FARM / SURFPro
Novità nei modelli
Bologna, 4 marzo 2010
ENEA, Riunione plenaria MINNI - Bologna, 4 marzo 2010
FARM (Flexible Air quality Regional Model)
Main fatures:
• Emission of pollutants from area and point sources, with plume rise calculation and
mass assignment to vertical grid cells
• 3D dispersion by advection and turbulent diffusion
• flexible gas-phase chemical mechanisms configuration FCM Software (SAPRC-90,
SAPRC-99, SAPRC-07, EMEP-acid – through FCM)
• Treatment of PM10 and PM2.5 (aero0 inorganic equilibrium module, aero3 modal
aerosol module)
• Dry removal of pollutants dependent on local meteorology and land-use
• Removal through precipitation scavenging processes
• One- and two-way nesting on arbitrary number of grids
• Treatment of additional inert tracers
 Parallel processing using OpenMP paradigm
 Inclusion of data assimilation techniques
 Online calculation of photolysis rates using TUV model (Tropospheric Ultraviolet and
Visible radiation model; Madronich et al, 1989); RADM method to correct for cloud
cover (Chang et al., 1987)
 Inclusion of map scale factors and different coordinate systems
 SAPRC99 and POPs-Hg Gas-phase chemical mechanisms generated via KPP
Software (LSODE/Rosenbrock solvers)
Parallel processing using OpenMP paradigm
Speed-Up
4 Processori
8 Processori
3.00
Roma
Calcutta
2.50
Speedup
2.00
1.50
1.00
0.50
0.00
Scalare
2
Threads
3
Threads
4
Threads
Scalare
2
Threads
3
Threads
4
Threads
5
Threads
6
Threads
7
Threads
8
Threads
Inclusion of data assimilation techniques
Assessment under EU
Air Quality Directives
Combining models with
measurement
Zona di non
conformità
Zona di conformità
Valore limite (VL)
la qualità dell’aria ambiente è valutata tramite
misurazioni in siti fissi. Tali misurazioni possono essere
integrate da tecniche di modellizzazione e/o da
misurazioni indicative (la modellazione è “secondaria”
rispetto alle misurazioni)
Soglia di valutazione superiore (SVS)
Soglia di valutazione inferiore (SVI)
è possibile combinare le misurazioni in siti fissi con le
tecniche di modellizzazione e/o le misurazioni indicative
al fine di valutare la qualità dell’aria ambiente (la
modellazione ha lo stesso valore delle misurazioni)
è possibile utilizzare solo tecniche di modellizzazione o
di stima obiettiva al fine di valutare la qualità dell’aria
ambiente (la modellazione è “alternativa” alle
misurazioni)
Assessment under EU
Air Quality Directives
Combining models with
measurement
measurement
modelling
100% measurement
Measurement, no interpretation
Measurement+interpretation
Measurement+interpolation
Measurement+model fitted to measurement
Data assimilation
Model validated by measurement in the same zone
Model validated elsewhere
Unvalidated model
100% modelling
…there is an almost continuous spectrum of combination of measurements and other
assessment methods (mathematical techniques and models)
From: Guidance on Assessment under the EU Air Quality Directives, EEA 2002
5150
5100
175
NO2
5050
140
5150
105
150
70
5100
35
4950
175
Computed
5000
NO2
100
200
50
5050
4900
350
400
450
500
140
150
Computed
0
UTM-y [km]
0
105
0
50
100
150
200
Measured
5000
100
70
UTM-x [km]
Measurement
no interpretation
50
5150
35
4950
0
0
50
100
0 5100
150
200
Measured
175
4900
350
400
450
UTM-x [km]
Measurement and
interpolation
Model validated by
measurement in the same zone
5050
500
UTM-y [km]
140
105
5000
5150
70
35
4950
5100
1
0
4900
5050
350
400
450
UTM-x [km]
Proposta
Integrazione dei dati sperimentali
contenuti nel dataset BRACE per la
produzione di campi di analisi sul
territorio italiano.
Data
Assimilation
500
UTM-y [km]
UTM-y [km]
200
1
1
5000
7
3
4950
0
4900
350
400
UTM-x [km]
450
500
Schemi di analisi oggettiva implementati in FARM
1. Observational
technique;
Nudging/Newtonian
Relaxation
2. Optimal Interpolation;
3. Bratseth method of Successive Corrections.
Schemi di analisi oggettiva implementati in FARM
The time evolution of the i-th chemical species over the time step Δt is then
computed as follow:
ci (x, t  t )  LN (t ) Lx (t ) Ly (t ) Lz (t ) Lc (t )ci (x, t )
where LN is the nudging operator.
Including the obs nudging (1), the nudging operator has the form:
LN ci  ci 
1
A
j
G A (ci , ci , x , t )  t
Using the Optimal Interpolation (2) (or the Successive Correction
Method / Bratseth scheme), LN has the form:
LN ci  ci 
wt
A
A
(ci  ci )  t
where cAi is the gridded analysed concentration field.
Upper layers weighting
Let c(i,j,z=z0,t) the increment (or decrement) of surface concentration (z=z0) at
grid cell (i,j) at time t due to observational nudging. The concentration at upper
layers is then computed as follow:
ci ( x, y, z, t )  ci ( x, y, z, t )  ci ( x, y, z  z 0, t )e
z2
 2
2 RV
Wz
1.2
Rv = 100 m
1
Rv = 100 m
0.6
0.4
0.2
60
0
70
0
80
0
90
0
10
00
11
00
12
00
13
00
14
00
15
00
16
00
17
00
18
00
19
00
20
00
20
0
30
0
40
0
50
0
0
0
10
0
Wz
0.8
dz [m]
Rz= 100 [m]
Rz= 500 [m]
Observational Nudging/Newtonian Relaxation technique
For observational nudging GA is given by the following
expressions:
N
W
j
G A ( ci , ci , x , t ) 
2
 j

j ( x , t )   i  c i  c i ( x , t ) 


j
N
W ( x , t )
j
j
i is the observational quality factor, ranging from 0 to 1, that
takes into accounts for characteristic errors in measurements
and representativeness
Observational Nudging/Newtonian Relaxation technique
Wj is given by:
W j ( x , t )  wx, y  wz  wt
R2  D2

;0  D  R
 R 2  D 2
• R is the specified obs radius of
influence
wx , y  

• D id the distance between obs and

the grid point
0; D  R
• z is the vertical distance and Rz
the vertical scale lenght
 z 2 


wz  exp

 2 Rz2 


   t  t0 
;  t  t0 •  is the specified time window for
2

2
obs


wt  

 
1;  t  t0
 2
1.2
Weights: Wj
1
Wx,y
0.6
0.4
0.2
0
0.5
0.6
0.7
0.8
0.9
1
D/R

1.2
1
0.8
0.6
0.4
0.2
t [sec]
36
00
33
00
30
00
27
00
24
00
21
00
18
00
0
15
00
Wt
12
00
0.4
90
0
0.3
60
0
0.2
30
0
0.1
0
0
Wt
Wxy
0.8
Optimal Interpolation
The analysed state vector XA is given by:
X
A
X
G
T

T

1
G

BHHBH

R
Y

HX


K
where:
XG: background state vector
Y: observation vector
H: observation operator (model space to observation space)
B: background error covariance matrix
R: observation error covariance matrix
K: gain matrix
The Bratseth Method of Successive Corrections
The Bratseth technique (Bratseth, 1986) is a successive correction
scheme that converges to optimal interpolation due to the inclusion of
background and observation error statistics. The analysis is initialised
with a background field, or first guess, which is then modified by the
analysis of local data onto the model grid.
Online calculation of photolysis rates using
TUV model
Calcolo dei ratei di fotolisi
Approccio attuale (FCM)
3.50E-03
0.70
3.00E-03
0.60
2.50E-03
0.50
2.00E-03
0.40
1.50E-03
0.30
1.00E-03
0.20
5.00E-04
0.10
0.00
0.00E+00
0
10
20
30
40
50
60
Solar Zenith Angle
NO2
O3O1D
70
78
86
90
O3 photolysis rate [min -1]
0.80
-1
NO2 photolysis rate[min ]
L’inserimento di un modulo di trasferimento radiativo per il calcolo dei ratei
di fotolisi delle diverse specie in un modello di chimica dell’atmosfera
determina un significativo incremento del tempo di calcolo. Per tale ragione
nel modello FARM i ratei di fotolisi delle diverse specie chimiche vengono
calcolati mediante l’utilizzo di “look-up tables” assumendo condizioni di cielo
sereno. Tali ratei vengono stimati al livello del suolo e quindi corretti per le
quote superiori mediante l’utilizzo di formule empiriche (Peterson, 1976).
Calcolo dei ratei di fotolisi
TUV
http://cprm.acd.ucar.edu/Models/TUV/index.shtml
Main fatures:
Tropospheric Ultraviolet-Visible Model (TUV) has been developed by
Madronich [1989]. TUV is a state-of-the-art radiation transfer model,
and is widely used by the scientific community. TUV calculates
spectral irradiance, spectral actinic flux, and photodissociation rates
(J-values) for the wavelength range between 121 and 750 nm.
References:
Madronich, S., Photodissociation in the atmosphere 1. Actinic flux
and the effect of ground reflections and clouds, J. Geophys. Res., 92,
9740-9752, 1989.
Calcolo dei ratei di fotolisi
TUV
“j-Values”: Definition
NO2 + h  NO + O ( < 424 nm)

d [NO 2 ]
 j NO2 [NO 2 ]
dt
j NO2   F ( ) NO2 ( ,T )NO2 NOO ( ,T )d
“actinic” flux (photons cm-2 s-1 nm-1)
absorption cross section (cm2)
photolysis quantum yield (photons-1)
Calcolo dei ratei di fotolisi
TUV
Factors Affecting Actinic Flux
• solar zenith angle
• observer altitude
• ozone profile/amount
• other absorbers/scatterers (O2, air)
• surface reflectivity (albedo), Spectral albedo file
to be used (as done in MODTRAN)
• surface altitude
• aerosol morphology/optical properties
• cloud morphology/optical properties
• atmospheric refraction
Calcolo dei ratei di fotolisi in assenza di nuvole
NO2 + h  NO + O ( < 424 nm)
0.70
0.60
J [min-1 ]
0.50
0.40
0.30
0.20
0.10
0.00
23.0
22.0
20.0
TUV
19.0
FCM
17.0
16.0
14.0
13.0
11.0
10.0
8.0
7.0
5.0
4.0
2.0
1.0
hours
Calcolo dei ratei di fotolisi in presenza di nuvole
Approccio attuale
Jk
Per ciascun livello verticale k il rateo di fotolisi di una generica specie chimica
viene quindi
k
  k ove
corretto, in presenza di nuvole, mediante l’utilizzo della seguente relazione: J k  J clear
k
J clear
individua il rateo di fotolisi in condizioni di cielo sereno e k il fattore di attenuazione/albedo.
Tale fattore viene calcolato come segue:
a. al di sopra della “cloud top” (clear sky): k = 1 ;
b. immediatamente al di sopra della “cloud top”: k = 1.3 (aumento dovuto all’albedo);
c.
all’interno ed al di sotto della “cloud base”:
 k  1  0.55 TCC 1.75
(riduzione del
trasferimento della radiazione attraverso la nuvole / attenuazione dovuta alla presenza
della nuvola, Kaiser and Hill, 1976).
Calcolo dei ratei di fotolisi in presenza di nuvole
Chang et al., 1987
Calcolo dei ratei di fotolisi in presenza di nuvole
Al di sotto della “cloud base”
Un metodo alternativo al calcolo del fattore di attenuazione/albedo k dovuto alla presenza di
nuvole è stato proposto da Chang et al. (1987) e tiene conto della copertura nuvolosa, delle
proprietà ottiche della nuvola (spessore ottico e trasmissività) e dell’angolo solare zenitale.
Al di sotto della “cloud base” viene utilizzata la seguente relazione:
 k  1  TCC[1.6t r cos( )  1]
ove  è l’angolo solare zenitale e tr la trasmissività della nuvola calcolata mediante l’utilizzo della
seguente relazione:
5  e  cloud
tr 
3  3 cloud (1  f )
ove cloud individua lo spessore ottico della nuvola ed f un fattore assunto pari a 0.86 (“scattering
phase function asymmetry factor”).
Calcolo dei ratei di fotolisi in presenza di nuvole
Al di sopra della “cloud base”
Al di sopra della nuvola viene utilizzata la seguente relazione (Chang et al.1987):
 k  1  TCC  i (1  t r ) cos( )
ove i rappresenta un fattore che varia tra 0.7 e 1.3 per ciascuna specie chimica i-esima coinvolta
nei processi fotochimici. Nella figura seguente viene mostrato il confronto tra i fattore di albedo  al
di sopra della nuvola calcolati mediante la relazione proposta in Chang et al. (1987) ed il valore
costante utilizzato in FARM, in funzione del contenuto d’acqua liquida e dell’angolo solare zenitale.
Nel calcolo è stata considerata una nuvola avente le caratteristiche precedentemente descritte e
per i un valore pari a 1.
Calcolo dei ratei di fotolisi in presenza di nuvole
Confronto al di sotto della “cloud base”
Di seguito viene mostrato il confronto tra i fattori di attenuazione  al di sotto della nuvola calcolati
mediante le relazioni proposte in Kaiser and Hill (1976) e Chang et al. (1987), in funzione del
contenuto d’acqua liquida e dell’angolo solare zenitale, considerando una nuvola avente uno
spessore pari a 1000 m ed una copertura nuvolosa pari a 1.
cldtop
TCC = 1
cldtop -cldnùbot=1000 m
cldbot
Calcolo dei ratei di fotolisi in presenza di nuvole
Confronto al di sotto della “cloud base”
Photolysis Adjustment
1.4
1.2
1
0.8
0.6
0.4
0.2
1.28
1.23
1.18
1.12
1.07
1.01
0.96
0.9
0.85
0.79
0.74
0.68
0.63
0.57
0.52
0.46
0.41
0.35
0.3
0.24
0.19
0.13
0.08
0.02
0
Cloud Water Content [g/m3]
10°
20°
30°
40°
50°
60°
Kaiser-Hill
La relazione proposta in Kaiser and Hill (1976) dipende dalla sola copertura nuvolosa mentre la
relazione suggerita da Chang et al. presenta un più complesso andamento in funzione sia del
contenuto d’acqua liquida sia dell’angolo solare zenitale. L’analisi di tale figura evidenzia che
l’utilizzo della relazione suggerita da Chang et al. determina, in generale, una maggiore
attenuazione della radiazione rispetto alla formula attualmente implementata in FARM.
Calcolo dei ratei di fotolisi in presenza di nuvole
Confronto al di sopra della “cloud base”
Above cloud
2
Photolysis Adjustment
1.9
1.8
1.7
1.6
1.5
1.4
1.3
1.2
1.1
1.28
1.23
1.18
1.12
1.07
1.01
0.96
0.9
0.85
0.79
0.74
0.68
0.63
0.57
0.52
0.46
0.41
0.35
0.3
0.24
0.19
0.13
0.08
0.02
1
Cloud Water Content [g/m3]
10°
20°
30°
40°
50°
60°
Constant
La relazione suggerita da Chang et al. presenta valori di albedo generalmente superiori a quelli
attualmente considerati in FARM. Tali valori sono relativi a tutti i livelli verticali al di sopra del top
della nuvola e non solo al livello immediatamente superiore.
Calcolo dei ratei di fotolisi (TUV)
Columnar ozone - OMI Satellite data
24 June 2009
Original data
Interpolated data
Cressmann
Calcolo dei ratei di fotolisi (TUV)
Columnar ozone - OMI Satellite data
3 January 2005
Original data
Optimal Interpolation
# of influential points = 50
correlation lenght=20°
Calcolo dei ratei di fotolisi in presenza di nuvole
Calcolo dello spessore ottico
Per il calcolo dello spessore ottico è possibile utilizzare la seguente relazione (Seinfeld e Pandis,
2006):
 cloud 
3Lh
2 r w
ove L individua il contenuto d’acqua liquida nella nuvola [g m-3], h lo spessore della nuvola, r il
raggio delle goccioline nella nuvola (10-5 m] e w la densità dell’acqua liquida (106 g m-3]. Per valori
di cloud inferiori a 5 non viene effettuata alcuna correzione. In CMAQ (Rosselle et al., 1999) viene
utilizzata la seguente formula empirica proposta da Stephens (1978) che dipendendo dal prodotto
W=Lh [g m-3] “liquid water path” non necessita di alcuna ipotesi circa la distribuzione dimensionale
delle goccioline:
log( cloud )  0.2633  1.7095ln[log(W )]
Calcolo dei ratei di fotolisi in presenza di nuvole
Calcolo dello spessore ottico
160
140
100
80
60
40
20
Cloud Water Content [g/m3]
Stephens (1978)
Seinfeld e Pandis
1
0.95
0.89
0.84
0.78
0.73
0.67
0.62
0.56
0.51
0.45
0.4
0.34
0.29
0.23
0.18
0.12
0.07
0
0.01
Cloud Optical Depth
120
Inclusion of map scale factors
Computing Scale Factors
dist map
m
dist earth
where m is the local scale factor, and the symbol dist
stands for a small increment of distance on either the
map or the earth accordingly.
Advection-diffusion operators
uci
(
m
Lx ci  m 2
x
vci
(
m
Ly ci  m 2
y
Lz ci 
)
ci 
 
 m mK H
x 
x 
)
ci 
 
 m mK H
y 
y 
 ( wci )   ci 
Ei
2
  KV

m
 Ri

z
z 
z 
xyz
where Lx, Ly are advection-diffusion operators along the two horizontal
axes, Lz is the vertical operator taking into account transport, diffusion,
source injection Ei and dry deposition Ri processes.
ci is i-th gas-phase average species concentration, u, v and w are the
components of wind velocity vector, KH and KV the lateral and vertical
diffusivities and m is the map scale factor (ratio of the length of a path on
the map to the length of the path that it represents on the earth)
Map factor analysis
GEMS Domain
Map factor analysis
MINNI Domain
POPs and Hg gas-phase chemical mechanism
KPP species
#include atoms
#DEFVAR
{------------------------------------- Inorganics -------------------------------------}
NO
= N + O;
NO2
= N + 2O;
NO3
= N + 3O;
HNO3
= H + N + 3O;
N2O5
= 2N + 5O;
PAN
= 2C + 3H + 5O + N;
SO2
= S + 2O;
H2SO4
= 2H + S + 4O;
{------------------------------------- PAHs -------------------------------------}
PAH1
= IGNORE;
{B[a]P, Benzo[a]pyrene}
PAH2
= IGNORE;
{B[b]F, Benzo[b]fluorene}
PAH3
= IGNORE;
{B[k]F, Benzo[k]fluorene}
I_P
= IGNORE;
{indeno[1,2,3-cd]pyrene}
{------------------------------------- Dioxins -------------------------------------}
PCDD1
= IGNORE;
{2,3,7,8-TeCDD}
PCDD2
= IGNORE;
{1,2,3,7,8-PeCDD}
PCDD3
= IGNORE;
{1,2,3,4,7,8-HxCDD}
PCDD4
= IGNORE;
{1,2,3,6,7,8-HxCDD}
PCDD5
= IGNORE;
{1,2,3,7,8,9-HxCDD}
PCDD6
= IGNORE;
{1,2,3,4,6,7,8-HpCDD}
OCDD
= IGNORE;
{OCDD}
KPP species
{------------------------------------- Furans -------------------------------------}
PCDF1
= IGNORE;
{2,3,7,8-TeCDF}
PCDF2
= IGNORE;
{1,2,3,7,8-PeCDF}
PCDF3
= IGNORE;
{2,3,4,7,8-PeCDF}
PCDF4
= IGNORE;
{1,2,3,4,7,8-HxCDF}
PCDF5
= IGNORE;
{1,2,3,6,7,8-HxCDF}
PCDF6
= IGNORE;
{1,2,3,7,8,9-HxCDF}
PCDF7
= IGNORE;
{2,3,4,6,7,8-HxCDF}
PCDF8
= IGNORE;
{1,2,3,4,6,7,8-HpCDF}
PCDF9
= IGNORE;
{1,2,3,4,7,8,9-HpCDF}
OCDF
= IGNORE;
{OCDF}
{------------------------------------- PCBs -------------------------------------}
PCB1
= IGNORE;
{PCB-28}
PCB2
= IGNORE;
{PCB-105}
PCB3
= IGNORE;
{PCB-118}
PCB4
= IGNORE;
{PCB-153}
PCB5
= IGNORE;
{PCB-180}
{------------------------------------- Pesticides -------------------------------------}
gHCH
= IGNORE;
{gamma-Hexachlorocyclohexane}
HCB
= IGNORE;
{C6Cl6}
{------------------------------------- Mercury -------------------------------------}
Hg
= Hg;
{Mercury elemental}
HgO
= Hg + O;
{Mercury oxide}
HgAER
= IGNORE;
{Mercury in particulate form}
KPP species
#DEFFIX
O3
= 3O;
OH
= H + O;
CCO_O2
= 2C + 3O;
H2O
= 2H + O;
H2O2
= 2H + 2O;
KPP reactions
#Equations
{Inorganic EMEP Acid Reactions}
{1} NO2 + hv = NO :
phk(1); {fcm_saprc99_phk('NO2_____',1e0,zenith);}
{2} O3 + NO = NO2 :
ARR(1.80e-12,1370.0e0,0.0e0);
{3} O3 + NO2 = NO3 :
ARR(1.40e-13,2470.0e0,0.0e0);
{4} OH + NO2 = HNO3 :
FALL(2.43e-30, 0.0e0,-3.10e0,1.67e-11,0.0e0,-2.10e0,0.60e0);
{5} CCO_O2 + NO2 = PAN :
FALL(2.70e-28,0.0e0,-7.10e0,1.20e-11,0.0e0,-0.90e0,0.30e0);
{6} PAN = NO2 :
FALL(4.90e-3,12100.0e0,0.0e0,4.0e+16,13600.0e0,0.e0,0.3e0);
{7} OH + SO2 = H2SO4 :
FALL(4.00e-31,0.0e0,-3.30e0,2.00e-12,0.0e0,0.0e0,0.45e0);
{8} NO3 + hv = NO :
phk(2); {fcm_saprc99_phk('NO3NO___',1e0,zenith);}
{9} NO3 + hv = NO2 :
phk(3); {fcm_saprc99_phk('NO3NO2__',1e0,zenith);}
{10} NO2 + NO3 = N2O5 :
FALL(2.80e-30,0.0e0,-3.50e0,2.00e-12,0.0e0,0.20e0,0.45e0);
{11} N2O5 = NO2 + NO3 :
FALL(1.e-3,11000.0e0,-3.5e0,9.7e+14,11080.0e0,0.1e0,0.45e0);
{12} N2O5 + H2O = 2HNO3 :
(2.60e-22);
{13} NO + NO3 = 2NO2 :
ARR(1.80e-11,-110.0e0,0.0e0);
{PAHs: Meylan and Howard, 1993 cited in SRC PhysProp Database}
{14} PAH1 + OH = PROD :
(5.000e-11);
{15} PAH2 + OH = PROD :
(1.860e-11);
{16} PAH3 + OH = PROD :
(5.360e-11);
{17} I_P + OH = PROD :
(6.447e-11);
KPP reactions
{PCDDs: Brubaker and Hites, 1997}
{18} PCDD1 + OH = PROD :
(1.05e-12);
{19} PCDD2 + OH = PROD :
(5.60e-13);
{20} PCDD3 + OH = PROD :
(2.70e-13);
{21} PCDD4 + OH = PROD :
(2.70e-13);
{22} PCDD5 + OH = PROD :
(2.70e-13);
{23} PCDD6 + OH = PROD :
(1.30e-13);
{24} OCDD + OH = PROD :
(5.00e-14);
{PCDFs: Brubaker and Hites, 1997}
{25} PCDF1 + OH = PROD :
(6.10e-13);
{26} PCDF2 + OH = PROD :
(3.00e-13);
{27} PCDF3 + OH = PROD :
(3.00e-13);
{28} PCDF4 + OH = PROD :
(1.40e-13);
{29} PCDF5 + OH = PROD :
(1.40e-13);
{30} PCDF6 + OH = PROD :
(1.40e-13);
{31} PCDF7 + OH = PROD :
(1.50e-13);
{32} PCDF8 + OH = PROD :
(6.00e-14);
{33} PCDF9 + OH = PROD :
(6.00e-14);
{34} OCDF + OH = PROD :
(3.00e-14);
KPP reactions
{PCBs: Anderson and Hites, 1996; Beyer and Matthies, 2001}
{35} PCB1 + OH = PROD :
ARR(2.70e-10,1650.0e0,0.0e0);
{36} PCB2 + OH = PROD :
ARR(6.15e-11,1554.0e0,0.0e0);
{37} PCB3 + OH = PROD :
ARR(6.15e-11,1554.0e0,0.0e0);
{38} PCB4 + OH = PROD :
ARR(8.12e-11,1850.0e0,0.0e0);
{39} PCB5 + OH = PROD :
ARR(1.40e-10,2146.0e0,0.0e0);
{Pesticides: Brubaker and Hites, 1997}
{40} gHCH + OH = PROD :
ARR(6.00e-11,1708.0e0,0.0e0);
{41} HCB + OH = PROD :
ARR(4.90e-10,2923.0e0,0.0e0);
{Mercury: Xie et al., 2008 and Jung et al., 2009, AER from CMAQ}
{42} Hg + O3 = 0.5HgO + 0.5HgAER:
ARR(8.43e-17,1407.0e0,0.0e0);
{43} Hg + OH = 0.5HgO + 0.5HgAER:
ARR(3.55e-14,-294.0e0,0.0e0);
{44} Hg + H2O2 = HgO :
(8.50e-19);
{44} Hg + NO3 = HgO + NO2:
(4.00e-15);
POPs processes
Degradation in air
Degradation process of POPs in the atmosphere is
considered as the gas-phase reaction of pollutants
with hydroxyl radicals and all other reactions are
neglected. The degradation process in the atmosphere
is described by the equation of the second order:
dC/dt=-kair · C ·[OH]
where:
• C is the pollutant concentration in air (gaseous phase),
ng/m3;
• [OH] is the concentration of OH radical, molec/cm3;
• kair is the degradation
cm3/(molec s).
rate
constant
for
air,
Gas/particle partitioning
POP partitioning between the gaseous and particulate
phase is performed using the Junge-Pankow model
[Junge, 1977; Pankow, 1987] based on subcooled
liquid vapour pressure pOL (Pa). According to this
model the POP fraction  adsorbed on tropospheric
aerosol particles equals to:
 = c· / (pOL + c·)
where:
• c is the constant dependant on the thermodynamic
parameters of the adsorption process and on the
properties of aerosol particle surface; it is assumed
c=0.17 Pa·m [Junge, 1977] for background aerosol;
• θ is the specific surface of aerosol particles, m2/m3.
Dry deposition
Dry deposition flux of the gas-phase is not considered.
Dry deposition flux of the particulate phase Fpdry
(ng/m2/s) is a product of dry deposition velocity vd
(m/s) and air concentration CP (ng/m3) of a pollutant
in the particulate phase taken at an air reference level
coinciding with the middle of the lowest atmospheric
layer:
Fpdry = vd · CP
Wet deposition
Wet deposition of POPs in gaseous and particulate phase is
distinguished in the MSCE-POP model. Making an assumption
that the pollutant does not redistribute between dissolved and
particulate phase within a raindrop, total dimensionless ratio WT
for a substance washout with precipitation is determined by the
following equation:
WT = Wg·(1-) + WP ·
Where:
• Wg is the washout ratio of the POP gaseous phase;
• WP is the washout ratio of a substance associated with aerosol
particles;
•  is the substance fraction associated with aerosol particles in
the atmosphere.
Aqueous-Phase Hg Chemistry
All’interno delle nuvole viene utilizzatto l’approccio proposto da
Karamchandani (implementato in CAMx - ENVIRON, 2003) per la
simulazione dei processi di ossidazione/riduzione che determinano I livelli di
mercurio elementare Hg(0) e mercurio ossidato Hg(II). La maggior parte
delle secie chimiche necessarie sono fornite da FARM. Le concentrazioni di
Cl2 e HCl sono assunte considerando valori e profili verticali di letteratura.
ENVIRON (2003) Modeling Atmospheric Mercury Chemistry and Deposition
with CAMx for a 2002 Annual Simulation.