farm / surfpro novità nei modelli bologna, 4 marzo 2010
DESCRIPTION
FARM / SURFPro Novità nei modelli Bologna, 4 marzo 2010. ENEA, Riunione plenaria MINNI - Bologna, 4 marzo 2010. FARM (Flexible Air quality Regional Model). Main fatures: - PowerPoint PPT PresentationTRANSCRIPT
FARM / SURFProNovità nei modelli
Bologna, 4 marzo 2010
ENEA, Riunione plenaria MINNI - Bologna, 4 marzo 2010
Main fatures:
• Emission of pollutants from area and point sources, with plume rise calculation and mass assignment to vertical grid cells
• 3D dispersion by advection and turbulent diffusion
• flexible gas-phase chemical mechanisms configuration FCM Software (SAPRC-90, SAPRC-99, SAPRC-07, EMEP-acid – through FCM)
• Treatment of PM10 and PM2.5 (aero0 inorganic equilibrium module, aero3 modal aerosol module)
• Dry removal of pollutants dependent on local meteorology and land-use
• Removal through precipitation scavenging processes
• One- and two-way nesting on arbitrary number of grids
• Treatment of additional inert tracers
Parallel processing using OpenMP paradigm
Inclusion of data assimilation techniques
Online calculation of photolysis rates using TUV model (Tropospheric Ultraviolet and Visible radiation model; Madronich et al, 1989); RADM method to correct for cloud cover (Chang et al., 1987)
Inclusion of map scale factors and different coordinate systems
SAPRC99 and POPs-Hg Gas-phase chemical mechanisms generated via KPP Software (LSODE/Rosenbrock solvers)
FARM (Flexible Air quality Regional Model)
Parallel processing using OpenMP paradigm
Speed-Up
4 Processori 8 Processori
0.00
0.50
1.00
1.50
2.00
2.50
3.00
Scalare 2Threads
3Threads
4Threads
Scalare 2Threads
3Threads
4Threads
5Threads
6Threads
7Threads
8Threads
Sp
eed
up
Calcutta Roma
Inclusion of data assimilation techniques
Zo
na
di c
on
form
ità
Zona di non conformità
è possibile combinare le misurazioni in siti fissi con le tecniche di modellizzazione e/o le misurazioni indicative al fine di valutare la qualità dell’aria ambiente (la modellazione ha lo stesso valore delle misurazioni)
è possibile utilizzare solo tecniche di modellizzazione o di stima obiettiva al fine di valutare la qualità dell’aria ambiente (la modellazione è “alternativa” alle misurazioni)
la qualità dell’aria ambiente è valutata tramite misurazioni in siti fissi. Tali misurazioni possono essere integrate da tecniche di modellizzazione e/o da misurazioni indicative (la modellazione è “secondaria” rispetto alle misurazioni)
Valore limite (VL)
Soglia di valutazione superiore (SVS)
Soglia di valutazione inferiore (SVI)
Assessment under EU Air Quality Directives
Combining models with measurement
100% measurement
Measurement, no interpretation
Measurement+interpretation
Measurement+interpolation
Measurement+model fitted to measurement
Data assimilation
Model validated by measurement in the same zone
Model validated elsewhere
Unvalidated model
100% modelling
Assessment under EU Air Quality Directives
Combining models with measurement
…there is an almost continuous spectrum of combination of measurements and otherassessment methods (mathematical techniques and models)From: Guidance on Assessment under the EU Air Quality Directives, EEA 2002
modelling
measurement
Measurement
no interpretation
Measurement and
interpolation
Model validated by measurement in the same zone
350 400 450 500U TM -x [km ]
4900
4950
5000
5050
5100
5150U
TM
-y [k
m]
0
35
70
105
140
175
350 400 450 500U TM -x [km ]
4900
4950
5000
5050
5100
5150
UT
M-y
[km
]
0
35
70
105
140
175
350 400 450 500U TM -x [km ]
4900
4950
5000
5050
5100
5150
UT
M-y
[km
]
0
35
70
105
140
175
350 400 450 500U TM -x [km ]
4900
4950
5000
5050
5100
5150
UT
M-y
[km
]
0
35
70
105
140
175
Data Assimilation
Measurement
Modelling
0
50
100
150
200
0 50 100 150 200
Measured
Co
mp
ute
d
0
50
100
150
200
0 50 100 150 200
Measured
Co
mp
ute
d
Proposta
Integrazione dei dati sperimentali contenuti nel dataset BRACE per la produzione di campi di analisi sul territorio italiano.
1. Observational Nudging/Newtonian Relaxation technique;
2. Optimal Interpolation;
3. Bratseth method of Successive Corrections.
Schemi di analisi oggettiva implementati in FARM
The time evolution of the i-th chemical species over the time step Δt is then computed as follow:
where LN is the nudging operator.
Including the obs nudging (1), the nudging operator has the form:
ttccGccL jiiA
AiiN ),,,(
1x
),()()()()()(),( tctLtLtLtLtLttc iczyxNi xx
Using the Optimal Interpolation (2) (or the Successive Correction Method / Bratseth scheme), LN has the form:
tccw
ccL iAi
A
tiiN )(
where cA
i is the gridded analysed concentration field.
Schemi di analisi oggettiva implementati in FARM
Let c(i,j,z=z0,t) the increment (or decrement) of surface concentration (z=z0) at grid cell (i,j) at time t due to observational nudging. The concentration at upper layers is then computed as follow:
2
2
2),0,,(),,,(),,,( VR
z
iii etzzyxctzyxctzyxc
0
0.2
0.4
0.6
0.8
1
1.2
dz [m]
Wz
Rv = 100 m
Rv = 100 m
Upper layers weighting
For observational nudging GA is given by the following expressions:
N
j
j
N
j
ijiij
jiiA
tW
tcctW
tccG
),(
),(),(
),,,(
2
x
xx
x
i is the observational quality factor, ranging from 0 to 1, that takes into accounts for characteristic errors in measurements and representativeness
Observational Nudging/Newtonian Relaxation technique
0
00
2
2
,
,
2;1
22
2exp
;0
0
),(
22
22
tt
tt;tt
w
R
zw
RD
RD;DR
DR
w
wwwtW
t
zz
yx
tzyxj
xWj is given by:
• R is the specified obs radius of influence
• D id the distance between obs and the grid point
z is the vertical distance and Rz
the vertical scale lenght
is the specified time window for obs
Observational Nudging/Newtonian Relaxation technique
Weights: Wj
0
0.2
0.4
0.6
0.8
1
1.2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
D/R
Wxy
0
0.2
0.4
0.6
0.8
1
1.2
t [sec]
Wt
Wx,y
Wt
G
K
TTGA HXYRHBHBHXX
1
The analysed state vector XA is given by:
where:
XG: background state vector
Y: observation vector
H: observation operator (model space to observation space)
B: background error covariance matrix
R: observation error covariance matrix
K: gain matrix
Optimal Interpolation
The Bratseth technique (Bratseth, 1986) is a successive correction
scheme that converges to optimal interpolation due to the inclusion of
background and observation error statistics. The analysis is initialised
with a background field, or first guess, which is then modified by the
analysis of local data onto the model grid.
The Bratseth Method of Successive Corrections
Online calculation of photolysis rates using TUV model
Calcolo dei ratei di fotolisiApproccio attuale (FCM)
L’inserimento di un modulo di trasferimento radiativo per il calcolo dei ratei di fotolisi delle diverse specie in un modello di chimica dell’atmosfera determina un significativo incremento del tempo di calcolo. Per tale ragione nel modello FARM i ratei di fotolisi delle diverse specie chimiche vengono calcolati mediante l’utilizzo di “look-up tables” assumendo condizioni di cielo sereno. Tali ratei vengono stimati al livello del suolo e quindi corretti per le quote superiori mediante l’utilizzo di formule empiriche (Peterson, 1976).
0.00
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
0 10 20 30 40 50 60 70 78 86 90
Solar Zenith Angle
NO
2 p
ho
toly
sis
ra
te[m
in-1
]
0.00E+00
5.00E-04
1.00E-03
1.50E-03
2.00E-03
2.50E-03
3.00E-03
3.50E-03
O3
ph
oto
lys
is r
ate
[m
in-1
]
NO2 O3O1D
Main fatures:
Tropospheric Ultraviolet-Visible Model (TUV) has been developed by Madronich [1989]. TUV is a state-of-the-art radiation transfer model, and is widely used by the scientific community. TUV calculates spectral irradiance, spectral actinic flux, and photodissociation rates (J-values) for the wavelength range between 121 and 750 nm.
References:
Madronich, S., Photodissociation in the atmosphere 1. Actinic flux and the effect of ground reflections and clouds, J. Geophys. Res., 92, 9740-9752, 1989.
Calcolo dei ratei di fotolisiTUV
http://cprm.acd.ucar.edu/Models/TUV/index.shtml
NO2 + h NO + O ( < 424 nm)
][][
2NO2 NO
NO2
jdt
d
“actinic” flux (photons cm-2 s-1 nm-1)
absorption cross section (cm2)
photolysis quantum yield (photons-1)
dTTFj ),(),()( ONONONONO 222
Calcolo dei ratei di fotolisiTUV
“j-Values”: Definition
•solar zenith angle
•observer altitude
•ozone profile/amount
•other absorbers/scatterers (O2, air)
•surface reflectivity (albedo), Spectral albedo file to be used (as done in MODTRAN)
•surface altitude
•aerosol morphology/optical properties
•cloud morphology/optical properties
•atmospheric refraction
Calcolo dei ratei di fotolisiTUV
Factors Affecting Actinic Flux
0.00
0.10
0.20
0.30
0.40
0.50
0.60
0.70
1.0
2.0
4.0
5.0
7.0
8.0
10
.0
11
.0
13
.0
14
.0
16
.0
17
.0
19
.0
20
.0
22
.0
23
.0
hours
J [m
in-1
]
FCM TUV
Calcolo dei ratei di fotolisi in assenza di nuvole
NO2 + h NO + O ( < 424 nm)
Calcolo dei ratei di fotolisi in presenza di nuvoleApproccio attuale
Per ciascun livello verticale k il rateo di fotolisi di una generica specie chimica kJ viene quindi
corretto, in presenza di nuvole, mediante l’utilizzo della seguente relazione: kkclear
k JJ ove
kclearJ individua il rateo di fotolisi in condizioni di cielo sereno e k il fattore di attenuazione/albedo.
Tale fattore viene calcolato come segue:
a. al di sopra della “cloud top” (clear sky): k = 1 ;
b. immediatamente al di sopra della “cloud top”: k = 1.3 (aumento dovuto all’albedo);
c. all’interno ed al di sotto della “cloud base”: 75.155.01 TCCk (riduzione del
trasferimento della radiazione attraverso la nuvole / attenuazione dovuta alla presenza della nuvola, Kaiser and Hill, 1976).
Calcolo dei ratei di fotolisi in presenza di nuvoleChang et al., 1987
Calcolo dei ratei di fotolisi in presenza di nuvoleAl di sotto della “cloud base”
Un metodo alternativo al calcolo del fattore di attenuazione/albedo k dovuto alla presenza di nuvole è stato proposto da Chang et al. (1987) e tiene conto della copertura nuvolosa, delle proprietà ottiche della nuvola (spessore ottico e trasmissività) e dell’angolo solare zenitale. Al di sotto della “cloud base” viene utilizzata la seguente relazione:
]1)cos(6.1[1 rk tTCC
ove è l’angolo solare zenitale e tr la trasmissività della nuvola calcolata mediante l’utilizzo della seguente relazione:
)1(33
5
f
et
cloudr
cloud
ove cloud individua lo spessore ottico della nuvola ed f un fattore assunto pari a 0.86 (“scattering phase function asymmetry factor”).
Calcolo dei ratei di fotolisi in presenza di nuvoleAl di sopra della “cloud base”
Al di sopra della nuvola viene utilizzata la seguente relazione (Chang et al.1987):
)cos()1(1 rik tTCC
ove i rappresenta un fattore che varia tra 0.7 e 1.3 per ciascuna specie chimica i-esima coinvolta
nei processi fotochimici. Nella figura seguente viene mostrato il confronto tra i fattore di albedo al di sopra della nuvola calcolati mediante la relazione proposta in Chang et al. (1987) ed il valore costante utilizzato in FARM, in funzione del contenuto d’acqua liquida e dell’angolo solare zenitale. Nel calcolo è stata considerata una nuvola avente le caratteristiche precedentemente descritte e
per i un valore pari a 1.
Calcolo dei ratei di fotolisi in presenza di nuvoleConfronto al di sotto della “cloud base”
cldbot
cldtop
TCC = 1
cldtop -cldnùbot=1000 m
Di seguito viene mostrato il confronto tra i fattori di attenuazione al di sotto della nuvola calcolati mediante le relazioni proposte in Kaiser and Hill (1976) e Chang et al. (1987), in funzione del contenuto d’acqua liquida e dell’angolo solare zenitale, considerando una nuvola avente uno spessore pari a 1000 m ed una copertura nuvolosa pari a 1.
Below cloud
0
0.2
0.4
0.6
0.8
1
1.2
1.40.
02
0.08
0.13
0.19
0.24 0.3
0.35
0.41
0.46
0.52
0.57
0.63
0.68
0.74
0.79
0.85 0.9
0.96
1.01
1.07
1.12
1.18
1.23
1.28
Cloud Water Content [g/m3]
Ph
oto
lysi
s A
dju
stm
ent
10° 20° 30° 40° 50° 60° Kaiser-Hill
Calcolo dei ratei di fotolisi in presenza di nuvoleConfronto al di sotto della “cloud base”
La relazione proposta in Kaiser and Hill (1976) dipende dalla sola copertura nuvolosa mentre la relazione suggerita da Chang et al. presenta un più complesso andamento in funzione sia del contenuto d’acqua liquida sia dell’angolo solare zenitale. L’analisi di tale figura evidenzia che l’utilizzo della relazione suggerita da Chang et al. determina, in generale, una maggiore attenuazione della radiazione rispetto alla formula attualmente implementata in FARM.
Above cloud
1
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
20.
02
0.08
0.13
0.19
0.24 0.3
0.35
0.41
0.46
0.52
0.57
0.63
0.68
0.74
0.79
0.85 0.9
0.96
1.01
1.07
1.12
1.18
1.23
1.28
Cloud Water Content [g/m3]
Ph
oto
lysi
s A
dju
stm
ent
10° 20° 30° 40° 50° 60° Constant
Calcolo dei ratei di fotolisi in presenza di nuvoleConfronto al di sopra della “cloud base”
La relazione suggerita da Chang et al. presenta valori di albedo generalmente superiori a quelli attualmente considerati in FARM. Tali valori sono relativi a tutti i livelli verticali al di sopra del top della nuvola e non solo al livello immediatamente superiore.
Original data
Interpolated dataCressmann
Calcolo dei ratei di fotolisi (TUV)Columnar ozone - OMI Satellite data
24 June 2009
Calcolo dei ratei di fotolisi (TUV)Columnar ozone - OMI Satellite data
3 January 2005
Optimal Interpolation # of influential points = 50
correlation lenght=20°
Original data
Calcolo dei ratei di fotolisi in presenza di nuvoleCalcolo dello spessore ottico
Per il calcolo dello spessore ottico è possibile utilizzare la seguente relazione (Seinfeld e Pandis, 2006):
wcloud r
Lh
2
3
ove L individua il contenuto d’acqua liquida nella nuvola [g m-3], h lo spessore della nuvola, r il
raggio delle goccioline nella nuvola (10-5 m] e w la densità dell’acqua liquida (106 g m-3]. Per valori
di cloud inferiori a 5 non viene effettuata alcuna correzione. In CMAQ (Rosselle et al., 1999) viene utilizzata la seguente formula empirica proposta da Stephens (1978) che dipendendo dal prodotto W=Lh [g m-3] “liquid water path” non necessita di alcuna ipotesi circa la distribuzione dimensionale delle goccioline:
)]ln[log(7095.12633.0)log( Wcloud
0
20
40
60
80
100
120
140
160
0.0
1
0.0
7
0.1
2
0.1
8
0.2
3
0.2
9
0.3
4
0.4
0.4
5
0.5
1
0.5
6
0.6
2
0.6
7
0.7
3
0.7
8
0.8
4
0.8
9
0.9
5 1
Cloud Water Content [g/m3]
Clo
ud
Op
tic
al
De
pth
Stephens (1978) Seinfeld e Pandis
Calcolo dei ratei di fotolisi in presenza di nuvoleCalcolo dello spessore ottico
Inclusion of map scale factors
Computing Scale Factors
earth
map
dist
distm
where m is the local scale factor, and the symbol diststands for a small increment of distance on either themap or the earth accordingly.
ii2i
Vi
iz
iH
i
2iy
iH
i
2ix
Rzyx
Em
z
cK
zz
)wc(cL
y
cmK
ym
y
)mvc
(mcL
x
cmK
xm
x
)muc
(mcL
Advection-diffusion operators
where Lx, Ly are advection-diffusion operators along the two horizontal axes, Lz is the vertical operator taking into account transport, diffusion, source injection Ei and dry deposition Ri processes. ci is i-th gas-phase average species concentration, u, v and w are the components of wind velocity vector, KH and KV the lateral and vertical diffusivities and m is the map scale factor (ratio of the length of a path on the map to the length of the path that it represents on the earth)
Map factor analysisGEMS Domain
Map factor analysisMINNI Domain
POPs and Hg gas-phase chemical mechanism
KPP species#include atoms
#DEFVAR
{------------------------------------- Inorganics -------------------------------------}
NO = N + O;
NO2 = N + 2O;
NO3 = N + 3O;
HNO3 = H + N + 3O;
N2O5 = 2N + 5O;
PAN = 2C + 3H + 5O + N;
SO2 = S + 2O;
H2SO4 = 2H + S + 4O;
{------------------------------------- PAHs -------------------------------------}
PAH1 = IGNORE; {B[a]P, Benzo[a]pyrene}
PAH2 = IGNORE; {B[b]F, Benzo[b]fluorene}
PAH3 = IGNORE; {B[k]F, Benzo[k]fluorene}
I_P = IGNORE; {indeno[1,2,3-cd]pyrene}
{------------------------------------- Dioxins -------------------------------------}
PCDD1 = IGNORE; {2,3,7,8-TeCDD}
PCDD2 = IGNORE; {1,2,3,7,8-PeCDD}
PCDD3 = IGNORE; {1,2,3,4,7,8-HxCDD}
PCDD4 = IGNORE; {1,2,3,6,7,8-HxCDD}
PCDD5 = IGNORE; {1,2,3,7,8,9-HxCDD}
PCDD6 = IGNORE; {1,2,3,4,6,7,8-HpCDD}
OCDD = IGNORE; {OCDD}
KPP species{------------------------------------- Furans -------------------------------------}
PCDF1 = IGNORE; {2,3,7,8-TeCDF}
PCDF2 = IGNORE; {1,2,3,7,8-PeCDF}
PCDF3 = IGNORE; {2,3,4,7,8-PeCDF}
PCDF4 = IGNORE; {1,2,3,4,7,8-HxCDF}
PCDF5 = IGNORE; {1,2,3,6,7,8-HxCDF}
PCDF6 = IGNORE; {1,2,3,7,8,9-HxCDF}
PCDF7 = IGNORE; {2,3,4,6,7,8-HxCDF}
PCDF8 = IGNORE; {1,2,3,4,6,7,8-HpCDF}
PCDF9 = IGNORE; {1,2,3,4,7,8,9-HpCDF}
OCDF = IGNORE; {OCDF}
{------------------------------------- PCBs -------------------------------------}
PCB1 = IGNORE; {PCB-28}
PCB2 = IGNORE; {PCB-105}
PCB3 = IGNORE; {PCB-118}
PCB4 = IGNORE; {PCB-153}
PCB5 = IGNORE; {PCB-180}
{------------------------------------- Pesticides -------------------------------------}
gHCH = IGNORE; {gamma-Hexachlorocyclohexane}
HCB = IGNORE; {C6Cl6}
{------------------------------------- Mercury -------------------------------------}
Hg = Hg; {Mercury elemental}
HgO = Hg + O; {Mercury oxide}
HgAER = IGNORE; {Mercury in particulate form}
KPP species#DEFFIX
O3 = 3O;
OH = H + O;
CCO_O2 = 2C + 3O;
H2O = 2H + O;
H2O2 = 2H + 2O;
KPP reactions#Equations
{Inorganic EMEP Acid Reactions}
{1} NO2 + hv = NO : phk(1); {fcm_saprc99_phk('NO2_____',1e0,zenith);}
{2} O3 + NO = NO2 : ARR(1.80e-12,1370.0e0,0.0e0);
{3} O3 + NO2 = NO3 : ARR(1.40e-13,2470.0e0,0.0e0);
{4} OH + NO2 = HNO3 : FALL(2.43e-30, 0.0e0,-3.10e0,1.67e-11,0.0e0,-2.10e0,0.60e0);
{5} CCO_O2 + NO2 = PAN : FALL(2.70e-28,0.0e0,-7.10e0,1.20e-11,0.0e0,-0.90e0,0.30e0);
{6} PAN = NO2 : FALL(4.90e-3,12100.0e0,0.0e0,4.0e+16,13600.0e0,0.e0,0.3e0);
{7} OH + SO2 = H2SO4 : FALL(4.00e-31,0.0e0,-3.30e0,2.00e-12,0.0e0,0.0e0,0.45e0);
{8} NO3 + hv = NO : phk(2); {fcm_saprc99_phk('NO3NO___',1e0,zenith);}
{9} NO3 + hv = NO2 : phk(3); {fcm_saprc99_phk('NO3NO2__',1e0,zenith);}
{10} NO2 + NO3 = N2O5 : FALL(2.80e-30,0.0e0,-3.50e0,2.00e-12,0.0e0,0.20e0,0.45e0);
{11} N2O5 = NO2 + NO3 : FALL(1.e-3,11000.0e0,-3.5e0,9.7e+14,11080.0e0,0.1e0,0.45e0);
{12} N2O5 + H2O = 2HNO3 : (2.60e-22);
{13} NO + NO3 = 2NO2 : ARR(1.80e-11,-110.0e0,0.0e0);
{PAHs: Meylan and Howard, 1993 cited in SRC PhysProp Database}
{14} PAH1 + OH = PROD : (5.000e-11);
{15} PAH2 + OH = PROD : (1.860e-11);
{16} PAH3 + OH = PROD : (5.360e-11);
{17} I_P + OH = PROD : (6.447e-11);
KPP reactions{PCDDs: Brubaker and Hites, 1997}
{18} PCDD1 + OH = PROD : (1.05e-12);
{19} PCDD2 + OH = PROD : (5.60e-13);
{20} PCDD3 + OH = PROD : (2.70e-13);
{21} PCDD4 + OH = PROD : (2.70e-13);
{22} PCDD5 + OH = PROD : (2.70e-13);
{23} PCDD6 + OH = PROD : (1.30e-13);
{24} OCDD + OH = PROD : (5.00e-14);
{PCDFs: Brubaker and Hites, 1997}
{25} PCDF1 + OH = PROD : (6.10e-13);
{26} PCDF2 + OH = PROD : (3.00e-13);
{27} PCDF3 + OH = PROD : (3.00e-13);
{28} PCDF4 + OH = PROD : (1.40e-13);
{29} PCDF5 + OH = PROD : (1.40e-13);
{30} PCDF6 + OH = PROD : (1.40e-13);
{31} PCDF7 + OH = PROD : (1.50e-13);
{32} PCDF8 + OH = PROD : (6.00e-14);
{33} PCDF9 + OH = PROD : (6.00e-14);
{34} OCDF + OH = PROD : (3.00e-14);
KPP reactions{PCBs: Anderson and Hites, 1996; Beyer and Matthies, 2001}
{35} PCB1 + OH = PROD : ARR(2.70e-10,1650.0e0,0.0e0);
{36} PCB2 + OH = PROD : ARR(6.15e-11,1554.0e0,0.0e0);
{37} PCB3 + OH = PROD : ARR(6.15e-11,1554.0e0,0.0e0);
{38} PCB4 + OH = PROD : ARR(8.12e-11,1850.0e0,0.0e0);
{39} PCB5 + OH = PROD : ARR(1.40e-10,2146.0e0,0.0e0);
{Pesticides: Brubaker and Hites, 1997}
{40} gHCH + OH = PROD : ARR(6.00e-11,1708.0e0,0.0e0);
{41} HCB + OH = PROD : ARR(4.90e-10,2923.0e0,0.0e0);
{Mercury: Xie et al., 2008 and Jung et al., 2009, AER from CMAQ}
{42} Hg + O3 = 0.5HgO + 0.5HgAER: ARR(8.43e-17,1407.0e0,0.0e0);
{43} Hg + OH = 0.5HgO + 0.5HgAER: ARR(3.55e-14,-294.0e0,0.0e0);
{44} Hg + H2O2 = HgO : (8.50e-19);
{44} Hg + NO3 = HgO + NO2: (4.00e-15);
POPs processes
Degradation process of POPs in the atmosphere is considered as the gas-phase reaction of pollutants with hydroxyl radicals and all other reactions are neglected. The degradation process in the atmosphere is described by the equation of the second order:
dC/dt=-kair · C ·[OH]
where:
•C is the pollutant concentration in air (gaseous phase), ng/m3;
•[OH] is the concentration of OH radical, molec/cm3;
•kair is the degradation rate constant for air, cm3/(molec s).
Degradation in air
POP partitioning between the gaseous and particulate phase is performed using the Junge-Pankow model [Junge, 1977; Pankow, 1987] based on subcooled liquid vapour pressure pOL (Pa). According to this model the POP fraction adsorbed on tropospheric aerosol particles equals to:
= c· / (pOL + c·)
where:
• c is the constant dependant on the thermodynamic parameters of the adsorption process and on the properties of aerosol particle surface; it is assumed c=0.17 Pa·m [Junge, 1977] for background aerosol;
• θ is the specific surface of aerosol particles, m2/m3.
Gas/particle partitioning
Dry deposition flux of the gas-phase is not considered.
Dry deposition flux of the particulate phase Fpdry
(ng/m2/s) is a product of dry deposition velocity vd (m/s) and air concentration CP (ng/m3) of a pollutant in the particulate phase taken at an air reference level coinciding with the middle of the lowest atmospheric layer:
Fpdry = vd · CP
Dry deposition
Wet deposition of POPs in gaseous and particulate phase is distinguished in the MSCE-POP model. Making an assumption that the pollutant does not redistribute between dissolved and particulate phase within a raindrop, total dimensionless ratio WT for a substance washout with precipitation is determined by the following equation:
WT = Wg·(1-) + WP ·
Where:
• Wg is the washout ratio of the POP gaseous phase;
• WP is the washout ratio of a substance associated with aerosol particles;
is the substance fraction associated with aerosol particles in the atmosphere.
Wet deposition
All’interno delle nuvole viene utilizzatto l’approccio proposto da Karamchandani (implementato in CAMx - ENVIRON, 2003) per la simulazione dei processi di ossidazione/riduzione che determinano I livelli di mercurio elementare Hg(0) e mercurio ossidato Hg(II). La maggior parte delle secie chimiche necessarie sono fornite da FARM. Le concentrazioni di Cl2 e HCl sono assunte considerando valori e profili verticali di letteratura.
ENVIRON (2003) Modeling Atmospheric Mercury Chemistry and Deposition with CAMx for a 2002 Annual Simulation.
Aqueous-Phase Hg Chemistry