Predicción de la Dispersión Atmosférica de Odorantes en el entorno de una Planta de Pasta de Celulosa

sesion04 cartelle04   Tradicionalmente, las plantas de fabricación de pasta de celulosa mediante el proceso Kraft presentan emisiones de odorantes TRS (azufre reducido total); este es el caso de la planta ENCE-Pontevedra.

   En este trabajo se presenta el sistema operacional PrOlor de predicción de la dispersión atmosférica de odorantes, basado en los modelos WRF/CALMET/CALPUFF, y se aplica a la prevención de eventos esporádicos de olor en el entorno de dicha planta.

D. Cartelle 1*, J.M. Vellón 1, A. Rodríguez 1,2, D. Valiño 1,2, J.A. González 2, M. Bao 2 y C. Casas 3

1. Troposfera Soluciones Sostenibles, c/ Real, 127, 15401 Ferrol, A Coruña, España. david.cartelle@troposfera.es
2. Departamento de Ingeniería Química, Universidad de Santiago de Compostela, 15782 Santiago de Compostela, España. ja.souto@usc.es
3. ENCE-Pontevedra, Avda. de Marín, Pontevedra, España

 

   Conflictos de interés: El autor declara que no existe conflicto de intereses.

   Editor académico: Carlos N Díaz.

   Calidad del contenido: Este artículo científico ha sido revisado por al menos dos revisores. Vea el comité científico aquí

   Cita: D. Cartelle, J.M. Vellón, A. Rodríguez, D. Valiño, J.A. González, M. Bao y C. Casas, Predicción de la dispersión atmosférica de odorantes en el entorno de una planta de pasta de celulosa, III Conferencia Internacional sobres gestión de Olores en el Medio Ambiente, Bilbao, España, www.olores.org

   Copyright: Los autores retienen la propiedad del copyright de sus artículos, pero los autores permiten a cualquier persona descargar, reusar, reimprimir, modificar, distribuir y/o copiar artículos del sitio web de olores.org, siempre que se citen los autores originales y las fuentes. No es necesario permiso específico de los autores o de los editores de esta web.

   ISBN: 978-84-608-2262-2.

   Palabras clave: Odorantes, Azufre Reducido Total (TRS), Pasta de Papel, Predicción de Dispersión Atmosférica.

Descargar presentación

Vídeo

 

Resumen

   El control de eventos de olor derivados de la presencia de odorantes con un bajo umbral de percepción, como el H2S, presentan una dificultad severa, al ser detectables en concentraciones muy bajas. Bajas emisiones de odorantes inocuas para la salud pueden derivar en eventos de olor, muy condicionados por la meteorología cambiante.

   Tradicionalmente, las plantas de fabricación de pasta de celulosa mediante el proceso Kraft presentan emisiones de odorantes TRS (azufre reducido total); este es el caso de la planta ENCE-Pontevedra.

   En este trabajo se presenta el sistema operacional PrOlor de predicción de la dispersión atmosférica de odorantes, basado en los modelos WRF/CALMET/CALPUFF, y se aplica a la prevención de eventos esporádicos de olor en el entorno de dicha planta. Los resultados de PrOlor están siendo validados cualitativamente mediante su comparación frente a un registro de eventos esporádicos de olor a partir de observaciones cualitativas. En cuatro meses, PrOlor fue capaz de predecir casi todos los eventos esporádicos de olor registrados.

1. Introducción

   Tradicionalmente, las plantas de fabricación de pasta de celulosa mediante el proceso Kraft presentan emisiones de especies odorantes incluidas dentro de los TRS (azufre reducido total); aunque dichas emisiones resulten inocuas para la salud y el medio, su bajo umbral de olor puede derivar en molestias en el entorno. En actividades potencialmente olorosas, el uso de modelos atmosféricos puede ayudar a prevenir dichos eventos (Carrera-Chapela et al., 2014).

   La planta de ENCE en Pontevedra ha acometido en los últimos años diversas inversiones en sus instalaciones productivas para la reducción sistemática de sus emisiones de TRS, con el fin de evitar cualquier olor persistente en su entorno. Pero, debido a la alta variabilidad meteorológica, existe la posibilidad de aparición de eventos esporádicos de olor de muy corta duración (minutos).

   Para prevenir dichos eventos, en este trabajo se presenta el sistema PrOlor, de predicción de eventos de olor con origen en focos emisores caracterizados.

2. El Sistema PrOlor

   PrOlor es un sistema de pronóstico de olores, operativo e innovador. Permite actuar en las condiciones de operación de la fuente emisora de olores, con antelación de hasta 72 horas. Es capaz de ejecutarse en tiempo real, asimilando los datos de emisiones a tiempo real y ejecutándose cada hora para poder conocer las concentraciones de olor futuras con las emisiones actuales. Facilita la incorporación de nuevas fuentes emisoras o nuevas condiciones de emisión. Y, con el desarrollo de una interfaz para smartphones, es posible consultar desde el móvil el olor previsto en nuestra ubicación geográfica y las zonas previstas de superación del umbral de olor.

sesion04 cartelle01Figura 1. Diagrama de flujo general del Sistema PrOlor.

sesion04 cartelle02Figura 2. Dominios anidados utilizados con el modelo meteorológico WRF.

   PrOlor está basado en el sistema de modelos WRF/CALMET/CALPUFF, sobre plataforma Linux, con los siguientes módulos:

  1. Generación de pronósticos meteorológicos con el modelo de mesoescala WRF.
  2. Downscalling meteorológico con CALMET hasta 250 m.
  3. Ejecución de CALPUFF.
  4. Explotación de datos en formato netCDF: graficación, creación de ficheros de datos, generación de ficheros kml (google earth). Archivación “en la nube” y explotación mediante web y móvil (app android/IOS).

   El diagrama de flujo de modelos del Sistema PrOlor se muestra en la Figura 1. Se basa en el modelo lagrangiano de calidad del aire CALPUFF (Scire et al., 2000b), que posee un módulo meteorológico propio, denominado CALMET (Scire et al., 2000a), que puede ser alimentado por datos meteorológicos de estaciones de superficie y altura o por resultados de otros modelos meteorológicos. En PrOlor, CALMET se alimenta de los estos resultados del modelo meteorológico WRF (versión ARW) (Skamarock y Klemp, 2008), que es ejecutado sobre los dominios mostrados en la Figura 2: D1, D2, y D3, de 27, 9 y 3 km2 de resolución horizontal, respectivamente.

   Además, el modelo CALPUFF integra un módulo de terreno, que incluye datos de usos del suelo y un modelo digital de terreno de la zona de estudio. Sobre los dominios D2 y D3 (Figura 2) se utilizan los datos topográficos de LIDAR del CNIG, con una resolución de 5 m, y sobre el dominio D1 los obtenidos en la misión SRTM3 (Shuttle Radar Topography Mission), de 90 m de resolución. Los datos de usos de suelo se obtienen a partir del GLCC (Global Land Cover Characterization), con una resolución de 300 m, conteniendo 22 clases de usos de suelo definidos según el LCSS (Land Cover Classification System).

   En PrOlor se ejecuta diariamente el modelo WRF para un horizonte temporal de 48‑72 h, inicializado a partir de los datos del modelo GFS del National Center for Environmental Prediction (NCEP). Partiendo de condiciones a escala sinóptica del FNL, se sigue un patrón de dominios anidados hasta obtener un dominio de modelado a alta resolución (3 km), centrado sobre el NW de la península ibérica, obteniendo datos horarios de más de 20 parámetros meteorológicos a 27 niveles de altura.

   Una vez terminado este proceso, se ejecuta el modelo CALMET 3D para alcanzar el “downscalling” meteorológico - aumento de la resolución de la salida del modelo WRF – hasta los 250 m de resolución horizontal, y posteriormente se ejecuta el modelo CALPUFF. Además del incremento de la resolución horizontal, se emplea unaalta resolución vertical con CALMET y CALPUFF en PrOlor, de 12 niveles (González et al., 2014): 0, 20, 40, 79, 176, 290, 439, 640, 1180, 1580, 2062, 3354 y 4162 m.

   De manera singular, PrOlor permite la consideración de distintas velocidades de descomposición de cada odorante dependiendo de su reactividad química. En consecuencia, CALPUFF simula la dispersión de los odorantes químicos, derivándose el olor mediante la aplicación de la ley de Stevens para H2S (Gostelowm et al., 2001).

   Además, el Sistema PrOlor es capaz de predecir directamente episodios de olor persistente (horas) y eventos de olor de corta duración. Para valores subhorarios se aplica una Relación de Máximo al Promedio (peak to mean ratio) (Smith, 1973; Piringer et al., 2012),sesion04 cartelle05   donde Cp es la concentración promedio, Cm es la concentración minutal “pico”, Tm es el tiempo de integración de la concentración Cp, Tp es el periodo de integración del “pico” y U es un exponente que depende de la estabilidad atmosférica.

3. Resultados

   En este apartado se resumen los resultados de validación del Sistema PrOlor en el entorno de Pontevedra, donde se encuentra ubicada la planta de producción de pasta de papel de la empresa ENCE: validación meteorológica cuantitativa y validación cualitativa de eventos de olor de muy corta duración.

   Para la validación meteorológica cuantitativa de las previsiones de velocidad y dirección de viento, temperatura en superficie y humedad relativa de los modelos WRF y CALMET (alimentado por WRF) se han considerado las medidas horarias en el período 1/4/2014‑31/8/2014de cuatro estaciones meteorológicas: Castrove, Lourizán y Areeiro (sin medida de viento) (MeteoGalicia, Xunta de Galicia) y Mourente (AEMET). Los estadísticos se calcularon con el software libre R y su módulo Openair (Carslaw y Ropkins, 2012), calculándose rosas de vientos, distintos parámetros estadísticos (Chang and Hanna, 2004; y Emery et al., 2001), diagramas de cuantiles y de Taylor.

Tabla 1. Resultados estadísticos correspondientes a las modelizaciones de velocidad de viento en superficie con los modelos WRF y CALMET frente a medidas horarias de la estación de Castrove.

Modelo

n

FAC2

MB

MGE

NMB

NMGE

RMSE

r

COE

IOA

WRF

3672

0,60

-0,25

2,15

-0,07

0,57

2,96

0,32

0,03

0,52

CALMET

3672

0,77

-0,37

1,46

-0,10

0,39

2,03

0,73

0,34

0,67

 sesion04 cartelle03Figura 3. Rosas de los vientos (a) medida, (b) calculadas por el modelo WRF y (c) calculada por el modelo CALMET, sobre la estación de Castrove.

   En general, para todos los parámetros meteorológicos en superficie los estadísticos de los resultados de CALMET frente a las medidas disponibles son comparables a los obtenidos porEmery et al. (2001) y Chang y Chang (2000).

   Así, analizadas las rosas de vientos medidas solo la estación de Castrove(Figura 3) presenta un patrón representativo del dominio, ya que existen apantallamientos locales en las estaciones de Lourizán y Mourente.En Castrove (Figura 3) el modelo WRF obtiene una rosa de vientos con ligeras desviaciones de los flujos predominantes, en tanto que el CALMET reproduce mejor la rosa medida. En ambos casos los modelos subestiman el viento en superficie (Tabla 1), si bien sus estadísticos están dentro de los rangos recomendados por Emery et al. (2001).

Tabla 2. Resultados estadísticos correspondientes a las modelizaciones de temperatura en superficie con los modelos WRF y CALMET frente a medidas horarias en las cuatro estaciones meteorológicas existentes.

 

 

WRF

Estación

n

FAC2

MB

MGE

NMB

NMGE

RMSE

r

COE

IOA

Areeiro

3672

1,00

0,68

1,48

0,04

0,09

1,99

0,91

0,59

0,80

Castrove

3672

1,00

1,68

2,04

0,11

0,13

2,37

0,94

0,47

0,73

Lourizán

3672

1,00

0,30

1,80

0,02

0,10

2,38

0,87

0,54

0,77

Mourente

3672

1,00

-0,85

1,76

-0,05

0,10

2,09

0,91

0,52

0,76

 

 

CALMET

 

Areeiro

3672

1,00

-0,41

1,61

-0,02

0,09

2,07

0,89

0,55

0,78

Castrove

3672

1,00

0,30

1,18

0,02

0,07

1,49

0,95

0,69

0,85

Lourizán

3672

1,00

-0,47

1,89

-0,03

0,11

2,42

0,87

0,51

0,76

Mourente

3672

1,00

0,05

1,33

0,00

0,08

1,79

0,92

0,64

0,82

   En cuanto a la temperatura en superficie, el modelo CALMET también ofrece mejores resultados que el modelo WRF (Tabla 2), cumpliendo en la mayor parte de los casos los criterios establecidos por Emery et al. (2001).

   Para la validación cualitativa del olor previsto, se ha instaurado un registro de olor cualitativo en el entorno, y en el período Mayo-Ago sto 2014 solo se han registrado eventos de corta duración. Para la comparación con los resultados del sistema PrOlor se ha elegido como odorante trazador el H2S, al ser el predominante tanto en concentración como en impacto sobre el olor. De los 34 eventos de corta duración registrados, 32 fueron predichos por el sistema PrOlor; si bien no se ha podido ajustar la magnitud de las mismas.

4. Conclusiones

   Se ha implantado en el entorno de Pontevedra el sistema PrOlor para la predicción de eventos de olor, basado en modelos meteorológicos y de calidad del aire, considerando las emisiones de TRS de la planta ENCE-Pontevedra. Las condiciones meteorológicas resultan especialmente relevantes en la aparición de eventos, todos de muy corta duración, por lo que se ha realizado una validación de los modelos WRF y CALMET, encontrando concordancias estándar con las medidas en superficie disponibles. La comparación de los eventos registrados mediante observación cualitativa frente a los predichos por PrOlor durante 5 meses hallevado a un total de 32 eventos predichos de los 34 registrados.

5. Agradecimientos

   Los datos meteorológicos de Castrove, Lourizán y Areeirose han descargadowww.meteogalicia.es (Xunta de Galicia). Los datos meteorológicos de Mourente han sido suministrados por AEMET. La validación meteorológica se ha desarrollado dentro del Trabajo Fin de Máster en Ingeniería Ambiental de D. Valiño, Universidad de Santiago de Compostela.Este trabajo ha sido desarrollado en el marco de los contratos financiados por ENCE‑Pontevedra para la reducción del impacto oloroso en su entorno.

6. Referencias

- Carrera-Chapela, F., Donoso-Bravo, A., Souto, J.A., Ruiz-Filippi, G. 2014. Modeling the Odor Generation in WWTP: An Integrated Approach Review.Water Air Soil Pollut.,225:1932. DOI 10.1007/s11270-014-1932-y

- Carslaw, D.C. y Ropkins, K. 2012. Openair — an R package for air quality data analysis. Environmental Modelling & Software, 27-28, 52-61.

- Chang, C.-Y. y Chang L.Y. 2000. Effect of meteorology and air pollutant transport on ozone episodes at a subtropical coastal Asian city, Hong Kong. Journal of Geophysical Research Atmospheres, 105 (D16), 20707–20724.

- Chang, J.C. y Hanna, S.R. 2004. Air quality model performance evaluation. Meteorology and Atmospheric Physics, 87, 167-196.

- Emery, C.A., Tai, E. y Yarwood, G. 2001. Enhanced Meteorological Modeling and Performance Evaluation for Two Texas Ozone Episodes. Prepared for the Texas Natural Resource Conservation Commission, by ENVIRON International Corp, Novato, CA.

- Gonzalez, J.A., Hernandez-Garces, A., Rodriguez, A., Saavedra, S., Casares, J.J. 2014. A comparison of different WRF-CALMET simulations against surface and PBL rawinsonde data.16th International Conference on Harmonisation within Atmospheric Dispersion Modelling for Regulatory Purposes.8-11 September 2014, Varna, Bulgaria.

- Gostelowm, P., Parsons, S.A. y Stuetzm, R.M. 2001.Wat. Res., 35 (3), 579-597.

- Piringer, M., Werner, K., Petz, E. y Knauder, W. 2012. Comparison of two peak-to-mean approaches for use in odour dispersion models. Water Science & Technology, 66(7), 1498-1501.

- Scire, J.S., Robe, F.R., Fernau, M.E. y Yamartino, R.J. 2000a. A User’s Guide for the CALMET meteorological model. Earth Tech, Inc., Concord, MA 01742.

- Scire, J.S., Strimaitis, D.G., M.E. y Yamartino, R.J. 2000b. A User’s Guide for the CALPUFF dispersion model. Earth Tech, Inc., Concord, MA 01742.

- Skamarock, W. C. y Klemp, J.B. 2008.A time-split nonhydrostatic atmospheric model for weather research and forecasting applications.Journal of Computational Physics, 227(7), 3465-3485.

- Smith, M. E. 1973. Recommended Guide for the Prediction of the Dispersion of Airborne Effluents. ASME, N.Y.

Cyntia Izquierdo

Todo el contenido en esta web está sujeto a la Licencia de Acceso Abierto.