universidad nacional autnoma de mxico
Anuncio
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO POSGRADO EN CIENCIAS DE LA TIERRA CENTRO DE CIENCIAS DE LA ATMÓSFERA Evaluación de un modelo de dispersión de contaminantes atmosféricos con la técnica espectroscópica DOAS Pasiva T E S I S Para obtener el grado de Maestro en Ciencias (Física de la Atmósfera) P R E S E N T A: Frank Carlos Cabrera Vivas TUTOR: Dr. Michel Grutter de la Mora Ciudad Universitaria Marzo 2008 Dedicatoria A mis padres, por haber sido el pilar fundamental en mi desarrollo profesional, porque de ellos he aprendido lo que han hecho de mí. En general a toda mi familia, amigos y seres queridos que me apoyaron en este gran proyecto de vida. A la esencia, que materializa lo que nunca he podido describir con palabras. Agradecimientos Al posgrado en Ciencias de la Tierra y al Centro de Ciencias de la Atmósfera de la UNAM por ser la casa de estudio en la que tuve el honor de realizar mi postgrado. Al CONACYT (Fondo Sectorial para Investigación y Desarrollo Tecnológico en Energía) por el financiamiento del proyecto CFE-2004-C01-44, así como también al personal de la Comisión Federal de Electricidad por permitir realizar este estudio en una sus instalaciones. Al Dr. Michel Grutter por la gran oportunidad que me brindó de trabajar en su equipo, así como también por toda su confianza y apoyo recibido durante la realización de este trabajo. A la M.I. Ann Wellens por su valiosa amistad y asesoría en la aplicación del modelo de dispersión AERMOD. Al Dr. Agustín García por su colaboración y asesoría en la aplicación del modelo meteorológico MM5. En general a todos los miembros del jurado, por su colaboración, comentarios y sugerencias para enriquecer este trabajo. A todos mis compañeros de posgrado y amigos en general por su valiosa amistad, porque de alguna u otra forma contribuyeron para yo llevar a cabo este trabajo. A TODOS, MUCHAS GRACIAS Resumen La producción de energía eléctrica implica en buena medida la quema de combustibles fósiles, lo que genera la emisión de contaminantes hacia la atmósfera, deteriorando la calidad del aire e impactando el clima y la salud de la población (Zuk et al, 2006). Por tal razón, se han dedicado grandes esfuerzos a nivel mundial por desarrollar modelos matemáticos que proporcionen información valiosa sobre la dispersión de los contaminantes y su concentración en una determinada región, esto con la finalidad de evaluar la calidad del aire y estimar la afectación potencial generada por la operación de una o varias industrias (U.S. EPA, 1991). En el presente trabajo se propone el uso de la técnica espectroscópica DOAS (Differential Optical Absorption Spectroscopy) para evaluar el desempeño del modelo gaussiano AERMOD que es ampliamente utilizado a nivel mundial para estimar la dispersión atmosférica de emisiones industriales. Con la técnica DOAS, se puede determinar experimentalmente la distribución espacial de las emisiones alrededor de una fuente, ofreciendo además la posibilidad de estimar las tazas de emisión de manera indirecta. El caso de estudio es el parque industrial de Tula en Hidalgo, México, en el cual operan algunas industrias de las cuales destacan las de generación eléctrica (combustóleo y gas natural), así como las de refinación de hidrocarburos. Para este trabajo se llevaron a cabo dos campañas de mediciones en la zona durante los meses de octubre 2005 y junio 2006. Los resultados indican que el modelo gaussiano AERMOD describe de manera adecuada la dispersión de la pluma a excepción de algunos casos en donde la dirección del viento era hacia el sur y sursuroeste. En estos casos, una colina de 200 metros de altura es la causa probable de que la dirección real de la pluma se desvíe en sentido oeste. En las conclusiones se abunda sobre la bondad de la técnica DOAS pasiva que es utilizada por primera vez para evaluar el desempeño de un modelo de dispersión de contaminantes. Índice de contenidos Resumen Índice de contenidos Índice de figuras Índice de tablas Símbolos y abreviaturas 1. INTRODUCCIÓN……………………………………………………………. 1 2. OBJETIVOS…………………………………………………………………. 4 3. SISTEMA ÓPTICO DOAS…………………………………………………. 5 3.1 Introducción…………………………………………………………….. 5 3.2 Sistema óptico para la medición de emisiones en el UV………….. 7 3.3. Mediciones en travesías……………………………………………… 9 4. MODELOS MATEMÁTICOS………………………………………………. 10 4.1 Modelos de dispersión atmosférica………………………………….. 10 4.2 Formulación matemática…………………………………………….... 11 4.2.1 Distribución gaussiana………….……………………………… 13 4.3 Modelos gaussianos…………………………………………………… 14 4.3.1 Modelo de dispersión AERMOD………………………………. 16 4.3.1.1 Descripción……………………………………………… 16 4.3.2 Modelo de mesoescala MM5………………………………….. 18 5. CASO DE ESTUDIO: Complejo industrial de Tula…………………... 22 5.1 Descripción del sitio……………………………………………………. 22 5.2 Climatología…………………………………………………………….. 24 5.3 Desarrollo experimental……………………………………………….. 25 5.3.1 Meteorología…………………………………………………….. 26 5.3.2 Calidad del aire…………………………………………………. 27 5.3.3 LIDAR……………………………………………………………. 29 5.3.4 Travesías con DOAS – pasivo………………………………… 30 5.4 Modelación……………………………………………………………… 30 5.4.1 Implementación del modelo AERMOD………………………. 30 5.4.2 Uso de las salidas del modelo de mesoescala MM5……….. 32 6. RESULTADOS EXPERIMENTALES…………………………………….. 33 6.1 Campaña octubre 2005………………………………………………. 33 6.2 Campaña junio 2006………………………………………………….. 39 6.3 Evaluación del modelo AERMOD……………………………………. 45 6.4 Análisis estadístico del modelo AERMOD………………………….. 48 6.5 Evaluaciones de las salidas del MM5...……………………………... 51 7. CONCLUSIONES…………………………………………………………… 59 8. RECOMENDACIONES…………………………………………………….. 62 9. BIBLIOGRAFÍA……………………………………………………………... 63 ANEXOS………………………………………………….………............... 66 A. Ejemplo de archivo DEM (Digital Elevation Model)…………………. 67 B. Archivos meteorológicos necesarios para ejecutar el AERMET…… 68 C. Archivos meteorológicos de salida del AERMET……………………. 69 D. Archivos meteorológicos de altura (pfl)………………………………. 70 E. Simulación de SO2 acumulado, pfl del AERMET (Vista 3D)………. 71 F. Simulación de SO2 acumulado, pfl del MM5 (Vista 3D)……………. 72 G. Póster presentado en la Unión Geofísica Americana (AGU por sus siglas en inglés). Acapulco, México……….………………………….. 73 Índice de figuras 1.1. Ubicación geográfica de Tula, Estado de Hidalgo……………………………………... 2 1.2. Sectores con contribución de contaminantes en el Estado de Hidalgo, 2002………. 2 3.1. Representación gráfica de la ley Beer Lambert………………………………………… 5 3.2. Trayectorias de luz medidas por el DOAS……………………………………………… 7 3.3. Esquema óptico para la determinación indirecta de emisiones de gases…………… 8 3.4. Evaluación de espectros con el DOAS………………………………………………….. 9 3.5. Sistema DOAS-pasivo en trayectoria para la medición de columnas de gases........ 9 4.1. Estructura general de un modelo de dispersión………………………………………... 11 4.2. Función de distribución gaussiana o normal……………………………………………. 13 4.3. Geometría de un modelo gaussiano…………………………………………………….. 15 4.4. Esquema del sistema de modelación AERMOD……………………………………….. 16 4.5. Diagrama de flujo del sistema de modelación MM5-V3……………………………….. 20 4.6 Coordenadas verticales sigma en el MM5……………………………………………… 21 5.1 Ubicación geográfica del complejo industrial de Tula…………………………………. 22 5.2 Orografía de la zona de estudio………………………………………………………….. 23 5.3 Fotografías de la Central Termoeléctrica “Francisco Pérez Ríos de Tula”………….. 23 5.4 Fotografía de la Central Termoeléctrica de Ciclo Combinado de Tula………………. 24 5.5 Promedio de temperatura y humedad relativa en Tula, 2000 – 2004……………….. 24 5.6 Rosas de viento en la región de Tula, 2000 – 2004…………………………………… 25 5.7 Ubicación del complejo industrial de Tula y de la unidad móvil……………………… 26 5.8 Estación de la CFE a 10 metros de altura………………………………………………. 27 5.9 Estación de la Torre a 65 metros de altura……………………………………………... 27 5.10 Unidad móvil de la UNAM ubicada en la subestación eléctrica “Jasso”…………….. 28 5.11 Unidad móvil de la UNAM con sistemas ópticos de percepción remota…………….. 29 5.12 Puntos de emisión de la C.T. Francisco Pérez Ríos…………………………………... 31 6.1 Rosas de viento de las estaciones CFE 10m y Torre 65m, campaña 2005………… 33 6.2 Calidad del aire en Tula, campaña 2005………………………………………………... 34 6.3 Comparación entre el DOAS (23/10/05, 12:13 - 13:22) y AERMOD (Torre 65m, 23/10/05, 12:00 - 13:00)…………………………………………………………………... 36 Comparación entre el DOAS (23/10/05 12:13 – 13:22) y AERMOD (CFE, 23/10/05 13:00 – 14:00)……………………………………………………………………………… 37 Comparación entre el DOAS (24/10/05 16:03 – 16:53) y AERMOD (Torre 65m, 24/10/05 16:00 – 17:00)…………………………………………………………………… 38 Comparación entre el DOAS (24/10/05 16:03 – 16:53) y AERMOD (CFE, 24/10/05 16:00 – 17:00)……………………………………………………………………………… 39 6.7 Rosas de viento de las estaciones CFE 10m y Torre 65m, campaña 2006………… 40 6.8 Calidad del aire en Tula, campaña 2006………………….…………………………….. 40 6.9 Evolución de la capa de mezcla, campaña 2006………………………………………. 41 6.10 Comparación entre el DOAS (31/05/06 17:36 – 18:10) y AERMOD (Torre 65m, 31/05/06 17:00 - 18:00)…………………………………………………………………… 43 Comparación entre el DOAS (01/06/06 15:10 – 16:31) y AERMOD (Torre 65m, 01/06/06 15:00 - 17:00)…………………………………………………………………… 43 Comparación entre el DOAS (02/06/06 15:08 – 16:16) y AERMOD (Torre 65m, 02/06/06 15:00 – 16:00)………………………………………………………………….. 44 Comparación entre el DOAS (07/06/06 18:11 – 19:07) y AERMOD (CFE, 07/06/06 19:00 – 20:00) …………………………………………………………………………….. 44 Concentración de SO2 medida por la unidad móvil y simulada por AERMOD, campaña 2005……………………………………………………………………………… 46 Concentración de SO2 medida por la unidad móvil y simulada por AERMOD, campaña 2006……………………………………………………………………………… 47 6.16 Perfiles meteorológicos generados con el MM5, 2005………………………………… 54 6.17 Comparación entre las rosas de viento del MM5 y las experimentales……………… 55 6.18 Simulaciones de AERMOD con los archivos pfl de AERMET y MM5, 2005………... 56 6.19 Simulación de la dispersión del SO2 con el archivo pfl de AERMET………………... 57 6.20 Simulación de la dispersión del SO2 con el archivo pfl de MM5…………………….. 57 6.4 6.5 6.6 6.11 6.12 6.13 6.14 6.15 Índice de tablas 1.1. Normas oficiales de calidad del aire en México………………………………………… 1 1.2. Emisiones estimadas para el municipio Tula de Allende……………………………… 3 5.1. Datos climatológicos de Tula, Hidalgo………………………………………………….. 24 5.2. Sistemas de medición de contaminantes gaseosos y partículas……………………. 28 6.1. Calculo de flujo de SO2 (kg/s), campaña 2005…………………………………………. 35 6.2. Calculo de flujo de SO2 (kg/s), campaña 2006…………………………………………. 42 6.3. Promedio y desviación estándar del AERMOD y unidad móvil………………………. 48 6.4. Índices estadísticos usados para evaluar el AERMOD……………………………….. 50 6.5. Alturas calculadas a partir de los niveles sigma del MM5…………………………….. 52 6.6 Condiciones de simulación con el AERMOD, 2005……………………………………. 55 Símbolos y abreviatura AERMAP Preprocesador de terreno del modelo AERMOD AERMET Preprocesador meteorológico del modelo AERMOD AERMOD Modelo de dispersión gaussiana de la U.S. EPA BIAS Sesgo C Concentración de un gas CBL Convective Boundary Layer CFE Comisión Federal de Electricidad CO Monóxido de carbono DEM Digital Elevation Model DOAS Differential Optical Absorption Spectroscopy f(x) Función de densidad g Aceleración de la gravedad (=9.81 m/s2) GPS Global Positioning System H Flujo de calor superficial hc Escala de altura del terreno He Altura efectiva de la chimenea hs Altura de la chimenea I Intensidad de luz IC Índice de concordancia Io Intensidad de luz inicial Kii Coeficiente de difusión turbulenta L Longitud de Monin-Obukhov LIDAR Light Detection and Ranging MAE Mean Absolute Error MM5 The Fifth-Generation NCAR / Penn State Mesoscale Model NCAR National Center for Atmospheric Research NO Monóxido de nitrógeno NO2 Bióxido de nitrógeno NOx Óxidos de nitrógeno (NO + NO2) nm Nanómetro NMD Normalized Mean Difference O Promedio observado o medido de un contaminante O3 Ozono p Presión P Promedio predicho o calculado de un contaminante Pb Plomo PBL Planetary Boundary Layer PEMEX Petróleos Mexicanos pfl Archivo meteorológico de altura PM10 Partículas con diámetro menor a diez micras po Presión al nivel del mar (=101325 Pa) ppm Partes por millón (unidades de concentración) ppm*m Partes por millón por metro (concentración en columna) ps Presión de superficie PST Partículas suspendidas totales PSU Pennsylvania State University pt Constante que especifica el límite vertical de la presión Q Tasa de emisión de la fuente R Constante de los gases (=287,05 J/kg.K) RMSE Root Mean Squared Error s Longitud del paso óptico S Fuente SAM Archivo meteorológico con formato SAMSON SBL Stable Boundary Layer SEMARNAT Secretaria del Medio Ambiente y Recursos Naturales de México sfc Archivo meteorológico de superficie so Desviación estándar observada de un contaminante. SO2 Bióxido de azufre. sp Desviación estándar predicha de un contaminante. t Tiempo T Temperatura al nivel del mar (=275 K) u Velocidad del viento u* Velocidad de fricción U.S. EPA Environmental Protection Agency of United States UV/Vis Ultravioleta – Visible w* Escala de velocidad convectiva x, y, z Coordenadas cartesianas xr,yr Representación coordenada de un receptor z Altura zic Altura de la capa de mezcla convectiva zim Altura de la capa de mezcla mecánica zo Rugosidad superficial zr Altura sobre el nivel promedio del mar λ µg/m Longitud de onda 3 Microgramos por metro cúbico (unidades de concentración). σ Coordenadas verticales sigma σ(λ) Capacidad de absorción de una especie σy Desviación estándar en la dirección “y” σz Desviación estándar en la dirección “z” θ* Escala de temperatura 1. Introducción Desde hace muchos años en la Republica Mexicana se han presentado problemas de contaminación ambiental debido a la creciente actividad industrial en el país, afectando el entorno principalmente donde la concentración de la población y la industria tienen mayor presencia. En México, la Secretaría del Medio Ambiente y Recursos Naturales (SEMARNAT) es el organismo gubernamental a nivel federal encargado de la aplicación de técnicas para el estudio de calidad del aire encaminadas al control de las emisiones y el mejoramiento de la calidad del aire. En la tabla 1.1 se muestran las normas de calidad del aire existentes en México. Es importante señalar que además de los valores de concentración establecidos se debe considerar el tiempo de exposición y la frecuencia máxima aceptable. Tabla 1.1. Normas oficiales de calidad del aire en México. Contaminante O3 CO SO2 NO2 PST PM 10 Pb Valores límites Exposición aguda Exposición crónica Concentración / Frecuencia Para proteger la salud de tiempo promedio máxima aceptable la población susceptible 0.11 ppm (1 hora) 1 vez en 3 años - - 11 ppm (8 horas) 1 vez al año - - 0.13 ppm (24 horas) 1 vez al año 0.03 ppm * 0.21 ppm (1 hora) 1 vez al año - - 3 260 µg/m (24 horas) 1 vez al año 75 µg/m3* 150 µg/m3 (24 horas) 1 vez al año 50 µg/m3 * - - - - 1.5 µg/m3 ** * Promedio aritmético anual ** Promedio aritmético en tres meses FUENTE : NOM-020-SSA1-1993; NOM-021-SSA1-1993; NOM-022-SSA1-1993; NOM-023-SSA1-1993; NOM-024-SSA1-1993; NOM-025-SSA1-1993; NOM-026-SSA1-1993 Uno de los sectores que más contribuye a la problemática de contaminación atmosférica en el país es la generación de energía eléctrica, especialmente con respecto a las emisiones de bióxido de azufre (SO2). Este gas es emitido a través de los procesos de combustión en termoeléctricas y refinerías cuando se emplean combustibles fósiles con alto contenido de azufre como son el combustóleo y el carbón. En este trabajo se consideró el complejo industrial de Tula como caso de estudio, por ser uno de los complejos industriales más importantes del país. Este parque industrial está ubicado en el Estado de Hidalgo (figura 1.1), y tiene importantes industrias del sector energético como es la refinería “Miguel Hidalgo” -1- de Petróleos Mexicanos (PEMEX) y la termoeléctrica “Francisco Pérez Ríos” de la Comisión Federal de Electricidad (CFE). Para este estudio se evaluaron únicamente las emisiones de SO2 debido a que es fácilmente medido con la técnica DOAS, es emitido abundantemente en los procesos de combustión por este tipo de actividad y se considera no reactivo. De esta manera, se busca utilizar este compuesto como gas trazador de la dispersión atmosférica y poder evaluar el desempeño de un modelo matemático comúnmente usado para este tipo de situaciones. Figura 1.1. Ubicación geográfica de Tula, Estado de Hidalgo. De acuerdo con el inventario de emisiones del Estado de Hidalgo del 2002, las industrias de petróleo y de generación de energía eléctrica (figura 1.2) son las que emiten mayores cantidades de SO2 en esta entidad federativa, con 173,428 y 150,700 ton/año respectivamente, mientras que el monóxido de carbono (CO) es principalmente emitido por la industria del cemento (Consejo Estatal de Ecología del Estado de Hidalgo, 2002). Figura 1.2. Sectores con contribución de contaminantes en el Estado de Hidalgo, 2002. FUENTE: Consejo Estatal de Ecología, Estado de Hidalgo. -2- En la tabla 1.2 se muestran las emisiones estimadas durante 1999 para el municipio Tula de Allende del Estado Hidalgo. Tabla 1.2. Emisiones estimadas para el municipio Tula de Allende. Mg/AÑO (no incluye fuentes naturales) Entidad Federativa Municipio Hidalgo Tula de Allende NOx SO2 COV CO PM10 PM2.5 NH3 35,831.1 349,470.4 4,763.5 8,574.3 16,801.0 12,111.0 602.9 FUENTE: Inventario nacional de emisiones de México, 1999. Para llevar a cabo estudios de dispersión atmosférica, los modelos matemáticos se han convertido en una herramienta fundamental para conocer, entre otros aspectos, cómo varía temporal y espacialmente la concentración de un contaminante de interés; de esta manera es posible predecir y analizar la calidad del aire en una zona determinada (Bustos, 2004). Debido a que los modelos de dispersión pueden presentar incertidumbres significativas en sus resultados (Barraza, 1998), se plantea la siguiente hipótesis para este trabajo de investigación: las técnicas espectroscópicas de percepción remota, y en particular la de DOAS-pasivo, pueden ser herramientas experimentales útiles para evaluar los resultados de los modelos mediante la comparación directa de la distribución espacial así como para la estimación de las emisiones. Los resultados obtenidos a partir de esta novedosa metodología ofrecen entonces la posibilidad de calificar el desempeño de este tipo de modelos. Así pues, el presente trabajo está estructurado de la siguiente manera: el capítulo uno corresponde a una breve introducción del presente trabajo. En el capítulo dos se presentan el objetivo general y los objetivos específicos. El capítulo tres explica la técnica espectroscópica DOAS empleada para evaluar el modelo de dispersión atmosférica. El capitulo cuatro corresponde a los aspectos teóricos de los modelos matemáticos de tipo gaussiano como el AERMOD y de tipo pronóstico como el MM5. En el capítulo cinco se describe la zona de estudio y se discute la metodología experimental para comparar los resultados del modelo AERMOD con los resultados del DOAS. En el capítulo seis se comparan y discuten los resultados obtenidos de las travesías del DOAS y las simulaciones del AERMOD. También se realizaron simulaciones con el modelo MM5 para generar valores de temperatura, velocidad y dirección de viento a dos alturas diferentes, con la finalidad de emplear estos datos como valores de entrada para el AERMOD. Las conclusiones y recomendaciones se presentan en los capítulos siete y ocho, respectivamente. Por último, las referencias bibliográficas se encuentran detalladas en el capítulo nueve. -3- 2. Objetivos El objetivo general del presente trabajo es comparar el modelo gaussiano de dispersión de contaminantes atmosféricos AERMOD con la técnica espectroscópica DOAS-pasiva en el complejo industrial de Tula, Estado de Hidalgo. Los objetivos específicos del mismo son los siguientes: 1. Emplear la técnica de percepción remota DOAS-pasivo para estimar indirectamente y vientos abajo la emisión total de SO2 así como su distribución espacial alrededor del complejo industrial de Tula. 2. Modelar la dispersión de este gas contaminante con AERMOD usando la topografía e información meteorológica disponible. 3. Evaluar las salidas del modelo AERMOD usando dos conjuntos de datos meteorológicos, con los resultados de las mediciones del DOAS-pasivo. 4. Emplear las salidas meteorológicas del modelo regional de mesoescala MM5 como entradas para el modelo de dispersión AERMOD. -4- 3. Sistema óptico DOAS 3.1 Introducción La espectroscopía óptica de absorción diferencial (DOAS, por sus siglas en inglés) es un método para determinar las concentraciones de gases en la atmósfera mediante el análisis de la luz, principalmente en el rango espectral del ultravioleta y visible. La luz que viaja a través de la atmósfera es parcialmente absorbida por los gases a lo largo de la trayectoria recorrida de acuerdo con la ley de BeerLambert. La figura 3.1 ilustra la ley de Beer-Lambert, donde la intensidad de luz inicial Io decae exponencialmente cuando pasa por un medio absorbente de longitud ó paso óptico s, hasta llegar a una intensidad final I. Figura 3.1. Representación gráfica de la ley Beer-Lambert. FUENTE: http://www.iup.uni-bremen.de/doas/doas_tutorial.htm La ecuación que expresa la ley de Beer-Lambert se muestra a continuación: I ( λ , s ) = I o exp (− σ (λ ) c s ) (1) donde la intensidad I(λ, s) al final de la trayectoria de luz depende de: 1. la intensidad inicial, Io 2. la capacidad de absorción de las especies dada por su corte transversal de absorción σ(λ) para cada longitud de onda λ -5- 3. la longitud del paso óptico, s 4. la cantidad total de las especies absorbentes a lo largo del paso óptico. Para una concentración constante c, entonces dicha cantidad sólo es el producto de la concentración y la longitud de la trayectoria: c s. En un experimento de laboratorio, la intensidad inicial de una lámpara puede ser determinada con gran exactitud (medición de fondo), para conocer su perfil en ausencia de las especies absorbentes. Esto se logra, por ejemplo, llenando una celda con nitrógeno o evacuándola antes de realizar el análisis espectroscópico de la muestra. Sin embargo, para mediciones atmosféricas esto no es posible por lo que es necesario realizar algunas aproximaciones. La técnica DOAS (Grutter y Basaldud, 2006) se basa en el análisis espectral de la banda ancha que es transmitida a través de una trayectoria y se diferencia de una medición espectroscópica de laboratorio en el UV/Vis, debido a que el espectro de fondo (Io en la ecuación 1) no puede ser medido experimentalmente en la atmósfera. Por consiguiente, el análisis consiste en estudiar la “absorción diferencial” de las especies (Platt, 1994; Basaldud, 2007). Esta cantidad puede ser definida como una parte de la absorción total de alguna molécula la cual varía rápidamente con la longitud de onda (λ), como se muestra más adelante. La extinción de la radiación en la atmósfera se puede dividir en varios componentes (University of California). Aquella producida por la dispersión por moléculas (Raleigh) o partículas suspendidas (Mie), varía lentamente con la longitud de onda en comparación con las variaciones producidas por la absorción molecular. La absorción misma de cada molécula σi(λ), comúnmente expresada como la sección transversal por tener unidades de área [cm2 molécula-1], es una característica propia de cada especie y puede igualmente ser dividida en sus componentes de variación lenta σio(λ) y rápida σi’(λ). σ ( λ ) = σ io ( λ ) + σ i ' ( λ ) (2) Para el análisis de la absorción diferencial va a ser este parámetro σi’(λ) el que va a ser utilizado para determinar la concentración del compuesto i en un rango espectral determinado. La separación de estos componentes se realiza mediante la manipulación del espectro aplicando filtros matemáticos, y en donde el término σio(λ) de la ecuación 2 puede ser contemplado como la suma de todos los procesos de variación lenta. En cuanto a los ajustes necesarios para encontrar los factores de escalamiento de los espectros de referencia, manipulados de la misma manera que los espectros medidos, se acude a regresiones de mínimos cuadrados para calcular las concentraciones. -6- La técnica DOAS ha sido empleada tanto en la superficie terrestre como en mediciones satelitales, usando fuentes de radiación artificiales (configuración activa) o radiación solar dispersada (configuración pasiva). En los casos en los que la longitud del paso óptico es conocida con exactitud, como cuando se utiliza una fuente sintética de radiación (figura 3.2 A), entonces el cálculo de concentración de las especies absorbentes depende directamente de las intensidades de sus absorciones diferenciales. Sin embargo, si se usa la luz directa del sol (B), la concentración de la columna atmosférica será un promedio integrado a lo largo del espesor atmosférico en el que se encuentran las especies absorbentes. En la técnica DOAS-pasivo, utilizada en este trabajo, la luz del sol dispersada por la atmósfera (C) es la fuente de radiación usada para el análisis de las concentraciones de columna atmosférica en dirección del cenit. En este tipo de configuración, al igual que en las mediciones satelitales (D), el paso óptico no es conocido con exactitud debido a los procesos de dispersión múltiples que son posibles a lo largo del campo de observación (University of Bremen). Figura 3.2. Trayectorias de luz medidas por el DOAS. FUENTE: http://www.iup.uni-bremen.de/doas/doas_tutorial.htm 3.2 Sistema óptico para la medición de emisiones en el UV Los equipos de DOAS-pasivo usados para este proyecto fueron desarrollados en el Laboratorio de Espectroscopía del Centro de Ciencias de la Atmósfera de la UNAM (Basaldud, 2007). En la configuración pasiva, la radiación dispersada por el cielo azul es colectada mediante un telescopio y analizada espectroscópicamente para obtener concentraciones de columna en unidades de ppm*m. La concentración en columna de un gas representa la concentración integrada a lo largo de una trayectoria indefinida. -7- Figura 3.3. Esquema óptico para la determinación indirecta de emisiones de gases. FUENTE: Grutter, 2006. Los espectrómetros (Ocean Optics modelo S2000) que se utilizan en el esquema de la figura 3.3 son muy compactos y cuentan con un detector CCD de 2048 elementos que en un rango de 280 – 420 nm alcanzan una resolución espectral de por lo menos 0.5 nm. La radiación UV-Visible que colecta el telescopio, cuyo propósito es cerrar y paralelizar el campo de observación, es transmitida a través de una fibra óptica hacia el espectrómetro. De acuerdo con la intensidad de radiación presente, se regula el tiempo de exposición y promediación del detector por medio de un sistema de adquisición de datos basado en LabView (Basaldud, 2007). Los espectros de transmisión son almacenados continuamente para su análisis posterior. Las observaciones del DOAS requieren de un adecuado procesamiento computacional para poder obtener las concentraciones a partir de los espectros medidos. Para la evaluación de los espectros se requiere que al menos se colecte un espectro oscuro (espectro medido bloqueando la entrada de luz hacia el espectrómetro) y un espectro estando fuera de la pluma (pretendiéndose así que no exista absorción de los gases de interés) antes de empezar la medición continua. La substracción del espectro oscuro de cada espectro medido garantiza eliminar el ruido de fondo generado por el instrumento (Basaldud, 2007). En la parte superior de la figura 3.4 se aprecia un espectro de transmisión típico del cielo azul. En la zona media de la figura 3.4 se observa el espectro ya procesado para obtener la absorción diferencial y corresponde a la absorción de SO2 medido por debajo de una pluma que contiene altas concentraciones de este gas. Finalmente, este espectro es comparado y ajustado con un espectro de SO2 de referencia (abajo) procesado y fijado en 1ppm*m (Vandaele et al, 1994). Los análisis de espectros fueron llevados a cabo con el programa DOASIS (Kraus, 2003) de la Universidad de Heidelberg. -8- Figura 3.4. Evaluación de espectros con el DOAS. 3.3 Mediciones en travesías Las observaciones con el DOAS-pasivo (Grutter y Basaldud, 2007) al ser medidas desde un vehículo realizando travesías por debajo de la pluma, dan la posibilidad de estimar los flujos de gases (masa/tiempo) haciendo uso de las velocidades de propagación de la pluma. Con esta técnica se mide la concentración de columna mientras se pasa por debajo de una pluma o nube de gases contaminantes. El objetivo de esta estrategia es obtener la medición de una “rebanada” de la pluma que se dispersa perpendicularmente por encima del trayecto de medición. El conocimiento del número total de moléculas presentes en esta rebanada da la posibilidad de estimar su flujo emisión instantánea (Basaldud, 2007; B. de Foy et al., 2007) si se conoce la velocidad de propagación de la pluma. Asimismo, es necesario conocer la posición a partir de un receptor GPS que es registrada por el sistema de adquisición con cada espectro medido. Figura 3.5. Sistema DOAS-pasivo en trayectoria para la medición de columnas de gases. -9- 4. Modelos matemáticos Un modelo numérico es un algoritmo matemático basado en ecuaciones físicas que intenta describir fenómenos que suceden en la naturaleza. El algoritmo matemático de un modelo es traducido a un lenguaje de programación para ser luego utilizado mediante equipos de cómputo. La utilización de estos modelos permite llevar a cabo estudios preliminares previos a la realización de un trabajo de campo para analizar el problema a investigar y conocer los parámetros que van a gobernar dicho problema, entre otras aplicaciones (Benavides, 2003; Holmes y Morawska, 2006). 4.1 Modelos de dispersión atmosférica Los modelos de dispersión atmosféricos son usados para estimar concentraciones de gases de acuerdo con la distribución de sus fuentes y sumideros, y con el efecto de transporte por flujos turbulentos en la atmósfera. Este tipo de modelo requiere de una descripción adecuada del transporte atmosférico, que es obtenido de modelos meteorológicos y/o de observaciones de campo (Holmes y Morawska, 2006). Esta manera de modelar la dispersión de gases es adecuada en tanto las especies en cuestión no afecten la dinámica atmosférica, al menos durante las escalas de tiempo consideradas en el modelo. Para aplicar un modelo de transporte y dispersión de contaminantes en la atmósfera se necesita recopilar información específica de la fuente de emisión. Esta información incluye la ubicación del punto de emisión, cantidad y tipos de contaminantes emitidos, condiciones de la corriente gaseosa de la chimenea, altura de la chimenea y factores meteorológicos tales como velocidad y dirección de viento, temperatura y presión atmosférica, así como también la orografía de la zona de estudio. Esta información es usada como entrada por el modelo para predecir cómo los contaminantes se dispersan en la atmósfera. La figura 4.1 muestra a nivel general el tipo de entradas requeridas para un modelo de dispersión. - 10 - METEOROLOGÍA FUENTE Coordenadas (lat, long) Altura fí sica Diá metro interno Velocidad de salida del gas Temperatura del gas Emi sión Direc y veloc viento RECEPTORES Estabilidad atmosfé rica Coordenadas Temperatura Altura Humedad relativa Orografía Altura de capa de mezcla Simulació n qu ímica y física de la atmó sfera Estimació n de concentració n Figura 4.1. Estructura general de un modelo de dispersión. Los modelos de dispersión tienen muchas aplicaciones en el control de las emisiones, pues son herramientas que evalúan la dispersión de los contaminantes (Hao et al., 2006). La exactitud de los modelos está limitada al tratar de simplificar los factores complejos e interrelacionados que afectan el transporte y dispersión de los contaminantes en la atmósfera. Los modelos de dispersión atmosférica pueden tener diferentes propósitos entre los que destacan: 1. desarrollo de estrategias de control 2. evaluación de la calidad del aire y análisis de sus tendencias 3. selección del sitio apropiado para ubicar estaciones de monitoreo y 4. estudios de diseño de chimeneas, etc. Estos modelos pueden variar en complejidad, en la cantidad de datos de alimentación requeridos y en las formas de llegar a los resultados. 4.2 Formulación matemática En la modelación de la dispersión se utiliza la conservación de masa para describir la concentración C(x,y,z,t) de un determinado contaminante en un punto (x,y,z) al tiempo t de una fuente S (Gratt, 1996). El cambio de la concentración con respecto al tiempo es: ∂C (3) = − V . ∇ C + K ∇ 2C + S ∂t donde: ∂ ∂ ∂ (4) ∇= + + ∂x ∂y ∂z - 11 - ∇2 = ∂2 ∂2 ∂2 + + ∂x 2 ∂y 2 ∂z 2 (5) Sustituyendo las ecuaciones 4 y 5 en la ecuación 3, resulta entonces: ⎛ ∂ 2C ⎞ ⎛ ∂ 2C ⎞ ⎛ ∂ 2C ⎞ ∂C ∂C ∂C ∂C = −u − v − w + K xx ⎜⎜ 2 ⎟⎟ + K yy ⎜⎜ 2 ⎟⎟ + K zz ⎜⎜ 2 ⎟⎟ + S ∂t ∂x ∂y ∂z ⎝ ∂z ⎠ ⎝ ∂y ⎠ ⎝ ∂x ⎠ difusión advección (6) fuente donde C es la concentración, t es el tiempo y las magnitudes Kii son los coeficientes de difusión turbulenta en la dirección de los tres ejes de coordenadas. La ecuación 6 se conoce como la ecuación de transporte de contaminantes atmosféricos. No obstante, esta ecuación es difícil de resolver en forma analítica, por lo que usualmente se hacen suposiciones para simplificar este modelo general. Así, para el modelo gaussiano se hacen las siguientes suposiciones (Wark y Warner, 2000): 1. el contaminante emana de una fuente de forma continua 2. el proceso está en estado estacionario, esto es, ∂C/∂t = 0 3. el eje x se alinea con la dirección del viento 4. la velocidad del viento (u) es constante en cualquier punto del sistema de coordenadas x, y, z 5. el transporte de contaminantes debido al viento en la dirección x predomina sobre la difusión descendente, esto es, u(dC/dx) >> Kxx(∂2C/∂x2) 6. no hay reacción química, o equivalentemente, se considera que la especie modelada es inerte Con las suposiciones anteriores, la ecuación de transporte (ecuación 6) se reduce a la siguiente forma: u ⎛ ∂ 2C ⎞ ⎛ ∂ 2C ⎞ ∂C = K yy ⎜⎜ 2 ⎟⎟ + K zz ⎜⎜ 2 ⎟⎟ ∂x ⎝ ∂z ⎠ ⎝ ∂y ⎠ - 12 - (7) donde Kyy ≠ Kzz. La solución de esta ecuación debe cumplir las siguientes condiciones de frontera (Gratt, 1996): 1. C → ∞, cuando x → 0 (una alta concentración en la fuente) 2. C → 0, cuando x, y, z → ∞ (la concentración es cero a una gran distancia) 3. Kzz (∂C/∂z) → 0, cuando z → 0 (no hay difusión en la superficie) 4. ∞ ∞ 0 −∞ ∫ ∫ u C ( x , y , z ) dy dz = Q , x > 0 (la rapidez de transporte del contaminante en la dirección del viento es constante e igual a la tasa de emisión Q del contaminante. 4.2.1 Distribución gaussiana Existen varias formas de resolver la ecuación 7, sin embargo, todas tienden a llegar a la misma función de distribución normal o gaussiana, por lo que se revisaran algunas características generales de esta función (Wark y Warner, 2000). Una variable x está normalmente distribuida si la función de densidad f(x) satisface la relación: ⎡ − (x − µ )2 ⎤ 1 (8) f(x)= exp ⎢ ⎥ 2 σ (2π )1 / 2 ⎣ 2σ ⎦ donde µ es cualquier número real y σ es cualquier número real con un valor mayor a cero. La magnitud σ se conoce como la desviación normal (figura 4.2). El valor de f(x) es la altura vertical sobre el eje horizontal. El valor de µ corresponde a la media de la distribución y establece la ubicación del valor máximo de f(x) sobre el eje x, y la curva es simétrica con respecto a la posición de µ. Así, cuando µ = 0, la curva es simétrica alrededor del eje x = 0 (Wark y Warner, 2000). - 13 - Figura 4.2. Función de distribución gaussiana o normal. En la figura 4.2 se observa que σ indica que tan ancho o angosto es la forma de la curva, pero considerando que se tiene un área unitaria bajo la curva. Por otro lado, cuando σ aumenta, el valor máximo de f(x) disminuye y viceversa. En general, las ecuaciones de dispersión atmosférica toman la forma de una distribución bigaussiana. En este caso, corresponden a la dos variables independientes “y” y “z”, y es sencillamente el producto de cada una de las distribuciones gaussianas (Wark y Warner, 2000). Por lo tanto: ⎡ − (y − µ y ) 2 − (z − µ z ) 2 ⎤ + f ( y, z ) = exp ⎢ ⎥ 2 2 2π σ y σ z 2σ z ⎣⎢ 2 σ y ⎦⎥ 1 (9) donde σy, σz, µy y µz tienen esencialmente la misma interpretación que en el caso de la distribución gaussiana univariada. 4.3 Modelos gaussianos Los modelos gaussianos son modelos de uso común en problemas de dispersión de fuentes puntuales como chimeneas industriales. Básicamente, el modelo supone una distribución de concentración gaussiana en torno a su eje de simetría definido por la dirección del viento. Cabe hacer notar que estos modelos son aptos para estimar efectos locales y que su grado de precisión puede variar cuando se aplican a localidades de relieve complejo (Gallardo, 1997). - 14 - Los modelos gaussianos estacionarios suponen básicamente que la pluma de contaminantes que emana una chimenea presenta una distribución gaussiana de la concentración en torno a su eje de simetría definido por la dirección del viento (Gallardo, 1997). Figura 4.3. A’ Z X A u Z Y H hs σy 0 σz Y Secció Sección A – A’ Figura 4.3. Geometría de un modelo gaussiano. Si “x” es la dirección definida por la dirección principal del viento (eje de simetría), “y” es la dirección horizontal perpendicular a la dirección del viento y “z” es la dirección vertical, entonces en un modelo gaussiano simple la concentración “c” de un compuesto en un punto de coordenadas (x, y, z) queda descrito por: c( x , y , z ) = Q u 2π σ y σ z ⎡ 1 y 2 ( z − H e )2 ⎤ + exp ⎢− ⎥ 2 σ z 2 ⎥⎦ ⎢⎣ 2 σ y (10) donde Q es la cantidad total emitida, u es la velocidad del viento y He es la altura efectiva de la chimenea (hs + ∆h). σy y σz son las desviaciones estándar horizontal y vertical, respectivamente (Bustos, 2004) . Los parámetros que definen la distribución son (Gallardo, 1997): 1. las desviaciones estándar σy y σz, que varían tanto con la distancia desde la fuente como por las condiciones meteorológicas existentes. 2. la altura efectiva de la chimenea He, determinada por la altura física de la misma más la elevación que alcanza la pluma a la salida de la chimenea según el empuje térmico y la velocidad de salida de los gases. - 15 - Cabe mencionar que los modelos gaussianos que se usan actualmente son conocidos como de segunda generación ya que emplean nuevos algoritmos que describen mejor los parámetros físicos de la atmósfera. Así por ejemplo, se encuentra el modelo de dispersión AERMOD que emplea la longitud de MoninObukhov para calcular la estabilidad atmosférica. 4.4 Modelo de dispersión AERMOD De todos los modelos actualmente disponibles son pocos los reconocidos por instituciones de prestigio y relevancia internacional. Por ejemplo, la Agencia de Protección Ambiental de los Estados Unidos de Norteamérica (EPA, por sus siglas en inglés) muestra preferencia y recomienda ampliamente el uso del modelo gaussiano AERMOD para describir la dispersión de fuentes fijas (U.S. EPA, 1998). 4.4.1 Descripción AERMOD (American Meteorology Society – E.P.A. Regulatory Model) es un modelo desarrollado por la Agencia de Protección Ambiental de los Estados Unidos que se encuentra disponible gratuitamente en Internet (http://www.epa.gov/scram001/dispersion_prefrec.htm#aermod). Es un modelo de pluma de estado estacionario que asume que las concentraciones en todas las distancias están gobernadas por la meteorología promedio de una hora (U.S. EPA, 1998). La figura 4.4 muestra el diagrama de flujo para el procesamiento de información en el modelo de dispersión AERMOD. Este consiste de un modulo principal (AERMOD) y dos preprocesadores (AERMET y AERMAP). INPUT INPUT Meteorolog AERMET AERMAP • Genera pará parámetros PBL Genera data del terreno receptores • Perfiles medidos Parámetros PBL Observac INTERFASE • Relaciones de analogí analogía AERMOD u, turb, dz/ dz/dt • Perfiles interpolados X Y Z hc Computació Computación de las concentraciones Figura 4.4. Esquema del sistema de modelación AERMOD. - 16 - y AERMET usa mediciones meteorológicas representativas del dominio de modelación para calcular parámetros de la capa límite (Caputo et al., 2003). La INTERFASE interna de AERMOD usa estos parámetros calculados para generar perfiles de viento, temperatura y turbulencia. (U.S. EPA, 1998) La profundidad de la capa límite y la dispersión de los contaminantes dentro de ésta, están influenciadas a escala local por las características superficiales: rugosidad, albedo y radio de Bowen. Estas variables de superficie, junto con observaciones meteorológicas básicas (velocidad de viento, dirección de viento, temperatura y cobertura de nubes) son datos requeridos por AERMET para calcular los siguientes parámetros de la capa límite planetaria (PBL, por sus siglas en inglés) (U.S. EPA, 2004): 1. velocidad de fricción, u* 2. longitud de Monin-Obukhov, L 3. escala de velocidad convectiva, w* 4. escala de temperatura, θ* 5. altura de la capa de mezcla convectiva (zic) y mecánica (zim) 6. flujo de calor superficial, H La estabilidad de la PBL está dada por el signo de H (convectivo para H > 0 y estable para H < 0). El preprocesador de terreno AERMAP emplea la información topográfica para calcular la influencia del terreno en la dispersión, obteniendo una mejor valoración del escalamiento de altura del terreno en la concentración del material dispersado (Caputo et al., 2003). AERMAP también es usado para crear el mallado y las elevaciones de los receptores. Para cada receptor, el preprocesador AERMAP pasa la siguiente información hacia AERMOD: ubicación del receptor (xr, yr), altura sobre el nivel promedio del mar (zr) y la escala de altura del terreno para un receptor específico (hc). (U.S. EPA, 1998) En la capa límite estable (SBL, por sus siglas en inglés) la distribución de la concentración es gaussiana en la horizontal y vertical, mientras que en la capa límite convectiva (CBL, por sus siglas en inglés) la distribución en la horizontal se supone gaussiana, pero la distribución en la vertical es descrita como una función de dos gaussianas. AERMOD en la CBL considera el efecto flotante de la pluma, - 17 - donde una pluma emitida desde una fuente, puede ascender y permanecer cerca del tope de la capa límite antes de llegar a ser mezclada verticalmente dentro de la CBL. (U.S. EPA, 1998) Para terreno complejo, AERMOD incorpora el concepto de la línea divisora de corriente para condiciones establemente estratificadas. Dependiendo del caso, la pluma es modelada combinando dos posibles casos: pluma de estado horizontal y/o pluma de estado topográfico. En terreno plano los dos estados son equivalentes, pero cuando se incorpora el concepto de la línea divisora de corriente en terreno elevado, la concentración total es calculada como la suma ponderada de las concentraciones asociadas a estos dos estados de la pluma (U.S EPA, 1998). La ponderación de los dos estados depende de: 1. el grado de estabilidad atmosférica 2. la velocidad de viento y 3. la altura de la pluma con respecto al terreno. AERMOD caracteriza la capa límite planetaria (PBL) por medio de un “escalamiento” de la capa de mezcla. Para ello, AERMOD construye perfiles verticales de velocidad de viento, dirección de viento, turbulencia y temperatura, basados en mediciones de campo y extrapolaciones. Sólo se requiere de una medición en superficie de la velocidad de viento (medido entre 7zo y 100 m, donde zo es la rugosidad superficial). AERMOD también requiere de datos de cobertura de nubes, al igual que de un radiosondeo en la mañana para calcular la altura de mezcla convectiva a lo largo del día. Las características de superficie (rugosidad superficial, radio de Bowen y albedo) son también entradas requeridas para construir los perfiles de “analogía” de los parámetros de la PBL (U.S. EPA, 1998). Cabe mencionar también que si no se cuenta con alguno de estos parámetros, el preprocesador AERMET los estima. 4.2 Modelo de mesoescala MM5 El modelo atmosférico de mesoescala de quinta generación MM5 fue desarrollado por la Universidad del Estado Pennsylvania (PSU, por sus siglas en inglés) y el Centro Nacional de Investigaciones Atmosféricas de los Estados Unidos (NCAR, por sus siglas en inglés). El modelo es denominado PSU/NCAR Mesoescale Modeling System Version 3, y es un sistema de diagnóstico y pronóstico a mesoescala de las variables meteorológicas basado en las principales ecuaciones que rigen la circulación atmosférica, de los procesos físicos representados a través de esquemas de parametrizaciones y una serie de preprocesadores de datos que preparan la información que será usada por el modelo. Debido a que el MM5 es un modelo de dominio público (http://www.mmm.ucar.edu/mm5/) para toda la comunidad de las ciencias atmosféricas, sus cambios y adecuaciones son probados por numerosos usuarios (Forkel y García, 2003). - 18 - La versión 3.6 del modelo MM5 presenta ventajas respecto a las anteriores versiones, como la capacidad de multianidamiento, asimilación de datos en cuatro dimensiones, así como más opciones de parametrización físicas (Pérez, 2004). Algunas de las características del MM5 se describen a continuación: 9 Es un modelo de diagnóstico o pronóstico. Puede ser utilizado para realizar simulaciones de fechas anteriores, actuales o a manera de pronóstico. 9 Es un modelo de tipo euleriano. 9 Hace uso de la asimilación de datos en cuatro dimensiones, es decir en los ejes x, y, z, y el tiempo. 9 Tiene la capacidad de efectuar múltiples anidamientos y simulaciones de una forma hidrostática o no hidrostática. 9 Se puede aplicar a cualquier zona del mundo, ya que es posible desarrollar la información de entrada (campos meteorológicos, topografía y uso de suelo) necesaria para su funcionamiento. 9 El código fuente esta escrito en lenguaje de programación Fortran 90/77, y cuenta con una amplia gama de parametrizaciones de capa límite planetaria, convección, física de nubes, etc. El MM5 es un sistema de modelación compuesto por módulos de preprocesamiento y post procesamiento de datos con una estructura como la mostrada en la figura 4.5. El modelo MM5 es descrito en su totalidad en la guía del usuario (Dudhia et al., 2005); sin embargo, a continuación se presenta un resumen de cada uno de sus módulos (Forkel et al., 2003; Vázquez, 2007): TERRAIN: Preprocesamiento que define los dominios madre y anidado, la resolución y el tipo de proyección del mapa. Además asigna los valores de la topografía y las características del terreno. REGRID: Preprocesamiento con el que a partir de los datos de gran escala de viento, humedad, temperatura, etc (campos iniciales) se construyen las mallas de los dominios a trabajar con la resolución deseada, generando así análisis de datos interpolados con alta resolución espacial, listos para ser procesados por los módulos RAWINS o INTERPF. La información utilizada puede ser histórica, para estudios de diagnósticos o simulación, o en tiempo real para pronóstico operativo del tiempo. - 19 - Figura 4.5. Diagrama de flujo del sistema de modelación MM5-V3. FUENTE: http://www.mmm.ucar.edu/mm5/overviewGIF.html LITTLE_R: Preprocesamiento donde se realiza un análisis objetivo de la información utilizando datos observados en superficie de estaciones meteorológicas y de altura, como radio sondeo, globo piloto, etc. La asimilación de datos tiene la finalidad de mejorar los campos de las variables utilizadas como condición inicial. INTERPF: Preprocesamiento donde se interpola los datos iniciales de coordenadas de presión a coordenadas sigma. Este tipo de conversión de coordenadas permite una mejor representación de la orografía (Young-Fu y Zhong, 1987). MM5: Este módulo resuelve numéricamente un sistema de ecuaciones primitivas en términos de flujos en coordenadas sigma por medio de diferencias finitas, usando el método semi-implícito (Haltiner y Williams, 1979) sobre una malla numérica Arakawa tipo B. - 20 - Finalmente los campos de salida del modelo son visualizados por los posprocesadores gráficos GRADS o NCARG GRAPHICS. (Forkel et al., 2003). El modelo trabaja con coordenadas verticales sigma que siguen el terreno y están definidas como (García, 2002): σ= ( p − pt ) ( ps − pt ) (11) donde p es la presión pt es una constante que especifica el límite vertical de la presión y ps es la presión de superficie. La figura 4.6 muestra un perfil donde se aprecian los distintos niveles sigma. La coordenada sigma 0 se sitúa en el límite superior, mientras que la sigma 1 se sitúa en la superficie. La resolución vertical del modelo se define a partir de las coordenadas sigmas con una lista de valores de 0 a 1, que necesariamente no tienen que estar equiespaciadas Figura 4.6. Coordenadas verticales sigma en el MM5. FUENTE: http://www.meted.ucar.edu - 21 - 5. Caso de estudio Complejo industrial de Tula 5.1. Descripción del sitio Como caso de estudio para evaluar el desempeño del modelo de dispersión de contaminantes AERMOD con travesías de DOAS-pasivo, se seleccionó el parque industrial de Tula (N 20o03’ y O 99º21’, 2030 msnm) ubicado a 70 km al nornoroeste de la Ciudad de México, en la parte suroeste del Estado de Hidalgo sobre el Valle de Mezquital. La figura 5.1 muestra la ubicación del complejo industrial de Tula. La orografía de la zona de estudio es principalmente “semiplana” con algunos llanos y colinas al sur y suroestre de la región, como se muestra en la figura 5.2. La ubicación del complejo industrial se indica por la estrella roja. Complejo industrial de Tula, Hidalgo Figura 5.1. Ubicación geográfica del complejo industrial de Tula. - 22 - Complejo industrial de Tula, Hidalgo Figura 5.2. Orografía de la zona de estudio. En el complejo industrial, que está a 5-9 km al este de la ciudad de Tula y sobre la carretera federal Jorobas-Tula, se localizan industrias importantes como las centrales de generación eléctrica “Francisco Pérez Ríos” y “Ciclo Combinado” de la CFE (Comisión Federal de Electricidad), y la refinería y petroquímica de PEMEX (Petróleos Mexicanos), entre otras. En la figura 5.3 se aprecian las unidades 1 y 2 de la central termoeléctrica de la CFE, vistas desde una torre de telecomunicaciones de 65 m (foto de la izquierda) y las cinco unidades vistas desde la carretera hacia Tula (foto de la derecha). En la figura 5.4 se observa la central termoeléctrica de ciclo combinado vista desde la misma torre. Figura 5.3. Fotografías de la Central Termoeléctrica “Francisco Pérez Ríos de Tula”. - 23 - Figura 5.4. Fotografía de la Central Termoeléctrica de Ciclo Combinado de Tula. 5.2. Climatología La región de Tula en el Valle del Mezquital tiene un clima entre templado y cálido, y se puede considerar como semidesértico. La tabla 5.1 y la figura 5.5 reflejan la climatología de la región. Tabla 5.1. Datos climatológicos de Tula, Hidalgo. Parámetro Valor Temperatura máxima anual 35.0 C Temperatura media anual 17.2 C Temperatura mínima anual 0.0 C o o o Humedad relativa media anual 65.6 % Precipitación pluvial anual 394.35 mm Presión atmosférica media anual 595.6 mm Hg Velocidad del viento media anual 2.1 m/s Radiación solar media anual 217.1 W/m 2 100 20 16 80 70 12 2000 - 2006 Humedad Relativa, % Temperatura, ºC Humedad relativa, % Temperatura, º C 90 60 8 50 Jan Mar May Jul Sep Nov Jan Figura 5.5. Promedio de temperatura y humedad relativa en Tula, 2000 – 2004. - 24 - A nivel general, en la tabla 5.1 y figura 5.5 se observa que la temperatura media anual en la región de Tula es de 17 ºC, con los meses más calurosos a mitad de año. De igual manera se aprecia que la humedad relativa promedio es de 65 %, aunque con meses como febrero, marzo y abril con valores por debajo de 55 %. Por otro lado, en la figura 5.6 se observa que los vientos predominantes para los años 2000, 2001, 2002, 2003 y 2004 provienen del nor-noreste a lo largo de la mayoría de los meses del año. Estas gráficas son promedios mensuales de cinco años de datos consecutivos en función de la dirección de viento. ENERO FEBRERO MARZO ABRIL 0 0 0 0 315 315 45 270 90 225 45 270 90 225 135 225 270 135 90 225 135 180 180 JULIO AGOSTO 0 0 45 270 315 90 225 135 45 180 315 90 225 90 0 270 315 JUNIO 0 45 45 270 135 180 MAYO 315 315 45 270 135 315 90 225 45 270 90 225 135 135 180 180 180 SEPTIEMBRE OCTUBRE NOVIEMBRE DICIEMBRE 0 0 0 0 180 315 45 270 315 90 270 225 135 315 45 90 225 180 45 270 135 180 315 90 225 135 45 270 90 225 180 135 180 Figura 5.6. Rosas de viento en la región de Tula, 2000 – 2004. 5.3 Desarrollo experimental La estrategia de medición llevada a cabo durante las dos campañas realizadas en los meses de octubre de 2005 y junio de 2006, comprendió de los siguientes aspectos: - 25 - 5.3.1. Meteorología Se midieron en dos puntos dentro del complejo industrial parámetros meteorológicos tales como velocidad y dirección de viento, temperatura ambiente, presión barométrica, entre otros. Para esto se empleó la información de una estación meteorológica operada por la CFE a 10 metros de altura y de una estación de la UNAM colocada temporalmente sobre una torre de telecomunicaciones de 65 metros de altura. Las ubicaciones de estas dos estaciones se muestran en la figura 5.7. Figura 5.7. Ubicación del complejo industrial de Tula y de la unidad móvil. La Torre de 65 metros de altura sobre el nivel del suelo permitió registrar la meteorología a una altura “equivalente” a las emisiones de las chimeneas (figura 5.9). Esta medición resultó muy favorable para caracterizar adecuadamente la dirección y velocidad del viento de propagación de la pluma y por lo tanto la dispersión de la contaminación. - 26 - 10 m Figura 5.8. Estación de la CFE a 10 metros de altura. 65 m Figura 5.9. Estación de la Torre a 65 metros de altura. 5.3.2. Calidad del aire Para la evaluación del modelo, se instaló una unidad móvil como punto receptor para monitorear algunos gases de interés en un sitio que fuera afectado frecuentemente por las emisiones industriales. De acuerdo a los patrones de vientos de años anteriores (figura 5.6), se encontró un sitio muy favorable y seguro para realizar dichas mediciones, ubicado aproximadamente a 5.9 km al suroeste del complejo industrial, instalando el laboratorio móvil de la UNAM dentro de la subestación eléctrica “Jasso” de la Compañía Luz y Fuerza del Centro. La ubicación de la unidad móvil de la UNAM se aprecia en la figura 5.7. - 27 - La unidad móvil del grupo de fisicoquímica atmosférica del Centro de Ciencias de la Atmósfera de la UNAM está equipada con una serie de instrumentos que permiten la medición continua de diversos contaminantes del aire (figura 5.10). La siguiente tabla muestra las características de los instrumentos empleados en este trabajo. Tabla 5.2. Sistemas de medición de contaminantes gaseosos y partículas. Parámetro / Sistema Marca y Modelo Técnica NO / NO2 / NOx TEI. Modelo 42C Quimioluminiscencia O3 API. Modelo 400 Absorción en ultravioleta CO TEI. Modelo 48C Infrarrojo SO2 TEI. Modelo 43C Fluorescencia SO2 y NO2 en columna Ocean Optics, S2000 DOAS pasivo Distribución vertical de partículas * VAISALA, LD40 LIDAR, Light Detection and Randing TEI = Termo Environmental Instruments; API = Advanced Pollution Instrumentation. * Este equipo estuvo en calidad de préstamo únicamente durante la segunda campaña . Figura 5.10. Unidad móvil de la UNAM ubicada en la subestación eléctrica “Jasso”. La toma de muestra de aire ambiente consiste en un tubo de vidrio Pirex que alcanza una altura aproximada de 1.7 m sobre el techo de la unidad móvil, que sumados a la altura de este remolque de 2.5 m resulta en una altura de aproximadamente 3.7 m sobre el suelo. La toma de muestra exterior se conectó con un tubo de Pirex en el interior de la unidad a su vez conectado a un ventilador de succión de muestra de aire. De este tubo fue tomada la muestra a los distintos analizadores mediante tubería de teflón. El tiempo de residencia del aire en las líneas no fue mayor a los 2 segundos. - 28 - Los analizadores fueron calibrados en el sitio al inicio de los trabajos de campo y verificados al final de la misma siguiendo los métodos recomendados por la U.S. EPA. El aire cero fue generado in situ y las concentraciones de los diversos analizadores fueron generadas mediante la dilución de una mezcla certificada de NO, SO2 y CO en N2 como gas de balance para los respectivos instrumentos, y mediante la generación de O3 en el mismo sistema de calibración. Los flujos de dilución fueron a su vez calibrados utilizando un calibrador digital también en el mismo sitio. Las concentraciones de los analizadores (promedio de 5 minutos para el O3 y cada minuto para el CO, SO2 y NOx) fueron captados por una computadora AXIOM TEX y un sistema de adquisición de datos Campbell Scientific. 5.3.3. LIDAR En la segunda campaña se empleó un sistema LIDAR (Light Detection and Ranging) que mide la columna de aerosoles e identifica la presencia de la pluma por encima del sitio de mediciones (unidad móvil), registrando continuamente la altura de la capa de mezcla. Este instrumento prestado por el Instituto de Meteorología y Clima de Alemania (IMK-IFU, por sus siglas en alemán) fue instalado encima de la unidad móvil como se observa en la figura 5.11. Este envía pulsos de láser a la atmósfera en dirección del cenit y captura mediante un telescopio receptor la señal de retorno. Este esquema permite registrar el perfil vertical de la densidad de partículas suspendidas responsables de dispersar la luz enviada por el instrumento a partir del cual se determina la altura de la capa de mezcla. Figura 5.11. Unidad móvil de la UNAM con sistemas ópticos de percepción remota. - 29 - 5.3.4 Travesías con DOAS-pasivo Para estimar las emisiones totales de SO2 y determinar la distribución espacial de la pluma, se realizaron varias travesías con el sistema óptico DOAS-pasivo alrededor del complejo industrial. Así, las emisiones de SO2 calculadas para cada campaña fueron usadas como datos de entrada para el modelo de dispersión. Las concentraciones de SO2 en columna son desplegadas en un mapa como se puede observar en las secciones 6.1 y 6.2, los cuales se emplearon para comparar cualitativamente los resultados del modelo para las horas en las que se realizaron estas travesías. 5.4 Modelación 5.4.1. Implementación del modelo AERMOD Para emplear el modelo de dispersión AERMOD se efectuaron los siguientes pasos: 1. Se montó la topografía de la zona de estudio con el preprocesador de terreno AERMAP. 2. Se adecuó la información meteorológico AERMET. meteorológica con el preprocesador 3. Se especificaron las coordenadas, características físicas y emisiones de las chimeneas. Para montar la topografía se generaron 4 archivos DEM (Digital Elevation Model, por sus siglas en ingles) de la zona de estudio. Estos archivos fueron convertidos al formato requerido por AERMAP y posteriormente montados en el proyecto de modelación (Anexos A). El modelo se ejecutó con la información meteorológica obtenida de las estaciones CFE y Torre de 65 metros para las campañas 2005 y 2006, respectivamente. Los parámetros meteorológicos medidos en ambas estaciones se convirtieron a un archivo de texto (Anexo B-1) con la siguiente información: 1. 2. 3. 4. Identificación de la estación Año Día juliano Hora - 30 - 5. Temperatura 6. Velocidad de viento 7. Dirección de viento 8. Precipitación 9. Nubosidad 10. Humedad relativa. Este archivo fue posteriormente convertido por el preprocesador meteorológico AERMET a un formato conocido como SAMSON (Anexo B-2), de donde se extrajeron los archivos de superficie (.sfc) y altura (.pfl) necesarios para correr AERMOD (Anexos C-1 y C-2). Cabe mencionar que ni la precipitación, ni la nubosidad se miden regularmente en las estaciones meteorológicas, por lo que fueron considerados como cero para los períodos de modelación. Para generar los archivos meteorológicos de superficie y altura, se emplearon valores de albedo, radio de Bowen y rugosidad de superficie, típicos de una región semiurbana, ya que alrededor del complejo industrial hay áreas urbanas y agrícolas. Así, se emplearon los siguientes valores: 0.25 para el albedo; 1.25 para el radio de Bowen y 0.5 para la rugosidad, de acuerdo a la clasificación de uso de suelo ya incorporada en el preprocesador meteorológico AERMET. Como se mencionó anteriormente, los valores de emisión empleados como entradas para todas las simulaciones del modelo fueron calculados a partir de las travesías del DOAS. Asimismo, sólo se asumieron las ubicaciones y características físicas de las chimeneas de la CFE y no las de PEMEX, por la disponibilidad de información (Figura 5.12). Cabe mencionar que este error es poco significativo, ya que ambas industrias (PEMEX y CFE) están muy cerca uno del otro. Figura 5.12. Puntos de emisión de la C.T. Francisco Pérez Ríos. - 31 - Los resultados del modelo que se generaron a partir de estos valores de emisión y con los parámetros meteorológicos medidos por las estaciones CFE y Torre 65m, fueron comparados con los valores de concentración de SO2 medidos por la unidad móvil en el punto receptor. 5.4.2. Uso de las salidas del modelo de mesoescala MM5 El modelo de dispersión gaussiano AERMOD además de requerir mediciones meteorológicas de superficie (archivo .sfc), también requiere de mediciones de temperatura, velocidad y dirección de viento en la vertical (archivo .pfl). Sin embargo, debido a que ambas campañas fueron llevadas a cabo sin realizar mediciones de radiosondeo ó emplear alguna otra técnica para obtener estas variables en la vertical, se empleo alternativamente el modelo de pronóstico de quinta generación MM5 para generar dichos valores y compararlos con los obtenidos por el preprocesador meteorológico del AERMOD (AERMET). De tal manera, el modelo MM5 se convierte en una opción para generar este tipo de entradas en modelos de dispersión como el AERMOD (Isakov et al., 2006). Así, con el modelo MM5 se generó un archivo meteorológico por cada nivel de altura sigma, que posteriormente se convirtió a un archivo con la extensión .pfl. Los resultados del MM5 fueron comparados con los obtenidos por el preprocesador meteorológico AERMET (Isakov et al., 2006). En el Anexo D se muestran los archivos de altura (.pfl) generados tanto por AERMET y MM5 para la campaña del 2005. - 32 - 6. Resultados experimentales 6.1 Campaña octubre 2005 La primera campaña de mediciones se llevó a cabo entre el 20 y 28 de octubre de 2005. La figura 6.1 muestra las rosas de vientos de esta campaña para las mediciones de la estación CFE (10 metros) y la estación de la UNAM montada temporalmente sobre una torre de telecomunicaciones (65 metros). Sus ubicaciones están marcadas en el mapa de la figura 5.7. CFE - 10m TORRE - 65 m 0 315 45 270 WSP (m/s) <=2.5 >2.5 - 5 >5 - 7.5 >7.5 0 315 90 225 45 270 135 WSP (m/s) <=2.5 >2.5 - 5 >5 - 7.5 >7.5 90 225 135 180 180 Figura 6.1. Rosas de viento de las estaciones CFE 10m y Torre 65m, campaña 2005. En la figura 6.1 se observa que la dirección predominante del viento fue noreste para el caso de la estación CFE 10m y nor-noreste para el caso de la estación Torre 65m, con mayores intensidades de viento para esta última debido a la menor fricción que hay a mayor altura. A continuación se presentan las concentraciones de O3, NOx, CO y SO2 obtenidas por la unidad móvil en el punto receptor durante este periodo. Las especificaciones técnicas de los equipos, cuyas calibraciones siguieron la normativa recomendada por la U.S. EPA, están descritas en la tabla 5.2. En algunos casos los resultados no fueron continuos debido a fallas en el sistema de adquisición de datos. - 33 - O3 (ppb) 120 80 32.4 ppb 40 0 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 NOx (ppb) 450 300 150 50.2 ppb 0 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 CO (ppb) 1500 1000 600.9 ppb 500 0 SO2 (ppb) 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 400 promedio 300 200 100 28.0 ppb 8-Nov-05 7-Nov-05 6-Nov-05 5-Nov-05 4-Nov-05 3-Nov-05 2-Nov-05 1-Nov-05 31-Oct-05 30-Oct-05 29-Oct-05 28-Oct-05 27-Oct-05 26-Oct-05 25-Oct-05 24-Oct-05 23-Oct-05 22-Oct-05 21-Oct-05 0 Figura 6.2. Calidad del aire en Tula, campaña 2005. En la figura 6.2 se observa que el ozono presentó su pico máximo en horas del medio día, ya que la radiación solar es mas intensa durantes esas horas y por lo tanto se promueven las reacciones fotoquímicas formadoras de ozono. La concentración promedio registrada para el O3 y CO fue de 32 y 601 ppb, respectivamente. Tanto el monóxido de carbono como los óxidos de nitrógeno registraron igualmente sus mayores concentraciones en horas de la tarde, con algunos eventos puntuales como el de los días 21 y 22 de octubre, donde la concentración de NOx alcanzó hasta los 450 ppb durante la noche. Con respecto al SO2, que es el gas de interés en este trabajo, la unidad móvil registró una serie de eventos con picos muy bien definidos principalmente durante las horas del medio día y tarde. En algunas horas se registraron eventos aislados con concentraciones superiores a 300 ppb de SO2, sin embargo, el promedio de concentración para esta campaña fue de 28 ppb. Por otra parte, a partir de las mediciones con la técnica DOAS-pasivo, se calcularon los flujos de SO2 para esta campaña (tabla 6.1). Cabe mencionar que los resultados reportados abajo representan las emisiones de todo el complejo industrial como conjunto, ya que normalmente los gases de los diferentes puntos de emisión se mezclan vientos abajo. En algunas ocasiones, como se observa - 34 - más adelante en las gráficas comparativas, se puede “distinguir” la procedencia de las diferentes plumas, sin embargo, los resultados presentados en la tabla de abajo representan la emisión total a partir de la integración de las curvas medidas a lo largo de todas las travesías. Tabla 6.1. Calculo del flujo de SO2 (kg/s), campaña 2005. 201005_1600 Área SO2 (kg/m) 0.754 Campaña 2005 Veloc. Viento (m/s) 5.29 Flujo SO2 (kg/s) 3.99 * 231005_1000 0.976 1.58 1.54 231005_1100 1.027 2.46 2.53 231005_1200 1.102 3.65 4.02 * 241005_1000 4.184 2.55 10.67 241005_1200 1.198 4.47 5.36 * 241005_1600 1.126 8.04 9.05 * 241005_1700 0.775 7.20 5.58 * 281005_0900 0.987 1.57 1.55 * 281005_1200 1.821 1.87 3.40 281005_1600 1.121 5.18 5.81 * 8.63 * Travesía fecha_hora 291005_1600 1.514 5.70 291005_1700 1.855 5.68 10.53 5 .5 0 ± 0 .9 3 PROMEDIO * NOTA: Valores calculados por Basaldud, Roberto. Los 5.50 kg/s calculados para el SO2 durante esta campaña son un promedio de las mediciones que se realizaron esporádicamente y únicamente de día, entre las 11:00 y las 19:00 horas. Los valores reportados en la tabla 6.1 pueden ser una muestra representativa para el complejo en su conjunto durante este horario, aunque no necesariamente puede representar las emisiones reales durante todo el período de estudio. A continuación, se comparan los resultados del modelo gaussiano AERMOD y las mediciones del DOAS para el 2005. Para el caso del DOAS, la concentración de SO2 está reportada como ppm*m, es decir, como concentración integrada de una columna indefinida; mientras que para el caso del AERMOD, este está representado como concentración de SO2 en superficie, expresados en términos de µg/m3. En las siguientes figuras comparativas, los resultados del DOAS están representados por colores falsos e indican la concentración de SO2 en columna durante la trayectoria realizada con un vehículo alrededor del complejo industrial. El color amarillo indica la mayor concentración de SO2 (250 ppm*m), mientras que el color negro indica lo contrario (0 ppm*m). Cabe resaltar que en dichas figuras, - 35 - las travesías del DOAS están superpuestas a los resultados del AERMOD, tanto para la estación CFE, como para la estación Torre 65m, respectivamente. El rango de concentración de SO2 del por AERMOD va desde 100 µg/m3 indicado por el color violeta, hasta 600 µg/m3 para el rojo (escala de colores ubicada en el lado izquierdo de las figuras). La gráfica inferior que se encuentra en cada una de las figuras comparativas, indica la variación de concentración de SO2 obtenida en columna con respecto a la distancia recorrida con el vehículo, es decir, esta corresponde a la concentración de SO2 medido con el DOAS vs la distancia recorrida. D A A B C MODELACIÓN: 23 Oct 05 - 12:00. Torre 65 m A B A C D Figura 6.3. Comparación entre el DOAS (23/10/05, 12:13 - 13:22) y AERMOD (Torre 65m, 23/10/05, 12:00 - 13:00). De acuerdo con la figura 6.3, el recorrido con el DOAS fue desde el punto A hasta el punto D. La concentración máxima de SO2 alcanzada con el DOAS se registró en el punto B, con casi 1000 ppm*m. En el punto C se observó igualmente un incremento en la concentración de SO2 como se aprecia en la gráfica de concentración vs distancia. El trazo amarillo corresponde a la zona de mayor - 36 - concentración de SO2 (punto B) e indica que la dirección de propagación de la pluma es hacia el suroeste; mismo resultado fue obtenido por el modelo gaussiano AERMOD y por lo tanto para este caso, hubo una buena concordancia entre ambos resultados. En la gráfica del DOAS se ve que el comportamiento es aproximadamente gaussiano. Cabe señalar que las simulaciones con el modelo sólo pueden ser hechas para período de horas completas, mientras que las travesías del DOAS no necesariamente corresponden a una hora completa en particular. D A A B C A B A C D Figura 6.4. Comparación entre el DOAS (23/10/05 12:13 – 13:22) y AERMOD (CFE, 23/10/05 13:00 – 14:00). La figura 6.4 muestra el resultado de la simulación del AERMOD con los datos meteorológicos de la estación CFE. A diferencia de la figura 6.3, en este ejemplo se observa que la coincidencia del modelo con respecto al DOAS no es tan buena como en el primer caso, pues hay un ligero desfase en sentido antihorario para la simulación. Tal comportamiento probablemente es causado por una colina de 200 - 37 - metros de altura ubicada aproximadamente a 5 km al sur del complejo industrial (Ver figura 5.2) que no permite que el modelo con esta meteorología reproduzca dicho efecto topográfico. C A A B A B A C Figura 6.5. Comparación entre el DOAS (24/10/05 16:03 – 16:53) y AERMOD (Torre 65m, 24/10/05 16:00 – 17:00). En la figura 6.5 se observa que la pluma modelada por AERMOD se propaga en sentido sur-suroeste, mientras que la dirección de la pluma que se infiere de las mediciones del DOAS se dirige hacia el suroeste. Como se explicó anteriormente, este ligero desfase puede corresponder al efecto causado por una colina ubicada al sur del complejo industrial, principalmente cuando la dirección del viento se dirige con alguna componente sur. En la gráfica de concentración vs distancia de la figura 6.5 se observó que a unos 3 km de distancia recorrida con el vehículo (punto B) hubo un incremento abrupto en la concentración de SO2, causando que la pendiente del lado izquierdo de la curva gaussiana sea elevada; no siendo el mismo caso para el lado contrario de la - 38 - gaussiana, donde la disminución en la concentración de SO2 fue más lenta. Por consiguiente, esta forma de la cola en el lado derecho de la curva gaussiana explica el efecto topográfico de dicha montaña para desviar parcialmente la pluma contaminante hacia el oeste. C A A B A B A C Figura 6.6. Comparación entre el DOAS (24/10/05 16:03 – 16:53) y AERMOD (CFE, 24/10/05 16:00 – 17:00). En la figura 6.6 se observa igualmente que el modelo gaussiano AERMOD no consideró correctamente el efecto topográfico al sur de la zona de estudio usando la información meteorológica de CFE, ya que el desfase con las mediciones de las travesías del DOAS es aparente. 6.2 Campaña junio 2006 Para la segunda campaña realizada entre el 01 y 06 de junio de 2006 se siguió una estrategia similar a la campaña anterior. Las rosas de viento de las estaciones CFE y Torre 65m se muestran a continuación: - 39 - CFE - 10m TORRE - 65 m 0 315 45 270 WSP (m/s) <=2.5 >2.5 - 5 >5 - 7.5 >7.5 0 315 90 225 45 270 135 WSP (m/s) <=2.5 >2.5 - 5 >5 - 7.5 >7.5 90 225 135 180 180 Figura 6.7. Rosas de viento de las estaciones CFE 10m y Torre 65m, campaña 2006. Al igual que en la campaña anterior, la dirección predominante del viento proviene del noreste en ambas estaciones, con mayores intensidades de viento en la torre de 65 metros debido a la mayor altura en la estación. A continuación se muestran las concentraciones de O3, NOx, CO y SO2 obtenidas por la unidad móvil para dicha campaña. O3 (ppb) 120 80 34.6 ppb 40 0 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 NOx (ppb) 100 75 50 11.3 ppb 25 0 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 CO (ppb) 1000 750 535.0 ppb 500 250 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 promedio 300 200 100 15.8 ppb Figura 6.8. Calidad del aire en Tula, campaña 2006. - 40 - 11-Jun-06 10-Jun-06 9-Jun-06 8-Jun-06 7-Jun-06 6-Jun-06 5-Jun-06 4-Jun-06 3-Jun-06 2-Jun-06 1-Jun-06 31-May-06 0 30-May-06 SO2 (ppb) 0 400 En la figura 6.8, el ozono presentó un comportamiento similar al de la campaña anterior, alcanzando su concentración máxima en horas del medio día. Las concentraciones promedios registradas para el O3 y CO fueron de 35 y 535 ppb, respectivamente. El SO2 registró una serie de eventos con picos bien definidos debido a la influencia directa de las emisiones industriales sobre el punto de medición (unidad móvil). El promedio de concentración de SO2 para todo el período fue de apenas 16 ppb, en comparación a los 28 ppb registrados en la anterior campaña, es decir casi un 50 % menos para esta ocasión. Por otra parte, el sistema LIDAR empleado sólo para esta segunda campaña, sirvió para identificar la presencia de la pluma por encima del sitio de monitoreo y con ello estimar la atura de la capa de mezcla. En la figura 6.9 se aprecia en colores falsos que de los 3 días monitoreados, la capa de mezcla empezó a ascender entre las 8:00 y 9:00 de la mañana, descendiendo nuevamente entre las 19:00 y 21:00 horas. La altura promedio máxima fue de aproximadamente 2000 metros y se alcanzó entre las 16:00 y 17:00 horas, por lo que es de esperarse que la contaminación durante las horas de la tarde disminuya por el mezclado vertical que permite el ascenso de la capa de mezcla. 4000 - LEYENDA 05 de Junio de 2006 3000 - Simulación con Torre 65m 2000 - Simulación con CFE 10m 1000 0- 4000 - 06 de Junio de 2006 3000 2000 1000 010:30 4000 - 14:00 16:30 21:00 23:30 07 de Junio de 2006 3000 2000 1000 0- Figura 6.9. Evolución de la capa de mezcla, campaña 2006. Conjuntamente, en la figura 6.9 se muestran las alturas de la capa límite estimadas por el preprocesador meteorológico del AERMOD (AERMET), tanto con los datos meteorológicos de la estación CFE (gráfica rosa), como con los datos de la Torre de 65m (grafica verde). Se observa que AERMET subestima la altura de - 41 - la capa de mezcla cuando ésta se compara con las mediciones del LIDAR. La altura máxima estimada de las simulaciones con los datos de la Torre de 65m fue de 1000 metros, mientras que con los datos de la estación CFE fue de aproximadamente 500 metros. Por consiguiente, AERMOD no será capaz de simular correctamente los procesos físicos de la atmósfera, ya que las alturas máximas obtenidas con las simulaciones de la Torre 65 m y CFE, fueron respectivamente 50 y 75 % menores a los obtenidos con el LIDAR (2000 metros). Con respecto a los resultados del DOAS-pasivo para la campaña del 2006 (tabla 6.2), estos muestran que la emisión total a partir de la integración de las curvas medidas a lo largo de todas las travesías fue de 4,38 kg/s, valor que es comparable al obtenido en el 2005 (5,50 kg/s). Es importante destacar que los promedios de las emisiones calculadas en ambas campañas consideran sólo las travesías que tuvieron menores incertidumbres. Las emisiones medidas con esta técnica pueden resultar mayores a las reales cuando la pluma no se cruza de forma perpendicular a la dirección de su propagación. Tabla 6.2. Calculo de flujo de SO2 (kg/s), campaña 2006. 310506_1800 Área SO2 (kg/m) 0.581 Campaña 2006 Veloc. Viento (m/s) 6.24 Flujo SO2 (kg/s) 3.62 310506_1900 0.851 7.30 4.92 * 010606_1200 1.955 2.83 5.53 * 010606_1400 1.509 3.56 5.37 * 010606_1600 1.410 5.02 2.27 * 010606_1800 0.865 7.88 6.82 020606_1600 0.707 5.75 4.07 * Travesía Fecha_hora 050606_1800 1.450 5.36 7.77 * 060606_1100 3.900 2.16 8.42 060606_1300 0.609 3.04 1.85 060606_1400 1.026 3.64 3.73 060606_1500 1.124 4.23 4.75 * 070606_1300 1.054 4.32 4.55 * 070606_1600 0.506 6.50 3.29 * 070606_1800 0.408 7.90 3.22 * 070606_1900 0.396 7.94 3.14 * 4 .3 8 ± 0 .2 7 PROMEDIO * NOTA: Valores calculados por Basaldud, Roberto. A continuación se presentan algunas comparaciones entre los resultados del AERMOD y las mediciones realizadas con las travesías del DOAS durante la campaña de junio de 2006. En este caso no se pudieron hacer comparaciones a iguales hora entre ambas estaciones meteorológicas por falta de datos para el caso de la estación CFE. - 42 - A C A B A B A C Figura 6.10. Comparación entre el DOAS (31/05/06 17:36 – 18:10) y AERMOD (Torre 65m, 31/05/06 17:00 – 18:00). Figura 6.11. Comparación entre el DOAS (01/06/06 15:10 – 16:31) y AERMOD (Torre 65m, 01/06/06 15:00 – 17:00). - 43 - Figura 6.12. Comparación entre el DOAS (02/06/06 15:08 – 16:16) y AERMOD (Torre 65m, 02/06/06 15:00 – 16:00). Figura 6.13. Comparación entre el DOAS (07/06/06 18:11 – 19:07) y AERMOD (CFE, 07/06/06 19:00 – 20:00). - 44 - Al igual que en la campaña 2005, los resultados comparativos mostrados en las figuras anteriores indican que el AERMOD no reproduce de manera correcta el efecto que causa una colina de 200 metros al sur de la zona de estudio para desviar parcialmente la dirección de la pluma hacia el oeste. 6.3 Evaluación del modelo AERMOD De acuerdo con las comparaciones gráficas presentadas anteriormente para cada una de las campañas, se observó a nivel general un desfase entre la dirección de propagación simulada por el modelo gaussiano AERMOD y la dirección de propagación inferida por la técnica espectroscópica DOAS-pasivo, cuando el viento sopla en dirección S y SSO. Estos resultados indican que el AERMOD no considera de forma correcta el efecto de la topografía al sur de la zona de estudio, donde se encuentra una colina de aproximadamente 200 metros de altitud que desvía parcialmente la trayectoria de la pluma en sentido horario. Aunque esta colina pareciera no ser de gran importancia por su altura, ésta es mucho más alta a las alturas de las chimeneas (65 metros) y por ende, juega un papel fundamental en la dispersión de la contaminación en esa zona. Cuando el viento sopla en otras direcciones, se ha observado una buena concordancia entre los datos obtenidos con el DOAS y la simulación con AERMOD. Sin embargo, como los vientos dominantes soplan hacia el S y SSO, no se puede llegar a una conclusión final con este respecto. Otro aspecto fundamental en la evaluación de este modelo, fue comparar la concentración de SO2 medida por un analizador de superficie (unidad móvil) y la concentración de SO2 generada por el modelo en el mismo punto receptor (figura 6.14). Como se explicó anteriormente, las simulaciones del modelo fueron hechas para ambas campañas y empleando los parámetros meteorológicos medidos por las estaciones CFE y Torre 65m, respectivamente. De igual manera, también se emplearon los valores de emisión calculados por el DOAS-pasivo para alimentar el modelo de dispersión (tablas 6.1 y 6.2). En las figuras 6.14-A y 6.14-B se muestran las concentraciones de SO2 medidas por la unidad móvil para cada hora (curva roja) y las concentraciones de SO2 estimadas por el modelo igualmente en el punto de la unidad móvil. El modelo fue alimentado con la emisión calculada a partir de las travesías del DOAS en el 2005 (5,50 kg SO2/s), así como también con las variables meteorológicas medidas por las estaciones CFE (figura 6.14-A) y Torre de 65 m (figura 6.14-B), respectivamente (curva azul). - 45 - 500 TULA 2005 - ESTACIÓN CFE A AERMOD-DOAS UMOVIL 400 SO2 (ppm) DOMINGO 300 DOMINGO 200 100 18:00 31-Oct-05 6:00 12:00 18:00 30-Oct-05 12:00 6:00 29-Oct-05 18:00 26-Oct-05 12:00 6:00 18:00 25-Oct-05 6:00 12:00 18:00 24-Oct-05 6:00 12:00 23-Oct-05 18:00 6:00 12:00 22-Oct-05 0 500 TULA 2005 - TORRE 65 metros SO2 (ppm) B AERMOD-DOAS UMOVIL 400 300 200 DOMINGO 100 26-Oct-05 18:00 12:00 6:00 25-Oct-05 18:00 12:00 6:00 24-Oct-05 18:00 12:00 6:00 23-Oct-05 18:00 12:00 6:00 22-Oct-05 0 Figura 6.14. Concentración de SO2 medida por la unidad móvil y simulada por AERMOD, campaña 2005. En la figura 6.14-A se observa una buena concordancia entre ambas curvas, principalmente durante los días 24 y 25 de octubre (área amarilla). Ciertas discrepancias del modelo con respecto a los resultados experimentales son de esperarse en un modelo tipo gaussiano en el que cada punto receptor refleja la emisión directa de la fuente y no toma en consideración la contaminación remanente de horas anteriores. Estas concentraciones de fondo son consecuencia de la mezcla favorecida del aire por un régimen turbulento presente principalmente durante las tardes, dejando residuos de contaminantes en el ambiente. Tales discrepancias en el modelo pueden estar también asociadas a la no consideración correcta del efecto de desviación en la dirección de propagación de la pluma que es causada por la colina al sur del complejo industrial. - 46 - Los resultados del modelo alimentados con la meteorología de la Torre de 65m (figura 6.14-B) presentaron igualmente una buena concordancia con los registrados por la unidad móvil. Prácticamente los tres eventos ocurridos los días 22, 24 y 25 de octubre (área amarilla) fueron muy bien reproducidos por el modelo. Cabe resaltar que las emisiones de SO2 disminuyeron el domingo 23 de octubre probablemente debido a la actividad industrial disminuida de ese día. De igual manera, para la campaña del 2006 se hizo el mismo ejercicio de comparar los resultados de concentración del modelo en el mismo punto de las mediciones realizadas con la unidad móvil. Así, la figura 6.15 muestra las curvas de SO2 obtenidas usando ambas meteorologías. 500 TULA 2006 - TORRE 65 metros 400 300 200 100 18:00 8-Jun-06 6:00 12:00 18:00 7-Jun-06 6:00 12:00 18:00 6-Jun-06 6:00 12:00 18:00 5-Jun-06 6:00 12:00 18:00 4-Jun-06 6:00 12:00 18:00 3-Jun-06 6:00 12:00 18:00 2-Jun-06 6:00 12:00 18:00 1-Jun-06 6:00 12:00 31-May-06 0 500 TULA 2006 - Estación CFE B AERMOD-DOAS UMOVIL 400 300 200 100 Figura 6.15. Concentración de SO2 medida por la unidad móvil y simulada por AERMOD, campaña 2006. - 47 - 8-Jun-06 18:00 12:00 6:00 7-Jun-06 18:00 12:00 6:00 6-Jun-06 18:00 12:00 6:00 18:00 5-Jun-06 12:00 6:00 4-Jun-06 18:00 6:00 12:00 3-Jun-06 18:00 12:00 6:00 0 2-Jun-06 SO2 (ppm) A AERMOD-DOAS UMOVIL En la figura 6.15-A se observa que el modelo, cuando es alimentado con la meteorología de la torre, reproduce satisfactoriamente los eventos registrados por la unidad móvil (área amarilla). Sin embargo, en la mayoría de los casos la concentración de SO2 calculada por el modelo fue sobreestimada. Para el caso de la gráfica generada con los datos de la estación CFE (figura 6.15-B), esta fue discontinua debido a perdidas de datos en la estación meteorológica, lo cual hace imposible establecer una buena comparación. Se puede observar sin embargo que el día 4 de junio y quizás el 2 de junio, el modelo igualmente registra los eventos de SO2 ocurridos durante el medio día. 6.4 Análisis estadístico del modelo AERMOD El análisis de los resultados correspondió a la comparación de los valores de salida del modelo AERMOD con la concentración de SO2 reportada por la unidad móvil. Para ello, se utilizaron los estimadores estadísticos recomendados en Zanetti, 1990; Willmott, 1981 y Wellens, 2001 que son: el promedio, la desviación estándar, el error absoluto medio (MAE, por sus siglas en inglés), la raíz del error cuadrático medio (RMSE, por sus siglas en inglés), la diferencia media normalizada (NMD, por sus siglas en inglés) y el índice de concordancia (IC). Además de estos parámetros, se utilizó también el factor BIAS, que en comparación con las medidas tradicionales como la desviación medía normalizada y el error relativo, tratan de manera simétrica los problemas relacionados con la sobre y subestimación de un modelo. La tabla 6.3 muestra en primer lugar los promedios y las desviaciones estándar obtenidas para cada una de las campañas y simulaciones realizadas con las mediciones meteorológicas de las estaciones CFE y Torre 65m, respectivamente. Tabla 6.3. Promedio y desviación estándar del AERMOD y unidad móvil. Campaña 2005 2006 Modelación Promedio (ppb) Desv. estándar (ppb) Torre 65m P = 22.49 sp = 71.13 CFE 10m P = 26.38 sp = 69.07 Unidad móvil O = 36.51 so = 73.88 Torre 65m P = 27.24 sp = 65.65 CFE 10m P = 13.49 sp = 37.95 Unidad móvil O =13.39 so = 27.18 P, O = promedio predicho y observado, respectivamente. sp, so = desviación estándar predicha y observada, respectivamente. - 48 - En la tabla 6.3 se observa que los promedios de concentración de SO2 obtenidos de la modelación con los datos de la CFE se aproximan más a los medidos por la unidad móvil en ambas campañas. Asimismo, se puede considerar que el nivel de capacidad de estimación del AERMOD es alto, ya que en ambas campañas, sus desviaciones estándar son comparables a las observadas por la unidad móvil, a excepción de la simulación realizada con los datos de la torre para el 2006, donde si hubo una diferencia notable con respecto a la desviación estándar reportada experimentalmente. Sin embargo, debido a que ni el promedio, ni la desviación estándar son parámetros suficientes para evaluar un modelo, se optó por lo tanto emplear los otros indicadores estadísticos mencionados anteriormente: error absoluto medio (MAE), error cuadrático medio (RMSE), diferencia media normalizada (NMD) (Tirabassi et al, 1993; Lazo et al, 2006) y sesgo (BIAS) (B. de Foy et al., 2007). Estos parámetros permiten medir la precisión de la simulación y son expresados matemáticamente de la siguiente forma: N P −O i =1 N MAE = ∑ N ∑ RMSE = (12) (P − O )2 i =1 (13) N ⎛O− P⎞ ⎟⎟ NMD = ⎜⎜ ⎝ O ⎠ N IC = 1 − (14) ∑ (P − O ) 2 i =1 ∑ (P − O + O − O ) N 2 (15) i =1 N BIAS = ∑ (P − O ) i =1 donde P P O O N valor predicho valor medio predicho valor observado valor medio observado número de valores analizados - 49 - N (16) En la tabla 6.4 se muestran estos parámetros estadísticos calculados para cada una de las campañas. El RMSE e IC son considerados adecuados y necesarios para la interpretación y evaluación de predicciones hechas por un modelo (Willmott, 1981). Tabla 6.4. Índices estadísticos usados para evaluar el AERMOD. Campaña 2005 2006 Modelación RMSE (µg/m3) MAE (µg/m3) NMD IC BIAS (µg/m3) Torre 65m 107.74 48.17 0.25 0.25 -9.02 CFE 10m 97.75 47.81 0.20 0.27 -7.45 Torre 65m 71.97 33.57 -2.03 0.18 13.85 CFE 10m 47.29 23.31 -0.01 0.21 0.10 La tabla 6.4 corresponde a la comparación estadística entre los valores horarios de concentración de SO2 calculados por AERMOD y los valores horarios de concentración de SO2 medidos por la unidad móvil. De esta manera, se puede analizar con detalle el comportamiento del modelo durante ambos períodos de simulación. La raíz del error medio cuadrático (RMSE) expresa la medida de las diferencias entre los valores calculados y los valores medidos. Los cuatro casos evaluados presentaron valores relativamente altos de RMSE para un modelo de dispersión, pero comparables con valores reportados en estudios similares (Ver por ejemplo, Barraza 1998). La estación de la CFE fue la que presentó los menores valores en ambas campañas. Similares resultados se obtuvieron con el error absoluto medio (MAE), que al igual que el RMSE, indica el tamaño del error producido por el modelo. La diferencia media normalizada (NMD) que es un parámetro adimensional, es una medida del sesgo de P versus O. Idealmente este parámetro debería ser cero ó cercano a cero, por lo que nuevamente las simulaciones realizadas con los datos de la CFE fueron las que presentaron los mejores resultados. El índice de concordancia (IC) refleja el grado en la que una variable observada es exactamente estimada por la variable simulada. El índice de concordancia no es una medida de correlación o asociación, sino más bien una medida del grado en la que las predicciones de un modelo están libres de error (Lu Rong et al, 1987; Tolga, 2003). Este varía entre 0 y 1, donde uno indica perfecta concordancia entre los valores predichos y observados, y cero indica lo contrario. Consecuentemente, las simulaciones realizadas con los datos de la estación CFE presentaron ligeramente una “mejor” estimación de la concentración de SO2, que con los datos de la Torre 65m. - 50 - Por último, el sesgo definido como BIAS en la tabla 6.4 proporciona información valiosa sobre la tendencia de un modelo a sobreestimar o subestimar la concentración de una especie (Shaocai et al., 2006). Por consiguiente, en la tabla 6.4 se observa que las simulaciones realizadas durante la primera campaña tendieron a subestimar la concentración de SO2, mientras que para el 2006, este tendió a sobreestimar el resultado, principalmente para el caso de la Torre de 65m. 6.5. Evaluaciones de las salidas del MM5 A pesar de que el modelo de dispersión AERMOD posee internamente el preprocesador meteorológico AERMET para generar el archivo de altura (archivo con extensión .pfl), en este trabajo también se emplearon las salidas del modelo de pronóstico MM5 para generar la misma información. Por lo tanto, en esta sección se comparan los resultados del preprocesador meteorológico AERMET con respecto al MM5 para la campaña del 2005. Con el MM5 se estimó la temperatura, velocidad y dirección de viento a dos alturas distintas, entre 7zo y 100 metros, donde zo es la rugosidad superficial (U.S. EPA, 1998). Estos valores estimados fueron posteriormente usados como un archivo de entrada para ejecutar el AERMOD y comparar finalmente la concentración de SO2 estimada por el modelo y la concentración de SO2 medida experimentalmente por la unidad móvil. Para generar el perfil de temperatura, velocidad y dirección de viento, fue necesario calcular las alturas de dichas variables a partir de sus niveles sigmas dados por el MM5, ya que este no trabaja directamente con niveles de presión debido al inconveniente que se presenta en una orografía compleja. Por consiguiente, los resultados del MM5 están dados en coordenadas sigma que es un valor adimensional y decrece monótonamente con la altura como se observó en la figura 4.6. Así, las ecuaciones empleadas para calcular la altura a partir de estos valores sigma fueron las siguientes (García, 2002; Hernández, 2004): σ= p − pt p s − pt (17) p* = ps − pt (18) p = pt + p* σ (19) donde ps es la presión de superficie, pt es la presión en la cima (=10000 Pa) y p* = ps – pt. - 51 - p RT (20) ∆p = − ρ g ∆z (21) ρ= p = ρ RT ∂p = −ρ g ∂z Sustituyendo la ecuación 20 (ecuación de gases ideales) en la ecuación 21 (ecuación hidrostática), queda de la siguiente manera: p g ∆z RT ∆p = − (22) Así, integrando la ecuación 22 desde po hasta p, y reordenándola queda de la siguiente forma: p ⎛ p⎞ g ln⎜⎜ ⎟⎟ = − z RT ⎝ po ⎠ z ∆p g ∫p p = − z∫ R T dz o o (23) Por último, despejando z (altura) de la ecuación 23, queda finalmente como: z=− RT ⎛ p ⎞ ln⎜⎜ ⎟⎟ g ⎝ po ⎠ (24) donde R es la constante de los gases (= 287,05 J/kg K), g es la aceleración por gravedad (= 9.81 m/s2), T es la temperatura al nivel del mar (= 275 K) y po es la presión al nivel de mar (= 101325 Pa). En la tabla 6.5 se muestran las alturas calculadas para los primeros cuatro niveles obtenidos con el MM5. Para generar el archivo pfl se escogieron los niveles uno y dos, ya que el preprocesador meteorológico AERMET sólo acepta valores entre 7zo y 100 metros, donde zo es la rugosidad superficial (U.S. EPA, 1998). Por lo tanto, se generó el archivo pfl a 66 y 100 metros, respectivamente. Tabla 6.5. Alturas calculadas a partir de los niveles sigma del MM5. Lugar Nivel σ P* (Pa) P (Pa) Z (m) Altura lugar (msnm) Z (m) CI Tula 1 0.998 66388,34375 76255,5671 2181,31 2115 66,31 CI Tula 2 0.993 66388,34375 75923,6253 2216,42 2115 101,42 CI Tula 3 0.985 66388,34375 75392,5186 2275,23 2115 160,23 CI Tula 4 0.970 66388,34375 74396,6971 2382,33 2115 267,33 - 52 - La figura 6.16 muestra las series de tiempo para la temperatura, velocidad y dirección de viento calculadas por el modelo MM5 a dos alturas diferentes (66 y 100 metros, respectivamente). Las simulaciones del MM5 fueron realizadas sólo para la campaña del 2005 en la coordenada geográfica: -99.2715W y 20.0583N, correspondiente al complejo industrial de Tula. Velocidad de Viento 10 Velocidad de Viento (m/s) NIVEL 66 m 160 m 8 6 4 2 28-Oct-05 27-Oct-05 26-Oct-05 25-Oct-05 24-Oct-05 23-Oct-05 22-Oct-05 21-Oct-05 20-Oct-05 0 Dirección de Viento 360 NIVEL 270 180 90 - 53 - 28-Oct-05 27-Oct-05 26-Oct-05 25-Oct-05 24-Oct-05 23-Oct-05 22-Oct-05 21-Oct-05 0 20-Oct-05 Dirección de Viento (grados) 66 m 160 m Temperatura Ambiente 25 NIVEL 66 m 160 m Temperatura (º C) 20 15 10 28-Oct-05 27-Oct-05 26-Oct-05 25-Oct-05 24-Oct-05 23-Oct-05 22-Oct-05 21-Oct-05 20-Oct-05 5 Figura 6.16. Perfiles meteorológicos generados con el MM5, 2005. Conjuntamente, en la figura 6.17 se comparan las rosas de vientos medidas por las estaciones meteorológicas con respecto a las rosas de vientos estimadas con el MM5. Como se mencionó anteriormente, las observaciones de las estaciones meteorológicas indican que el viento a 10 y 65 metros de altura proviene predominantemente desde el norte y nor-noreste, respectivamente. Los vientos predichos por el modelo MM5 indican una dirección de flujo principal desde el noreste, que se corresponde muy bien con las observaciones experimentales. Sin embargo, también se observan componentes de viento de alta frecuencia en dirección sur y sur-suroeste que no aparecen en las mediciones realizadas. Estación CFE 10m 0 315 45 270 Estación Torre 65m WSP (m/s) <=2.5 >2.5 - 5 >5 - 7.5 >7.5 0 315 90 225 45 270 135 90 225 180 135 180 - 54 - WSP (m/s) <=2.5 >2.5 - 5 >5 - 7.5 >7.5 MM5 – 66 m MM5 – 100 m WSP (m/s) <=2.5 >2.5 - 5 >5 - 7.5 >7.5 0 315 45 270 90 225 0 315 45 270 135 WSP (m/s) <=2.5 >2.5 - 5 >5 - 7.5 >10 90 225 180 135 180 Figura 6.17. Comparación entre las rosas de viento del MM5 y las experimentales. El análisis de las rosas de viento indica que el MM5 con la resolución horizontal escogida de 3 km, posee gran capacidad para resolver patrones locales de viento, ya que reproduce satisfactoriamente la dirección de viento medida por las estaciones meteorológicas CFE y Torre 65m. Asimismo, se observa como era de esperarse que las intensidades de viento simuladas fueran mayores a 100 metros que a 66 metros. A continuación, se muestran los resultados de las simulaciones del AERMOD usando los archivos meteorológicos de altura (pfl) generados tanto por el MM5, como por el AERMET. Cabe señalar que esta comparación fue sólo hecha para la campaña del 2005. Ambas simulaciones fueron llevadas a cabo usando los archivos meteorológicos de superficie (sfc) generados sólo con el AERMET a partir de las estaciones meteorológicas CFE y Torre 65m. Es decir, la única variante en estas simulaciones fueron los valores de entrada para la meteorología en la vertical, como se puede observar en la tabla de abajo. Tabla 6.6. Condiciones de simulación con el AERMOD, 2005 Origen del archivo de meteorología Campaña Caso 2005 CFE 2005 Archivo meteorológico de superficie (*.sfc) Archivo meteorológico de altura (*.pfl) Gráficas Figuras AERMET AERMET 6.18 - A 6.19 - A AERMET MM5 6.18 - A 6.19 - B AERMET AERMET 6.18 - B 6.20 - A AERMET MM5 6.18 - B 6.20 - B Torre 65m - 55 - Así, en la figura 6.18-A y 6.18-B se comparan gráficamente los resultados del AERMOD empelando como datos de entrada, los archivos pfl generados por AERMET (curva azul) y MM5 (curva roja). Los resultados de estas simulaciones indican la concentración horaria de SO2 [ppb] que fue obtenida en el punto receptor (unidad móvil). De igual manera, la figuras 6.18-A y 6.18-B muestran la concentración de SO2 medida experimentalmente por la unidad móvil (curva verde). 600 TULA, 2005 A UMOVIL pfl AERMET, Torre 65m pfl MM5, Torre 65m SO2 (ppm) 400 200 600 TULA, 2005 27-Oct-05 18:00 12:00 6:00 26-Oct-05 18:00 6:00 12:00 25-Oct-05 18:00 12:00 6:00 18:00 24-Oct-05 12:00 6:00 23-Oct-05 18:00 6:00 12:00 22-Oct-05 18:00 12:00 6:00 21-Oct-05 0 B UMOVIL pfl AERMET, CFE pfl MM5, CFE SO2 (ppm) 400 200 27-Oct-05 18:00 12:00 6:00 26-Oct-05 18:00 6:00 12:00 25-Oct-05 18:00 12:00 6:00 18:00 24-Oct-05 12:00 6:00 23-Oct-05 18:00 6:00 12:00 22-Oct-05 18:00 12:00 6:00 21-Oct-05 0 Figura 6.18. Simulaciones de AERMOD con los archivos pfl de AERMET y MM5, 2005. - 56 - En las figuras 6.18-A y 6.18-B se puede observar que a pesar de que hay cierta discrepancia entre los resultados del modelo y las mediciones experimentales, se puede considerar que las simulaciones del AERMOD con los archivos pfl generados por AERMET y MM5 presentaron resultados “satisfactorios” en toda la serie de tiempo. Los picos de SO2 registrados para el caso de las simulaciones con el archivo pfl del AERMET se presentaron en general antes del mediodía, entre las 9:00 y 12:00 horas, mientras que las simulaciones con el archivo pfl del MM5 registraron su máxima concentración entre las 11:00 y 1:00 de la tarde, al igual que las mediciones experimentales. Las simulaciones en la dispersión del SO2 para la primera campaña (20/10/05, 01:00 - 27/10/05, 24:00), se muestran en las figura 6.19 (estación CFE) y figura 6.20 (estación Torre 65m). Estas figuras corresponden a la concentración de SO2 acumulada, es decir, a la suma horaria en la concentración del SO2 y no al promedio del período, con la finalidad de observar más claramente las zonas con mayor afectación. En los anexos E y F se pueden observar dichas figuras en 3D. B A pfl - AERMET pfl – MM5 Figura 6.19. Simulación de la dispersión del SO2, estación CFE. B A pfl - AERMET Figura 6.20. Simulación de la dispersión del SO2, estación Torre 65m. - 57 - pfl – MM5 En la figura 6.19 se muestran las simulaciones del SO2 acumulado con los datos meteorológicos de la estación CFE, usando como datos de entrada para el AERMOD, el archivo pfl del AERMET (figura 6.19-A) y el archivo pfl del MM5 (figura 6.19-B). Así, en la figura 6.19-A se pueden identificar tres zonas principales de mayor afectación en dirección suroeste muy cerca de la fuente y al sur y sursuroeste a aproximadamente a 6 kilómetros de la misma, mientras que en la figura 6.19-B, el panorama de afectación es diferente. En este último caso, la dispersión de la pluma se presenta básicamente en dos direcciones: noreste y suroeste, tal como lo indican las rosas de viento calculadas por el MM5 (figura 6.17). Asimismo, en la figura 6.19-B, se observa que el punto receptor (estrella azul) prácticamente no es afectado por las emisiones del complejo industrial cuando se emplea el MM5 para generar el perfil vertical de la meteorología. Por lo tanto, la concentración de SO2 estimada en ese punto fue más baja que los resultados del AERMOD empleando su propio preprocesador meteorológico. La figura 6.20 (simulaciones para el caso de los datos de la Torre 65m) muestra resultados muy similares los obtenidos en la figura 6.19. El punto receptor tampoco es afectado en gran medida por las emisiones del complejo industrial, tal y como lo demuestra la figura 6.20-B. - 58 - 7. Conclusiones Este trabajo alcanzó el objetivo principal de comparar las salidas del modelo gaussiano de dispersión atmosférica AERMOD con la técnica espectroscópica DOAS en configuración pasiva. El estudio se realizó en el complejo industrial de Tula y se enfocó principalmente la atención sobre el bióxido de azufre, por ser éste un contaminante que se emite con abundancia durante los procesos de combustión y por ser detectable fácilmente por el sistema de DOAS. Se usaron los datos de dos campañas realizadas durante los meses de octubre del 2005 y junio del 2006, y la meteorología medida en dos sitios (estaciones CFE y Torre 65m). Durante las campañas también se midieron las concentraciones de los gases SO2, NOx, CO y O3 con el fin de comparar las salidas del modelo en un punto receptor (unidad móvil). A continuación se detallan cada una de las conclusiones obtenidas en los diferentes aspectos de este trabajo: Aspectos meteorológicos La zona de estudio presenta patrones relativamente constantes en cuanto a la dirección del viento. La intensidad promedio del viento varía entre 2 y 4 m/s, soplando principalmente en direcciones sur y sur-suroeste. La capa de mezcla medida con el sistema LIDAR aumenta considerablemente a partir de las ocho de la mañana, alcanzando un máximo ascenso de 2000 m sobre la superficie de la fuente entre las cuatro y cinco de la tarde. A partir de esta hora, la capa de mezcla comienza a descender rápidamente. Técnica espectroscópica DOAS La técnica espectroscópica DOAS-pasiva resultó ser muy útil para poder calcular indirectamente las emisiones totales de SO2 [kg/s] generadas por el complejo industrial de Tula. De igual forma, esta técnica permite obtener la distribución espacial de la pluma mediante la medición en trayectos alrededor de la fuente. Las gráficas de concentración de SO2 en columna vs distancia recorrida, indican el espesor promedio y la forma de la pluma cuando ésta es cruzada perpendicularmente a la dirección de propagación de la misma. La presencia de una “cola” generalmente observada del lado este de la curva gaussiana sugiere un - 59 - arrastre parcial de la pluma en dirección oeste, fenómeno aparentemente por una colina al sur de la fuente de emisión. producido Comparación entre AERMOD y DOAS A nivel general, las simulaciones del AERMOD con respecto a las travesías del DOAS presentaron una correspondencia aceptable en las dos campañas de medición. Ciertas discrepancias entre el modelo y los resultados experimentales del DOAS son de esperarse de un modelo tipo gaussiano, ya que cada punto receptor refleja la emisión directa de la fuente sin considerar la contaminación remanente de horas anteriores. Dichos resultados pueden estar también asociados a que el AERMOD subestimó en los dos casos evaluados las alturas de la capa de mezcla en más del 50 % con respecto a las mediciones hechas con el sistema óptico LIDAR. Los resultados de las simulaciones indican que una colina de aproximadamente 200 metros de alto con respecto a las fuentes de emisión, ubicada al sur de la zona de estudio, forma un obstáculo para la dispersión de la pluma. En la mayoría de los casos en los que el viento soplaba hacia el sur, suroeste y sur-suroeste, la pluma de SO2 observada fue dirigida parcialmente hacia el oeste, sin embargo, AERMOD no reprodujo correctamente este efecto. Este resultado fue observado en la mayoría de los casos en donde habían mediciones con travesías, indicando por lo tanto que el AERMOD no consideró de forma enteramente apropiada la topografía de una zona compleja. De este modo se explican la mayoría de los casos en los que el modelo y el DOAS no coincidieron. Comparación entre AERMOD y UMOVIL Los resultados del AERMOD con respecto a los promedios horarios de concentración de SO2 medidos en un punto receptor por la unidad móvil fueron en general consistentes, aunque en algunas ocasiones hubo diferencias significativas. Esto se debe probablemente a que la unidad móvil se ubicó atrás de la colina, al sur del complejo, en donde se presentaron concentraciones bajas de SO2 debido a que la pluma de contaminantes se desvía hacia la izquierda. Evaluación estadística del AERMOD A pesar de que con los métodos de evaluación del modelo se obtuvieron altos niveles de incertidumbre, éstos sirvieron hasta cierto grado para establecer con cuáles datos meteorológicos se obtuvieron los mejores resultados. Se observó que entre los dos escenarios de modelación, la estación CFE fue la que presentó - 60 - menores valores de RMSE y NMD, y mayores valores de IC, lo que indica una mayor correspondencia con los valores de SO2 medidos por la unidad móvil. Comparación entre MM5 y las estaciones CFE y Torre 65m La velocidad y dirección del viento predichos por el modelo MM5 durante la campaña del 2005, fueron en general consistentes con los valores medidos por las estaciones CFE y Torre 65m, a pesar de que el modelo también registró componentes de vientos sur inexistentes. Comparación entre MM5 y AERMOD Se comprobó que el modelo gaussiano AERMOD es sensible a los cambios de velocidad y dirección de viento en la vertical, ya que así lo demuestran las simulaciones promedio realizadas con el AERMOD empleando los perfiles meteorológicos del MM5 y AERMET, respectivamente. En ambos casos, los resultados de las simulaciones difieren parcialmente, probablemente debido a la inclusión de la componente de viento sur en el archivo pfl generado con el MM5. Comentarios finales El presente trabajo presenta una manera alternativa de evaluar los modelos de dispersión comúnmente utilizados para estudiar la calidad del aire alrededor de fuentes fijas de emisión. La técnica DOAS resulta útil tanto para estimar la emisión total de SO2 de un complejo industrial, como para determinar experimentalmente la distribución espacial de los contaminantes vertidos a la atmósfera. Mediante un estudio real de modelación y mediciones experimentales, se pudieron comprobar las bondades de la técnica de DOAS pasivo para este tipo de aplicaciones, así como los posibles problemas y limitaciones de los modelos matemáticos. Es evidente que en el futuro, éste tipo de análisis utilizando éste y otros métodos ópticos de percepción remota, seguirán mejorando de manera importante el monitoreo de la dispersión de contaminantes, pudiendo establecer sistemas de vigilancia mediante técnicas de visualización en tiempo real. - 61 - 8. Recomendaciones De acuerdo a los resultados obtenidos en este trabajo, a continuación se plantean las siguientes recomendaciones: 1. Llevar a cabo un estudio posterior, en donde se instalen una o más estaciones meteorológicas al sur del complejo industrial de Tula y cerca de la colina de 200 metros para conocer el patrón de viento en esa zona. De esta manera, se puede ejecutar el modelo AERMOD con la opción “on-site measurements” de su INTERFASE, para realizar simulaciones de esta tercera estación conjuntamente con alguna de las estaciones CFE ó Torre 65m. 2. Debido a que el área de estudio es de topografía compleja, se hace necesario realizar radiosondeos meteorológicos para obtener perfiles de temperatura, velocidad y dirección de viento. 3. Calcular experimentalmente las desviaciones estándar de las componentes de de viento horizontal (σy) y vertical (σw), respectivamente, e introducirlas en el archivo meteorológico de altura (pfl). Para ello, se recomienda emplear un anemómetro sónico, el cual mide la dirección de viento en sus tres componentes. 4. Corregir las alturas de la capa de mezcla estimadas por el preprocesador AERMET con respecto a las mediciones del LIDAR. 5. Comparar los resultados de este estudio con el modelo meteorológico de diagnostico CALMET y su correspondiente modelo de dispersión CALPUFF, precisamente por tener la ventaja de no ser un modelo de estado estacionario. - 62 - 9. Bibliografía Amarra Francisco B., Peralta Genandrialine L. “Experience in the application of AERMOD air dispersion model to comply with the Philippine clean air act.” B. de Foy et al. (2007). “Modeling constraints on the emission inventory and on vertical dispersion for CO and SO2 in the Mexico City Metropolitan Area using solar FTIR and zenith sky UV spectroscopy.” Atmos. Chem. Phys., 7, 781-801. Barraza Ninive (1998). “Modelos de dispersión de contaminantes atmosféricos: comparación de desempeños en zona de Ventanas, V Región”. Basaldud Roberto (2007). “Determinación de emisiones de SO2 y NO2 en fuentes puntuales por espectroscopía pasiva de radiación UV/visible”. Tesis de maestría. Universidad Nacional Autónoma de México. Benavides B. Henry O. (2003). “Pronostico de la concentración de material particulado por chimeneas industriales en Bogotá.” Tesis de maestría. Universidad Nacional de Colombia. Bustos S. Cristian (2004). “Aplicación de modelos de dispersión atmosférica en la evaluación de impacto ambiental: análisis del proceso.” Tesis de maestría. Universidad de Chile. Canepa E., Builtjes P. J. H. (1999). “to dispersion simulation above complex terrain.” 6th International conference on harmonisation within atmospheric dispersion modeling for regulatory purposes, Rouen, France. Caputo Marcelo, Giménez Marcelo, Schlamp Miguel (2003). “Intercomparison of atmospheric dispersion models.” Atmospheric environment 37: 2435-2449. Dudhia Jimy et al. (2005). “PSU/NCAR mesoscale modeling system tutorial class Notes and user’s guide: MM5 modeling system version 3.” NCAR. http://www.mmm.ucar.edu/mm5/documents/tutorial-v3-notes.html Forkel R., García A. (2003). “Manual del Multiscale Climate Chemistry Model (MCCM). - 63 - García José Agustín (2002). “Evaluación de escenarios utilizando el modelo regional de calidad del aire Multiscale Climate Chemistry Model.” Tesis de doctorado. Universidad Nacional Autónoma de México. Gallardo Klenner Laura (1997). “Modelos de dispersión de contaminantes atmosféricos”. Comisión Nacional del Medio Ambiente de Chile. Gratt Lawrence B. (1996). “Air toxic risk assessment and management: public health risk from normal operations” Grutter, M., Basaldud R. (2006). “Técnicas ópticas de percepción remota para la caracterización de gases atmosféricos.” Contaminación Atmosférica V. El Colegio Nacional. 91-117 Hao Jiming, Wang Litao, Shen Minjia, Li Lin, Hu Jingnan (2006). “Air quality impacts of power plant emissions in Beijing.” Environmental pollution 147: 401408. Hernández G. Raul V. (2004). “Asimilación de datos: impacto en el pronóstico del tiempo.” Tesis de maestría. Universidad Nacional Autónoma de México. Holmes N. S., Morawska L. (2006). “A review of dispersion modeling and its application to the dispersion of particles: An overview of different dispersion models available.” Atmospheric environment 40: 5902-5928. Kraus, S. (2001). “The DOASIS Software, in: 1st International DOAS Workshop, Heidelberg, Germany. Lazo Pamela, Curé Curé, Gaete Hernán (2006). “Modelación de la dispersión de anhídrido sulfuroso en la comuna de Puchuncaví utilizando el programa ISC3”. Revista chilena de ingeniería. Vol. 14. Nº 3. pp. 229-237. Lu Rong, Turco Richard P., Jacobson Mark Z. (1987). “An integrated air pollution modeling system for urban and regional scales.” Part II: Simulations for SCAQS. Pérez F. Joel B. (2004). “Pronóstico del tiempo para el Valle de México.” Tesis de maestría. Universidad Nacional Autónoma de México. Platt, U. (1994). “Differential optical absorption spectroscopy (DOAS).” Chem. Anal. Serie 127, 27 - 83. - 64 - Secretaría del Medio Ambiente y Recursos Naturales et al., (1999). “Inventario nacional de emisiones.” México. www.semarnat.gob.mx Shaocai Yu, Brian Eder, Robin Dennis, Shao-Hang Chu and Stephen Schwartz (2006). “New unbiased symmetric metrics for the evaluation of air quality models.” Atmospheric Science. ASL-05-037 Tirabassi T., Rizza U. (1993). “Air pollution model for complex terrain”. Air Pollution 93’. Computational mechanics publications. Elsevier applied science. Tolga Elbir (2003). “Comparison of model predictions with the data of an urban air quality monitoring network in Izmir, Turkey.” Atmospheric environment 37: 2149-2157. University of California, Los Angeles. Department of Atmospheric and Oceanic Science. http://www.atmos.ucla.edu/~jochen/research/doas/DOAS.html University of Bremen. Institute of Environmental Physics. http://www.doasbremen.de/ U.S. EPA (1991). “Guideline for regulatory application of the urban airshed model.” Office of Air Quality Planning and Standards, Research Triangle Park, North Carolina. U.S. EPA (1998). “Revised draft user's guide for the AMS/EPA regulatory model – AERMOD.” Office of Air Quality Planning and Standards. Research Triangle Park, North Carolina. U.S. EPA (1998). “Revised draft user's guide for the AERMOD terrain preprocessor (AERMAP).” Office of Air Quality Planning and Standards. Research Triangle Park, North Carolina. U.S. EPA (1998). “Revised draft user's guide for the AERMOD meteorological preprocessor (AERMET).” Office of Air Quality Planning and Standards. Research Triangle Park, North Carolina. U.S. EPA (2004). “AERMOD: Description of model formulation.” EPA-454/R-03004. Office of Air Quality Planning and Standards. Research Triangle Park, North Carolina. U.S. EPA (2003). “AERMOD: Latest features and evaluation results.” EPA-454/R03-003. Office of Air Quality Planning and Standards. Research Triangle Park, North Carolina. - 65 - Vandaele, A.C., P.C. Simon, J.M. Guilmot, M.Carleer and R. Colin. (1994). “SO2 absorption cross section measurement in the UV using a Fourier Transform spectrometer.” J. Geophys. Res. 99, 25599-25605.1994. Vázquez Morales Williams (2007). “Implementación de un modelo meteorológico de alta resolución en una zona del Valle de México.” Tesis de maestría. Universidad Nacional Autónoma de México. Vlad Isakov, Akula Venkatram, Jawad S. Touma, Darko Koracin, Tanya L. Otte (2006). “Evaluating the use of outputs from comprehensive meteorological models in air quality modeling application.” Atmospheric environment. 41:16891705. Wark Kenneth, Warner Cecil F. (2000). “Contaminación del Aire”. Origen y Control. Wellens Ann. (2002). “Effects of input data errors on some indices for statistical model evaluation.” Air pollution modeling and its application XV”. Editado por Carlos Borrego y Guy Schayes. Kluwer Academic/Plenum Publishers. New York, ISBN 0-306-47294-5, pp. 493-501. Willmott Cort J. (1981). “On the validation of models.” Physical Geography. 2: 184194. Zannetti P. (1990). “Air pollution modeling: theories, computational methods and available software”. Computational Mechanics Publications. Southampton, UK. pp. 299–308. Zuk Miriam, Garibay Verónica, Iniestra Rodolfo, López María T., Rojas Leonora, Laguna Israel. (2006). “Introducción a la evaluación de los impactos de las termoeléctricas de México”. - 66 - Anexos A. Ejemplo de archivo DEM (Digital Elevation Model). - 67 - B. Archivos meteorológicos necesarios para ejecutar el AERMET. B1. Archivo meteorológico formato texto (*.txt). B2. Archivo meteorológico formato SAMSON (.sam). - 68 - C. Archivos meteorológicos de salida del AERMET. C1. Archivo meteorológico de superficie (.sfc). C2. Archivo meteorológico de altura (.pfl). - 69 - D. Archivos meteorológicos de altura (pfl). D1. Perfil meteorológico generado por AERMET. D2. Perfil meteorológico generado por el MM5. - 70 - E. Simulación de SO2 acumulado, pfl del AERMET (Vista 3D) E1. CFE 2005, sfc AERMET y pfl AERMET E2. Torre 65m 2005, sfc AERMET y pfl AERMET - 71 - F. Simulación de SO2 acumulado, pfl del MM5 (Vista 3D) F1. CFE 2005, sfc AERMET y pfl MM5 F2. Torre 65m 2005, sfc AERMET y pfl MM5 - 72 - G. Póster presentado en la Unión Geofísica Americana (AGU, por sus siglas en inglés). Acapulco, México. 2007. - 73 -
