Eulerian and Lagrangian Approaches for Modelling of Air Quality

Leelőssy, Ádám; Mona, Tamás; Mészáros, Róbert; Lagzi, István; Havasi, Ágnes

doi:10.1007/978-3-319-40157-7_5

Cited by 7 publications

(10 citation statements)

References 25 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…A PBL szerepe az emberi élet szempontjából vitathatatlan, hiszen életterünkkel közvetlen kapcsolatban áll és így hatást gyakorol rá (Garratt, 1994). Nagy hatással van a levegőminőségre és a légköri nyomgázok terjedésére (Leelőssy et al, 2014(Leelőssy et al, , 2016, az agrometeorológiai folyamatokra ( Ács et al, 2014a), a felszín-légkör kölcsönhatásokra ( Ács et al, 2015;Balogh, 2007;Breuer et al, 2012), a mikrometeorológiai folyamatokra (Foken, 2008), a hidrológiára ( Ács et al, 2011;Ács & Szász, 2002), a városklímára (Balogh & Kristóf, 2010), valamint az operatív előrejelzések pontosságára (Szintai & Kaufmann, 2008;Szintai et al, 2009) egyaránt.…”

Section: Sekély Konvekcióunclassified

Sekély és mély konvekciós folyamatok vizsgálata

Mona¹

2018

View full text Add to dashboard Cite

Section: Sekély Konvekcióunclassified

Sekély és mély konvekciós folyamatok vizsgálata

Mona¹

2018

View full text Add to dashboard Cite

“…A transzmisszió szimulációjára három különböző megközelítést használnak: gaussi (analitikus), euleri (determinisztikus) és Lagrange-i (sztochasztikus) modelleket (Collett and Oduyemi, 1997;Mészáros et al, 2013;Leelőssy et al, 2014Leelőssy et al, , 2016a (Stockie, 2011). Az eloszlás szélessége a turbulens diffúzió erősségének függvénye, amely empirikus kategóriák, vagy a felszíni hőáramokat figyelembe vevő turbulenciaparametrizációk alapján becsülhető (Turner, 1997;Cimorelli et al, 2005;Moreira et al, 2011;Leelőssy et al, 2014).…”

Section: Terjedési Modellekunclassified

“…A gaussi modellek alkalmazási lehetőségei térben és időben gyorsan változó áramlási mező, nagytérségű terjedés, alacsony szélsebesség vagy változatos domborzat és épített környezet esetén erősen korlátozottak. Ezekben az esetekben a (2.1) terjedési egyenlet numerikus megoldása szükséges valamilyen numerikus eljárás, például az egyenesek módszere (method of lines) vagy a véges elemek módszere alapján (Lagzi et al, 2004b(Lagzi et al, , 2009Leelőssy et al, 2016a). Az euleri modellek véges felbontású rácson számítják a koncentrációmező időbeli fejlődését, ami jól illeszkedik a numerikus időjárás-előrejelző (NWP) modellekhez, így azok adatai interpoláció nélkül felhasználhatók (Mészáros et al, 2010b), illetve az időjárási és terjedési modellek integrálhatók is egymással (Grell et al, 2005;Inness et al, 2015).…”

Section: Terjedési Modellekunclassified

“…A megfelelő terjedési modell kiválasztásához három alapvető szempontot kell figyelembe venni (2.1. ábra): a transzmissziós folyamat méretskáláját, a folyamatok bonyolultságát (ide értve a felszíni geometria, az időjárási helyzet, illetve a kémiai átalakulások összetettségét), valamint a számításhoz rendelkezésre álló időt (Mészáros et al, 2013;Leelőssy et al, 2014Leelőssy et al, , 2016a. Azonnali válaszidejű, bárki által kezelhető, akár hordozható eszközökön is futtatható döntéstámogató rendszerekben a Gauss-típusú modellek egyszerűsége és gyorsasága elengedhetetlen (Weidinger et al, 2012).…”

Section: áBra: Levegőminőség Modellezésének Megközelítései éS a Megfe...unclassified

See 1 more Smart Citation

Szennyezőanyagok légköri koncentrációját előrejelző modellrendszer fejlesztése és alkalmazása

Leelőssy¹

2017

View full text Add to dashboard Cite

Atmospheric dispersion models have become important tools for air pollution meteorology for the last decades. Based on meteorological data, these models can simulate the transmission of pollutants released from accidental or normal industrial processes, traffic and households, as well as deflation and evaporation. The scale of the dispersion process can range from local air pollution events to globally detectable nuclear accidents. Simulation of atmospheric dispersion on different scales requires different modeling approaches.The aim of this research is to develop an atmospheric dispersion model applicable on a wide range of scales. A regional-to-global scale Lagrangian particle dispersion model and a local scale plume model have been developed, which can be used with data from several numerical weather prediction systems.The main application of the Lagrangian model was the simulation of the global dispersion of radionuclides released from the Fukushima Nuclear Power Plant. Measurement data from several sites in the Northern Hemisphere provided a resource to validate model results and to reconstruct the dispersion process in each region.The developed dispersion models have been applied for recent cases in Hungary that reached large public interest. Our plume model was used to simulate the long-term spatial distribution of deflated industrial dust from the Budapest Chemical Works site for a period of thirteen years. Radioiodine release from the Institute of Isotopes in Budapest was simulated with our Lagrangian model to reveal model uncertainties in a complex weather situation with low-level inversion and wind shear.Our Gaussian and Lagrangian models can simulate the dispersion of passive tracers or toxic substances with a simple chemical mechanism. Development of the model allows the flexible adaptation for special needs of users and its integration into complex decision support software. Development and testing provided valuable experience for future applications to select and set up the best possible modeling tool for atmospheric dispersion problems.

show abstract

“…Lagrangian stochastic (LS) models are widely used for wind field simulation, incorporating the stochastic process and statistical information on wind velocities under differ-ent field conditions (Rossi et al, 2004). LS models play a particularly important role in managing atmospheric pollutants (Wang et al, 2008;Fattal and Gavze, 2014;Leelössy et al, 2016;Asadi et al, 2017), biological particles (e.g., weed pollen) (Wang and Yang, 2010a, b), and the like. These management efforts are achieved by simulating particle dispersion behaviors caused by the force of wind in the surface layer (Wilson and Shum, 1992;Aylor and Flesch, 2001).…”

Section: Introductionmentioning

confidence: 99%

Non-Gaussian Lagrangian Stochastic Model for Wind Field Simulation in the Surface Layer

Liu

Yang

et al. 2019

Adv. Atmos. Sci.

View full text Add to dashboard Cite

Wind field simulation in the surface layer is often used to manage natural resources in terms of air quality, gene flow (through pollen drift), and plant disease transmission (spore dispersion). Although Lagrangian stochastic (LS) models describe stochastic wind behaviors, such models assume that wind velocities follow Gaussian distributions. However, measured surface-layer wind velocities show a strong skewness and kurtosis. This paper presents an improved model, a non-Gaussian LS model, which incorporates controllable non-Gaussian random variables to simulate the targeted non-Gaussian velocity distribution with more accurate skewness and kurtosis. Wind velocity statistics generated by the non-Gaussian model are evaluated by using the field data from the Cooperative Atmospheric Surface Exchange Study, October 1999 experimental dataset and comparing the data with statistics from the original Gaussian model. Results show that the non-Gaussian model improves the wind trajectory simulation by stably producing precise skewness and kurtosis in simulated wind velocities without sacrificing other features of the traditional Gaussian LS model, such as the accuracy in the mean and variance of simulated velocities. This improvement also leads to better accuracy in friction velocity (i.e., a coupling of three-dimensional velocities). The model can also accommodate various non-Gaussian wind fields and a wide range of skewness-kurtosis combinations. Moreover, improved skewness and kurtosis in the simulated velocity will result in a significantly different dispersion for wind/particle simulations. Thus, the non-Gaussian model is worth applying to wind field simulation in the surface layer.

show abstract

Eulerian and Lagrangian Approaches for Modelling of Air Quality

Cited by 7 publications

References 25 publications

Sekély és mély konvekciós folyamatok vizsgálata

Sekély és mély konvekciós folyamatok vizsgálata

Szennyezőanyagok légköri koncentrációját előrejelző modellrendszer fejlesztése és alkalmazása

Non-Gaussian Lagrangian Stochastic Model for Wind Field Simulation in the Surface Layer

Contact Info

Product

Resources

About