AN EVALUATION OF DISPERSION COEFFIC

AN EVALUATION OF DISPERSION COEFFICIENTS FOR USE IN AIR
QUALITY MODELS
MANJU MOHAN and T. A. SIDDIQUI1
Centre for Atmospheric Sciences, Indian Institute of Technology, New Delhi-16, India
(Received in final form 24 September, 1996)
Abstract. Standard deviations of concentration in horizontal and vertical directions i.e. y and z
have been estimated by using five different schemes based on empirical (due to Pasquill and Briggs)
schemes and sophisticated methods (due to Irwin, Draxler, Taylor, Hanna et al.). The five schemes are
discussed at length. The purpose of this study is to make use of meteorological observations which
are routinely available, to test all the above methods and intercompare the results with one another
and observations so that the sensitivity of each scheme under various atmospheric stability conditions
could be assessed. It has been found that the existing schemes are good enough to provide reasonable
estimates of dispersion coefficient (y) during highly unstable conditions (Pasquill stability classes
A and B). However, the same is not true for the case when the stability increases from C to F and
turbulence decreases, specifically during stable atmospheric conditions, when the observed values
were found to be much higher than all the existing schemes. This suggests that while we continue
to use the current methods of estimating the dispersion parameters, a rigorous search is required
for methods which give predictions which are close-to-reality during such conditions which are
represented by low levels (in terms of magnitude) of atmospheric turbulence leading to higher levels
of pollution.
As one of the sophisticated methods requires the use of v and w (standard deviations of wind
velocity fluctuation in y and z directions), these have been estimated and validated with observed
data (field experiments conducted by EPRI at Kincaid). Statistical evaluation of v and w based on
performance measures indicate a good performance of the parameterisations adopted in this study. In
the case of w during unstable conditions a comparison of three different schemes with observations
is made.
1. Introduction
In many air pollution problems, it is essential to determine the concentration of
pollutants downwind from a continuous source. The use of Gaussian dispersion
algorithms require the estimation of horizontal and vertical growth of the plumes
for predicting the Ground Level Concentration (GLC). The horizontal and vertical
growth of plumes are generally expressed in terms of standard deviations of concentrations
in lateral (y) and vertical (z) directions, i.e., y and z respectively and
parmeterise the dispersion due to atmospheric turbulence. The values of standard
deviations grow with the diffusion time and their rates of growth depend mainly
on meteorological variables such as Richardson number and wind characteristics.
These relationships may be based on empirical results, or can be inferred from
Taylor’s diffusion theorem (Taylor, 1921). In summary the dispersion coefficients
could be parameterised and classified broadly in the following two categories:
1 Presently with Energy and Environment Dept., Engineers India Ltd., R & D Centre, Sector-16,
Gurgaon-122 001, India.
Boundary-Layer Meteorology 84: 177–206, 1997.
c

1997 Kluwer Academic Publishers. Printed in the Netherlands.
178 MANJU MOHAN AND T. A. SIDDIQUI
Table I
Coefficients used to determine y
Stability class Coefficient
 
A 24.167 1.5334
B 18.333 1.8096
C 12.5 1.8096
D 8.333 0.72382
E 6.25 0.54287
F 4.1667 0.36191
(a) Empirical methods based on classification of atmospheric stability.
(b) Sophisticated methods based on the variance of wind velocity fluctuations.
The parameterisation of y and z is described in detail in the following sections.
2. EmpiricalMethods for Estimation of y and z
It becomes necessary, under certain conditions, to estimate pollutant concentrations
on the basis of standard data, such as sunshine, cloud amount, and wind speed.
Pasquill and Gifford generated P–G curves for estimating y and z based on these
data (Gifford, 1961). P–G curves are presented in terms of stability classes A–F
(Turner, 1969) which are based on wind speed, insolation and cloud cover. Here
class A is the most unstable and class F is the most stable, with class B moderately
unstable and class E slightly stable. Class D is the neutral class assumed mostly
for overcast conditions. The P–G curves provide graphs of y and z as a function
of downwind distance for the different stability classes. It is important to mention
here that these curves are prepared from observations over smooth terrain, and
represent the average values over a few minutes.
It is difficult to use the graphical forms of y and z in mathematical modelling.
Therefore, regression formulae for these curves have been given in the following
form (EPA, 1977):
y = CX tan

ผลลัพธ์ (ไทย) 1:

การประเมินของเธนสัมประสิทธิ์สำหรับใช้ในอากาศ
รุ่นคุณภาพ
MANJU โมฮานและต. A. SIDDIQUI1
ศูนย์บรรยากาศวิทยาศาสตร์ อินเดียสถาบันเทคโนโลยี นิวเดลี-16 อินเดีย
(รับแบบฟอร์มสุดท้าย 24 กันยายน 1996)
นามธรรม ส่วนเบี่ยงเบนมาตรฐานของความเข้มข้นในแนวนอน และแนวตั้งทิศทางเช่น y และ z
ได้ประเมินโดยห้าโครงร่างที่แตกต่างกันตามผล (เนื่องจาก Pasquill และบริกส์)
แผนงานและวิธีการซับซ้อน (เพราะเชอร์ Draxler เทย์เลอร์ Hanna et al) มีแผนงาน 5
กล่าวถึงยาว วัตถุประสงค์ของการศึกษานี้จะทำให้ใช้สังเกตการณ์อุตุนิยมวิทยาซึ่ง
มีเป็นประจำ การทดสอบวิธีการข้างต้นทั้งหมด และ intercompare ผล ด้วยกัน
และสังเกตให้ความไวของแต่ละแผนงานภายใต้สภาพบรรยากาศเสถียรภาพต่าง ๆ
สามารถประเมินได้ จะพบว่า แผนงานที่มีอยู่มีดีพอที่จะให้สมเหตุสมผล
ประเมินสัมประสิทธิ์การกระจายตัว (y) ในสภาพไม่เสถียรสูง (เรียนเสถียร Pasquill
A และ B) อย่างไรก็ตาม ว่าไม่เป็นความจริงสำหรับกรณีเมื่อความมั่นคงเพิ่มขึ้นจาก C F และ
ความวุ่นวายลดลง โดยเฉพาะในช่วงสภาพอากาศมีเสถียรภาพ เมื่อค่าสังเกต
พบจะสูงกว่าแผนงานที่มีอยู่ทั้งหมด นี้แนะนำที่ในขณะที่เรายังคง
ใช้ปัจจุบันวิธีการประมาณพารามิเตอร์การแพร่กระจาย การค้นหาอย่างเข้มงวดจำเป็น
สำหรับวิธีที่ให้การคาดคะเนที่ใกล้ความจริง ระหว่างเงื่อนไขดังกล่าวได้แก่
แสดง โดยระดับต่ำสุด (ในแง่ของขนาด) ของบรรยากาศความวุ่นวายนำไปสู่ระดับที่สูงขึ้น
ของมลพิษ
เป็นหนึ่งในวิธีการที่ซับซ้อนต้องใช้ v และ w (ส่วนเบี่ยงเบนมาตรฐานของลม
ความเร็วผันผวนในทิศทาง y และ z), เหล่านี้มีการประเมิน และตรวจสอบกับสังเกต
ข้อมูล (เขตข้อมูลทดลองโดย EPRI ที่ Kincaid) การประเมินทางสถิติของ v และ w ตาม
วัดบ่งชี้ประสิทธิภาพที่ดีของ parameterisations ที่นำมาใช้ในการศึกษานี้ ใน
w ระหว่างเสถียรกรณีเงื่อนไขการเปรียบเทียบโครงร่างที่แตกต่างกันสามกับสังเกต
ทำ
1 แนะนำ
ในหลายอากาศมลพิษ มันเป็นสิ่งสำคัญในการกำหนดความเข้มข้นของ
สารมลพิษ downwind จากแหล่งอย่างต่อเนื่อง การใช้ Gaussian เธน
อัลกอริทึมต้องประเมินการเจริญเติบโตแนวนอน และแนวตั้งของเบิ้ลพลูม
สำหรับการคาดการณ์ระดับพื้นดินเข้มข้น (GLC) แนวนอนและแนวตั้ง
เจริญเติบโตของเบิ้ลพลูมโดยทั่วไปจะแสดงในรูปของส่วนเบี่ยงเบนมาตรฐานของความเข้มข้น
ด้านข้าง (y) และทิศทางแนวตั้ง (z) เช่น y และ z ตามลำดับ และ
parmeterise กระจายตัวเนื่องจากความปั่นป่วนของอากาศ ค่ามาตรฐาน
เบี่ยงเบนเติบโต ด้วยเวลาแพร่ และอัตราการเจริญเติบโตขึ้นส่วนใหญ่
บนตัวแปรอุตุนิยมวิทยาเช่นริชาร์ดสันเลขและลมลักษณะ.
ความสัมพันธ์เหล่านี้อาจจะสร้างผลรวม หรือสามารถสรุปจาก
ทฤษฎีบทแพร่ของเทย์เลอร์ (Taylor, 1921) สรุปสัมประสิทธิ์เธน
สามารถ parameterised และประเภททั่วไปในสองประเภทดังต่อไปนี้:
1 ปัจจุบันกับพลังงานและสิ่งแวดล้อมแผนก วิศวกรอินเดีย จำกัด R & D ศูนย์ ภาค-16,
กูร์กาออน-122 001 อินเดีย
อุตุนิยมวิทยาขอบเขตชั้น 84: 177–206, 1997.
c

ผู้เผยแพร่วิชาการ Kluwer 1997 พิมพ์ในประเทศเนเธอร์แลนด์
178 MANJU โมฮานและต.อ.มีดศิดดีกีย์
ตารางผม
สัมประสิทธิ์ที่ใช้ในการกำหนด y
เสถียรภาพระดับสัมประสิทธิ์
 
การ 1.5334 24.167
B 18.333 1.8096
C 12.5 1.8096
D 8.333 0.72382
อี 6.25 0.54287
F 4.1667 0.36191
(ก) วิธีการผลตามการจัดประเภทของบรรยากาศ stability.
(b) วิธีที่ซับซ้อนขึ้นอยู่กับความแปรปรวนของความผันผวนของความเร็วลม
parameterisation y และ z จะอธิบายในรายละเอียดในต่อไปนี้ส่วน
2 EmpiricalMethods สำหรับการประเมินของ y และ z
นั้น จำเป็นภายใต้เงื่อนไขบางอย่าง การประเมินความเข้มข้นมลพิษ
ตามมาตรฐานข้อมูล เช่นซันไชน์ เมฆจำนวน และลมความเร็ว.
Pasquill และ Gifford P–G โค้งสำหรับประมาณ y และ z ตามเหล่านี้สร้าง
ข้อมูล (Gifford, 1961) เส้นโค้ง P–G จะนำเสนอในแง่ของเสถียรภาพคลา A–F
(Turner, 1969) ซึ่งขึ้นอยู่กับความเร็วลม insolation และเมฆปก ที่นี่
คลาส A จะเสถียรที่สุด และคลาส F เป็นสุดมั่นคง มีคลาส B ปานกลาง
เสถียร และคลาส E เล็กน้อยมีเสถียรภาพ คลาส D เป็นระดับกลางส่วนใหญ่สันนิษฐาน
สำหรับเงื่อนไขที่มืดครึ้ม เส้นโค้ง P–G ให้กราฟของ y และ z เป็นฟังก์ชัน
downwind ห้องเรียนความมั่นคงแตกต่างกัน จำเป็นต้องพูดถึง
นี่ซึ่งเส้นโค้งเหล่านี้ถูกจัดเตรียมสังเกตผ่านภูมิประเทศที่ราบรื่น และ
แสดงค่าเฉลี่ยกว่ากี่นาที
เป็นการยากที่จะใช้รูปแบบกราฟิกของ y และ z ในการสร้างแบบจำลองทางคณิตศาสตร์.
ดัง สูตรถดถอยเส้นโค้งเหล่านี้ไว้ในต่อไปนี้
ฟอร์ม (EPA, 1977):
y = CX tan