Traducido del inglés al español - www.onlinedoctranslator.

com

5 Meteorología: una aportación fundamental

5.1 Sensibilidad de los modelos a los datos meteorológicos

Los datos meteorológicos son una de las entradas más importantes en cualquier modelo de dispersión del aire.
Las concentraciones de contaminantes a nivel del suelo están controladas principalmente por dos elementos
meteorológicos: dirección y velocidad del viento (para transporte), y turbulencia y altura de mezcla de la capa
límite inferior (para dispersión).

Los requisitos de datos meteorológicos para los modelos de pluma gaussiana en estado estacionario y los modelos de
dispersión avanzados varían considerablemente. Los modelos de pluma gaussiana en estado estacionario requieren
datos meteorológicos de una sola estación de superficie. Suponen que los datos de una sola estación son aplicables a
todo el dominio de modelado hasta la parte superior de la capa límite y que las condiciones no varían con la altura.

Los modelos de dispersión avanzados, incluidos los modelos de nube, partículas y cuadrículas, permiten que las
condiciones meteorológicas varíen en el dominio de modelado y en la atmósfera. Esta es una situación mucho
más compleja que la del modelo de estado estacionario y, por lo tanto, requiere datos meteorológicos mucho
más complejos. Debido a que los sitios meteorológicos no proporcionan los datos relevantes en todos los puntos
del dominio de modelado, se utiliza un modelo meteorológico para predecir y proporcionar las variables
meteorológicas en sitios donde no hay información disponible. El modelo de dispersión avanzado luego usa este
preprocesado datos meteorológicos para su análisis.

Debido a que los requisitos de datos meteorológicos varían mucho entre estos dos tipos de modelos, la
elección de qué modelo de dispersión utilizar puede depender de cuestiones relacionadas con las
condiciones meteorológicas esperadas. La pregunta, ¿serán las condiciones meteorológicas uniformes en
todo el dominio del modelado? (¿O se pueden aproximar de esta manera?) necesita una respuesta. Por lo
tanto, debe considerar:
estructura de la capa límite
turbulencia atmosférica
modelado de la topografía del dominio

Meteorología de mesoescala (meteorología de la contaminación del aire).

Existe una gama de opciones para recopilar y procesar datos meteorológicos terrestres, incluidas estaciones
meteorológicas de superficie, globos amarrados, globos aerostáticos superiores de radiosondas, observaciones
manuales, sistemas de teledetección (SODAR / RASS, Radar, Lidar) y satélites. También se encuentran disponibles
varios procesadores meteorológicos para procesar datos sin procesar en los formatos requeridos por los
modelos de dispersión del aire.

Guía de buenas prácticas para el modelado de dispersión atmosférica 81

 Recomendación 44

Los datos meteorológicos deben tratarse como una entrada fundamental para cualquier estudio de modelización.

Los modelos de pluma gaussiana en estado estacionario requieren datos meteorológicos de una sola estación de
superficie.

Los modelos de dispersión avanzados permiten que las condiciones meteorológicas varíen a lo largo del dominio de
modelado.

5.2 Datos meteorológicos para modelos de pluma

gaussiana en estado estacionario
Los modelos de pluma gaussiana en estado estacionario requieren datos meteorológicos de un solo sitio. Estos
requisitos de datos pueden cumplirse mediante tres enfoques, que se analizan en orden a continuación. El uso de
cada enfoque dependerá en gran medida de:
datos meteorológicos disponibles
propósito para el que se está utilizando el modelo

escala e importancia de los efectos potenciales de la descarga

precisión de la información y nivel de detalle requerido por la autoridad reguladora.

El enfoque adoptado debe coincidir con la escala y la importancia de la descarga que se está evaluando, al tiempo
que se utilizan los mejores datos meteorológicos disponibles.

5.2.1 Cribado de datos meteorológicos

Como primer paso y cuando los eventos del peor de los casos son de interés principal, generalmente se recomienda
utilizar un conjunto de datos meteorológicos de detección estándar como una evaluación inicial del modelo de dispersión
del aire. La mayoría de los modelos disponibles comercialmente, como AUSPLUME o ISCST3, suministran conjuntos de
datos de detección con el modelo.

Se han desarrollado conjuntos de datos meteorológicos de cribado utilizando combinaciones estándar de velocidad del
viento, clase de estabilidad y alturas de mezcla, que deberían imitar el rango de condiciones atmosféricas que es probable
que ocurran en cualquier lugar dado. Proporcionan una opción simple para ejecutar el modelo de dispersión de aire y se
pueden aplicar en la mayoría de las ubicaciones. La concentración máxima a nivel del suelo predicha utilizando un
conjunto de datos de cribado normalmente se considera conservadora. Esto significa que es probable que el modelo
prediga en exceso las concentraciones que se espera que ocurran en la realidad, asumiendo que otros datos de entrada
son de buena calidad. Los resultados de un modelo de cribado a menudo se denominan impactos del "peor escenario".

Hay varias limitaciones para estos datos. Solo pueden modelar promedios de una hora, no períodos de promedios de
tiempo más largos, como ocho horas, 24 horas o promedios anuales. Esto significa que ciertos contaminantes que tienen
pautas ambientales para períodos más largos, como PM10 (24 horas) no puede evaluarse directamente mediante un
conjunto de datos de detección. Sin embargo, el modelo CTSCREEN, que viene con un conjunto de datos meteorológicos
de detección, puede proporcionar estimaciones de promedios de 24 horas.
Otra limitación es que estos datos no pueden proporcionar una indicación de la frecuencia con la que podría
ocurrir un evento, cuál es la distribución espacial del impacto ni las concentraciones promedio.

82 Guía de buenas prácticas para el modelado de dispersión atmosférica

Por tanto, los conjuntos de datos meteorológicos de cribado no deberían utilizarse para:

períodos promediados de más de una hora por la tarde10 fuentes que probablemente produzcan

concentraciones significativas a favor del viento evaluación de la frecuencia de eventos de

contaminación

fuentes de las cuencas de aire.

Recomendación 45

Los conjuntos de datos de cribado solo deben usarse para obtener una estimación de "primer corte" de la magnitud de la
concentración máxima a nivel del suelo para una fuente en particular.

Cuando se utiliza un conjunto de datos de cribado, el modelador debe asegurarse de que contenga alturas de mezcla y
clases de estabilidad que representen de manera realista la ubicación que se está modelando.

Para estimar el escenario del 'peor de los casos', se deben seleccionar todas las demás entradas del modelo, como las
tasas de emisión, y se debe demostrar que producen resultados 'conservadores'.

5.2.2 Conjuntos de datos específicos del sitio listos para usar

Cuando no se pueden utilizar datos meteorológicos de cribado, puede ser apropiado utilizar conjuntos de datos meteorológicos
específicos del sitio ya preparados para la elaboración de modelos. Estas situaciones incluyen aquellas en las que un conjunto de
datos de detección no:

proporcionar suficiente precisión

Cumplir con los criterios de los requisitos de calidad del aire ambiente del ayuntamiento.

adaptarse a la fuente o tipo de contaminante que se está modelando (por ejemplo, PM10 de una gran caldera de
carbón).

Se han producido algunos conjuntos de datos meteorológicos urbanos y regionales listos para usar para algunos
consejos regionales y también están disponibles para algunas de las ciudades más grandes de Nueva Zelanda (véase el
Apéndice B). Estos consejos regionales deberían poder brindar asesoramiento sobre la disponibilidad y la idoneidad de
cualquier conjunto de datos específicos del sitio ya preparados para un proyecto de modelado específico.

Algunos consultores privados también han producido conjuntos de datos específicos del sitio. Normalmente, estos datos
son propiedad intelectual cuidadosamente custodiada o son propiedad de sus clientes. Pero dependiendo de la tarea
para la que está destinada y la cantidad que esté dispuesto a pagar, vale la pena explorar esta fuente de datos. Una vez
más, el consejo regional pertinente debería poder brindar asesoramiento sobre qué datos, si los hubiere, han sido
producidos por consultores para un área específica. Los conjuntos de datos desarrollados por consultores normalmente
cuestan entre $ 1000 y $ 5000.

5.2.3 Desarrollo de un conjunto de datos específicos del sitio

Si no se dispone de un conjunto adecuado de datos meteorológicos prefabricados o no es aplicable al sitio en

cuestión, es necesario desarrollar uno. Siempre que sea de buena calidad, los datos in situ suelen ser la fuente
preferida de datos meteorológicos de entrada, incluso si hay otros conjuntos cercanos disponibles. Una clara
ventaja de tener datos in situ es que también se pueden utilizar para estudios de valoración de modelos de
dispersión.

Guía de buenas prácticas para el modelado de dispersión atmosférica 83

El antecesor de esta Guía es el documento Directrices para el uso de modelos de dispersión(NIWA, 1998). La parte
2 de este documento proporciona una descripción general sobre el uso de datos meteorológicos como entrada
para los modelos de dispersión de la pluma gaussiana. También contiene descripciones detalladas de algunos de
los métodos utilizados para calcular los parámetros meteorológicos derivados. Si bien la Parte 2 de la directriz de
modelado original proporciona una introducción útil al uso de datos meteorológicos en la modelación, los
desarrollos recientes en la modelación meteorológica han hecho que algunos de los detalles estén
desactualizados. Las siguientes secciones proporcionan las prácticas recomendadas actuales.

Desarrollar un conjunto de datos meteorológicos puede resultar caro y llevar mucho tiempo. Dependiendo de la
complejidad del sitio, es posible que se requiera cierto grado de experiencia meteorológica para asegurarse de
que los datos representen con precisión las condiciones experimentadas en el sitio. Se recomienda que, si los
datos se van a utilizar como parte de un AEE, se sometan a un proceso de garantía de calidad exhaustivo y / o se
revisan por pares antes de su uso.

La recopilación de datos meteorológicos específicos del sitio se ha cubierto completamente en los documentos
Orientación del programa meteorológico in situ para aplicaciones de modelado reglamentario (EPA de EE. UU.,
1987) y la Parte 51, Directriz sobre modelos de calidad del aire (EPA de EE. UU., 1999). El primero proporciona
detalles sobre la ubicación del sitio, los mecanismos de grabación, la comunicación de datos, las tasas de
muestreo, la precisión del sistema, el manejo de datos, el control de calidad y el tratamiento de los datos
faltantes. Se recomienda que esta orientación se adopte como la mejor práctica para la recopilación y
procesamiento de datos meteorológicos para su uso en aplicaciones de modelado de dispersión. Esto es
consistente con el enfoque adoptado en elGuía de buenas prácticas para el control de la calidad del aire y la
gestión de datos (Ministerio de Medio Ambiente, 2000b).

Al producir un conjunto de datos específicos del sitio, generalmente hay dos fuentes de datos que se pueden usar: datos
recopilados en el sitio o datos recopilados de una fuente cercana existente.

a Datos recopilados en el sitio

Una estación meteorológica debe ubicarse lejos de las influencias de obstrucciones como edificios y
árboles para garantizar que el estado general del medio ambiente (dirección del viento y temperatura)
esté mejor representado. Se recomienda utilizar un mástil de 10 m de altura para medir la dirección del
viento y las diferencias de velocidad y temperatura. Sin embargo, cuando el mástil se encuentra en buenas
condiciones de flujo libre y existen restricciones de altura de los estatutos del ayuntamiento, se puede
utilizar un mástil de 6 m de altura.

Para las principales fuentes industriales con chimeneas altas, o un sitio dentro de un entorno de terreno
complejo, se recomiendan mástiles de monitoreo más altos (30 my más altos) para monitorear adecuadamente
los perfiles de viento y temperatura de la capa límite inferior. Puede ser necesario para estas situaciones
complementar o incluso reemplazar un mástil alto con monitoreo a través de instrumentos de detección remota
como SODAR / RASS o sistemas de sonda atada.

Los datos in situ deben reducirse a promedios horarios para todos los parámetros. Para desarrollar un conjunto
de datos meteorológicos para el modelado de la dispersión del aire, es necesario monitorear los siguientes
parámetros desde el sitio:
temperatura
diferencia de temperatura (entre 1,5 my 10 mo superior)
humedad relativa
velocidad del viento

84 Guía de buenas prácticas para el modelado de dispersión atmosférica

 dirección del viento

radiación solar.

Si bien todas las variables anteriores proporcionan información valiosa para el modelado, las variables más
importantes son la velocidad y dirección del viento y la temperatura. Configurar una estación para registrar y
registrar estos tres parámetros cuesta aproximadamente $ 12,000 (en 2004). También habrá costos adicionales
relativamente pequeños asociados con el mantenimiento del sitio y la gestión de datos.

Dependiendo de la instrumentación que se emplee en el sitio, es posible que los datos recopilados deban
complementarse con los siguientes datos externos del sistema de base de datos climática del Instituto
Nacional de Agua y Atmosférico (NIWA) (CLIDB):
cobertura de nubes por hora y altura para la región

dos veces al día, la temperatura del aire superior, la humedad relativa y la velocidad y dirección del viento desde la
estación de radiosonda de aire superior más cercana.

Al desarrollar un conjunto de datos meteorológicos, se debe evaluar y demostrar la representatividad del

conjunto de datos en términos de condiciones climáticas extremas y medias. Básicamente, esto se puede
establecer de dos maneras: realizando un seguimiento a largo plazo (de tres a cinco años) de la
recopilación de datos in situ o estableciendo correlaciones entre los datos in situ, los promedios climáticos
y los extremos regionales. Las condiciones climáticas promedio para la región se pueden obtener de
CLIimate DataBase (CLIDB) de NIWAhttp://www.niwa.cri.nz/services/clidb/.

B Datos de ubicaciones eliminadas pero cercanas al sitio

Como regla, siempre se prefieren los datos específicos del sitio al desarrollar un perfil de datos
meteorológicos para una fuente específica. Sin embargo, a veces esto no es posible o pueden estar
disponibles otros datos meteorológicos de superficie adecuados de otras fuentes locales. Para el
modelado simple de la pluma de una sola estación, los datos fuera del sitio solo deben usarse si el sitio
cercano tiene características topográficas similares que probablemente den lugar a condiciones
meteorológicas similares para el sitio en cuestión. Por ejemplo, cuando ambos sitios están ubicados en el
mismo sistema de valles o muy cerca de la costa. Se debe establecer la representatividad de los datos
externos antes de utilizarlos en cualquier estudio de dispersión.

C De dónde obtener datos brutos

Las tres fuentes principales de datos meteorológicos son:

Base de datos climática (CLIDB)
Servicio Meteorológico de Nueva Zelanda
consejos regionales, que operan monitores de calidad del aire ambiente.

La base de datos climática (CLIDB) (http://www.niwa.cri.nz/services/clidb/) es administrado por NIWA en

Wellington. Los datos sin procesar se pueden descargar si es un usuario registrado y está familiarizado con el
lenguaje de consulta estructurado (SQL). De lo contrario, el personal de NIWA CLIDB puede descargar datos por
una tarifa administrativa. Los datos están disponibles a través de un servicio web basado en suscripción (CliFlo).
Los requisitos de datos ad hoc o complejos se pueden solicitar a través del enlace "Consultas sobre el clima" del
sitio web.

Guía de buenas prácticas para el modelado de dispersión atmosférica 85

5.2.4 Limitaciones asociadas con el desarrollo de conjuntos de datos
meteorológicos

Las limitaciones asociadas con el desarrollo de conjuntos de datos meteorológicos incluyen el tratamiento de los datos
faltantes y las condiciones de calma o estancamiento. Éstos requieren una consideración cuidadosa.

a Calma

Los modelos de pluma gaussiana asumen que las concentraciones de contaminantes son inversamente proporcionales a la
velocidad del viento, por lo que las concentraciones se vuelven irrealmente grandes a medida que la velocidad del viento se acerca
a las condiciones de calma. Dos de los modelos de pluma gaussiana comúnmente utilizados tratan la calma de la siguiente manera.

AUSPLUME calcula las concentraciones de contaminantes para una velocidad mínima del viento de 0,5 m / s. Las
velocidades del viento en el archivo de entrada de datos meteorológicos del modelo que son inferiores a 0,5 m / s se
sustituyen por una velocidad del viento de 0,5 m / s.

ISCST3 calcula las concentraciones de contaminantes para una velocidad mínima del viento de 1 m / s. Sin
embargo, el criterio de la velocidad del viento en lm / s se refiere al punto de liberación (es decir, la altura de la
chimenea). Las velocidades del viento generalmente aumentan con la altura sobre el suelo y ISCST3 lo reconoce.
En consecuencia, dependiendo de la altura de la chimenea y las condiciones de estabilidad, las velocidades del
viento en el punto de liberación pueden ser más altas que las registradas en el archivo de entrada de datos
meteorológicos (que generalmente se toman a una altura de referencia de 10 m). ISCST3 no calcula las
concentraciones de contaminantes para velocidades del viento de menos de 1 m / sa la altura de liberación y
asigna la concentración para una velocidad del viento de 1 m / sa cualquier hora en el conjunto de datos donde la
velocidad del viento está entre 0.5 y 1.0 m / s. Cualquier velocidad del viento inferior a 0,5 m / s se trata como
datos no válidos.

Ninguno de los modelos trata las velocidades bajas del viento de manera realista y elimina de
manera efectiva las peores condiciones de dispersión para muchos tipos de fuentes. Si todas
las horas de velocidad del viento inferior a 0,5 m / so 1,0 m / s se trataron como datos no
válidos / faltantes y se eliminaron del conjunto de datos, esto puede distorsionar la
distribución de frecuencia de las concentraciones previstas. Por ejemplo, si las condiciones
más desfavorables son la estabilidad F con velocidades del viento de 0,5 m / so menos y el 1%
de los datos se tratan como no válidos / faltantes, entonces la concentración del percentil 99,9
o 99,5 puede ser mucho más baja de lo que sería. en realidad. Por esta razón, se recomienda
que cuando se utilicen modelos de estado estable, todas las velocidades del viento inferiores a
0,5 m / s contenidas en los datos meteorológicos se establezcan en 0,5 m / s.

El efecto potencial de las velocidades bajas del viento en las evaluaciones realizadas utilizando modelos de pluma
gaussiana depende en gran medida de la naturaleza del flujo del viento local y de la precisión (o no) de la dirección del
viento promedio por hora. En algunas situaciones, la dirección del viento puede ser constante a bajas velocidades del
viento (por ejemplo, flujo de drenaje frío cuesta abajo o una brisa terrestre), mientras que en otras situaciones la dirección
del viento puede ser muy variable en una escala de tiempo corta. En la primera situación, la dirección del viento promedio
por hora puede ser bastante precisa (es decir, la dirección del viento es bastante constante), y la predicción de baja
velocidad del viento del modelo de pluma gaussiana puede ser razonable. En la última situación, el supuesto promedio
horario da como resultado una sobreestimación ya que la dirección del viento serpentea en un amplio rango. En cualquier
sitio en particular, cualquier situación probablemente puede surgir en diferentes momentos. Esta situación enfatiza
(nuevamente) el valor de los datos meteorológicos locales.

Si las condiciones de calma se reconocen como un problema potencial para un sitio específico, se puede usar un modelo
avanzado, ya que aún funcionan sin importar cuán baja sea la velocidad del viento. CALPUFF asume que

86 Guía de buenas prácticas para el modelado de dispersión atmosférica

Los vientos promedio por hora por debajo de 0.5 m / s son tranquilos y utiliza sus algoritmos específicos para lidiar con
ellos como tales. Los modelos de dispersión de partículas, como el incluido en TAPM, pueden dar una mejor imagen de la
dispersión en condiciones tranquilas, ya que pueden explicar las fluctuaciones de menos de una hora en el viento y las
distribuciones de partículas no se limitan a tener forma gaussiana. Sin embargo, aún existe cierto debate sobre estos
temas, que siguen sin resolverse.

Recomendación 46

Al modelar con modelos de estado estacionario, todas las velocidades del viento inferiores a 0,5 m / s contenidas en el
conjunto de datos meteorológicos deben ser:

a) cuantificado e informado al presentar los resultados del modelado

b) ajuste a 0,5 m / s antes del modelado.

Las implicaciones de no poder modelar condiciones de calma deben abordarse en la

evaluación.
Donde se pronostican concentraciones máximas para bajas velocidades del viento, es muy conveniente el
monitoreo meteorológico local. Utilice estos datos para resolver preguntas sobre la variabilidad de la
dirección del viento y la precisión (o no) de la dirección del viento promedio por hora.

B Datos perdidos

La mayoría de los programas de procesamiento meteorológico y los modelos de dispersión del aire requieren un conjunto de datos
completo de todos los parámetros para todas las horas. Los datos faltantes deben reemplazarse con datos sintetizados para
garantizar que los modelos de dispersión de aire puedan funcionar. Cuando sólo faltan una o dos horas de datos, la interpolación
lineal de los datos es aceptable.

En Nueva Zelanda, con muchas estaciones meteorológicas de superficie automatizadas remotas, pueden ocurrir
períodos más largos de datos faltantes (del orden de semanas). Para períodos de hasta siete días, los promedios
sintetizados de un registro a más largo plazo de la estación pueden sustituirse en el conjunto de datos. Para
períodos continuos de más de siete días, se debe considerar que faltan datos y se debe reducir la longitud del
conjunto de datos por la longitud de los datos faltantes. Por ejemplo, con tres semanas de datos faltantes
continuos, la duración total de los datos cubriría 49 semanas en lugar de las 52 semanas estándar. Sin embargo,
es importante asegurarse de que se obtenga una cobertura adecuada de todas las estaciones dentro de los
datos.

Recomendación 47

Todos los datos meteorológicos faltantes o sintetizados deben estar claramente documentados y
discutidos en el método.

Los períodos de datos faltantes que tienen menos de siete días de duración pueden reemplazarse con datos
sintetizados producidos a partir de registros ajustados estacionalmente a largo plazo.

Los períodos de datos faltantes que superen los siete días deben registrarse como datos
faltantes.

Guía de buenas prácticas para el modelado de dispersión atmosférica 87

5.2.5 Parámetros meteorológicos derivados
Para el modelado de la pluma en estado estacionario, hay dos parámetros meteorológicos clave que no es
probable que se midan directamente y que se requieren solo para archivos meteorológicos de una sola estación:
la estabilidad y la altura de mezcla.

a Esquemas de clasificación de estabilidad

La estabilidad atmosférica es una medida de la propensión al movimiento vertical y, por lo tanto, es un indicador
importante de la probable magnitud de la dispersión de contaminantes.

Pasquill (1961) desarrolló una medida simplificada de estabilidad y posteriormente Gifford la modificó.
Esto se denomina Clasificación de estabilidad Pasquill-Gifford (PG) y se basa en un conjunto bastante
restringido de mediciones de un tiempo promedio no especificado. Las mediciones se realizaron en la
década de 1950. Esta clasificación consta de seis clases, que incluyen A (extremadamente inestable), B
(moderadamente inestable), C (levemente inestable), D (neutral), E (levemente estable) y F
(moderadamente estable) (ver Apéndice A).

En 1967 Turner desarrolló un esquema de clasificación basado en el esquema original de Pasquill-Gifford.

Este consta de siete clases que incluyen 1 (extremadamente inestable), 2 (inestable), 3 (ligeramente
inestable), 4 (neutral), 5 (ligeramente estable), 6 (estable) y 7 (extremadamente estable).

Estos esquemas de clasificación asumen que la estabilidad en las capas cercanas al suelo se rige por los flujos
convectivos de la radiación solar (día), la nubosidad (noche) y los flujos mecánicos de la velocidad del viento.
Aunque existen esquemas de coeficientes de dispersión más superiores, la mayoría de los modelos ofrecen el
esquema de coeficientes de dispersión PG debido a su largo y relativamente exitoso historial de uso.

Se puede utilizar el esquema de clasificación de estabilidad de Pasquill-Gifford a menos que se pueda demostrar que un
método alternativo produce resultados más precisos.

Recomendación 48

Los detalles completos de los métodos usados para asignar clases de estabilidad usando datos meteorológicos
monitoreados de manera rutinaria se dan en US EPA, 1987.

B Altura de mezcla

La altura de mezcla o profundidad de mezcla es la altura a la que se mezcla uniformemente la atmósfera. La altura de
mezcla está determinada por las inversiones de temperatura de la atmósfera superior o la cizalladura del viento (cambios
en la velocidad del viento con la altura). Las alturas de mezcla tienen una variación diurna y cambian rápidamente
después del amanecer y al atardecer (Figura 5.1). La investigación muestra una relación inversa entre las concentraciones
de contaminantes y la altura de mezcla, por lo que la altura de mezcla se usa a menudo como una guía crítica del
potencial de contaminación en un área (Oke, 1987). Las predicciones del modelo de dispersión pueden ser muy sensibles
a los cambios en la altura de la mezcla.

88 Guía de buenas prácticas para el modelado de dispersión atmosférica

Figura 5.1: Variación típica de la altura de mezcla diurna durante dos días

Altura de mezcla Día dos

día uno
1250
1000
750

500
250
0
0 10 20 30 40
soy
THUNED
ers

Si una pluma penetra o se libera por encima de la altura de mezcla, los contaminantes quedarán atrapados en lo
alto y su efecto no se observará a nivel del suelo. Si una pluma queda atrapada dentro de una capa mixta poco
profunda, la dispersión vertical será limitada y es probable que se produzcan concentraciones elevadas a nivel del
suelo.

Cuatro métodos que se utilizan comúnmente para determinar la altura de mezcla son:

derivación de datos en altitud (p. ej., mediciones de radiosondas)

teledetección terrestre (p. ej., Doppler SODAR)

derivación de datos meteorológicos de superficie medidos de forma rutinaria (por ejemplo, utilizando un modelo de
preprocesador meteorológico de la EPA de EE. UU. como RAMMET)

utilizando un modelo meteorológico de pronóstico (por ejemplo, TAPM, consulte la sección 5.3.2).

La determinación de la altura de mezcla suele ser una tarea costosa y compleja que requiere una
experiencia considerable y, por lo tanto, no debe tomarse a la ligera. La incertidumbre de las alturas de
mezcla determinadas por los métodos antes mencionados aumenta en el nivel más bajo de la atmósfera.
En general, se acepta que las alturas de mezcla determinadas por debajo de 50 m contienen un grado
significativo de incertidumbre.

Guía de buenas prácticas para el modelado de dispersión atmosférica 89

 Recomendación 49

Cuando se requieren datos de altura de mezcla pero no están disponibles, determine si los resultados del modelo
son sensibles a los cambios en la altura de mezcla realizando un análisis de sensibilidad de los resultados del
modelo a este parámetro.

Cuando se pueda demostrar que los datos de altura de mezcla no son un parámetro crítico, utilice datos
que probablemente sean representativos de los patrones esperados en el área de interés.

Cuando la altura de mezcla es un parámetro crítico, derive este conjunto de datos usando la siguiente
jerarquía de métodos:
a) teledetección terrestre
b) derivación de datos en altitud
c) derivación de datos meteorológicos de superficie medidos de forma rutinaria
d) estimación utilizando un modelo meteorológico validado.

Establezca la altura mínima de mezcla en un conjunto de datos meteorológicos en 50 metros, a menos que exista
evidencia que demuestre que realmente ocurren alturas de mezcla de menos de 50 metros.

5.2.6 Condiciones meteorológicas que los modelos de pluma gaussiana no

pueden explicar

En situaciones de terreno complejo o cerca de los límites costeros, las condiciones meteorológicas como la calma,
la fumigación costera, la recirculación de la brisa marina / terrestre y los vientos de las montañas y los valles
pueden afectar significativamente la dispersión de contaminantes. Estas condiciones meteorológicas son muy
complejas en un sentido espacial (varían rápidamente de un lugar a otro) y temporal (varían en períodos de
minutos en lugar de horas).

Los modelos de pluma gaussiana no pueden dar cuenta de estas condiciones meteorológicas de manera
adecuada debido a la formulación de estado estacionario (que asume condiciones meteorológicas uniformes) y su
incapacidad para retener una memoria de las emisiones de la hora anterior. Los siguientes ejemplos destacan las
condiciones meteorológicas que los modelos de pluma gaussiana no pueden simular adecuadamente y para las
que se debería utilizar un modelo de dispersión avanzado.

a Condiciones de calma y baja velocidad del viento

En condiciones climáticas estables y sinópticas de alta presión (a gran escala), las condiciones de calma a menudo ocurren
cerca del suelo, especialmente por la noche y temprano en la mañana. Estas condiciones estables a menudo pueden
resultar en episodios de contaminación elevada ya que se inhibe la mezcla vertical y horizontal de la capa límite inferior.
La calma es una preocupación particular cuando se trata de fuentes que liberan contaminantes cerca del suelo o cuando
se observan sistemas de cuencas de aire. Los modelos de la pluma de Gauss se descomponen durante la baja velocidad
del viento o en condiciones de calma debido a la dependencia de la velocidad del viento inversa de la ecuación de la
pluma de estado estacionario, y esto limita su aplicación. En la sección 5.2.5 (a) se analiza cómo lidiar con condiciones de
calma cuando se utilizan modelos de pluma gaussiana.

90 Guía de buenas prácticas para el modelado de dispersión atmosférica

B Inversiones

Las inversiones de temperatura son causadas por varios mecanismos diferentes. Las inversiones superficiales o terrestres
a menudo ocurren en noches claras y frías cuando hay bajas velocidades del viento. En estas condiciones, el suelo se
enfría más rápidamente que el aire inmediatamente superior, lo que provoca que se acumule un charco de aire más frío y
denso a nivel del suelo. Estas inversiones terrestres ocurren con frecuencia en toda Nueva Zelanda, especialmente en
terrenos montañosos. Si se desarrollan inversiones de temperatura en un valle, los contaminantes a menudo pueden
quedar atrapados debajo de la capa de inversión y dar lugar a episodios de alta contaminación. La ruptura de una
inversión superficial se muestra en la Figura 5.2, donde la capa de aire cerca del suelo (a 1000 hPa) se calienta durante el
día por calentamiento radiativo, mientras que la temperatura del aire superior (por encima de 900 hPa) permanece
relativamente constante.

Una inversión de advección a menudo ocurre cuando el aire caliente pasa sobre una superficie más fría, lo que
puede resultar en el desarrollo de una inversión de bajo nivel y la formación de niebla a nivel del suelo. Este tipo
de inversión ocurre con menos frecuencia en Nueva Zelanda.

Una inversión de hundimiento o inversión de aire superior se desarrolla dentro de un sistema de alta presión cuando el
aire de hundimiento se comprime y el aire superior se vuelve más cálido que el aire de abajo.

Figura 5.2: La ruptura de una inversión terrestre durante el día

Temperatura potencial

Las condiciones de inversión son difíciles de simular con modelos de pluma gaussiana, debido a las bajas
velocidades del viento asociadas (ver sección 5.2.7a), la aparición de múltiples capas de contaminación y la
dificultad de definir la altura de mezcla.

Guía de buenas prácticas para el modelado de dispersión atmosférica 91

C Fumigación durante la ruptura por inversión

Las inversiones nocturnas en el suelo y en la parte superior del aire comienzan a disolverse durante las primeras horas de
luz solar a medida que el flujo de calor neto (calentamiento de la superficie por el sol) se vuelve positivo. A medida que el
suelo se calienta desde abajo, se produce una mezcla convectiva (transferencia de calor), que rompe efectivamente la
inversión del suelo desde abajo. Los remolinos verticales crecientes (causados por el calentamiento) mezclan el aire por
encima de la inversión de la superficie hasta el nivel del suelo, un proceso llamado ruptura por inversión.

La fumigación de ruptura por inversión es el proceso mediante el cual los contaminantes emitidos por encima de
la capa de inversión durante la noche se fumigan hasta el suelo durante este proceso de ruptura. La fumigación
de ruptura por inversión a menudo se asocia con concentraciones muy altas de contaminantes a cierta distancia
de la fuente. Este proceso es bastante transitorio, tiene lugar durante decenas de minutos y, por lo general, a
media mañana (Kerman et al., 1982).

La naturaleza transitoria de estos eventos, y las dificultades que tienen los modelos de pluma gaussiana para
identificar diferentes capas en el aire y la interacción entre capas, hace que la fumigación durante la ruptura de la
inversión sea un problema con el que se debe tener cuidado al usar estos modelos. Sin embargo, un modelo de
Gaussianplume, SCREEN 3, la versión de detección de ISC3 de la EPA de EE. UU., Incorpora un código escrito
específicamente para permitirle proporcionar estimaciones de concentraciones máximas durante la ruptura de la
inversión.

D Circulaciones de brisa marina y terrestre

Debido a que las superficies terrestres se calientan y enfrían más rápido que el mar u otros cuerpos de agua, se
desarrollan gradientes de temperatura que pueden resultar en la generación de corrientes de viento localizadas (Figura
5.3). Una brisa marina se desarrolla durante el día a medida que el aire sobre la tierra se calienta más rápidamente que el
aire sobre el mar. Se eleva, trayendo una brisa terrestre, con un flujo de retorno en el aire. Por la noche ocurre lo
contrario y se desarrolla una brisa terrestre que fluye hacia el mar bajo una zona de hundimiento.

Las brisas marinas son generalmente más fuertes durante el día en verano y las brisas terrestres más fuertes durante las
noches de invierno. Ambos pueden tener efectos significativos en la calidad del aire en las áreas urbanas, ya que están
recirculando corrientes de aire que pueden devolver los contaminantes (en lugar de eliminarlos) a un área de la que
fueron liberados más temprano en el día.

Figura 5.3: Brisa marina y terrestre

Fuente: Pendergast, 1984

92 Guía de buenas prácticas para el modelado de dispersión atmosférica

mi Vientos de montaña-valle

Los vientos de montaña y de valle se generan debido a mecanismos de calentamiento y enfriamiento similares a los de las
brisas marinas terrestres. Durante el día, el aire sobre una pendiente se calienta y se vuelve más cálido que el aire vecino
a la misma altura sobre el nivel del mar, pero más por encima del suelo. Se eleva debido a la convección y se producen
vientos de montaña cuesta arriba (Figura 5.4). Por la noche, las laderas de las montañas se enfrían más rápidamente que
el aire circundante, y el aire fresco se escurre por la ladera, generando vientos de valle. Este calentamiento y enfriamiento
a menudo da como resultado patrones de circulación cerrados, que pueden atrapar y / o recircular la contaminación del
aire en el sistema del valle montañoso.

Figura 5.4: Vientos de valle y montaña

Fuente: Pendergast, 1984

Recomendación 50

Cuando existan condiciones meteorológicas que los modelos de pluma gaussiana no puedan
explicar, se debe utilizar un modelo avanzado (que sea más capaz de manejar estas condiciones).

5.3 Datos meteorológicos para modelos de dispersión

avanzados
Los modelos de dispersión avanzados requieren datos meteorológicos más complejos que los modelos de estado
estacionario. Esto incluye insumos de redes de superficie (terrestres y marítimas) y estaciones aéreas superiores.
Debido a que no habrá sitios meteorológicos en todos los puntos del terreno en el dominio de modelado, y el
monitoreo en el aire superior (cualquier cosa por encima de la altura de una torre) es normalmente muy escaso,
se deben usar modelos meteorológicos para proporcionar estos 'datos faltantes'. .

Hay dos tipos diferentes de modelo meteorológico que se pueden utilizar para proporcionar una cuadrícula
tridimensional de datos meteorológicos:

modelos de diagnóstico de viento (DWM), que interpolan y / o extrapolan observaciones

meteorológicas

modelos de pronóstico, también conocidos como modelos de 'mesoescala'.

Guía de buenas prácticas para el modelado de dispersión atmosférica 93

Los resultados del modelo meteorológico se utilizan luego para impulsar un modelo de dispersión.

Los modelos meteorológicos pueden formar parte de un sistema de modelado de dispersión del aire (por ejemplo,
CALMET proporciona campos meteorológicos para CALPUFF, RAMS para HYPACT y TAPM calcula tanto la meteorología
como la dispersión) o pueden ser independientes. Los modelos de pronóstico (desde la mesoescala hasta las escalas
globales) se utilizan para proporcionar pronósticos meteorológicos nacionales. RAMS se utiliza en todo el mundo para
este propósito; LAPS, cuyos análisis se utilizan para impulsar TAPM, se utiliza en Australia. El Servicio Meteorológico de
Nueva Zelanda utiliza MM5 para pronósticos meteorológicos de mesoescala.

Los modelos meteorológicos del tipo descrito en esta sección, y sus modelos de dispersión asociados, rara
vez se han utilizado en Nueva Zelanda para evaluaciones de impacto regulatorio, en gran parte
porque:
los modelos no han sido fáciles de usar y necesitan grandes recursos informáticos para ejecutarlos

la red de estaciones meteorológicas para datos de entrada a un modelo de diagnóstico (especialmente en altitud)
es relativamente escasa

el formato para el almacenamiento de datos a veces no es compatible con el requerido por el modelo.

Más recientemente, se han lanzado varios modelos de dispersión avanzados que son mucho más fáciles de usar. Los
desarrolladores siempre están haciendo esfuerzos para permitir que los modelos se ejecuten más rápido, y con una
mayor potencia de cálculo disponible, se está volviendo factible para todos los usuarios ejecutar estos modelos en una
computadora personal moderna. Es el rápido aumento de la potencia informática en los últimos años lo que ha resultado
en un aumento en el número de personas que utilizan estas herramientas.

En las dos secciones siguientes se proporcionan ejemplos de modelos meteorológicos de diagnóstico y

pronóstico. En la sección 5.3.5 se dan recomendaciones que describen qué modelos meteorológicos
utilizar en la situación de Nueva Zelanda.

5.3.1 Modelos meteorológicos de diagnóstico

Los modelos meteorológicos de diagnóstico utilizan datos de ubicaciones disponibles y asignan valores a las
variables meteorológicas en una cuadrícula tridimensional por interpolación y extrapolación. El principio de
conservación de la masa se aplica durante todo el proceso. El término "diagnóstico" se utiliza porque los datos de
entrada y los resultados del modelo son para el mismo período de tiempo. Los modelos de diagnóstico no son
predictivos y sus campos calculados para cada intervalo de tiempo no dependen de los campos en momentos
anteriores. La salida del modelo es un archivo de datos en un formato requerido por un modelo de dispersión de
aire en particular.

Un ejemplo es CALMET, el preprocesador de CALPUFF. En los últimos años, CALMET se ha utilizado cada
vez más en los EE. UU. Y Australasia, y se utiliza aquí para ilustrar las características de un modelo
meteorológico de diagnóstico.

El modelo meteorológico CALMET (Scire et al., 2000) es un modelo meteorológico de diagnóstico

desarrollado como un componente del sistema de modelado CALPUFF para su uso en aplicaciones de
calidad del aire. CALMET en su forma básica está diseñado para producir campos horarios de vientos
tridimensionales y diversas variables micrometeorológicas basadas únicamente en la entrada de
observaciones meteorológicas de superficie y en altitud disponibles de forma rutinaria. CALMET consta de
un módulo de campo de viento de diagnóstico y módulos micrometeorológicos para capas fronterizas
sobre el agua y sobre la tierra.

94 Guía de buenas prácticas para el modelado de dispersión atmosférica

El módulo de campo de viento de diagnóstico utiliza un enfoque de dos pasos para el cálculo de los campos de
viento (Douglas y Kessler, 1998). En el primer paso, el campo de viento de estimación inicial se ajusta a los efectos
del terreno para producir un campo de viento del paso 1. El segundo paso consiste en un procedimiento de
análisis objetivo para introducir datos de observación en el campo de viento del paso 1 para producir un campo
de viento final, el campo de viento del paso 2. Algunas de las ventajas y desventajas de este modelo se detallan a
continuación.

Ventajas de CALMET
Las observaciones se pueden incorporar al modelo para producir campos meteorológicos realistas.

CALMET puede reproducir efectos de escala fina (hasta un par de cientos de metros de resolución) y aún
así mantener tiempos de ejecución eficientes del modelo en una computadora personal.

Los resultados de los modelos meteorológicos de pronóstico, como MM5 y TAPM, se pueden
incorporar a la ejecución de CALMET, proporcionando información en regiones con pocos datos.
Este enfoque combinado es la forma preferida de operar CALMET.

Desventajas de CALMET
El sistema CALMET / CALPUFF es técnicamente más avanzado que un modelo de pluma y
se percibe como difícil de regular y complejo de usar.
Los datos meteorológicos de rutina son escasos en Nueva Zelanda.

Existen costos adicionales potenciales de ejecutar CALMET.

Resumen

Con respecto a facilidad de uso, CALPUFF se puede ejecutar en un modo de estado estable utilizando los
El mínimo
mismos datos meteorológicos que se requieren para ejecutar AUSPLUME o ISCST3. Los requisitos de
CALMET son similares a los de los modelos de estado estable. Un ISCST3 o
El archivo meteorológico AUSPLUME se puede utilizar para impulsar CALPUFF, pero nuevamente existe la opción
de un tratamiento más refinado cuando es necesario y los datos están disponibles.

Costos para la industria puede ser mayor para un análisis CALMET / CALPUFF completo que para un análisis simple de
estado estable. En muchos casos, sin embargo, el diferencial es muy pequeño en comparación con otros costos fijos de
un proyecto, y el diferencial tiende a disminuir a medida que aumenta la experiencia del modelador. Además, una
respuesta más precisa puede significar grandes ahorros en un proyecto y, en algunos casos, puede marcar la diferencia
entre obtener la aprobación de un proyecto o ser rechazado. La industria también ahorrará costos de la capacidad del
modelo para manejar múltiples efectos dentro de un marco de modelo; es decir, una vez configurado, el modelador
puede modelar cualquier cosa, desde la visibilidad a larga distancia hasta la química de la fase acuosa y las aplicaciones
de visibilidad de la pluma, sin requerir los servicios y costos de configuración de otro modelo.

Guía de buenas prácticas para el modelado de dispersión atmosférica 95

5.3.2 Modelos meteorológicos pronósticos
Los modelos de pronóstico se basan en análisis sinópticos a gran escala y resuelven numéricamente las
ecuaciones de la dinámica atmosférica para determinar las condiciones meteorológicas locales. No requieren
datos meteorológicos locales para su ejecución, aunque si hay datos disponibles, deben compararse con los
resultados del modelo para validar el modelo. Los modelos de pronóstico pueden representar todas las escalas,
desde las globales hasta las características en escalas en el rango de 1 a 10 km. La mayoría se ejecutan en un
formato anidado con el dominio exterior que cubre distancias del orden de 500 a 1000 km, la escala regional.

Todos los dominios se inicializan utilizando análisis de modelos globales o de área limitada, generalmente
ejecutados por los servicios meteorológicos nacionales. Estos son proporcionados por muchas agencias de
pronóstico o instituciones similares, como el Centro Meteorológico Nacional de EE. UU., El Centro Europeo de
Pronósticos Meteorológicos de Rango Medio, la Oficina Meteorológica del Reino Unido o la Oficina Meteorológica
de Australia. El dominio externo también es impulsado en sus límites por los modelos globales o de área limitada
a medida que avanza la ejecución, lo que alimenta los efectos de los sistemas meteorológicos en el dominio de
interés. Los modelos de pronóstico describen los campos tridimensionales de temperatura, velocidad y dirección
del viento y humedad a través de la región con alta resolución espacial.

Todos los modelos de pronóstico contienen formulaciones físicas y dinámicas realistas, y potencialmente
producen las simulaciones meteorológicas más realistas para regiones donde los datos son escasos o
inexistentes. La alta resolución necesaria para las evaluaciones regulatorias significa que, históricamente, estos
modelos rara vez se han utilizado como modelos regulatorios. Los costos de computación de las simulaciones a
largo plazo han sido prohibitivos, aunque más recientemente esto es menos cierto. Y, si no hay datos
meteorológicos locales, el uso de un sistema de modelado de pronóstico podría ser una opción sensata como
parte de una evaluación regulatoria.

RAMS es el modelo meteorológico de pronóstico más utilizado en Nueva Zelanda (Wratt et al.,
2001), seguido de MM5, ARPS y (más recientemente), TAPM.

a RAMS y MM5

RAMS y MM5 son modelos tridimensionales de mesoescala de pronóstico no hidrostático. MM5 es el

modelo de mesoescala NCAR / Penn State de quinta generación. El modelo incluye una capacidad de
anidación múltiple, dinámica no hidrostática y asimilación de datos en cuatro dimensiones (Dudhia et al.,
1999). MM5 es gratuito para los usuarios, mientras que RAMS está sujeto a costos de licencia. Ambos
modelos disfrutan de un uso generalizado en todo el mundo, están bien respaldados, están en continuo
desarrollo, se han utilizado en muchos estudios y aparecen regularmente en la literatura científica. Las
principales ventajas y desventajas de estos modelos se detallan a continuación.

Ventajas de RAMS y MM5

RAMS y MM5:
tener la capacidad de asimilar datos meteorológicos locales

tienen formulaciones físicas y dinámicas realistas, adecuadas para simulaciones en el

complejo entorno de Nueva Zelanda

Puede producir campos meteorológicos realistas en regiones con pocos datos.

son lo suficientemente flexibles para acoplar campos meteorológicos de salida a ejecuciones de modelos de dispersión en cualquier
resolución (por ejemplo, RAMS acoplados a HYPACT).

96 Guía de buenas prácticas para el modelado de dispersión atmosférica

Desventajas de RAMS y MM5
RAMS y MM5:
tienen demandas computacionales relativamente altas

requieren una gran cantidad de conocimiento y experiencia del usuario para producir resultados
confiables y convincentes

no incluyen en sí mismos modelos de dispersión, y los modelos de dispersión asociados no necesariamente

comprenden todas las características requeridas para las evaluaciones regulatorias (por ejemplo, efectos de
construcción).

B TAPM

En la actualidad, la mayoría de los modelos de pronóstico requieren importantes recursos informáticos para su
ejecución. También describen una colección completa de fenómenos meteorológicos y se utilizan ampliamente en
la investigación meteorológica. Sin embargo, algunas características que contribuyen significativamente a la
El costo computacional del modelado de mesoescala no es importante para las simulaciones de la calidad del aire,
como las ondas de gravedad y los complicados procesos microfísicos. La formulación cuidadosa de la dinámica
del modelo para omitir o filtrar estas características puede aumentar la velocidad de ejecución, lo que permite
contemplar ejecuciones más largas para aplicaciones reglamentarias. Esto se ha hecho con el TAPM de CSIRO.

TAPM es un sistema de modelado meteorológico de pronóstico tridimensional basado en PC, que incluye varios
módulos de dispersión, como se describe en la sección 2.2.2. TAPM tiene una GUI que permite al usuario
configurar y ejecutar el modelo bajo el sistema operativo Windows. Se conecta a bases de datos de terreno,
vegetación, tipo de suelo, temperatura de la superficie del mar y análisis meteorológicos a escala sinóptica de
Australia y Nueva Zelanda, así como de la mayoría de las regiones del mundo. TAPM es impulsado por análisis
sinópticos de seis horas a una resolución de aproximadamente 75 km. Esta base de datos se deriva de los datos
del análisis LAPS de la Oficina de Meteorología.

Ventajas de TAPM
Es fácil de usar y completamente autónomo, con una buena visualización de los resultados del modelo.

La salida del modelo es fácil de convertir para ingresar a otros modelos, como CALMET,
AUSPLUME, DISPMOD e ISCST3.
Como ocurre con cualquier modelo de pronóstico, no requiere datos locales para su ejecución, aunque tiene la capacidad
de asimilar datos meteorológicos de superficie locales.

Está diseñado para ejecutarse en una computadora personal moderna.

Describe los efectos de fuentes puntuales, lineales y volumétricas, simula los efectos de los edificios sobre
la dispersión y simula reacciones químicas entre contaminantes.

La resolución de los modelos de dispersión de la contaminación puede ser más alta que la del modelo
meteorológico y, por lo general, será necesario para las evaluaciones reglamentarias.

Guía de buenas prácticas para el modelado de dispersión atmosférica 97

Desventajas de TAPM
Aunque es fácil de usar, se necesita un alto nivel de comprensión de la meteorología de la capa límite y la
dispersión de la contaminación, como ocurre con todos los sistemas de modelos de pronóstico, para producir
resultados significativos.

La resolución horizontal máxima del componente del modelo meteorológico de TAPM es del orden de un
tamaño de cuadrícula de 1 km. Si se esperan características meteorológicas, o el forzamiento geográfico
está presente a escalas más pequeñas, entonces el usuario debe tener cuidado. Aunque la asimilación de
datos meteorológicos es posible, se debe tener cuidado para asegurar que los datos meteorológicos sean
representativos de las escalas modeladas por el modelo meteorológico.

5.3.3 Salida del modelo de pronóstico como entradas a los modelos de pluma
gaussiana

Algunos modelos meteorológicos de pronóstico producen datos de salida en un formato que puede ser
utilizado por modelos de plumas. Los resultados del modelo de pronóstico pueden extraerse en un solo
lugar (el sitio de las emisiones contaminantes) en un formato compatible con, digamos, AUSPLUME o
ISCST3, y tratarse como pseudoobservaciones para ingresar a los modelos de dispersión. Esta es una
posible alternativa si no hay observaciones específicas del sitio y tiene la ventaja de que no faltarían datos.
Los pseudodatos también serían compatibles con CALPUFF ejecutándose en un modo de sitio único. TAPM
tiene opciones para producir resultados meteorológicos compatibles con los modelos de pluma gaussiana
más utilizados.

Sin embargo, la extracción de resultados de un solo punto para ejecutar un modelo de pluma ignora muchas de
las ventajas de realizar modelos meteorológicos sofisticados y más realistas, ya que la mayoría de la información
de los resultados del modelo de pronóstico nunca se utilizaría. Si se está ejecutando un modelo como TAPM para
producir la información meteorológica, entonces se puede ejecutar como un modelo de dispersión con un costo
adicional mínimo.

También se debe tener cuidado al extraer solo la altura de mezcla de un solo punto. Aunque la altura de
mezcla del modelo debe ser coherente con otros parámetros del modelo en esa ubicación, es posible que
no sea coherente con los parámetros observados (por ejemplo, viento y temperatura), que se utilizan
como entradas para el modelo de la pluma. Sería más realista derivar la altura de mezcla a partir de
observaciones meteorológicas.

La ventaja práctica de extraer datos meteorológicos de un solo punto para un modelo de pluma es que el modelo
meteorológico solo necesita ejecutarse una vez, sin importar cuántas ejecuciones del modelo de dispersión se
requieran. Como TAPM es un modelo meteorológico y de dispersión autónomo, con los dos procesos
ejecutándose al mismo tiempo, la meteorología tiene que volver a ejecutarse para cada caso del modelo de
dispersión, y esto es relativamente intensivo en recursos informáticos. Sin embargo, otros modelos
meteorológicos y de dispersión (por ejemplo, RAMS / HYPACT o CALMET / CALPUFF) llevan a cabo los dos procesos
por separado. Los datos meteorológicos solo necesitan calcularse una vez y esta consideración no se aplica.

98 Guía de buenas prácticas para el modelado de dispersión atmosférica

 Recomendación 51

Los resultados del modelo de pronóstico solo deben utilizarse como datos de entrada meteorológicos para los modelos de plume
gaussiano cuando:

a) es apropiado utilizar un modelo de pluma gaussiana para la dispersión

b) no se dispone de otra fuente de datos meteorológicos.

Sin embargo, utilizar la salida meteorológica de TAPM en un modelo de dispersión simple (rápido de ejecutar) puede
resultar atractivo cuando se desea probar rápidamente una amplia gama de opciones.

5.3.4 Un enfoque combinado de pronóstico y diagnóstico

Tanto los enfoques de pronóstico como de diagnóstico de la modelización meteorológica tienen ventajas para la producción de
campos meteorológicos realistas para la entrada de modelos de dispersión, como se indica a continuación.

Los modelos de pronóstico no necesitan observaciones meteorológicas locales para ejecutarse, por lo que pueden simular
la meteorología de regiones donde hay pocos datos disponibles.

Los modelos de diagnóstico pueden incorporar las mediciones disponibles y, siempre que las mediciones
se interpolen de manera realista, potencialmente pueden producir una meteorología cercana a la
observada (de hecho, en los sitios de monitoreo, la meteorología modelada debería ser exactamente la
misma que la observada).

Pueden identificarse dos variaciones de estos enfoques en las que cada tipo de modelo incorpora las
características beneficiosas del otro.

a Modelos de pronóstico de asimilación de datos

Los modelos de pronóstico pueden aprovechar los datos meteorológicos locales mediante el proceso de
asimilación de datos meteorológicos. Hay varias formas de lograrlo. Un método común se conoce como
"empujar". Esencialmente, la solución del modelo de pronóstico se fuerza hacia las observaciones durante la
ejecución del modelo. En el mejor de los casos, la solución del modelo ya está cerca, por lo que el forzamiento es
pequeño, de ahí el término "empujón". El empujón puede tener efectos beneficiosos en la solución del modelo,
pero debe usarse con cuidado. Por ejemplo, la entrada de datos meteorológicos locales al modelo de pronóstico
debe ser representativa de la meteorología observada en escalas resueltas por el modelo de pronóstico. Si el sitio
de monitoreo se encuentra en un terreno complejo que no se resuelve con la cuadrícula del modelo de
pronóstico, entonces sus datos no deben asimilarse.

B Salida del modelo de pronóstico como entrada a un modelo de diagnóstico

Los modelos de diagnóstico se pueden ejecutar en áreas con pocos datos mediante la incorporación de resultados de un
modelo de pronóstico. El modelo de pronóstico proporciona un "campo de primera conjetura", que luego es modificado
por el modelo de diagnóstico para tener en cuenta el terreno o las características del uso de la tierra que se encuentran
en una escala espacial más pequeña que el terreno utilizado por el modelo de pronóstico. El propósito principal de este
enfoque es aumentar la resolución horizontal de los campos meteorológicos, lo cual es necesario si hay características
importantes del terreno o del uso de la tierra en la resolución más alta. El procedimiento es mucho menos exigente desde
el punto de vista computacional que ejecutar un modelo meteorológico de pronóstico (con o sin asimilación de datos) a
resoluciones inferiores a km.

Guía de buenas prácticas para el modelado de dispersión atmosférica 99

Cabe resaltar que:
Los enfoques (a) y (b) no son nuevos, pero se analizan aquí como enfoques prácticos para
combinar los resultados de los modelos meteorológicos de pronóstico (que simulan la
dinámica atmosférica de acuerdo con las leyes físicas) con las observaciones meteorológicas
disponibles.

Los enfoques combinados funcionan en regiones con datos escasos y abundantes.

la mayoría, si no todos, los modelos de pronóstico tienen rutinas de asimilación de datos, por lo que pueden usarse en el
enfoque (a)

Los modelos de diagnóstico como CALMET se configuran para combinar la salida del modelo de pronóstico con
las mediciones meteorológicas en el enfoque (b)

Las observaciones meteorológicas pueden utilizarse dos veces, asimiladas en la ejecución del modelo de
pronóstico y utilizadas en la etapa de análisis objetivo de la ejecución del modelo de diagnóstico.

La elección entre los enfoques (a) y (b) implica considerar la mejor resolución que se puede alcanzar en la práctica
en una simulación de modelo de pronóstico a largo plazo. Esto debería ser lo suficientemente alto para resolver
las características meteorológicas importantes que solo pueden ser simuladas mediante un modelo de
pronóstico, como las brisas terrestres y marinas, y los ciclones y frentes en desarrollo. Si esto es suficiente para
resolver los efectos del terreno y del uso de la tierra en la meteorología local, entonces el enfoque (a) es
apropiado. Si hay, digamos, efectos de forzamiento del terreno, como bloqueos, canalizaciones o flujos de
pendientes que no se resuelven en la simulación de pronóstico, estos pueden incorporarse mediante un modelo
de diagnóstico; es decir, siguiendo el enfoque (b).

Es importante señalar que la elección entre (a) y (b) y la elección de la resolución del modelo (tanto para el
pronóstico como para el diagnóstico) depende únicamente de consideraciones meteorológicas. La resolución del
modelo de dispersión es independiente de la resolución del modelo o modelos meteorológicos, y generalmente
es igual o (mucho) mayor que la resolución de la meteorología de entrada.

Estos enfoques, a pesar de su potencial para producir características meteorológicas de mesoescala realistas (que tienen
importantes consecuencias para la dispersión de la contaminación), no han sido ampliamente adoptados en Nueva
Zelanda. Se están volviendo más comunes en el extranjero para las evaluaciones de impacto regulatorio y se han utilizado
en todo el mundo durante muchos años para la investigación científica.

El enfoque (b) implica combinar la salida del modelo de pronóstico tridimensional con observaciones
meteorológicas (desde la superficie y desde perfiles verticales) en un modelo de diagnóstico. Una variación de
esto utiliza un conjunto de perfiles verticales clave seleccionados por el usuario, extraídos de los resultados del
modelo de pronóstico y utilizados como si fueran observaciones en el modelo de diagnóstico. El modelo de
diagnóstico se extrapola para proporcionar campos tridimensionales. Los perfiles extraídos se utilizan en lugar de
los campos completos del modelo de pronóstico tridimensional. Sin embargo, tres
La salida del modelo dimensional puede ocupar una cantidad extremadamente grande de espacio en disco; los archivos
deben tener formato de texto en lugar de binario para que puedan ser leídos por un modelo diferente. Por ejemplo,
TAPM permite esta variación del enfoque (b) en la extracción de perfiles para entrada a CALMET como pseudodatos.

Sin embargo, la última versión de TAPM (v 2.0) permite la salida de los campos meteorológicos
tridimensionales completos (como texto), que pueden ser convertidos por el usuario y leídos por CALMET.

100 Guía de buenas prácticas para el modelado de dispersión atmosférica

C Peligros asociados con la combinación de resultados del modelo con observaciones

Es necesario realizar una verificación cuidadosa con el enfoque descrito en la sección 5.3.4a. La asimilación
de datos funciona bien si la predicción del modelo en el punto de datos ya está cerca de la observación en
esa ubicación. Si este no es el caso, la solución del modelo en los puntos de cuadrícula circundantes y a
favor del viento puede volverse absurda.

Se debe suponer que durante un período de 12 meses el modelo de pronóstico no predecirá bien algunos días en
(probablemente) todas las regiones. Si la intención es ejecutar un modelo de dispersión durante 12 meses y
examinar las estadísticas anuales, se puede suponer con seguridad que el modelo meteorológico predecirá los
tipos correctos de clima y con la frecuencia anual adecuada, incluso si no en el día correcto todo el tiempo. .
Quizás sea más seguro utilizar las observaciones para validar la meteorología modelada, en lugar de asimilarlas y
generar potencialmente resultados de modelos poco realistas. Se debe tener especial cuidado si el modelador de
dispersión desea utilizar el modelo meteorológico para simular un día en particular. En ese caso, la meteorología
debe ser correcta y debe validarse con datos observados adecuados.

Se aplican consideraciones similares al adoptar el enfoque de la sección 5.3.4b. Si el resultado del modelo de
pronóstico utilizado en la fase de estimación inicial del cálculo del campo de viento de CALMET difiere de las
observaciones utilizadas en el análisis objetivo posterior, el campo de viento resultante no será realista. Esto
puede ocurrir particularmente si el modelo de pronóstico no resuelve los efectos del terreno que son resueltos
por CALMET. Si las observaciones son abundantes, se puede obtener un campo de viento más realista sin los
campos de pronóstico como una "suposición inicial". Si es escaso, podría ser más seguro ejecutar CALMET en un
modo 'sin observaciones', donde el campo de viento es una perturbación de la salida del modelo de pronóstico.

5.3.5 El uso futuro de datos meteorológicos en estado no estacionario en

Nueva Zelanda

Como se indicó anteriormente en el documento, una diferencia importante entre los modelos de
dispersión de pluma gaussiana y los modelos de dispersión más avanzados está en sus requisitos de datos
meteorológicos. Los modelos de dispersión avanzados requieren datos meteorológicos completamente
tridimensionales, dependientes del tiempo (es decir, 'estado no estacionario'), que son proporcionados por
modelos meteorológicos avanzados como TAPM, MM5 y CALMET.

En Nueva Zelanda, la creación de conjuntos de datos meteorológicos de estado no estacionario ha sido

realizada principalmente por científicos como parte de programas de investigación, en lugar de
consultores con tiempo y recursos más limitados. Esta situación está cambiando gradualmente a medida
que los modelos avanzados se utilizan cada vez más. Esto es alentador, ya que muchos ejercicios de
modelado de dispersión deberían realizarse utilizando modelos avanzados en lugar de modelos de pluma
gaussiana. Ya se han discutido los criterios para decidir el tipo de modelo a utilizar.

Una vez que se ha decidido que su proyecto requiere un modelo de dispersión avanzado, por lo tanto, y
requiere campos meteorológicos tridimensionales, hay varios factores a considerar al momento de decidir
el modelo meteorológico más apropiado. En otras palabras, todavía quedan algunos problemas
específicos de Nueva Zelanda por abordar.

Guía de buenas prácticas para el modelado de dispersión atmosférica 101

Por un lado, muchas áreas de Nueva Zelanda tienen muy pocos sitios de datos meteorológicos de superficie, y
solo hay tres sitios de sondeo de radio de rutina que proporcionan perfiles verticales (Whenuapai, Paraparaumu e
Invercargill). Esto plantea un desafío cuando se ejecuta un modelo de viento de diagnóstico utilizando
únicamente datos de observación.

El complejo terreno de Nueva Zelanda plantea un desafío diferente para los modelos meteorológicos de
pronóstico. Como ya se mencionó, los intentos del enfoque combinado de pronóstico / diagnóstico pueden
generar problemas cuando los resultados del modelo de pronóstico no son consistentes con las observaciones.

El modelador de dispersión, aunque reconoce que es necesario, aún puede sentirse intimidado por la tarea del
modelado meteorológico. Sin embargo, con el tiempo, a medida que la comunidad de modelos en Nueva Zelanda
adquiera más experiencia, las consecuencias de estos problemas se comprenderán mejor y se tendrán en cuenta
en la etapa de presentación de informes. Además, los modelos meteorológicos están mejorando continuamente
y, en el futuro, podrán manejar mejor las condiciones meteorológicas en terrenos complejos y áreas costeras.

Por último, es poco probable que aumente el número de sitios meteorológicos habituales alrededor
de Nueva Zelanda.

Recomendación 52

Al realizar modelos meteorológicos de estado no estacionario:

a) evaluar la disponibilidad de datos meteorológicos en la región a modelar
b) consultar un mapa topográfico de la región para medir su complejidad geográfica
c) determinar qué resolución espacial es probable que se requiera
d) decidir si la resolución requerida es factible en un modelo de pronóstico
e) considerar el enfoque del modelo de pronóstico si es factible, o bien el enfoque combinado de
pronóstico / diagnóstico
f) considerar el enfoque de diagnóstico solo si los datos meteorológicos son abundantes
g) tenga cuidado al asimilar las observaciones en un modelo de pronóstico en regiones de terreno
complejo
h) tenga cuidado al incorporar observaciones en la etapa de diagnóstico del enfoque
combinado en regiones de terreno complejo.
Estas recomendaciones dan solo una indicación general, y los modeladores deben guiarse por su
propia experiencia y conocimientos.

Si es necesario un modelado avanzado, pero el modelador lo considera demasiado oneroso, entonces el

componente meteorológico debe subcontratarse, en lugar de evitarse mediante el uso de un modelo de
pluma gaussiana.

102 Guía de buenas prácticas para el modelado de dispersión atmosférica