Influence of modeling conditions on the estimation of the dry deposition velocity of aerosols on highly inhomogeneous surfaces

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

An approach to estimating the dry deposition velocity of aerosol particles on the surfaces of Arctic regions, where snow-covered surfaces, open water surface, tundra and coniferous forest predominate, is proposed and numerically investigated. Optimal modeling conditions are proposed, taking into account the characteristic sizes and densities of aerosol particles involved in transport in the planetary boundary layer, and the interaction of air flows with the surface through the parameter u*, calculated using the WRF-ARW model. The proposed approach is compared with other known models and experimental data. The dependence of the dry deposition velocity obtained by the proposed approach on the diameter, density of aerosol particles and dynamic velocity u* for the surfaces in the Far North is estimated.

Full Text

Restricted Access

About the authors

D. А. Pripachkin

IBRAE RAS; NRNU “MEPhI“

Author for correspondence.
Email: dmrwer@mail.ru
Russian Federation, 115191, Moscow, Bolshaya Tulskaya str., 52; 115409, Moscow, Kashirskoe Highway, 31

V. L. Vysotsky

IBRAE RAS

Email: dmrwer@mail.ru
Russian Federation, 115191, Moscow, Bolshaya Tulskaya str., 52

A. K. Budyka

NRNU “MEPhI“

Email: dmrwer@mail.ru
Russian Federation, 115409, Moscow, Kashirskoe Highway, 31

References

  1. Алоян А.Е. Моделирование динамики и кинетики газовых примесей и аэрозолей в атмосфере. М.: Наука, 2008. 415 с.
  2. Берлянд М.Е. Современные проблемы атмосферной диффузии загрязнения атмосферы. Л.: Гидрометеоиздат, 1975. 448 с.
  3. Будыка А.К., Припачкин Д.А. Радиоактивные аэрозоли. Начальные сведения. Учебное пособие. М.: НИЯУ МИФИ, 2022. 96 с.
  4. Волков В.А. Коллоидная химия. Поверхностные явления и дисперсные системы: учебник. СПб.: Лань, 2022. 672 с.
  5. Гусев Н.Г., Беляев В.А. Радиоактивные выбросы в биосфере: Справочник. М.: Энергоатомиздат, 1991. 256 с.
  6. Колмогоров А.Н. О логарифмически-нормальном законе распределения размеров частиц при дроблении // Докл. АН СССР. 1941. Т. 31. C. 99–101.
  7. Монин А.С., Обухов А.М. Основные закономерности турбулентного перемешивания в приземном слое атмосферы // Тр. Геофиз. ин-та АН СССР. 1954. Т. 24. С. 163–187.
  8. Метеорология и атомная энергия / Под ред. Н.Л. Бызовой. Л.: Гидрометеоиздат, 1971. 648 с.
  9. Методика расчета рассеяния загрязняющих веществ в атмосфере при аварийных выбросах. Обнинск. РД 52.18.717-2009. 2009. 121 с.
  10. Огородников Б.И., Скитович В.И., Будыка А.К. Дисперсный состав искусственных и естественных радиоактивных аэрозолей в 30-км зоне ЧАЭС в 1986–1996 гг. // Радиационная биология. Радиоэкология. 1998. Т.38. № 6. С. 889–892.
  11. Пискунов В.Н. Динамика аэрозолей. М.: Физматлит, 2010. 296 с.
  12. Саркисов А.А., Антипов С.В., Высоцкий В.Л. и др. Радиационные и радиоэкологические последствия гипотетической ядерной аварии на атомном объекте в районе расположения ФГУП “Атомфлот” // Атомная энергия. 2022. Т. 133. № 4. С. 229–238.
  13. Baklanov A., Sorensen J.H. Parameterization of radionuclide deposition in atmospheric long-range transport modelling // Phys. Chem. Earth. (B). 2001. V. 26. №. 10. P. 787–799.
  14. Brioude J., Arnold D., Stohl A. et al. The Lagrangian particle dispersion model FLEXPART-WRF version 3.1 // Geosci. Model Dev. 2013 V. 6. P. 1889–1904.
  15. Dorrian M.-D., Bailey M.R. Particle size distributions of radioactive aerosols in workplaces // Radiat. Prot. Dosimetry. 1995. V. 60. № 2. P. 119–133.
  16. Farmer D.K., Boedicker E.K., DeBolt H.M. Dry deposition of atmospheric aerosols: approaches, observations, and mechanism // Annu. Rev. Phys. Chem. 2021. V. 72. P. 375–97.
  17. Garger E.K. The rate of dry deposition of radioactive substances of Chernobyl origin according to observations // Problemi Bezpeki Atomnikh Elektrostantsyij yi Chornob. 2018. V. 31. P. 85–103.
  18. Giardina M., Buffa P. A new approach for modeling dry deposition velocity of particles // Atmos. Environ. 2018. V. 180. P. 11–22.
  19. Kharchenko A.I. Parametrization of dry deposition velocity in the atmospheric surface layer // J. Aerosol Sci. 1997. V. 28. P. 589–590.
  20. Moroz B.E., Beck H.L., Bouville A. et al. Predictions of dispersion and deposition of fallout from nuclear testing using the NOAA-HYSPLIT meteorological model. Health Phys. 2010. V. 99. № 2. P. 252–269.
  21. Müller H. ECOSYS-87. A dynamic model for assessing radiological consequences of nuclear accidents // Health Physics. 1993. V. 64. № 3. P. 232–252.
  22. Peters K.K. Modelling the dry deposition velocity of aerosol particles to a spruce forest // Atmospheric Environment. 1992. V. 21. P. 2555–2564.
  23. Petroff A., Zhang L. Development and validation of a size-resolved particle dry deposition scheme for application in aerosol transport models // Geosci. Model Dev. 2010. V. 3. P. 753–69.
  24. Report 2009. Technical Analysis of Dry Deposition. Department of Energy Washington, DC 20585, 2010. 13 p.
  25. Sehmel G.A. Particle and gas dry deposition: a review // Atmos. Environ. 1980. V. 14. P. 983–1011.
  26. Skamarock W.C., Klemp J.B., Dudhia J. et al. Description of the Advanced Research WRF Version 3. NCAR Technical Note NCAR/TN-475+STR. 2008. 520 p.
  27. Slinn W.G.N. Parameterization for resuspension and for Wet and Dry Deposition of Particles and Gases for Use in Radiation Dose Calculations // Nucl. Safety. 1978. V. 19. № 2. P. 205–219.
  28. Slinn S.A. Prediction for particle deposition on natural waters // Atmos. Environ. 1980. V. 14. P. 1013–1016.
  29. Zhang L., Gong S., Padro J. et al. A size-segregated particle dry deposition scheme for an atmospheric aerosol model // Atmos. Environ. 2001. V. 35. P. 549–560.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. The distance X traveled by aerosol particles before they are completely deposited on the surface at wind speeds of 1 m/s, particle density of 2.5 g/cm3 (— 1) and 5 g/cm3 (---2) and 5 m/s, particle density of 2.5 g/cm3 (— 3) and 5 g/cm3 (---4).

Download (78KB)
Indexing metadata
3. Fig. 2. Dependence of the dynamic velocity u* on the roughness parameter z0 in the WRF-ARW model (calculation results (X) and approximation (···) according to formula (2).

Download (63KB)
Indexing metadata
4. Fig. 3. Results of estimating the dry deposition rate Vd of aerosol particles on water (a) and snow-covered surfaces (b), obtained under the following conditions: 2, 4 – calculation using formula (7), 1, 3 – data from [Giardina et al., 2018] at u* = 0.10 and 0.14 m/s, respectively.

Download (87KB)
Indexing metadata
5. Fig. 4. Results of estimating the dry deposition rate Vd of aerosol particles on surfaces covered with vegetation: tundra (a) and coniferous forest (b). 2, 4 – calculation using formula (7); 1, 3 – data from [Giardina et al., 2018] at u* = 0.5 and 1.5 m/s, respectively.

Download (88KB)
Indexing metadata
6. Fig. 5. Dry sedimentation velocity Vd from particle diameter d with changing u* (a) and ρp (b) for a water surface (1, 2 – u* = 0.03 and 0.25 m/s for ρp = 2.5 g/cm3; 3, 4, 5 – ρp = 1, 2.5, 5 g/cm3 for u* = 0.1 m/s).

Download (107KB)
Indexing metadata
7. Fig. 6. Dry deposition velocity Vd from particle diameter d with changing u* (a) and ρp (b) for a surface covered with snow (1, 2 – u* = 0.5 and 0.8 m/s for ρp = 2.5 g/cm3; 3, 4, 5 – ρp = 1, 2.5, 5 g/cm3 for u* = 0.5 m/s).

Download (109KB)
Indexing metadata
8. Fig. 7. Dry sedimentation velocity Vd from particle diameter d with changing u* (a) and ρp (b) for tundra (1, 2 – u* = 0.5 and 1 m/s for ρp = 2.5 g/cm3; 3, 4, 5 – ρp = 1, 2.5, 5 g/cm3 for u* = 0.75 m/s).

Download (107KB)
Indexing metadata
9. Fig. 8. Dry sedimentation velocity Vd from particle diameter d with changing u* (a) and ρp (b) for coniferous forest (1, 2 – u* = 0.8 and 1.5 m/s for ρp = 2.5 g/cm3; 3, 4, 5 – ρp = 1, 2.5, 5 g/cm3 for u* = 1 m/s).

Download (110KB)
Indexing metadata


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».