ผลของไอโซพรีนต่อการจำลองมลพิษทางอากาศด้วยแบบจำลอง WRF-Chem ในพื้นที่ภาคเหนือของประเทศไทย
Main Article Content
บทคัดย่อ
งานวิจัยผลของไอโซพรีนต่อการจำลองมลพิษทางอากาศด้วยแบบจำลอง WRF-Chem ในพื้นที่ภาค เหนือของประเทศไทย มีวัตถุประสงค์เพื่อศึกษาอิทธิพลของไอโซพรีนซึ่งเป็นสารอินทรีย์ระเหยง่ายที่ถูกปล่อยมาจากพืชในปริมาณมากต่อการสร้าง O3 และ PM2.5 ในพื้นที่ภาคเหนือด้วยแบบจำลองบรรยากาศควบคู่การคำนวณอุตุนิยมวิทยาและเคมี (The Weather Research and Forecasting model coupled to Chemistry; WRF-Chem) การศึกษาในครั้งนี้ทำการประเมินประสิทธิภาพของแบบจำลองในการคำนวณความเข้มข้นของ O3 และ PM2.5 รวมถึงศึกษาบทบาทของไอโซพรีนต่อการเปลี่ยนแปลงความเข้มข้นของ O3 และ PM2.5 ในพื้นที่ ภาคเหนือ ผลการศึกษาพบว่าผลการคำนวณไอโซพรีนจากแบบจำลองมีค่าต่ำกว่าตรวจวัด 3.7 เท่าในฤดูฝนและ 2.4 เท่าในฤดูแล้ง และเมื่อทำการปรับผลการคำนวณไอโซพรีนด้วยด้วยปัจจัยปรับแก้ไอโซพรีนพบว่าความเข้มข้นของไอโซพรีนเพิ่มขึ้นแบบไม่เป็นเชิงเส้น การเพิ่มขึ้นของไอโซพรีนมีแนวโน้มที่จะทำให้ความเข้มข้น ของ O3 เพิ่มสูงขึ้นแต่กลับไม่ส่งผลต่อความเข้มข้นของ PM2.5 อย่างเด่นชัด อย่างไรก็ตามแม้ความเข้มข้นของ PM2.5 ยังคงไม่เปลี่ยนแปลงตามระดับของไอโซพรีนมากนักแต่กลับส่งผลต่อองค์ประกอบของ PM2.5 โดยพบว่า อัตราส่วนของไกลออกซอล (glyoxal) เพิ่มขึ้น 2.6-3.4 % ขณะที่สัดส่วนของซัลเฟต ไนเตรต และแอมโมเนียมมีแนวโน้มลดลงที่ระดับ 1-3 % 0.8 % และ 0.4-0.8 % ตามลำดับ เมื่อเปรียบเทียบกับกรณีฐาน การเปลี่ยนแปลงเหล่านี้มักเกิดจากการแข่งขันของสารออกซิแดนท์ (OH และ NO3) ซึ่งมีผลต่อเส้นทางการก่อตัวของละลองลอยทุติยภูมิ ทำให้องค์ประกอบของ PM2.5 เป็นสารอินทรีย์มากขึ้นและส่งผลต่อคุณสมบัติของ PM2.5 ผลการศึกษาครั้งนี้เน้นย้ำถึงบทบาทสำคัญของไอโซพรีนในเคมีบรรยากาศ ซึ่งการเปลี่ยนแปลงเหล่านี้ส่งผลกระทบต่อคุณภาพอากาศและสภาพภูมิอากาศ
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เนื้อหาและข้อมูลในบทความที่ลงตีพิมพ์ใน Journal of Advanced Development in Engineering and Science ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรง ซึ่งกองบรรณาธิการวารสารไม่จำเป็นต้องเห็นด้วยหรือร่วมรับผิดชอบใดๆ
บทความ ข้อมูล เนื้อหา ฯลฯ ที่ได้รับการตีพิมพ์ในJournal of Advanced Development in Engineering and Science ถือเป็นลิขสิทธิ์ของ Journal of Advanced Development in Engineering and Science หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนหนึ่งส่วนใดไปเผยแพร่ต่อหรือเพื่อกระทำการใดๆ จะต้องได้รับอนุญาตเป็นลายลักษณ์อักษรจาก Journal of Advanced Development in Engineering and Scienceก่อนเท่านั้น
เอกสารอ้างอิง
Geron, C., et. al. (2000). A Review and Synthesis of Monoterpene Speciation from Forests in the United States. Atmospheric Environment, 34(11), 1761-1781.
Wojtunik‐Kulesza, K. A., et al. (2019). Natural Monoterpenes: Much More than Only a Scent. Chemistry & biodiversity, 16(12), e1900434.
Arneth, A., et al. (2008). Why are estimates of global terrestrial isoprene emissions so similar (and why is this not so for monoterpenes)?. Atmospheric Chemistry and Physics, 8(16), 4605-4620.
Yee, L. D., et al. (2020). Investigating Secondary Aerosol Processes in the Amazon through Molecular-level Characterization of Semi-Volatile Organics (Technical report). California: University of California.
Padhy, P. K. & Varshney, C. K. (2005). Emission of Volatile Organic Compounds (VOC) from Tropical Plant Species in India. Chemosphere, 59(11), 1643-1653.
Monson, R. K., et al. (2012). Modeling the Isoprene Emission Rate from Leaves. New Phytologist, 195(3), 541-559.
Lo, M. M., et al. (2024). Volatile Organic Compounds Emitted by Flowers: Ecological Roles, Production by Plants, Extraction, and Identification. Plants, 13(3), 417.
Alves, E. G., et al. (2014). Effects of Light and Temperature on Isoprene Emission at Different Leaf Developmental Stages of Eschweilera Coriacea in Central Amazon. Acta Amazonica, 44, 9-18.
Wang, X., et al. (2022). Effects of Light on the Emissions of Biogenic Isoprene and Monoterpenes: A Review. Atmospheric Pollution Research, 13(5), 101397.
Galloway, M. M., et al. (2011). Analysis of Photochemical and Dark Glyoxal Uptake: Implications for SOA Formation. Geophysical Research Letters, 38(17), L17811.
Ghude, S. D., et al. (2020). Evaluation of PM 2.5 Forecast Using Chemical Data Assimilation in the WRF-Chem Model. Current Science, 118(11), 1803-1815.
Guo, J., et al. (2016). Impact of Various Emission Control Schemes on Air Quality Using WRF-Chem During APEC China 2014. Atmospheric Environment, 140, 311-319.
San Jose, R., et al. (2017). Improving Air Quality Modelling Systems by Using On-line Wild Land Fire Forecasting Tools Coupled into WRF/Chem Simulations Over Europe. Urban Climate, 22, 2-18.
Karagulian, F., et al. (2019). Analysis of A Severe Dust Storm and Its Impact on Air Quality Conditions Using WRF-Chem Modeling, Satellite Imagery, and Ground Observations. Air Quality, Atmosphere & Health, 12(4), 453-470.
Yang, G., et al. (2020). Numerical Sensitivity Tests of Volatile Organic Compounds Emission to PM2.5 Formation During Heat Wave Period in 2018 in Two Southeast Korean Cities. Atmosphere, 11(4), 331.
Yang, J., et al. (2021). Evaluation and Improvement Study of the Planetary Boundary-Layer Schemes During A High PM2.5 Episode in A Core City of BTH Region, China. Science of The Total Environment, 765, 142756.
Hogrefe, C., et al. (2011). Impact of Biogenic Emission Uncertainties on the Simulated Response of Ozone and Fine Particulate Matter to Anthropogenic Emission Reductions. Journal of the Air & Waste Management Association, 61(1), 92-108.
Uttamang, P., et al. (2020). A Multi-Scale Model Analysis of Ozone Formation in the Bangkok Metropolitan Region, Thailand. Atmospheric Environment, 229, 117433.
Uttamang, P., et al. (2023). Effects of Biogenic Volatile Organic Compounds and Anthropogenic NOx Emissions on O3 and PM2.5 Formation Over the Northern Region of Thailand. Frontiers in Environmental Science, 11, 1146437.
Emery, C., & Tai, E. (2001). Enhanced Meteorological Modeling and Performance Evaluation for Two Texas Ozone Episodes (Final report). Texas: The Texas Natural Resource Conservation Commission.
Woolfenden, E. A., & McClenny, W. A. (1999). Compendium Method TO-17, Determination of Volatile Organic Compounds in Ambient Air Using Active Sampling onto Sorbent Tubes. Available from https://www.epa.gov/sites/default/files/2019-11/documents/ to-17r.pdf. Accessed date: 3 March 2023.
Chen, D., et al. (2016). Simulations of Sulfate–Nitrate–Ammonium (SNA) Aerosols During the Extreme Haze Events Over Northern China in October 2014. Atmospheric Chemistry and Physics, 16(16), 10707-10724.
Mues, A., et al. (2018). WRF and WRF-Chem v3.5.1 Simulations of Meteorology and Black Carbon Concentrations in the Kathmandu Valley. Geoscientific Model Development, 11(6), 2067–2091.
Mar, K., et al. (2016). Ozone Air Quality Simulations with WRF-Chem (v3.5.1) Over Europe: Model Evaluation and Chemical Mechanism Comparison, Geoscientific Model Development, 9(10), 3699–3728.
Zhang, Y., et al. (2013). Application of WRF/Chem-MADRID and WRF/Polyphemus in Europe – Part 1: Model Description, Evaluation of Meteorological Predictions, and Aerosol-Meteorology Interactions, Atmospheric Chemistry and Physics, 13(14), 6807–6843.
Tsimpidi, A. P., et al. (2008). Response of Fine Particulate Matter to Emission Changes of Oxides of Nitrogen and Anthropogenic Volatile Organic Compounds in the Eastern United States. Journal of the Air & Waste Management Association, 58(11), 1463-1473.
Wang Y., et al. (2013). Sulfate-Nitrate-Ammonium Aerosols Over China: Response to 2000–2015 Emission Changes of Sulfur Dioxide, Nitrogen Oxides, and Ammonia. Atmospheric Chemistry and Physics, 13(5), 2635–2652.
Ling, Z., et al. (2020). Formation and Sink of Glyoxal and Methylglyoxal in a Polluted Subtropical Environment: Observation-Based Photochemical Analysis and Impact Evaluation. Atmospheric Chemistry and Physics, 20, 11451-11467.
Knote, C., et al. (2014). Simulation of Semi-Explicit Mechanisms of SOA Formation from Glyoxal in Aerosol in A 3-D Model. Atmospheric Chemistry and Physics, 14(12), 6213-6239.
Tan, F., et al. (2024). Hygroscopic Behavior and Aerosol Chemistry of Atmospheric Particles Containing Organic Acids and Inorganic Salts. npj Climate and Atmospheric Science, 7, 203.
