Modelización de la calidad del aire y clima...

1

20-02-2014 Jornada Salud y Calidad del Aire. Fundación Mapfre 1

Modelización de la calidaddel aire y clima urbanos

Fernando Martín LlorenteJefe División Contaminación Atmosférica

Dpto. Medio AmbienteCIEMAT

[email protected]


Colaboradores

• Marta García Vivanco.

• Alberto Martilli.

• Inmaculada Palomino.

• José Luís Santiago.

• Juan Luís Garrido.

Grupo de Modelización de la Contaminación Atmosférica. División de Contaminación Atmosférica.

CIEMAT

2


Indice

• Introducción• Papel de modelización• EEA-Air Implementation Pilot Project• Evaluación calidad aire• Modelos CFDs (evaluación,

representatividad, planificación).• Clima urbano y calidad del aire.


IntroducciónInforme anual sobre calidad del aire(Agencia Europea de Medio Ambiente).Población urbana expuesta a contaminacion

3


IntroducciónEmisiones

% de población europea expuesta a niveles superioresde calidad del aire según:

Standards EU

Guías OMS


Introducción

4


Introducción


Introducción

5


Emisión de contaminantes

Topografía y usos de suelo

MeteorologíaDistribución espacial y evoluciónde concentración de contaminantes

MODELO

Concentración de fondo e inicial

-10 -5 0 5 10 15 2035

40

45

50

55

0261014182225283236404448525660646872768084889296100

Modelos de calidad del aire


Modelos y legislaciónDirectiva 2008/50/CEModelización es muy útil y necesaria para:• Conocer de una forma integrada los procesos que

tienen lugar en una determinada zona y cómo éstos interaccionan entre sí, o cuáles son los predominantes. (p.e., análisis de episodios)

• Evaluar la calidad del aire en cada una de las zonas como complemento de las mediciones fijas.

• Diseñar planes y programas para garantizar el cumplimiento de los valores límite y objetivo de calidad del aire.

• Predecir la calidad del aire.

6


APLICABILIDAD DE LOS MODELOS

Pensando en la gestión de la calidad del aire:• Análisis de episodios.

• Evaluación de la calidad del aire.

• Diseño de redes y representatividad de estaciones.

• Predicción de la calidad del aire.

• Impacto y contribución de fuentes.

• Planes de mejora y control de la calidad del aire.

• Gestión de emergencias por emisiones tóxicas.


EEA-Air Implementation Pilot•Mejora notable de calidad del aire en ciudades.

•Problemas con NO2, PM y O3.•AI Pilot project identificar razonesde no mejorar completamente calidadaire en ciudades

7


EEA-Air Implementation PilotConclusiones:•Inventarios de emisiones. Necesidad de mejores datos de entrada y guíasmetodológicas.

•Modelización calidad del aire. Gran diversidad de modelos usados en ciudades. Problemas:

– Calidad de inventarios de emisiones.– Calidad de inputs meteorológicos o de concentración de fondo.– Dificil considerar topografia urbana.– Computación costosa y compleja.Necesidad de entrenamiento y mejora de datos de entrada.

•Redes de medida. Especificar mejor criterios de distribución y localizaciónde estaciones y estimar su representatividad.

•Prácticas de gestión. Acciones sobre tráfico principalmente. Incertidumbreen como estimar efecto de medidas.

•Información al público. Generalmente via Web y en menor medida víaredes sociales o smartphones.


Evaluación de calidad aire• Los Estados miembros:

– evaluarán la calidad del aire ambiente en relación con los contaminantes que se indican en el artículo 5 (Directiva 50/2008) en todas sus zonas y aglomeraciones.

– Garantizarán que no se superen los valores límite, objetivo, etc

– Tomarán medidas (planes y programas) para reducir la contaminación atmosférica para que esté por debajo de los valores límite, críticos, etc.

• Evaluación: cualquier método utilizado para medir, calcular, predecir o estimar el nivel de un contaminante en el aire ambiente o sus efectos.

8


A. Medidas sin interpretaciónB. Medidas + interpretaciónC. Medidas + interpolaciónD. Medidas + modelo ajustado a medidasE. Asimilación de medidasF. Modelo validado para esa zonaG. Modelo validado para otra zonaH. Modelo no validado

MEDIDAS

MODELOS

Combinaciones de medidas y modelos en evaluación

Modelos. Evaluacion CA


Evaluación de la Calidad del Aire en España

• Encomienda Gestión MAGRAMA – CIEMAT para uso de modelos para ayudar a la evaluación de la calidad del aire.

• Desde el año 2002, el Grupo de Modelización de la Contaminación Atmosférica del CIEMAT.

• Aplicación de técnicas de modelización para evaluar la calidad del aire en España como complemento a las mediciones.

• Los modelos utilizados y las técnicas empleadas han ido evolucionando desde 2002 buscando utilizar los mejores modelos posibles.

9


Modelos Evaluación Calidad Aire. EspañaModelos WFR/CHIMERE (SO2, O3, CO, PM10, NO2, PM2.5, metales pesados, benceno) combinados con mediciones en estaciones de calidad del aire, 2007-actual, resolución espacial de 10x10 km2.

INPUTS

CH

IMER

E

CONCENTRACIONES Y SUPERACIONES

DE VL

EMEP EMISSION GRID50X50 Km cells

-10 -8.5 -7 -5.5 -4 -2.5 -1 0.5 2 3.5 5 6.5 8 9.5 11 12.5 14 15.5 17 18.5 20LONGITUDE

3536373839404142434445464748495051525354555657

LATI

TUD

E

CHIMERE DOMAINS

-15 -10 -5 0 5 10 15 20 25 30

35

40

45

50

55

Dominios MM5

MODELOS Y MEDIDASRegresión lineal e interpolacion krigingaplicados a residuos del modelo

CONCENTRACIONES Y SUPERACIONES

DE VL

-10 -8 -6 -4 -2 0 2 4

36

38

40

42

44

0

5

10

15

20

25

30

35

40

45

50

55

60

65

70

75

-10 -8 -6 -4 -2 0 2 4

36

38

40

42

44

0

5

10

15

20

25

30

35

40

45

50

55

60

65

70

75

METEOGFS-WRF

EMISIONES EMEP

USOS DE SUELO


Mapas

• Concentraciones

• Incertidumbres.

• Probabilidad de incumplimiento de VL, VO, umbral, etc.

10


Probabilidad de superación (%) del umbral de información (180 µg/m3 horario) de O3 en cada

celda 2010


O3 (2007-2012)Probabilidad incumplimiento Valor Objetivo (120µg/m3 octohorario)

0

25

50

75

100

0

25

50

75

100

0

25

50

75

100

Figura 5. Probabilidad de incumplimiento (%) del valor objetivo de O3 (120µg m-3 en media octohoraria) en los años 2007 (arriba-izda), 2008 (arriba-dcha), 2009 (abajo-izda) y 2010 (abajo-dcha).

2007

20102009

2008

2012

2011

11


05101520253035404550556065707580859095100

05101520253035404550556065707580859095100

05101520253035404550556065707580859095100

Figura 6. Probabilidad de superación (%) del valor límite anual de PM10 (40µg m-3) en los años 2007 (arriba-izda), 2008 (arriba-dcha), 2009 (abajo-izda) y 2010 (abajo-dcha).

2007 2008

2009 2010

PM10 (2007-2012)Probabilidad incumplimiento Valor límite (40 µg/m3 anual)

2011

2012


0

25

50

75

100

0

25

50

75

100

0

25

50

75

100

Figura 7. Probabilidad de superación (%) del valor límite anual de NO2 (40µg m-3) en los años 2007 (arriba-izda), 2008 (arriba-dcha), 2009 (abajo-izda) y 2010 (abajo-dcha).

2007 2008

2009 2010

NO2 (2007-2012)Probabilidad incumplimiento Valor límite (40 µg/m3 anual)

2011

2012

12


Calidad de aire urbano• Los principales problemas de calidad del aire están en las

ciudades o en sus proximidades.• Contaminación a escala de calles es la suma de una serie de

contribuciones a diferentes escalas espaciales.• En las ciudades, tenemos hot-spots.

PM10 [µg/m³]

Fondo urbano

Fondo regional

Fondo natural/hemisférico

Areas urbanas Areas rurales

101520

3025

3540 Trafico, fuentes locales

Puntos de medida

Contribución urbana totalIncremento

urbano

Incremento hot spot


Modelos CFD para calles y ciudades

• Estimar distribución y evolución de contaminantes en calles y ciudades.

• Modelos CFD son los únicoscapaces de reproducir las complejascirculaciones en calles

13


Modelos CFD para calles y ciudades

• Análisis de episodios.

• Evaluación de la calidad del aire.

• Diseño de redes y representatividad de estaciones.

• Predicción de la calidad del aire.

• Impacto y contribución de fuentes.

• Planes de mejora y control de la calidad del aire.

• Gestión de emergencias por emisiones tóxicas.


Representaividadde estaciones urbanas

resolución de malla 2m horizontal y 1.5m verticalEdificios de 15 mEnero – Febrero 2007

14


Resultados:• Buen ajuste de modelo con

observaciones. r=0.96r=0.96

CASO 1: Pamplona

PM10

0,00

1,00

2,00

3,00

4,00

5,00

6,00

7,00

ModelledMeasurement

07/01/01 07/01/15 07/02/01 07/02/15 07/02/28

PM10

0,00

1,00

2,00

3,00

4,00

5,00

6,00

7,00

ModelledMeasurement

07/01/01 07/01/15 07/02/01 07/02/15

PM10

0,00

1,00

2,00

3,00

4,00

5,00

6,00

7,00

ModelledMeasurement

PM10

0,00

1,00

2,00

3,00

4,00

5,00

6,00

7,00

ModelledMeasurement

07/01/01 07/01/15 07/02/01 07/02/15 07/02/28

PM10

0,00

1,00

2,00

3,00

4,00

5,00

6,00

7,00

ModelledMeasurement

07/01/01 07/01/15 07/02/01 07/02/15 07/02/28

PM10

0,00

1,00

2,00

3,00

4,00

5,00

6,00

7,00

ModelledMeasurement

07/01/01 07/01/15 07/02/01 07/02/15

PM10

0,00

1,00

2,00

3,00

4,00

5,00

6,00

7,00

ModelledMeasurement

PM10

0,00

1,00

2,00

3,00

4,00

5,00

6,00

7,00

ModelledMeasurement

07/01/01 07/01/15 07/02/01 07/02/15 07/02/28


Resultados:• Mapa de

concentración media normalizada. – Blanco y gris indican

zona con ±20% de concentracion en estación. Area de representatividad.

– Gran variabilidadespacial

CASO 1: Pamplona

15


Edificios con alturas de hasta 90 m (mayoría entre 18-24 m)Área 700x800 m2

1 2 3

4

5 6

7 8 9

10

11

12

13

1416

1517

18

19

Malla irregular de 3·106 celdasResolucion de 1m-3m cerca de edificios

Intensidad media de tráfico en cada calle

CASO 2: EEAA - Madrid


PM10

y = 0.9597xR2 = 0.526

0

20

40

60

80

100

120

140

0 20 40 60 80 100 120

Modelled PM10

Obs

erve

d PM

10

PM10 (daily averages)

y = 1.0147xR2 = 0.7994

0

10

20

30

40

50

60

70

0 10 20 30 40 50 60 70

Modelled PM10

Obs

erve

d PM

10

0

20

40

60

80

100

120

140

0 100 200 300 400 500 600 700 800 900 1000

Modelled

Observed

• Comparación con mediciones PM10


16


Concentraciones medias de NO2 y PM10

Scale: 100 mMean concentration map normalized by concentration at station location

(red dot) for NO2 (left) and PM10 (right). Grey shows the area with concentrations into ±20% around the station concentration.



Area 1km x 1km

CASO 3: Pza. Castilla - Madrid

17


Concentraciones medias de NO2 y PM10

Mean concentration map normalized by concentration at station location (red dot) for NO2 (left) and PM10 (right). Grey shows the area with

concentrations into ±20% around the station concentration.

Escala: 100 m Escala: 100 m

CASO 3: Pza. Castilla - Madrid

20-02-2014 Jornada Salud y Calidad del Aire. Fundación Mapfre 3410 Julio 2013 Reunión Ayuntamiento de Madrid

Diseño redes. Selección de ubicaciones

18

20-02-2014 Jornada Salud y Calidad del Aire. Fundación Mapfre 3510 Julio 2013 Reunión Ayuntamiento de Madrid

P1 P21

P18P4


20-02-2014 Jornada Salud y Calidad del Aire. Fundación Mapfre 36Reunión Ayuntamiento de Madrid


19


P1 P20

P19P18



Los modelos son útiles para estimar representatividad de estaciones y cobertura de la red de medidas.

Ayuda al diseño y optimización de redes garantizando buena cobertura y evitando redundancias.

Los modelos deben ser complementos de las estaciones.

Cada estación puede llevar asignado un mapa de representatividad.

Representatividad estaciones Conclusiones

20


Reordenamiento de tráfico en Pamplona

• El tráfico es el principal responsable de la contaminación atmosférica en las calles.

• Si queremos reducir la contaminación, hay que actuar sobre el tráfico.

• Con modelos CFD podemos estimar la contribución de cada calle a la contaminación.

• Esto permite dar ideas sobre que calles hay que actuar y en que medida.


Plaza de la Cruz (Pamplona, Spain)


21


Periodo simulado: Enero-Febrero 2007. Escenarios meteorológicos.Sólo periodos diurnos 0800 – 2000 LTAltura de edificios = 15m.4 trazadores pasivos, uno para cada tipo de calle.Malla de cálculo: 3.5•106

celdas aprox. Resolución máxima:

2 m horizontal1.5 m vertical.

E1

E2

E3

E4



Contribución de cada calle a la concentración total90

80

70

60

50

40

30

20

10

0

E1 Avenida de Baja Navarra E2 Avenida de Zaragoza

E4 Avenida de GaliciaE3 Alrededores de la Plaza de la Cruz90

80

70

60

50

40

30

20

10

0

90

80

70

60

50

40

30

20

10

0

90

80

70

60

50

40

30

20

10

0

90

80

70

60

50

40

30

20

10

0Viento ESE (112,5º)

E1

E2

E3

E4

Total


22


Se adoptó un VL supuesto = 2 veces concentración media estimada en estación Plaza de la Cruz.

Propuesta de redistribución de tráfico (se mantiene constante el Nºtotal de coches):

Reducción 30% en calles 2 y 3 De esos vehículos pasan 75% a

calle 1 y 25% a calle 4.Efectos:

Reducción importante de concentración y superaciones en estaciones 1 y 2.Ligero incremento de superaciones en estación 3. 100.55Después

60.35Antes

Punto 3

2231.6Después

3262.2Antes

Punto 2

260.72Después

771.00Antes

Punto 1

SuperacionesVL supuesto

ConcentraciónNormalizada

Media

E1

E2

E3

E4

1

3

2




Hay un hot spot Imperativo eliminarlo o reducirlo ¿Qué hacer?:• Delimitar espacial y temporalmente el hot-spot.

Condiciones atmosféricas.• Determinar la causa. ¿Qué calles son las responsables?.• ¿Dónde puedo actuar con mayor eficacia?. • ¿Qué medida se puede tomar en la práctica?.• Comprobar previamente el efecto de esas medidas (en

zona afectada y aledañas).• Adoptar esas medidas.• Hacer un seguimiento del impacto de las medidas (en

zona afectada y aledañas).

En rojo, se marca donde los modelos CFD pueden ayudar

23


-12 -10 -8 -6 -4 -2 0 2 4 6

36

38

40

42

44

El Escorial

Móstoles

Alcalá de Henares

Algete

Alcobendas

Colmenar Viejo

Majadahonda

-4.4 -4.2 -4 -3.8 -3.6 -3.4 -3.2

40

40.2

40.4

40.6

40.8

41

-4.4 -4.2 -4 -3.8 -3.6 -3.4 -3.2

40

40.2

40.4

40.6

40.8

41

OZONE CONCENTRATION (microg/m3)

June 18, 15:00 hr 2003

BASE CASE

82

92

102

112

122

132

-4.4 -4.2 -4 -3.8 -3.6 -3.4 -3.2

40

40.2

40.4

40.6

40.8

41


June 18, 15:00 hr 2003

"NO PARDO" SIMULATION

-4.4 -4.2 -4 -3.8 -3.6 -3.4 -3.2

40

40.2

40.4

40.6

40.8

41

NO PARDO MINUS BASE CASE

-0.2

0.3

0.8

1.3

1.8

2.3

2.8

3.3

3.8

4.3

4.8


June 18, 15:00 hr 2003

Efecto de la vegetación en la calidad del aire

Modelización con CHIMERE

Un hipotético caso sin vegetación en El Pardo aumentaría las concentraciones de O3 en áreas cercanas

Proyecto europeo HEREPLUS

Impacto de Monte de El Pardo en O3


Efecto de la vegetación en la calidad del aire de las calles

VDepósitoMicro = 10 cm/s

Simulaciones CFD considerando el depósito (eliminación) de contaminantes y efectos dinámicos de árboles sobre el viento.

Follaje denso Follaje poco denso

Sin vegetación

24


Simulación de la Isla de Calor urbana de Madrid con WRF+BEP+BEM

1800LST 2200LSTCT oMAX 1≈∆ CT o

MAX 2≈∆

Diferencia entre simulación con y sin Aire Acondicionado (lanzandoaire caliente a la atmósfera) hasta 2ºC en verano

Confort térmico en la ciudad


Estructura urbana frente a confort térmico, consumo energético y calidad del aire.

10 inh/ha (100 km)

27 inh/ha (60 km)

62.5 inh/ha (40 km)

173 inh/ha (24 km)

250 inh/ha (20 km)

390 inh/ha (16 km)

0.8 H=5mW=80m

0.6 H=5mW=180m

H=5mW=52

H=5mW=12m

H=15mW=14m

H=25mW=20m

H=40mW=21m

0.4 H=5mW=88m

H=5mW=28m

H=10mW=14.m

H=15mW=16m

H=25mW=18.4m

0.2 H=5mW=124m

H=5mW=44m

H=10mW=26m

H=15mW=28m

H=20mW=21m

0 H=5mW=160m

H=5mW=60m

H=5mW=8m

H=10mW=20m

H=15mW=18.4m

•Simulaciones de 22 ciudades idealizadas cuadradas (Lat. 45N, 10 mill. hab., temp. en edificios 21-25ºC, 40m2/hab.)

•Modelo WRF, con modelos de energética de edificios y dispersion contaminante

•Variando densidad de población y fracción de vegetación. •Días simulados: 21 Junio y 21 Diciembre.

Densidad población (tamaño ciudad)

Frac

ción

veg

etac

ión

Aumento densidad de población y fracción de vegetación, implica un aumento de la altura de los edificios.

Aumento densidad de población y fracción de vegetación, implica un aumento de la altura de los edificios.

Vegetación = parques relativamente grandes , no en el cañón urbano

Vegetación = parques relativamente grandes , no en el cañón urbano

25


Consumo energético Calidad aire Confort termico

Verano

Invierno



Conclusiones:• Ciudades compactas (edificios altos) consumen menos energía que

ciudades menos compactas.• Ciudades muy compactas con poca vegetación:

• Peor confort térmico.• Peor calidad del aire.

• En invierno, ciudades poco densas tienen alta contaminación.• Vegetación no empeora las condiciones, y en muchos casos mejora.• Dicotomía local/global: ciudades compactas consumen menos

energía y emiten menos contaminantes a nivel de toda la ciudad (mas eficientes – bueno para mitigar cambio climático), pero la cantidad de contaminantes y el calor antropogénico emitidos por superficie es mayor, lo que empeora la calidad del aire y el confort térmico.


26


Muchas gracias

Modelización de la calidad del aire y clima...

Documents

Transcript of Modelización de la calidad del aire y clima...