Методика представления эмиссий автотранспорта на регулярной модельной сетке

Ю.В. Ткачева

Гидрометеорологический научно-исследовательский центр
Российской Федерации, г. Москва, Россия

tkacheva.j@mail.ru

Введение

Из-за высокой неоднородности источников антропогенного загрязнения концентрации загрязняющих веществ в приземном городском воздухе характеризуются большими градиентами. Моделирование загрязнения воздуха в большом городе становится возможным лишь при высоком разрешении численных моделей, позволяющем учитывать мелкомасштабное влияние нерегулярных источников загрязнения, к которым относится автомобильный транспорт. Современное состояние вычислительной техники и быстрое развитие химико-транспортных моделей (ХТМ) позволяют рассчитывать концентрации загрязняющих веществ по сетке высокого горизонтального разрешения, достаточного для учета локальных выбросов сеточного масштаба [3, 4, http://climaterussia.ru/chistye-tehnologii/aerostate-kachestvo-vozduha-kak-novaya-pogoda.]. При этом возникает потребность в получении достоверных данных о выбросах загрязняющих веществ на городских и прилегающих территориях.

Данные об эмиссиях антропогенных загрязнений, необходимые для проведения расчетов мезомасштабными ХТМ, формируются на основе статистических отчетов и методических расчетов в виде кадастров; наиболее известными из них являются базы данных открытого доступа EDGAR, EMEP. При том, что эти базы данных используются ХТМ и позволяют рассчитать концентрации примесей на достаточно удовлетворительном уровне, улучшение качества модельных расчетов тесно связано с региональной адаптацией, а также с уточнением объема и структуры выбросов загрязняющих веществ в атмосферу.

В настоящей работе рассматривается один из способов уточнения региональных эмиссий, представляющий собой усвоение актуальных данных, т. е. эмиссий, рассчитанных по информации о реальных источниках загрязнения. Таковыми являются данные о выбросах загрязняющих веществ автомобильным транспортом в г. Москве, полученные по описанной в [1] методике. Известно, что около 80 % загрязнения городского воздуха составляют выбросы автомобильного транспорта. Выбросы загрязняющих веществ от автомобильного транспорта достаточно специфичны, поскольку зона существенного загрязнения (согласно Гауссову распределению) обычно сосредоточена в узкой полосе, порядка нескольких десятков ‒ сотен метров от автотрассы. Все названные факторы учитывались при разработке методики представления эмиссий автотранспорта на регулярной модельной сетке.

Методика. Расчетные эмиссии загрязняющих веществ от автомобильного транспорта определены для линейно-кусочных участков автодорог г. Москвы. Они включают выбросы двух десятков веществ, основная доля которых приходится на окись углерода (CO), оксиды азота (NO_x), неметановые углеводороды. База данных актуальных выбросов автотранспорта (БД АВА) содержит информацию более чем по 22 тыс. участков автодорог, географические координаты начальных и конечных пунктов линейных участков дорог (с учетом одностороннего и двустороннего движения), а также значения эмиссий на этих участках. На основе данных БД АВА с использованием графических инструментов выполнена визуализация всех линейных участков автодорог (рис. 1).

Рис. 1. Участки автомобильных дорог с данными выбросов автотранспорта. г. Москва.

Fig. 1. Road sections with motor transport emissions data. Moscow.

На первом этапе разработки методики проведена структуризация всех данных АВА с преобразованием их в единый формат, удобный для вычислительной обработки. На следующем этапе решалась задача преобразования неравномерно распределенных кусочно-линейных эмиссий в регулярную сетку с шагом 2 км. В англоязычной научной литературе процедура построения регулярной прямоугольной сетки на основе сети нерегулярных точек получила название гриддинг (gridding). Вариантов решения данной задачи может быть несколько. В данной работе описаны методы, позволяющие, с одной стороны, максимально учесть выбросы от автотранспорта, а с другой стороны, автоматизировать методику и предусмотреть возможность масштабирования, т. е. изменения горизонтального разрешения, и учета дополнительных факторов.

Ниже описан алгоритм реализации методики гриддинга выбросов автомобильного транспорта.

Алгоритм. Для преобразования данных выбросов загрязняющих веществ от автомобильного транспорта в регулярную сетку с шагом 2 км строится «мелкая» сетка с горизонтальным разрешением 100 м (рис. 2). Для каждого линейного участка автомобильной дороги по географическим координатам начального и конечного пунктов выбираются ячейки “мелкой” сетки, через которые она проходит (квадраты зеленого цвета). В каждой ячейке вычисляется доля автомобильной дороги, приходящаяся на данную ячейку (L_i, i = 1,5). Общая длина дороги (L) для данного примера равна: .

Рис. 2. Ячейки сетки, через которые проходит автомобильная дорога.

Fig. 2. Grid cells through which the automobile road passes.

По вычисленной доле автомобильной дороги, проходящей через данную ячейку, определяются выбросы, соответствующие данной ячейке (). При этом рассчитывается долевой коэффициент (, показывающий, какая часть суммарных выбросов приходится на данную ячейку. E на всей дороге приходится на данную ячейку:

; ,

где ‒ длина участка автодороги в границах ячейки i; ‒ общая длина дороги, проходящей через ячейки 1≤ i ≤ n; n – число ячеек, через которые проходит дорога; ‒ доля участка дороги L_i в ячейке i от общей длины дороги L.

Эмиссии загрязняющих веществ (E), измеренные на автомобильной дороге, равны сумме эмиссий на отдельных участках, разбиваемых границами ячеек ():

Процедура расчета эмиссий повторяется для всех линейных участков автомобильных дорог, представленных в БД АВА. Предполагается, что распределение выбросов загрязняющих веществ в ячейке “мелкой” сетки однородно, а полученное значение эмиссии относится к центру ячейки.

Для получения значений во всех узлах регулярной “мелкой” сетки с горизонтальным шагом 100 м применяется один из методов интерполяция – метод обратных квадратов. Интерполяция основана на предположении: чем ближе расположены точки, тем больше похожи их свойства, и наоборот.

Метод обратных взвешенных расстояний позволяет рассчитать значение каждой ячейки растра, усредняя значения опорных точек в заданной окрестности данной ячейки. При этом выполняется условие: ближайшая к центру расчетной ячейки точка вносит больший вклад (вес) в интерполируемое значение, чем более удаленная.

Вес каждой опорной точки ‒ обратная функция расстояния в некоторой степени ():

где ‒ рассчитываемое средневзвешенное значение эмиссии загрязняющих веществ обрабатываемой ячейки; ‒ значения эмиссии загрязняющих веществ опорных точек, попавших в заданную окрестность; - рассчитываемый вес i-ой точки – обратная функция расстояния (например, в нашем случае , ‒ расстояние от точки интерполяции до i-ой точки).

Чем больше степень обратной функции расстояния, тем большее влияние имеют ближайшие точки и меньшее ‒ удаленные. В результате поверхность становится более детальной и менее сглаженной. В данной задаче применена обратная квадратичная зависимость, поскольку рассеивание загрязняющих веществ при удалении от источника имеет близкую функциональную зависимость (Гауссово распределение).

Для расчета значений в заданной ячейке используется фиксированный радиус с указанием минимального количества точек для интерполяции. Ниже приведен конкретный пример интерполяции E в точке по пяти окружающим точкам, где значения известны (рис. 3).

На рис. 3 квадраты, в которых заданы значения выбранного параметра, окрашены оттенками синего цвета с центральными точками зеленого цвета, а желтый квадрат с красной точкой – узел, в котором надо получить интерполированное значение. Рядом со значениями функции в отмеченных точках указаны расстояния от точки интерполяции до этих точек (ds).

Рис. 3. Схема интерполяции в заданной точке.

Fig. 3. The interpolation scheme at a given point.

Ниже приводится пример вычисления методом обратных квадратов:

.

Эмиссии загрязняющих веществ:

= 37,45.

Более подробное описание метода интерполяции обратных квадратов можно найти в [2, 5], а программную реализацию можно выполнить самостоятельно или воспользоваться стандартными системными библиотеками. Поскольку программные пакеты, которые имеются в свободном доступе, требуют преобразования под данную специфическую задачу, для реализации методики был написан самостоятельный программный продукт.

После проведения всех необходимых вычислений и заполнения ячеек “мелкой” сетки с шагом 100 м начинается заполнение сетки с горизонтальным разрешением 2 км. Для этого проводится суммирование эмиссий загрязняющих веществ ячеек “мелкой” сетки, входящих в ячейку крупной сетки с шагом 2 км, учитывая их весовые коэффициенты, Процедура подобных вычислений по всей территории позволяет получить данные эмиссий загрязняющих веществ от автотранспорта в регулярной сетке с горизонтальным разрешением 2 км.

Реализация методики. Написанный программный пакет реализован для операционных систем Linux и Windows на языке FORTRAN 90.

Методика максимально автоматизирована, для ее реализации требуется задать следующие параметры:

1. Географические координаты линейных участков автодорог и значения эмиссий загрязняющих веществ.

2. Горизонтальное разрешение регулярной сетки (в данном случае 2 км).

3. Размерность регулярной сетки.

4. Географические координаты узлов регулярной сетки.

5. Формат выходных данных.

Такой набор входных данных не привязан к определенной вычислительной модели, поэтому позволяет использовать данную методику для прогностических моделей с разными пространственными сетками.

На выходе программного пакета получаем значения функции в узлах заданной регулярной сетки с требуемым горизонтальным разрешением. При необходимости можно изменять и расширять список задаваемых параметров.

Результаты. Регриддинг по разработанной методике был выполнен для сеток с шагами по горизонтали: 500 м; 1 км; 2 км. На рис. 4 показаны примеры регриддинга в регулярные горизонтальные сетки с разрешением 2 км и 1 км.

а)

б)

Рис. 4. Выбросы CO (кТ/год) на регулярных сетках с шагом 2 км (а) и 1 км (б).

Fig. 4. Emissions of CO (kT/year) on regular grids with a resolution of 2 km (a) and 1 km (b).

Анализ рис. 4 а, б показывает, что сетка с шагом 1 км лучше учитывает расположение автодорог, а значит, и распределение по территории города эмиссий автотранспорта. Но сегодня вычислительные возможности Гидрометцентра России позволяют проводить расчеты ХТМ с горизонтальным шагом 2 км. Это связано с тем, что увеличение разрешения модели сопряжено с увеличением времени счета ХТМ. Так, уменьшение шага сетки в 2 раза увеличивает количество расчетных узлов в 4 раза. При этом в 2 раза уменьшается временной шаг модели (для выполнения вычислительной устойчивости по условию Куранта ‒ Фридрихса ‒ Леви), а время счета возрастает в кубической степени при равных прочих условиях. Для исследовательских целей увеличение временных затрат не критично, но для оперативной работы, когда прогноз должен быть просчитан к определенному времени, все эти нюансы надо учитывать и выбирать “оптимальное разрешение”, при котором будет соблюдаться необходимый баланс между возможностью уточнения прогноза и вычислительными затратами.

Подготовленная для режима автоматизированного использования методика применена для подготовки сеточных данных всех представленных в БД АВА загрязняющих веществ. Визуализация полученных результатов выполнена с применением языка программирования bash, FORTRAN 90 и пакета GrADS. Полученные сеточные данные представлены в виде рисунков, а также файлов, записанных в бесформатном виде. На рис. 5 и 6 приведены примеры некоторых полученных полей эмиссий загрязняющих веществ по г. Москве.

а) CO	б) NO3
в) CH4∙10	г) NH3
д) NMVOC	е) PM∙10

Рис. 5. Поля загрязняющих веществ (kT/год), поступающих в атмосферу города от автотранспорта.

Fig. 5. Fields of emissions polutant (kT / year) entering the city's atmosphere from motor transport vehicles.

Для визуального контроля создаются рисунки эмиссий с числовыми значениями в узлах регулярной сетки (рис. 6).

Рис. 6. Годовые выбросы CO (кТ/год) в сеточном виде.

Fig. 6. Annual CO emissions (kT / year) in grid form.

Выводы. Разработанная методика позволяет преобразовывать данные эмиссий загрязняющих веществ от линейных источников в регулярную сетку с заданным горизонтальным разрешением. Методика автоматизирована, что позволяет использовать ее для разных научных и практических задач. Предполагается усовершенствование методики за счет учета характеристик землепользования, орографии и др. параметров.

Благодарность. Выражаю признательность ГПБУ «Мосэкомониторинг», ОАО НИИАТ за предоставленные данные о выбросах загрязняющих веществ и возможность их использования в прогностических моделях.

Список литературы

1. Донченко В., Кунин Ю., Рузский А., Виженский В. Методы расчета выбросов от автотранспорта и результаты их применения // Журнал автомобильных инженеров. 2014. № 3. С. 44-51.

2. Agung Setianto, Tamia Triandini. Comparison of kriging and inverse distance weighted (IDW) interpolation methods in lineament extraction and analysis // J. SE Asian Appl. Geol. Jan-Jun 2013. Vol. 5(1). P. 21-29.

3. McDonald B.C., McBride Z.C., Martin E.W., Harley R.A. High-resolution mapping of motor vehicle carbon dioxide emissions // J. Geophys. Res. Atmos. Vol. 119. P. 5283-5298. doi:10.1002/2013JD021219.

4. Pérez P., Teresa M., Martínez F., Guevara M., Baldasano J.M. Air quality forecasts at kilometer scale grid over Spanish complex terrains // Geoscientific Model Development. 2014. Vol. 7. P. 1979-1999.

5. Shepard D. A two-dimensional interpolation for irregularly-spaced data // 518 Proceedings--1968 ACM National Conference. P. 517-524.

References

1. Donchenko V., Kunin J., Ruzsky A., Vizhensky V. Metody rascheta vybrosov ot avtotransporta i rezul'taty ikh primeneniya [Methods for estimating emissions from vehicles and their application]. Zhurnal avtomobil'nykh inzhenerov [Zurnal AAI], 2014, no. 3, pp. 44-51 [in Russ.].

2. Agung Setianto, Tamia Triandini. Comparison of kriging and inverse distance weighted (IDW) interpolation methods in lineament extraction and analysis. J. SE Asian Appl. Geol. Jan-Jun 2013, vol. 5(1), pp. 21-29.

3. McDonald B.C., McBride Z.C., Martin E.W., Harley R.A. High-resolution mapping of motor vehicle carbon dioxide emissions. J. Geophys. Res. Atmos., vol. 119, pp. 5283-5298, doi: 10.1002/2013JD021219.

4. Pérez P., Teresa M., Martínez F., Guevara M., Baldasano J.M. Air quality forecasts at kilometer scale grid over Spanish complex terrains // Geoscientific Model Development, 2014, vol. 7, pp. 1979-1999

5. Shepard D. A two-dimensional interpolation for irregularly-spaced data // 518 Proceedings--1968 ACM National Conference, pp. 517-524.

Поступила в редакцию 22.05.2018 г.