Transcontinental source-receptor relationships identified with a Lagrangian dispersion model and cluster analysis
Relations source-récepteur transcontinentales identifiées avec un modèle Lagrangien de dispersion et une analyse en clusters
Résumé
Long range transport of pollutants has the ability to degrade air quality far from emissions sources. We describe a recently developed technique for the analysis of pollutantʼs measurements that allows the identification of systematic source-receptor relationship across an observational dataset. This technique uses a Lagrangian particles dispersion model (LPDM). LPDMs calculate retroplumes that represent potential emission sensitivity (PES) for individual measurements. The PESs can be grouped according to their similarities by using a clustering algorithm. Grouping PES can inform about the impact of various patterns of long range transport on the measurements, and has the ability to deconvolve atmospheric mixing from the impact of surface emissions. We apply our method to measurements above Siberia, and found that ~20 ppb excess carbon monoxide (CO) over background is related to long range transport of biomass burning emissions in Kazakhstan, and ~10 ppb excess CO are associated to European emissions. We highlight the advantage of our method over traditional methods for the
establishment of source-receptor relationships in long
range transport studies.
Le transport des polluants à longue distance peut provoquer une dégradation de la qualité de lʼair loin des sources dʼémissions. Nous décrivons ici une technique récemment développée pour lʼanalyse des mesures de polluants, qui permet lʼidentification systématique de relations source-récepteur à travers un jeu dʼobservations. Cette technique utilise un modèle lagrangien de dispersion de particules (MLDP). Les MLDP calculent des rétropanaches qui représentent la sensibilité aux émissions potentielles (SEP) pour des mesures individuelles. Les SEP peuvent être regroupées selon leurs ressemblances en utilisant un algorithme de clustering. La classification des SEP peut informer sur lʼimpact de différents modes de transport à longue distance sur les mesures, et permet de déconvoluer le mélange atmosphérique de lʼimpact des émissions de surface. Nous appliquons notre méthode à des mesures au-dessus de la Sibérie, et constatons quʼun excès de ~ 20 ppb de monoxyde de carbone (CO) par rapport aux concentrations de fond est expliqué par le transport à longue distance dʼémissions provenant de la combustion de biomasse au Kazakhstan, et que ~10 ppb dʼexcès de CO sont associés à des émissions européennes. Nous mettons en avant lʼavantage de notre méthode par rapport aux méthodes traditionnelles pour lʼétablissement de relations source-récepteur dans les études du transport à longue distance.
Origine : Fichiers éditeurs autorisés sur une archive ouverte
