Himalayan Mountains seen from Space

De afgelopen maanden heeft het World Air Quality-team gewerkt aan het analyseren van verschillende nieuwe voorspellingsmodellen voor de luchtkwaliteit, en aan het verbeteren van de demonstrator van het voorspellingsmodel voor de luchtkwaliteit.

Dit artikel presenteert de nieuwste demonstrator van het voorspellingsmodel, die is gebaseerd op de Gridded Population of the World ( GPW ), en die zal worden toegepast om de luchtkwaliteitsvoorspelling voor de regio Noord-India (inclusief Bangladesh, Pakistan en Nepal) te analyseren.

Het voorspellingsmodel en de berekening zijn nog steeds gebaseerd op de GFS-windvoorspelling, zoals we in het vorige artikel over de voorspelling in de regio Beijing hebben aangetoond dat de wind een essentieel onderdeel is voor het voorspellen van de luchtkwaliteit.

In tegenstelling tot de vorige simulatie, waarbij de bronnen van vervuiling zich willekeurig op specifieke locaties in de Hebei-regio bevonden, is het model dat voor deze Noord-Indiase voorspelling wordt gebruikt echter gebaseerd op de Gridded Population of the World (ook bekend als GPW 2015 ) van de University of Columbia CIESIN. ^[1] :

De aanname is dat hoe groter het aantal mensen is dat in een bepaald gebied woont, hoe groter de kans is dat er antropogene vervuiling ontstaat.

Het is inderdaad geen 100% correcte veronderstelling, aangezien de vervuiling veroorzaakt door zware industrieën veel hoger kan zijn dan de vervuiling veroorzaakt door de bevolking, maar dat is iets waar we in ons volgende artikel op in zullen gaan. Voor dit artikel willen we dus de impact van wind op de vervuiling verifiëren, onder de veronderstelling van een correlatie tussen bevolkingsdichtheid en vervuilingsconcentratie.

De onderstaande afbeelding toont het dichtheidsmodel (met een resolutie van 0,2°) dat voor de simulatie is gebruikt. Elke "pixel", of punt op deze gerasterde kaart, wordt beschouwd als een bron van vervuiling. De groene kleur wordt gebruikt voor gebieden met een lage dichtheid, die een zeer kleine hoeveelheid vervuiling genereren, terwijl donkerdere kleuren zones vertegenwoordigen waar zowel de bevolking als de gegenereerde vervuiling hoger zijn.

Population Density (persons per square meter)

De onderstaande animatie toont de realtime concentratie op basis van werkelijke ^[2] windgegevens. Merk op dat de kleurcodering en de bijbehorende concentratieniveaus willekeurig zijn - en niet één-op-één kunnen (en mogen) worden gekoppeld aan AQI-niveaus zonder verder werk. Het essentiële idee is om de zones in kaart te brengen die waarschijnlijk een hoge of zeer hoge concentratie verontreinigende stoffen hebben, op basis van de voorspelde windomstandigheden.

Zonder al te veel verrassing ziet New Delhi een hoge mate van vervuilingsconcentratie, maar wat echt interessant is, is om de situatie in New Delhi te vergelijken met die in Beijing: in Beijing is er letterlijk bijna geen antropogene vervuiling in het nabije noorden, dus: als de wind uit het noorden waait, wordt de lucht onmiddellijk gereinigd. Maar voor New Delhi is de bevolkingsdichtheid in het noorden nog steeds vrij hoog, waardoor de kans op directe schone lucht uit het noorden veel kleiner is. Met andere woorden: New Delhi heeft een veel grotere hoeveelheid ventilatie (of gecumuleerde windenergie) nodig om de lucht te zuiveren.

De tweede observatie betreft de situatie in Bangladesh: uit de bovenstaande simulatie blijkt dat de vervuiling in Bangladesh duidelijk vastloopt door de nabijheid van bergen in het oosten en noorden. Dat is eigenlijk geen verrassing voor iedereen die in Dhaka heeft gewoond.

(Opmerking: enkele dagen nadat dit artikel was geschreven, begon het Amerikaanse consultaat in Dhaka met het publiceren van hun luchtkwaliteitsgegevens, die u kunt vinden via deze link: stad/bangladesh/dhaka/us-consulaat ).

Voor meer informatie over de luchtkwaliteit in Bangladesh kunt u deze pagina raadplegen: land/bangladesh/ .

Concluderend kan worden gesteld dat dit voorspellingsmodel nog lang niet compleet is, maar het heeft in ieder geval het voordeel dat het de impact van de wind op de vervuilingsconcentratie in Noord-India laat zien, en vooral hoe de bergen van de Himalaya de luchtvervuiling opvangen. In de volgende versie zullen we een verbeterde versie voor de bronnen van vervuiling introduceren, waarbij we rekening houden met de bekende positieve flux die we uit observaties kunnen afleiden.