Modelamiento de calidad del aire
Contaminación atmosférica
- Video:La modelación de la dispersión de contaminantes en medios receptores
- Fuente:YouTube
Numerical simulations of the effects of regional topography on haze pollution in Beijing
Simulaciones numéricas sobre efectos de la topografía regional en neblinas de polución en Beijing
Este estudio consiste en la aplicación del modelo de Investigación meteorológica y pronóstico con química (WRF-Chem) para la realización de simulaciones químicas en diferentes escenarios topográficos. A partir de los resultados se comprueba que la topografía es un factor altamente influyente en la presencia de neblina de polución en el centro de Beijing, esto debido principalmente a que las montañas que rodean la ciudad producen vientos anormales desde el sur, además de una alta humedad relativa y movimientos de hundimiento en la mayor parte de Beijing. En este contexto, la reducción del porcentaje de material particulado resulta más efectiva a causa de los vientos provenientes del sur.
Este estudio fue desarrollado por Ziyin Zhang (Chinese Meteorological Administration, Beijing, China), Xiangde Xu (Chinese Academy of Meteorological Sciences, Beijing, China), Lin Qiao (Chinese Meteorological Administration, Beijing, China), Daoyi Gong (Beijing Normal University, Beijing, China), Seong-Joong Kim (Korea Polar Research Institute, Incheon, Korea), Yinjun Wang (Chinese Meteorological Administration, Beijing, China) y Rui Mao (Beijing Normal University, Beijing, China) para Scientific Reports (Vol. 8, núm. 5504, 2018), revista de acceso abierto que abarca estudios en todas las áreas de las ciencias naturales y clínicas, publicada por Nature. Correo de contacto: [email protected]
Spatial Distributions and Sources of Inorganic Chlorine in PM2.5 across China in Winter
Distribución espacial y fuentes de cloro inorgánico en material particulado (PM2.5) durante el invierno en China
Este artículo consiste en el estudio de la presencia de cloro (Cl−) en muestras de PM2.5 colectadas en zonas urbanas y rurales de China durante el invierno. Se observa en los resultados que las concentraciones de iones de cloro son mayores en las muestras provenientes de ciudades del norte; así mismo las concentraciones cloro fueron significativamente mayores en las zonas urbanas en comparación con zonas rurales. Este fenómeno se asocia con la combustión de carbón y biomasa. Los datos de segregación estadística demuestran que el Cl- particulado presenta un patrón bimodal; con una mayor distribución en el modelo fino que en el modo grueso durante el invierno, presentando el patrón opuesto durante el verano.
Li Luo, Yong-Yun Zhang, Hua-Yun Xiao, Hong-Wei Xiao, Neng-Jian Zheng, Zhong-Yi Zhang, Ya-Jun Xie y Cheng Liu (East China University of Technology, Nanchang, China) para Atmosphere (Vol. 10, núm. 9, pág. 505, 2019), una revista enfocada en estudios en torno a diversos aspectos atmosféricos como aerosoles, calidad del aire, atmósfera, hidrosfera, atmósfera terrestre y sus interacciones, climatologia, meteorologia y biometeorología. Esta es una publicación de MDPI, una plataforma de revistas científicas de acceso abierto operada por MDPI Verein (Basileia, Suiza). Correo de contacto: [email protected]
Spatio-temporal variations of PM2.5 concentrations and the evaluation of emission reduction measures during two red air pollution alerts in Beijing
Variaciones espaciotemporales de la concentración de PM2.5 y evaluación de medidas de reducción de emisiones durante dos alertas rojas de contaminación en Beijing
Este estudio aplica el modelo CAMx para evaluar los efectos de las medidas de reducción de emisiones respecto a las concentraciones de PM2.5. A través de la simulación, las medidas de emergencia pueden reducir el total de emisiones en un 10%-30% del total de emisiones, disminuyendo los picos de concentraciones de PM2.5. Además de las condiciones meteorológicas desfavorables, los autores encuentran que la combustión incompleta de carbón contribuye significativamente en el incremento de las concentraciones de PM2.5. Dada la dificultad para predecir la duración de episodios de polución elevada y que estos pueden retornar después de las alertas rojas, surge la necesidad de implementar medidas de emergencia uno o dos días después de las alertas.
Este artículo fue realizado por Nianliang Cheng (Beijing Normal University, Beijing, China), Dawei Zhang, Yunting Li (Beijing Municipal Environmental Monitoring Center, Beijing, China), Xiaoming Xie, Ziyue Chen, Fan Meng (Beijing Normal University, Beijing, China), Bingbo Gao (National Engineering Research Center for Information Technology in Agriculture, Beijing, China) y Bin He (Beijing Normal University, Beijing, China) para Scientific Reports (vol. 7, núm. 8220, 2017), revista de acceso abierto que abarca estudios en todas las áreas de las ciencias naturales y clínicas, publicada por Nature. Correo de contacto: [email protected]
Predictive Ability of Improved Neural Network Models to Simulate Pollutant Dispersion
Habilidad predictiva de modelos de redes neuronales para simulación de la dispersión de contaminantes
Este artículo comprende el uso de modelos de redes neuronales artificiales (ANN) como estrategia para la simulación de las características de dispersión de contaminantes en diferentes regiones. Estos modelos son desarrollados con base en 12 variables meteorológicas y 6 parámetros asociados al tráfico. La habilidad predictiva y robustez de los modelos se determinan por medio de datos de las ciudades costeras de Chittagong and Dhaka. Los autores concluyen que los modelos ANN basados en este tipo de variables y parámetros presentan un mejor desempeño, permitiendo determinar patrones de dispersión de la contaminación atmosférica con aplicación en diferentes ciudades.
Este documento fue elaborado por Khandaker M. A. Hossain (Ryerson University, Toronto, ON, Canada) para International Journal of Atmospheric Sciences (Vol. 2014), revista dedicada a la divulgación de estudios sobre ciencias de la atmósfera. Esta es una publicación vinculada a Hindawi (Reino Unido), una plataforma de revistas científicas de acceso abierto. Correo de contacto: [email protected]
