大気汚染モデリングの目的は、工業生産プロセス、偶発的な放出、交通などによって引き起こされる屋外汚染物質濃度を推定することです。 大気汚染モデリングは、汚染物質の総濃度を確認し、異常に高いレベルの原因を見つけるために使用されます。 計画段階のプロジェクトでは、既存の負担に対する追加の寄与を事前に見積もることができ、排出条件を最適化することができます。

図 1. 地球環境監視システム/大気汚染管理

問題の汚染物質に対して定義された大気質基準に応じて、年間平均値または短期間のピーク濃度が重要です。 通常、濃度は人が活動している場所、つまり地上約 XNUMX メートルの高さの地表近くで測定する必要があります。

汚染物質の分散に影響を与えるパラメータ

汚染物質の分散に影響を与える 1992 種類のパラメーター: ソース パラメーターと気象パラメーターです。 ソースパラメータの場合、濃度は放出される汚染物質の量に比例します。 粉塵が懸念される場合、物質の沈降と堆積を決定するために、粒子の直径を知る必要があります (VDI 1985)。 スタックの高さが高くなるほど表面濃度が低くなるため、このパラメータも把握する必要があります。 さらに、濃度は排気ガスの総量だけでなく、その温度と速度にも依存します。 排気ガスの温度が周囲の空気の温度を超えると、ガスは熱浮力を受けます。 煙突の内側の直径と排気ガスの体積から計算できるその排気速度は、動的な運動量浮力を引き起こします。 これらの特徴を説明するために経験式を使用することができます (VDI 1988; Venkatram and Wyngaard XNUMX)。 問題の汚染物質の質量ではなく、熱的および動的な運動量浮力の原因となる全ガスの質量であることを強調する必要があります。

汚染物質の拡散に影響を与える気象パラメータは、風速と風向、および垂直温度成層です。 汚染物質濃度は風速の逆数に比例します。 これは主に輸送の加速によるものです。 さらに、乱流混合は風速の増加とともに増加します。 いわゆる反転 (すなわち、温度が高さとともに上昇する状況) が乱流混合を妨げるため、高度に安定した成層中に最大表面濃度が観察されます。 逆に、対流状況では垂直方向の混合が激しくなるため、最も低い濃度値が示されます。

大気質基準 (年間平均値や 98 パーセンタイルなど) は通常、統計に基づいています。 したがって、関連する気象パラメータの時系列データが必要です。 理想的には、統計は XNUMX 年間の観察に基づくべきです。 より短い時系列しか利用できない場合は、それらがより長い期間の代表であることを確認する必要があります。 これは、たとえば、他の観測サイトからのより長い時系列の分析によって行うことができます。

使用される気象時系列も、対象となるサイトを代表するものでなければなりません。つまり、地域の特性を反映している必要があります。 これは、98 パーセンタイルなど、分布のピーク部分に基づく大気質基準に関して特に重要です。 そのような時系列が手元にない場合は、以下に説明するように、気象フロー モデルを使用して、他のデータから XNUMX つを計算することができます。

Global Atmospheric Watch (GAW) プログラム (Miller and Soudine 1994) は、大気組成の変化と地球環境の変化との関係を理解することを目的として、大気の化学組成と関連する物理的特性、およびそれらの傾向に関するデータとその他の情報を提供します。および地域の気候、陸域、淡水、および海洋の生態系にわたる潜在的に有害な物質の長距離大気輸送と沈着、および地球規模の大気/海洋/生物圏システムにおける化学元素の自然循環、およびそれらに対する人為的影響。 GAW プログラムは 3 つの活動分野で構成されています。 さまざまな時間と空間スケールでの陸と海での大気汚染物質の分散、輸送、化学変換、堆積。 大気と他の環境コンパートメントとの間の汚染物質の交換。 および統合モニタリング。 GAW の最も重要な側面の XNUMX つは、GAW の下で作成されたデータの品質を監督するための品質保証科学活動センターの設立です。

大気汚染モデリングの概念

前述のように、汚染物質の拡散は、排出条件、輸送、および乱流混合に依存します。 これらの特徴を記述する完全な方程式を使用することは、オイラー分散モデリングと呼ばれます (Pielke 1984)。 このアプローチにより、問題の汚染物質の増減を、架空の空間グリッド上のすべての点で、異なる時間ステップで決定する必要があります。 この方法は非常に複雑でコンピュータに時間がかかるため、通常は日常的に処理することはできません。 ただし、多くのアプリケーションでは、次の仮定を使用して単純化できます。

• 排出条件の経時変化なし

• 輸送中の気象条件の変化なし

• 風速1m/s以上。

この場合、上記の方程式は解析的に解くことができます。 得られた式は、ガウス濃度分布を持つプルーム、いわゆるガウス プルーム モデル (VDI 1992) を表します。 分布パラメータは、気象条件と風下距離、および煙突の高さに依存します。 それらは経験的に決定されなければなりません (Venkatram and Wyngaard 1988)。 排出および/または気象パラメータが時間および/または空間でかなりの量だけ変化する状況は、ガウス パフ モデル (VDI 1994) によって記述される場合があります。 このアプローチでは、明確なパフが一定の時間ステップで放出され、それぞれが現在の気象条件に従って独自のパスをたどります。 その途中で、各パフは乱流混合に従って成長します。 この成長を説明するパラメータは、経験的なデータから決定する必要があります (Venkatram and Wyngaard 1988)。 ただし、この目的を達成するには、入力パラメータが時間および/または空間で必要な解像度で利用可能でなければならないことを強調する必要があります。

偶発的な放出または単一のケース スタディに関しては、ラグランジュ モデルまたは粒子モデル (VDI ガイドライン 3945、パート 3) をお勧めします。 その概念は、多くの粒子の経路を計算することであり、各粒子は問題の汚染物質の固定量を表します。 個々の経路は、平均風による輸送と確率的擾乱で構成されています。 確率的な部分のため、パスは完全には一致しませんが、乱気流による混合を示しています。 原則として、ラグランジュ モデルは複雑な気象条件、特に風と乱気流を考慮することができます。 以下で説明するフロー モデルによって計算されたフィールドは、ラグランジュ分散モデリングに使用できます。

複雑な地形における分散モデリング

構造化された地形で汚染物質の濃度を決定する必要がある場合は、モデリングに汚染物質の分散に対する地形効果を含める必要がある場合があります。 このような影響は、例えば、地形構造に沿った輸送、または XNUMX 日の間に風向を変える海風や山風などの熱風システムです。

このような影響がモデル地域よりもはるかに大きな規模で発生する場合は、その地域の特性を反映した気象データを使用してその影響を考慮することができます。 そのようなデータが利用できない場合は、対応する流れモデルを使用して、地形が流れに与える XNUMX 次元構造を取得できます。 これらのデータに基づいて、分散モデリング自体は、ガウス プルーム モデルの場合、前述のように水平方向の均一性を仮定して実行できます。 しかし、モデルエリア内で風況が大きく変化する状況では、分散モデリング自体が地形構造の影響を受けるXNUMX次元の流れを考慮する必要があります。 前述のように、これはガウス パフまたはラグランジュ モデルを使用して行うことができます。 もう XNUMX つの方法は、より複雑なオイラー モデルを実行することです。

地形的に構造化された地形と一致する風向を決定するために、質量の一致または診断フロー モデリングが使用される場合があります (Pielke 1984)。 このアプローチを使用すると、初期値をできるだけ小さく変更し、その質量を一定に保つことによって、流れが地形に適合します。 これは迅速な結果につながるアプローチであるため、観測が利用できない場合、特定のサイトの風の統計を計算するためにも使用できます。 これを行うために、地衡風の統計 (つまり、ローウィンゾンデからの高層大気データ) が使用されます。

ただし、熱風システムをより詳細に検討する必要がある場合は、いわゆる予後モデルを使用する必要があります。 モデル エリアの規模と勾配に応じて、静水圧、またはさらに複雑な非静水圧のアプローチが適しています (VDI 1981)。 このタイプのモデルには、多くのコンピュータ パワーとアプリケーションの経験が必要です。 年平均に基づく濃度の決定は、一般に、これらのモデルでは不可能です。 代わりに、XNUMX つの風向と、最高の表面濃度値をもたらす風速および成層パラメーターのみを考慮することによって、最悪のケースの研究を実行できます。 これらの最悪のケースの値が大気質基準を超えない場合、より詳細な調査は必要ありません。

図 2. モデル領域の地形構造

図 2、図 3、および図 4 は、表面および地衡風の頻度を考慮して導き出された地形と風の気候の影響との関係で、汚染物質の輸送と分配をどのように表すことができるかを示しています。

図 3. 地衡学的頻度分布から決定された表面頻度分布

図 4. 不均一な風場の地衡風度分布から計算された仮想地域の年平均汚染物質濃度

発生源が少ない場合の分散モデリング

低い発生源 (つまり、建物の高さのオーダの煙突の高さ、または道路交通の排出量) によって引き起こされる大気汚染を考慮すると、周囲の建物の影響を考慮する必要があります。 道路交通の排出物は、ストリート キャニオンに一定量閉じ込められます。 これを説明する経験的な定式化が発見されました (Yamartino and Wiegand 1986)。

建物に設置された低煙突から放出された汚染物質は、建物の風下側の循環で捕捉されます。 この風下循環の程度は、建物の高さと幅、および風速によって異なります。 したがって、建物の高さだけに基づいてこのような場合に汚染物質の拡散を説明する単純化されたアプローチは、一般的に有効ではありません。 風下循環の垂直および水平範囲は、風洞研究 (Hosker 1985) から取得されており、質量の一貫した診断モデルで実装できます。 流れ場が決定されるとすぐに、放出された汚染物質の輸送と乱流混合を計算するために使用できます。 これは、ラグランジュまたはオイラー分散モデリングによって行うことができます。

たとえば偶発的な放出に関するより詳細な研究は、診断アプローチの代わりに非静水圧流および分散モデルを使用することによってのみ実行できます。 これは、一般に高いコンピュータ能力を必要とするため、完全な統計モデリングの前に、上記の最悪の場合のアプローチをお勧めします。

戻る