Faktor-faktor yang mempengaruhi jarak pemisahan terhadap bau jengkel dihitung dengan

Gaussian dan Lagrangian model dispersi

Martin Piringer sebuah, *, Werner Knauder sebuah, Erwin Petz sebuah, Günther Schauberger b
Institut
Central Meteorologi dan geodinamika, Hohe Warte 38, A-1190, Wina, Austria b WG Kesehatan Lingkungan, Departemen Ilmu
Biomedis, Universitas Kedokteran Hewan Wina, Veterin ̈arplatz 1, A-1210, Wina, Austria
menyoroti
Austria algoritma puncak ke-rata diterapkan pada Gaussian dan model Lagrangian. Stabilitas atmosfer disimpulkan dari
pengukuran anemometer ultrasonik. Spesifik lokasi puncak ke-rata faktor dibandingkan dan dibahas. Jarak pemisahan untuk dua
situs dan dengan dua model dibandingkan dan dibahas. Temuan terkait dengan kriteria dampak bau Austria.
articleinfo
Pasal sejarah: Diterima 25 Februari 2016 Diterima dalam bentuk direvisi 25 Mei 2016 Diterima 27 Mei 2016 Tersedia online 27
Mei 2016
Kata Kunci: Bau Stabilitas kelas puncak ke-rata jarak faktor Pemisahan Ultrasonic anemometer
abstrak
Direction tergantung jarak pemisahan untuk menghindari bau jengkel, dihitung dengan Gaussian Austria Bau Dispersion Model
AODM dan Lagrangian difusi partikel Model LASAT di dua lokasi, dianalisis dan dibandingkan. Konsentrasi puncak bau jangka
pendek yang relevan dihitung dengan algoritma puncak ke-rata stabilitas tergantung. Emisi yang sama dan data meteorologi,
tetapi kelas stabilitas model- spesifik atmosfer yang digunakan. Estimasi stabilitas atmosfer diperoleh dari tiga sumbu
anemometer ultrasonik menggunakan standar deviasi dari tiga komponen angin dan Obukhov parameter stabilitas. Hasilnya
menunjukkan untuk desa-desa Austria Reidling dan Weissbach dengan lingkungan topografi yang sangat berbeda dan kondisi
meteorologi. Kedua perbedaan angin dan stabilitas rezim serta penurunan faktor puncak ke-rata dengan timbal jarak ke
penyimpangan dalam jarak pemisahan antara dua lokasi. Model Lagrangian, karena model fisika yang, umumnya menghitung
jarak pemisahan yang lebih besar. Untuk perhitungan terburuk perlu dengan studi analisis dampak lingkungan, penggunaan
model Lagrangian karena itu akan lebih disukai daripada yang dari model Gaussian. Studi dan temuan berhubungan dengan
kriteria dampak bau Austria. © 2016 Penulis (s). Diterbitkan oleh Elsevier Ltd Ini adalah artikel akses terbuka di bawah CC
BY-NC-ND lisensi (http://creativecommons.org/licenses/by-nc-nd/4.0/).
1.Pendahuluan
modelDispersion biasanya menghitung konsentrasi ambien melalui integrasi waktu hingga satu jam. Bila diterapkan terhadap
aroma polusi, modifikasi diperlukan untuk entah bagaimana menjelaskan kemampuan hidung manusia untuk memahami bau
dalam satu napas; dengan kata lain, konsep puncak ke-rata yang dibutuhkan. Model memodi- fikasi dengan cara ini kemudian
dapat menghitung jarak pemisahan untuk disebut kriteria dampak bau, kombinasi bau
konsentrasi(kebanyakan ambang bau) dan probabilitas ceedence mantan pra-dipilih sesuai dengan penggunaan lahan. Gambaran
dari berbagai kriteria dampak bau nasional dapat ditemukan di Sommer-Quabach et al. (2014).
Schauberger et al. (2012) menunjukkan bahwa faktor puncak ke-rata tergantung pada beberapa parameter, seperti stabilitas
lingkungan, intermittency, waktu tempuh atmo- atau jarak dari sumber. Ada hubungan linear antara faktor puncak ke-rata dan
intensitas fluktuasi kuadrat (Lung et al., 2002). Intensitas fluktuasi dan dengan demikian puncak-ke-rata faktor penurunan dengan
waktu tempuh dan karena jarak dari sumber (mylne, 1990). The
* Penulis Sesuai.
Alamat E-mail: martin.piringer@zamg.ac.at (M. Piringer).
asumsi faktor puncak ke-rata konstan di garis panduan Jerman TA Luft (2002) oleh karena itu hanya dapat digunakan
sebagaisangat kasar
Lingkungan Atmospheric140 (2016) 69e83
Isi daftar tersedia diScienceDirect

Atmosfer
situs jurnalLingkungan:www.elsevier .com / cari / atmosenv
http://dx.doi.org/10.1016/j.atmosenv.2016.05.056 1352-2310 / © 2016 Penulis (s). Diterbitkan oleh Elsevier Ltd Ini adalah
artikel akses terbuka di bawah CC BY-NC-ND lisensi (http://creativecommons.org/licenses/by-nc-nd/4.0/).
memperkirakan.
Konsep Austria untuk menentukan jangka pendek centrations puncak con diperlukan untuk penilaian persepsi bau adalah, dalam
versi terbaru, dijelaskan dalam Piringer et al. (2014) dan dirangkum di sini dalam Bagian 2.1. Untuk pengetahuan penulis, ini
adalah satu-satunya pendekatan di mana faktor-faktor puncak ke-rata tergantung pada stabilitas atmosfer; Algoritma ini
digunakan dalam Austria Bau Dispersion Model (AODM), model Gaussian Austria peraturan, dan dengan Jerman Lagrangian
Model LASAT (Piringer et al., 2015). Kopling algoritma untuk LASAT dirangsang oleh lebih luas penerapan dari model
Gaussian. Model Lagrangian diterapkan juga di daerah built-up atau medan cukup orografis. Yang sesuai berarti untuk
menggambarkan efek dari sumber bau pada daerah pemukiman sekitarnya adalah pemisahan jarak dimaksudkan untuk mencakup
area di mana bau dapat menyebabkan gangguan. Ketika sumber bau baru direncanakan, perhitungan jarak pemisahan dapat
membantu untuk menghindari bau jengkel dan keluhan. Arah tergantung jarak pemisahan membagi daerah sekitar sumber di
zona yang dilindungi dari gangguan dan zona dekat daripada jarak pemisahan mana gangguan dapat diharapkan. Tingkat
keamanan tergantung pada kategori penggunaan lahan; semakin tinggi tingkat perlindungan, semakin jauh jarak pemisahan
(Schauberger dan Piringer 2015).
Dalam penelitian ini, jarak pemisahan ditentukan kriteria dampak bau Austria memungkinkan suatu terlampaui dari ambang
bau oleh 3% (tingkat perlindungan yang tinggi) atau 8% (tingkat yang lebih rendah dari perlindungan, lihat Bagian 3.3).
Peraturan Austria adalah ketat daripada yang luas dari Jerman GADIS regulasi bau (2008) yang memungkinkan 10 atau 15%,
tergantung pada tingkat perlindungan. Implikasi dari peraturan Jerman dibandingkan dengan yang Austria secara singkat dibahas
dalam Bagian 4. jarak pemisahan diperoleh algoritma dijelaskan dalam Bagian 2.1 tergantung pada kondisi meteorologi lokal dan
pada faktor-faktor puncak ke-rata.
Fokus di sini adalah pada analisis rinci dari tances pemisahan dis antara dua situs dengan lingkungan yang sangat berbeda. Di
setiap situs, satu tahun time series data meteorologi setengah jam dari tiga sumbu anemometer ultrasonik tersedia. Mereka
memberikan tidak hanya informasi angin yang diperlukan, tetapi juga stabilitas atmosfer melalui hanya satu parameter, yaitu
panjang Obukhov atau kebalikannya, yang Obukhov parameter stabilitas. Rincian akan diberikan dalam Bagian 2.2. Selain itu,
standar deviasi dari tiga angin komponen-komponen yang berasal dari anemometer pengukuran ultrasonik yang sangat penting
untuk penurunan faktor puncak ke-rata dengan jarak dari sumber.
Hasil disajikan dalam Bagian 3. Sub-bagian berurusan dengan angin spesifik lokasi dan informasi stabilitas, perubahan faktor
berarti puncak-ke-dengan jarak, dan jarak tion separa- arah tergantung. Ini diikuti dengan diskusi di Bagian 4, menganalisis dan
generalisasi temuan. Akhirnya, Bagian 5 berisi kesimpulan mereka dan ringkasan singkat.
2. Bahan dan metode
2.1. Model dan konseppuncak ke-rata
Penjelasandari model dispersi digunakan di sini sudah diberikan dalam Piringer et al. (2015); Oleh karena itu, gambaran
singkat diberikan di sini untuk mempertahankan status dari kertas yang berdiri sendiri. Bau Austria Model dispersi (AODM,
Piringer et al, 2007, 2013;.. Schauberger et al, 2000, 2013, 2002) perkiraan berarti konsentrasi ambien oleh model dispersi
peraturan Austria
(Osterreichisches̈ Normeninstitut, 1996; Kolb, 1981) dan mengubah ini untuk instan- nilai spontan tergantung pada stabilitas
atmosfer (Bagian 2.2). Model Gaussian telah divalidasi secara internasional dengan hasil umumnya baik (Pechinger dan Petz,
1995,
1997;.M. Piringer et al / Atmosfer Lingkungan 140 (2016) 69e83 70
Baumann-Stanzer dan Piringer, 2011; Piringer dan Baumann- Stanzer 2009). Model ini menggunakan skema klasifikasi stabilitas
diskrit tradisional dengan parameter dispersi yang dikembangkan oleh Reuter (1970).
Model dispersi LASAT (Janicke Consulting, 2013) lates simu- dispersi dan transportasi dari sampel yang representatif dari
partikel pelacak memanfaatkan proses berjalan acak (Lagrangian simulasi). Ini menghitung pengangkutan zat jejak pasif dalam
atmosfer yang lebih rendah (sampai dengan ketinggian sekitar 2000 m) pada skala lokal dan regional (hingga jarak sekitar 150
km). LASAT biasanya dijalankan dengan skema stabilitas Klug-Manier (TA Luft, 2002). Seperti AODM, LASAT telah
dievaluasi dengan uji set data untuk aplikasi yang berbeda (misalnya Hirtl et al, 2007;. Hirtl dan Baumann- Stanzer, 2007;
Baumann-Stanzer et al, 2008;. Piringer dan Baumann-Stanzer, 2009; Schatzmann et al, 2010;.. Baumann- Stanzer et al, 2015).
Lebih referensi mengenai model evaluasi LASAT dapat ditemukan di www.janicke.de.
Konsep puncak ke-rata di AODM itu, juga dijelaskan dalam Piringer et al. (2014), didasarkan pada hubungan dengan Smith
(1973), di mana puncak-ke-rata faktor j
0
diberikan oleh:
j
0
1/4
CC
mp
1/4

(t
mt

p)
a
(1)
dengan berarti konsentrasi C
m
dihitung untuk waktu integrasi t
m
(1800 s) dan konsentrasi puncak C
p
untuk waktu integrasi t
p (5 s). Eksponen (Tabel 1). Puncak-to-rata maksimum tergantung pada stabilitas atmosfer
faktor j
0
valid dekat sumber bau diberikan juga pada Tabel 1 untuk pendekatan
yang digunakan dalam peraturan Texas (Beychock, 1994).
Pendekatan menghasilkan nilai yang relatif besar dari j
0.
Berikut mylne (1992), diasumsikan bahwa, karena bergolak
pencampuran, faktor peak- ke-rata berkurang dengan meningkatnya jarak dari sumber. Faktor puncak ke-rata yang dihasilkan
ditunjukkan dan dibahas dalam Bagian 3.2. Mylne dan Mason (1991) menganalisis fluktuasi konsentrasi membanggakan dan
mengembangkan hubungan berikut: Faktor puncak ke-rata dalam persamaan (1) dimodifikasi oleh fungsi paparan nential
pelemahan dari T / t
L,
di mana T 1/ 4 x / u adalah waktu perjalanan dengan x jarak dan mean kecepatan angin u,
dan t
L
adalah ukuran skala waktu Lagrangian:
j 1/4 1 þ DJ
0

(À0.7317)
(2)
dimana j
0
À 1Þexp
Tt
L
adalah faktor puncak ke-rata yang diberikan pada Tabel 1. waktu skala t
L
diambil harus sama dengan s2
/ ε mana s2
adalah varian dari kecepatan angin diambil sebagai rata-rata dari tiga angin komponen
u, v dan w, masing-masing:
s2 1/4
(s2

u)
(3)
dan ε adalah tingkat disipasi energi turbulen menggunakan pendekatan berikut:
ε 1/4
13
þ s2 v
þ s2 w
1

(s

w)
3 kz
1,3
(4)
di mana k 1/4 0,4 adalah von Karman konstan dan z 1/4 2 m adalah tinggi reseptor, hidung manusia.
2.2. Skema untuk menentukan stabilitas atmosfer
skema ini disajikan dengan cara yang sama juga di Piringer et al. (2015); Oleh karena itu, garis disingkat disediakan di sini.
Estimasi stabilitas atmosfer diperoleh dengan menggunakan
Tabel 1 Eksponen dan maksimum faktor puncak ke-rata (j
0)
tergantung pada stabilitas atmosfer (Beychock, 1994).
Kelas stabilitas aj
0
2 V Sangat tidak stabil 0,68 54,74 3 IV yang tidak stabil 0,55 25,47 4 Netral 0,43 12,57 III / 2 Netral / hari 0,43 12,57 III / 1
Netral / malam 0,30 5,85 5 Sedikit stabil 0,30 5,85 6 II Stabil 0,18 2,88 7 Saya Sangat stabil 0,18 2.88
standar deviasi dari tiga komponen angin dan Obu- parameter stabilitas khov (OSP, dalam m
A1),
baik dari tiga sumbu UL- pengukuran anemometer trasonic. Tergantung pada skema
stabilitas, nilai-nilai batas yang berbeda digunakan untuk atribusi dari OSP untuk kelas stabilitas tertentu. Skema transformasi
Golder (1972) dikembangkan untuk berhubungan OSP untuk kelas stabilitas Turner (yang Reuter (1970) skema sangat mirip
dengan ini) digunakan di sini untuk AODM (Tabel 2a); LASAT menggunakan skema sendiri transformasi (Tabel 2b)
berdasarkan kelas stabilitas Jerman Klug-Manier (KM) (TA Luft, 2002). Skema Golder (1972) memberikan batasan kelas OSP
dan nilai-nilai perhitungan OSP untuk kelas stabilitas Panjang kekasaran antara 0,01 dan 0,5 m, sedangkan skema LASAT
menunjukkan nilai-nilai ini sampai dengan panjang kekasaran 1,5 m. LASAT, berbeda dengan AODM, dapat menggunakan
nilai-nilai eksplisit parameter sonic yang diturunkan, seperti OSP, sebagai masukan bukan nilai tetap untuk kelas stabilitas,
seperti yang ditunjukkan pada Tabel 2; Kemampuan ini LASAT itu di sini diperhitungkan. Dengan cara ini, juga outlier dalam
kisaran kelas station bility sangat tidak stabil atau sangat stabil digunakan.
Dalam prakteknya, dalam Reuter (1970) skema digunakan dengan AODM, kelas stabilitas 2-7 dapat terjadi di Eropa Tengah.
Kelas stabilitas 2
Tabel 2 Skema untuk mengubah parameter stabilitas Obukhov OSP [m
A1]
untuk kelas stabilitas atmosfer tergantung pada panjang kekasaran lokal z
0
[m]
untuk model Gaussian (AODM) (a) dan model Lagrangian (LASAT) ( b). Untuk AODM, yang Obukhov parameter stabilitas
OSP berubah menjadi kelas stabilitas diskrit menurut Golder (1972). Untuk LASAT, skema transformasi sendiri digunakan.
Stabilitas kelas Kekasaran panjang z
0
[m]
Reuter 0,01 0,02 0,05 0,10 0,20 0,50
a) AODM
7 Sangat stabil 0,080 0,070 0,055 0,050 0,045 0,040 batas Kelas 0,059 0,050 0,039 0,033 0,028 0,025 6 Stabil 0.040 0.030 0.025
0.020 0.017 0.015 batas Kelas 0.020 0.015 0.012 0.010 0,008 0,006 5 Sedikit stabil 0,012 0,010 0,008 0,007 0,006 0,005 batas
Kelas 0,006 0,005 0,005 0,004 0,003 0,002 4 Netral 0,000 0,000 0,000 0,000 0,000 0,000 batas Kelas À0.025 À0.020 À0.016
À0.012 À0.010 À0.005 3 A0 tidak stabil 0,045 batas À0.040 À0.030 À0.025 À0.020 À0.010 Kelas À0.066 À0.060 À0.050
À0.040 À0.030 À0.015 2 Sangat tidak stabil À0.085 À0.080 À0.070 A0 0,060 À0.050 À0.040
Stabilitas panjang kelas Kekasaran z
0
[m]
Klug-Manier 0,01 0,02 0,05 0,10 0,20 0,50 1,00 1,50
b) LASAT
saya sangat stabil 0,175 0,124 0,078 0,055 0,039 0,025 0,017 0,014 batas kelas 0,122 0,087 0,055 0,039 0,027 0,017 0.012 0.010
II Stabil 0,049 0,035 0,022 0,015 0,011 0,007 0,005 0,004 batas Kelas 0,024 0,017 0,011 0,008 0,005 0,003 0,002 0,002 III / 1
Netral / malam 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 batas Kelas À0.017 À0.012 À0.008 À0.006 À0.004 À0.002
À0.002 À0.001 III / 2 Netral / hari À0.041 À0.029 À0.018 À0.013 À0.009 À0.006 À0.004 À0.003 Kelas membatasi À0.061
À0.043 batas À0.027 À0.019 À0.014 À0.009 À0.006 À0.005 IV yang tidak stabil À0.082 À0.058 À0.037 À0.026 À0.018
À0.012 À0.008 À0.007 Kelas À0.122 A0 0,087 À0.055 À0.039 À0.027 À0.017 À0.012 À0.010 V Sangat tidak stabil À0.175
À0.124 À0.078 À0.055 À0.039 À0.025 À0.017 À0.014
M. Piringer et al. / Atmosfer Lingkungan 140 (2016) 69e83 71
dan 3 terjadi pada siang hari di lapisan batas tercampur, kelas 3 memungkinkan juga untuk kasus kecepatan angin tinggi dan
awan moderat. Stabilitas kelas 4 adalah perwakilan untuk kondisi berawan dan / atau berangin termasuk curah hujan atau kabut
dan dapat terjadi siang dan malam. Kelas stabilitas 5-7 terjadi pada malam hari, stabilitas statis meningkat dengan jumlah kelas.
Kelas Klug-Manier digunakan dengan LASAT diberi nomor dari I ke V dan diklasifikasikan menurut stabilitas atmosfer
sebagai berikut:
Stabilitas kelas V dan IV terdiri kondisi sangat tidak stabil dan tidak stabil, yang berarti baik pencampuran vertikal dalam lapisan
batas. Mereka tidak terjadi selama malam hari. Kelas V terjadi hanya tween Mei dan September. Stabilitas kelas III / 2 dan III / 1
diklasifikasikan sebagai netral. III / 2 kadang-curs terutama di siang hari, III / 1 terutama pada waktu malam-dan selama matahari
terbit dan terbenam. Kelas-kelas ini khas untuk berawan dan / atau kondisi berangin. Kelas stabilitas II dan I terdiri
kondisi-kondisi yang stabil dan sangat stabil, sebagian besar, tapi tidak secara eksklusif di malam hari. Mereka terjadi dengan
mengurangi pencampuran vertikal; transportasi horisontal lebih jarak yang panjang adalah mungkin.
2.3. Deskripsi situs dan emisi
Penyelidikan telah dilakukan di dua lokasi yang sangat berbeda (Gambar. 1) di mana satu tahun terus menerus set data
pengukuran anemometer ultrasonik tersedia. Salah satunya adalah Reidling, barat Wina dekat Tulln. Situs ini terletak di 15.828E
dan 48,328 N di 193 m dpl. Ini adalah dalam medan datar, terutama lahan pertanian. Weissbach dekat Lofer (12,789 E, 47,498 N,
di 678 m dpl.) Terletak di lembah Saalach di daerah Salzburg yang di situs membentang dari SE ke NW. Lembah dengan
kira-kira. hanya 1 km lebar relatif sempit, diapit oleh lereng curam dengan ketinggian beberapa ratus meter.
Untuk semua model yang berjalan, sumber data yang sama yang digunakan (Tabel 3 dan Piringer et al., 2015). Data-data ini
khas untuk babi penggemukan Unit dengan sekitar 750 hewan dengan massa hidup rata-rata 70 kg. Sumber diasumsikan
non-apung, yaitu tinggi tumpukan efektif adalah sama dengan tinggi tumpukan fisik. Dengan demikian, kemungkinan perbedaan
antara dua model untuk mengobati bulu apung dan efeknya pada dispersi tidak muncul dalam hasil. Untuk AODM dan LASAT
menjalankan emisi yang sama dan input data meteorologi yang sama digunakan. Kemungkinan downwash bangunan serta
topografi tidak dianggap; kedua fenomena tidak dapat secara memadai dibawa ke hitungan ac- dengan model Gaussian. Di lokasi
lembah, jarak pemisahan terbesar terjadi di sepanjang sumbu lembah, di mana asumsi medan datar adalah pendekatan yang baik.
Selain itu, cara ini parameter-parameter mungkin mempengaruhi perbandingan hasil model dapat disimpan ke minimum. Jarak
pemisahan dihasilkan di satu lokasi masih akan menyimpang dari satu sama lain karena model yang berbeda fisika dan skema
stabilitas digunakan dengan model menghasilkan frekuensi yang berbeda dari kelas stabilitas dan kurva puncak ke-rata redaman
yang berbeda.
M. Piringer et al. / Atmosfer Lingkungan 140 (2016) 69e83 72
Tabel 3 Sumber data untuk perhitungan dispersi.
Tinggi tumpukan [m] 8,0 diameter Stack [m] 2,7 Outlet kecepatan udara [msÀ1] 3.0 Volume laju aliran [m
3
h
A1]
60.000 Suhu [C] 20 Bau tingkat emisi [ou
E
SA1] 5200
Gambar. 1. Peta Austria menunjukkan situs penyelidikan.
3. Hasil
3.1. Angin spesifik lokasi dan stabilitas
Reidling dapat mengalami kecepatan angin yang tinggi, terutama dari daya West-, sering dikaitkan dengan frontal dari sistem
dan badai (Gambar. 2a). Maxima sekunder arah angin dari Barat Laut dan Tenggara, yang terakhir terkait dengan kondisi
anticyclonic. Aliran selatan di Reidling menunjukkan minimal diucapkan, yang disebabkan oleh membayangi dari dekat bukit
dengan ketinggian relatif lebih dari 100 m.
Karena situasi topografi di Weissbach, angin disalurkan sepanjang sumbu lembah. Aliran up-lembah adalah dari NW,
turun-aliran lembah dari SE (Gambar. 2b). Aliran turun-lembah dari SE menunjukkan sebagian kecil lebih besar dari angin
lemah, tetapi juga sedikit lebih kuat angin dari aliran up-lembah. Angin selatan yang kuat mungkin juga terkait dengan foehn
peristiwa.
Frekuensi kelas stabilitas di kedua situs ditentukan dari OSP dengan panjang kekasaran 0,05 m di Reidling dan 0,5 m di
Weissbach berasal dari pengukuran angin di tempat berikut Beljaars (1987), cit. di Kobmann dan Namyslo (2007). Kondisi netral
yang paling melimpah di Reidling (Gambar. 3a), kelas 4 (AODM) dan kelas III / 1 (LASAT) menunjukkan frekuensi
masing-masing 45%. Hal ini disebabkan kecepatan angin yang tinggi dan / atau kondisi berawan. Perbedaan besar untuk kelas 4
dan 5 dibandingkan III / 2 dan III / 1 adalah karena konsep stabilitas yang berbeda dari Reuter dan Klug-
M. Piringer et al. / Atmosfer Lingkungan 140 (2016) 69e83 73
Gambar. 2. mawar angin di) Reidling (01.08.2012e31.07.2013) dan b) Weissbach (01.09.2010e31.08.2011); kode warna
menunjukkan kecepatan angin.
Skema Manier. Perbedaan juga merupakan efek dari nilai batas yang berbeda untuk atribut OSP stabilitas atmosfer (lihat Tabel
2): Dengan panjang kekasaran 0,05 m, ketidakstabilan dimulai pada nilai yang jauh lebih rendah negatif, stabilitas yang kuat pada
nilai yang jauh lebih rendah positif dengan AODM dibandingkan dengan skema LASAT. Kondisi netral lebih sering dengan
skema LASAT karena jendela yang lebih besar untuk kelas III / 1 dan III / 2 dibandingkan dengan skema AODM untuk kelas 4.
Reuter kelas 5 tidak memiliki rekan yang tepat dalam skema LASAT.
Dari Gambar. 3b, distribusi frekuensi kira-kira 30:30:40 untuk kondisi tidak stabil-netral-stabil di Weissbach, terutama untuk
skema AODM. Skema LASAT menghitung kondisi sedikit lebih stabil dan kurang stabil. Untuk panjang kekasaran 0,5 m,
perbedaan dalam nilai-nilai batas untuk atribut OSP stabilitas atmosfer jauh lebih jelas daripada panjang kekasaran 0,05 m (lihat
Tabel 2), mengurangi perbedaan antara dua skema untuk menentukan stabilitas atmosfer.
Untuk mempermudah pemahaman hasil yang disajikan dalam Bagian 3.3, adalah berguna untuk melihat juga pada distribusi
kelas stabilitas sektor arah 10 angin (Gambar. 4). Dalam Reidling (Gambar. 4a dan b), kelas 4 atau III / 1 mendominasi, terutama
untuk angin dari barat daya West-yang sering datang dengan kecepatan angin ditingkatkan dan / atau kondisi berawan. Untuk
sebagian besar anticyclonic utara-timur ke angin selatan-timur, berbeda, frekuensi kelas yang tidak stabil dapat berjumlah 50%
per angin kelas arah. Kondisi stabil terjadi terutama dengan angin dari WSW ke WNW. Hanya ada perbedaan kecil antara
AODM (Gambar. 4a) dan LASAT (Gambar. 4b) skema.
Untuk Weissbach (Gambar. 4c dan d), hasil yang diperoleh adalah pada pandangan pertama mengejutkan. Dalam kedua
skema stabilitas, aliran turun-lembah dari South-East menunjukkan situasi yang lebih stabil dan kurang stabil daripada aliran
up-lembah dari North-West. Pertama, pemisahan yang ketat di stabil up-lembah dan aliran down-lembah yang stabil tidak dapat
guna yang diharapkan sebagai adil-cuaca hari terdiri hanya sekitar sepertiga dari setahun.
M. Piringer et al. / Atmosfer Lingkungan 140 (2016) 69e83 74
Gambar. 3. frekuensi relatif [%] dari kelas stabilitas pada Reidling dan Weissbach (rincian lihat teks).
Kedua, situs pengukuran dekat lereng barat di lembah sempit ini ternyata mengalami membayangi kompleks-kondisi tions,
dengan matahari terbit relatif awal dan awal sunset dibandingkan dengan situs lembah tengah. Jadi sinar matahari mungkin juga
mencapai lokasi ketika aliran turun-lembah masih ada, dan OSP akan segera bereaksi terhadap fluks panas positif yang masuk
akal yang disebabkan oleh pemanasan matahari. Dalam ternoon af-, terjadi sebaliknya, up-lembah aliran masih mengisi lembah
sementara situs pengukuran sudah berbayang, menyebabkan fluks panas yang masuk akal negatif yang mengarah ke OSP stabil.
3.2. Perubahan faktor puncak ke-rata dengan jarak
Karena bergolak pencampuran, faktor puncak ke-rata berkurang dengan meningkatnya jarak dari sumber. Fungsi eksponensial
penghambatan asi (mylne dan Mason, 1991; mylne, 1992) digunakan seperti yang dijelaskan dalam Bagian 2.1. Itu adalah di
mana standar deviasi dari tiga komponen angin datang ke dalam fokus. Rasio deviasi standar dari tiga komponen angin dengan
kecepatan angin horizontal Horizontal berasal dari anemometer ultrasonik perubahan bentuk pada Reidling di Timur Austria
untuk panjang kekasaran 0,05 m dan di Weissbach di lembah Saalach untuk panjang kekasaran 0,5 m ditunjukkan pada Tabel 4.
dengan AODM, batas kelas dari Tabel 2a digunakan, memberikan nilai pada Tabel 4a; dengan LASAT, batas kelas dari Tabel 2b
digunakan untuk mendapatkan nilai-nilai pada Tabel 4b.
Rasio di Reidling menunjukkan ketergantungan pada stabilitas dan nilai-nilai besar, khususnya untuk kondisi yang tidak
stabil. Rasio di Weissbach menunjukkan ketergantungan jauh lebih lemah pada stabilitas, tetapi nilai-nilai jauh lebih besar dari
pada Reidling. dengan pengecualian s
w
/ u untuk kelas 2 dan V (kondisi tidak stabil).
Dari pemahaman kita tentang turbulensi, deviasi standar dari komponen angin tergantung pada kedua kecepatan angin dan
stabilitas (meningkat dengan kecepatan angin dan menurun dengan stabilitas). Karena kecepatan angin yang tinggi dalam kondisi
netral, standar deviasi (Tabel 5) yang terbesar di sini di kedua situs. Sedangkan di lokasi dataran Reidling deviasi standar untuk
stabil jelas lebih rendah daripada kondisi tidak stabil, di Weissbach mereka hampir sama atau, dalam kasus skema LASAT,
bahkan lebih besar dalam kondisi stabil. Perbedaan antara Reidling dan Weissbach demikian nounced paling pro dalam kondisi
stabil, untuk kedua skema.
Deviasi standar dari komponen angin mungkin harus meningkatkan dengan kecepatan angin; dari Gambar. 5a, ini adalah
kasus di flat- lahan situs Reidling. s
u kecepatan angin, s
u
mencapai dan s
nilai-nilaiv meningkat hampir lebih 3 m cepat s
A1
untuk daripadasw lebih tinggi
angindengan
kecepatan, tapi dengan sebaran yang cukup. Peningkatan s
w
dengan kecepatan angin di bawah ini adalah lebih bertahap, tetapi
menunjukkan 1,5 ms
A1
di Reidling. Ara. kurang pencar. s
w
umumnya tetap 5b mengungkapkan bahwa kecepatan angin di Weissbach terbatas dengan kira-kira. 7 ms
A1.
Dalam rentang kecepatan angin, standar deviasi lebih tinggi daripada di Reidling.
Aliran di Weissbach demikian lebih bergolak, tetapi menunjukkan dengan kecepatan angin jauh lebih rendah daripada di
Reidling.
Faktor-faktor puncak ke-rata menghasilkan ditampilkan pada Gambar. 6 untuk Reidling dan pada Gambar. 7 untuk
Weissbach. Faktor puncak ke-rata untuk jarak yang lebih besar dari 100 m terutama dipertimbangkan di sini. Pada jarak pendek
asumsi tersirat dalam model membanggakan Gaussian bahwa difusi longitudinal diabaikan dibandingkan dengan difusi lateral
dan vertikal kurang dan kurang valid. Dalam Gambar. 6 dan 7, jarak ini ditandai dengan garis vertikal tipis.
Perbandingan kurva puncak ke-rata pada Gambar. 6 dan 7 re- Veals perbedaan antara situs. Pada Reidling (Gbr. 6), semua
rata-rata kurva puncak-ke-mendekati nilai 1 dalam 300 m melawan arah angin dari sumber. Menggunakan AODM (. Gambar 6a),
kelas 3 dan 4 menunjukkan faktor tertinggi puncak ke-rata-rata antara 100 dan 150 m, diikuti oleh relative sama puncak ke-rata
faktor untuk kelas stabilitas 5-7; semua faktor puncak ke-rata di atas 100 m secara signifikan lebih rendah dari 2.
Menggunakan LASAT (Gambar. 6b), kelas III / 2 adalah yang paling penting sampai sekitar 120 m, diikuti oleh kelas stabil II
dan I.
Pada Weissbach (Gbr. 7), penurunan faktor puncak ke-rata dengan jarak lebih menonjol dari pada Reidling. Ses Clas tidak
stabil yang paling relevan di sini, untuk kedua model, dimulai dengan nilai 2 pada 100 m jarak dan mendekati 1 sekitar 200 m.
Perbedaan kurva puncak ke-rata di Reidling dan Weissbach dapat dijelaskan dengan melihat lebih dekat pada ketergantungan
mereka pada standar deviasi dibagi dengan kecepatan angin. Pada Gambar. 8, baik s
u
/ u dan s
v
/ u adalah tetap, dan s
w
/ u bervariasi (kiri panel), atau sebaliknya (panel kanan). Ara. 8a menunjukkan penurunan
yang kuat dari faktor berarti puncak-ke-dengan meningkatnya s
w
/ nilai-nilai u, Gambar. 8b peningkatan yang lebih kecil dengan meningkatnya s
u
/ u dan s
v
nilai/ u. Kurva pada Gambar. 8 berlaku untuk kondisi netral, tapi perilaku serupa
ditemukan untuk semua kelas stabilitas. Sebagai s
w
/ u di Reidling, dengan pengecualian dari kondisi yang sangat tidak stabil, jauh lebih rendah
daripada di Weissbach (Tabel 4), penurunan lebih lambat dari faktor puncak ke-rata di Rei- dling untuk kondisi netral dan stabil
(Gambar. 6 dan 7) dapat dijelaskan oleh kecenderungan ditunjukkan pada Gambar. 8a. Perbedaan benar-benar besar
M. Piringer et al. / Atmosfer Lingkungan 140 (2016) 69e83 75
Gambar. 4. Ketergantungan kelas stabilitas di arah angin di) Reidling (AODM), b) Reidling (LASAT), c) Weissbach (AODM)
dan d) Weissbach (LASAT).
antara Reidling dan Weissbach ditemukan untuk kelas tidak stabil 2 dan V (Gambar. 6 dan 7), dengan faktor puncak ke-rata lebih
tinggi pada Weissbach. Perbedaan ini hasil dari kombinasi dari s jauh lebih besar
u
/ u dan s
v
/ u dan sedikit lebih kecil s
w
/ u nilai di Weissbach dibandingkan dengan Reidling (Tabel 4).
3.3. Pemisahan arah tergantung menjauhkan
arah tergantung jarak pemisahan dihitung untuk dua kriteria dampak bau digunakan di Austria: 1 ou
E
3
dan 3% terlampaui probabilitas, perwakilan untuk tempat rekreasi (bau tinggi
pro proteksi), 1 ou
E
/m
/m
3
dan 8% terlampaui probabilitas, perwakilan untuk daerah pemukiman dicampur dengan kegiatan komersial
(perlindungan bau yang lebih rendah). Berikut Piringer et al. (2015), tances pemisahan dis- ditampilkan sebagai isoline dalam
angka mendatang, meliputi daerah terlampaui dari ambang batas yang diberikan. Semakin besar daerah, semakin tidak
menguntungkan adalah kriteria dampak bau. Dalam setiap angka yang menunjukkan jarak pemisahan, hasil AODM (kiri)
dibandingkan dengan hasil LASAT (kanan) untuk skenario yang sama.
Jarak pemisahan untuk Reidling menggunakan data anemometer ultrasonik di tempat untuk menentukan kondisi aliran lokal
(Gbr. 2) dan stabilitas atmosfer (Gambar. 3) ditampilkan pada Gambar. 9 menggunakan peak- ke-rata faktor pada Gambar. 6 dan
pada Gambar. 10 tanpa menggunakan puncak-ke-rata konsep (keseluruhan puncak ke-rata faktor 1). Menggunakan AODM, jarak
pemisahan maksimum untuk probabilitas terlampaui dari 3% sekitar 400 m ke arah E, tapi kurang dari 150 m ke arah W; dengan
8%, jarak ini sekitar 180 dan 80 m, masing-masing (Gambar. 9, kiri). Perhitungan dengan LASAT menyebabkan peningkatan
lebih lanjut dari jarak pemisahan untuk probabilitas terlampaui dari 3% oleh setidaknya 100 m (Gbr. 8, kanan) dibandingkan
dengan AODM. Untuk 8%, namun, hanya ada sedikit peningkatan terhadap W sampai sekitar 120 m, tetapi peningkatan yang
cukup untuk 300 m ke arah E, dibandingkan dengan hasil AODM.
Hasil tanpa konsep puncak ke-rata pada Gambar. 10 diperlihatkan untuk mendokumentasikan relevansi faktor puncak ke-rata
untuk situs Reidling. Perbandingan antara Gambar. 10 dan 9 mengungkapkan bahwa, tanpa algoritma puncak ke-rata, bidang
melebihi nilai 3 dan 8% dikurangi, untuk kedua model. Untuk AODM (Gambar. 10 kiri), ini adalah
Tabel 4 Rasio deviasi standar dari tiga komponen s angin
u
dengan kecepatan angin horizontal u tergantung pada stabilitas
atmosfer di Reidling (R) dan Weissbach (W), diturunkan dari tiga sumbu pengukuran anemometer ultrasonik melalui OSP.
Stabilitas kelas s
u
/ kita
v
/ kami
w
/u
Reuter RWRWRW
a) AODM
2 Sangat tidak stabil 0.41 0.54 0.42 0.53 0.28 0.26 3 tidak stabil 0,33 0,52 0,32 0,49 0,19 0,24 4 Netral 0,25 0,47 0,20 0,47 0,14
0,24 5 Sedikit stabil 0,22 0,52 0,20 0,49 0,12 0.25 6 stabil 0,25 0,54 0,23 0,50 0,13 0,26 7 Sangat stabil 0,24 0,51 0,23 0,48 0,12
0,23
Stabilitas kelas s
u
/ kita
v
/ kami
w
/u
KM RWRWRW
b) LASAT
V Sangat tidak stabil 0,41 0,54 0,42 0,54 0,29 0,27 IV yang tidak stabil 0.35 0.53 0.35 0.50 0,21 0,24 III / 2 Netral / hari 0,28
0,52 0,27 0,48 0,16 0,24 III / 1 Netral / malam 0.24 0.47 0.20 0.47 0.13 0.24 II stabil 0,25 0,53 0,23 0,49 0,13 0,26 saya sangat
stabil 0,23 0,51 0,23 0,49 0,11 0,23
Tabel 5 penyimpangan Standar dari tiga komponen angin s
u,
s
v
dan s
w
tergantung pada stabilitas atmosfer di Reidling (R) dan Weissbach (W),
yang berasal dari tiga sumbu pengukuran anemometer ultrasonik melalui OSP.
Kelas stabilitas s
u
[cm SA1] s
v
[cm SA1] s
w
[cm SA1]
Reuter RWRWRW
a) AODM
2 Sangat tidak stabil 43 45 44 43 28 23 3 stabil 57 72 56 65 33 34 4 Netral 102 102 82 105 57 54 5 Sedikit stabil 58 82 49 78 32
41 6 stabil 38 67 34 60 20 33 7 Sangat stabil 27 49 26 44 14 23
Stabilitas kelas s
u
[cm s
A1]
s
v
[cm s
A1]
s
w
[cm s

A1]
KM RWRWRW
b) LASAT
V Very unstable 43 44 43 42 28 22 IV Unstable 54 66 54 60 32 31 III/2 Neutral/day 69 83 64 79 39 42 III/1 Neutral/night 99 104
79 108 56 56 II Stable 37 73 34 67 19 36 I Very stable 26 52 25 47 13 25
M. Piringer et al. / Atmospheric Environment 140 (2016) 69e83 76
,s
v
and s
w
more pronounced for an exceedence probability of 8%. For LASAT (Fig. 10 right), maximum separation distances towards W are
reduced by about 50 m, but towards E, only the area of exceedences is slightly reduced.
At Weissbach, using AODM, maximum separation distances for an exceedance probability of 3% are about 600 m towards
NW and about 500 m towards SE; with 8%, these distances are about 300 m in both directions (Fig. 11, left). The calculation
with LASAT leads again to an increase of separation distances for an exceedance probability of 3% (Fig. 11, right) compared to
AODM. For 8%, how- ever, maximum separation distances calculated with LASAT only slightly increase to about 400 m in both
directions, compared to the AODM results. The area of exceedances is generally larger for LASAT than for AODM.
The comparison without using a peak-to-mean concept at Weissbach shows only small changes (compare Fig. 12 to Fig. 11).
The maximum separation distances are not affected, but near the source, the area of exceedences is reduced, for both models.
Ara. 5. Dependence of the standard deviations s
u
M. Piringer et al. / Atmospheric Environment 140 (2016) 69e83 77
,s
v
and s
w
on wind speed at a) Reidling and b) Weissbach.
4. Discussion
In this Section, the findings discussed relate to the Austrian impact criteria unless stated otherwise. This investigation revealed
considerable differences in separation distances between the cho- sen sites and also systematic differences between the two
models used. Looking first on the differences caused by the sites, these are certainly due to the different meteorological
conditions, in the first place. We selected two topographically very different sites, a flat- land and a narrow valley site, for the
calculation of separation distances (Fig. 1 and Section 2.3). Reidling in the flatlands near Vienna can experience high wind
speeds, especially with winds
Fig. 6. Peak-to-mean factors at Reidling derived from ultrasonic anemometer data (OSP) using the conversion to stability classes
according to Table 2a for AODM (left) and Table 2b for LASAT (right).
M. Piringer et al. / Atmospheric Environment 140 (2016) 69e83 78
Fig. 7. Peak-to-mean factors at Weissbach derived from ultrasonic anemometer data (OSP) using the conversion to stability
classes according to Table 2a for AODM (left) and Table 2b for LASAT (right).
from WSW to W (Fig. 2a); half-hour average wind speeds up to 14 ms
À1
are observed (Fig. 5a). In contrast, wind speeds of up to only 7 ms
À1
occur at Weissbach in the Saalach valley, where the flow is strongly channelled along the valley axis (Fig. 2b). The
standard deviations of the three wind components are a key parameter in the peak-to-mean algorithm used, especially when
determining the decrease of the peak-to-mean factors with dis- tance (Section 2.1). These standard deviations are larger at Weiss-
bach than at Reidling (Fig. 5), when equal wind speeds are taken into account. This means that the near-surface atmosphere,
apparently due to the topographical conditions, is much more turbulent at Weissbach than at Reidling. This is also seen from a
look at Table 4 where the comparison between Reidling and Weissbach reveals larger s/u values at the latter, especially for
neutral and stable conditions. The overall effect on the peak-to- mean factors is a more rapid decrease with distance at Weissbach
compared to Reidling, mainly due to the much larger s
w
/u values at Weissbach for neutral and stable conditions. Dari Gambar.
8, a strong decrease of the peak-to-mean factors with increasing s
w
/u values and a moderate increase with increasing s
u
/u and s
v
/u values is observed.
Another important meteorological parameter for the calculation of separation distances is atmospheric stability which is also
3 Fig. 9. Direction-dependent separation
distances [m] with (left) AODM and (right) LASAT for 1 ou
E
and 3% (blue) and 8% (orange) exceedence
probability with peak-to-mean factors derived from ultrasonic anemometer measurements at Reidling, stability classes
determined from Table 2a for AODM and from Table 2b for LASAT.
M. Piringer et al. / Atmospheric Environment 140 (2016) 69e83 79
Fig. 8. Dependence of the peak-to-mean factor for neutral conditions on selected values of a) s
w
entirely different between the two sites. Atmospheric stability is here determined from three-axis ultrasonic anemometer mea-
surements via the Obukhov stability parameter (Section 2.2). When transformed into stability classes, the local roughness length
is also considered, and the stability schemes associated with the models (the Reuter (1970) scheme with AODM, the
Klug-Manier scheme (TA-Luft, 2002) with LASAT) use different class widths and limits for this transformation (Table 2). The
distribution of stability classes is different between the schemes as well as between the sites (Fig. 3). The schemes are only partly
comparable in their definition of stability classes (Section 2.2), especially for neutral conditions:
/m
/u (s
u
/u and s
v
/u are set to 0.50) and b) s
u
/u and s
v
/u (s
w
/u is set to 0.20).
stability class 4 in the Reuter scheme can occur day and night, whereas in the Klug-Manier scheme, class III/1 occurs predomi-
nantly at night, class III/2 predominantly at daytime; class 5 in the Reuter scheme has no counterpart in the Klug-Manier scheme.
At Reidling, neutral conditions dominate in both schemes, comprising 45% (class 4 in the Reuter (1970) scheme) and 55%
(classes III/2 and III/1 in the Klug-Manier scheme) due to the high wind speeds frequently observed here, whereas unstable
conditions are least frequent (Fig. 3a). At Weissbach, the distribution of stability classes between unstable e neutral e stable is
roughly 30:30:40 (Fig. 3b)
3 Fig. 10. Direction-dependent separation
distances [m] with (left) AODM and (right) LASAT for 1 ou
E
and 3% (blue) and 8% (orange) exceedence
probability with peak-to-mean factor 1 at Reidling, stability classes determined from Table 2a for AODM and from Table 2b for
LASAT.
3 Fig. 11. Direction-dependent separation
distances [m] with (left) AODM and (right) LASAT for 1 ou
E
and 3% (blue) and 8% (orange) exceedence
probability with peak-to-mean factors derived from ultrasonic anemometer measurements at Weissbach, stability classes
determined from Table 2a for AODM and from Table 2b for LASAT.
M. Piringer et al. / Atmospheric Environment 140 (2016) 69e83 80
which is an effect of the low wind speeds here favouring the occurrence of daytime unstable and night-time stable conditions.
This is also apparent from the dependence of stability classes on wind directions (Fig. 4): at Reidling, neutral conditions
dominate especially for the high-speed westerly to south-westerly winds, whereas with south-easterly winds occurring preferred
during anti-cyclonic conditions, all stability classes occur with similar frequencies, especially for the Klug-Manier scheme (Fig.
4a). At Weissbach, in both stability schemes, the down-valley flow from South-East shows more unstable and less stable
situations than the
/m
/m
up-valley flow from North-West (Fig. 4b). This is mainly attributed to complex shadowing conditions at the measurement site on
the west side of the valley floor, with comparatively early sunrise and early sunset compared to a central valley site, decoupling
the sign of the sensible heat flux and the valley flow directions (see Section 3.1).
Atmospheric stability exerts an influence on the separation distances. As the peak-to-mean factors are stability-dependent, a
separate curve is obtained for each stability class for their decrease with distance (Figs. 6 and 7). With the exception of very
unstable conditions, the differences between Reidling and Weissbach are not very pronounced, despite the considerable
differences in wind and stability conditions. For classes 2 and V, the differences in the peak- to-mean u and sv
/u curves and a result bit smaller from as
combination w
/u values at of Weissbach considerably compared larger s
to u
/
Reidling (Table 4). At Reidling, with AODM (Fig. 6a), classes 3 and 4 show the highest peak-to-mean factors between 100 and
150 m, followed by relatively equal peak-to-mean factors for stability classes 5e 7; all peak-to-mean factors beyond 100 m are
signifi- cantly lower than 2, and the value of 1 is reached at 300 m in all conditions. Using LASAT (Fig. 6b), class III/2 is most
important until about 120 m, followed by classes II and I. At Weissbach, all peak-to- mean curves approach the value of 1 within
200 m downwind of the source (Fig. 7). Unstable classes are most relevant here, for both models. Beyond 200 m, peak-to-mean
factors do not influence the separation distances at Weissbach.
Reidling, compared to Weissbach, is thus characterized by higher wind speeds, lower turbulence and somewhat larger peak-
to-mean factors up to 300 m. The question then arises why the separation distances at Weissbach are mostly larger than at Rei-
dling (Figs. 9 and 11).
The solution to this problem is seen in the distribution of sta- bility classes to the wind direction sectors (Fig. 4). The
along-valley wind directions at Weissbach are often associated with stable conditions, whereas the main wind direction sector at
Reidling is mainly combined with neutral atmospheric stability. The chan- nelling of the flow in combination with frequent stable
conditions causes higher odour concentrations and leads to the enhanced
3 Fig. 12. Direction-dependent separation
distances [m] with (left) AODM and (right) LASAT for 1 ou
E
and 3% (blue) and 8% (orange) exceedence
probability with peak-to-mean factor 1 at Weissbach, stability classes determined from Table 2a for AODM and from Table 2b
for LASAT.
M. Piringer et al. / Atmospheric Environment 140 (2016) 69e83 81
separation distances at Weissbach. This enhanced frequency apparently compensates for the peak-to-mean factors which are not
relevant at Weissbach for large separation distances. At Rei- dling, separation distances to the east of the source are with more
than 500 m for an exceedence probability of 3% comparable to those at Weissbach along the valley. The combination of a high
occurrence of wind directions and frequent neutral conditions is also prone for large separation distances.
As the peak-to-mean factors reach the value of 1 approx. 200e300 m downwind of a source at both sites investigated, the
question about their importance for the calculation of separation distances arises. For this purpose, the calculations have been
repeated for an overall peak-to-mean factor of 1, ie no peak-to- mean concept is applied. The results are displayed in Fig. 10 for
Reidling and in Fig. 12 for Weissbach. At Reidling, without peak-to- mean algorithm, the areas of exceedences of 3 and 8% are
reduced, for both models. For AODM (Fig. 10 left), this is more pronounced for an exceedence probability of 8%. For LASAT
(Fig. 10 right), maximum separation distances towards W are reduced by about 50 m, but towards E, only the area of
exceedences is slightly reduced. At Weissbach (compare Figs. 12 to 11), the maximum separation distances are not affected, but
near the source, the area of exceedences is reduced, for both models. For livestock farms with low stacks and moderately warm
outlet air temperatures as well as neighbours in the immediate vicinity, the reduction of separation distances in the near field can
be of utmost importance. This decrease becomes more relevant with higher exceedence proba- bilities eg valid in Germany (see
Section 1). The German odour regulation GIRL (2008) allows exceedences of 10 or 15%, but in combination with an odour
threshold of 0.25 ou
E
/m
3
. Sommer- Quabach et al. (2014) state that the high threshold/low
exceed- ence probability odour impact criteria (like in Austria) and the low threshold/high exceedence probability odour impact
criteria (like in Germany) tend to deliver similar separation distances. A low odour concentration threshold means that even very
sensitive humans which perceive odour by this low stimulus are taken into account. For low exceedence probabilities, only few
distinct mete- orological situations will contribute to the separation distance.
/m
Piringer et al. (2015) investigated a site in the East-Austrian flatlands near Bratislava called Kittsee, where the combination of
high wind speeds and frequent neutral conditions leads to extremely low s
w
/u values causing a more gradual decrease of peak-to-mean factors with distance; the value of 1 is reached,
un- der all meteorological conditions, 1 km downwind of a source. Nevertheless, separation distances at Kittsee are lower than eg
at Weissbach. As stated before, the enhanced frequency of the com- bination valley wind e stable conditions at a valley site like
Weissbach apparently compensates for the peak-to-mean factors which are not relevant for large separation distances. The
separa- tion distances are thus a result of a complex interaction of wind conditions, stability classes, and attenuation curves, so
that they cannot be judged from eg looking at the s/u factors alone. This underlines the importance of local meteorological
measurements, best undertaken via three-axis ultrasonic anemometers.
As already discussed in Piringer et al. (2015), a reason for generally larger separation distances with LASAT compared to
AODM is probably due to the different model physics: whereas AODM, a Gaussian model, produces a stationary concentration
field for a half-hour time step, LASAT calculates concentrations as long as the trajectories stay within the model domain, thus
likely increasing residence times and also separation distances. Because of this more realistic assumption we conclude that, even
in flat terrain, the use of a Lagrangian model is to be preferred over a Gaussian model. For applications like the calculation of
concen- tration fields and separation distances as well as the possible ex- ceedence of limit values, the use of a Lagrangian model
will better guarantee to be “on the safe side” of the calculations, a necessary prerequisite for pollution impact assessments.
Within a recently finished EU-COST program (Baumann-Stanzer et al., 2015), a model evaluation study within an idealized city
was carried out, revealing that, in such a complex environment, CFD models perform best, followed by Lagrangian models;
Gaussian models show on average the largest scatter. Another advantage of using a model like LASAT in favour of a Gaussian
model like AODM is the direct use of sonic- derived parameters, like the OSP, instead of stability classes, as shown in Table 2.
In this way, also outliers in the range of very unstable or very stable stability classes are used, and this leads also to slightly
increased separation distances.
5. Conclusions
The main emphasis of this paper was on a comparison of direction-dependent separation distances derived for Austrian odour
impact criteria to avoid odour annoyance at two sites, calculated with two models, the Gaussian Austrian Odour Disper- sion
Model AODM and the Lagrangian particle diffusion model LASAT. Short-term peak odour concentrations have been calculated
with a stability-dependent peak-to-mean algorithm (Section 2.1). In addition, separation distances have also been calculated with
an overall peak-to-mean factor of 1, ie without peak-to-mean algo- rithm, to investigate the importance of the latter. The same
emis- sion (Table 3) and meteorological data have been used for both models. The estimate of atmospheric stability is obtained
from three-axis ultrasonic anemometers using the standard deviations of the three wind components and the Obukhov stability
param- eter. The results are demonstrated at the Austrian villages Reidling and Weissbach (Fig. 1) which are very different with
respect to their topographical surroundings (Section 2.3) and thus the resulting on- site meteorological conditions (Section 3.1).
The causes for the differences in separation distances between the two sites were analysed in detail.
The shape of the contour lines of separation distances is pri- marily determined by the distribution of wind directions; the
M. Piringer et al. / Atmospheric Environment 140 (2016) 69e83 82
elongation in the main wind directions is in addition caused by wind speed (in Reidling) and the frequency distribution of
stability classes with wind direction (in Weissbach); see Figs. 9 and 11. Weissbach is a very specific site as its situation in the
narrow Saalach valley leads to a strong channelling of the flow and the development of a valley wind system. Both contribute to
higher odour concentrations and thus extended separation distances along the valley axis despite to the lower wind speeds (Figs.
2 and 5) and the smaller peak-to-mean factors with the exception of classes 2 and V (Figs. 6 and 7) compared to Reidling. The
combi- nation of a channelled flow with an enhanced occurrence of stable conditions leads to larger separation distances than
larger peak-to- mean factors. The latter are most influenced by s
w
/u; an increase in s
w
 /u leads to a pronounced decrease in peak-to-mean factors, whereas an increase in s
u
/u and s
v
/u leads only to their moderate increase (Fig. 8). Atmospheric stability in combination with
frequent wind directions can be very important for large separation distances, outweighing the values of the peak-to-mean
factors. This is underlined by the calculation of separation distances without peak-to-mean factors which leads to an only modest
reduction of separation distances. In the vicinity of livestock farms, even slight reductions can become important, and they will
increase with higher exceedence probabilities, often valid in agricultural areas, as discussed in Section 4. This underlines the
importance of the peak- to-mean concept for odour impact analyses.
From a comparison of separation distances at other sites across Austria conducted by our group (not shown here) we can
conclude that the separation distances are a result of a complex interaction of wind conditions, stability classes, and attenuation
curves. The latter seem to play a more important role when turbulence levels are low, like at very windy sites in the flatlands or in
Alpine basins. LASAT calculates larger separation distances than AODM, at all sites. This is attributed to the fact that the
Klug-Manier scheme used with LASAT shows a tendency to deliver more stable cases than the Reuter scheme used with AODM.
Probably more important, LASAT, in contrast to the stationary concentration fields of AODM, calculates concentrations as long
as the trajectories stay within the model domain, thus likely increasing residence times and also separation distances. In addition,
LASAT enables the direct use of sonic-derived parameters, like the Obukhov stability parameter, instead of sta- bility classes,
which also slightly increases separation distances. These features of Lagrangian models lead us to conclude that the use of a
Lagrangian model is to be preferred over a Gaussian model. This conclusion is also supported by recent model evaluation case
studies (Baumann-Stanzer et al., 2015) which confirm the better performance of Lagrangian over Gaussian models in a complex
environment.
Acknowledgment
This study has been funded by the Austrian Ministry of Science and Research in the course of development grants to ZAMG
for the years 2011 and 2013.
References
Baumann-Stanzer, K., Piringer, M., 2011. Validation of regulatory micro-scale air quality models: modelling odour dispersion
and built-up areas. World Rev. Sci. Technol. Sust. Dev. 8, 203e213. Baumann-Stanzer, K., Piringer, M., Polreich, E., Hirtl, M.,
Petz, E., Bügelmayer, M., 2008. User experience with model validation exercises. In: Croatian Meteoro- logical Journal, the 12th
International Conference on Harmonization within Atmospheric Dispersion Meodelling for Regulatory Purposes, HARMO 12,
Part 1: Oral Sessions, 6-10 October 2008, Cavtat, Croatia, pp. 52e56. Baumann-Stanzer, K., Andronopoulos, S., Armand, P.,
Berbekar, E., Efthimiou, G., Fuka, V., Gariazzo, C., Gasparac, G., Harms, F., Hellsten, A., Jurcacova, K., Petrov, A., Rakai, A.,
Stenzel, S., Tavares, R., Tinarelli, G., Trini Castelli, S., 2015.
COST ES1006 Model Evaluation Case Studies: Approach and Results. COST-office Brussels. distributed by University of
Hamburg, p. 110. ISBN 987-3-9817334-2- 6. Beljaars, ACM, 1987. The Measurement of Gustiness at Routine Wind Stations ea
Review. Scientific report WR 87-11. KNMI, p. 50. ISSN 0169-1651. Beychock, MR, 1994. Fundamentals of Stack Gas
Dispersion. MR Beychock,
Newport Beach, CA 92660, USA. Golder, D., 1972. Relations among stability parameters in the surface layer. Bound.
Lay. Meteorol. 3, 47e58. Hirtl, M., Baumann-Stanzer, K., 2007. Evaluation of two dispersion models (ADMS- Roads and
LASAT) applied to street canyons in Stockholm, London and Berlin. Atmos. Mengepung. 41, 5959e5971. Hirtl, M.,
Baumann-Stanzer, K., Kaiser, A., Petz, E., Rau, G., 2007. Evaluation of three dispersion models for the Trbovlje power plant,
Slovenia. In: Carruthers, DJ, McHugh, CA (Eds.), Proceedings of the 11th International Conference on Har- monisation within
Atmospheric Dispersion Modelling for Regulatory Purposes; Held in Cambridge, UK, July 2-5, 2007, pp. 21e25. Janicke
Consulting, 2013. Dispersion Model LASAT. Reference/Working Book for
Version 3.3. Kolb, H., 1981. Ein normatives physikalisches Modell zur Simulierung der Aus-
breitung der Verh ̈altnisse von Schadstoffen in
Osterreich ̈
in der Atmosph ̈are mit besonderer Berücksichtigung ((A regulative model to simulate the dispersion of pollutants in the
atmosphere for the situation in Austria)). Institute for Meteorology and Geophysics, Publication No. 29, University of Vienna.
Koßmann, M., Namyslo, J., 2007. Bestimmung der effektiven aerodynamischen Rauigkeitsl ̈ange aus Windmessungen. Dalam:
Proc. METTOOLS VI, Garmisch- partenkirchen, 2007, pp. 65e67. Luft, TA, 2002. Erste Allgemeine Verwaltungsvorschrift zum
Bun- deseImmissionsschutzgesetz (Technische Anleitung zur Reinhaltung der Luft e TA Luft). Bundesministerium für Umwelt,
Naturschutz und Reaktorsicherheit. Lung, T., Müller, HJ, Gl ̈aser, M., M ̈oller, B., 2002. Measurements and modelling of
full-scale concentration fluctuations. Agrartech. Forsch. 8, E5eE15. Mylne, KR, 1990. Concentration fluctuation
measurements of a tracer plume at up to 1 km range in the atmosphere. Dalam: Proc. 9th Symposium on Turbulence and
Diffusion, pp. 168e171. Mylne, KR, 1992. Concentration fluctuation measurements in a plume dispersing in
a stable surface layer. Bound. Lay. Meteorol. 60, 15e48. Mylne, KR, Mason, PJ, 1991. Concentration fluctuation
measurements in a
Osterreichisches ̈
dispersing plume Normeninstitut, at a range of 1996.
up to 1000m. ONorm ̈
QJR Meteorol. Soc. 117, 177e206. M 9440-Ausbreitung von luftver- unreinigenden Stoffen in der Atmosph ̈are; Berechnung
von Immissionskon- zentrationen und Ermittlung von Schornsteinh ̈ohen. Austrian Standards Institute. Pechinger, U., Petz, E.,
1995. Model evaluation of the Austrian Gaussian plume model ON M 9440: comparison with the Kincaid dataset. Int. J. Environ.
Pollut. 5, 338e349.
M. Piringer et al. / Atmospheric Environment 140 (2016) 69e83 83
Pechinger, U., Petz, E., 1997. Model evaluation of the Austrian Gaussian plume model on M 9440: comparison with the
Copenhagen and the Liliestrøm datasets. Int. J. Environ. Pollut. 8, 287e294. Piringer, M., Baumann-Stanzer, K., 2009. Selected
results of a model validation
exercise. Adv. Sci. Res. 3, 13e16. Piringer, M., Petz, E., Groehn, I., Schauberger, G., 2007. A sensitivity study of sepa- ration
distances calculated with the Austrian Odour Dispersion Model (AODM). Atmos. Mengepung. 41, 1725e1735. Piringer, M.,
Petz, E., Groehn, I., Schauberger, G., 2013. Corrigendum to “a sensitivity study of separation distances calculated with the
Austrian odour dispersion model (AODM)” [Atmos. Mengepung. 41(2007) 1725e1735]. Atmos. Mengepung. 67, 461e462.
Piringer, M., Knauder, W., Petz, E., Schauberger, G., 2014. Use of ultrasonic anemometer data to derive local odourrelated
peak-to-mean concentration ratios. Chem. Eng. Trans. 40, 103e108. Piringer, M., Knauder, W., Petz, E., Schauberger, G., 2015.
A comparison of separation distances against odour annoyance calculated with two models. Atmos. Envi- ron. 116, 22e35.
Reuter, H., 1970. Die Ausbreitungsbedingungen von Luftverunreinigungen in Abh ̈angigkeit von meteorologischen Parametern.
Lengkungan. Bertemu. Geoph. Biokl. A 19, 173e186. Schatzmann, M., Olesen, H., Franke, J. (Eds.), 2010. COST 732 Model
Evaluation Case Studies: Approach and Results. COST Action 732-Quality Assurance and Improvement of Microscale
Meteorological Models, p. 121. Schauberger, G., Piringer, M., 2015. Odour impact criteria to avoid annoyance.
Austrian Contrib. Dokter hewan. Epdiemiol. 8, 35e42. Schauberger, G., Piringer, M., Petz, E., 2000. Diurnal and annual
variation of the sensation distance of odour emitted by livestock buildings calculated by the Austrian odour dispersion model
(AODM). Atmos. Mengepung. 34, 4839e4851. Schauberger, G., Piringer, M., Petz, E., 2002. Calculating direction-dependent
sepa- ration distance by a dispersion model to avoid livestock odour annoyance. Biosyst. Eng. 82, 25e37. Schauberger, G.,
Piringer, M., Schmitzer, R., Kamp, M., Sowa, A., Koch, R., Eckhof, W., Grimm, E., Kypke, J., Hartung, E., 2012. Concept to
assess the human perception of odour by estimating short-time peak concentrations from one-hour mean values. Reply to a
comment by Janicke et al Atmos. Mengepung. 54, 624e628. Schauberger, G., Piringer, M., Petz, E., 2013. Corrigendum to
“Diurnal and annual variation of the sensation distance of odour emitted by livestock buildings calculated by the Austrian odour
dispersion model (AODM)” [Atmos. Mengepung. 34(2000) 4839e4851]. Atmos. Mengepung. 67, 459e460. Smith, ME, 1973.
Recommended Guide for the Prediction of the Dispersion of
Airborne Effluents. ASAE Report, New York. Sommer-Quabach, E., Piringer, M., Petz, E., Schauberger, G., 2014.
Comparability of separation distances between odour sources and residential areas determined by various national odour impact
criteria. Atmos. Mengepung. 95, 20e28.