Your SlideShare is downloading. ×
0
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
O desafio da modelagem de dispersão e química de poluentes
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

O desafio da modelagem de dispersão e química de poluentes

305

Published on

por Marcelo Felix Alonso

por Marcelo Felix Alonso

Published in: Education
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
305
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
6
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. Marcelo Felix Alonso
  • 2. IPCC 2007 ( AR4 – WG1 )
  • 3. ENIAC 417.468 válvulas, além de 1.500 relês eum grande número de capacitores,resistores e outros componentes.
  • 4. Um sistema de 13 p = ρRT ∂ρ → → → → + ρ ∇• V + V • ∇ ρ = 0 equações (1 diagnóstica e ∂t 12 prognósticas) ∂u ∂u ∂u ∂u ^ 1 ∂p = −u −v −w + fv − f w − − Fau + TURB ( u ) ∂t ∂x ∂y ∂z ρ ∂x ∂v ∂v ∂v ∂v 1 ∂p = −u −v − w − fu − − Fav + TURB ( v ) ∂t ∂x ∂y ∂z ρ ∂y ∂w ∂w ∂w ∂w ^ 1 ∂p = −u −v −w + f u−g − − Faw + TURB ( w) ∂t ∂x ∂y ∂z ρ ∂z D 1  • ∂T ∂T ∂T ∂T p  ρ  Q   + + TURB (T ) = −u −v −w − ∂t ∂x ∂y ∂z cv Dt cv ∂ri ∂r ∂r ∂r ( para i = 1 a 7) : = −u i − v i − w i + ∑ Si + TURB ( ri ) ∂t ∂x ∂y ∂z iCortesia: Adilson W. Gandu IAG/USP
  • 5. Temos também: 13 váriáveis do modelo (u, v, w, ρ, p, T, r1, r2, r3, r4, r5, r6, r7)Se conhecermos : Fau, Fav, Faw, Q, Si, e fluxos turbulentos (a “física” do modelo)Então : O sistema de equações é “fechado” e, em princípio, “resolvível”MAS : (complexo e altamente não linear)Não existe método analítico para resolver esse sistemaCortesia: Adilson W. Gandu IAG/USP
  • 6. Resolução horizontal 1º lat 1º long níveis verticaisInte Interações laterais ra çõe s entr e cam ada s Interações com a superfície
  • 7. A PNT é uma problema de valor inicial e condições de contorno
  • 8. Porque modelar dispersão e química de poluentes? Percentual JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV DEC Month Anthropogenic Biogenic Biomass burning
  • 9. Fonte: Tucci et al.[2003] Tucci et al.[2003]Atualmente estima-se que 40% das mortes nomundo estão relacionados com degradaçãoambiental.50% das doenças respiratórias crônicasprovavelmente associadas à poluição do ar.Pimentel et al.[2007]
  • 10. Gases emitidos na Região Metropolitana de São PauloPercentagem de contribuição das fontes de emissão Sulfato CO2 O3 CO NOx MP HC SO2 CO2 CO Emissões N2O Urbanas Tipos de fontes CETESB [2005] Urbano
  • 11. Modelos online Modelos offlineAcoplagem do módulo atmosfera com Os parâmetros atmosféricos são usadosquímica. Estado da arte em modelagem da como dados de entrada para a resoluçãodispersão e química de poluentes. numérica da dispersão. No caso dos modelos químicos, consegue-se estudarWeather Research Forecast model with os efeitos isolados das reações químicas.Chemistry (WRF/Chem) (Grell et al. 2005;Fast et al. 2006; Zhang et al. 2010a) AMS/EPA Regulatory Model (AERMOD) da Agência de Proteção Ambiental dosCATT-BRAMS (Coupled Aerosol and Estados Unidos.Tracer Transport model to the Braziliandevelopments on the Regional AtmosphericModelling System – Longo et al., 2011)
  • 12. A LARGE RANGE OF SCALES
  • 13. FONTES Local and regional inventories Characterizing and predicting local air quality and regional effects resulting from emissions in a large city requires a detailed survey of emissions sources. Top-down x bottom-up approaches coarse information x Specific information Low costs x high costs
  • 14. Mexico city TIE et al. (2010)URBANO CO emission CO mixing ratio (ppbv)
  • 15. Emissão total Source: Butler et al.,2008 EDGAR IPCCAR4 RETRO
  • 16. INCERTEZAS Mecanismos condensados Lumped structure - Agrupamento por estrutura: O propeno (C3H6), que contem um grupo alquil y um enlace duplo de carbono, é representado como 1 PAR mais um 1 OLE Agregação Ex: CB05, 51 espécies e 156 reações dos COR Lumped Molecule - Agrupamento seguindo a natureza química O propeno é incluído em ALKE (alcenos) Ex: RACM, 77 espécies e 237 reações
  • 17. mass mixing ratio tendency: kg [ η ]Eη ( t ) = r ( t ) Eη , units: ( ) kg[air] s 24hand ∫ 0 r ( t ) dt = 1 A double Gaussian function used to determine the diurnal cycle of urban emission. Freitas et al. (2010) 15 LT 2 2 5 0 diurnal cycle of 2 0 0 0 1 7 5 0 N ú m e ro m é d io d e fo c o s d e fo g o the burning: 1 5 0 0 r(t ) 1 2 5 0 1 0 0 0 Eη ( t ) = r ( t ) Eη 7 5 0 5 0 0 2 5 0 0 time 0 4 8 1 2 1 6 2 0 2 4 H o r a L o c a l ( F u s o d e B r a s í lia )
  • 18. PLUMERISEQUEIMADAS Plume rise model Freitas et al., (2006,2007,2010)total emission flux: Fη being λ the smoldering fraction Injection λ Fη layer smoldering term : Eη = ρ air ∆zfirst phys. model layer h (1 − λ ) Fη flaming term : Eη = ρ air ∆zinjection layer
  • 19. Freitas et al. (2007)
  • 20. VULCÂNICAS
  • 21. The WFÍSICA∂s  ∂s   ∂s   ∂s   ∂s   ∂s   ∂s  =   +  +  +   + WPM 25 + R + Q plume +   + ∂t  ∂t  adv  ∂t CLP  ∂t  conv  ∂t  conv turb prof rasa rise  ∂t  reações  ∂t  4 dda químicas Orig RAMS adv – diff = 1. Orig RAMS adv – diff = 0.1 Orig RAMS adv – diff = 0.01 NEW BRAMS adv – diff = 0.01
  • 22. ∂s  ∂s   ∂s   ∂s   ∂s   ∂s   ∂s  =   +  +  +   + WPM 25 + R + Q plume +   + ∂t  ∂t  adv  ∂t CLP  ∂t  conv  ∂t  conv turb prof rasa rise  ∂t  reações  ∂t  4 dda químicas
  • 23. ∂s  ∂s   ∂s   ∂s   ∂s   ∂s   ∂s  =   +  +  +   + WPM 25 + R + Q plume +   + ∂t  ∂t  adv  ∂t CLP  ∂t  conv  ∂t  conv turb prof rasa rise  ∂t  reações  ∂t  4 dda químicas Deposição seca
  • 24. Equilibrium between aqueous and gas phases (Henrys law) ρ fase = k H rlw ρ fase aquosa gasosasolubility:  ∆ H 1  − sol  − 1  T θ = 298.15K ÷ θ  R T  Tθ ÷k H (T ) = RTk H e   ,   ∆ sol H : enthalpy change k θ : equilibrium constant at T θ  Hwet removal tendency (sink term W):  convective precip rate prec : k H rlw s fase prec  ˆ  (from cumulus parameterization) ∂s   ∂t ÷wet µ− gasosa  rlw : cloud liquid water/ice mixing ratio (from CP)  removal ∆z  ˆ s fase : in-cloud gas phase mixing ratio  gasosa  total mass deposited on surface: cloud top  ∂s msfc = ∫ sfc  ÷wet ρ air dz  ∂t  removal Deposição úmida
  • 25. ∂s  ∂s   ∂s   ∂s   ∂s   ∂s   ∂s  =   +  +  +   + WPM 25 + R + Q plume +   + ∂t  ∂t  adv  ∂t CLP  ∂t  conv  ∂t  conv turb prof rasa rise  ∂t  reações  ∂t  4 dda químicas Condições iniciais e de fronteira químicas
  • 26. Escala regionalDispersão horizontal
  • 27. Imagens: http://www.cptec.inpe.br/Smog fotoquímicoEvolução diurna São Paulo 7/11/2010
  • 28. Hora local 09 12 15 18 21 (ppb) NO NO2 CO O3 NO NO2 CO O3Fonte: Gacita, 2010 Imagem: http://meioambiente1.cptec.inpe.br/
  • 29. CONCLUSÕES

×