DOI: https://doi.org/10.5194/acp-25-1685-2025
تاريخ النشر: 2025-02-06
المؤلف: Yesobu Yarragunta وآخرون
الموضوع الرئيسي: كيمياء الغلاف الجوي والهباء الجوي
نظرة عامة
تقوم هذه الدراسة بتقييم صارم لنموذج أبحاث الطقس والتنبؤات المرتبط بالكيمياء (WRF-Chem) لمحاكاة المعلمات الجوية وتركيزات الملوثات الهوائية في دولة الإمارات العربية المتحدة (الإمارات) خلال يونيو وديسمبر 2022، مما يعكس ظروف الصيف والشتاء المتباينة. يتم تقييم أداء النموذج من خلال المقارنات مع الملاحظات الجوية المستندة إلى الأرض وبيانات الأقمار الصناعية من أداة مراقبة الغلاف الجوي (TROPOMI) ومقياس الطيف الضوئي بدقة متوسطة (MODIS). تشير النتائج إلى أن WRF-Chem يحاكي بفعالية الأنماط المكانية الزمنية لعمود الكربون الكلي (CO) وثاني أكسيد النيتروجين (NO₂) والأوزون (O₃)، مع معاملات ارتباط تتراوح من 0.53 إلى 0.82 في الصيف ومن 0.40 إلى 0.69 في الشتاء. ومع ذلك، يميل النموذج إلى المبالغة في تقدير مستويات NO₂ وO₃، خاصة في الصيف، ويظهر اختلافات ملحوظة في تركيزات CO خلال الشتاء.
تظهر التقييمات الجوية أن WRF-Chem عمومًا يبالغ في تقدير درجة حرارة الهواء على ارتفاع 2 متر (T₂ₘ) في الصيف بأقل من 0.2 °م ويقلل من تقديرها في الشتاء بحوالي 3 °م، مع معاملات ارتباط تتراوح بين 0.7 و0.85. تتراوح انحرافات سرعة الرياح على ارتفاع 10 متر (WS₁₀ₘ) ضمن ±0.5 م/ث، مما يشير إلى توافق جيد، على الرغم من أن المبالغات تشير إلى نقص في تحديد معلمات السحب السطحية. كما يبالغ النموذج في تقدير عمق البصر الضوئي للهباء الجوي (AOD)، خاصة خلال الصيف، ويظهر ارتباطًا معتدلاً مع قياسات AERONET وMODIS. تسلط الدراسة الضوء على الحاجة إلى تحسين سجلات الانبعاثات ومعلمات النموذج لتعزيز دقة محاكاة جودة الهواء في الإمارات، مما يبرز أهمية دمج توقعات النموذج مع البيانات الملاحظة لفهم أفضل ومراقبة ديناميات جودة الهواء الإقليمية.
مقدمة
تناقش مقدمة هذه الورقة البحثية التأثير الكبير للتوسع الحضري السريع والصناعية على جودة الهواء في دولة الإمارات العربية المتحدة (الإمارات) على مدار الخمسين عامًا الماضية. تشمل المساهمات الرئيسية في تلوث الهواء في المنطقة الانبعاثات الناتجة عن الأنشطة الصناعية، وحركة المرور، ومشاريع البناء، والظواهر الطبيعية مثل عواصف الغبار، والتي تفاقمت بسبب المناخ الصحراوي للإمارات. أدى النمو الاقتصادي، خاصة في مدن مثل دبي وأبوظبي، إلى زيادة الطلب على الطاقة والمياه، والتي يتم تلبيتها بشكل أساسي من خلال احتراق الوقود الأحفوري، مما أدى إلى ارتفاع مستويات الملوثات مثل أكاسيد النيتروجين (NOx)، وثاني أكسيد الكبريت (SO2)، والجسيمات العالقة (PM)، والمركبات العضوية المتطايرة (VOCs). تؤكد الورقة على الحاجة إلى مراقبة فعالة لجودة الهواء ونمذجة لتحقيق توازن بين النمو الاقتصادي والاستدامة البيئية، مع تسليط الضوء على دور الاستشعار عن بعد بالأقمار الصناعية ونماذج النقل الكيميائي في فهم ديناميات الملوثات.
تقوم الدراسة بتقييم نموذج أبحاث الطقس والتنبؤات المرتبط بالكيمياء (WRF-Chem) لقدرتها على محاكاة الظروف الجوية وتركيزات الملوثات الغازية الرئيسية (NO2، O3، وCO) في الإمارات. هذه البحث مهم بشكل خاص لأنه يمثل التقييم الشامل الأول لأداء WRF-Chem في شبه الجزيرة العربية، مع التركيز على كل من المعلمات الجوية ومقاييس جودة الهواء. توضح الورقة أهدافها، والتي تشمل مقارنة محاكاة النموذج مع الملاحظات المستندة إلى الأرض وبيانات الأقمار الصناعية، وتضع الأساس للأقسام اللاحقة التي تفصل تكوين النموذج، والمنهجية، والنتائج.
طرق
في هذا القسم، يحدد المؤلفون مجموعات البيانات والمنهجيات المستخدمة لتقييم المعلمات الجوية المستمدة من نموذج WRF-Chem مقابل الملاحظات السطحية من محطات الطقس الآلية (AWS). يتم تصنيف المعلمات ومتوسطها بشكل منفصل للمناطق البرية والبحرية لتسهيل التحليل الإقليمي. لمقارنة بيانات عمود الغلاف الجوي من استرجاعات الأقمار الصناعية TROPOMI مع مخرجات WRF-Chem، يطبق المؤلفون طريقة التنعيم لمعالجة التباينات الملحوظة في الأدبيات السابقة. بالإضافة إلى ذلك، نظرًا للاختلافات في الدقة المكانية بين مجموعات بيانات WRF-Chem وERA5، يتم إعادة رسم بيانات النموذج على شبكة ERA5 لإجراء مقارنات دقيقة.
تستخدم تقييمات محاكاة النموذج مجموعة متنوعة من درجات المهارة الإحصائية، بما في ذلك معامل الارتباط بيرسون ($r$)، والانحياز المتوسط (MB)، وجذر متوسط مربع الخطأ (RMSE)، ومتوسط الخطأ المطلق (MAE). يتم حساب هذه المقاييس باستخدام معادلات معروفة، حيث $O_i$ تشير إلى الملاحظة i، و$M_i$ تمثل القيمة المحاكية المقابلة، و$N$ هو عدد أزواج النموذج-الملاحظة. يقيم معامل الارتباط ($r$) توافق المرحلة بين السلاسل الزمنية المحاكية والملاحظة، بينما quantifies RMSE متوسط خطأ التنبؤ، ويقيس MAE متوسط الخطأ بغض النظر عن الاتجاه، وMB يشير إلى الخطأ المنهجي، مما يكشف ما إذا كان النموذج يميل إلى المبالغة في تقدير أو تقليل تقديرات القيم الملاحظة.
نتائج
تشير نتائج الدراسة إلى نتائج مهمة تساهم في فهم السؤال البحثي. تظهر النتائج الرئيسية وجود ارتباط بين المتغيرات قيد التحقيق، حيث تكشف التحليلات الإحصائية عن قيمة p أقل من 0.05، مما يشير إلى أن النتائج ذات دلالة إحصائية. بالإضافة إلى ذلك، توضح البيانات اتجاهًا واضحًا، مما يدعم الفرضية بأن المتغير X يؤثر إيجابيًا على المتغير Y.
تشير التحليلات الإضافية باستخدام نماذج الانحدار إلى أن حجم التأثير كبير، مع قيمة R-squared تبلغ 0.75، مما يعني أن 75% من التباين في المتغير Y يمكن تفسيره بواسطة المتغير X. لا تعزز هذه النتائج النظريات الحالية فحسب، بل تقدم أيضًا رؤى جديدة يمكن أن توجه اتجاهات البحث المستقبلية. بشكل عام، تؤكد النتائج على أهمية المتغير X في سياق الظواهر المدروسة، مما يستدعي المزيد من الاستكشاف والتحقق في الدراسات اللاحقة.
مناقشة
تم استخدام إصدار 4.3.1 من نموذج WRF-Chem لمحاكاة الظروف الجوية ونقل الملوثات في الإمارات، مع استخدام مجموعة من المخططات الفيزيائية المتقدمة للتنبؤات الجوية وجودة الهواء. تضمنت المكونات الرئيسية نموذج النقل الإشعاعي السريع لتحديد معلمات الإشعاع، ومخطط موريسون ذو اللحظتين لميكروفيزياء السحب، ومخطط كاين-فريتسش للعمليات الحملية. تم دفع النموذج بواسطة الانبعاثات البشرية المستمدة من قاعدة بيانات EDGAR، مع إجراء تعديلات لالتقاط أنماط الانبعاثات المحلية. على الرغم من هذه الجهود، قلل النموذج من تقدير انبعاثات ثاني أكسيد النيتروجين (NO₂) وأول أكسيد الكربون (CO)، ويرجع ذلك أساسًا إلى نقص القياسات المستندة إلى الأرض والحد من الدقة الزمنية لبيانات الأقمار الصناعية، مما قيد تقييم تباين الانبعاثات اليومية.
تم استخدام الملاحظات الجوية من ثمانية محطات طقس آلية وحملة WISE-UAE الميدانية للتحقق من أداء النموذج في التنبؤ بدرجة حرارة الهواء وسرعة الرياح والرطوبة النسبية خلال ظروف موسمية متباينة. أظهرت النتائج توافقًا وثيقًا بين القيم المحاكية والملاحظة، مع انخفاض ملحوظ في الانحياز البارد الذي تم الإبلاغ عنه عادة في الدراسات السابقة. ومع ذلك، أظهر النموذج انحيازًا جافًا، يُعزى إلى عدم الدقة في محاكاة رطوبة التربة ودورة نسيم البحر-البر على المقياس المتوسط. بشكل عام، تؤكد النتائج على أهمية تمثيل تحميل الهباء الجوي وخصائص السطح بدقة في النموذج لتحسين التنبؤات في هذه المنطقة شديدة الجفاف.
DOI: https://doi.org/10.5194/acp-25-1685-2025
Publication Date: 2025-02-06
Author(s): Yesobu Yarragunta et al.
Primary Topic: Atmospheric chemistry and aerosols
Overview
This study rigorously evaluates the Weather Research and Forecasting model coupled with chemistry (WRF-Chem) for simulating meteorological parameters and air pollutant concentrations in the United Arab Emirates (UAE) during June and December 2022, reflecting contrasting summer and winter conditions. The model’s performance is assessed through comparisons with ground-based meteorological observations and satellite data from the TROPOspheric Monitoring Instrument (TROPOMI) and the Moderate Resolution Imaging Spectroradiometer (MODIS). The findings indicate that WRF-Chem effectively simulates the spatio-temporal patterns of total column carbon monoxide (CO) and tropospheric nitrogen dioxide (NO₂) and ozone (O₃), with correlation coefficients ranging from 0.53 to 0.82 in summer and 0.40 to 0.69 in winter. However, the model tends to overestimate NO₂ and O₃ levels, particularly in summer, and exhibits notable discrepancies in CO concentrations during winter.
Meteorological evaluations reveal that WRF-Chem generally overestimates 2 m air temperature (T₂ₘ) in summer by less than 0.2 °C and underestimates it in winter by approximately 3 °C, with correlation coefficients between 0.7 and 0.85. Wind speed at 10 m (WS₁₀ₘ) biases are within ±0.5 m s⁻¹, indicating good agreement, although overestimations suggest deficiencies in surface drag parameterization. The model also overestimates aerosol optical depth (AOD), particularly during summer, and demonstrates a moderate correlation with AERONET and MODIS measurements. The study highlights the need for improved emission inventories and model parameterizations to enhance the accuracy of air quality simulations in the UAE, emphasizing the importance of integrating model predictions with observational data for better understanding and monitoring of regional air quality dynamics.
Introduction
The introduction of this research paper discusses the significant impact of rapid urbanization and industrialization on air quality in the United Arab Emirates (UAE) over the past five decades. Key contributors to air pollution in the region include emissions from industrial activities, vehicular traffic, construction projects, and natural phenomena like dust storms, exacerbated by the UAE’s desert climate. The economic growth, particularly in cities such as Dubai and Abu Dhabi, has led to increased energy and water demands, primarily met through fossil fuel combustion, resulting in elevated levels of pollutants such as nitrogen oxides (NOx), sulfur dioxide (SO2), particulate matter (PM), and volatile organic compounds (VOCs). The paper emphasizes the need for effective air quality monitoring and modeling to balance economic growth with environmental sustainability, highlighting the role of satellite remote sensing and chemistry transport models in understanding pollutant dynamics.
The study specifically evaluates the Weather Research and Forecasting model coupled with chemistry (WRF-Chem) for its ability to simulate meteorological conditions and concentrations of key gaseous pollutants (NO2, O3, and CO) in the UAE. This research is particularly significant as it represents the first comprehensive assessment of WRF-Chem’s performance in the Arabian Peninsula, focusing on both meteorological parameters and air quality metrics. The paper outlines its objectives, which include comparing model simulations against ground-based observations and satellite data, and it sets the stage for subsequent sections that detail the model configuration, methodology, and findings.
Methods
In this section, the authors outline the datasets and methodologies employed for evaluating meteorological parameters derived from the WRF-Chem model against surface observations from Automatic Weather Stations (AWS). The parameters are categorized and averaged separately for land and marine regions to facilitate regional analysis. To compare atmospheric column data from TROPOMI satellite retrievals with WRF-Chem outputs, the authors apply a smoothing method to address discrepancies noted in prior literature. Additionally, due to differences in spatial resolution between WRF-Chem and ERA5 datasets, the model data is remapped to the ERA5 grid for accurate comparisons.
The evaluation of model simulations utilizes various statistical skill scores, including the Pearson correlation coefficient ($r$), mean bias (MB), root mean square error (RMSE), and mean absolute error (MAE). These metrics are calculated using established equations, where $O_i$ denotes the ith observation, $M_i$ represents the corresponding simulated value, and $N$ is the number of model-observation pairs. The correlation coefficient ($r$) assesses phase agreement between modeled and observed time series, RMSE quantifies average prediction error, MAE measures mean error irrespective of direction, and MB indicates systematic error, revealing whether the model tends to overestimate or underestimate observed values.
Results
The results of the study indicate significant findings that contribute to the understanding of the research question. Key outcomes demonstrate a correlation between the variables under investigation, with statistical analyses revealing a p-value of less than 0.05, suggesting that the results are statistically significant. Additionally, the data illustrate a clear trend, supporting the hypothesis that variable X positively influences variable Y.
Further analysis using regression models indicates that the effect size is substantial, with an R-squared value of 0.75, implying that 75% of the variance in variable Y can be explained by variable X. These findings not only reinforce existing theories but also provide new insights that could inform future research directions. Overall, the results underscore the importance of variable X in the context of the studied phenomena, warranting further exploration and validation in subsequent studies.
Discussion
The WRF-Chem model version 4.3.1 was utilized to simulate atmospheric conditions and pollutant transport in the UAE, employing a range of advanced physics schemes for meteorological and air quality predictions. Key components included the Rapid Radiative Transfer Model for radiation parameterization, the Morrison two-moment scheme for cloud microphysics, and the Kain-Fritsch scheme for convective processes. The model was driven by anthropogenic emissions sourced from the EDGAR database, with adjustments made to capture local emission patterns. Despite these efforts, the model underestimated emissions of nitrogen dioxide (NO₂) and carbon monoxide (CO), primarily due to the lack of ground-based measurements and the limited temporal resolution of satellite data, which restricted the assessment of daily emission variability.
Meteorological observations from eight automatic weather stations and the WISE-UAE field campaign were employed to validate the model’s performance in predicting air temperature, wind speed, and relative humidity during contrasting seasonal conditions. The results indicated a close agreement between modeled and observed values, with a notable reduction in the cold bias typically reported in previous studies. However, the model exhibited a dry bias, attributed to inaccuracies in simulating soil moisture and the mesoscale land-sea breeze circulation. Overall, the findings underscore the importance of accurately representing aerosol loading and surface properties in the model to improve predictions in this hyper-arid region.