Himalayan Mountains seen from Space

Durante los últimos meses, el equipo de Calidad Mundial del Aire ha estado trabajando en el análisis de varios modelos nuevos de pronóstico de la Calidad del Aire, así como en la mejora del demostrador del modelo de pronóstico de la Calidad del Aire.

Este artículo presentará el último demostrador del modelo de pronóstico, que se basa en la población mundial cuadriculada ( GPW ), y que se aplicará para analizar el pronóstico de la calidad del aire para la región del norte de la India (incluidos Bangladesh, Pakistán y Nepal).

El modelo de pronóstico y el cálculo todavía se basan en el pronóstico de viento GFS, como demostramos en el artículo anterior sobre el pronóstico en la región de Beijing que el viento es un componente esencial para el pronóstico de la calidad del aire.

Sin embargo, a diferencia de la simulación anterior donde las fuentes de contaminación estaban ubicadas arbitrariamente en lugares específicos de la región de Hebei, el modelo utilizado para este pronóstico del norte de la India se basa en la Población Mundial Cuadriculada (también conocida como GPW 2015 ) de la Universidad de Columbia CIESIN. ^[1] :

Se supone que cuanto mayor sea el número de personas que viven en un área determinada, mayores serán las posibilidades de que se genere contaminación antropogénica .

De hecho, no es una suposición 100% correcta ya que la contaminación generada por las industrias pesadas puede ser mucho mayor que la contaminación generada por la población, pero eso es algo que abordaremos en nuestro próximo artículo. Entonces, para este artículo, lo que se quiere es verificar el impacto del viento sobre la contaminación bajo el supuesto de una correlación entre densidad de población y concentración de contaminación.

La siguiente imagen muestra el modelo de densidad (con una resolución de 0,2°) utilizado para la simulación. Cada "píxel", o punto de este mapa cuadriculado, se considera una fuente de contaminación. El color verde se utiliza para regiones de baja densidad, que generan una cantidad muy pequeña de contaminación, mientras que los colores más oscuros representan zonas donde tanto la población como la contaminación generada son mayores.

Population Density (persons per square meter)

La siguiente animación muestra la concentración en tiempo real basada en datos de viento reales ^[2] . Tenga en cuenta que el código de colores y los niveles de concentración asociados son arbitrarios y no pueden (ni deben) asociarse uno a uno con los niveles de ICA sin más trabajo. La idea esencial es trazar las zonas que tienen más probabilidades de tener una concentración de contaminantes alta o muy alta según el pronóstico de las condiciones del viento.

Sin demasiada sorpresa, Nueva Delhi está viendo un alto nivel de concentración de contaminación, pero lo realmente interesante es comparar la situación en Nueva Delhi con la de Beijing: en Beijing, literalmente, casi no hay contaminación antropogénica en el norte cercano, por lo que, cuando sopla el viento del norte, el aire se limpia inmediatamente. Pero en Nueva Delhi la densidad de población en el norte sigue siendo bastante alta, por lo que las posibilidades de obtener aire limpio inmediatamente desde el Norte son mucho menores. En otras palabras, Nueva Delhi requiere una cantidad mucho mayor de ventilación (o energía eólica acumulada) para limpiar su aire.

La segunda observación es la situación en Bangladesh: según la simulación anterior, la contaminación está obviamente atrapada en Bangladesh por la proximidad de las montañas en el este y el norte. En realidad, esto no es una sorpresa para nadie que haya vivido en Dhaka.

(Nota: pocos días después de escribir este artículo, la Consulta de EE. UU. en Dhaka comenzó a publicar sus datos sobre la calidad del aire, que puede encontrar en este enlace: city/bangladesh/dhaka/us-consulate ).

Para obtener más información sobre la calidad del aire en Bangladesh, puede consultar esta página: country/bangladesh/ .

En conclusión, este modelo de pronóstico aún está lejos de estar completo, pero al menos tiene la ventaja de mostrar el impacto del viento en la concentración de contaminación en el norte de la India y, especialmente, cómo las montañas del Himalaya están atrapando la contaminación del aire. En la próxima versión, introduciremos una versión mejorada para las fuentes de contaminación, teniendo en cuenta el flujo positivo conocido que podemos deducir de las observaciones.