Моделирование аэрозольных полей на основе совместного анализа данных солнечной фотометрии и информации о динамике атмосферы

• Автор: Дубинкина, Екатерина Сергеевна
• Шифр специальности: 25.00.29
• Научная степень: Кандидатская
• Год защиты: 2015
• Место защиты: Екатеринбург
• Количество страниц: 131 с. : ил.

Содержание
Введение
Глава 1 Обратные траектории движении воздуха в задачах интерпретации результатов мониторинга атмосферных примесей
1.1 Обратные траектории движения воздуха
1.2 Обзор методов, использующих совместный анализ результатов измерений и информации о динамике атмосферы
1.3 Оценки потоков атмосферного аэрозоля в разных географических регионах России
1.4 Зависимость оптических характеристик атмосферы от типов ландшафтов, над которыми проходили воздушные потоки
1.4.1 Исходные данные и инструменты
1.4.2 Методика проведения анализа и полученные результаты
Основные результаты главы
Глава 2 Метод флюид-локации атмосферы
2.1 Методы статистики обратных траекторий
2.2 Общее описание метода флюид-локации атмосферы
2.3 Особенности численной реализации метода
2.4 Исходные данные для моделирования средних полей концентраций аэрозоля
2.5 Результаты расчета среднего поля объемной концентрации тонкодисперсного аэрозоля на территории России
Основные результаты главы
Глава 3 Верификации метода ФЛА
3.1 Общая постановка задачи верификации метода ФЛА
3.2 Расчет погрешностей статистической оценки поля средних концентраций.
3.2.1 Задача оценки медиан концентраций
3.2.2 Задача оценки средних концентраций
3.2.3 Задача определения зон влияния, моделирования, контроля
3.2.4 Результаты определения погрешностей статистических оценок средних нолей концентраций
3.3 Способы верификации метода ФЛА

3.3.1 Сравнение результатов моделирования с измерениями в контрольных точках мониторинга
3.3.2 Сравнение пространственных распределений полей в контрольных зонах
3.3.3 Сопоставление рассчитанного эффективного поля концентрации с расположением известных источников загрязнения
3.3.4 Верификация метода ФЛА на основе данных спутниковых измерений
Основные результаты главы
Глава 4 Восстановление трехмерных средних нолей концентраций аэрозоля методом ФЛА
4.1 Сухое осаждение частиц на подстилающую поверхность
4.1.1 Модель сухого осаждения Занга
4.1.2 Результаты моделирования скоростей сухого осаждения частиц
4.2 Расчет трехмерных траекторий движения воздушных потоков
4.3 Вертикальный профиль распределения аэрозоля
4.4 Глобальная цифровая модель рельефа ОТОРОЗО
4.5 Трехмерное среднее поле распределения концентрации тонкодисперсного аэрозоля
4.5.1 Результаты моделирования по данным фотометрических измерений на Среднем Урале
4.5.2 Результаты моделирования по данным фотометрических измерений в Западной Сибири
Основные результаты главы
Заключение
Литература
Приложение А
Приложение Б

Введение
Стремительное развитие промышленности в XX и XXI вв. нанесло значительный ущерб окружающей среде. В настоящее время чрезвычайно актуальной является проблема загрязнения атмосферного воздуха - состав атмосферы оказывает непосредственное влияние на здоровье людей, а его изменчивость является ключевым аспектом, определяющим глобальные климатические процессы Земли.
Измерения, численное моделирование и анализ полей концентраций содержащихся в атмосфере компонентов - важные этапы в решении самых разнообразных задач физики атмосферы. Для оценки пространственной структуры атмосферных примесей наибольшее распространение получили методы, в основе которых лежат численные модели гидротермодинамики атмосферы и уравнения переноса [1, 2]. В качестве исходной информации в классической постановке задач для расчета полей примесей используются данные об инвентаризации выбросов загрязняющих компонентов в атмосферу и поля метеорологических величии (давление, температура, скорость ветра и т. д.). В некоторых случаях поля метеорологических параметров находятся одновременно с решением задач переноса.
Другой подход к построению полей загрязнения атмосферы основывается на использовании результатов измерений в большом количестве точек мониторинга, распределенных в пространстве, с привлечением интерполяционных методов и/или результатов моделирования. Данный подход может быть использован для моделирования полей загрязнения локального масштаба в ходе проведения специально поставленного эксперимента, где в качестве информации о загрязнении атмосферы могут служить, например, результаты снеговой съемки [3, 4], пассивного пробоотбора [5, 6] и т. д. Кроме того, с помощью таких методов возможно построение пространственного распределения примесей регионального масштаба, но только в областях с густой сетью стационарных измерительных станций [7].

В любом из вариантов метода СОТ вся анализируемая территория разбивается неподвижной (эйлеровой) сеткой на множество фиксированных объемных ячеек. Важной составляющей всех методов СОТ является набор обратных траекторий. Расчет обратных траекторий начинается с момента выполнения измерения и производится с постоянным отрицательным шагом но времени. С каждой траекторией сопоставляется значение концентрации, характеризующей наличие примеси в атмосфере, измеренной в точке старта траектории. Переход от множества лагранжевых траекторий движения воздуха и связанных с ними результатов измерений к неподвижной эйлеровой расчетной сетке осуществляется с помощью различных статистических процедур усреднения и фильтрации (сглаживания) по тем точкам траекторий, которые находятся в соответствующей эйлеровой ячейке.
Первый вариант метода статистики обратных траекторий был предложен в 1983 г. 77. Эшбо [13]. Он основывается на нахождении так называемой функции потенциального вклада источника, которая но своей сути является условной вероятностью того, что траектория, проходившая через некоторую ячейку пространства, принесла в точку мониторинга повышенную концентрацию исследуемого вещества.
Пусть п-j - число точек траекторий, приходящихся на ячейку сетки i,j (здесь для простоты рассматривается двухмерная сетка), а ту - число точек тех траекторий, проходящих через ячейку i,j, которые принесли в точку мониторинга сигнал выше некоторого априори заданного значения. В методе Эшбо для каждой эйлеровой ячейки поля течения вычисляется и анализируется функция потенциального вклада источника (Potential Source Contribution Function - PSCF) вида:

PU=^ (2-1)

Считается, что перемещение траектории над ячейкой с большим значением Ру с большей вероятностью приведет к появлению высокой концентрации рассматриваемого компонента в пункте мониторинга. Пространственное