عنوان پایان‌نامه
تأثیر پدیده نسیم دریا به ساحل و ساحل به دریا در پخش و پراکندگی آلاینده های هوای ساحلی با استفاده از مدل سازی جوی و آلودگی هوا (مطالعه موردی: نیروگاه بندرعباس)
- رشته تحصیلی
- مهندسی محیط زیست -آلودگی هوا
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده محیط زیست شماره ثبت: ENV 1193;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 65185
- تاریخ دفاع
- ۰۷ بهمن ۱۳۹۲
- دانشجو
- بهروز روزی طلب
- استاد راهنما
- خسرو اشرفی
- چکیده
- مناطق بسیار زیادی در سطح جهان وجود دارند که درک رابطه بین دینامیک جو و رفتار آلاینده ها در آن مناطق دشوار است و مناطق ساحلی یکی از مهم ترین این مناطق محسوب می شوند. در مناطق ساحلی، رخداد نسیم دریا در طول روز و ساحل به دریا در طول شب به عنوان تاثیرگذارترین رخداد میان مقیاس در شرایط آرام جوی شناخته می شود. با توجه به تمرکز بیشتر جمعیت جهان در این مناطق و حضور صنایع به دلیل استفاده های گوناگون از آب دریا، نواحی ساحلی از نقطه نظر آلودگی هوا دارای اهمیت ویژه ای می باشند. به دلیل پیچیدگی جو، استفاده از مدل های پی شیابند ه هواشناسی نقش اساسی جهت تولید میدان مناسب برای استفاده در مدل های پخش و پراکنش جوی ایفا می کند. در این پایان نامه، پس از مطالعه آماری روی داده های هواشناسی ایستگاه شهر بندرعباس برای بازه 10 ساله بین سال های 2001 تا 2010 جهت تعیین سهم رخداد نسیم دریا در شرایط جوی منطقه بندرعباس، به شبیه سازی این رخداد توسط مدل هواشناسی پرداخته شد و در انتها مدل سازی نحوه پخش آلاینده های نیروگاه برق شهر بندرعباس به عنوان WRF میا ن مقیاس انجام گردید. مطالعه آماری نشان دهنده وقوع رخداد نسیم دریا CALPUFF مطالعه موردی توسط مدل پخش جوی به طور میانگین در 22 درصد از روزهای سال به صورت خالص بود که اهمیت لزوم بررسی رخداد در منطقه را نشان 2 متر بر ثانیه برای / 0 و 28 / 0 و 50 درجه برای جهت باد و 55 / می دهد. ضریب همبستگی و خطای مجذور مربعات 89 سرعت باد، صحت نتایج شبیه سازی رخداد نسیم دریا را به خوبی نشان می دهد. مدل سازی پخش آلاینده های هوا، دور شدن آلاینده ها از منابع انتشار در طول روز و تمرکز آلاینده ها در طول شب در نزدیکی منابع انتشار را نشان داد که رخداد نسیم دریا این نحوه پراکنش را توجیه می کند. صحت نتایج شبیه سازی وقوع رخداد نسیم دریا در منطقه توسط مدل هواشناسی، استفاده از میدان باد تولید شده در مدل های پخش و پراکنش جوی و تحلیل بهتر نحوه پخش و انتقال آلاینده ها در مناطق ساحلی نشان می دهد که با توجه به رشد روزافزون جمعیت این مناطق، در تصمیم گیری ها اهمیت زیادی پیدا می کند.
- Abstract
- There are many regions over the world that the interaction between the atmospheric dynamics and pollutants treatment is inexplicable. The coastal areas represent one of these conditions. At the coastal regions, Sea-Land Breezes (SLBs) respectively, are known as effective phenomenon on environmental condition of these regions. Persian Gulf and Oman sea at south of Iran and Caspian Sea at north of Iran create the coastal zones. However, there is no comprehensive data and analysis about SLBs phenomena at the mentioned regions. In this study, SLB occurrence in south coast of Iran is identified based on meteorological data of Bandar-Abbas synoptic station during the period of 2001-2010. Furthermore, numerical simulations of SLBs are carried out with non-hydrostatic Weather Research and Forecasting (WRF) meso-scale model to obtain the meteorological field, especially atmospheric boundary layer flow field and surface temperature. Besides, Bandar-Abbas power plant's air pollution is modeled using pollutants dispersion model, CALPUFF, as a case study. Statistical analysis show that pure SLB occur in 22 percent of the days in a year. Hence, this phenomenon plays an important role in this region. Validations of SLB simulation results for wind direction indicate correlation coefficient and root mean square error (RMSE) of 0.89 and 50 degrees, respectively and these parameters for wind speed are 0.55 and 2.28 m/s, respectively. Using meteorological model outputs as CALPUFF inputs show that air pollutants transfers to inland in days and outlands in nights. As population growth in coastal regions, model-based simulations are the most major tools for air quality assessments that environmental managers have to account in their decisions. KEYWORDS: Sea-Land Breeze (SLB), Air pollution, WRF meso-scale model, CALPUFF dispersion model
