Luận văn thạc sĩ Quản lý tài nguyên và môi trường: Ứng dụng mô hình WRF xây dựng bộ dữ liệu khí tượng phục vụ mô phỏng chất lượng không khí tại Thành phố Hồ Chí Minh

Dữ liệu khí tượng được chia sẻ trực tuyến với nhiều qui mô từ toàn cầu đến khu vực, với nhiều hình thức như cập nhật dữ liệu mỗi ngày theo các ốp khí tượng hoặc các bộ dữ liệu phân tích,

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH

TRƯỜNG ĐẠI HỌC BÁCH KHOA

-

VÕ THỊ TÂM MINH

ỨNG DỤNG MÔ HÌNH WRF XÂY DỰNG BỘ DỮ LIỆU KHÍ TƯỢNG PHỤC VỤ MÔ PHỎNG CHẤT LƯỢNG

KHÔNG KHÍ TẠI THÀNH PHỐ HỒ CHÍ MINH

Chuyên ngành: Quản lý Tài nguyên và Môi trường Mã số: 60850101

LUẬN VĂN THẠC SĨ

TP Hồ Chí Minh, năm 2018

CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐHQG-HCM

Cán bộ hướng dẫn khoa học: PGS.TSKH Bùi Tá Long

Cán bộ chấm nhận xét 1: PGS.TS Nguyễn Thị Bảy

Cán bộ chấm nhận xét 2: PGS.TS Phùng Chí Sỹ

Luận văn thạc sĩ được bảo vệ tại Trường Đại học Bách Khoa, ĐHQG Tp Hồ Chí Minh ngày 31 tháng 01 năm 2018

Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: 1 Chủ tịch hội đồng: PGS.TS Bùi Xuân Thành 2 Thư ký hội đồng: TS Võ Nguyễn Xuân Quế 3 Ủy viên Phản biện 1: PGS.TS Nguyễn Thị Bảy 4 Ủy viên Phản biện 2: PGS.TS Phùng Chí Sỹ 5 Ủy viên hội đồng: PGS.TS Chế Đình Lý

ĐẠI HỌC QUỐC GIA TP HCM

TRƯỜNG ĐẠI HỌC BÁCH KHOA

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

Độc lập - Tự do - Hạnh phúc

NHIỆM VỤ LUẬN VĂN THẠC SĨ

Họ tên học viên: VÕ THỊ TÂM MINH MSHV: 1570463 Ngày, tháng, năm sinh: 17/04/1992 Nơi sinh: Bến Tre Chuyên ngành: Quản lý Tài nguyên và Môi trường Mã số : 60850101

I TÊN ĐỀ TÀI: ỨNG DỤNG MÔ HÌNH WRF XÂY DỰNG BỘ DỮ LIỆU KHÍ TƯỢNG

PHỤC VỤ MÔ PHỎNG CHẤT LƯỢNG KHÔNG KHÍ TẠI THÀNH PHỐ HỒ CHÍ MINH

II NHIỆM VỤ VÀ NỘI DUNG: Tìm hiểu mô hình Nghiên cứu và Dự báo Thời tiết WRF

(Weather Research and Forecasting), các phương trình mô hình, động lực học, vật lý mô hình; quy mô, lưới tính cho các nghiên cứu ứng dụng mô hình WRF Xây dựng lưới tính cho khu vực Thành phố Hồ Chí Minh với bốn lưới lồng để tạo bộ dữ liệu khí tượng phục vụ tính toán lan truyền ô nhiễm trong không khí Kết quả là xây dựng được các bộ số liệu khí tượng cho khu vực Phường 2, Quận 10 – TP Hồ Chí Minh Dữ liệu ứng dụng tốt cho tính toán ô nhiễm CO ở khu vực một số tuyến đường tại Quận 10

III NGÀY GIAO NHIỆM VỤ: 04/09/2017

IV NGÀY HOÀN THÀNH NHIỆM VỤ: 03/12/2017

V CÁN BỘ HƯỚNG DẪN: PGS.TSKH Bùi Tá Long

Tp Hồ Chí Minh, ngày tháng năm 2018

PGS.TSKH Bùi Tá Long

TRƯỞNG KHOA ….………

LỜI CẢM ƠN

Lời đầu tiên, em xin bày tỏ lòng cảm ơn chân thành và sâu sắc đến thầy hướng dẫn Phó Giáo sư, Tiến sĩ Khoa học Bùi Tá Long, thầy đã tận tình chỉ bảo, định hướng, đưa ra ý kiến và tạo mọi điều kiện thuận lợi trong suốt quá trình em học tập, thực hiện và hoàn thành Luận văn này

Em xin chân thành cảm ơn các Thầy, Cô phòng Đào tạo Sau Đại học, Khoa Môi trường và Tài Nguyên, Trường Đại học Bách Khoa, Đại học Quốc Gia Thành phố Hồ Chí Minh, đã hỗ trợ trong việc tổ chức học tập, cung cấp cho em những kiến thức quý báu, những lời khuyên chân thành và sự giúp đỡ tận tình trong suốt quá trình học tập

Con cảm ơn gia đình đã luôn hỗ trợ, động viên, khích lệ và luôn ủng hộ con trong việc học tập và trong cuộc sống

Gửi lời cảm ơn đến các anh, chị, các bạn trong Phòng Thí nghiệm Mô hình hóa Môi trường (EMSLab), tập thể các bạn lớp cao học Khóa 2015 đã luôn đồng hành, giúp đỡ và chia sẽ trong quá trình học tập và thực hiện Luận văn này

Vì thời gian thực hiện đề tài có hạn cũng như hạn chế về kiến thức, luận văn còn nhiều thiếu sót Rất mong nhận được sự góp ý, chỉnh sửa của Quý Thầy/Cô và các bạn để Luận văn này được hoàn thiện hơn

Võ Thị Tâm Minh

TÓM TẮT

Lan truyền ô nhiễm trong không khí phụ thuộc vào ba yếu tố là nguồn phát thải, khí tượng và địa hình Trong đó dữ liệu tố khí tượng yêu cầu phải có số liệu mỗi giờ Việc quan trắc số liệu sẽ gặp nhiều khó khăn, do đó mô hình được sử dụng để giải quyết vấn đề này WRF là một mô hình mã nguồn mở, có khả năng mô phỏng, dự báo khí tượng hạn ngắn, mô phỏng dữ liệu khí tượng gần với xu thế của dữ liệu quan trắc WRF được sử dụng rộng rãi cùng với các mô hình lan truyền như CMAQ, CAMx, AERMOD, CALPUFF, … để xác định, tính toán phân bố chất ô nhiễm Trong bài báo này, phương pháp mô hình hóa sử dụng mô hình WRF để xây dựng dữ liệu khí tượng đầu vào cho mô hình AERMOD Dữ liệu khí tượng được kiểm định với số liệu quan trắc cho thấy mô hình WRF xây dựng được một bộ dữ liệu khí tượng tương đối gần với thực tế Kết quả bộ dữ liệu cho ngày 7/8/2017 được ứng dụng vào mô hình AERMOD để tính toán ô nhiễm CO tại một số tuyến đường ở TP Hồ Chí Minh

ABSTRACT

Air pollution range depends on three following factors: emissions, meteorology, and topography; especially, meteorological statics requires hourly data Monitoring this data is so difficult that a model is needed to solve the issue WRF is an open-source model, which is able to simulate and forecast meteorology in a short-term, meaning to simulate meteorological data up-to-date in the monitored data trend WRF is widely used, along with transportation models, such as CMAQ, CAMx, AERMOD, and CALPUFF, to identify and calculate the distribution of pollutants In this article, a WRF model is used to provide the meteorological data for input into AERMOD Meteorological data was verified with observation data, which show that WRF builds a meteorological data relatively close to observation The record on 07/08/2017 is applied on AERMOD to calculate the distribution of CO pollutants in some locations in Ho Chi Minh City

LỜI CAM ĐOAN

Tôi xin cam đoan Luận văn này là do chính tôi thực hiện, các số liệu sử dụng có nguồn gốc rõ ràng và kết quả nghiên cứu là trung thực, không gian lận

Võ Thị Tâm Minh

1 Tính cấp thiết của đề tài 1

2 Mục tiêu của đề tài 3

3 Đối tượng 3

4 Phạm vi nghiên cứu 3

5 Phương pháp nghiên cứu 4

CHƯƠNG 1 TỔNG QUAN 5

1.1 Tổng quan về mô hình chất lượng không khí và mô hình WRF 5

1.1.1.Mô hình chất lượng không khí 5

1.3.2.Nguyên nhân gây ô nhiễm không khí 25

1.4 Các nghiên cứu liên quan 27

1.4.1.Nghiên cứu trong nước 27

1.4.2.Nghiên cứu ngoài nước 30

CHƯƠNG 2 PHƯƠNG PHÁP NGHIÊN CỨU 32

2.1 Phương pháp tổng hợp 32

2.1.1.Tổng hợp tài liệu 32

2.1.2.Tổng hợp số liệu 32

2.2 Phương pháp mô hình hóa 34

2.2.1.Thiết lập miền tính, các tham số trong mô hình WRF 34

2.2.2.Mô hình AERMOD 39

2.2.3.Chương trình chuyển đổi dữ liệu MMIF 41

2.3 Phương pháp kiểm định dữ liệu 42

2.4 Các bước thực hiện luận văn 43

CHƯƠNG 3 KẾT QUẢ VÀ THẢO LUẬN 45

3.1 Kết quả mô hình WRF 45

3.1.1.Kiểm định kết quả của mô hình WRF 45

3.1.2.Dữ liệu khí tượng cho mô hình AERMOD – ngày 7/8/2017 47

3.1.3.Xây dựng dữ liệu khí tượng cho ngày 8/8/2017 49

3.2 Kết quả mô hình AERMOD tính toán nồng độ CO ở khu vực Phường 2, Quận 10 50

3.3 Đánh giá kết quả ứng dụng dữ liệu khí tượng vào mô hình AERMOD 533.4 Đề xuất giải pháp 54

3.4.1.Một số đề xuất cho vấn đề ứng dụng dữ liệu khí tượng 54

3.4.2.Đề xuất cho môi trường 55

KẾT LUẬN VÀ KIẾN NGHỊ 56

TÀI LIỆU THAM KHẢO 58

PHỤ LỤC 66

DANH MỤC VIẾT TẮT

FNL data NCEP Final Operational Global Analysis data

NCEP National Centers for Environmental Prediction

DANH MỤC HÌNH

Hình 1-1 Sơ đồ cấu trúc thành phần mô hình WRF 10

Hình 1-2 Tọa độ áp suất thủy tĩnh thẳng đứng theo địa hình η 11

Hình 1-3 Sơ đồ lưới Arakawa-C với lưới thô và lưới con, tỉ lệ 3:1 15

Hình 1-4 Lưới Arakara-C tỉ lệ 2:1 16

Hình 2-1 Miền tính của mô hình WRF 37

Hình 2-6 Cấu trúc mô hình AERMOD trong nghiên cứu 40

Hình 2-7 Tóm tắt các bước thực hiện Luận văn 44

Hình 3-1 Biểu đồ hoa gió ngày 17/05/2017 (hướng gió xuất phát) (A) Số liệu quan trắc tại trạm TSN (B) Kết quả từ WRF 47

Hình 3-2 Nhiệt độ bề mặt 24 giờ ngày 7/8/2017 từ số liệu quan trắc và mô hình 47

Hình 3-3 Chênh lệch nhiệt độ bề mặt 24 giờ ngày 7/8/2017 giữa kết quả mô hình và số liệu quan trắc 48

Hình 3-4 Tốc độ gió 24 giờ từ mô hình và số liệu quan trắc ngày 7/8/2017 49

Hình 3-5 Nhiệt độ 2 m so sánh giữa mô hình và quan trắc ngày 8/8/2017 50

Hình 3-6 Biểu đồ hoa gió ngày 8/8/2017 tại Nhà Bè 50

Hình 3-7 Bản đồ khu vực khảo sát: tuyến đường ở Phường 2, Quận 10 51

Hình 3-8 Phân bố nồng độ CO ở độ cao 2m trung bình 1 giờ ở Phường 2, Quận 10, TP Hồ Chí Minh – mô phỏng bởi mô hình WRF-AERMOD ngày 07/08/2017 52

Hình 3-9 Phân bố nồng độ CO trung bình 24 giờ ở Phường 2, Quận 10, TP Hồ Chí Minh – mô phỏng bởi mô hình WRF-AERMOD ngày 07/08/2017 53

DANH MỤC BẢNG

Bảng 1-1 Tải lượng chất ô nhiễm chính của một số ngành công nghiệp tại TP Hồ Chí Minh 26Bảng 2-1 Bản tin báo cáo thời tiết sân bay Tân Sơn Nhất 33Bảng 2-2 Các biến thành phần trong một file dữ liệu FNL – đầu vào của WRF 35Bảng 2-3 Các thành phần chính và tọa độ khu vực tính trong mô phỏng dữ liệu khí tượng đầu vào cho mô hình AERMOD 37Bảng 2-4 Danh mục một số thông số khí tượng trong file đầu ra của WRF 38Bảng 2-5 Các thông tin có trong file dữ liệu khí tượng cung cấp cho AERMOD 42Bảng 3-1 Kết quả kiểm định bằng chỉ số Bias giữa mô hình và số liệu quan trắc 45Bảng 3-2 Kết quả kiểm định nhiệt độ mô hình WRF so với số liệu quan trắc tại trạm TSN 46Bảng 3-3 Kết quả kiểm định vận tốc gió mô hình WRF so với số liệu quan trắc tại trạm TSN 46Bảng 3-4 Thành phần gió 24 giờ ngày 7/8/2017 so sánh giữa kết quả mô hình và số liệu quan trắc 48

MỞ ĐẦU 1 Tính cấp thiết của đề tài

Môi trường không khí tại nhiều quốc gia trên Thế giới và tại Việt Nam đang bị ô nhiễm nghiêm trọng gây ảnh hưởng đến sức khỏe và đời sống của con người Theo báo cáo năm 2016 của Cơ quan Năng lượng Quốc tế (International Energy Agency – IEA), ước tính trên Thế giới có 6,5 triệu người chết sớm do ô nhiễm không khí (International Energy Agency, 2016) Các chất ô nhiễm không khí chủ yếu là bụi mịn (PM2.5, PM10), ngoài ra các chất khí ô nhiễm như SO2, NOx và ozone cũng gây hại cho sức khỏe con người Khoảng 87% dân số trên Thế giới đang sống ở những khu vực có nồng độ PM2.5 cao vượt giá trị cho phép của Tổ chức Y tế Thế giới (World Health Organization – WHO), do đó mỗi ngày hàng tỷ người đang sống trong môi trường không khí ô nhiễm với nguy cơ mắc các bệnh do ô nhiễm không khí gây ra (Organization of Economic Cooperation and Development, 2014) Tại Việt Nam, 98 % dân số bị phơi nhiễm với bụi PM2.5 nồng độ vượt mức cho phép của WHO (International Energy Agency, 2016) Ngoài bụi, tại các khu vực đô thị, các khu công nghiệp ở Việt Nam, ô nhiễm không khí còn do các chất khí SO2, NOx, CO với nồng độ vượt mức cho phép, có nguồn gốc từ hoạt động giao thông, đốt than và dầu có chứa lưu huỳnh,… Nồng độ khí NO2 trong không khí tại một số đô thị lớn cũng đã ghi nhận vượt ngưỡng giới hạn cho phép, như tại Hà Nội, TP Hồ Chí Minh và Hạ Long Nguyên nhân của tình trạng trên này là do Hà Nội, TP Hồ Chí Minh bị ảnh hưởng bởi hoạt động giao thông, công nghiệp ở khu vực; TP Hạ Long chất lượng không khí bị ảnh hưởng lớn bởi hoạt động khai thác than và nhiệt điện xung quanh (Bộ TNMT, 2015)

Tại TP Hồ Chí Minh, nồng độ ô nhiễm trong không khí được đo tự động tại một số trạm tại Ngã tư An Sương, Vòng xoay Điện Biên Phủ - Đinh Tiên Hoàng, Các trạm đo này cung cấp các thông tin quan trọng về nồng độ, sự lắng đọng của các chất ô nhiễm Tuy nhiên, các thông tin đo đạc này chỉ ở dạng tức thời tại một thời gian và một địa điểm cụ thể, không mô tả rõ ràng nguyên nhân gây ra các vấn đề của chất lượng không khí Mô hình ô nhiễm không khí là công cụ có thể mô tả được toàn bộ các vấn đề chất lượng không khí, phân tích được nguyên nhân và các yếu tố liên

quan như yếu tố khí tượng, phát thải, các thay đổi vật lý và hóa học (Bộ TNMT, 2015)

Nồng độ của các chất trong không khí được xác định bằng các hoạt động vận chuyển, khuếch tán, chuyển hóa và lắng đọng trong đất Mô hình hóa chất lượng không khí cần có ba loại dữ liệu đầu vào gồm phát thải, khí tượng và thông tin địa lý Trong đó yếu tố khí tượng có ảnh hưởng đến sự vận chuyển và khuếch tán chất ô nhiễm trong không khí Các yếu tố khí tượng này gồm nhiệt độ, hướng gió, tốc độ gió và áp suất khí quyển Gió là yếu tố khí tượng cơ bản nhất có ảnh hưởng đến sự lan truyền chất trong không khí Gió tạo ra các dòng không khí chuyển động rối trên mặt đất Nồng độ của chất ô nhiễm tại một địa điểm phụ thuộc nhiều vào hướng gió và vận tốc gió thổi Sự lan truyền các phân tử ô nhiễm trong dòng khí sẽ theo hướng từ nơi có áp suất cao tới nơi có áp suất thấp Sự thay đổi của nhiệt độ không khí ảnh hưởng rõ tới sự phân bố nồng độ chất độc hại; khả năng hấp thụ và bức xạ nhiệt của mặt đất có ảnh hưởng tới sự phân bố nhiệt độ không khí theo chiều cao

Cơ sở dữ liệu khí tượng toàn cầu gồm hệ thống các trạm quan trắc và số liệu mà các trạm quan trắc được như: nắng, nhiệt độ, độ ẩm, gió, bốc hơi, mưa,… Cơ sở dữ liệu này được gọi là Mạng lưới khí hậu lịch sử toàn cầu (Global Historical Climate Network – GHCN), chứa dữ liệu hàng ngày từ hơn 80.000 trạm trên bề mặt trên toàn thế giới (Menne M.J et al., 2012) Dữ liệu khí tượng hàng ngày được tổng hợp từ báo cáo của các trạm và được hợp nhất lại theo một chuẩn chung Trong vài thập niên qua, Hệ thống viễn thông toàn cầu (Global Telecommunication System – GTS), hoạt động dưới sự bảo trợ của Tổ chức Khí tượng Thế giới (World Meteorology Organization – WMO), đã cho phép các cơ quan khí tượng quốc gia cùng chia sẻ những dữ liệu khí tượng trong khu vực và trên toàn thế giới (Menne M.J et al., 2012) Dữ liệu khí tượng được chia sẻ trực tuyến với nhiều qui mô từ toàn cầu đến khu vực, với nhiều hình thức như cập nhật dữ liệu mỗi ngày theo các ốp khí tượng hoặc các bộ dữ liệu phân tích, tái phân tích,… Mô hình hóa các dữ liệu khí tượng này để mô phỏng, dự báo hoặc làm đầu vào cho mô hình chất lượng không khí

Một số mô hình khí tượng được sử dụng để tạo dữ liệu đầu vào cho mô hình hóa chất lượng không khí phổ biến hiện nay như WRF, MM5, RAMS Mô hình khí

tượng xử lý dữ liệu toàn cầu được cung cấp thành bộ dữ liệu khí tượng của miền nghiên cứu có qui mô nhỏ (khu vực, địa phương) cung cấp đầu vào cho các mô hình chất lượng không khí như CMAQ, CAMx, AERMOD, CALPUFF, v.v Tại Việt Nam, mô hình hóa khí tượng cũng được ứng dụng nhiều trong dự báo thời tiết ngắn hạn, quy mô nhỏ cho một địa phương Tuy nhiên, việc xây dựng dữ liệu khí tượng cho mô phỏng chất lượng không khí bằng mô hình hóa chưa được ứng dụng rộng rãi

Để phục vụ mô phỏng chất lượng không khí tại TP Hồ Chí Minh, việc xây dựng bộ dữ liệu khí tượng là bắt buộc Trong Luận văn này, mô hình Nghiên cứu và dự báo thời tiết – Weather Research and Forecasting (WRF) được ứng dụng để xây dựng dữ liệu khí tượng cho mô phỏng chất lượng không khí

Do vậy, đề tài “Ứng dụng mô hình WRF xây dựng bộ dữ liệu khí tượng phục

vụ mô phỏng chất lượng không khí tại Thành phố Hồ Chí Minh” được thực hiện

để phục vụ các nghiên cứu mô hình hóa các yếu tố khí tượng nhằm ứng dụng cho mô hình hóa chất lượng không khí tại TP Hồ Chí Minh

2 Mục tiêu của đề tài

Xây dựng bộ dữ liệu khí tượng được chuẩn hóa để làm dữ liệu đầu vào cho mô hình chất lượng không khí tại Thành phố Hồ Chí Minh bằng mô hình Nghiên cứu và Dự báo thời tiết - Weather Research and Forecasting (WRF)

3 Đối tượng

Đối tượng nghiên cứu của đề tài này là dữ liệu khí tượng tại Thành phố Hồ Chí Minh Các dữ liệu này được xử lý bằng mô hình WRF để xây dựng bộ dữ liệu tương thích làm đầu vào cho hai mô hình mô phỏng chất lượng không khí AERMOD

4 Phạm vi nghiên cứu

Miền nghiên cứu: TP Hồ Chí Minh, Việt Nam Dữ liệu khí tượng cho TP Hồ Chí Minh

Mô hình sử dụng: WRF và AERMOD

5 Phương pháp nghiên cứu

❖ Phương pháp tổng hợp tài liệu: thu thập tài liệu các nghiên cứu về mô hình

hóa chất lượng không khí, các nghiên cứu về xây dựng dữ liệu khí tượng; thu thập dữ liệu đầu vào từ mô hình toàn cầu, các dữ liệu điều kiện biên cho mô hình WRF

❖ Phương pháp thống kê: sử dụng trong phân tích, xử lý số liệu ❖ Phương pháp kế thừa: kế thừa kết quả từ những dự án và các công trình nghiên

cứu liên quan

❖ Phương pháp mô hình hoá

Sử dụng chương trình MMIF để hỗ trợ chuyển đổi dữ liệu đầu ra của mô hình WRF thành dữ liệu đầu vào cho mô hình AERMOD

CHƯƠNG 1 TỔNG QUAN

Chương này sẽ đề cập đến vai trò của dữ liệu khí tượng trong tính toán lan truyền ô nhiễm trong không khí; giới mô hình chất lượng không khí, mô hình AERMOD và mô hình Nghiên cứu dự báo thời tiết WRF Ngoài ra, tình hình kinh tế, xã hội, tình trạng ô nhiễm không khí của khu vực TP Hồ Chí Minh cũng được tóm tắt để cho thấy cái nhìn tổng quát hơn cho nội dung nghiên cứu Bên cạnh đó, những ứng dụng của mô hình hóa trong bài toán lan truyền ô nhiễm không khí cũng được chỉ ra trong một số công trình trong và ngoài nước, đặc biệt là ứng dụng mô hình WRF trong các nghiên cứu phân tán ô nhiễm Bức tranh tổng quan ban đầu sẽ cho thấy sự cần thiết và ý nghĩa của đề tài đối với khu vực TP Hồ Chí Minh

1.1 Tổng quan về mô hình chất lượng không khí và mô hình WRF

1.1.1.Mô hình chất lượng không khí

Các mô hình tính toán ô nhiễm không khí là biểu diễn toán học các quá trình tải – khuếch tán tạp chất, các phản ứng hóa học, kết hợp với tải lượng, đặc trưng của phát thải từ các nguồn công nghiệp và các dữ liệu khí tượng được sử dụng để dự báo nồng độ chất bẩn đang xét

Từ những năm 70 trở lại đây, việc dùng mô hình toán để tính toán phát tán chất ô nhiêm không khí được phát triển mạnh Tại các nước như Mỹ, Anh, Pháp, Hunggari, Ấn Độ, Nhật Bản, Trung Quốc, Nga…các nhà khoa học đã có những ứng dụng và hoàn thiện mô hình tính toán ô nhiễm theo điều kiện mỗi nước

Ở Việt Nam hiện nay phương pháp mô hình hóa được sử dụng phổ biến hơn, đặc biệt trong tình trạng vấn đề ô nhiễm môi trường nước ta hiện nay đã và đang được quan tâm và mạng lưới quan trắc các yếu tố đo đạc môi trường chưa đủ mạnh, gây khó khăn trong việc phân tích và đánh giá hiện trạng cũng như dự báo các tác động môi trường do ô nhiễm không khí gây ra Trong phương pháp mô hình hóa dùng để tính toán và dự báo sự lan truyền chất ô nhiễm, các yếu tố khí tượng đóng vai trò rất quan trọng Các yếu tố này được quan trắc và ghi nhận theo từng ốp thời gian trong ngày Ngoài ra các dữ liệu địa hình và phát thải cũng là những yếu tố rất cần thiết cho việc tính toán ô nhiễm không khí

Tổ chức Khí tượng thế giới (WMO) và Chương trình Môi trường của Liên hợp quốc (UNEP) đã đưa ra sự phân loại các mô hình tính toán ô nhiễm không khí, trong đó có đưa ra phân loại theo ba hướng chính (Hanna S.R., 1982)

- Mô hình thống kê kinh nghiệm, dựa trên cơ sở lý thuyết thống kê và phương trình khuếch tán về các hệ số hằng Các sản phẩm công nghệ hiện nay theo hướng này là phần mềm AERMOD (US Environmental Protection Agency, 2004)

- Mô hình thống kê thủy động lực, hoặc lý thuyết nửa thứ nguyên (còn gọi là mô hình K) Mô hình này được Berliand (Nga) hoàn thiện và áp dụng ở Liên Xô Ở Việt Nam, các tác giả Lê Đình Quang, Phạm Ngọc Hồ đã có nhiều nghiên cứu theo hướng tiếp cận này (Lê Đình Quang, Phạm Ngọc Hồ, 2001) đạt được những kết quả nhất định trong điều kiện Việt Nam

- Mô hình số trị, tức là giải phương trình vi phân bằng phương pháp số Hướng này hiện đang được quan tâm đặc biệt tại Việt Nam, bởi nhiều vấn đề môi trường hiện nay cần được tính toán mô phỏng cũng như phải được dự báo trước khi áp dụng Trong nghiên cứu của nhóm tác giả đề cương này (Trần Xuân Hùng, 2007) cũng đã bước đầu tiếp cận theo hướng này

Từ kinh nghiệm của nhiều nghiên cứu trong lĩnh vực mô hình hóa quá trình lan truyền các chất ô nhiễm trong không khí cho thấy việc phân loại các mô hình theo qui mô không gian và thời gian là cần thiết Bốn loại qui mô chia theo mức độ phụ thuộc vào khồn gian – thời gian:

Qui mô toàn cầu: kích thước toàn cầu, trong một khoảng thời gian từ vài tháng tới vài chục năm (các mô hình khí hậu, mô hình tính toán hiệu ứng nhà kính, )

Mức độ vĩ mô (mức độ châu lục): Xem xét các đối tượng và các quá trình trong không gian có kích thước vài ngàn kilomet và thời gian từ một vài tháng tới một năm (mô hình lan truyền chất ô nhiễm không khí xuyên quốc gia hay các khu vực với nhau, mô hình này đã được đưa vào áp dụng tại Châu Âu và Bắc Mỹ,…)

Qui mô trung bình (mức độ vùng): trong không gian có kích thước từ vài chục đến vài trăm kilomet và thời gian từ vài giờ tới một vài tháng Ví dụ các quá trình nhiễm bẩn khí quyển tại các thành phố, các tổ hợp công nghiệp, các tình huống tai biến khi có sự phát tỏa lớn của các chất bẩn vào không khí (Dương Hồng Sơn, 2008)

Mức độ vi mô (mức độ địa phương): Xem xét các quá trình trên một diện tích từ vài kilomet tới vài trăm met và thời gian tính đến mỗi giờ hoặc mỗi 30 phút Một bài toán môi trường tiêu biểu là tính cho một số nguồn thải và xem xét chi tiết phân bố không gian của nồng độ ô nhiễm tại một tỉnh/ thành/ quận/ huyện/ tuyến đường,… (US Environmental Protection Agency, 2004; Hanna S.R., 1982)

Từ sự phân loại này cho phép định hướng trong việc lựa chọn mô hình Điều đầu tiên trước khi tiến hành xây dựng mô hình là phải phân loại các khoảng thời gian đối với các quá trình đang xét

Một mô hình lan truyền ô nhiễm có thể lồng ghép nhiều lưới từ quy mô khu vực đến địa phương bằng nhiều lưới lồng có thể kể đến là mô hình CMAQ (Community Multiscale Air Quality Model) Mô hình này được phát triển bởi Trung tâm Hệ thống Mô hình hóa và Phân tích Cộng đồng (CMAS) của Đại học Bắc Carolina CMAQ là một mô hình mã nguồn mở được điều hành bởi Cơ quan Khoa học Mô hình hóa Khí quyển của U.S EPA Đây là một loại mô hình chất lượng không khí tổng thể được thiết kế để tiếp cận với nhiều vấn đề liên quan đến chất lượng không khí, bao gồm ozone tầng đối lưu, các loại bụi mịn, các chất độc, sự lắng đọng acid và sự suy giảm tầm nhìn Mô hình CMAQ được phát triển dưới dạng một mô hình đa quy mô để có thể tăng khả năng ứng dụng mô hình cho nhiều khu vực khác nhau Kích thước vùng tính toán và độ phân giải ô lưới của mô hình CMAQ được sắp xếp thành một số mức độ nhất định theo không gian và thời gian Với sự linh hoạt về thời gian của mô hình này, quá trình mô phỏng có thể được thực hiện để đánh giá dài hạn (hàng năm cho đến nhiều năm) hay ngắn hạn (vài tuần đến vài tháng)

Điển hình cho mô hình qui mô địa phương là AERMOD (AMS/EPA Regulatory Model) – mô hình phân tán ô nhiễm Quy mô tính toán ô nhiễm là một khu vực có tọa độ cụ thể như một (một vài) ống khói, một tuyến đường, một nhà máy hoặc một đơn vị hành chính nhỏ (phường, xã) AERMOD giả định nồng độ tại mọi khoảng cách trong suốt một giờ mô phỏng được kiểm soát bởi điều kiện khí tượng trung bình theo giờ Mô hình này mô phỏng cụm khí ổn định Giả định trạng thái ổn định sẽ tạo ra kết quả hữu ích hơn do chúng ta quan tâm thống kê phân bố nồng độ hơn nồng độ riêng biệt tại một vị trí và thời điểm cụ thể Không cần phải xác định

loại địa hình cụ thể (bằng phẳng, đơn giản hay phức tạp) vì tất cả các điểm tiếp nhận ở mọi cao độ đều được giải quyết trong cùng một phương pháp chung (Alan J Cimorelli, et al, 2005) Bộ đôi mô hình AERMOD-WRF với mô hình được dùng để WRF cung cấp dữ liệu khí tượng đầu vào – một trong ba loại dữ liệu đầu vào cần để tính toán phân tán ô nhiễm là khí tượng, địa hình và phát thải

1.1.2 Mô hình WRF

Mô hình Nghiên cứu và Dự báo thời tiết - Weather Research and Forecasting (WRF) là kết quả của sự hợp tác phát triển của nhiều trung tâm nghiên cứu và dự báo khí tượng ở Hoa Kỳ như Trung tâm Quốc gia về nghiên cứu khí quyển (NCAR), Cục Quản lý Đại dương và Khí quyển Quốc gia (NOAA), Trung tâm dự báo môi trường quốc gia (NCEP), …và sự tham gia của đội ngũ các nhà khoa học làm việc tại nhiều trường đại học (Skamarock et al., 2008) Mô hình WRF có hai phiên bản là phiên bản nghiên cứu nâng cao ARW (Advanced Research WRF) được phát triển bởi NCAR (Skamarock et al., 2008) và phiên bản quy mô vừa phi thủy tĩnh NMM (Nonhydrostatic Meso Model) được phát triển bới NCEP (Janjic, 2003) Trong đề tài này, phiên bản ARW-WRF được sử dụng để mô phỏng dữ liệu khí tượng đầu vào cho các mô hình chất lượng không khí

WRF là hệ thống mô hình được phát triển gần đây, phiên bản đầu tiên (v1.0 beta) được ra đời vào năm 2000 (J Knievel, 2005), và liên tiếp các năm sau đó là những phiên bản tiếp theo của phiên bản đầu tiên Từ năm 2004 là phiên bản 2.0 và các phiên bản kế tiếp; từ năm 2008 phiên bản thứ 3 đầu tiên được cập nhật Phiên bản này có sự thay đổi các chức năng SI (Standard Initialization) trong hệ thống tiền xử lý (WPS), cải tiến sự ổn định của lớp biên hành tinh (PBL), một số thay đổi trong sơ đồ Grell và cải tiến sơ đồ vi vậy lý mây, vật lý bề mặt, … Hiện nay, phiên bản mới nhất là 3.9.1.1 (tháng 8/2017) với thay đổi mới nhất trong lựa chọn tham số khuếch tán

Hiện nay, mô hình WRF được sử dụng nhiều trong các nghiên cứu ứng dụng mô hình đánh giá, mô phỏng chất lượng không khí Trên Thế giới, các nghiên cứu này đã rất phổ biến, A Kumar, et al (2016) ứng dụng mô hình DEHM và WRF kết hợp AERMOD để kiểm kê phát thải tại thành phố Mumbai, Ấn Độ U Im et al

(2010) sử dụng hệ thống mô hình WRF-CMAQ để mô phỏng nồng độ các chất ô nhiễm không khí như PM10, sunfate, nitrate và amonium vào mùa đông ở Istanbul Tartakovsky D et al sử dụng mô hình WRF để làm dữ liệu khí tượng đầu vào cho mô hình CALPUFF và AERMOD để tính toán phát thải bụi tổng (TSP) và PM10 ở các khu vực mỏ đá có địa hình phức tạp (Tartakovsky D et al., 2016) Trong nghiên cứu xác định và tính toán phát thải PM10 ở Baddi-Nalagarh - Ấn Độ, mô hình CMB (Chemical Mass Balance) kết hợp mô hình AERMOD được sử dụng, với dữ liệu khí tượng đầu vào cũng từ mô hình WRF (PriyaDarshini S et al., 2015) Tại Việt Nam, các nghiên cứu ứng dụng WRF phổ biến nhất là cho dự báo thời tiết và khí hậu, như Đào Thị Hồng Vân (2013) nghiên cứu tác động của sol khí kết hợp mô phỏng các quá trình hóa học vào mô hình thời tiết, khí hậu, cụ thể là mô hình WRF-CHEM cho khu vực Việt Nam và lân cận Dương Thị Thúy Nga và nnk (2016) sử dụng mô hình WRF tính toán nhiệt độ trung bình ngày trong tháng 4/2010 và tháng 4/2014 từ số liệu tái phân tích để đánh giá sự thay đổi của nhiệt độ bề mặt tại thành phố Hồ Chí Minh Một số nghiên cứu khác có ứng dụng WRF để làm dữ liệu khí tượng cho mô phỏng chất lượng không khí hoặc tính toán phát thải như của nhóm tác giả Dương Hồng Sơn (2008) đã xây dựng được bộ cơ sở dữ liệu cho việc tính toán phát thải khí tại 3 vùng kinh tế trọng điểm: miền Bắc, miền Trung và miền Nam sử mô hình WRF, SMOKE, CMAQ

a) Các thành phần chính của mô hình WRF

Hệ thống tiền xử lý của mô hình WRF (The WRF Pre-processing System – WPS): là chương trình được sử dụng chủ yếu để mô phỏng các dữ liệu thực, bao gồm xác định miền mô phỏng, nội suy các dữ liệu địa hình, loại đất sử dụng, đọc và nội suy các trường khí tượng từ các mô hình khác (mô hình toàn cầu, mô hình khu vực có độ phân giải thấp) về miền mô phỏng Trong nghiêm cứu này, dữ liệu GriB quy mô toàn cầu được WPS xử lý thành dữ liệu có quy mô nhỏ hơn – miền mô phỏng

Module đồng hóa số liệu (WRFDA): là chương trình đồng hóa số liệu quan trắc vào trường phân tích được tạo ra bởi chương trình WPS Chương trình này cũng cho phép cập nhật điều kiện ban đầu trong trường hợp mô hình WRF được chạy ở

chế độ tuần hoàn Kỹ thuật đồng hóa số liệu biến phân bao gồm cả biến phân ba chiều 3DVAR và biến phân 4 chiều 4DVAR

Module mô phỏng (ARW): đây là module chính của hệ thống mô hình WRF, bao gồm các chương trình khởi tạo đối với trường hợp mô phỏng lý tưởng, mô phỏng dữ liệu thực và chương trình tích phân ARW là module được sử dụng trong nghiên cứu này

Chương trình đồ họa và xử lý sản phẩm của mô hình (Post-processing & Visualization tools): bao gồm một số chương trình và phần mềm cho việc khai thác sản phẩm và đồ họa như RIP4, NCL, GrADS và Vis5D

Sơ đồ mô tả cấu trúc các thành phần của mô hình ARW-WRF trong Hình 1-1

Hình 1-1 Sơ đồ cấu trúc thành phần mô hình WRF Mô hình ARW-WRF gồm hai bộ phận chính là bộ phận tiền xử lý (WPS), và bộ phận tích phân mô hình (ARW) (Ngô Đức Thành, 2014) Hệ thống tiền xử lý của mô hình WRF – WPS – là chương trình được sử dụng chủ yếu để mô phỏng các dữ liệu thực, bao gồm xác định miền mô phỏng, nội suy các dữ liệu địa hình, loại đất sử dụng, đọc và nội suy các trường khí tượng từ các mô hình khác (mô hình toàn cầu, mô hình khu vực có độ phân giải thấp) về miền mô phỏng (Nguyễn Thị Thanh, 2010) Trong nghiên cứu này, dữ liệu GRIB quy mô toàn cầu được WPS xử lý thành dữ liệu có quy mô nhỏ hơn – miền mô phỏng Bộ phận mô phỏng ARW là module chính của mô hình WRF, sẽ thực hiện tích phân hệ các phương trình với các tham số đầu vào đó được xác định như: miền tính, độ phân giải, bước thời gian, (Ngô Đức Thành,

2014) Cuối cùng, các chương trình đồ họa và xử lý sản phẩm của mô hình processing & Visualization tools) bao gồm một số chương trình và phần mềm cho việc khai thác sản phẩm và đồ họa như RIP4, NCL, GrADS và Vis5D được sử dụng để hiển thị các kết quả của mô hình WRF (Bruyere C., 2013) Ngoài ra, chương trình chuyển đổi MMIF (Mesoscale Model Interface Program) được sử dụng để hỗ trợ xây dựng dữ liệu khí tượng cho mô hình AERMOD (Brashers and Emery, 2015)

(Post-ARW-WRF (viết ngắn gọn là WRF) xây dựng trên các phương trình chủ đạo là phương trình Euler với các lựa chọn có sẵn, các biến vô hướng được ước lượng Sử dụng sơ đồ phân tích thời gian Runge-Kutta bậc ba với bước thời gian nhỏ, lưới ngang Arakawa-C Tọa độ thẳng đứng sử dụng hệ tọa độ áp suất thủy tĩnh theo địa hình, áp suất thủy tĩnh khô, áp suất bề mặt

b) Các phương trình chủ đạo

Các phương trình trong mô hình được tính toán bằng việc sử dụng hệ tọa độ áp suất thủy tĩnh thẳng đứng theo địa hình η được xác định bởi η = (ph −pht)/µ (1-1)

η = (ph −pht)/µ (1-1) trong đó µ = phs −pht; ph là thành phần phi thủy tĩnh của áp suất; phs và pht lần lượt là các giá trị áp suất bề mặt và áp suất biên trên η có giá trị từ 1 đến 0 tính từ bề mặt đến biên trên của miền tính trong mô hình WRF (Hình 1-2)

Hình 1-2 Tọa độ áp suất thủy tĩnh thẳng đứng theo địa hình η

Vì µ(x,y) đại diện cho khối lượng trên một đơn vị diện tích trong miền tính mô hình tại vị trí (x,y), các biến thông lượng có dạng:

V = µv = (U,V,W), Ω = µἠ, Θ = µθ (1-2) trong đó v = (u, v,w) là vận tốc hiệp phương theo phương ngang và thẳng đứng; ω =

ἠ là vận tốc thẳng đứng; θ là nhiệt độ thế vị Cũng xuất hiện trong các phương trình chủ đạo là các biến không bảo toàn φ = gz (địa thế vị), p (áp suất), và α = 1/ρ (nghịch đảo mật độ)

Sử dụng các biến ở trên, các phương trình thông lượng Euler được viết như sau:

∂tU +(∇ · Vu) − ∂x(pφη)+ ∂η(pφx) = FU (1-3) ∂tV +(∇ · Vv) − ∂y(pφη)+ ∂η(pφy) = FV (1-4)

∂tW +(∇ · Vw) − g(∂ηp − µ) = FW (1-5) ∂tΘ +(∇ · Vθ) = FΘ (1-6)

∂tµ +(∇ · V) = 0 (1-7) ∂tφ + µ−1 [(V · ∇φ) − gW] = 0 (1-8)

bao gồm mối quan hệ cảnh báo của áp suất thủy tĩnh và phương trình trạng thái:

∂ηφ = −αµ (1-9) p = p0(Rdθ/p0α)γ (1-10) Từ (1-3) đến (1-10), các chỉ số dưới x, y và η chỉ rõ đạo hàm

∇ · Va = ∂x(Ua)+ ∂y(Va)+ ∂η(Ωa),

và V · ∇a = U∂xa + V ∂ya + Ω∂ηa, trong đó a đại diện cho một biến chung; γ = cp/cv =1,4 là tỷ số nhiệt năng sinh ra bởi không khí khô; Rd là hằng số không khí khô; p0 là áp suất trong điều kiện chuẩn (bằng 105 Pascal); các số hạng FU, FV , FW và FΘ lần lượt là các số hạng xuất hiện từ các quá trình vật lý của mô hình WRF

Các phương trình (1-11) – (1-12) chưa phải là dạng cuối cùng của WRF, chúng còn phải được đưa về dạng có sử dụng phép chiếu bản đồ WRF có thể sử dụng ba dạng phép chiếu bản đồ gồm Lambert cho vùng vĩ độ trung bình, Mecator cho vùng xích đạo và phép chiếu cực (Pole) Trong miền tính toán của WRF, các bước lưới x,

y là hằng số, để biến đổi hệ phương trình sang miền tính cần sử dụng một hệ số bản đồ m, hệ số này là tỷ số của các bước lưới trên miền tính chia cho khoảng cách thực trên Trái đất

m=khoảng cách thực trên trái đất(∆x,∆y) (1-13) Trường gió và hệ số bản đồ được xác định lại như sau:

U = µdu/my; V = µdv/mx; W = µdw/my; Ω = µdἠ/my

Với các biến ở trên, hệ phương trình cơ bản của WRF trở thành dạng: ∂tU + mx[∂x(Uu)+ ∂y(Vu)]+ ∂η(Ωu)+(mx/my)[µdα∂xp +(α/αd)∂ηp∂xφ]= FU

(1-14) ∂tV + my[∂x(Uv)+ ∂y(Vv)]+(my/mx)∂η(Ωv)+(my/mx)[µdα∂yp +(α/αd)∂ηp∂yφ]= FV

(1-15) ∂tW +(mxmy/my)[∂x(Uw)+ ∂y(Vw)] + ∂η(Ωw) − m−1y g[(α/αd)∂ηp − µd]= FW

(1-16) ∂tΘ + mxmy[∂x(Uθ)+ ∂y(Vθ)] + my∂η(Ωθ)= FΘ (1-17)

∂tµd + mxmy[Ux + Vy]+ my∂η(Ω) = 0 (1-18) ∂tφ + µd−1 [mxmy(U∂xφ + V ∂yφ)+ myΩ∂ηφ − mygW] = 0 (1-19)

∂tQm + mxmy∂x(Uqm)+ ∂y(Vqm)] + my∂η(Ωqm)= FQm, (1-20) Quan hệ của địa thế vị và thể tích không khí khô:

∂ηφ = −αdµd, (1-21) Biểu thức áp suất toàn phần:

p = p0(Rdθm/p0αd)γ (1-22)

c) Sơ đồ Runge-Kutta bậc 3

Bộ xử lý ARW của mô hình WRF sử dụng sơ đồ tích phân thời gian Kutta bậc ba (RK3) Sơ đồ Runge-Kutta bậc ba là tích phân của một tập hợp các phương trình vi phân thường (Wicker and Skamarock, 2012) sử dụng một công thức dự báo hiệu chỉnh Xác định biến dự báo trong bộ xử lý ARW bằng các phương trình Φ = (U, V, W, Θ, φ, μ, Qm) và phương trình mô hình Φt = R(Φ); tích phân RK3 được đưa ra gồm 3 bước để giải Φ (t) đến Φ (t + Δt):

Runge-Φ∗= Φt+ ∆t

3R(Φt) (1-23)

Φ∗∗= Φt+ ∆t

2R(Φ∗) (1-24) Φt+∆t=Φt+ ∆tR(Φ∗∗) (1-25) trong đó ∆t là bước thời gian của mô hình

d) Lưới ngang Arakawa-C

WRF được chạy với lưới có độ phân giải tốt hơn được lồng bên trong các lưới có độ phân giải thấp hơn Lưới lồng có thể là một chiều hoặc hai chiều Lưới lồng hai chiều trao đổi thôi tin qua lại theo hai hướng giữa lưới thô và lưới tinh bên trong và ngược lại Ở Hình 1-3, các biến dự báo cho lưới thô được cập nhật dựa trên các dự báo ở lưới tinh Lưới thô sẽ cung cấp điều kiện biên để sử dụng cho các dự báo trong lưới tinh Lưới lồng hai chiều có ưu điểm là các quá trình quy mô nhỏ sẽ được xử lý tốt hơn Đây là ưu điểm quan trọng trong ứng dụng chạy cho các mô phỏng khí tượng cho các khu vực nhỏ

Mô hình WRF sử dụng dạng bước lưới xen kẻ Arakawa-C Sơ đồ bước lưới ở Hình 1-3 cho thấy các biến thành phần vận tốc gió ngang u, v nằm ở xung quanh ô lưới; các biến khối lượng/nhiệt động lực/vô hướng/hóa học nằm ở tâm ô lưới Các đường liền là biên của các ô lưới trong lưới thô, và các đường đứt là biên cho các ô lưới của lưới con Các thành phần vận tốc u, v được xác định dọc theo biên của ô lưới, và các biến nhiệt động (θ) được xác định ở trung tâm của ô lưới Các biến in đậm dọc theo mặt phân cách giữa lưới thô và lưới con xác định vị trí biên bên cho lưới lồng bên trong

Hình 1-3 Sơ đồ lưới Arakawa-C với lưới thô và lưới con, tỉ lệ 3:1 Sự xen kẻ xác định cách mà lưới con nằm bên trong lưới thô Với các lước lồng có tỉ lệ lẻ như tỉ lệ 3:1 ở Hình 1-3, có một vị trí trùng nhau ở lưới thô và lưới con cho mỗi biến, vị trí của điểm này phụ thuộc vào biến Trong mỗi ô lưới thô, vị trí của biến nhiệt động tại ô lưới trung tâm của lưới con trùng với lưới thô Đối với các biến vận tốc thành phần, điểm trùng nhau dọc theo biên của lưới Với tỉ lệ lưới 3:1, sự tác động của các trường bề mặt ở lưới tinh ảnh hưởng đến sự cung cấp thông tin đến lưới thô Các bề mặt bị che phủ do có các điểm trùng nhau giữa 2 lưới, bề mặt che phủ có thể là băng hoặc biển, khi đó chỉ có 1 điểm duy nhất của lưới tinh được gán thông tin cho lưới thô

Đối với tỉ lệ lưới lồng bằng 2:1 (Hình 1-4), mỗi ô lưới thô có 4 ô lưới nhỏ bên trong, và do đó có bốn điểm lưới con cung cấp thông tin cho ô lưới thô Tỉ lệ khoảng cách lưới này phù hợp cho các mô phỏng lý tưởng hóa với sự tác động của các trường bề mặt không cần tính đến

Hình 1-4 Lưới Arakara-C tỉ lệ 2:1 Các tham số vật lý mô hình WRF là các tham số được lựa chọn và cài đặt trước khi thực hiện các bước trong sơ đồ cấu trúc mô tả trong Hình 1-1 Các tham số này có thể thay đổi dễ dàng ở các file thực thi (có tên namelist) có sẵn khi cài đặt thành công WRF Việc lựa chọn một tham số nào cho một sơ đồ bất kỳ phụ thuộc vào mục đích sử dụng mô hình và kết quả đầu ra mong muốn

Các sơ đồ tham số hóa vật lý trong WRF gồm có vi vật lý, tham số hóa đối lưu mây tích, lớp biên hành tinh, mô hình bề mặt, mô hình đất, bức xạ, khuếch tán

e) Vi vật lý

Tham số vi vật lý là các quá trình vật lý liên quan đến hơi nước, mây và giáng thủy; với các lựa từ đơn giản đến phức tạp phù hợp cho nghiên cứu vi vật lý Các sơ đồ tham số hóa vi vật lý trong WRF gồm:

Sơ đồ Kessler là một sơ đồ đơn giản bao gồm hơi nước, mây và mưa Sơ đồ Purdue Lin bao gồm hơi nước, nước, mây, mưa, băng mây và mưa đá Đây là sơ đồ vi vật lý phức tạp nhất trong WRF, thích hợp lựa chọn trong các nghiên cứu (Chen and Sun, 2002)

Sơ đồ WSM3 (WRF Single-Moment 3-class) bao gồm 3 nhóm thực thể của nước là hơi nước, băng mây/nước mây và mưa/tuyết

Sơ đồ WSM5 cũng tương tự với sơ đồ WSM3 nhưng có 5 nhóm thực thể riêng biệt gồm hơi nước, băng mây, nước mây, mưa và tuyết Sơ đồ này cho phép tồn tại các dạng nước quá lạnh hoặc tuyết ở dưới mực nhiệt độ đóng băng

Sơ đồ WSM6 gồm có 5 nhóm như WSM5 và thêm loại mưa đá cùng các quá trình liên quan Trong 3 sơ đố WSM, WSM6 là phù hợp nhất cho các lưới trong nghiên cứu lý thuyết mây đối lưu

Sơ đồ Eta (hay EtaGCP – Grid-scale Cloud and Precipitation) là sơ đồ mây và giáng thủy quy mô lưới mô hình Đây là lựa chọn mặc định của mô hình WRF trong sơ đồ vi vật lý Sơ đồ này dự báo những thay đổi của hơi nước ngưng tụ trong các dạng mây chứa nước, mây gây mưa, mây chứa băng, giáng thủy băng (tuyết, mưa đóng băng, mưa đá)

Sơ đồ Thompson et al (2004) bao gồm 6 thực thể của nước: hơi nước, băng mây, nước mây, mưa, tuyết và mưa đá cùng với biến dự báo mật độ băng Đây là tham số vi vật lý mới, có nhiều cải tiến so với các tham số trước đó trong mô phỏng quá trình vi vật lý và việc mã hóa của máy tính

f) Tham số đối lưu mây tích

Tham số đối lưu mây tích dùng để hiệu chỉnh sơ đồ thông lượng dòng chảy cho mô hình hóa quy mô trung bình (Skamarock et al., 2008) Việc lựa chọn tham số này nhằm nắm bắt các hiệu ứng dưới lưới cho quá trình đối lưu sâu và/hoặc đối lưu nông Sơ đồ đối lưu có 4 tham số lựa chọn: sơ đồ Kain- Fritsch (Kain and Fritsch, 1993), sơ đồ Bett-Miller-Janjic, sơ đồ Grell-Devenji và sơ đồ Grell-3

Sơ đồ Kain- Fritsch sử dụng một mô hình mây với dòng giáng và dòng thăng bao gồm cả các hiệu ứng dòng cuốn vào, cuốn ra

Sơ đồ Betts-Miller-Janjic được phát triển từ sơ đồ Betts-Miller nhưng khác ở một số điểm trong các quá trình đối lưu sâu phụ thuộc vào sự thay đổi của lượng mưa, nhiệt độ trung bình của đám mây Sơ đồ Betts-Miller-Janjic đã được tối ưu hóa và được thiết kế cho các độ phân giải ngang cao hơn

Sơ đồ Grell-Devenji (Grell and Devenji, 2002) là một dạng tổ hợp các sơ đồ tham số hóa đối lưu, các kết quả được tính cho từng ô lưới rồi lấy trung bình để đưa

ra phản hồi cho mô hình Việc tính trung bình này giúp các tính toán được cân bằng và tối ưu hóa cho mô hình

Sơ đồ Grell-3 là sơ đồ mới xuất hiện trong phiên bản 3.0 của WRF, đây là sơ đồ thử nghiệm và chưa được khảo sát cho nhiều trường hợp Về cơ bản nó cũng giống với sơ đồ Grell-Devenji nhưng có thể phù hợp cho các bước lưới nhỏ dưới 10 km và có thể sử dụng tốt cho cả lưới lớn hơn 10 km

g) Sơ đồ lớp bề mặt

Các sơ đồ lớp bề mặt nhằm tính toán hệ số vận tốc và trao đổi ma sát, cho phép tính dòng nhiệt và ẩm bề mặt bởi mô hình mặt đất và ứng suất bề mặt trong sơ đồ lớp biên hành tinh Trên mặt nước, các thông lượng này được tính bởi chính các sơ đồ tham số hóa lớp sát đất Các sơ đồ không quy định xu hướng, chỉ có thông tin phụ thuộc vào sự ổn định trong lớp bề mặt cho các sơ đồ mặt đất và các sơ đồ lớp biên hành tinh Một số sơ đồ lớp biên (YSU và MRF) có yêu cầu độ dày lớp bề mặt trong mô hình (cụ thể là 50-100 mét) Hai sơ đồ tham số hóa lớp sát đất trong WRF là:

Sơ đồ lớp bề mặt MM5: phải chạy kết hợp với sơ đồ bề mặt MRF và sơ đồ lớp biên hành tinh YSU

Sơ đồ lớp bề mặt Eta: phải chạy kết hợp với sơ đồ lớp biên hành tinh ETA

h) Mô hình mặt đất

Các mô hình mặt đất (Land-Surface Model – LSM) sử dụng các thông tin khí quyển từ sơ đồ lớp bề mặt, giáng thủy từ các sơ đồ vi vật lý và tham số hóa đối lưu mây tích cùng với các biến trạng thái đất và đặc tính bề mặt đất để tính toán các thông lượng ẩm và nhiệt từ mặt đất Mô hình đất xử lý các thông tin lượng ẩm và nhiệt trong các lớp đất, các hiệu ứng liên quan đến thực vật, rễ, tán cây và độ phủ tuyết Mô hình mặt đất là mô hình một chiều và không có tương tác giữa các ô lưới kề nhau Có bốn lựa chọn tham số cho mô hình mặt đất trong WRF:

Mô hình khuếch tán nhiệt 5 lớp, tính đến cân bằng năng lượng bức xạ, nhiệt ẩn và nhiệt hiện Có tính đến lớp phủ tuyết nhưng giá trị là hằng số các lớp phủ thực vật được giữ cố định trong từng mùa và không có hiệu ứng hiện của thực vật

Mô hình Noah 4 lớp: có tính đến độ ẩm của tán cây, các hiệu ứng rễ thực vật, các quá trình bốc thoát hoi, sự ngấm nước trong đất, các loại thực vật, kiểu đất và độ phủ thực vật được cập nhật theo tháng

Mô hình chu trình cập nhật nhanh (RUC) gồm 6 lớp đất và 2 lớp tuyết Mô hình tính đến các quá trình đóng băng trong đất, mật độ và nhiệt độ tuyết, các hiệu ứng thực vật và tán cây

Mô hình mặt đất Pleim-Xiu gồm 2 lớp nhiệt độ đất và mô hình độ ẩm Lớp trên cùng được tính đến độ dày 1 cm và lớp dưới là 99 cm Mô hình nay tính đến các lớp ẩm trong đất, bốc hơi, bốc hơi của đất và các tán cây Mô hình hữu ích cho các tính toán truyền nhiệt - ẩm nhỏ hoặc tạo ra các mô phỏng liên tục cho các dữ liệu này

i) Lớp biên hành tinh

Lớp biên hành tinh tính đến các thông lượng thẳng đứng quy mô do vận chuyển không phải chỉ trong lớp biên mà cho toàn bộ cột khí quyển Mô hình WRF với bốn lựa chọn tham số cho sơ đồ lớp biên hành tinh:

Sơ đồ MRF (Medium Range Forecast ) là sơ đồ lớp biên hành tinh của dự báo hạn vừa sơ đồ này sử dụng thông lượng phản gradient để tính ẩm và nhiệt trong điều kiện bất ổn định

Sơ đồ YSU của Trường Đại học Yonsei phát triển lên tự sơ đồ MRF bằng cách tính toán hiện lớp cuốn vào đỉnh lớp biên

Sơ đồ MYJ (Mellor-Yamada-Janjic) tham số hóa rối trong lớp biên và khí quyển tự do sử dụng mô hình khép kín của Mellor-Yamada

Sơ đồ ACM2 (Asymmetrical Convective Model) mô phỏng vận chuyển lên nhanh chóng trong lớp biên và các biến cố địa chấn gây mang tính chất địa phương ACM2 đặc biệt thích hợp cho vận chuyển ở lớp biên hành tinh cho bất kỳ lớp khí quyển bao gồm các biến khí tượng và hóa học (u, v, θ, qv)

j) Bức xạ khí quyển

Tham số bức xạ sóng là sự truyền bức xạ mặt trời đến Trái đất, gồm có tham số bức xạ sóng ngắn và dài được lựa chọn cho các ứng dụng trong khí hậu và thời tiết (Skamarock et al., 2008) Các sơ đồ bức xạ khí quyển cho thấy sự đôt nóng bề mặt khí quyển với các thông lượng bức xạ sóng ngắn của mặt trời và bức xạ sóng dài của

bề mặt trái đất Hai tham số bức xạ sóng dài gồm tham số RRTM và ETA DFGL sóng dài (Gu et al., 2011) Ba tham số bức xạ sóng ngắn là tham số sóng ngắn MM5, sơ đồ sóng ngắn Goddard và ETA DFGL (Gu et al., 2011)

Sơ đồ sóng dài RRTM với 16 dải phổ, tính đên độ dày quang học của mây và các quá trình sóng dài liên quan đến các chất khí như Ozone, CO2, hơi nước và các khí hiếm

Sơ đồ sóng ngắn (12 dải phổ) và sóng dài (14 dải phổ) Eta DFGL, tính đến hiệu ứng của Ozone, CO2 và hơi nước

Sơ đồ sóng ngắn MM5, có 1 dải phổ, tính đến hiệu ứng do hấp thụ bức xạ bởi hơi nước, khuếch tán không mây, hấp thụ và phản xạ do mây

Sơ đồ sóng gắn Goddard là sơ đồ với 11 dải phổ và tính đến bức xạ mặt trời trực tiếp và khuếch tán

1.2 Điều kiện tự nhiên, kinh tế xã hội, tài nguyên và môi trường của TP Hồ Chí Minh

Khí hậu TP Hồ Chí Minh mang tính chất cận xích đạo với nhiệt độ cao và khá ổn định trong năm Số giờ nắng trung bình tháng đạt từ 160 đến 270 giờ, độ ẩm không khí trung bình 79,5 % Khí hậu phân hóa hai mùa rõ rệt là mùa mưa và mùa khô Mùa mưa từ tháng 5 đến tháng 11, lượng mưa bình quân năm là 1.979 mm Mùa khô từ tháng 12 đến tháng 4 năm sau, nhiệt độ trung bình 27,55 °C (tháng 4 là tháng nóng nhất với nhiệt độ khoảng 29,3–35 °C) Về hướng gió, Thành phố Hồ Chí Minh chịu ảnh hưởng bởi hai hướng gió chính là gió mùa Tây – Tây Nam và Bắc – Ðông Bắc

Địa hình TP Hồ Chí Minh phần lớn bằng phẳng, có ít đồi núi ở phía Bắc và Đông Bắc, với độ cao giảm dần theo hướng Đông Nam

Trên phạm vi địa bàn thành phố có nhiều hạn chế về diện tích, phẩm chất và thể loại của tài nguyên đất Phần ngoại thành có thể chia thành các nhóm đất chính sau: nhóm đất phèn trung bình và phèn nhiều – chiếm 27,5 % tổng số diện tích; nhóm đất phù sa không hoặc ít bị nhiễm phèn – chiếm 12,6 %; nhóm đất xám phát triển trên phù sa cổ – chiếm khoảng 19,3 %; nhóm đất mặn – chiếm 12,2 %; ngoài ra còn có các nhóm đất khác như đất đỏ vàng chiếm 1,5 %, nhóm đất cồn cát, đất cát biển chiếm 3,2 % và các loại đất khác, sông suối chiếm 23,7 %

TP Hồ Chí Minh bao gồm 3 hệ sinh thái rừng: hệ sinh thái rừng nhiệt đới ẩm mưa mùa Ðông Nam Bộ, hệ sinh thái rừng úng phèn, hệ sinh thái rừng ngập mặn Phần lớn tài nguyên khoáng sản trên địa bàn là vật liệu xây dựng như sét gạch ngói, cát, sạn, sỏi; nguyên liệu cho gốm sứ và chất trợ dụng; các nguyên liệu khác như than bùn… Chỉ có một số khoáng sản có thể đáp ứng một phần cho nhu cầu của thành phố: nguyên liệu làm vật liệu xây dựng, sành sứ thuỷ tinh, nguyên nhiên liệu…Các khoáng sản khác như kim loại đen, kim loại màu (trừ nhôm), than đá đều không có triển vọng hoặc chưa được phát hiện

Nằm ở vùng hạ lưu hệ thống sông Ðồng Nai - Sài Gòn, TP Hồ Chí Minh có mạng lưới sông ngòi kênh rạch rất đa dạng Sông Ðồng Nai bắt nguồn từ cao nguyên Lâm Viên, hợp lưu bởi nhiều sông khác, có lưu vực lớn, khoảng 45.000 km²; lưu lượng bình quân 20–500 m³/s, hàng năm cung cấp 15 tỷ m³ nước, sông Đồng Nai trở thành nguồn nước ngọt chính của thành phố Sông Sài Gòn bắt nguồn từ vùng Hớn Quản, chảy qua Thủ Dầu Một đến thành phố Hồ Chí Minh, chiều dài 200 km và chảy dọc trên địa phận thành phố dài 80 km Sông Sài Gòn có lưu lượng trung bình vào khoảng 54 m³/s, bề rộng tại thành phố khoảng 225 m đến 370 m, độ sâu tới 20 m Nhờ hệ thống kênh Rạch Chiếc, hai con sông Đồng Nai và Sài Gòn nối thông ở phần nội thành mở rộng

Ngoài các con sông chính, TP Hồ Chí Minh có một hệ thống kênh rạch chằng chịt: Láng The, Bàu Nông, rạch Tra, Bến Cát, An Hạ, Tham Lương, Cầu Bông, Nhiêu Lộc - Thị Nghè, Bến Nghé, Lò Gốm, Kênh Tẻ, Tàu Hũ, Kênh Ðôi Hệ thống sông, kênh rạch giúp TP Hồ Chí Minh trong việc tưới tiêu, nhưng do chịu ảnh hưởng dao động bán nhật triều của biển Ðông, thủy triều thâm nhập sâu đã gây nên những tác động xấu tới sản xuất nông nghiệp và hạn chế việc thoát nước ở khu vực nội thành Nhờ trầm tích Pleistocen, khu vực phía Bắc TP Hồ Chí Minh có được lượng nước ngầm khá phong phú Nhưng về phía Nam, trên trầm tích Holocen, nước ngầm thường bị nhiễm phèn, nhiễm mặn

Tốc độ tăng trưởng tổng sản phẩm trên địa bàn (GRDP) của TP Hồ Chí Minh trong 9 tháng đầu năm 2017 đạt 7,84% cao hơn so với mức tăng cùng kỳ (7,2%) năm 2016 theo số liệu từ Cục thống kê (Tổng Cục Thống Kê, 2017) Trên nền tảng, xu

hướng và những kết quả đạt được, dự báo rằng, TP Hồ Chí Minh có thể đạt chỉ tiêu tăng trưởng đề ra trong năm 2017 là từ 8,4-8,7% Bên cạnh đó, tổng thu ngân sách nhà nước trên địa bàn đã đạt 173 nghìn tỷ đồng, bằng 49,5% so với kế hoạch năm, do vậy có cơ sở đạt và vượt chỉ tiêu thu ngân sách năm 2017 (Tổng Cục Thống Kê, 2017) Về cơ cấu kinh tế 9 tháng đầu năm nay, xét theo giá hiện hành, khu vực nông lâm thuỷ sản chiếm tỷ trọng 0,7%; khu vực công nghiệp và xây dựng chiếm tỷ trọng 25,1%; khu vực thương mại dịch vụ chiếm tỷ trọng 57,2% , thuế sản phẩm trừ trợ cấp sản phẩm chiếm 17% (Tổng Cục Thống Kê, 2017) Quyết định 1482/QĐ-UBND ngày 31 tháng 3 năm 2017 của Ủy ban nhân dân thành phố về việc ban hành Kế hoạch phát triển 500.000 doanh nghiệp với mục tiêu đến năm 2020 thành phố có ít nhất 500.000 doanh nghiệp hoạt động; tạo lập môi trường thuận lợi để thúc đẩy, hỗ trợ hộ kinh doanh chuyển sang hoạt động theo hình thức doanh nghiệp (Ủy Ban Nhân Dân Thành Phố Hồ Chí Minh 2017)

Hệ thống đường bộ TP Hồ Chí Minh gồm có khoảng 4.869 tuyến đường với tổng chiều dài hơn 4.000km

Hiện nay, thành phố đang quản lý tổng 7 triệu 976 nghìn 845 phương tiện (trong đó 637 nghìn 323 ô tô, 7 triệu 339 nghìn 522 xe mô tô – chiếm 92% tổng số xe (số liệu được cập nhật đến ngày 15/03/2017) So với cùng kỳ năm 2016, lượng xe mô tô tăng 5,4% và tăng 63,4% so với cuối năm 2010,tăng gần 2 triệu xe so với năm 2011 Trung bình cứ 1.000 người dân thì có đến 910 xe máy, tỷ lệ cao nhất thế giới (Vietnam Climate Adaptation PartnerShip, 2013) Theo báo cáo của Sở Giao thông vận tải TP Hồ Chí Minh, tính đến ngày 15/5/2017, thành phố đang quản lý hơn 8 triệu phương tiện, trong đó có gần 650.000 ô tô, còn lại là xe máy, số liệu chưa tính đến lượng phương tiện đến từ các tỉnh thành khác (Sở Giao thông Vận tải TP Hồ Chí Minh, 2015) Lượng xe máy, xe buýt, các phương tiện bán tải tham gia giao thông đang quá tải cùng với hạ tầng giao thông còn hạn chế khiến cho thành phố có hơn 37 điểm ùn tắc giao thôngtrong đó nóng nhất là khu vực sân bay Tân Sơn Nhất (quận Tân Bình) và cảng Cát Lái (quận 2) Mật độ giao thông lưu thông cao kèm với thời gian ùn tắc tại các điểm khiến cho phát thải cao hơn, gây ra ô nhiễm nặng tại các giao lộ Theo thống kê của Sở Giao Thông Vận Tải, tại khu vực trung tâm thành phố trong

tháng 12/2016, tốc độ lưu thông vào giờ cao điểm sáng chỉ đạt 19 km/h, cao điểm chiều là 18 km/hgiờ thấp điểm 20,9km/h

1.3 Tình hình ô nhiễm không khí tại TP Hồ Chí Minh

Ô nhiễm không khí là sự hiện diện trong bầu khí quyển của một hoặc nhiều chất gây ô nhiễm trong một khoảng thời gian, gây hại cho người, động vật, thực vật, tài sản, hoặc làm ảnh hưởng đến đời sống của con người Định nghĩa rộng này bao gồm một loạt các chất gây ô nhiễm bao gồm khói, bụi, mùi và các chất khí gây hại (Barker J.R., Tingey D.T., 1992)

Không khí có thể bị ô nhiễm do nhiều tác nhân khác nhau như: ở thể rắn (bụi, muội than, PM2.5, PM10…), thể khí (CO2, NO2, CO, CH4, TSP, ….) và các loại vi khuẩn – virut gây bệnh, … từ các hoạt động tự nhiên hoặc do con người gây ra và đề tài nghiên cứu chủ yếu tập trung vào bụi PM10 ở TP Hồ Chí Minh Loại bụi này được sinh ra hầu hết từ khí thải giao thông (xe buýt, xe máy, xe hơi) Trong đó, sinh bụi nhiều nhất là từ xe chạy bằng dầu, ở công trình xây dựng, các nhà máy điện, từ đốt gỗ hoặc đốt rác, ở các nhà máy công nghiệp

Bụi là một tập hợp nhiều hạt vật chất vô cơ hoặc hữu cơ có kích thước nhỏ bé, tồn tại trong không khí dưới dạng bụi bay, bụi lắng và các hệ khí dung gồm hơi, khói mù Bụi bay có kích thước từ 0,001 µm đến 10 µm bao gồm tro, muội khói và những hạt chất rắn đã nghiền nhỏ chuyển động hỗn loạn hoặc rơi xuống mặt đất với tốc độ đều theo định luật Stokes Loại bụi này thường gây tổn thương cao cho cơ quan hô hấp Bụi lắng có kích thước hơn 10 µm, thường rơi xuống đất theo định luật Newton với tốc độ tăng dần Loại bụi này thường gây hại cho mắt, gây nhiễm trùng, gây dị ứng

Tổng bụi lơ lửng (TSP) là tổng các hạt bụi có đường kính khí động học nhỏ hơn hoặc bằng 100μm (Bộ TNMT, 2009)

Bụi PM10 là tổng các hạt bụi lơ lửng có đường kính khí động học nhỏ hơn hoặc bằng 10 µm hay còn gọi là bụi mịn (Bộ TNMT, 2009)

Hiện nay, vấn đề môi trường là một trong những vấn đề cấp bách đối với tất cả các nước trên thế giới Theo EPI vào năm 2015, Việt Nam xếp thứ 79 trong tổng số 132 quốc gia trong đánh giá môi trường tổng thể Việt Nam nằm trong số 10 quốc

gia có không khí bị ô nhiễm nhiều nhất trên thế giới (tại Hội nghị Lagos ở Thụy Sĩ năm 2016), đứng thứ 123 và được dự đoán có thể rơi xuống vị trí thứ 125 trong tương lai gần, sức khoẻ của người dân bị ảnh hưởng bởi chất lượng không khí không đảm bảo ở Việt Nam

1.3.1.Mức độ ô nhiễm

Theo Báo cáo tóm tắt hiện trạng chất lượng môi trường TP Hồ Chí Minh năm 2015 được Sở Tài nguyên và Môi trường thành phố công bố, mức độ bụi trong không khí cũng ngày càng gia tăng

TP Hồ Chí Minh có 175 ngày ô nhiễm không khí vào năm 2016 Đó là công bố của Báo cáo chất lượng không khí Việt Nam 2016 do Liên minh Năng lượng bền vững Việt Nam thực hiện theo tiêu chuẩn của Tổ chức Y tế Thế Giới

Mức độ ô nhiễm từng chất dựa trên kết quả Quan trắc chất lượng môi trường TP Hồ Chí Minh quý 2 năm 2016 (Sở TNMT TP Hồ Chí Minh, 2016), cụ thể:

- Nồng độ trung bình giờ của CO quan trắc được trong quý 2 năm 2016 dao động trong khoảng 3,39 mg/m3 – 13,17 mg/m3, với 99,67% số liệu quan trắc đạt QCVN (QCVN 05:2013/BTNMT, nồng độ CO trung bình 1 giờ: 30 mg/m3)

- Hàm lượng trung bình giờ của bụi lơ lửng quan trắc được trong quý 2 năm 2016 tại 20 vị trí dao động từ 94,07– 826,67 μg/m3, 48,08% giá trị quan trắc không đạt QCVN 05:2013/BTNMT (nồng độ bụi lơ lửng trung bình 1 giờ: 300 μg/m3)

- Nồng độ PM10 trung bình 24 giờ trong quý 2 năm 2016 dao động trong khoảng 52,23 – 170,27 μg/m3, 90,95% số liệu đạt QCVN (QCVN 05:2013/BTNMT, nồng độ PM10 trung bình 24 giờ: 150 μg/m3)

- Nồng độ trung bình giờ của NO2 quan trắc quý 2 năm 2016 dao động từ 12,98 – 87,38 μg/m3, 100% số liệu quan trắc đạt QCVN (QCVN 05:2013/BTNMT, nồng độ NO2 trung bình 1 giờ: 200 μg/m3)

- Nồng độ trung bình giờ SO2 quý 2 năm 2016 dao động từ 17,72 – 19,35 μg/m3, 100% số liệu đạt QCVN (QCVN 05:2013/BTNMT, nồng độ SO2 trung bình 1 giờ: 350 μg/m3)

- Mức ồn: Với 58,92% số liệu quan trắc không đạt quy chuẩn QCVN 26:2010/BTNMT, dao động từ 51,95 – 81,30dBA

Báo cáo của Bộ Tài nguyên và Môi trường vào ngày 20/07/2017 về hiện trạng môi trường quốc gia 2016 với chuyên đề “Môi trường đô thị” cho thấy ô nhiễm môi trường là vấn đề nổi cộm và trở thành rào cản, sức ép cho sự phát triển

Nồng độ NO2 có xu hướng tăng trong các năm gần đây NO2 có dấu hiệu ô nhiễm và tăng mạnh vào giờ cao điểm giao thông tại khu vực giao thông trong một số đô thị lớn tại Hà Nội, TP Hồ Chí Minh Nồng độ khí CO cũng tăng lên trong giờ cao điểm tại các trục giao thông và xung quanh các khu công nghiệp nằm trong đô thị

Chất lượng không khí ở TP Hồ Chí Minh quý đầu năm 2017 xấu hơn so với năm 2016 Trong quý 1/2017, có 6 ngày vượt Quy chuẩn quốc gia, tương ứng 78 ngày vượt chuẩn WHO; Mức AQI (chỉ số chất lượng không khí) trung bình quý tăng từ 91,2 lên 100,8; tương ứng nồng độ bụi PM2.5 trung bình tăng từ 30,72 lên 35,8 µg/m3 Còn trong quý 3/2017, có 1 ngày vượt Quy chuẩn quốc gia và 39 ngày vượt chuẩn WHO Nếu phân tích dữ liệu theo giờ, có 87 giờ có nồng độ PM2.5 vượt quá Quy chuẩn Việt Nam và 810 giờ đối với chuẩn WHO Tại TP Hồ Chí Minh, chất lượng không khí trong quý 3/2017 không thay đổi nhiều so với cùng kỳ năm trước Số giờ trong nhóm không tốt cho sức khỏe là 13,6% so với 14,8% trong cùng kỳ năm 2016

Kết quả quan trắc ô nhiễm không khí trên địa bàn TP Hồ Chí Minh tại 20 vị trí cho thấy, ô nhiễm chất lượng không khí chủ yếu là do bụi lơ lửng từ các hoạt động giao thông gây ra (hơn 72% số liệu bụi quan trắc tại 12 vị trí giao thông vượt tiêu chuẩn Việt Nam (Sở TNMT TP Hồ Chí Minh, 2016)

Thực tế từ ngày 10/04/2017, TP Hồ Chí Minh công bố thông tin môi trường, các chỉ số môi trường trên bảng điện tử tại các chốt giao thông chính Theo đó, có đến 22 khu vực có chỉ số vượt Quy chuẩn Việt Nam như khu vực vòng xoay Phú Lâm, vòng xoay Điện Biên Phủ, vòng xoay Hàng Xanh, ngã sáu Gò Vấp, ngã tư An Sương đang bị ô nhiễm không khí, ô nhiễm tiếng ồn (Sở TNMT TP Hồ Chí Minh, 2016)

1.3.2 Nguyên nhân gây ô nhiễm không khí

Nguyên nhân chính gây ô nhiễm không khí ở TP Hồ Chí Minhlà giao thông chiếm khoảng 72%; đặc biệt là từ xe máy có trên 30% xe máy không thể đáp ứng yêu

cầu phát thải, việc sử dụng nhiên liệu có chất lượng thấp Các nguồn gây ô nhiễm chủ yếu của thành phố lớn được chỉ ra là do khí thải từ phương tiện giao thông, phát thải từ hoạt động công nghiệp, hoạt động xây dựng, nhà máy nhiệt điện, đốt chất thải, đun nấu hộ gia đình và ô nhiễm xuyên biên giới (Đàm Duy Ân, et al., 2016)

Ngoài ra nguyên nhân ô nhiễm không khí của TP Hồ Chí Minh là từ hoạt động sản xuất của nhà máy công nghiệp nằm ở các khu vực ngoại thành hoặc nằm ngay trong nội thành như các khu công nghiệp Tân Bình, khu chế xuất Tân Thuận, khu chế xuất Linh Trung, các Nhà máy Xi măng Hà Tiên, Nhà máy Thép Thủ Đức và rất nhiều cơ sở sản xuất công nghiệp, tiểu thủ công nghiệp, trong đó rất nhiều nhà máy, cơ sở sản xuất chưa trang bị hệ thống xử lý khí thải, khói bụi

Có 2 nguồn gây ô nhiễm chính:

Giao thông

Kết quả phát thải PM10 ở TP Hồ Chí Minhcho thấy lưu lượng giao thông là nguồn phát thải PM10 chính và chiếm hơn 83% Đối với nguồn lưu lượng, xe máy là người đóng góp chính và chiếm khoảng 24% lượng phát thải, xe tải nặng 23%, xe tải nhẹ chiếm 19% còn lại dành cho ôtô và xe buýt

Kết quả mô phỏng sự phân bố PM10 ở TP Hồ Chí Minh với mức trung bình tối đa 1 giờ là 250 ug m-3 Theo số liệu thống kê mới nhất (đầu năm 2017) từ Trung tâm quan trắc và môi trường (Sở Tài Nguyên môi trường TP Hồ Chí Minh), ô nhiễm bụi PM10 tại TP Hồ Chí Minhchủ yếu phát sinh từ khí thải xe với 70.42% số liệu vượt quy chuẩn cho phép

Công nghiệp

Các nguồn chính gây ô nhiễm trong sản xuất công nghiệp ở TP Hồ Chí Minh là nhiệt điện, xi măng, luyện thép, tinh chế, dệt và nhuộm, chế biến thực phẩm, hóa học Bảng 1-1 trình bày các chất gây ô nhiễm không khí của một số ngành công nghiệp ở TP Hồ Chí Minh

Bảng 1-1 Tải lượng chất ô nhiễm chính của một số ngành công nghiệp

tại TP Hồ Chí Minh

Đơn vị: Tấn/năm

SO2 NO2 CO SPM CxHy SO3 VOC

Nhiệt điện 48,082 14,042 563 1,341 428 791 Cán và tinh chế thép 897 131 3,104 3,417

Dệt và nhuộm 1,128 172,4 4.8 71.6 0.72 Chế biến thức ăn 1,120 257 15 52.5 10.8 15.3

Nguồn: Nguyễn Đình Tuấn, Phạm Thị Thạch Trúc, 2002

Ô nhiễm không khí đang gây ra nhiều tác động đến với sức khỏe, hệ sinh thái, môi trường khí hậu Trong đó, ô nhiễm bụi mịn ở các thành phố lớn là rất đáng báo động vì gây nhiều bệnh về hô hấp

Một số liệu rất đáng chú ý nữa là thiệt hại hàng năm từ ô nhiễm và ùn tắc do xe máy gây ra là hơn 6,1 tỷ USD, chiếm 13,4 % GDP của thành phố (Nguyễn Đình Tuấn, Phạm Thị Thanh Trúc, 2002)

1.4 Các nghiên cứu liên quan

1.4.1 Nghiên cứu trong nước

Đào Thị Hồng Vân (2013) nghiên cứu tác động của sol khí kết hợp mô phỏng các quá trình hóa học vào mô hình thời tiết, khí hậu, cụ thể là mô hình WRF-CHEM (The Weather Research and Forecasting – Chemistry) cho khu vực Việt Nam và lân cận Tác giả sử dụng mô hình WRF để mô phỏng hoàn lưu nhiệt độ, lượng mưa, nồng độ bụi và các chất phát thải Nồng độ bụi từ ngày 02 đến 04/01/2016 bước thời gian 6 giờ/lần được mô phỏng đồng thời với các trường khí tượng tại từng bước phân tích cho 5 loại bụi khác nhau Các trường khí tượng được xét gồm trường gió và các mực áp suất khác nhau, 5 loại bụi với kích thước lần lượt 0,5; 1,4; 2,4; 4,5; 8,0 µm Kết quả cho thấy, sự vận chuyển của bụi theo trường gió được thể hiện rõ nét Ở mực 1000 mb và 850 mb, bụi được lan truyền vào từ phía đông miền tính và chỉ sau 3 ngày đã ảnh hưởng hầu hết các vùng trong miền tính Riêng mực 500 mb và 200 mb, bụi được đẩy ra bên ngoài khu vực áp cao (theo dòng thổi ra) nhưng với tốc độ lớn (đặc biệt là dòng xiết mực 200 mb) đến ngày 04/01/2006 nồng độ bụi cũng đã tăng cao trên toàn bộ miền Kết quả còn so sánh sự phân bố nồng độ bụi ở các miền của Việt Nam từ Bắc Bộ, Bắc Trung Bô, Nam Trung Bộ và Nam Bộ Tuy nhiên, nghiên cứu

này còn hạn chế do miền mô phỏng còn khá lớn là cả khu vực Việt Nam và lân cận, chưa mô phỏng được cho một (hoặc 2) Tỉnh/ Thành phố cụ thể

Dương Hồng Sơn et.al., (2015) sử dụng mô hình mô phỏng chất lượng không khí CMAQ, phân tích ảnh viễn thám, phương pháp quan trắc gồm lấy mẫu khí thụ động và lấy mẫu khí sử dụng bóng thám không để đánh giá ảnh hưởng của ô nhiềm không khí xuyên biên giới đến miền Bắc Việt Nam Miền tính với 156x156 điểm lưới theo hướng đông tây – nam bắc, độ phân giải 27,5x27,5 km theo phương ngang Miền tính bao gồm các nước: Trung Quốc, Triều Tiên, Hàn Quốc, phía nam Nhật Bản, Mông Cổ, Đài Loan thuộc khu vực Đông Á; các nước: Việt Nam, Campuchia, Lào, Thái Lan, Myanmar, Philippin, Singapore, Brunei khu vực Đông Nam Á Dữ liệu đầu vào của mô hình CMAQ gồm dữ liệu kiểm kê phát thải và dữ liệu khí tượng Dữ liệu phát thải sử dụng trong nghiên cứu này được cung cấp từ nguồn số liệu kiểm kê phát thải cho khu vực Châu Á (REAS) được thực hiện bởi Trung Tâm Nghiên cứu Biến đổi Toàn cầu (FRCGC) và cục khoa học kỹ thuật Biển – Địa cầu Nhật Bản Dữ liệu khí tượng đầu vào sử dụng kết quả từ mô hình WRF (Weather Reseach and Forecast) Nghiên cứu này sử dụng mô hình WRF để xây dựng dữ liệu khí tượng cho mô hình chất lượng không khí CMAQ, đánh giá lan truyền ô nhiễm cho miền Bắc Việt Nam Tuy nhiên, điểm hạn chế của nghiên cứu là miền tính còn khá lớn với bước lưới đến 27,5 km

Dương Hồng Sơn (2008) đã xây dựng được bộ cơ sở dữ liệu cho việc tính toán phát thải khí tại 3 vùng kinh tế trọng điểm: miền Bắc, miền Trung và miền Nam Cơ sở dữ liệu này được tính toán và xuất ra dưới dạng bản tin với những chỉ số dễ hiểu Phương pháp mô hình hóa được tiếp cận để tính toán phát thải không khí, những mô hình được sử dụng trong đề tài này gồm có WRF, SMOKE, CMAQ Trong đó, mô hình WRF được sử dụng để xây dựng cơ sở dữ liệu khí tượng phục vụ cho mô hình lan truyền khí CMAQ Trong đề tài, miền tính của mô hình WRF có lưới tính với độ phân giải 6x6 km, 139x290 nút lưới theo chiều kinh, vĩ tuyến và 35 lớp theo chiều thẳng đứng lưới 𝜎 Kết quả của mô hình được xử lý bằng phần mềm Grads và NCL cùng các Scipts giúp cho việc xử lý nhanh chóng và dễ dàng Kết quả xử lý được thể hiện dưới dạng bản đồ Nghiên cứu này đã xây dựng được các bản đồ ô nhiễm không

khí và xuất được các bản tin chất lượng không khí cho ba miền tính, mô hình WRF cung cấp dữ liệu khí tượng đầu vào cho các mô phỏng này

Le Hoang Nghiem, Nguyen Thi Kim Oanh (2009) sử dụng hệ thống mô hình chất lượng không khí CMAQ-MM5 để xác định sự phân bố ozone cho khu vực lục địa Đông Nam Á gồm Thái Lan, Myanma, Campuchia, Lào và Việt Nam Miền tính lớn, lưới tính 2860 x 2860 km, trải dài từ kinh độ 91o Đông đến 111o Đông và từ vĩ độ 5o Bắc đến 25o Bắc Hai kịch bản ô nhiễm ozone nồng độ cao từ 24-26/3/2004 và từ 2-5/1/2005 xảy ra trong điều kiện khí tượng điển hình của khu vực Đông Nam Á Dữ liệu khí tượng trong nghiên cứu này được xây dựng từ mô hình MM5 (Mesoscale Model ver 5) MM5 là mô hình khí tượng động lực quy mô vừa của Trung tâm Quốc gia Nghiên cứu Khí quyển Hoa Kỳ (NCAR) và Trường Đại học Tổng hợp Pennsylvania Mỹ (PSU) phát triển từ những năm 1970 đến năm 2007 thì ngưng cung cấp các phiên bản mới Nghiên cứu này đã kết hợp mô hình khí tượng để cung cấp dữ liệu cho mô hình chất lượng không khí CMAQ, mô phỏng sự phân bố nồng độ ozone cho khu vực lục địa Đông Nam Á Tuy nhiên, hiện nay hệ thống mô hình CMAQ-MM5 không còn được sử dụng rộng rãi do phiên bản MM5 và dữ liệu khí tượng cho mô hình không được tiếp tục cập nhật Mô hình MM5 đã được thay thế bằng một mô hình tương tự là WRF

Lý Thị Thu Ba (2016) đã sử dụng module mô phỏng khí tượng của mô hình TAPM (The Air Polltion Model) để mô phỏng khí tượng cho khu vực Tân Sơn Hòa, Thành Công (TP Hồ Chí Minh) và Nhơn Hội (Bình Định) Kết quả từ mô hình được ứng dụng vào mô hình AERMOD chạy mô phỏng cho trường hợp phát thải tại Công ty dệt trong khu công nghiệp Mô hình TAPM cho kết quả đầu ra các yếu tố khí tượng nhiệt độ bề mặt, nhiệt độ cao không, hướng gió, vận tốc gió cung cấp dữ liệu đầu vào cho mô hình lan truyền ô nhiễm không khí AERMOD Nghiên cứu này đã xây dựng được dữ liệu khí tượng cho mô phỏng chất lượng không khí tại TP Hồ Chí Minh, tuy nhiên còn một số hạn chế trong việc sử dụng mô hình TAPM ở vấn đề bản quyền mô hình

Tại Việt Nam, việc xây dựng dữ liệu khí tượng cho mô hình chất lượng không khí đang được quan tâm, đã có một số nghiên cứu về vấn đề này nhưng đây cũng là