Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 3. С. 121-137
Данные космических наблюдений параметров поверхности и их реанализа в модели рассеяния индустриальных загрязнений воздуха AERMOD. Часть 2. Альбедо, шероховатость поверхности и параметр Боуэна
Б.М. Балтер
1 , Д.Б. Балтер
1 , В.В. Егоров
1 , М.В. Стальная
1 , М.В. Фаминская
2 1 Институт космических исследований РАН, Москва, Россия
2 Российский Государственный социальный университет, Москва, Россия
Одобрена к печати: 10.12.2020
DOI: 10.21046/2070-7401-2021-18-3-121-137
Модель дисперсии индустриального загрязнения воздуха AERMOD уточняется с помощью наблюдений дистанционного зондирования. Настоящая статья сфокусирована на трёх параметрах поверхности, влияющих на рассеяние загрязнений (альбедо, шероховатость поверхности и коэффициент Боуэна). Альбедо и шероховатость поверхности оцениваются по дистанционным наблюдениям напрямую, а коэффициент Боуэна требует косвенных оценок тепловых потоков или использования включающих их климатических моделей. Оценивается эффект от привлечения этих новых данных, специфичных для каждой территории, вместо глобальных стандартов AERMOD. Эффект уточнения параметров поверхности рассматривается для трёх реальных предприятий и измеряется тремя способами: а) как разность между годовыми максимумами часовых концентраций критичного загрязнителя («абсолютный максимум»); б) то же с ограничением дневными рабочими часами и использованием 95%-го квантиля вместо абсолютного максимума («регуляторный критерий»); в) как максимальная почасовая разница за год («мгновенный критерий»). Значения этих критериев делятся либо на референтную концентрацию загрязнителя, определяющую предельную допустимую его концентрацию, что даёт меру влияния на оценку острого риска, либо на концентрацию по стандартам AERMOD, что даёт относительную меру влияния космических данных. Для первого критерия преобладает влияние шероховатости, а влияние альбедо и параметра Боуэна мало. Для второго влияние шероховатости менее заметно, а влияние альбедо и параметра Боуэна значительно. Для третьего критерия влияние становится существенным для всех трёх параметров. Обсуждается возможность использования этих новых данных для уточнения санитарно-защитных зон.
Ключевые слова: AERMOD, модель рассеивания загрязнителей, альбедо, шероховатость, параметр Боуэна, классификация землепользования, максимальные разовые концентрации, Landsat, ALOS, GLASS, ERA5
Полный текстСписок литературы:
- Балтер Б. М., Балтер Д. Б., Егоров В. В., Стальная М. В., Фаминская М. В. Классификация местности по данным ИСЗ Landsat для улучшения точности оценок риска здоровью населения от индустриального загрязнения воздуха // Исслед. Земли из космоса. 2017. № 5. С. 49–56.
- Балтер Б. М., Балтер Д. Б., Егоров В. В., Стальная М. В., Фаминская М. В. Данные космических наблюдений параметров поверхности в модели рассеяния индустриальных загрязнений воздуха AERMOD. Часть 1. Обзор, данные, классификация землепользования // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 2. С. 97–111. DOI: 10.21046/2070-7401-2021-18-2-97-111.
- Руководство по оценке риска для здоровья населения при воздействии химических веществ, загрязняющих окружающую среду. Р 2.1.10.1920-04. Роспотребнадзор. М., 2004. 144 с.
- Bastiaanssen W., Roebeling R. A. Analysis of Land Surface Exchange Processes in Two Agricultural Regions in Spain Using Thematic Mapper Simulator Data // Exchange Processes at the Land Surface for a Range of Space and Time Scales: Proc. Yokohama Symp. July 1993. IAHS Publ., 1993. V. 212. P. 407–416.
- Bastiaanssen W., Menenti M., Feddes R. A., Holtslag A. A. M. (1998a) A Remote Sensing Surface Energy Balance Algorithm for Land (SEBAL) 1. Formulation // J. Hydrology. 1998. V. 212–213. P. 198–212.
- Bastiaanssen W., Pelgrum H., Wang J., Ma Y., Moreno J., Roerink G. J., van der Wal T. (1998b) A Remote Sensing Surface Energy Balance Algorithm for Land (SEBAL) 2. Validation // J. Hydrology. 1998. V. 212–213. P. 212–229.
- Gupta R., Prasad T. S., Vijayan D. Estimation of Roughness Length and Sensible Heat Flux from WiFS and NOAA AVHRR Data // Advances in Space Research. 2002. V. 29(1). P. 33–38.
- Hersbach H., Dee D. ERA5 reanalysis is in production // ECMWF Newsletter. 2016. No. 147(7). P. 5–6.
- Hersbach H., Bell B., Berrisford P., Horányi A., Sabater J. M., Nicolas J., Radu R., Schepers D., Simmons A., Soci C., Dee D. Global reanalysis: goodbye ERA-Interim, hello ERA5 // ECMWF Newsletter. 2019. No. 159. P. 17–24.
- Jiang B., Liang S., Jia A., Xu J., Zhang X., Xiao Z., Zhao X., Jia K., Yao Y. Validation of the Surface Daytime Net Radiation Product from Version 4.0 GLASS Product Suite // IEEE Geoscience and Remote Sensing Letters. 2018. V. 16(4). P. 509–513. DOI: 10.1109/LGRS.2018.2877625.
- Kent C., Grimmond S., Gatey D., Hirano K. Urban Morphology Parameters from Global Digital Elevation Models: Implications for Aerodynamic Roughness and for Wind-speed Estimation // Remote Sensing of Environment. 2019. V. 221. P. 316–339.
- Liang S., Zhang X., Xiao Z., Cheng J., Liu Q., Zhao X. Global LAnd Surface Satellite (GLASS) Products. Algorithms, Validation and Analysis. Springer, 2014.
- Liang S., Wang D., He T., Yu Y. Remote Sensing of Earth’s Energy Budget: Synthesis and Review // Intern. J. Digital Earth. 2019. V. 12(7) P. 737–780. DOI: 10.1080/17538947.2019.1597189.
- Simpson M., Jasinski M. F., Borak J., Blonski S., Spruce J., Walker H., Delle Monache L. Integrating NASA Earth Science Capabilities into the Interagency Modeling and Atmospheric Assessment Center for Improvements in Atmospheric Transport and Dispersion Modeling. LLNL-TR-596732 / Lawrence Livermore National Laboratory. 2012. 53 p.