Himalayan Mountains seen from Space

Selama beberapa bulan terakhir, tim Kualitas Udara Dunia telah berupaya menganalisis beberapa model prakiraan Kualitas Udara baru, serta menyempurnakan model percontohan prakiraan Kualitas Udara.

Artikel ini akan menyajikan demonstrator model prakiraan terbaru, yang didasarkan pada Gridded Population of the World ( GPW ), dan akan diterapkan untuk menganalisis prakiraan Kualitas Udara untuk wilayah India Utara (termasuk Bangladesh, Pakistan, dan Nepal).

Model prakiraan dan perhitungannya masih berdasarkan pada Prakiraan Angin GFS, seperti yang telah kami tunjukkan pada artikel sebelumnya tentang prakiraan di wilayah Beijing bahwa angin merupakan komponen penting dalam prakiraan Kualitas Udara.

Namun, tidak seperti simulasi sebelumnya yang sumber polusinya terletak secara acak di lokasi tertentu di wilayah Hebei, model yang digunakan untuk prakiraan India Utara ini didasarkan pada Gridded Population of the World (alias GPW 2015 ) dari University of Columbia CIESIN ^[1] :

Asumsinya adalah semakin tinggi jumlah orang yang tinggal di suatu wilayah, semakin tinggi kemungkinan terjadinya polusi antropogenik .

Asumsi ini memang tidak 100% benar karena polusi yang dihasilkan oleh industri berat bisa jauh lebih tinggi dibandingkan polusi yang dihasilkan oleh populasi, namun hal ini akan kami bahas di artikel berikutnya. Jadi, untuk artikel ini, yang ingin dilakukan adalah memverifikasi dampak angin terhadap polusi dengan asumsi adanya korelasi antara kepadatan penduduk dan konsentrasi polusi.

Gambar di bawah menunjukkan model kepadatan (pada resolusi 0,2°) yang digunakan untuk simulasi. Setiap "piksel", atau titik pada peta grid ini, dianggap sebagai sumber polusi. Warna hijau digunakan untuk wilayah dengan kepadatan rendah, yang menghasilkan polusi dalam jumlah sangat kecil, sedangkan warna yang lebih gelap mewakili zona dengan jumlah penduduk dan polusi yang dihasilkan lebih tinggi.

Population Density (persons per square meter)

Animasi di bawah ini menunjukkan konsentrasi waktu nyata berdasarkan data angin aktual ^[2] . Perhatikan bahwa kode warna dan tingkat konsentrasi yang terkait bersifat arbitrer - dan tidak dapat (dan tidak boleh) dikaitkan satu-ke-satu dengan tingkat AQI tanpa upaya lebih lanjut. Ide utamanya adalah membuat plot zona yang kemungkinan besar memiliki konsentrasi polutan tinggi atau sangat tinggi berdasarkan prakiraan kondisi angin.

Tentu saja New Delhi mengalami tingkat konsentrasi polusi yang tinggi, namun yang menarik adalah membandingkan situasi di New Delhi dibandingkan dengan Beijing: Di Beijing, hampir tidak ada polusi antropogenik di wilayah utara, jadi, ketika angin bertiup dari utara, udara langsung dibersihkan. Namun bagi New Delhi, kepadatan penduduk di wilayah utara masih cukup tinggi, sehingga peluang untuk mendapatkan udara bersih langsung dari wilayah Utara jauh lebih rendah. Dengan kata lain, New Delhi memerlukan jumlah ventilasi yang jauh lebih tinggi (atau akumulasi tenaga angin) untuk membersihkan udaranya.

Pengamatan kedua adalah situasi di Bangladesh: Dari simulasi di atas, polusi semakin terperangkap di Bangladesh karena kedekatannya dengan pegunungan di Timur dan Utara. Hal ini sebenarnya bukan kejutan bagi siapa pun yang pernah tinggal di Dhaka.

(Catatan: Beberapa hari setelah artikel ini ditulis, Konsultan AS di Dhaka mulai mempublikasikan Data Kualitas Udara mereka, yang dapat Anda temukan dari tautan ini: city/bangladesh/dhaka/us-consulate ).

Untuk informasi lebih lanjut tentang Kualitas Udara di Bangladesh, Anda dapat merujuk ke halaman ini: country/bangladesh/ .

Sebagai kesimpulan, model prakiraan ini masih jauh dari sempurna, namun setidaknya model ini memiliki keuntungan dalam menunjukkan dampak angin terhadap konsentrasi polusi di India Utara, dan khususnya bagaimana pegunungan Himalaya memerangkap polusi udara. Pada versi berikutnya, kami akan memperkenalkan versi yang disempurnakan untuk sumber polusi, dengan mempertimbangkan fluks positif yang diketahui yang dapat kami simpulkan dari pengamatan.