須特別處理通常採用plume in grid方
法。
化學傳輸模式所考慮的大氣過程
• 排放源
– 地面排放源 (移動源, 面源, 低點源, 生物源, 逸
散源等)
– 點源 (大排放源的高煙囪)
• 傳輸 (Advection)
• 擴散 (Diffusion)
• 化學轉換
– VOC 、 NOx 、自由基的氣相化學反應和循環
– 氣膠的熱動力學和液相的化學反應
• 沉降(Deposition)
– 乾沉降(Dry deposition)
– 濕沉降(Wet deposition，包括rain out and wash out)
Required Input Data (1)
• Emissions Inputs
– Low-level anthropogenic
emissions
•
•
•
•
Point sources
Area sources
On-road motor vehicles
Non-road sources
– Elevated point source
emissions
– Biogenic emission
estimates
• Meteorological Inputs
– Three-dimensional winds
– Three-dimensional
temperatures
– Three-dimensional watervapor concentration
– Surface pressure
– Three-dimensional vertical
diffusivity (effective mixing
height)
– Two-dimensional cover
– Rainfall rate
Required Input Data (2)
• Air quality related input files
– Initial conditions (all grids, initial hour)
– Boundary conditions (outermost grid, all hours)
• Chemistry input files
– Chemical reaction rates
– Photolysis rates
• Geographic/other input files
– Land-use, Land-cover
– Albedo, turbidity, and ozone column
Modules in a Grid Model
• Emissions Modeling System
– EPS2x, SMOKE, BEIS, MEGAN, …..
• Meteorological Modeling System
– MM5 , RAMS , WRF, …..
• Preprocessors for Other Inputs
– TUV (photolysis Rates)
– Initial Concentrations and Boundary Conditions
• Air Quality Model
– CAMx, Models-3/CMAQ , UAM-V, MAQSIP, …..
• Post-Processors and Visualization
– Model Performance Evaluation
– PAVE
– NCL, …..
網格模式模擬流程
空氣品質資
料
模式驗證資
料
事件日篩選
全球分析場
資料
模式驗證
地面觀測資
料
探空資料
中尺度氣象模擬
光化學空氣品質模
式
增量分析
地形資料
靈敏度分析
土地使用資
料
排放源資料
生物源排放
係數
排放源模式
Model Perfromance Evaluation
模式表現評估
• 所有模式都有無法避免的限制、不確定性
和弱點，所以無法完全反應真實大氣中所
有的過程，其計算結果和真正監測值比較，
往往存在差異。
• 這項差異也可能是輸入資料不準確或缺乏
代表性所致。
• 要將這兩種影響模式表現的因素分離非常
困難。
Model Evaluation (Validation)
• Operational Validation(作業性驗證): 將模式
計算所求出之地面臭氧濃度和監測值比較。
• Scientific Validation(科學性驗證): 比較全面
性的將模式計算所求出的前趨物濃度、高空濃
度、質量守恆等，與觀測值進行比較驗證。
• Diagnostic Evaluation(診斷性評估): 評估模
式輸入資料或模式中各模組的不確定性及其對
計算結果的影響，以探討誤差產生的原因。通
常用於模式開發或改進。
台灣對網格模式評估得規定(一)
模擬結果定性（繪圖）分析提供監測值與模擬值間
重要的定性資訊。每一個污染事件須進行下列三種
定性分析：
• 時間演變比較圖：對於O3影響，需作模擬值與監
測值之逐時比較。對於PM10影響，需作模擬值與
監測值之逐日比較。此方法可判定模式是否可以
準確模擬臭氧、PM10及其他污染物最大濃度值與
發生時間。
• 地面等濃度圖：網格模式需選擇適當時間繪出地
面等濃度圖。此圖可展示污染物濃度之空間分布，
供判斷模擬結果合理性。
• 散佈圖：繪製模擬值與監測值比較之散佈圖，以
顯現偏差(bias)情形。
台灣對網格模式評估得規定(二)
模擬結果定量(統計)分析提供監測值與模擬值間重要的定量資
訊。每一個污染事件須進行下列定量分析：
• 非配對峰值之常化偏差(MB)：計算同一天O3最大監測小時濃
度值與最大模擬小時濃度值常化偏差。
• 配對值之常化偏差(OB)：針對O3之模擬計算同一小時O3、
NOx/NO2、NMHC，針對PM10之模擬計算同一日PM10、SO2、
NOx/NO2模擬與監測平均濃度之常化偏差，瞭解模式是低估
或高估的傾向。O3濃度計算前應先剔除觀測值小於30 ppb之
數據。
• 配對值之絕對誤差(GE)：針對O3之模擬計算同一小時O3、
NOx/NO2、NMHC，針對PM10之模擬計算同一日PM10、SO2、
NOx/NO2所有模擬與監測濃度之平均常化絕對誤差量。O3濃
度計算前應先剔除監測值小於30 ppb之數據。
觀測值與計算值的時序列圖比較
模式模擬量化評估
臭氧事件日
污染物
O3
NO2
NMHC
峰值
統計量
常化偏差 絕對誤差 常化偏差 絕對誤差 常化偏差 絕對誤差
常化偏差
0.05
0.16
0.26
0.64
0.89
-0.01
0.41
頭份
--0.16
0.22
0.33
0.01
0.5
苗栗
--0.06
0.23
0.31
0.16
0.5
三義
0.03
0.08
0.21
0.33
0.45
-0.16
0.37
豐原
--0
0.04
0.18
0.35
0.55
沙鹿
0.02
0.09
0.26
0.38
0.49
0.06
0.38
大里
-0.02
0.01
0.19
0.16
0.37
-0.16
0.38
忠明
--0.04
-0.01
0.18
0.32
0.45
崇倫
-0.08
-0.05
0.2
0.93
0.97
-0.27
0.5
西屯
0.04
0.11
0.24
-0.01
0.33
-0.18
0.34
彰化
-0.03
-0.01
0.25
-0.07
0.44
-0.28
0.4
線西
--0.05
0.08
0.25
-0.06
0.44
二林
0.19
0.25
0.37
-0.04
0.42
-0.59
0.59
南投
--0.1
0.2
0.29
0.11
0.36
竹山
--0.27
0.42
0.43
-0.33
0.39
埔里
--0.12
0.15
0.27
0.19
0.53
斗六
0.06
0.12
0.26
0.19
0.5
-0.2
0.42
平均
規範
±10%
±15%
<35%
-40%~+50%
<80%
-40%~+50%
<80%
PM事件日
污染物
統計量
頭份
苗栗
三義
豐原
沙鹿
大里
忠明
崇倫
西屯
彰化
線西
二林
南投
竹山
埔里
斗六
平均
法規
PM2.5
PM10
常化
偏差
-0.16
-0.11
-0.2
-0.18
-0.18
-0.02
-0.07
-0.03
-0.13
-0.21
-0.31
-0.31
-0.32
-0.2
-0.18
-0.34
-0.18
-50%
~+80%
NO2
絕對
誤差
0.32
0.41
0.29
0.24
0.39
0.34
0.31
0.39
0.33
0.29
0.33
0.36
0.32
0.22
0.3
0.34
0.32
常化
偏差
0.34
0.28
0.2
0.27
0.02
0.24
0.14
0.14
0.09
-0.07
0.09
-0.16
0.21
-0.06
0.02
-0.11
0.1
絕對
誤差
0.5
0.5
0.31
0.4
0.31
0.32
0.35
0.4
0.31
0.28
0.33
0.22
0.36
0.21
0.33
0.32
0.34
150%
無
無
常化
偏差
-0.1
-0.17
-0.11
0.05
0.14
0.1
0.01
0.08
0.54
0.03
0.03
0.14
-0.02
-0.03
-0.44
0.05
0.02
-40%
~+50%
SO2
絕對
誤差
0.26
0.3
0.17
0.09
0.18
0.1
0.08
0.09
0.54
0.1
0.22
0.24
0.06
0.12
0.44
0.06
0.19
80%
常化
偏差
0.1
0.06
0.23
0.23
0.38
0.29
0.25
0.27
0.49
0.01
0.01
--0.02
--0.94
0.25
-40%
~+50%
絕對
誤差
0.17
0.12
0.23
0.32
0.38
0.29
0.26
0.34
0.49
0.03
0.11
-0.02
--0.94
0.28
80%
模擬結果展示