Evaluation of the ADMS, AERMOD, and ISC3 dispersion models with the OPTEX, Duke Forest, Kincaid, Indianapolis and Lovett field datasets

چکیده

چکیده– عمل ارزیابی مدل این پرسش را توضیح می دهد که آیا مدل های جدید ADMS و AERMOD، باعث ایجاد بهبودهایی نسبت به ISC3 می شوند زمانی که با مشاهدات میدانی مقایسه می شوند. ADMS و AERMOD مولفه های علمی مدرن مشابهی دارند، درحالیکه ISC3 حاوی تکنولوژی دهه 1960 است. 5 مجموعه از مشاهدات میدانی استفاده شده در ارزیابی آماری، سطح مقطع سناریوهای معمولی را که توسط مدل سازان مواجه شده اند را نشان می دهند. دیتابیس OPTEX درباره انتشارهای تریسر (tracer) غیر شناور در مجتمع پالایشگاه نفتی است، و دیتابیس Duke Forest حاوی انتشارهای تریسر غیرشناور از منابع حجمی و ناحیه ای در یک میدان باز می باشد. دیتابیس های Kincaid و Indianapolis و Lovett همگی با دودهای شناور از استک های بلند در نیروگاهها کار می کنند. با این وجود، این مکانها نسبتا متفاوت هستند، چون کارخانه Kincaid توسط اراضی کشاورزی هموار احاطه شده است، کارخانه Indianapolis در محیطی شهری واقع است، و کارخانه Lovett در دره ای احاطه شده توسط منطقه ای مختلف قرار داد که ناظرها در ارتفاع هایی بالاتر از استک هستند. تحلیل سنجش های عملکرد مدل پیشنهاد می کند که ISC3 معمولا بیش از حد پیش بینی می کند، قابلیت پخشی حدود فاکتوری از سه دارد، و حدود 33% پیش بینی هایش در فاکتوری از دو مشاهده است. عملکرد ADMS اندکی بهتر از عملکرد AERMOD است و هر دو بهتر از ISC3 عمل می کنند. به طور میانگین، ADMS پیش بینی پایین تری حدود 20% دارد و AERMOD پیش بینی پایین تری حدود 40% دارد، و هر دو قابلیت پخشی حدود فاکتوری از دو دارند. ADMS و AERMOD به ترتیب حدود 53% و 46% پیش بینی های شان در فاکتوری از دو مشاهده می باشد. با توجه به فقط بالاترین غلظت های پیش بینی شده و مشاهده شده، ISC3 پیش بینی بالاتری با فاکتوری از 7 به طور میانگین دارد، درحالیکه ADMS و AERMOD به طور میانگین پیش بینی پایین تری حدود 20% دارند.

Abstract

The model evaluation exercise addresses the question whether the new models, ADMS and AERMOD, produce improvements over ISC3 when compared with a range of field observations. ADMS and AERMOD have similar state-of-the-art scientific components, whereas ISC3 contains 1960s technology. The five sets of field observations used in the statistical evaluation represent a cross-section of typical scenarios encountered by modelers. The OPTEX data base concerns non-buoyant tracer releases within an oil refinery complex, and the Duke Forest data base involves non-buoyant tracer releases from area and volume sources in an open field. The Kincaid, Indianapolis, and Lovett data bases all deal with buoyant plumes from tall stacks at power plants. However, the settings are quite different, since the Kincaid plant is surrounded by flat farmland, the Indianapolis plant is located in an urban environment, and the Lovett plant is sited in a valley surrounded by complex terrain with monitors at elevations higher than the stack. Analysis of the model performance measures suggest that ISC3 typically overpredicts, has a scatter of about a factor of three, and has about 33% of its predictions within a factor of two of observations. The ADMS performance is slightly better than the AERMOD performance and both perform better than ISC3. On average, ADMS underpredicts by about 20% and AERMOD underpredicts by about 40%, and both have a scatter of about a factor of two. ADMS and AERMOD have about 53% and 46% of their predictions within a factor of two of observations, respectively. Considering only the highest predicted and observed concentrations, ISC3 overpredicts by a factor of seven, on average, while ADMS and AERMOD underpredict by about 20%, on average.