ELTE, Környezettudományi Doktori Iskola, Környezetfizika program MTA ELTE Elméleti Fizikai Kutatócsoport

Átírás

1 A meteorológiai bizonytalanságok számszer mszerősítése se a légszennyezl gszennyezés modellezésében Haszpra Tímea ELTE, Környezettudományi Doktori Iskola, Környezetfizika program MTA ELTE Elméleti Fizikai Kutatócsoport február 27. MMT Légkördinamikai Szakosztály ülése

2 Légköri szennyezıdések sek Eyjafjallajökull, ápr. 19. [ vulkánkitörések, légszennyezés légköri áramlások sodródás, keveredés, ülepedés Eyjafjallajökull (Izland) tavasz Fukushima (Japán) tavasz stb. a szennyezıdések a forrástól távolabbra is eljuthatnak Fukushima, márc. 16. [

3 RePLaT modell (Real Particle Lagrangian Trajectory modell) valódi részecskéket követı lagrange-i terjedési modell valóságnak megfelelı ρ sőrőségő és r sugarú aeroszol részecskék + csapadék általi kimosódás és s turbulens diffúzi zió dr dt határsebesség: = vair+ wtermn+ ξ D( r) ξ D(r) n fehérzaj turbulens diffúzió függıleges egységvektor 2 v vair Re= r Reynolds-szám Fdrag + mg= 0 ν wterm 2 ρr 2 g, ha Re<< 1 9 ρ = airν 8 ρrg, ha Re>> 1 3ρairCd Stokes-törvénybıl (aeroszol részecskék, r = 1 10 µm) négyzetes közegellenállás (esıcseppek)

4 RePLaT modell (Real Particle Lagrangian Trajectory modell) nedves ülepedés euleri szemléletben: dn = kwn dt n( t) = exp( kw t) n(0) 1 n( t) n(0) bent = 1 exp( kw t) kiesik k w, r rain : P csapadékinteniztástól függ ρ rain = 1000 kg/m 3 csapadék szerepe: 850 hpa alatt n koncentráció k w nedves ülepedési együttható, kimosódási együttható egy részecske p = 1 exp( k w t) valószínőséggel esıcseppbe kerül r = r rain, ρ = ρ rain w term >> w term

5 Adatok, módszerekm meteorológiai mezık: ECMWF elırejelzések: 0,125 º 0,125º/ 0,25 º 0,25º, 3 óra mozgásegyenletek λ, φ, p változókkal interpoláció a részecskék helyére vízszintesen: biköbös spline függılegesen és idıben: lineáris differenciálegyenletek numerikus megoldása Euler-módszerrel

6 Mozg Mozgásegyenletek segyenletek t p K t K t t p t t p t K t R v t t t t K t R u t t t p p ξ ω ω ξ ϕ ϕ ξ ϕ λ λ ϕ λ = = = + 24 ) ( ) ( ) ( 24 ) ( ) ( 24 cos ) ( ) ( term air E air E air ( ) ( ) 2 2 cos E y p E x R K K R K K = = ϕ λ ϕ [Visser (1997)] ξ: [ 0,5; 0,5] egyenletes eloszlás K x, K y : állandó vízszintes turb. diff. együtthatók K p K z : Monin Obukhov-féle hasonlósági elmélet

7 Fukushima- szimuláci ció (2011. márc. m ) kibocsátási adatok [Stohl et al., 2012] 137 Cs izotóp (τ = 30 év) r = 0,2 µm, ρ = 1900 kg/m 3 n = 10 6 db p [hpa]

8 Fukushima-szimul szimuláció (2011. márc. m 10 márc. 30.) Cs Xe Az eredmények összevetése se mérési adatokkal Cs Xe

9 A szennyezıdésterjed sterjedés modellezésének bizonytalanságai terjedési modell bemenı adatainak megbízhatósága kibocsátási adatok: mennyisége, fizikai és kémiai jellemzıi, kibocsátási magassága, kezdeti térbeli eloszlás felhasznált meteorológiai adatok terjedési modellel kapcsolatos figyelembe vett folyamatok: advekció, turbulens diffúzió, ülepedés, parametrizációk: turbulens diffúzió, száraz és nedves ülepedés, interpoláció, numerikus közelítések a légkör turbulens* viselkedése kiindulási adatokra való érzékenység * turbulens: nagy szabadsági fokú rendszerekre jellemzı, a kaotikusnál bonyolultabb

10 Ensemble elırejelz rejelzések meteorológiai adatok (terjedési modell bemenı adatai): légköri hidro-termodinamikai egyenletrendszer numerikus megoldása kezdeti feltételek: mérések pontossága, adathiány, hibás adatok, ritka és nem egyenletes eloszlású mérési hálózat meteorológiai modell által figyelembe vett folyamatok, fizikai parametrizációk numerikus közelítések bizonytalanságok kis perturbációk ensemble (sokasági, valósz színőségi) elırejelz rejelzés ECMWF: 50 perturbált tag + 1 kontroll tag nagyfelbontású (determinisztikus) elırejelzés felbontása 2x akkora, mint az ensemble tagoké

11 A szennyezıdésterjed sterjedés modellezésének bizonytalanságai [Galmarini et al. 2004]

12 A szennyezıdésterjed sterjedés modellezésének bizonytalanságai [Galmarini et al. 2004]

13 A szennyezıdésterjed sterjedés modellezésének bizonytalanságai Elızmények: gázokra (r = 0, passzív/ideális részecskék) vonatkozó tanulmányok Dabberdt and Miller (2000): különbözı met. mezık (TRIAD gaussi modell) Challa et al., (2008) HYSPLIT, Warner et al. (2002) SCIPUFF: met. modellek különféle fizikai parametrizációs sémáinak hatása Scheele and Siegmund (2001) TRAJKS, Straume et al. (1998), Straume (2001) SNAP, Holt et al. (2009) COAMPS, Lee et al. (2009) SCIPUFF: ensemble elırejelzésekkel futtatott szimulációkban jelentıs eltérések az ideális nyomjelzıkbıl álló szennyezıdésfelhık között met. adatok felbontásának szerepe terjedés klaszterezése met. mezık klaszterezés Sábitz (2012) diplomamunka HYSPLIT aeroszol részecskr szecskék? k? r = 1 100, ρ = 2000 kg/m 3

14 A meteorológiai bizonytalanság g szerepe fekete: nagyfelbontású színes: ensemble tagok térbeli eloszlás 2,5 nap elteltével márc UTC +2,5 nap szélmezı kezdeti feltételek: n 0 = db, ρ p = 2000 kg/m 3, r = 1 10 µm aeroszol részecske 1º 1º területen, p 0 = 500 hpa Fukushima fölött: λ = 141º, φ = 37,5º szimuláci ciók: nincs turb. diff. nincs csapadék r = 1 µm r = 4 µm

15 A meteorológiai bizonytalanság g szerepe fekete: nagyfelbontású színes: ensemble tagok térbeli eloszlás 2,5 nap elteltével márc UTC +2,5 nap szélmezı kezdeti feltételek: n 0 = db, ρ p = 2000 kg/m 3, r = 1 10 µm aeroszol részecske 1º 1º területen, p 0 = 500 hpa Fukushima fölött: λ = 141º, φ = 37,5º szimuláci ciók: nincs turb. diff. nincs csapadék r = 1 µm r = 4 µm

16 A meteorológiai bizonytalanság szerepe: jellemzı eloszlások sok (r = 1 µm) p [hpa]

17 A meteorológiai bizonytalanság szerepe: jellemzı eloszlások sok (r = 1 µm) p [hpa]

18 A meteorológiai bizonytalanság szerepe: jellemzı eloszlások sok (r = 1 µm) p [hpa]

19 A meteorológiai bizonytalanság szerepe: jellemzı eloszlások sok (r = 1 µm) p [hpa]

20 A meteorológiai bizonytalanság szerepe: jellemzı eloszlások sok (r = 1 µm) p [hpa]

21 A meteorológiai bizonytalanság szerepe: jellemzı eloszlások sok (r = 4 µm) p [hpa]

22 A meteorológiai bizonytalanság szerepe: jellemzı eloszlások sok (r = 4 µm) p [hpa]

23 A meteorológiai bizonytalanság szerepe: jellemzı eloszlások sok (r = 4 µm) p [hpa]

24 Bélyegdiagram a szennyezıdéssel ssel h DET CF r = 4 µm p [hpa]

25 Bélyegdiagram a szennyezıdéssel ssel DET CF r = 1 µm p [hpa]

26 Bélyegdiagram a szennyezıdéssel ssel DET CF r = 4 µm p [hpa]

27 Bélyegdiagram a szennyezıdéssel ssel r = 4 µm: nyíllal jelölt felhı nem egy, a többihez képest jelentısen különbözı meteorológiai elırejelzés eredménye r = 1 µm-es részecskékre nem jelenik meg ilyen kivételes felhı abban az elırejelzésben az eltérés a sodródás s kaotikus voltának következménye szélmezıkben lévı nem túl nagy különbségek is eredményezhetnek jelentısen DET eltérı terjedést CF r = 4 µm p [hpa]

28 Függıleges eloszlás fekete: nagyfelbontású színes: ensemble tagok r = 1 µm r = 4 µm h

29 Függıleges eloszlás fekete: nagyfelbontású színes: ensemble tagok r = 1 µm r = 4 µm h

30 Vízszintes eloszlás küszöbátlépési valósz színőség g levegıoszlopban EPS az elırejelzések hány %-ánál fordul elı, hogy min. 1 részecske található egy 0,25 0,25 -os levegıoszlopban fekete: nagyfelbontású színes: ensemble szintvonalak: 2%, 5,% 10%, 15%, 20% r = 1 µm

31 Vízszintes eloszlás küszöbátlépési valósz színőség g az ülepedési mezıben EPS az elırejelzések hány %-ánál fordul elı, hogy min. 1 részecske található egy 0,25 0,25 -os négyzetben a legalsó szinten fekete: nagyfelbontású színes: ensemble szintvonalak: 2%, 10%, 20%,, 60% n r = 10 µm

32 Vízszintes eloszlás koncentráció a levegıben n/n 0 arány 0,25 0,25 -os levegıoszlopokban fekete: nagyfelbontású színes: ensemble-átlag a max.. helyek nem egyeznek max. értékek: ensembleátlagolás elmossa r = 1 µm

33 Vízszintes eloszlás koncentráció a levegıben n/n 0 arány 0,25 0,25 -os levegıoszlopokban fekete: nagyfelbontású színes: ensemble-átlag a max.. helyek nem egyeznek max. értékek: ensembleátlagolás elmossa r = 1 µm

34 Vízszintes eloszlás koncentráció a levegıben n/n 0 arány 0,25 0,25 -os levegıoszlopokban fekete: nagyfelbontású színes: ensemble-átlag a max.. helyek nem egyeznek max. értékek: ensembleátlagolás elmossa r = 1 µm

35 Vízszintes eloszlás koncentráció az ülepedési mezıben n/n 0 arány 0,25 0,25 -os cellákban fekete: nagyfelbontású színes: ensemble-átlag a max.. hely jobban egyezik max. érték jobban egyezik r = 10 µm

36 Vízszintes eloszlás koncentráció az ülepedési mezıben n/n 0 arány 0,25 0,25 -os cellákban fekete: nagyfelbontású színes: ensemble-átlag a max.. hely jobban egyezik max. érték jobban egyezik r = 10 µm

37 Vízszintes eloszlás koncentráció az ülepedési mezıben n/n 0 arány 0,25 0,25 -os cellákban fekete: nagyfelbontású színes: ensemble-átlag a max.. hely jobban egyezik max. érték jobban egyezik r = 10 µm

38 A meteorológiai bizonytalanság szerepe: statisztikai jellemzık levegıben kiülepedett részecske-hasonmások sok átlagos négyzetes n távolsága részecskék saját, a többi ensemble tagban lévı 50 hasonmásától vett átlagos négyzetes távolsága

39 A meteorológiai bizonytalanság szerepe: statisztikai jellemzık vízszintes tömegkt megközép- pont, szórás az egyes ensemble felhık tömegközéppontja: kék: k: levegıben piros: kiülepedett a teljes ensemble elırejelzésre: cián: levegıben sárga: kiülepedett sugár: arányos (1/70) a részecskék tkp. körüli szórásával km r = 1 µm

40 A meteorológiai bizonytalanság szerepe: statisztikai jellemzık vízszintes tömegkt megközép- pont, szórás az egyes ensemble felhık tömegközéppontja: kék: k: levegıben piros: kiülepedett perturbált elırejelzés hatása: 3375 km a teljes ensemble elırejelzésre: cián: levegıben sárga: kiülepedett sugár: arányos (1/70) a részecskék tkp. körüli szórásával km r = 1 µm

41 A meteorológiai bizonytalanság szerepe: statisztikai jellemzık vízszintes tömegkt megközép- pont, szórás az egyes ensemble felhık tömegközéppontja: kék: k: levegıben piros: kiülepedett a teljes ensemble elırejelzésre: cián: levegıben sárga: kiülepedett sugár: arányos (1/70) a részecskék tkp. körüli szórásával km perturbált elırejelzés hatása: 3375 km különbözı felbontású met. elırejelzések hatása: 750 km r = 1 µm

42 A meteorológiai bizonytalanság szerepe: statisztikai jellemzık teljes ensemble-ra vonatkozó átlag levegıben kiülepedett szennyezıdésfelh sfelhık tömegközéppont körüli k szórásának statisztikái (horizontális) kisebb részecskékre nagyobb menete ~ a hasonmástávolságok ábrájához

43 A meteorológiai bizonytalanság szerepe: statisztikai jellemzık függıleges tömegkt megközép- pont és a szórása egyes ensemble tagok tkp.-ja a részecskékre: kék: k: levegıben a teljes ensemble elırejelzésre: cián: levegıben fekete: nagyfelbontású (részecskék tkp. körüli szórása)

44 A meteorológiai bizonytalanság szerepe: lagrange-i/ i/euleri jellemzık meteorológiai mezı: euleri változékonyság szélerısség szórása egy-egy rácspontban: D u 2 + v 2 átlaga és szórása a teljes ensemble-re, a szennyezıdéssel beborított területre vonatkozóan szennyezıdés: lagrange-i változékonyság szennyezıdésfelhık szórásának átlaga és szórása alapján ensemble tagok közötti lagrange-i változékonyság nagyobb: 2 3-szor meghaladja a met. elırejelzések változékonyságát

45 Összefoglalás a felhasznált meteorológiai mezıkben rejlı bizonytalanságok hatása a terjedési számításra a RePLaT lagrange-i terjedési modellel kockázatelemz zatelemzési szennyezıdés merre sodródhat, hol haladhat meg a koncentrációja bizonyos határértéket, mekkora a valószínősége? 1 eset több idıjárási helyzet vizsgálata a nagyfelbontású elırejelzés felhıjéhez képest jóval nagyobb terület fölött jelennek meg a sokasági elırejelzés felhıi a különbség annál nagyobb, minél apróbbak a részecskék csak az egyik bizonytalansági forrás hatása így is nagy különbségek! célszerő minél több hibaforrást számításba venni itt csak szélmezıbeli különbségek ha van turbulens diffúzió, csapadék várhatóan nagyobb eltérések Haszpra, T., Lagzi, I., Tél, T. (2013): Dispersion of aerosol particles in the free atmosphere using ensemble forecasts. Nonlinear Processes in Geophysics, 20, 5,

46 Köszönöm a figyelmet!