Parametrização de coeficientes de dispersão lateral em modelos de qualidade do ar para previsões em tempos de média curtos

Abstract

A modelagem de dispersão de poluentes na atmosfera pode ser considerado como um importante instrumento de decisão em avaliações do impacto ambiental de atividades antrópicas sobre o meio ambiente e suas populações. No cenário atual, o AERMOD é o modelo de dispersão recomendado pela agência de proteção ambiental dos Estados Unidos da América (US EPA) para realizar avaliações de impacto em distâncias menores que 50 km da fonte de emissão. Apesar de que o nível de sofisticação dos modelos tem se elevado, é conhecido que os mesmos ainda são ineficientes quando é necessário prever picos de concentrações em eventos de curta duração temporal. O ponto crítico na estimativa das concentrações por modelos analíticos é a determinação dos coeficientes de dispersão lateral e vertical, que representam o grau de espalhamento dos poluentes em torno do eixo central da pluma. No AERMOD, por exemplo, os coeficientes de dispersão foram ajustados para cálculos em tempos de média superiores a 10 minutos, o que impossibilita inferir sobre eventos em escalas temporais inferiores. Tendo conhecimento desta lacuna, neste trabalho os principais métodos de estimativa de coeficientes de dispersão lateral foram avaliados em diferentes tempos de média, utilizando a base de dados de Round Hill II. O resultado da avaliação mostrou que os métodos de Draxler e o empregado no AERMOD se correlacionam melhor às observações. No entanto, os respectivos métodos apresentaram erros sistemáticos elevados (Bias), que se intensificam com a redução do tempo de média. Assim, uma formulação foi proposta para corrigir o Bias da dispersão lateral do AERMOD, que contabiliza os efeitos do tempo de média em suas estimativas. Os resultados encontrados indicam uma melhoria significativa no desempenho do modelo em diferentes tempos de média quando comparado às observações dos experimentos de Round Hill II e Uttenweiller. Os resultados mostram que os ajustes propostos podem oferecer uma melhoria de até 40% na redução de erros sistemáticos no AERMOD, em previsões em tempos de média menores que 1 hora. O procedimento desenvolvido neste trabalho poderá melhorar a performance do modelo AERMOD para a estimativa de concentrações em curtos intervalos de tempo, o que terá sua importância em estudos de avaliação do impacto ambiental de odores ou de poluentes tóxicos.<br>

Abstract : The dispersion modeling is an important decision tool for estimating the impact of human activities on the environment and its populations. However, it was proved by researchers that AERMOD and CALPUFF, current regulatory models, did not account the effect of averaging time. In consequence, these models does not have ability to predict short-term time peak concentrations. This inability arises from the errors on the lateral and vertical dispersion estimates, which are reliable only to predict 10 minutes or longer average concentrations. In this thesis, a novel evaluation was conducted to investigate de effect of averaging time on the lateral dispersion and maximum concentration estimates. Pasquill-Gifford, Högström, Draxler (embedded on CALPUFF) and AERMOD lateral dispersion schemes were tested using Round Hill II experiment, developed to investigate the effects of averaging time on atmospheric transport and diffusion. The results of the comparison shows that AERMOD and Draxler better correlate with measured data than P.G. and Högström methods. However, their estimates are biased and the magnitude of systematic errors tend to grow as the averaging time decreases. Moreover, AERMOD and Draxler, with Peak to Mean (P-M) adjustment, tend to overestimate the lateral dispersion farther from the source and underestimate in downwind distances shorter than 200 meters. A novel approach to account for the averaging time effect on AERMOD was proposed in this work. The results showed that the new model reached better results than the standard AERMOD for the two database used. The present analysis also highlight some concerns on the P-M ratio application due its subjectiveness.