Evaluación del modelo meteorológico WRF para la validación del modelo AERMOD
DOI:
https://doi.org/10.56913/teceo.3.5.56-74Palabras clave:
AERMET, Sensibilidad, Meteorología, Estadística, ContaminaciónResumen
En el presente trabajo se evalúa la sensibilidad de la base de datos meteorológicos generadas por el sistema de modelización meteorológico WRF, extrayendo los valores representativos para un sitio empleando el modelo MMIF. La estación meteorológica seleccionada de referencia (Villa de las Flores) es administrada por el Sistema de Monitoreo Atmosférico de la Ciudad de México, y está ubicada en el municipio de Coacalco. Para determinar la sensibilidad se analizó cualitativamente el comportamiento de los datos en una serie de tiempo a diferentes escalas, mientras que el análisis cuantitativo se efectuó utilizando los siguientes estadísticos: el error cuadrático medio (RMSE), el error absoluto medio normalizado (NMAE) (NMB), el sesgo (BIAS), coeficiente de correlación de Pearson (r) y el índice de ajuste (IOA). Se evaluó la temperatura, la humedad relativa, la velocidad y dirección del viento, dando como resultado que las tres primeras variables tienen un índice bueno de concordancia. No obstante, hubo diferencias cualitativas, pero no significativas en la dirección de viento, se infiere que puede ser producto de la escala utilizada en la modelización en el WRF.
Citas
Afzali, A., Rashid, M., Afzali, M., & Younesi, V. (2017). Prediction of Air Pollutants Concentrations from Multiple Sources Using AERMOD Coupled with WRF Prognostic Model Afsaneh. Journal of Cleaner Production. https://doi.org/10.1016/j.jclepro.2017.07.196
Baldasano, J. M., Valera, E., & Jiménez, P. (2003). Air quality data from large cities. The Science of the Total Environment, 307(1–3), 141–165. https://doi.org/10.1016/S0048-9697(02)00537-5
Carrisoza Urbina, J., Flores Velázquez, E., Gutiérrez Reyes, J. A., & Juárez López, N. O. (2015). Wettbewerb Berufliche Schulen Dokumentation des Wettbewerbs ... mit den Preisträgerinnen und Preisträgern. In Veterinaria México OA(Vol. 2, Issue 3). Landesstiftung. http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2448-67602015000300002&lng=es&nrm=iso&tlng=es
CIEMAT. (2015). Modelización de la contaminación atmosférica. Retrieved from Introducción amodelos: http://www.ciemat.es/MCAportal/portal.do?IDM=10&NM=2.
EPA. (2004). User’s Guide for the AMS/EPA Regulatory Model e AERMOD. EPA 454/B 03 001.EPA. (2006). 40 CFR Subchapter C -AIR PROGRAMS.
EPA. (2015). Guidance on the Use of the Mesoscale Model Interface Program (MMIF) for AERMOD Applications. EPA-454/B-15-001.
EPA. (2016). Support Center for Regulatory Atmospheric Modeling (SCRAM). Air Modeling -Observational Meteorological Data. https://www.epa.gov/scram/air-modeling-observational-meteorological-data
Gilchrist, J. M. (2009). Weighted 2 × 2 kappa coefficients: recommended indices of diagnostic accuracy for evidence-based practice. Journal of Clinical Epidemiology, 62(10), 1045–1053. https://doi.org/10.1016/j.jclinepi.2008.11.012
González-rocha, Sergio Natan,Oseguera, J.,, Zúñiga, M., Palomino, I., Ríos, L., Vega. (2015). Contaminación ambiental por ruido urbano en la ciudad de poza rica, Veracruz, México. Exploratoris, Revista de La Realidad Global, 4(ISSN 2153-3318).
Jorba Casellas, O.(2005). Simulación de los campos de viento de la Península Ibérica y el área geográfica de Catalunya con alta resolución espacial para distintas situaciones meteorológicas típicas. TDX (Tesis Doctorals En Xarxa). http://www.tdx.cat/handle/10803/6836
Kalhor, M., & Bajoghli, M. (2017). Comparison of AERMOD , ADMS and ISC3 for incomplete upper air meteorological data ( case study: Steel plant ). Atmospheric Pollution Research. https://doi.org/10.1016/j.apr.2017.06.001
Kesarkar, A. P., Dalvi, M., Kaginalkar, A., & Ojha, A. (2007). Coupling of the Weather Research and Forecasting Model with AERMOD for pollutant dispersion modeling . A case study for PM10 dispersion over Pune , India. 41, 1976–1988. https://doi.org/10.1016/j.atmosenv.2006.10.042
Kumar, A., Patil, R. S., Kumar, A., Kumar, R., Brandt, J., & Hertel, O. (2016). Assessment of impact of unaccounted emission on ambient concentration using DEHM and AERMOD in combination with WRF. Atmospheric Environment, 142, 406–413. https://doi.org/10.1016/j.atmosenv.2016.08.024
NCEP. (2020). National Centers for Environmental Prediction/National Weather Service/NOAA/U.S. Department of Commerce (2000): NCEP FNL Operational Model Global Tropospheric Analyses, continuing from July 1999. Research Data Archive at the National Center for Atmospheri.
Saha, S., Moorthi, S., Wu, X., Wang, J., Nadiga, S., Tipp, P., & Behringer, D. (2011). NCEP Climate Forecast System Version 2 (CFSv2) 6-hourly Products. Research Data Archive at the National Center for Atmospheric Research, Computational and Information Systems Laboratory, Boulder, CO.
Seigneur, C., & Dennis, R. (2011). CHAPTER 8: Atmospheric modeling.
SEMARNAT. (2012). NOM-156-SEMARNAT-2012. INECC, 32.
Archivos adicionales
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2021 Tecnología, Ciencia y Estudios Organizacionales
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
