عملکرد پیش‌پردازنده aermet در محاسبه پارامترهای لایه مرزی و بررسی تاثیر آن بر خروجی‌های غلظت مونوکسید کربن در مدل aermod در مقایسه با داده‌های جو بالا

زمینه و هدف: با توجه به حساسیت زیاد مدل های گوسی به ورودی های هواشناسی، لازم است تا داده های هواشناسی با دقت بالایی وارد مدل گردد. با توجه به در دسترس نبودن اطلاعات هواشناسی در تمامی نقاط کشور به خصوص داده های جو بالا، لذا استفاده از فرمول های نیمه تجربی به منظور تخمین پارامترهای لایه مرزی اجتناب ناپذیر بوده که باعث ایجاد خطا در شبیه سازی لایه مرزی و همچنین خروجی های غلظت خواهد شد. در این مقاله به بررسی اثرات استفاده از داده های تخمینی جو بالا بر مقادیر غلظت خروجی مدلسازی خواهیم پرداخت.روش بررسی: برای این منظور مدل aermod view 8.9 یکبار با داده های واقعی جو بالا و یکبار با داده های تخمینی، در شرایط یکسان اجرا شده است. از آزمون های آماری مستقل t (tstudent) و لون (levene) به منظور بررسی تفاوت های معنی دار بین غلظت ها در دو حالت فوق استفاده شده است.یافته ها: نتایج نشان داد که استفاده از داده های تقریبی جو بالا منجر به خطا در غلظت آلاینده ها تا 63 درصد، در مدلسازی کوتاه مدت و تا 33 درصد، در مدلسازی بلند مدت خواهد شد که رقم قابل توجهی است. همچنین تفاوت های آشکاری در محاسبات پارامترهای لایه مرزی در دو حالت وجود دارد که تحلیل های آماری نشان دهنده معنی دار بودن (00.0=p) این تفاوت ها بود. میزان اختلاف بین پارامترهای لایه مرزی در این دو حالت برای ارتفاع لایه مرزی همرفتی، گرادیان دمای پتانسیل و مقیاس سرعت (همرفتی) به ترتیب برابر 19 و 48 و 1.7 درصد بوده است. نتیجه گیری: استفاده از داده های واقعی جو بالا در مدلسازی ها ضروری بوده و در غیر این صورت نتایج مدلسازی باید در یک دامنه اطمینان با درصد خطا مشخص بیان گردد.

AERMET performance in evaluation of boundary layer parameters and its effect on carbon monoxide concentration outputs in AERMOD model compared to upper air data

Background and Objective: Concentration prediction with Gaussian dispersion models is highly sensitive to meteorological data. The lack of sounding data station in developing countries may lead to large error and uncertainty in air pollution modeling results. In this paper, the effects of estimated upper air data on the model output concentration values were investigated.Materials and Methods: AERMOD model was executed once with real upper air data and also with estimated upper air data separately. TStudent and LEVENE tests were used to evaluate the significant differences between concentrations in two modes of using actual and estimated upper air data.Results: The results showed that large differences in concentration between the two methods. In long term modeling, there was up to 33% differences between real and estimated upper meteorological data and up to 63% differences for short term modeling. A large difference was also observed between boundary layer parameterization values in each case. The statistical analysis showed a meaningful difference (p=0.00) between the cases. The differences between ZICNV, DT/DZ, W* were 7.1%, 48%, and 19%, respectively.Conclusion: The use of estimated upper meteorological data in comparison with measured data may lead to a large error. The AERMOD modeling results with estimated meteorological data must be expressed with appropriate uncertainties and confidence interval.