Himalayan Mountains seen from Space

Az elmúlt hónapokban a World Air Quality csapat több új levegőminőségi előrejelzési modell elemzésén, valamint a Levegőminőség előrejelzési modell bemutatójának fejlesztésén dolgozott.

Ez a cikk bemutatja a legújabb előrejelzési modellt, amely a világ rácsos népességének ( GPW ) alapján történik, és amelyet az észak-indiai régió (beleértve Bangladest, Pakisztánt és Nepált) levegőminőségi előrejelzésének elemzésére alkalmaznak.

Az előrejelzési modell és a számítás továbbra is a GFS Wind Forecaston alapul, mivel a pekingi régió előrejelzéséről szóló korábbi cikkünkben bemutattuk, hogy a szél elengedhetetlen összetevője a levegőminőség előrejelzésének.

Ellentétben az előző szimulációval, ahol a szennyező források önkényesen a Hebei régió meghatározott helyein helyezkedtek el, az észak-indiai előrejelzéshez használt modell a világ rácsos népességének (Gridded Population of the World ) (más néven GPW 2015 ) a Columbia CIESIN Egyetemen alapul. ^[1] :

Feltételezzük, hogy minél többen élnek egy adott területen, annál nagyobb az esélye az antropogén eredetű szennyezésnek.

Ez valóban nem 100%-osan helyes feltevés, hiszen a nehézipar által okozott szennyezés jóval magasabb lehet, mint a lakosság által okozott szennyezés, de ezzel a következő cikkünkben foglalkozunk. Ebben a cikkben tehát a szélnek a szennyezésre gyakorolt hatását szeretnénk ellenőrizni a népsűrűség és a szennyezettség koncentrációja közötti összefüggés feltételezése mellett.

Az alábbi képen a szimulációhoz használt sűrűségmodell látható (0,2°-os felbontásban). Ezen a rácsozott térképen minden "pixel" vagy pont szennyezőforrásnak minősül. A zöld színt az alacsony népsűrűségű régiókra használják, amelyek nagyon kis mennyiségű szennyezést termelnek, míg a sötétebb színek azokat a zónákat jelölik, ahol nagyobb a lakosság és a keletkezett szennyezés is.

Population Density (persons per square meter)

Az alábbi animáció a valós idejű koncentrációt mutatja a tényleges ^[2] széladatok alapján. Vegye figyelembe, hogy a színkódolás és a kapcsolódó koncentrációszintek tetszőlegesek – és további munka nélkül nem lehet (és nem is szabad) egytől egyig társítani az AQI-szintekhez. A lényeg az, hogy a szélállapot előrejelzése alapján azokat a zónákat ábrázoljuk, amelyekben valószínűbb, hogy magas vagy nagyon magas a szennyezőanyag-koncentráció.

Nem túlzott meglepetés nélkül Újdelhiben magas szintű a szennyezés koncentrációja, de ami igazán érdekes, az az újdelhi helyzet összehasonlítása Pekinggel: Pekingben szó szerint szinte nincs antropogén eredetű szennyezés a közel északon, így amikor északról fúj a szél, a levegő azonnal megtisztul. Újdelhiben azonban a népsűrűség északon még mindig meglehetősen magas, így sokkal kisebb az esélye annak, hogy azonnal tiszta levegőt kapjanak északról. Egyszóval Újdelhinek sokkal nagyobb mennyiségű szellőztetésre (vagy kumulált szélenergiára) van szüksége ahhoz, hogy levegőjét megtisztítsák.

A második megfigyelés a bangladesi helyzet: a fenti szimuláció alapján a szennyezés nyilvánvalóan csapdába esik Bangladesben a keleti és északi hegyek közelsége miatt. Ez valójában nem meglepetés senkinek, aki Dakában él.

(Megjegyzés: Néhány nappal a cikk megírása után az Egyesült Államok dakai konzulátusa elkezdte közzétenni levegőminőségi adatait, amelyeket a következő linken találhat meg: city/bangladesh/dhaka/us-consulate ).

A bangladesi levegőminőséggel kapcsolatos további információkért tekintse meg ezt az oldalt: country/bangladesh/ .

Következtetésként elmondható, hogy ez az előrejelzési modell még messze van a teljességtől, de legalább megvan az az előnye, hogy megmutatja a szél hatását a szennyezés koncentrációjára Észak-Indiában, és különösen azt, hogy a Himalája-hegység hogyan zárja be a légszennyezést. A következő változatban a szennyező források továbbfejlesztett változatát vezetjük be, figyelembe véve az ismert pozitív fluxust, amely a megfigyelésekből levezethető.