[en] SIMULATION OF AIR POLLUTANTS DISPERSION IN A MICRO REGION OF THE MUNICIPALITY OF RIO DE JANEIRO IN REAL SCALE

• Ano de defesa: 2017
• Autor(a) principal: JAVIER ALIAGA RIVERA
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] SIMULACAO NUMERICA; [pt] EMISSOES DO TRAFEGO; [pt] QUALIDADE DO AR; [en] NUMERICAL SIMULATION; [en] AIR QUALITY
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=29327&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=29327&idi=2; http://doi.org/10.17771/PUCRio.acad.29327

[pt] Na cidade do Rio de Janeiro, por motivos de caráter econômico e administrativo, o número de pontos de medida de uma rede de monitoramento de qualidade de ar é limitado e, acima de tudo, a disposição espacial deles pode não ter sido estudada cuidadosamente, podendo estar posicionada em um local pouco representativo. Por este motivo, para auxiliar as medidas de concentrações e saber a evolução das mesmas, nesta pesquisa se usou modelos baseados em dinâmica de fluidos computacional. A área do entorno da estação Tijuca foi escolhida como local de estudo e se investigou a dispersão dos poluentes; monóxido de carbono, dióxido de nitrogênio e dióxido de enxofre emitido por fontes veiculares e em condição atmosférica neutra, mais comum nos meses de inverno. Foi utilizado o pacote comercial Fluent versão 17.1 e as equações de transporte RANS foram fechadas com o modelo de turbulência K-epsilon clássico. Entre as tarefas mais importantes pode-se mencionar: sustentar uma camada limite atmosférica desenvolvida ao longo do domínio computacional, desenvolver as configurações apropriadas de condições de contorno, definir as constantes do modelo, a modificação das constantes da lei da parede e efetuar os testes da malha computacional baseada em critérios de convergência para um incremento da densidade da malha. O estudo permitiu analisar a influência da energia cinética turbulenta gerada pela movimentação dos veículos nas ruas sobre o comportamento da pluma, e determinar qual é o número de Schmidt turbulento que melhor se adapta ao modelo. Os resultados obtidos nas simulações foram comparados entre si e também com dados experimentais disponíveis do sensoriamento na estação de monitoramento Tijuca, observando-se boa concordância de dados.