Influence of point sources of pollution on air quality in Małopolska – first tests of a new version of forecasting of air pollution propagation system

• Autorzy: Kaszowski Kamil , Godłowska Jolanta , Kaszowski Wiesław

Identyfikatory

DOI

10.5604/01.3001.0016.3279

Warianty tytułu

PL

Wpływ punktowych źródeł zanieczyszczeń na jakość powietrza w Małopolsce – pierwsze testy nowej wersji systemu prognozowania propagacji zanieczyszczeń powietrza

• Języki publikacji: EN

Abstrakty

EN

Polluted air is dangerous to human life and health. Particulate matter, among others PM10, is one of the most harmful substances. In Małopolska and its capital Kraków, the concentrations of harmful substances often exceed the standards set by the World Health Organization. Kraków, thanks to the ban on residential heating with solid fuels, has significantly reduced emissions of pollution, but they remain high in the remaining part of the region, affecting air quality in the capital as well. With the frequent occurrence of high concentrations of pollutants, in addition to the necessary measures aimed at reducing emissions, forecasting of air pollutant concentrations is needed to inform the population if normative concentrations are likely to be exceeded. The FAPPS (Forecasting of Air Pollution Propagation System), based on the AROME/MM5/CALMET/ CALPUFF model ensemble, has been operating in Małopolska since 2014 and has been used to create pollution concentration forecasts for Kraków and Małopolska. In this study, the influence of emissions from point sources on air quality in Małopolska was investigated based on the results of modelling with this system. Modelling results indicate that this influence is negligible. The quality of PM10 forecasts for four versions of the FAPPS system, differing in the meteorological model used – MM5 (Fifth-Generation Penn State/NCAR Mesoscale Model) or WRF (Weather Research and Forecasting) and the emission input (2015 emissions from the Małopolska Marshal’s Office, updated with data from the City of Kraków for 2018, or the 2020 emission inventory from the Central Emission Database) was tested. The quality of forecasts was assessed based on the results of measurements at the 22 air pollution monitoring stations for three smog episodes that occurred on 11–17.11.2021, 11–15.12.2021 and 13–18.03.2022. The best results for Kraków were obtained using an approach based on the WRF model and the emission inventory from the Central Emission Database, for which an RMSE (Root Mean Square Error) value of 30.02 µg/m3 was obtained for selected episodes. In the case of Małopolska, the lowest RMSE value (33.58 µg/m3 ) was obtained for the system using the emission inventory obtained from the Marshal’s Office and the WRF model. First tests indicate that changing the meteorological model from MM5 to WRF can lead to improved modelling results, but further research is needed to confirm it.

PL

Zanieczyszczone powietrze jest niebezpieczne dla ludzkiego życia i zdrowia. Pyły zawieszone, wśród nich PM10, to jedne z najbardziej szkodliwych substancji. W Małopolsce i jej stolicy Krakowie stężenia szkodliwych substancji często przekraczają normy ustalone przez Światową Organizację Zdrowia. Kraków dzięki zakazowi ogrzewania mieszkań za pomocą paliw stałych ograniczył w znacznym stopniu emisję zanieczyszczeń, jednakże emisja w pozostałej części regionu jest wysoka, wpływając na jakość powietrza także w jej stolicy. W sytuacji częstego występowania wysokich stężeń zanieczyszczeń, oprócz koniecznych działań ograniczających emisje, potrzebne jest też prognozowanie wysokości stężeń zanieczyszczeń powietrza, aby informować ludność o możliwości wystąpienia przekroczeń poziomu stężeń normatywnych. W Małopolsce od 2014 r. działa system FAPPS (Forecasting of Air Pollution Propagation System) oparty o zespół modeli AROME/MM5/ CALMET/CALPUFF, który jest wykorzystywany do tworzenia prognoz stężeń zanieczyszczeń dla Krakowa i Małopolski. W niniejszej pracy na podstawie wyników modelowania tym systemem zbadano, czy emisja ze źródeł punktowych może mieć znaczący wpływ na poziom stężeń PM10 na terenie Małopolski. Wyniki modelowania wskazują, że ten wpływ jest pomijalny. W pracy testowano także jakość prognoz PM10 dla czterech wersji systemu FAPPS, różniących się zastosowanym modelem meteorologicznym – MM5 (Fifth-Generation Penn State/NCAR Mesoscale Model) lub WRF (Weather Research and Forecasting) oraz wsadem emisyjnym (emisja z 2015 r. z małopolskiego urzędu marszałkowskiego, uaktualniona o dane z Urzędu Miasta Krakowa dla 2018 r., albo inwentaryzacja emisji z 2020 r. z Centralnej Bazy Emisji). Jakość prognoz oceniano na podstawie wyników pomiarów na stacjach GIOŚ dla trzech epizodów smogowych, które miały miejsce w dniach 11–17.11.2021 r., 11–15.12.2021 r. i 13–18.03.2022 r. Najlepsze wyniki dla miasta Krakowa uzyskano, stosując podejście oparte na modelu WRF i inwentaryzacji emisji z Centralnej Bazy Emisji, dla której dla wybranych epizodów uzyskano wartość RMSE (Root Mean Square Error – średni błąd kwadratowy) równą 30,022 µg/m3 . W przypadku Małopolski najmniejszą wartość RMSE (33,579 µg/m3 ) uzyskano dla systemu używającego inwentaryzacji emisji uzyskanej z małopolskiego urzędu marszałkowskiego i modelu WRF. Pierwsze testy wskazują, że zmiana modelu meteorologicznego z MM5 na WRF może przynieść poprawę wyników modelowania, jednak konieczne są dalsze badania.

Słowa kluczowe

EN

emission of air pollution; air quality modelling; FAPPS; CALPUFF; MM5; WRF

PL

emisja zanieczyszczeń powietrza; modelowanie jakości powietrza; FAPPS; CALPUFF; MM5; WRF

• Wydawca: Szkoła Główna Służby Pożarniczej
• Czasopismo: Zeszyty Naukowe SGSP / Szkoła Główna Służby Pożarniczej
• Rocznik: 2023
• Tom: Nr 85
• Strony: 59--80
• Opis fizyczny: Bibliogr. 21 poz., rys., tab.

Twórcy

autor

Kaszowski Kamil

• Institute of Meteorology and Water Management – National Research Institute, Warsaw, Poland

autor

Godłowska Jolanta

• Institute of Meteorology and Water Management – National Research Institute, Warsaw, Poland

autor

Kaszowski Wiesław

• Institute of Meteorology and Water Management – National Research Institute, Warsaw, Poland

Bibliografia

• 1. Adani, M., D’Isidoro, M., Mircea, M., Guarnieri, G., Vitali, L., D’Elia, I., Ciancarella, L., Gualtieri, M., Briganti, G., Cappelletti, A., Piersanti, A., Stracquadanio, M., Righini, G., Russo, F., Cremona, G., Villani, M.G., Zanini, G., (2022). Evaluation of air quality forecasting system FORAIR-IT over Europe and Italy at high resolution for year 2017. Atmospheric Pollution Research, volume 13, Issue 6. https://doi.org/10.1016/j. apr.2022.101456.
• 2. Bezyk, Y., Oshurok, D., Dorodnikov, M., Sówka, I., (2021). Evaluation of the CALPUFF model performance for the estimation of the urban ecosystem CO2 flux. Atmospheric Pollution Research, Volume 12, Issue 3, pp. 260–277. https://doi.org/10.1016/j. apr. 2020.12.013.
• 3. ETC/ACM. Technical Paper 2013/11 (R. Rouil, B. Bessagnet, eds). How to start with PM modelling for air quality assessment and planning relevant to AQD 2013.
• 4. Fioletov, V., McLinden, C.A., Griffin, D., Krotkov, N, Liu, F., Eskes, H., (2022). Quantifying urban, industrial, and background changes in NO2 during the COVID-19 lockdown period based on TROPOMI satellite observations. Atmos. Chem. Phys., 2, 22, pp. 4201–4236, 10.5194/acp-22-4201-2022.
• 5. Frohn, L. M., Geels, C., Andersen, C., Andersson, C., Bennet, C., Christensen, J.H., Im, U., Karvosenoja, N., Kindler, P. A., Kukkonen, J., Lopez-Aparicio, S., Nielsen, O.-K., Palamarchuk, Y., Paunu, V.–V., Smith Plejdrup, M., Segersson, D., Sofiev, M., Brandt, J., (2022). Evaluation of multidecadal high-resolution atmospheric chemistry-transport modelling for exposure assessments in the continental Nordic countries. Atmospheric Environment, Volume 290. https://doi.org/10.1016/j.atmosenv.2022.119334.
• 6. Gawuc, L., Szymankiewicz, K., Kawicka, D., Mielczarek, E., Marek, K., Soliwoda, M. & Maciejewska, J., (2021). Bottom–Up Inventory of Residential Combustion Emissions in Poland for National Air Quality Modelling: Current Status and Perspectives, Atmosphere, 12, no. 11: 1460. https://doi.org/10.3390/atmos12111460.
• 7. GIOŚ 2022, powietrze.gios.gov.pl [30.11.2022].
• 8. Godłowska J., Hajto M. J., Lapeta B., Kaszowski K., (2023). The attempt to estimate annual variability of NOx emission in Poland using Sentinel-5P/TROPOMI. Atmospheric Environment, 119482, ISSN 1352-2310, https://doi.org/10.1016/j.atmosenv. 2022.119482.
• 9. Główny Inspektorat Ochrony Środowiska, Roczna Ocena Jakości Powietrza w Województwie Małopolskim Raport Wojewódzki za rok 2021.
• 10. Godłowska, J., Kaszowski, K., Kaszowski, W., (2022). Application of the FAPPS system based on the CALPUFF model in short-term air pollution forecasting in Krakow and Lesser Poland. Archives of Environmental Protection, 48, 3, doi: 10.24425/ aep.2022.142695.
• 11. Grell, G.A., Dudhia, J., & Stauffer, D.R., (1994). Description of the fifth generation Penn State/NCAR Mesoscale Model (MM5). Tech. Rep. TN-398+STR, NCAR.
• 12. Holnicki, P., Kałuszko, A., Nahorski, Z., Stankiewicz, K. & Trapp, W., (2017). Air quality modeling for Warsaw agglomeration. Arch. Environ. Prot., 43, pp. 48–64. DOI: 10.1515/aep-2017-0005.
• 13. Juda-Rezler, K., (2010). New challenges in air quality and climate modeling. Arch. Environ. Prot., 2, 36, pp. 3–28.
• 14. Rataj, M., Holewa-Rataj, J., (2020). Analysis of air quality changes in Małopolska in the years 2012–2020. Nafta-Gaz, 11, 854–863.
• 15. Ravina, M., Esfandabadi, Z.S., Panepinto, D., Zanetti, M., (2021). Traffic-induced atmospheric pollution during the COVID-19 lockdown: Dispersion modeling based on traffic flow monitoring in Turin. Italy Journal of Cleaner Production, Volume 317. https://doi.org/10.1016/j.jclepro.2021.128425.
• 16. Ruggeri M.F., Lana. N.B., Altamirano, J.C., Puliafito, S.E., (2020). Spatial distribution, patterns and source contributions of POPs in the atmosphere of Great Mendoza using the WRF/CALMET/CALPUFF modelling system. Emerging Contaminants, Volume 6. https://doi.org/10.1016/j.emcon.2020.02.002.
• 17. Scire, J.S., Robe, F.R., Fernau, M.E. & Yamartino R.J., (2000). A user’s guide for the CALMET Meteorological Model (Version 5.0). Concord, MA: Earth Tech, Inc.
• 18. Scire, J.S., Strimaitis, D.G. & Yamartino R.J., (2000). A user’s guide for the CALPUFF Dispersion Model (Version 5.0). Concord, MA: Earth Tech, Inc.
• 19. Skamarock, W.C., Klemp, J.B., Dudhia, J., Gill, D.O., Liu, Z., Berner, J., et al., (2021). A Description of the Advanced Research WRF Model Version 4.3 (No. NCAR/TN-556+STR). doi:10.5065/1dfh-6p97.
• 20. WHO global air quality guidelines. Particulate matter (PM2.5 and PM10), nitrogen dioxide, sulfur dioxide and carbon monoxide. Geneva: World Health Organization 2021.
• 21. Yessad, K., (2019). Basics about ARPEGE/IFS, ALADIN and AROME in the cycle 46t1r1 of ARPEGE/IFS 2019. (https://www.umr-cnrm.fr/gmapdoc/spip.php?article29&lang=en [23.11.2022].

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu „Społeczna odpowiedzialność nauki” - moduł: Popularyzacja nauki i promocja sportu (2022-2023).