Contam I Nacion Atmos F Erica

UNIVERSIDAD POLITÉCNICA DE MADRID
ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE

MINAS DE MADRID
SIMULACIÓN NUMÉRICA DE UN PROBLEMA

DE CONTAMINACIÓN ATMOSFÉRICA
TESIS DOCTORAL
PEDRO MOLINA JIMÉNEZ

LICENCIADO EN CIENCIAS AMBIENTALES
2013
DEPARTAMENTO DE MATEMÁTICA
APLICADA A LOS RECURSOS NATURALES
ESCUELA TÉCNICA DE INGENIEROS DE MINAS DE

MADRID
SIMULACIÓN NUMÉRICA DE UN PROBLEMA

DE CONTAMINACIÓN ATMOSFÉRICA
PEDRO MOLINA JIMÉNEZ
DIRECTOR
LUIS GAVETE CORVINOS
2013
RESUMEN
La ecuación en derivadas parciales de advección difusión con reacción

química es la base de los modelos de dispersión de contaminantes en la
atmósfera, y los diferentes métodos numéricos empleados para su resolución
han sido objeto de amplios estudios a lo largo de su desarrollo.
En esta Tesis se presenta la implementación de un nuevo método

conservativo para la resolución de la parte advectiva de la ecuación en
derivadas parciales que modela la dispersión de contaminantes dentro del
modelo mesoescalar de transporte químico CHIMERE. Este método está
basado en una técnica de volúmenes finitos junto con una interpolación
racional. La ventaja de este método es la conservación exacta de la masa
transportada debido al empleo de la ley de conservación de masas. Para ello
emplea una formulación de flujo basado en el cálculo de la integral ponderada
dentro de cada celda definida para la discretización del espacio en el método
de volúmenes finitos.
Los resultados numéricos obtenidos en las simulaciones realizadas

(implementando el modelo conservativo para la advección en el modelo
CHIMERE) se han comparado con los datos observados de concentración de
contaminantes registrados en la red de estaciones de seguimiento y medición
distribuidas por la Península Ibérica. Los datos estadísticos de medición del
error, la media normalizada y la media absoluta normalizada del error,
presentan valores que están dentro de los rangos propuestos por la EPA para
considerar el modelo preciso.
Además, se introduce un nuevo método para resolver la parte advectiva-

difusiva de la ecuación en derivadas parciales que modeliza la dispersión de
contaminantes en la atmósfera. Se ha empleado un método de diferencias
finitas de alto orden para resolver la parte difusiva de la ecuación de
transporte de contaminantes junto con el método racional conservativo para la
parte advectiva en una y dos dimensiones. Los resultados obtenidos de la
aplicación del método a diferentes situaciones incluyendo casos académicos y
reales han sido comparados con la solución analítica de la ecuación de
advección-difusión, demostrando que el nuevo método proporciona un
resultado preciso para aproximar la solución.
Por último, se ha desarrollado un modelo completo que contempla los

fenómenos advectivo y difusivo con reacción química, usando los métodos
anteriores junto con una técnica de diferenciación regresiva (BDF2). Esta
técnica consiste en un método implícito multipaso de diferenciación regresiva
de segundo orden, que nos permite resolver los problemas rígidos típicos de
la química atmosférica, modelizados a través de sistemas de ecuaciones
diferenciales ordinarias. Este método hace uso de la técnica iterativa Gauss-
Seidel para obtener la solución de la parte implícita de la fórmula BDF2. El
empleo de la técnica de Gauss-Seidel en lugar de otras técnicas comúnmente
empleadas, como la iteración por el método de Newton, nos proporciona
rapidez de cálculo y bajo consumo de memoria, ideal para obtener modelos
operativos para la resolución de la cinética química atmosférica.
ABSTRACT
Extensive research has been performed to solve the atmospheric chemical-

advection-diffusion equation and different numerical methods have been
proposed.
This Thesis presents the implementation of an exactly conservative method for

the advection equation in the European scale Eulerian chemistry transport
model CHIMERE based on a rational interpolation and a finite volume
algorithm. The advantage of the method is that the cell-integrated average is
predicted via a flux formulation, thus the mass is exactly conserved.
Numerical results are compared with a set of observation registered at some

monitoring sites in Spain. The mean normalized bias and the mean normalized
absolute error present values that are inside the range to consider an accurate
model performance.
In addition, it has been introduced a new method to solve the advection-

diffusion equation. It is based on a high-order accurate finite difference method
to solve de diffusion equation together with a rational interpolation and a finite
volume to solve the advection equation in one dimension and two dimensions.
Numerical results obtained from solving several problems include academic and
real atmospheric problems have been compared with the analytical solution of
the advection-diffusion equation, showing that the new method give an efficient
algorithm for solving such problems.
Finally, a complete model has been developed to solve the atmospheric

chemical-advection-diffusion equation, adding the conservative method for the
advection equation, the high-order finite difference method for the diffusion
equation and a second-order backward differentiation formula (BDF2) to solve
the atmospheric chemical kinetics. The BDF2 is an implicit, second order multi-
step backward differentiation formula used to solve the stiff systems of ordinary
differential equations (ODEs) from atmospheric chemistry. The Gauss-Seidel
iteration is used for approximately solving the implicitly defined BDF solution,
giving a faster tool than the more commonly used iterative modified Newton
technique. This method implies low start-up costs and a low memory demand
due to the use of Gauss-Seidel iteration.
AGRADECIMIENTOS
Quería aprovechar este espacio para dar las gracias a todas las personas que
me han ayudado y apoyado durante mi doctorado:
En primer lugar a mi tutor Luis, que me dio la oportunidad de realizar esta

Tesis, y las bases sobre la que construirla, que ha aguantado estoico mis
dudas de programación y me ha dado los consejos necesarios para superar los
baches que me he ido encontrando por el camino. Gracias por tu paciencia.
En segundo lugar quería agradecer el apoyo prestado por el Departamento de

Matemática Aplicada a los Recursos Naturales de la E.T.S.I. de Minas, que me
ha “alojado” durante estos años y me ha ayudado cada vez que lo he
necesitado.
A la gente del área de contaminación atmosférica del C.I.E.M.A.T., como no,

también agradecerles su apoyo durante mis visitas, y su paciencia para
resolverme esas dudillas con FORTRAN que me han venido de perlas. Gracias
Marta e Inma por prestarme ese tiempo que se que os falta.
A mi familia, a mis padres que han sido mis maestros en todos los sentidos, y a
los que les debo mucho de lo que ahora soy, a mi hermana por esas charlas
telefónicas y conversaciones “frikis” que tanto nos gustan, y a mis abuelos, que
espero que me sigan “echando un ojo” como siempre lo hicieron.
Y claro, a mis amigos, que han aguantado mis ausencias, estando o no

presente, siempre ahí para tomarse un café, tomar unas tapas, o aguantar mis
agobios (vosotros sabéis quienes sois, ya os daré las gracias en persona en
nuestro próximo café, esta vez sin prisas y con tranquilidad, lo prometo).
Y ya por último pero no menos importante, a ti, Martha, por estar ahí siempre,
apoyarme y darme ánimos, conseguir que desconecte para volver con todas
mis fuerzas, sin tu ayuda no lo habría conseguido. ;).
PMJ
ÍNDICE
RESUMEN .......................................................................................................... I
ABSTRACT........................................................................................................ II
AGRADECIMIENTOS ....................................................................................... III
ÍNDICE .............................................................................................................. IV
I.- INTRODUCCIÓN 1
I.1.- La atmósfera 2
I.1.1.- Estructura de la atmósfera 3
- La troposfera 5
I.1.2.- Contaminación atmosférica. 5
I.1.2.1.- Clasificación de los contaminantes atmosféricos 7
I.1.2.1.1.- Clasificación de contaminantes atmosféricos
según su naturaleza físico-química 7
I.1.2.1.2.- Clasificación de contaminantes atmosféricos
según su origen 7
I.1.2.2 Descripción de los contaminantes atmosféricos más
importantes 10
a) Dióxido de carbono (CO2) 10
b) Monóxido de carbono (CO) 10
c) Dióxido de azufre (SO2) 11
d) Trióxido de azufre (SO3) 11
e) Óxidos de nitrógeno 12
f) Partículas 13
g) Ozono 14
h) Compuestos Orgánicos Volátiles 15
i) Metales 15
j) Hidrocarburos 15
II. MODELIZACIÓN DEL TRANSPORTE ADVECTIVO DE
CONTAMINANTES EN LA ATMÓSFERA .................................................. 16
II.1. – Tipos de modelos de transporte de contaminantes .......................... 17

II.2. – Modelos Eulerianos y Lagrangianos .................................................. 18
II.2.1. - Modelos Eulerianos ...................................................................... 18
II.2.2. - Modelos Lagrangianos ................................................................. 20
II.3. - Ecuación de dispersión de contaminantes en la atmósfera ............. 21
II.3.1. - Descripción de los procesos de dispersión ............................... 23
- Término de advección .............................................................. 23
- Término difusivo ....................................................................... 24
- Término relativo a las reacciones químicas ........................... 24
- Término relativo a las emisiones............................................. 25
- Procesos de depósito o deposición........................................ 25
II.4 - Resolución numérica del módulo de advección ................................. 25
II.4.1. – Resolución de la ecuación de transporte advectivo en 1-D .... 26
II.4.1.1. -Discretización del dominio. Mallado uniforme .................... 26
II.4.1.2. - Método Racional conservativo o CSLR0 ............................ 27
II. 4.1.2.1. – Desarrollo del método ................................................. 29
- Interpolación
- Caso: velocidad del viento mayor que 0 (U > 0)
- Caso: velocidad del viento menor que 0 (U < 0)
II.4.2.- Estructura del algoritmo CSLR0_1D. Método racional
conservativo en 1 D ................................................................................. 36
II.5.- Resultados de la simulación de la ecuación de transporte
advectivo con el método racional conservativo en 1D..................... 37
II.6.- Estructura del algoritmo CSLR0_2D. Método Racional
Conservativo en 2 Dimensiones ......................................................... 56
II.6.1.- Discretización espacial. Esquema Arakawa C-grid .............. 57
II.6.2.- Resultados del método CSLR0_2D ........................................ 60
II.7.- Conclusiones ......................................................................................... 66
III. MODELIZACIÓN DE LA CINÉTICA QUÍMICA. UNA APLICACIÓN A
LA QUÍMICA DEL OZONO ....................................................................... 68
III.1 Introducción............................................................................................. 68
III.2 Modelización de la cinética química ...................................................... 69
III.3 Ecuaciones Diferenciales Ordinarias Rígidas ...................................... 70
III.3.1 Definición de Rigidez de una ecuación diferencial ..................... 70
III.3.2 Métodos para la resolución de sistemas de ecuaciones
diferenciales ordinarias (SEDO) rígidas ...................................... 71
III.4 Métodos de diferenciación regresiva (Backward
Differentiation Formula, BDF) ................................................................. 73
III.5 Método TWO-STEP .................................................................................. 76
III.5.1 Descripción de la cinética del ozono ........................................... 76
III.5.2 Descripción de la notación utilizada en la modelización ........... 77
III.6. Descripción del método de integración TWO-STEP de paso
fijo ............................................................................................................. 83
III.6.1 Método numérico Gauss-Seidel.................................................... 84
III.6.2 Notación para representación de la cinética atmosférica
según los términos de Producción (P) y Pérdida (L) ................. 85
III.6.3 Inicio del método............................................................................ 87
III.7. Método TWO-STEP de paso variable .................................................... 88
III.7.1 Ajuste del tamaño de paso. (Paso de integración
variable) ............................................................................................ 91
III.8 Descripción del algoritmo TWO-STEP................................................... 93
III.8.1 Resultados de la simulación ....................................................... 94
III.8.2 Solución teórica ........................................................................... 95
III.8.3 Análisis de sensibilidad a las tolerancias: absoluta y
relativa .................................................................................................... 97
III.9 Conclusiones ......................................................................................... 100
IV. SIMULACIONES REALES DE LA DISPERSIÓN DE
CONTAMINANTES CON EL MODELO CHIMERE. ANÁLISIS DEL
MODELO RACIONAL CONSERVATIVO ................................................ 103
IV.1 Introducción .......................................................................................... 103
IV.2 Descripción de los índices de verificación de las simulaciones

realizadas................................................................................................ 104
IV.3Descripción del modelo CHIMERE de dispersión de

contaminantes y de los modelos MM5 y WRF de predicción
meteorológica ........................................................................................ 106
IV.4 Análisis de datos de simulaciones con CHIMERE ............................. 111
IV.4.1 Descripción de casos .................................................................... 113
IV.4.1 Caso 1: Dominio Comunidad de Madrid. Modelo CHIMERE +

MM5 ........................................................................................................... 113
IV.4.2 Caso 2: Dominio España. Resolución 0.2º Modelo CHIMERE

+ MM5 ........................................................................................................ 118
IV.4.3 Dominio España. Resolución 0.1º. Modelo CHIMERE + WRF .... 123
IV.5 Conclusiones ........................................................................................ 126
V. PROCESOS DE ADVECCIÓN-DIFUSIÓN EN EL TRANSPORTE DE

CONTAMINANTES EN LA ATMÓSFERA..................................................... 127
V.1 Descripción de la ecuación en derivadas parciales que

modelizan el fenómeno difusivo ........................................................... 128
V.2 Coeficientes de difusión para contaminantes químicos .................... 130
V.3 Aplicación del método de diferencias finitas para la resolución

de la ecuación en derivadas parciales que simula el proceso
difusivo ................................................................................................... 131
V.4 Análisis de la estabilidad del método de diferencias finitas .............. 137
V.5 Validación de la solución mediante la comparación con la

solución exacta de la ecuación de difusión ........................................ 141
V.6 Simulaciones de casos reales a largo plazo ....................................... 165
V.6.1 Simulaciones de casos reales en 1 dimensión .......................... 165

V.6.1.1 Transporte advectivo-difusivo para el NO2 ........................................165
CASO 1: Evolución de la contaminación para un foco

emisor de NO2 transcurridas 3 horas con una velocidad
del viento de 5.55 m/s
CASO 2: Evolución de la contaminación para un foco

emisor de NO2 tras un periodo de 3 horas con velocidad
del viento de 15 m/s
V.6.1.2 Transporte advectivo-difusivo para el SO2.........................................172
V.6.1.2.1. - CASO 3: Evolución de la contaminación para un

foco emisor de SO2 transcurridas 3 horas con
una velocidad del viento de 5.55 m/s
V.6.1.2.1. - CASO 4: Evolución de la contaminación para un

foco emisor de SO2 tras un periodo de 3 horas
con velocidad del viento de 15 m/s
V.6.2 Simulaciones de casos reales en 2 dimensiones ...................... 180
V.6.2.1 CASO 5: Transporte advectivo-difusivo con un foco de

emisión.
V.6.2.2 CASO 6: Transporte advectivo-difusivo con dos focos

de emisión.
V.6.2.3 CASO 7: Transporte advectivo-difusivo. Caso real para

el NO2
V.6.2.4 CASO 8: Transporte advectivo-difusivo. Caso real para

el SO2
V.7 Conclusiones ......................................................................................... 196
VI: MODELIZACIÓN DE LA DISPERSIÓN DE CONTAMINANTES

QUÍMICOS EN LA ATMÓSFERA: ACOPLAMIENTO DE LOS
PROCESOS DE ADVECCIÓN DIFUSIÓN Y REACCIÓN QUÍMICA ........ 197
VI.1.- Descripción de las ecuaciones que simulan los procesos de

reacción química advección y difusión en la atmósfera ................ 198
VI.2- Acoplamiento del procesador químico al módulo de transporte

por advección difusión .......................................................................... 199
VI.3 Descripción del algoritmo advección-difusión-reacción química
para la dispersión de contaminantes químicos en la atmósfera
1D ............................................................................................................ 200
VI.3.1 Ejemplo académico: evolución del comportamiento de

tres contaminantes químicos en la atmósfera .......................... 204
VI.3.2 Ejemplo real: evolución de la emisión de dióxido de

nitrógeno y dióxido de azufre dispersados en la
atmósfera. Generación de lluvia ácida (ácido sulfúrico y
nítrico) por emisión de centrales térmicas ............................... 215
VI.4 Descripción del algoritmo advección-difusión-reacción química

para la dispersión de contaminantes químicos en la atmósfera
2D ............................................................................................................ 224
VI.4.1 CASO 1: Simulación precursores lluvia ácida .......................... 230
VI.5 Conclusiones ........................................................................................ 237
VIII. CONCLUSIONES Y LÍNEAS ABIERTAS .............................................. 239
REFERENCIAS .............................................................................................. 242
APÉNDICES .................................................................................................. 246
Apéndice I. Modelos numéricos de predicción meteorológica ............ 246
Apéndice II. Métodos numéricos empleados en la resolución de

la ecuación de advección incluidos en el módulo
de transporte del modelo CHIMERE ................................ 257
Apéndice III. Estructura del programa TWO_STEP para la

resolución de la química del ozono troposférico ........ 261
I. Introducción
CAPÍTULO I. INTRODUCCIÓN
El modelado matemático es una herramienta imprescindible en el estudio de la

contaminación atmosférica para entender los procesos implicados. En el caso
de la contaminación atmosférica, el marco en el que se desarrollan los
fenómenos es la atmósfera, la cual no es controlable, ni reproducible
completamente en laboratorio. El objetivo del presente capítulo se centra en
explicar nociones introductorias fundamentales de dicho marco de actuación y
de los contaminantes principales tratados a lo largo de la Tesis
1/284
I. Introducción
1.- LA ATMÓSFERA
La atmósfera es una delgada capa compuesta de una mezcla de gases,

partículas y aerosoles que envuelve a la tierra. Esta mezcla de gases está
compuesta por una veintena de gases cuyas proporciones relativas se
mantienen constantes hasta una altura aproximada de 25 km. Los dos gases
principales de la atmósfera son el nitrógeno (78%) y el oxígeno (21%). El 1%
restante lo forman una serie de gases como el argón, neón, helio, xenón, ozono
y los gases de efecto invernadero como el dióxido de carbono.
La atmósfera constituye apenas un 1% del radio de la Tierra, aunque los

fenómenos que se producen en su seno son de gran importancia para el
soporte de los ecosistemas. Actúa como escudo protector de la radiación
procedente del sol, efecto imprescindible para la vida en la Tierra. Además
influye de manera determinante en la misma, sobre todo los fenómenos
producidos en los primeros 10 km.
Otro aspecto importante de la atmósfera es su carácter dinámico. No es algo

estático sino que es un sistema reactivo extremadamente complejo en el cual
tienen lugar numerosos procesos físicos y químicos que ocurren
simultáneamente que la condicionan como un sistema en constante cambio. La
interacción entre esta multitud de fenómenos tiene repercusiones en los seres
vivos y sus ecosistemas y en última instancia en el ser humano y sus
actividades, de ahí la necesidad de su estudio en profundidad como medio
para obtener herramientas de predicción de su producción y efectos que serán
la base de la toma de decisiones en cuanto a los mismos.
Estos fenómenos atmosféricos se producen a distintas escalas temporales y

espaciales: desde la escala molecular, donde las reacciones químicas y la
difusión molecular tienen lugar, hasta los procesos de transporte a escala
global, pasando por la microescala, donde los procesos de difusión turbulenta
toman cuerpo, la mesoscala, que es el rango habitual de la problemática en las
grandes zonas urbanas e industriales, y la escala continental con los problemas
de transporte transfronterizo de contaminantes. En la figura Fig. I.1 se puede
observar la variedad de procesos clasificados en sus escalas espaciales y su
correspondiente escala temporal.
2/284
I. Introducción
Fig. I.1 Clasificación de procesos atmosféricos en función de sus escalas temporales y

espaciales.
I.1.1 ESTRUCTURA DE LA ATMÓSFERA
La atmósfera se puede dividir en distintas capas horizontales teniendo en

cuenta la variación de la temperatura con la altura. Según su estratificación se
pueden dividir en cuatro capas:
- Troposfera: es la capa más cercana a la superficie ya que ocupa los

primeros 10 - 12 km y, por tanto, donde se producen los fenómenos
meteorológicos más estudiados, así como la actividad propia de los
seres vivos.
- Estratosfera: ocupa el espacio comprendido entre la tropopausa, hasta
aproximadamente los 50 km. La estratosfera está dividida en dos capas,
la primera se caracteriza por ser isoterma, mientras que en la capa
superior se produce un aumento de temperatura conforme aumenta la
altura. Este aumento se debe a las reacciones exotérmicas en las que el
3/284
I. Introducción
oxígeno molecular (O2) y el ozono (O3) que reaccionan absorbiendo la

radiación ultravioleta de longitud de onda dañina para los seres vivos,
por lo tanto, su actividad es indispensable para la vida en la Tierra.
- Mesosfera: es la capa comprendida entre 50 y los 80 km, caracterizada

por una disminución de temperatura con la altitud. Está compuesta por
formas ionizadas de oxígeno atómico, y bajas concentraciones de
ozono.
- Termosfera: se extiende desde la mesopausa hasta el espacio exterior.

En las capas inferiores está compuesta por nitrógeno (N2) y oxígeno
(O2) molecular, mientras que en las zonas altas sobre los 200 km hay
una predominancia de oxígeno atómico (O). Se caracteriza por un
aumento de temperatura con la altura debido a la absorción por parte del
nitrógeno y oxígeno de radiación de longitud de onda muy corta (y por
tanto, muy energética) que no llega a la mesopausa. En esta capa se
dan fenómenos importantes, como la neutralización de la radiación
cósmica, ultravioleta de onda corta y rayos X debido a la acción intensa
del campo magnético de la Tierra.
En la figura Fig. I.2 se puede apreciar la evolución de la temperatura con la

altura, la localización de las distintas capas y las zonas de transición entre
ellas (Sportisse, 2010).
Fig. I.2. Estructura térmica vertical de la atmósfera.
Para el estudio de la contaminación atmosférica nos interesa la capa inferior

que actúa como elemento receptor de la misma y donde se producirán las
4/284
I. Introducción
transformaciones químicas de los contaminantes y fenómenos de transporte

estudiados con posterioridad.
LA TROPOSFERA.
La troposfera es la porción inferior de la atmósfera libre. Su espesor es de

aproximadamente 10 ó 12 km. Se caracteriza por el descenso de la
temperatura con el incremento de la altitud. Por término medio el descenso
de la temperatura en la troposfera libre es de 6.5º K / Km . Además, contiene
la mayor parte de la masa de la atmósfera, entre un 75% y un 90% de la
masa total de la misma.
Adquiere gran importancia por ser la capa atmosférica más próxima a la

superficie y, por tanto, donde se producen los fenómenos meteorológicos
más estudiados, así como la actividad propia de los seres vivos.
La parte de la troposfera más cercana a la superficie terrestre es la capa

límite. Esta capa está influenciada por la superficie terrestre y responde a
fuerzas de la superficie con un tiempo de escala de aproximadamente una
hora o incluso inferior. Aquí la estratificación de temperatura es muy distinta
a la del resto de la troposfera que llamaremos, troposfera libre. Además en
esta capa límite se producen variaciones muy importantes de la temperatura
a lo largo del día y la noche. Suelen aparecer zonas con situaciones de
inestabilidad térmica (decrecimiento de la temperatura con la altitud) por el
día y de estabilidad e incluso de inversión térmica durante la noche
(decrecimiento de la temperatura con la altitud), procesos relacionados con
episodios de contaminación en grandes urbes producidos por efectos
denominados “isla térmica”.
I.1.2. CONTAMINACIÓN ATMOSFÉRICA
La Ley 34/2007, de 15 de noviembre, de calidad del aire y protección de la

atmósfera define como contaminación atmosférica, la presencia en el aire
de sustancias o formas de energía que impliquen riesgo, daño o molestia
grave para las personas y bienes de cualquier naturaleza.
La contaminación atmosférica puede definirse como cualquier condición de

la atmósfera en la que ciertas sustancias (elemento o compuesto natural o
artificial) se incorporan o alcanzan concentraciones lo suficientemente
elevadas sobre su nivel ambiental normal (tabla I.1), como para producir un
efecto negativo en la salud de las personas y de los animales, dañar la
vegetación, ensuciar y deteriorar los materiales, afectar al clima, reducir la
5/284
I. Introducción
visibilidad y la radiación solar, y en general, en la calidad y disfrute de la

vida.
SUSTANCIA CONCENTRACIÓN EN PPM
Nitrógeno 780840
Oxígeno 209460
Argón 9340
Dióxido de carbono 315
Neón 18
Helio 5.2
Metano 1.0-1.5
Criptón 1.1
Óxido nitroso 0.5
Hidrógeno 0.5
Xenón 0.08
Tabla I.1. Composición del aire seco a nivel del mar.
Cuando estas materias o fuentes de energía ponen, o es probable que

pongan, en peligro la salud del hombre, su bienestar o recursos, directa o
indirectamente, se denominan contaminantes (Williamson, 1972). De la
definición anterior se deduce que para que una sustancia se pueda
considerar contaminante atmosférico o no, dependerá de los efectos que
produzca sobre sus receptores, por lo que una misma sustancia puede ser
considerada un contaminante en determinadas condiciones y en otras
considerarla como beneficiosa o neutra. Ejemplo de ello es el ozono, que es
elemento esencial para la protección contra la radiación ultravioleta cuando
se encuentra en la estratosfera pero es nocivo cuando supera determinados
niveles en la troposfera.
Los problemas de contaminación atmosférica aparecen por la liberación a la

atmósfera de diferentes especies, a las que se les denomina emisiones y
que pueden tener varios orígenes.
6/284
I. Introducción
La contaminación atmosférica no solo tiene su origen en la actividad

humana (contaminación antropogénica), sino también en fenómenos
naturales como los que se producen como parte de los ciclos elementales
de la materia (ciclos del oxígeno, carbono, o nitrógeno), el vulcanismo, los
procesos de fermentación, los incendios forestales, etc.
Para una completa comprensión del problema es necesario comprender

una serie de procesos que surgen del sistema dinámico complejo que
constituye la atmósfera terrestre. Estos procesos implican la emisión del
contaminante a la atmósfera, el transporte, difusión turbulenta y
transformaciones químicas y físicas, y, por último, su recepción por los
seres vivos.
I.1.2.1. CLASIFICACIÓN DE LOS CONTAMINANTES ATMOSFÉRICOS
I.1.2.1.1 Clasificación de contaminantes atmosféricos según su

naturaleza físico-química.
Debido a la diversidad de tipos de contaminantes es difícil realizar una

clasificación idónea de los tipos de contaminantes atmosféricos. Una
clasificación frecuentemente utilizada sería la siguiente:
- Óxidos de carbono
- Óxidos de azufre
- Óxidos de nitrógeno
- Partículas y aerosoles
- Oxidantes
- Compuestos orgánicos volátiles
- Substancias radiactivas
- Ruido
- Calor
- Otros contaminantes
I.1.2.1.2 Clasificación de contaminantes atmosféricos según su origen.
Otra aproximación al problema muy útil, se basa en la clasificación de

contaminantes atmosféricos según el método de aparición en la atmósfera. De
esta manera tendríamos:
- Contaminantes primarios.
Son las sustancias que tienen carácter contaminantes y son vertidas

directamente a la atmósfera desde los focos emisores, tanto naturales
como antropogénicos, y provocan alteraciones en la calidad del aire
7/284
I. Introducción
produciendo lo que se conoce a menudo como “contaminación

convencional.
Los principales contaminantes primarios son:
o Los compuestos del carbono: CO2, CO, CH4, VOC’s (Volatile

Organic Compound)
o Compuestos del nitrógeno: NO2, NO, NH3.
o Compuestos del azufre: SO2
o Compuestos halogenados.
o Materia particulada (agrupada en PM10 (materia particulada de 10
micrómetros de diámetro), de baja penetrabilidad en las vías
respiratorias, y PM2.5 (materia particulada de 2.5 micrómetros de
diámetro), de profunda penetrabilidad en las vías respiratorias).
- Contaminantes secundarios.
Los contaminantes secundarios son el resultado de la interacción

química, entre contaminantes primarios y otros compuestos habituales
de la atmósfera, los más importantes son el ácido sulfúrico (H2SO4),
ácido nítrico (HNO3), ozono (O3), peroxiacetilnitrato (PAN) (Jacobson,
2005)..
En la tabla I.2 se expone un resumen de las principales familias de

contaminantes atmosféricos, y una breve descripción de sus fuentes,
características y efectos.
8/284
I. Introducción
EFECTOS
TIPO CONTAMINANTE FUENTE CARACTERÍSTICAS
Óxidos de Monóxido de Combustión Primario Reemplaza al oxígeno

carbono Carbono (CO) incompleta de Gas en la unión O2-
gasolina o gasoil Incoloro hemoglobina
Inodoro
produciendo anoxia y
insípido
muerte celular.
Dióxido de Combustible de Primario Efecto invernadero.

Carbono (CO2) productos Gas incoloro Cambio climático.
orgánicos Inodoro
insípido
Óxidos de Dióxido de Combustión de Primario Contribuye a la lluvia
azufre azufre SO2 Carbón y petróleo Incoloro ácida.
Aerosol marino Olor fuerte e
Volcanes irritante
No inflamable
Trióxido de Reacciones de Secundario Contribuye a la lluvia
azufre SO3 SO2 con O2 ácida.
Óxidos de Óxido Nitroso Descomposición Gas inerte. Contribuye al efecto

Nitrógeno (N2O) de materia Anestésico. invernadero, afectando
orgánica a la destrucción de la
nitrogenada. capa de ozono.
Óxido Nítrico Acción biológica y Incoloro. Contaminación

(NO) procesos de Inodoro. fotoquímica.
combustión. Tóxico en elevadas
concentraciones.
Dióxido de Combustión a Irritante. Contribuye a la lluvia
Nitrógeno (NO2) elevadas Precursor de O3 ácida.
temperaturas de Contaminación
carbón, petróleo y fotoquímica.
gasolina.
Partículas Polvos. Natural. Pueden transportar Afecta a las vías
Humos. Antropogénico. consigo otros respiratorias.
Nieblas o contaminantes.
brumas.
Oxidantes Ozono (O3) Reacciones Secundario Smog fotoquímico.
químicas de sus Irritación de ojos y
precursores: membranas. mucosas.
- Óxidos de
Nitrógeno.
- Compuestos
Orgánicos
Volátiles.
Tabla I.2 Resumen de los principales contaminantes atmosféricos.
9/284
I. Introducción
I.1.2.2. DESCRIPCION DE LOS CONTAMINANTES ATMOSFÉRICOS MÁS

IMPORTANTES.
a) Dióxido de carbono (CO2)
Es un gas incoloro, inodoro e insípido que se encuentra presente en la

atmósfera de forma natural y no es tóxico. Desempeña un importante papel en
el ciclo del carbono en la naturaleza y enormes cantidades, del orden de 1012
toneladas, pasan por el ciclo natural del carbono, en el proceso de fotosíntesis.
Dada su presencia natural en la atmósfera y su falta de toxicidad, no
deberíamos considerarlo una sustancia que contamina, pero se dan dos
circunstancias que lo hacen un contaminante de gran importancia en la
actualidad:
- es un gas que produce un importante efecto de atrapamiento del calor,

el llamado efecto invernadero; y
- su concentración está aumentando en los últimos decenios por la quema
de los combustibles fósiles y de grandes extensiones de bosques.
Por estos motivos es uno de los gases que más influye en el calentamiento
global del planeta y el consiguiente cambio climático.
Emisiones de CO2 proceden de combustiones diversas (industriales,

domésticas, comerciales, etc), de las plantas eléctricas, y del transporte.
b) Monóxido de carbono (CO)
Es un gas contaminante primario, sin color, olor ni sabor.
Tiene una reactividad inferior a los óxidos de azufre y de nitrógeno y los

procesos de eliminación por depósito no parecen ser tan efectivos. Ello explica
que el tiempo de permanencia en la atmósfera sea del orden de un mes.
La concentración ambiental en una atmósfera limpia es inferior a 200 µg /m3,

mientras que una atmósfera contaminada puede ser superior a 30.000 µg /m3.
Alrededor del 90% del que existe en la atmósfera se forma de manera natural,
en la oxidación de metano (CH4) en reacciones fotoquímicas. Se va eliminando
por su oxidación a CO2.
Es uno de los contaminantes más abundantes en la baja atmósfera. Su origen

está principalmente en la combustión incompleta de combustibles carbonosos.
Las emisiones antropogénicas, consecuencia de las actividades humanas, lo
genera en grandes cantidades siendo, después del CO2, el contaminante
emitido en mayor cantidad a la atmósfera por causas no naturales. Procede,
principalmente, de la combustión incompleta de la gasolina y el gasoil en los
motores de los vehículos, pero también hay contribuciones significativas de
industrias y centrales de producción de energía.
10/284
I. Introducción
El CO es tóxico porque envenena la sangre impidiendo el transporte de

oxígeno. Se combina fuertemente con la hemoglobina de la sangre y reduce
drásticamente la capacidad de la sangre de transportar oxígeno. Es
responsable de la muerte de muchas personas en minas de carbón, incendios
y lugares cerrados (garajes, habitaciones con braseros, etc.)
c) Dióxido de azufre (SO2).
El dióxido de azufre es un importante contaminante primario. Es un gas

incoloro y no inflamable, de olor fuerte e irritante.
Su vida media en la atmósfera es corta, de unos 2 a 4 días. Casi la mitad

vuelve a depositarse en la superficie y el resto se convierte en iones sulfato
( ), por este motivo es un importante factor en la lluvia ácida.
En conjunto, más de la mitad del SO2 que llega a la atmósfera es emitido por
actividades humanas, sobre todo por la combustión de carbón y petróleo y por
la metalurgia. Otra fuente muy importante es la oxidación del H2S. En la
naturaleza, es emitido en la actividad volcánica.
En algunas áreas industrializadas hasta el 90% del SO2 emitido a la atmósfera

procede de las actividades humanas, aunque en los últimos años está
disminuyendo su emisión en muchos lugares gracias a las medidas adoptadas.
En España sus emisiones se concentran en Galicia y Aragón, al estar situadas

en estas Comunidades importantes instalaciones productoras de electricidad
que usan combustibles de baja calidad. En los últimos años se están
produciendo importantes disminuciones en la emisión de este contaminante
como consecuencia de estar sustituyéndose los carbones españoles (de baja
calidad) por combustibles de importación, más limpios. De todas formas las
cantidades producidas siguen siendo bastante grandes y, de hecho, es el
contaminante primario emitido en mayor cantidad después del CO.
d) Trióxido de azufre (SO3)
El SO3 es un contaminante secundario que se forma cuando el SO2 reacciona

con el oxígeno en la atmósfera. Posteriormente, este gas reacciona con el agua
formando ácido sulfúrico con lo que contribuye de forma muy importante a la
lluvia ácida y produce daños importantes en la salud, la reproducción de peces
y anfibios, la corrosión de metales y la destrucción de monumentos y
construcciones de piedra.
Algunos otros gases compuestos de azufre, como el sulfuro de hidrógeno

(H2S), son contaminantes primarios, pero normalmente sus bajos niveles de
emisión hacen que no alcancen concentraciones dañinas.
Estos contaminantes son, por tanto, eliminados por la lluvia tanto en el proceso
de formación de gotas, como en el lavado por la lluvia misma. También las
partículas de sulfatos sedimentan sobre la superficie y la vegetación.
11/284
I. Introducción
e) Óxidos de nitrógeno.
De los más de ocho óxidos distintos que forman esta familia, (NOx), tres son los
que están en el aire en cantidades apreciables, N2O (óxido nitroso), NO (óxido
nítrico) y NO2 (dióxido de nitrógeno).
- Óxido nitroso
El N2O es un gas inerte de carácter anestésico que contribuye al efecto

invernadero (absorbe 200 veces más radiación infrarroja que el CO2) y afecta a
la destrucción de la capa de ozono, incrementándose la presencia del mismo
en la atmósfera como consecuencia de las emisiones procedentes de la
descomposición de materia orgánica nitrogenada, alcanzando unos niveles en
el aire de 0,50 ppm.
- Óxido nítrico
El NO es un gas incoloro e inodoro, tóxico a altas concentraciones y presente

en el aire en menos de 0,50 ppm. Aunque a baja concentración su tolerancia
por los seres vivos es aceptable, sin embargo es oxidado por acción del ozono
para producir NO2 y por tanto responsable, en parte, de la contaminación
fotoquímica.
El NO es producido por acción biológica y en los procesos de combustión. El

tiempo de residencia es de solo 5 días.
Las reacciones entre el nitrógeno (tanto del aire como el que está presente en
el combustible) y el oxígeno se resumen en las dos reacciones siguientes:
NO2 + O2 → 2 NO
1
NO + O2 → NO2
2
- Dióxido de nitrógeno
El NO2 es uno de los contaminantes más peligrosos, en primer lugar por su

carácter irritante y, en segundo lugar, porque se descompone por medio de la
luz solar según la reacción:
NO2 + hυ 
→ NO + O
La formación de oxigeno atómico, que es muy reactivo, convierte al oxigeno en

ozono.
En torno al 67% de las emisiones de NOx son de origen antropogénico, de las

cuales, más del 90% se originan en combustiones a elevadas temperaturas,
tanto de fuentes estacionarias como móviles.
12/284
I. Introducción
Estos compuestos junto con el amoniaco pueden reaccionar con el agua de la

atmósfera produciendo ácidos, que, por tanto, contribuyen también a la lluvia
ácida.
Para un efectivo control de emisiones de los NOx se tendrá en cuenta lo

siguiente:
- El exceso de aire incrementa la temperatura y por tanto es mayor la

emisión de NOx.
- El precalentamiento del aire produce idéntico efecto, a pesar del ahorro
energético.
- La recirculación de los gases de combustión fríos rebajan la temperatura
y reducen las emisiones.
Las principales fuentes artificiales de óxidos de nitrógeno son la combustión de

carbón, petróleo y gasolina, con una fuerte contribución de los automóviles.
Son compuestos, en general, bastante reactivos siendo junto con los
compuestos orgánicos volátiles precursores del ozono en la baja troposfera.
Las reacciones químicas que dan lugar al ozono precisan de radiación solar
(especialmente en el ultravioleta) y altas temperaturas. Son conocidas como
reacciones fotoquímicas y los contaminantes como contaminantes
fotoquímicos.
Las concentraciones ambientales en una atmósfera limpia son muy bajas

(aproximadamente 2µg /m3), mientras que en atmósferas contaminadas nos
encontramos concentraciones superiores a 400µg /m3.
f) Partículas
Por partículas entendemos cualquier sustancia, a excepción del agua, presente

en la atmósfera en estado sólido o líquido bajo condiciones normales y cuyo
tamaño es microscópico o submicroscópico, pero siempre superior a las
dimensiones moleculares. Se utilizan varios términos en relación con las
partículas en el aire:
1. Polvos. Partículas sólidas dispersas en un gas, originadas por la

desintegración mecánica de algún material (trituración de rocas,
polvaredas de polvo resuspendido por ráfagas de aire, etc), con tamaño
entre 0,1 y 0,5 micrones.
2. Humos. Pequeñas partículas originadas por condensación de un vapor
sobresaturado conteniendo concentraciones elevadas de sustancias con
baja presión de vapor, por sublimación o bien producidas en las
reacciones químicas. El tamaño aproximado es de 1 micrón.
13/284
I. Introducción
3. Nieblas o Brumas. Suspensión de pequeñas gotas líquidas formadas

por la condensación de gases o vapores sobre núcleos adecuados. El
tamaño aproximado de estas partículas es de 10 micras.
Cada partícula es diferente en forma, tamaño y composición. Al mismo tiempo

tiene su historia particular si nos fijamos en su origen, crecimiento, interacción y
desaparición. El proceso de generación de partículas y su posterior eliminación
es continuo y depende de las específicas fuentes contaminantes, ya sean
naturales o antropogénicas, interviniendo de manera importante la
meteorología y la topografía de la zona en estudio.
Al conjunto de partículas que pueden encontrarse en la atmósfera se les

conoce con el nombre de Aerosoles (Nubes de partículas diversas en el aire de
tamaño microscópico y submicroscópico).
En una atmósfera limpia, su concentración natural sería de unos 10 a 20µg /m3,

mientras que en atmósferas contaminadas puede superar los 500µg /m3.
Las partículas tienen la particularidad de poder transportar consigo otros

contaminantes, tales como metales, sulfatos, etc. El tamaño de la partícula es
un factor importante ya que cuanto más pequeño sea este, mayor es la
penetración de la partícula en las vías respiratorias. También la procedencia de
la partícula va a marcar su tamaño. Se distinguen dos grupos fundamentales:
- Partículas gruesas. Tamaño superior a 2 micras con un máximo

alrededor de 10 micras. Su origen es principalmente natural, aunque
también puede ser liberadas por la acción del hombre. Las partículas
mayores se depositan de forma rápida por acción de la gravedad.
- Partículas finas. Tamaño inferior a 2 micras. Su origen es diverso pero

tienen una alta componente antropogénica. La eliminación se hace
principalmente por acción de la lluvia.
Las partículas de tamaño inferior a 10 micras se las conoce como PM10 y son
las habitualmente legisladas, aunque también lo son las partículas totales y
próximamente las PM2.5.
g) Ozono.
Este es quizá el más importante de los contaminantes secundarios. Se origina

por las reacciones químicas de sus precursores: óxidos de nitrógeno y
compuestos orgánicos volátiles. En estas reacciones juega un importante papel
la radiación solar, ya que las reacciones son de tipo fotoquímico y precisan de
altas temperaturas para que sean efectivas. Por ello, la formación de ozono en
la baja troposfera suele presentarse en días soleados y calurosos. Debido al
tiempo necesario para la formación de ozono y a otros factores, los niveles
14/284
I. Introducción
altos de ozono suelen presentarse alrededor de las ciudades, en las zonas

donde el viento ha transportado los precursores emitidos desde las mismas.
Produce juntos con otros compuestos lo que conocemos como niebla o smog
fotoquímico.
En atmósferas limpias podemos encontrar niveles de ozono de entre 30 a 70µg

/m3, en situaciones episódicas de ozono se pueden superar los 360µg/m3.
Cuando hay acumulación de este gas o bien de otros oxidantes, como

peróxidos, en las capas bajas de la atmósfera se producen efectos nocivos
para la salud, como irritación en los ojos y membranas mucosas.
h) Compuestos Orgánicos Volátiles
Los compuestos orgánicos volátiles, COVs, (no metánicos, excluidos CFCs y

halones) tienen una procedencia natural considerable (aunque cada día tiene
más importancia las emanaciones procedentes de industrias y vertederos de
residuos sólidos urbanos) y contribuyen a la contaminación fotoquímica, sobre
todo los aldehidos de bajo peso molecular, siendo precursores de la formación
de NOx y por tanto corresponsables en la producción de lluvia ácida así como
de la contaminación fotoquímica, además de contribuir al efecto invernadero.
i) Metales
Algunos metales y sus derivados presentan valores suficientemente altos de

presión de vapor y, por tanto, pueden existir como gases en la atmósfera. Un
ejemplo típico es el mercurio, cuya emisión a la atmósfera se debe
principalmente a los procesos de obtención del metal y, en segundo término, a
la combustión de fuel con un elevado contenido de mercurio.
Otro ejemplo es el plomo, principalmente en forma de sus alquilderivados

utilizados en las gasolinas y emitidos a la atmósfera por los motores de
automóviles.
j) Hidrocarburos.
Las emisiones de hidrocarburos están asociadas, fundamentalmente, a una

mala combustión de derivados del petróleo.
No se describen sus efectos sobre los seres vivos, salvo para el etileno
(detiene el crecimiento de las plantas) y los hidrocarburos aromáticos (resultan
cancerígenos).
Contribuyen junto a los NOx y la luz UV a la contaminación fotoquímica y al

efecto invernadero. Las emisiones de metano y gas natural suponen alrededor
de 500 GKg/año procedentes de descomposiciones anaerobias, extracciones
mineras y escapes de instalaciones industriales y domésticas.
15/284
II Modelización del transporte advectivo de contaminantes en la atmósfera
CAPÍTULO II. MODELIZACIÓN DEL TRANSPORTE ADVECTIVO DE

CONTAMINANTES EN LA ATMÓSFERA.
INTRODUCCIÓN
En este capítulo vamos a realizar una introducción a los modelos de dispersión

de los contaminantes químicos centrándonos en las ecuaciones diferenciales
parciales (EDP) que modellizan los fenómenos advectivos de la dispersión de
contaminantes en la atmósfera. A continuación vamos a introducir un método
racional conservativo para la resolución de la parte advectiva de la EDP que
modeliza la dispersión de contaminantes. Este método está basado en un
método de interpolación racional y en el método de volúmenes finitos.
La ventaja del método racional conservativo con respecto a otros métodos

numéricos desarrollados para obtener la solución de la parte advectiva de la
EDP de dispersión de contaminante está en que realiza el transporte de una
función f ( x , t ) o f ( x , y , t ) a lo largo del tiempo conservando la masa durante
el desplazamiento. El método racional conservativo emplea una discretización
del espacio en celdillas o volúmenes finitos, y en cada paso calcula la
aproximación de la función mediante una interpolación racional que hace uso
de los valores de la función en las interfases de la celdilla y de la integral
ponderada en la celdilla.
El cálculo evolutivo en el tiempo de la integral ponderada se realiza mediante

una formulación de flujo, que contempla los valores de la integral ponderada en
un instante de tiempo, y actualiza el valor en el siguiente instante de tiempo,
agregándole a este valor el balance entre el flujo saliente y el flujo entrante.
Esta es la razón por la que el método racional conservativo conserve la masa
transportada durante el proceso de integración de la ecuación. El uso de la
interpolación racional elimina las oscilaciones que suelen producirse
empleando otros métodos numéricos.
Para el tratamiento de problemas advectivos en 2D se hace uso de la técnica

de separación de operadores y de un mallado especial denominado Arakawa
C-grid.
16/284
II.1 Tipos de modelos de transporte de contaminantes
Los modelos atmosféricos, pueden dividirse, en un sentido amplio, en dos tipos

de modelos, los modelos físicos y los modelos matemáticos (Seinfeld & Pandis,
1997)..
Los modelos físicos se utilizan para simular los procesos atmosféricos por
medio de la representación a pequeña escala del sistema real. Por ejemplo,
una réplica a pequeña escala de una zona urbana.
Los modelos matemáticos, a su vez, pueden clasificarse en modelos basados

en la descripción de los procesos físicos y químicos atmosféricos, y modelos
basados en el análisis estadístico.
De aquí en adelante, nos referimos como modelos de dispersión a aquellos que

se basan en la representación mediante una expresión matemática de los
procesos físicos y químicos que afectan la concentración de las especies
químicas en la atmósfera.
Los usos más representativos de los modelos de dispersión de contaminantes

son:
- simular la dispersión de los contaminantes emitidos desde una o varias

fuentes, con objeto de estimar la concentración que se espera encontrar
en lugares de interés.
- gestión de la calidad del aire en tiempo real, como por ejemplo, en el
control de emisiones o protección de la salud humana, sirviendo de
herramienta para conocer si se cumple o no la legislación vigente.
Los modelos de contaminación simulan cuantitativamente los distintos

procesos que afectan a la evolución de los contaminantes en la atmósfera. Los
principales procesos físico-químicos que afectan a la distribución de
contaminantes en la atmósfera y que los modelos de dispersión tratan de
representar, son:
- la advección de contaminantes (transporte por el viento)

- la difusión
- los procesos de depósito (deposición seca o húmeda)
- las transformaciones químicas y las emisiones.
- Otros procesos como los efectos aerodinámicos del terreno o la
sobreelevación del penacho de emisión que también deben ser
considerados a la hora de simular el movimiento de un determinado
contaminante.
Las información de entrada que necesitan los modelos de dispersión incluye un

inventario de emisiones, con las variaciones espaciales y temporales
necesarias, datos meteorológicos, como el viento, altura de capa de mezcla,
coeficientes de difusión, etc, características de la región, como la topografía o
los usos del suelo e información de concentraciones de los contaminantes en
los contornos del área de estudio y en el instante inicial.
17/284
II.2 Modelos Eulerianos y Lagrangianos
La solución de la ecuación de dispersión de contaminantes permite conocer la

magnitud f en cada punto del espacio (x, y, z) y en el instante de tiempo t.
Existen dos aproximaciones numéricas para el tratamiento de la dispersión de
los contaminantes atmosféricos: la aproximación euleriana y la aproximación
lagrangiana.
• La aproximación euleriana implica la simulación de los cambios de

concentración de los contaminantes sobre una malla espacial fija,
basándose en la solución numérica explícita de la ecuación de
conservación de masa, resuelta en función de condiciones iniciales y de
contorno adecuadas. Esta aproximación permite tratar directamente
procesos no-lineales, como es la química atmosférica que surge de la
interacción entre contaminantes de múltiples y diferentes fuentes. La
principal desventaja de esta aproximación está relacionada con la
complejidad computacional y la obtención de datos de entrada en la
escala espacial requerida.
• La aproximación lagrangiana es más apropiada para el tratamiento de
emisiones de fuentes individuales puntuales, pudiendo seguirse el
desplazamiento y la trayectoria de dichas emisiones. Las emisiones
suelen ser representadas por “plumas” o puntos de partículas, como se
verá más adelante.
II.2.1 MODELOS EULERIANOS
En este tipo de modelos el área modelada se divide en celdas o cajas, tanto en

la dirección horizontal como vertical. Las concentraciones se calculan en
posiciones geográficas fijas y en momentos temporales concretos, basándose
en concentraciones iniciales, nuevas emisiones, transporte hacia dentro y hacia
fuera de cada caja o celda, dilución y reacciones químicas.
Aunque al principio esta aproximación estaba centrada principalmente a

regiones urbanas, en seguida se desarrollaron modelos regionales de tipo
euleriano. La necesidad de modelos a escala regional se puso de manifiesto en
situaciones donde el transporte a largas distancias juega un papel importante
para determinar la concentración de contaminantes en varias localidades.
Características principales
Los modelos eulerianos utilizan directamente la ecuación de dispersión.
∂f
+ ∇ ( uf ) = ∇ ( k∇f ) + P − L
∂t (2.1)
18/284
Donde f es la cantidad de contaminante transportado, u es la velocidad del

viento, el término ∇ ( uf ) representa el transporte advectivo, el término ∇ ( k ∇f )
representa la difusión del contaminante y los términos P y L representan la
pérdida y producción de contaminante respectivamente, correspondiente a
diferentes procesos como las emisiones, la generación química de
contaminantes secundarios, o el depósito seco y húmedo y el consumo de
contaminantes dentro de las reacciones químicas.
El dominio espacial (un área geográfica o un volumen de aire) en el cual se van

a aplicar las ecuaciones, se divide en pequeñas celdas (ver Fig. 3.1).
Fig.2.1. Discretización del dominio espacial en el modelo euleriano.
Por este motivo, estos modelos son conocidos también como modelos de
celdas o modelos de malla. Las derivadas parciales que conforman la ecuación
(2.1) se discretizan en la malla seleccionada. Esto quiere decir que cada uno
de los procesos (advección, difusión vertical, reacciones químicas, depósito y
emisiones) debe ser descrito para cada celda con respecto a un sistema de
referencia fijo.
La figura 2.2 muestra los diversos flujos de contaminantes posibles: Entrada

por advección por el oeste (HW), salida por advección hacia el este (HE),
entrada por advección desde el sur (HS), salida hacia el norte (HN), pérdida por
depósito (D), entrada por emisiones (E), variaciones por transformaciones
químicas en el interior de la celda (Q), y entrada y salida de la celda en la
dirección vertical (V).
19/284
N
AM HN
AMv
AM HE
AM HO AMQ
AMD AME
O E
S
AM HS
Fig. 2.2 Discretización de los flujos de contaminantes a través de una
celda del dominio
El sistema de ecuaciones debe ser resuelto para cada paso temporal. Se

emplean métodos numéricos, como diferencias finitas, volúmenes finitos, etc.
II.2.2 Modelos Lagrangianos
Características principales
Esta aproximación se basa en el cálculo de las trayectorias del viento y en el

transporte de parcelas de aire a lo largo de esas trayectorias. Por este motivo
son conocidos también como modelos de trayectoria. La trayectoria puede
calcularse desde el momento en que se produce la emisión hasta alcanzar la
zona de interés o, por el contrario, desde el punto de interés hacia atrás, hasta
llegar al origen de la emisión. Esta posibilidad de seguir la trayectoria de una
nube de contaminantes originada por una emisión determinada hace que los
modelos lagrangianos se empleen frecuentemente en la modelización de las
emisiones de fuentes puntuales.
Matemáticamente, los modelos lagrangianos calculan la difusión de los
contaminantes en un sistema móvil ligado a una determinada parcela de aire
mientras es transportada por el viento. Las emisiones son representadas por
una serie de elementos discretos transportados por la velocidad media del
viento. Los modelos que utilizan esta aproximación se diferencian entre sí en el
20/284
elemento lagrangiano que emplean para representar la emisión (pluma,

penacho, partículas), en las características de dicho elemento y en cómo
responde éste a los cambios del campo de viento a gran escala, Asimismo
también se diferencian en las simplificaciones que se utilizan para reducir el
tiempo de cálculo y los requisitos computacionales.
II.3. – Ecuación de dispersión de contaminantes en la atmósfera
A partir de este punto nos centraremos en la definición y la resolución de la

ecuación de transporte advectivo.
Para el caso de una dimensión, el transporte advectivo se puede representar

como
∂f ∂f
+u =0 (2.2)
∂t ∂x
Donde f ( x , t ) es la concentración de sustancia transportada y u es la

velocidad del viento. Esta ecuación en derivadas parciales es lineal, de primer
orden con un coeficiente, u correspondiente a la velocidad del viento. Con una
velocidad del viento constante la solución de la ecuación es la translación de la
función f con una velocidad u sin cambio de forma.
Para el caso de dos dimensiones se tiene:
∂f ∂f ∂f
+u +v =0 (2.3)
∂t ∂x ∂y
siendo f = f ( x , y , t )
Para el caso de tres dimensiones se tiene:
∂f ∂f ∂f ∂f
+u +v +w =0 (2.4)
∂t ∂x ∂y ∂z
siendo f = f ( x , y , z , t )
Esta ecuación, sin embargo, no es suficiente para describir todos los
fenómenos físicos que ocurren en la atmósfera. Además de la advección o
transporte tendremos un fenómeno de difusión y por tanto la ecuación anterior
cambia a:
∂f ∂f ∂f ∂f ∂2 f ∂2 f ∂2 f
+u +v +w +α 2 + β 2 +γ 2 = 0 (2.5)
∂t ∂x ∂y ∂z ∂x ∂y ∂z
siendo ∝, β y γ , los coeficientes de dispersión en las direcciones x , y y z
21/284
La emisión de contaminantes a la atmósfera se representa como Q. Además

existen procesos a través de los que se produce una disminución de la
cantidad de contaminantes y que, por tanto, deben ser incorporados en el
balance de masas. Se trata de los procesos de depósito de material (D), que
pueden producirse sobre el suelo o sobre otros receptores. Si añadimos estas
emisiones y pérdidas de masa a la ecuación (2.5), ésta se transforma en:
∂f ∂f ∂f ∂f ∂2 f ∂2 f ∂2 f
+u +v +w +α 2 + β 2 + γ 2 + Q − D = 0 (2.6)
∂t ∂x ∂y ∂z ∂x ∂y ∂z
Por último, para concluir con el balance de masas representativo de los

procesos físicos y químicos que se producen en la atmósfera, es necesario
considerar las reacciones químicas que pueden tener lugar, bien entre el
contaminante que estamos considerando y otras especies químicas presentes,
o reacciones de fotolisis en presencia de luz solar. Si incluimos el término
relativo a las reacciones químicas, R, la expresión (2.6) se convierte en:
∂f ∂f ∂f ∂f ∂2 f ∂2 f ∂2 f
+u +v + w +α 2 + β 2 +γ 2 + Q − D + R = 0 (2.6)
∂t ∂x ∂y ∂z ∂x ∂y ∂z
Esta ecuación es la ecuación de dispersión de un contaminante en la

atmósfera, para un fluido incompresible y en régimen turbulento. Lo que esta
ecuación nos dice es que la variación de la concentración de un contaminante,
f , asociada a un flujo turbulento, por unidad de masa y de tiempo, se debe
fundamentalmente a cinco efectos:
 ∂f ∂f ∂f 
1) Advección u +v +w  , es decir, el transporte de los
 ∂x ∂y ∂z 
contaminantes por la acción del viento.
 ∂2 f ∂2 f ∂2 f 
2) Difusión,  α 2 + β 2 + γ 2  que representa las variaciones que,
 ∂x ∂y ∂z 
como consecuencia del estado turbulento del fluido, pueden producirse en el
volumen de control
3) La emisión del contaminante, ( Q ) , debida a la presencia de fuentes en el

volumen. Un ejemplo es la emisión desde chimeneas.
4) La eliminación del contaminante, ( D) , producida especialmente por

procesos de depósito sobre la superficie terrestre.
22/284
5) La transformación química, ( R ) , del contaminante, que puede conducir a

la eliminación del contaminante si éste reacciona con otros compuestos en la
atmósfera, o a su producción, si otros compuestos reaccionan entre sí para
formar el contaminante considerado.
La Figura 2.3 muestra un esquema simplificado del conjunto de procesos que

pueden tener lugar, de forma simultánea, en la atmósfera.
Fig. 2.3. Esquema de los procesos que intervienen en la

distribución de la concentración de los contaminantes
atmosféricos.
II.3.1. Descripción de los procesos de dispersión
A continuación se expone brevemente la relación que tiene cada uno de los

términos que aparece en la ecuación de dispersión de contaminantes en la
atmósfera (2.6) con la concentración final de los contaminantes y qué factores
son necesarios conocer para su resolución.
• Término de advección.
Este término, como ya se ha indicado, está relacionado con la llegada de

contaminante al volumen de estudio procedente del exterior y que entra
transportado por el viento. Del mismo modo se produce una pérdida de
material, que sale del volumen de estudio arrastrado también por el viento. Una
mayor intensidad de viento desplazará los contaminantes con mayor velocidad
y favorecerá el transporte. Para resolver este término de la ecuación es
necesario conocer el campo de velocidades del flujo atmosférico (viento). Este
es el motivo de la importancia de los modelos meteorológicos, bien de tipo
diagnóstico o de pronóstico, ya que permiten generar los campos de vientos
23/284
necesarios para la resolución de la ecuación de dispersión. Para un resumen

de los modelos meteorológicos ver Apéndice I.
• Término difusivo.
Existen diversas parametrizaciones para la estimación de estos términos. Una

aproximación muy frecuente utilizada en los modelos eulerianos es la teoría K o
del gradiente. En general, este término está relacionado con los procesos
turbulentos que producen movimientos verticales en la atmósfera y por tanto
originan una mezcla vertical de contaminantes. Estos procesos tendrán mayor
o menor importancia en función de ciertos factores meteorológicos, como son
la estabilidad atmosférica (si la atmósfera es estable los movimientos
verticales estarán más impedidos) o la altura de capa de mezcla, que indica el
espesor de la atmósfera en el cual se producen los procesos de mezcla (si la
altura de capa de mezcla es alta, los procesos de mezcla vertical se
extenderán a una mayor altura, es decir, los contaminantes se dispersarán más
verticalmente y por tanto en zonas próximas a la superficie su concentración
será menor).
• Término relativo a las reacciones químicas.
Este término incluye las transformaciones químicas que sufren los distintos
compuestos en el interior del volumen. Pueden conducir a un aumento de la
masa de contaminante en el sistema, si otros contaminantes reaccionan entre
sí causando la formación del contaminante que nos interesa o puede
producirse su desaparición, si dicho contaminante es el que reacciona con
otros para producir nuevas especies. Se consideran también las reacciones de
origen fotoquímico, es decir, producidas por la presencia de radiación
ultravioleta. Muchos modelos no incorporan este término y, por tanto, su
aplicabilidad se reduce al estudio de contaminantes inertes, o, lo que es lo
mismo, al estudio de contaminantes que no sufren reacciones químicas en la
atmósfera. Sin embargo, para los contaminantes reactivos (NOx, O3) es
imprescindible la inclusión de este término. A los modelos que contienen la
descripción de las reacciones químicas atmosféricas se les conoce como
modelos fotoquímicos.
El grado de sofisticación de los diferentes esquemas fotoquímicos varía de

acuerdo a los modelos y los problemas en estudio.
24/284
• Término relativo a las emisiones
Otro término de la ecuación de continuidad es el correspondiente a las

emisiones de sustancias a la atmósfera. Las emisiones pueden producirse bien
por fuentes naturales o por fuentes antropogénicas. Otro criterio de
clasificación permite distinguir entre fuentes primarias y fuentes secundarias.
Las primeras son las emisiones directas de contaminantes, por ejemplo
emisiones de SO2 por una chimenea. Las segundas se refieren a emisiones
que ocurren por transformación química de los compuestos emitidos, por
ejemplo la formación de sulfatos a partir de la oxidación de dióxido de azufre.
• Procesos de depósito o deposición.
Además de las reacciones químicas, existen otros procesos por los cuales se
eliminan contaminantes de la atmósfera. Son los procesos de depósito, y se
producen a través de dos mecanismos diferentes:
Depósito seco (deposición seca), o captura de gases o partículas

directamente por la vegetación u otras superficies, mediante impacto,
sedimentación o difusión
Depósito húmedo (deposición húmeda) o absorción de la
contaminación por hidrometeoros y posterior precipitación hacia el suelo.
Tanto el depósito seco como el húmedo limitan el tiempo de permanencia en el

aire de los contaminantes, controlan la distancia a la que pueden ser
transportados y, en definitiva, determinan sus concentraciones finales.
En esta Tesis nos interesa la modelización del transporte, difusión y reacciones

químicas de los contaminantes, por lo que no trataremos los procesos de
depósito o deposición.
II.4 Resolución numérica del módulo de advección
En esta Tesis se propone en primer lugar realizar una modelización del

transporte mediante un método racional (empleando una función interpoladora
racional) que sea a la vez conservativa, es decir, que conserve la masa o
volumen del fluido durante el transporte.
25/284
II.4.1 Resolución de la ecuación de transporte advectivo en 1- D
II.4.1.1 Discretización del dominio – mallado uniforme.
Se muestra en la figura 2.4 un esquema de mallado que representa los nodos

en el eje de tiempo t y de espacio x, las separaciones de los nodos en el eje x
son de valor fijo ∆x (definido para cada simulación, es un dato de entrada) y su
nomenclatura es con subíndices numerados a partir del nodo 1. Lo mismo pasa
para el eje t, las separaciones se notan con superíndices numerados a partir
del instante inicial (0, 1....n) y se define su duración para cada simulación. Se
define igualmente el número total de pasos de tiempo en cada simulación.
n+1
∆x
n x
i-1 i i+1
Fig. 2.4. Discretización del dominio. Mallado uniforme
Datos de entrada:
∆x = separación de los nodos en el eje x.
∆t = duración de cada paso de tiempo
Nx = número de incrementos de x
Nt = número total de pasos de tiempo.
26/284
II.4.1.2 Método racional conservativo o método CSLR0
El método racional conservativo (CSLR0) (Gavete et al., 2012), (Molina et al.,

2011a), (Molina et al., 2011b), aproxima el flujo dentro de cada celda por
funciones de interpolación racionales. Tanto el valor de la integral de la celda
como los valores en las dos fronteras de celda se emplean para la construcción
de la función de interpolación. El valor de la integral de la celda se obtiene
calculando el valor de flujo de entrada y salida.
Los esquemas conservativos tienen reducidos errores de dispersión y difusión.
Las interpolaciones racionales suprimen las oscilaciones producidas por las
funciones interpoladoras polinomiales y se puede obtener un perfil continuo con
mayor suavidad en todo el dominio computacional. Sin ninguna manipulación
explícita del flujo, como el limitador de pendiente, los esquemas son
computacionalmente más eficientes que los del Piecewise Parabolic Method
(PPM) (Colella & Woodward, 1984).
El esquema PPM construye la interpolación utilizando solamente los valores
medios de celda, y requiere manipulaciones extra para suprimir la oscilación
numérica. El perfil de reconstrucción es, por tanto, a trozos (ver figura 2.5).
fi+1
fi
fi-1
Fig. 2.5: perfil PPM
En el esquema CSLR0, la función de interpolación se construye usando la

integral en la celda y únicamente determinando los valores de límite de celda
f i +1 , los cuales se calculan mediante una aproximación semi-lagrangiana. Se
obtiene así un perfil de reconstrucción bien conectado (ver figura 2.6). El
esquema CSLR0 proporciona valores no solo en los nodos sino también entre
ellos y es más efectivo para el caso en que requiera resolución dentro de una
malla de tamaño variable.
27/284
fi+1
fi
fi-1
Fig. 2.6: Perfil CSLR0
El esquema CSLR0 es un esquema conservativo pero en él la interpolación a

trozos se realiza utilizando una función racional (cociente de polinomios).
Se considera la ecuación de advección:
∂f ∂( fu)
+ =0 (2.7)
∂t ∂x
Para el programa numérico se tomará la velocidad u como un valor constante,

por lo que u sale de la parcial de x por no depender de esa variable. En
adelante se distinguirá el caso u < 0 del u > 0.
Un esquema numérico se puede construir utilizando directamente una forma de
flujo, como:
i + 1 ( )i
∂ρ ( fu ) − fu
i = (2.8)
∂t ∆x
i
donde ∆xi = xi+1 − xi .
Aquí ρ i denota el promedio de la integración de celda de la cantidad

transportada, mientras que ( fu )i +1 y ( fu )i son los flujos que atraviesan los
límites de celda. La formulación numérica resultante es en general
automáticamente conservativa.
28/284
Dados los valores de la integral ponderada en cada celda pin y los valores de la
función en la interfase de cada fi n y f i+n1 , se puede construir una función de
interpolación con tres grados de libertad en el interior de la celda ( xi , xi+1 ) .
Asignaremos a la función f un subíndice para indicar la posición en el espacio

(eje x) y un superíndice para indicar el instante de tiempo (eje temporal, t ): f i n
. El esquema de mallado es el mismo que el que viene representado en la
figura 2.4.
II.4.1.2.1 Desarrollo del método
Interpolación
El método utiliza un esquema de interpolación integral en el que se emplean los

valores de f(x,t) en los puntos x1, x2, (f(x1, t) y f(x2, t)) y la integral de la
función en ese intervalo ∫ f ( x)dx como se observa en la figura 3.4.
Según (Feng Xiao & Yabe, 2001), (F. Xiao, 2002)(F. Xiao) (Feng Xiao & Peng,
2004), una función racional es capaz de producir resultados menos oscilatorios
comparada con las funciones de interpolación en su forma polinómica. A
continuación se van a obtener los valores de la función correspondientes a
puntos intermedios a los del mallado utilizando una función racional.
Partiendo de la figura 2.7, la función interpoladora entre los puntos x1 y x2 será:
F(x)
f(x1,t)=F(x1) f(x, (Feng

x
1 2
∫ F ( x ) dx = ρ1
∆x x
1
x1 x2
Fig.2.7: Interpolación CSLR0
29/284
La función racional interpoladora es (para el intervalo ∆x1 = x2 – x1):
a + 2b ( x − x1 ) + β b( x − x1 ) 2
F ( x) = (2.9)
1 + β ( x − x1 ) 
2
Usando las condiciones de contorno:
F ( x1 ) = f1n (2.10)
F ( x 2 ) = f 2n (2.11)
x
1 2
∫ F ( x)dx = ρ1n (2.12)
∆x1 x1
La función racional interpoladora (2.9) se puede determinar de forma única

siendo sus coeficientes (este es el esquema general de cálculo que se
particulariza posteriormente para los casos u > 0 y u < 0):
Coeficiente 1: a = f1n (2.13)
1
Coeficiente 2: 2b , donde b = β ρ1n + ( ρ1n − f1n ) (2.14)
∆x1
 ( f n − ρ1n ) 
Coeficiente 3: β b , donde β = ∆x1−1  1n − 1 (2.15)
 ( ρ1 − f 2 ) 
n
Es importante resaltar que puede aparecer una singularidad al aproximar

( ρ1n − f 2n ) a cero. Este es el caso en el que un pico o depresión de la onda es
transportado. Para evitar esta situación se introduce un modificador de β en:
 f1n − ρ n + ε 
β = ∆x  n n
−1
+ 1 (2.16)
 ρ − f 2 + ε 
donde ε es una cantidad muy pequeña y positiva que evita que aparezca la
indeterminación al hacer ρ1n − f 2n = 0 en el denominador. ε puede ser tan
30/284
pequeño como el límite aceptado por el ordenador y no hay necesidad de

modificarlo para las diferentes aplicaciones.
Caso u >0
La onda en este caso se desplaza en el sentido positivo del eje x. Utilizando el

polinomio interpolador para aproximar la solución de la ecuación de advección
F ( x = xi − u ∆t ) = f ( xi − u ∆t , t ) , en este caso la interpolación se realiza entre los
puntos i-1 e i .
x1 = xi
x2 = xi −1 para u >0
∆xi = xi −1 − xi
a + 2bi ( x − xi ) + β i bi ( x − xi ) 2
F ( x) = (2.17)
1 + β i ( x − xi ) 
2
xi−1
1
ρ =
n
∫ F ( x)dx (2.18)
∆xi
i
xi
Los coeficientes de F ( x ) pueden se obtienen como:
Coeficiente 1: a = f i n (2.19)
1
Coeficiente 2: 2bi donde bi = β i ρin + ( ρin − f i n ) (2.20)
∆xi
 fi n − ρin + ε 
Coeficiente 3: β i bi donde βi = −∆x  n
−1
−1 (2.21)
 ρi − fi −1 + ε 
n i
Después de que todos los intervalos de la función de interpolación F ( x) hayan

sido determinados, la solución numérica de f en el paso de tiempo t + ∆t es:
a + 2biξ + bi β iξ
f it +∆t = (2.22)
(1 + β iξ )
2
31/284
siendo ξ = x − x1 = x − xi = −U ∆t (esto es igual para u <0 y u >0.
El valor de la integral ponderada de cada celda ρ i se calcula en el instante

siguiente por la formulación de flujo:
ρ in +1 = ρ in − ( g i − g i −1 ) / ∆ xi (2.23)
Finalmente hay que interpolar en el siguiente paso de tiempo para determinar

el valor en la interfase como una función de la media en la celda
1 1
f 1 = ( ρi + ρi +1 ) − (δ f i − δ fi −1 )
i+ 2 6
2 (2.24)
El valor medio de la pendiente en la celda, δ f i para la función racional se

calcula como
 min( δ f i , 3 ρi +1 − ρi , 3 ρi − ρi −1 ) sgn(δ f i ), si (ρi +1 − ρi )( ρi − ρi −1 ) > 0

δ fi =  (2.25)
0, resto de casos
siendo δ fi = ( ρi +1 − ρi −1 ) / 2
donde g i −1 representa el flujo de f en el paso x = xi −1 . Como puede verse en la

figura 2.8, el área que constituye ρ in +1 es la resultante de sumar el área
correspondiente al flujo g i −1 (indicada por la parcela “sumar” en la figura) y
restar el área correspondiente al flujo gi (correspondiente a la parcela “restar”).
32/284
f i t +∆t
suma resta
ρin
x
xi-1 D xi D
Fig.2.8. Esquema ρ in +1 , U>0
Utilizando (2.12) para realizar la integración se obtiene:
(2.26)
ai ξ + bi ξ 2
gi t +∆t
=
1 + βi ξ
Caso u < 0
En el caso u < 0 el polinomio calcula F ( x = xi − u ∆ t ) = f ( xi − u ∆ t , t ) = f i t + ∆t

interpolando entre los puntos i e i+1 (ver figura 2.13).
x1 = xi
x2 = xi +1 para u <0
∆xi = xi +1 − xi
a + 2bi ( x − xi ) + β i bi ( x − xi ) 2
F ( x) =
1 + β i ( x − xi ) 
2
xi+1
1
ρ = n
∫ F ( x)dx (2.27)
∆xi
i
xi
33/284
Los coeficientes de F ( x ) pueden ser obtenidos como:
Coeficiente 1: a = f i n (2.28)
1
Coeficiente 2: 2bi donde bi = β i ρin − ( ρin − f i n ) (2.29)
∆xi
 f i n − ρin + ε 
Coeficiente 3: β i bi donde βi = ∆x  n
−1
− 1 (2.30)
 ρi − f i +1 + ε 
i n
El valor de la integral ponderada en cada celda ρ i n +1 es igual a:
ρ in +1 = ρ in − ( g i − g i +1 ) / ∆xi (2.31)
Finalmente hay que interpolar en el siguiente paso de tiempo para determinar

el valor en la interfase como una función de la media en la celda.
1 1
f 1 = ( ρi + ρi +1 ) − (δ f i − δ fi −1 )
i+ 2 6
2 (2.32)
El valor medio de la pendiente en la celda, δ f i para la función racional se

calcula como
 min( δ f i ,3 ρi +1 − ρi ,3 ρi − ρi −1 ) sgn(δ f i ), si (ρi +1 − ρi )( ρi − ρi −1 ) > 0 

δ fi =   (2.33)
 0, resto de casos 
siendo δ fi = ( ρi +1 − ρi −1 ) / 2
Puede verse en la figura 2.8 que el área que constituye ρ in +1 es la resultante de

sumar el área correspondiente al flujo gi (flujo de f en x = xi ) y restar el área
correspondiente al flujo g i +1 (flujo de f en x = xi +1 ).
34/284
f i t +∆t
resta suma
ρin
x
xi+1 D xi D
Fig.2.8. Esquema ρ in +1 , U<0
Las ecuaciones interpoladoras resultantes para el caso u < 0 son (2.22) y

(2.34):
aξ + biξ 2
git +∆t = − (2.34)
(1 + βiξ )
El esquema de cálculo es el mostrado en la figura 2.9.
ρ n+1
fi n+1
t = (n + 1)∆t
t = n∆t
fi −n1 fi n
xi−1
1
ρ =n
∫ F(x)dx
∆xi xi
Fig.2.9. Esquema de cálculo
35/284
II.4.2. Estructura del Algoritmo CSLR0_1D. Método Racional

Conservativo en 1 dimensión
El diagrama de funcionamiento del programa en FORTRAN está

esquematizado en la figura 2.10.
Archivo de entrada de datos
∆t, ∆x, F, U, Nt y Nx
Subrutina INIT1D
Define forma inicial de la onda, 4

posibles casos incluidos
Subrutina BDC
Define las condiciones de

contorno
Bucle n = 1, 2…..Nt
Subrutina CSLR0_1D*
Subrutina MASA
Calcula la masa restante tras cada

paso de tiempo
PROCGRAF
Procesador gráfico, representa la

solución
Subrutina OUTPUT
Datos de salida del programa
F = valor función
Fig. 2.10. Esquema del programa
36/284
II.5. Resultados de la simulación de la ecuación de transporte advectivo

con el Método Racional Conservativo en una dimensión.
En primer lugar se han realizado simulaciones para el caso de una onda

inicial de forma cuadrada. Los datos de entrada van variando para ver la
evolución de las gráficas de salida del programa. Las simulaciones van
acompañadas de una gráfica que muestra la forma de la onda (gráfica
generada por el procesador gráfico del programa en Fortran) y de otra
gráfica generada en Matlab que representa la variación porcentual de la
masa (o área contenida bajo la curva) con los pasos de tiempo.
En las simulaciones se incluye la representación en Matlab del cálculo de la
masa en cada incremento de tiempo. El programa calcula para cada
simulación la variación de la masa asociada a la función interpoladora F(x) y
lo compara con el valor de referencia, que es el de la masa asociada a la
función de partida f(x). El programa expresa esta variación como un
porcentaje dado por la fracción:
VARIACIÓN = 100
(VmasaStep − Vmasa )
Vmasa
Donde VmasaStep es la masa en cada paso de tiempo y Vmasa es el
valor de referencia (corresponde al área de la curva inicial). A su vez, el
cálculo de masa en cada paso de tiempo se hace para cada intervalo con la
instrucción:
( F ( I ) + F ( I + 1) ) × DX , con lo que Vmasa se calcula como la
2
suma de esta expresión evaluada en cada uno de los intervalos.
Esto se representa gráficamente con la regla del trapecio (ver figura 2.11):
F (I+1)
F (I)
∆x
Fig. 2.11. Cálculo de masa.
37/284
2.5.1 Simulaciones
2.5.1.1 Simulación 1 (caso 1, CFL = 0,5)
Datos:
DT = 0.001 (incremento de tiempo)
DX = 0.01 (incremento de x)
NT = 391 (número de pasos de tiempo)
NX = 200
U = 5.0 (velocidad)
∆t 0.001
CFL = U = 5.0 = 0.5 < 1
∆x 0.01
La figura 2.12 es la de salida de Fortran, las líneas amarillas corresponden a

la forma de la onda inicial cuadrada mientras que la roja/azul representa a la
onda de salida. Vemos que la forma de ambas se ajusta bastante, en la
ampliación se aprecia mejor (figura 2.13).
Fig. 2.12: Simulación 1
Fig. 2.13: Simulación 1, ampliación
38/284
El programa genera un archivo de datos de salida con el formato de Matlab

(extensión .m). Este archivo representa la variación de masa asociada a la
función interpolada por cada paso de tiempo (ver figura 2.14), siendo el eje
de ordenadas la variación porcentual de masa y el eje de abscisas el número
de pasos de tiempo. Como se puede ver en la figura, la oscilación se
mantiene en torno a cero, esto demuestra la eficiencia del método
conservativo que se está evaluando.
%
número de pasos
Fig. 2.14: Simulación 1, variación de masa
El valor de la variación de masa en el último paso es de 1,524x10-3 %. Este

valor debería ser cero en condiciones ideales, por lo que sirve como
estimador del error del método. La variación porcentual de la masa para el
último paso es del orden de 10-3 %, por lo que el error es muy reducido.
2.5.1.2 Simulación 2 (caso 1, CFL = 0.5, U<0)
Esta simulación mantiene los mismos datos de la simulación 1 pero con una
velocidad U<0, en concreto de valor -5. Al realizar la simulación se observa
que el sentido de desplazamiento es el contrario pero los resultados son
análogos.
Datos:
39/284
NX = 200
U = -5.0 (velocidad)
∆t 0.001
CFL = U = 5.0 = 0.5 < 1
∆x 0.01
En las figuras 2.15 y 2.16 vemos que la onda final se ajusta a la inicial con
bastante precisión.
Fig. 2.15. Simulación 2
Fig. 2.16: Simulación 2, ampliación
40/284
Las variaciones porcentuales de la masa en esta simulación son idénticas a

las de la simulación 1, por ser todos los parámetros idénticos excepto el
sentido de movimiento de la onda.
En esta simulación aumenta el número de pasos de tiempo dejando el resto

de datos de entrada igual que en la simulación 1. Esto se traduce en que el
movimiento dura más.
Datos:
NX = 200
U = 5.0 (velocidad)
∆t 0.001
CFL = U = 5.0 = 0.5 < 1
∆x 0.01
Al ser el tiempo de simulación 10 veces más elevado que en la simulación 1,

la onda pasa 10 veces por el punto de partida (por ser las condiciones de
contorno periódicas). Vemos los resultados en las figuras 2.17 y 2.18, la
onda resultante se ajusta peor a la forma inicial por el mayor tiempo de
simulación.
41/284
Fig. 2.18. Simulación 3, ampliación
En la figura 2.19 se representa la variación porcentual de masa

correspondiente a los pasos de tiempo, se puede ver que está en torno a
cero.
42/284
número de pasos
Fig. 2.19. Simulación 3, variación de masa
El valor de la variación de masa en el último paso es de 3,018x10-3 %. Este

valor es superior al obtenido en la simulación 1 (1,524x10-3 %), lo cual se
explica por el mayor tiempo de simulación, que acarrea un error superior.
En esta simulación aumenta el CFL a 0,9, esto implica una variación en los
valores asociados, en este caso cambia el incremento de tiempo y el número
de pasos.
El número de pasos de tiempo se ve modificado al cambiar el incremento de

tiempo. Si con un ∆t = 0.001 y 390 pasos teníamos un tiempo total de 0,39
segundos, para ese mismo tiempo total y el nuevo ∆t = 0.0018 tenemos que
el número de pasos pasa a ser 217 (para que la onda pase una única vez
por punto de partida).
43/284
Datos:
NX = 200
U = 5.0 (velocidad)
La variación de los incrementos de tiempo y espacio y la velocidad de onda
∆t
vienen condicionadas por el número de Courant CFL = U .
∆x
∆t 0.0018
CFL = U = 5.0 = 0.9 < 1
∆x 0.01
La ventaja de este método es que es válido para cualquier valor de CFL,

contrariamente a otros métodos como las diferencias finitas. Para la
programación se ha elegido el caso CFL<1.
Pueden observarse los resultados en las figuras 2.20 y 2.21, la onda final e
inicial se ajustan mucho. La precisión del método aumenta al acercarse el
valor de CFL a 1, pues en el caso CFL=1 no es necesaria la interpolación de
la función y la onda resultante coincide con la inicial.
44/284
La figura 2.22 representa la variación porcentual de masa con el número de

pasos, se observa que la oscilación es en torno a cero y con una fluctuación
menor que en la simulación 1 (al ser el CFL de la simulación 4 más cercano
a 1).
%
número de pasos
45/284
El valor de la variación de masa en el último paso es de 7,945x10-4 %. Es un

error notablemente inferior al de las simulaciones anteriores, esto es debido
a la proximidad del CFL a 1 y al reducido tiempo de simulación (número de
incrementos de tiempo).
2.5.1.5 Simulación 5 (caso 1, CFL=0,1)
En esta simulación buscamos tener un valor de CFL bajo, de 0,1. Esto

implica una reducción del incremento de tiempo. Al ser el incremento de
tiempo menor que en las otras simulaciones pero la distancia a recorrer
(longitud del eje x) la misma, el número de pasos aumenta
considerablemente (de 390 a 1950).
Datos:
NX = 200
U = 5.0 (velocidad)
∆t 0.0002
CFL = U = 5.0 = 0.1 < 1
∆x 0.01
El CFL es de 0,1, por lo que se aleja del caso ideal (CFL = 1, que no
requiere interpolación) con respecto a las simulaciones anteriores. Esto se
traduce en una reducción de la precisión. Las figuras 2.23 y 2.24 reflejan un
ajuste de la onda generada por el programa algo peor que en las
simulaciones anteriores.
46/284
La figura 2.25 refleja la fluctuación de masa con los pasos de tiempo en

Matlab, la variación sigue en torno a cero aunque la densidad de fluctuación
es mayor que en las simulaciones anteriores (con un CFL mayor).
%
número de pasos
47/284
El valor de la variación de masa en el último paso es de 2,89x10-4 %, en

principio debería ser mayor que en las simulaciones anteriores por alejarse
más el CFL de 1 y por el mayor número de pasos de tiempo con respecto a
la simulación 1 y 2, sin embargo hay que tener en cuenta que la figura se
deforma. Viendo la figura 2.23 y comparándola con la de la primera
simulación, se puede ver que la onda se ajusta peor en la parte superior
pero se abre en la parte inferior, esto influye en el cálculo de masa del
programa y compensa la pérdida de superficie en la parte superior. Por esto
aparece un valor más reducido de error que en los casos anteriores,
teóricamente más precisos.
2.5.1.6 Simulación 6 (caso 1, CFL muy bajo-0,01-)
Esta simulación es análoga a la simulación 5, pero reduciendo aun más el

CFL y por lo tanto el incremento de tiempo.
El número de pasos de tiempo se ve modificado al cambiar el incremento de
tiempo. Si con un ∆t = 0.001 y 390 pasos teníamos un tiempo total de 0,39
segundos, para ese mismo tiempo total y el nuevo ∆t = 0.00002 tenemos
que el número de pasos pasa a ser 19500.
Datos:
NX = 200
U = 5.0 (velocidad)
∆t 0.00002
CFL = U = 5.0 = 0.01 < 1
∆x 0.01
Al alejarse el CFL del caso igual a uno, la precisión de los resultados es algo
peor. Como sucedía en la simulación 5, en las figuras 2.26 y 2.27 se observa
un ajuste de la onda final a la inicial algo peor a las simulaciones con CFL
próximo a 1.
48/284
En la figura 2.28 se ve que la variación de masa se mantiene en torno a

cero.
49/284
número de pasos

valor muy reducido con respecto a las primeras simulaciones, teóricamente
más precisas por el CFL más cercano a 1 y el menor número de pasos.
Pasa lo mismo que en la simulación 5.
El caso 2 se caracteriza por dos ondas iniciales cuadradas.

Datos:
NX = 200
F = 60 (valor inicial de la función, F( ) = variable de la ecuación)
U = 5.0 (velocidad)
50/284
∆t 0.1
CFL = U = 5.0 = 0.5 < 1
∆x 1
Puede verse en las figuras 2.29 y 2.30 la nueva forma de las ondas iniciales,
en este caso se trata de dos ondas cuadradas. Puede observarse que las
ondas resultantes se mantienen muy ajustadas a la forma inicial.
Fig.2.29. Simulación 7
51/284
Esta simulación tiene un CFL y un número de pasos igual al de la simulación

1 (que es caso 1, con onda inicial cuadrada). La gráfica de salida de Matlab
se puede ver a continuación (figuras 2.31), en la que se ve que la variación
de la masa está en torno a cero.
número de pasos
Fig.2.31. Simulación 7, variación de masa
52/284

valor reducido y acorde con el valor de CFL (0,5) y el número de pasos
(390), pues la simulación 1 tiene los mismos datos de entrada y tiene un
valor de error del mismo orden.
El caso 3 está definido por una onda inicial con forma de función
exponencial.
Datos:
NX = 200
F = 150 (valor inicial de la función, F( ) = variable de la ecuación)
U = 5.0 (velocidad)
∆t 0.1
CFL = U = 5.0 = 0.5 < 1
∆x 1
El gráfico siguiente (figura 2.32) muestra la forma exponencial de la onda

definida en el caso 3 y la gran precisión del método al ajustar la onda de
salida con la inicial, se puede comprobar que apenas pueden diferenciarse
ambas funciones en el gráfico.
53/284
El valor de la variación de masa en el último paso es de -4,568x10-4 %.
Se puede concluir por tanto, que el método es igualmente eficaz

independientemente de las condiciones iniciales que apliquemos. Tanto las
gráficas de los casos 1, 2, 3 y 4 muestran un buen ajuste de las ondas
finales a la forma de las iniciales así como estimaciones de errores del
mismo orden.
La siguiente simulación corresponde al caso 4, que se caracteriza por la

onda inicial con forma de función polinómica.
Datos:
NX = 200
54/284
F = 0,064 (valor inicial de la función, F( ) = variable de la ecuación)

U = 5.0 (velocidad)
∆t 0.1
CFL = U = 5.0 = 0.5 < 1
∆x 1
En la figura 2.33 puede verse que la onda generada por el método mantiene
la forma de la onda inicial polinómica.
55/284
II.6 Estructura del algoritmo CSLR0_2D. Método Racional Conservativo

en 2 dimensiones
Para llevar a cabo la resolución de las ecuaciones en derivadas parciales

que modelizan el transporte advectivo en 2 dimensiones vamos a emplear
un método de discretización de las ecuaciones en derivadas parciales
definidas en un dominio de 2D, separando la EDP en dos dimensiones en
sus correspondientes EDP en una dimensión mediante un proceso de
splitting (separación de operadores) denominado STRANG SPLIT.
∂f ∂f ∂f
=u +v (2.35)
∂t ∂x ∂y
Pasamos de esta EDP (2.35) a dos EDP como sigue:
∂f ∂f
=u
∂t ∂x
(2.36)
∂f ∂f
=v
∂t ∂y
Vamos a llevar a cabo la resolución del problema resolviendo de forma

consecutiva en cada uno de los ejes para minimizar los errores propios del
método de splitting.
Para ello es necesario pasar de un mallado en 2-D en los ejes x, e y donde

se fijarán los valores de la función (f(x,y)) y de la velocidad para cada uno de
los ejes (u, v). Una vez definido, y debido a la necesidad de calcular los
valores en la interfase de la celda y de la integral ponderada en el centro de
cada celda de control, se va a transformar el mallado original a otro que
sigue el esquema Arakawa-C Grid (F.Xiao, [F.3], donde las coordenadas X e
Y se desplazan al punto medio de cada eje, y la integral ponderada se
coloca en el centro de cada celda de control. Una vez definido el problema
en 2- D, y gracias al empleo de este esquema, se facilita la transformación
de variables para llevar a cabo la resolución de las EDP según el Método
Racional Conservativo en 1 D, primero en el eje X y después para el eje Y,
en un primer momento y alternando el orden para pasos sucesivos.
El esquema de funcionamiento del algoritmo es el siguiente:
- En un primer momento se definen los valores de la función en el

mallado original (f(x,y)), así como los valores de la velocidad en los
dos ejes (u, v).
- Así mismo, se dan valores a la variable función inicial utilizada para la
comprobación de errores.
- Una vez definidos los valores se lleva a cabo una transformación de
variables para ajustar los valores al mallado que sigue el esquema
56/284
denominado Arakawa C-Grid, que facilita el proceso de splitting para

pasar de 2D a 1D, y poder resolver el problema utilizando el algoritmo
original CSLR0 en 1 dimensión.
- Una vez transformado el mallado según el esquema Arakawa C-Grid,
se calcula el valor de la integral ponderada según la fórmula del
trapecio.
- El siguiente proceso consiste transformar el problema de 2 D a 1 D
almacenando el valor de la variable en un eje en una variable
adicional que se empleará para llamar a la subrutina CSLR0_1D y
resolver el problema en 1 D para un eje.
- Una vez resuelto el problema en un eje, se realiza el mismo proceso
para el otro eje.
- Finalmente se fusionan los valores actualizando los valores de las
variables a 2D y se actualiza el valor de la integral ponderada en cada
celda.
II.6.1 Discretización espacial. Mallado Arakawa C-grid.
La discretización del dominio espacial en 2 D según el esquema Arakawa C-

Grid (Feng Xiao & Peng, 2004), se puede observar en la figura 2.34.
Fig. 2.34 Discretización del dominio según el esquema Arakawa C-Grid en 2D
57/284
Como se puede observar se ha llevado a cabo un desplazamiento de los

puntos de la malla a tratar, pasando los valores a los puntos medios de cada
celda, obteniéndose como los valores medios entre los puntos originales de
la malla en 2D original. En la figura 2.34 se pueden observar los valores de
la función (f(x,y)) y su comparación con los valores x e y del mallado original
recuadrados en los laterales.
Para llevar a cabo la transformación de las variables en 2 D, a 1 D, se sigue

el proceso mostrado en la figura 2.35, donde se comparan los valores de los
índices de la función en 1 dimensión con los valores de la función en 2
dimensiones:
Fig. 2.35. Transformación de los valores de la función de 1 D a 2 D y reconstrucción del

proceso a 1 D.
Una vez realizada la discretización de las ecuaciones en 1 D, se resuelven

las mismas empleando el Método Racional Conservativo en 1D (descrito en
el anterior apartado) en el esquema en X y después en el esquema en Y
alternando el orden en cada pasa de tiempo.
Como ejemplo, veremos a continuación la secuencia de acciones del

proceso de splitting para el esquema de resolución primero en el eje X y
después en el eje Y.
Sea la función f(i, j), donde i = 1, …., NX, y j = 1, …., NY. Siendo NX, y NY el
número de pasos en el eje X y en el eje Y respectivamente.
1. Esquema en X en 1 D. Para cada J, se van a calcular los valores de la

función y la integral ponderada en 1 dimensión variando todos los
valores de I correspondientes a ese valor del subíndice J:
a. El primer paso es adaptar los valores de la función y velocidad de
cada punto X, en el esquema en 2 D a una variable auxiliar que
representa el valor en 1 D. Para llevar a cabo el proceso, se hace
uso de la correspondencia entre los índices en el esquema en 2D y
58/284
en 1 D como se observa en la figura Fig. 3.14. De esta manera, al

índice I se le suma 1 y se divide entre 2.
b. Los valores de la integral ponderada son divididos entre 2, como se
muestra en la figura Fig. 3.14.
c. Una vez transformada la función, se hace uso de la subrutina
CSLR0_1D para resolver el problema en 1 D, calculando los
valores de la función y la integral ponderada en el siguiente
instante de tiempo.
d. Los resultados en 1 D se adaptan de 1 dimensión a 2 dimensiones,
haciendo corresponder los valores en 1 D a variables auxiliares
intermedias en 2 D (FCN(x,y)) donde los subíndices se multiplican
por 2 y se les resta 1, para el caso de los valores de la función, y
multiplicando I por 2 para el caso de la integral ponderada, para
deshacer el cambio de 2 D a 1 D.
2. Mediante la interpolación en el punto medio para cada valor de I se
actualiza el valor de la integral ponderada para todos los valores de X,
almacenados en la variable auxiliar de la integral ponderada FCN(x,y).
3. Una vez actualizados los datos, se lleva a cabo el mismo esquema en el

eje Y para 1D, para todos los valores de Y fijando los valores de X.
a. Se transforman las variables función y velocidad de 2 D a 1 D

sumando al J una unidad y dividiendo entre 2.
b. Se transforma el valor de la integral ponderada dividiendo el
subíndice J entre 2.
c. Se llama a la subrutina CSLR0_1D para resolver las EDPs en 1 D.
d. Se deshace el cambio de 2 dimensiones a 1 dimensión
multplicando el subíndice J por 2 y restando 1 para el valor de la
función en 2 D y multiplicando el subíndice J por dos para el valor
de la integral ponderada en cada celda para el valor de la integral
ponderada en 2D.
4. Una vez llevada a cabo la discretización y resolución de las ecuaciones

en 2D, es necesario calcular el valor de la integral ponderada en el
centro de cada celda, debido a que el método racional conservativo en 1
D calcula el valor de la integral en el punto medio del eje a
consideración. Para ello utilizamos la fórmula del trapecio para llevar a
cabo el cálculo de la integral ponderada en el centro de cada celda.
Este sería el esquema de funcionamiento del método de separación de

variables para llevar a cabo la resolución de las ecuaciones haciendo uso del
método en 1 D. Una vez finalizado el proceso se calcula el valor total de la
masa desplazada como el sumatorio del valor de la integral en todas las
59/284
celdas y se calcula la diferencia con el valor anterior para determinar el error

en cada paso.
El orden de resolución se altera en cada paso de tiempo para minimizar los

errores propios del método de splitting empleado.
II.6.2. Resultados del método CSLR0_2D
Para ilustrar el funcionamiento del método en 2 D se expondrán los

resultados de simulaciones con diferentes casos, variando la forma de la
función transportada así como los valores de la velocidad del viento.
Datos iniciales de la simulación.
Los datos de la simulación a realizar se llevarán a cabo con un tamaño de

celda de 0.01 tanto en el eje X como en el eje Y, con valores iniciales de la
función de 0.6 con 2700 pasos de tiempo. Se llevará a cabo 2 simulaciones
de un caso con una onda prisma de base cuadrada modificando la velocidad
del viento en cada caso. La velocidad del viento viene dada como velocidad
angular con la expresión:
u = 2π ( y∆y − (1 / 2 ) )
v = −2π ( x ∆x − (1 / 2 ) )
Caso 1: Onda prismática de base cuadrada.
u = 2π ( y∆y − (1 / 2 ) )
Velocidad del viento:
v = −2π ( x ∆x − (1 / 2 ) )
Valores iniciales de la onda
Fig. 2.36. Valor incial de la función.
60/284
Valor final de la onda transportada
Fig. 2.37. Función de onda transportada
Valores del error de masa
Fig. 2.38. Valores del error de masa
61/284
Caso 2: Onda prismática de base cuadrada.
u = 2.2π ( y∆y − (1/ 2 ) )

v = −2.2π ( x ∆x − (1/ 2 ) )
Fig.2.39. Valor inicial de la función
Fig. 2.40. Valor final de la función transportada.
62/284
Fig. 2.41. Valor del error de masa
Caso 4: Onda con forma cónica.
u = 2π ( y∆y − (1 / 2 ) )
v = −2π ( x ∆x − (1 / 2 ) )
Fig. 2.42. Valores de la función inicial
63/284
Fig. 2.43. Valores de la función inicial
Fig. 2.44. Valores del error de masa.
64/284
Caso 5: Onda de forma cónica.
u = 2.2π ( y∆y − (1/ 2 ) )

v = −2.2π ( x ∆x − (1/ 2 ) )
Fig. 2.45. Valores de la función incial.
Fig. 2.47. Valores de la función final transportada.
65/284
Fig. 2.48. Valores del error de masa.
II.7. CONCLUSIONES
En este capítulo se ha presentado el método racional conservativo que

proporciona un nuevo método para la resolución de la ecuación de
transporte advectivo que transporta una función f ( x ) o f ( x , y )
conservando la masa o volumen de la misma. A diferencia de métodos
anteriores como los citados en el apéndice I, (método Upwind propuesto por
(Godunov, 1959), Método MUSCL, (Bram Van Leer, 1977), (B Van Leer,
1979) o método Piecewise Parabolic –PPM- (Colella & Woodward, 1984)),
actualmente implementados en modelos de dispersión de la contaminación
atmosférica como CHIMERE, el método racional conservativo transporta la
masa mediante un modelo más exacto, sin pérdidas de materia, y haciendo
uso de un algoritmo cuya relación exactitud / precisión es adecuada, debido
al menor número de operaciones matemáticas utilizadas.
Los errores de masa obtenidos en los resultados de las simulaciones

realizadas en una y dos dimensiones nos permiten apreciar que la masa se
conserva durante el tiempo de integración y que el error producido
expresado en porcentaje es muy pequeño.
Los modelos desarrollados para tratar el transporte de contaminante en la

atmósfera implantando el método racional conservativo (que hace uso de
66/284
una interpolación racional y del método de volúmenes finitos) emplean un

método de discretización espacial (esquema Arakawa C-grid) que nos
permiten resolver los problemas en 2D separando el problema bidimensional
en dos unidimensionales, de modo que resuelve las ecuaciones primero en
una dimensión en el eje y x después en una dimensión en el eje y,
cambiando el orden en cada paso de tiempo para reducir el error debido al
proceso de partición. Esta técnica de partición de operadores nos
proporciona un equilibrio óptimo entre la velocidad de cálculo, necesaria
para resolver el problema con el método de partición en lugar de
enfrentarnos al problema directamente en 2D, y la precisión del resultado.
67/284
III. Modelización de la cinética química
CAPÍTULO III. MODELIZACIÓN DE LA CINÉTICA QUÍMICA. UNA

APLICACIÓN A LA QUÍMICA DEL OZONO.
INTRODUCCIÓN
Los modelos de dispersión atmosférica de especies químicas reactivas

incorporan no solamente el transporte de dichas especies sino también sus
transformaciones químicas representadas en forma de reacciones químicas
que han de ser resueltos numéricamente.
La troposfera se comporta como una reserva química diferente a la

estratosfera. A ella penetra energía solar con energía correspondiente a la
longitud de onda que no se consigue filtrar en la estratosfera, de manera que
en el seno de la troposfera se producen reacciones fotoquímicas en fase
gas.
Para llevar a cabo una buena aproximación a las transformaciones químicas

desarrolladas en la porción de la atmosfera que nos interesa, la troposfera,
es necesario una detallada definición de los procesos químicos que tienen
lugar en ella. Para ello necesitamos caracterizar las especies químicas que
intervienen en el proceso, las concentraciones de los contaminantes
primarios, y una buena descripción de la cinética química de las mismas
detallando el proceso químico y sus constantes de reacción.
En este capítulo describimos los métodos numéricos utilizados en esta Tesis

para modelizar las reacciones químicas, para ello utilizamos ecuaciones
diferenciales ordinarias, resueltas mediante un método numérico implícito y
resolvemos un caso complejo: la química del ozono.
68/284
III.2 Modelización de la cinética química.
El objetivo de la aplicación de las ecuaciones diferenciales a la modelización

química es explicar el comportamiento de un proceso natural que se
desenvuelve con el tiempo según una ley o principio natural. Esta ley será
utilizada para hacer una descripción matemática del fenómeno, y la
integración de ese proceso en el tiempo (descrito, por tanto, como un
sistema de ecuaciones diferenciales), nos dará como resultado una función
que nos sirva como pronostico en el tiempo de dicho proceso.
En nuestro caso, vamos a modelizar la cinética química en función de la ley

de la conservación de la materia, y su aplicación a las constantes de
reacción, que nos definen la velocidad a la que se produce una reacción
química en función de la concentración de las sustancias participantes en
dicha reacción.
De acuerdo a la cinética química, los mecanismos de reacción se pueden

definir como un sistema de ecuaciones diferenciales ordinarias (SODE).
Veamos unos ejemplos:

→B
A ←

K1
K2 A 
k1
→ B →
k2
C
 d [ A]  d [ A]
 dt = −k1[ A] + k2 [B]  dt = −k1[ A]
 
 d [B] = k [ A] − k [B]  d [B ]
 = k1[ A] − k 2 [B ]
 dt 1 2
 dt
 d [C ]
 dt = k 2 [B ]

en donde t es el tiempo.
En este apartado vamos a resolver uno de los problemas que aparecen en la

cinética química de la atmósfera. En el caso que nos ocupa, la modelización
de la cinética del ozono, tendríamos las siguientes reacciones químicas:
69/284
NO2 + hυ 
K1
→ NO · + O ·
O· + O2 
K2
→ O3 (3.1)
NO · + O3 
K3
→ O2 + NO2
que se puede expresar matemáticamente usando el siguiente sistema de

ecuaciones diferenciales:
d
dt
[ O ·] = k1 ( t ) [ NO2 ] − k2 [O ·]
[ NO ] = k1 ( t ) [ NO2 ] − k3 [ NO ][O3 ] + σ 2
d
dt (3.2)
[ NO2 ] = k3 [ NO ][O3 ] − k1 ( t ) [ NO2 ]
d
dt
d
dt
[O3 ] = k 2 [ O ·] − k3 [ NO ][O3 ]
donde, k2 , k3 son las constantes de las reacciones, 2 y 3, y k1 es la
constante de la primera reacción, del tipo fotoquímico dependiente de la

cantidad de radiación solar incidente y, por tanto, dependiente del tiempo;
σ 2 representa la emisión de NO y tiene un valor de 106.
III.3 Ecuaciones Diferenciales Ordinarias Rígidas
III.3.1 Definición de Rigidez de una ecuación diferencial
El término rigidez constituye un problema especial que puede surgir en la

solución de algunas ecuaciones diferenciales ordinarias. En los casos en
que la solución de la ecuación es asintóticamente estable, y esta converge
rápidamente con el tiempo, se puede producir una situación en la que el
error en la estimación de la solución domina la misma, por lo que dicha
solución calculada y la real difieren haciendo inútil dicho cálculo. En la
siguiente gráfica se puede observar un resultado común para la resolución
de la ecuación diferencial rígida:
70/284
dy
= −ky
dt
1
0 .8
0 .6
0 .4
0 .2
0
-0 .2 0 1 2 3 4 5 6 7 8 9 10
-0 .4 e xp l i c i t E u l e r
im p lic it E u le r
-0 .6
a n a l yti c a l
-0 .8
-1
Fig. 3.1. Solución real y aproximada de una EDO.
Como se puede observar en la figura 3.1, al llevar a cabo la resolución de la

ecuación mediante un método de Euler explícito de paso
h = 1, yi = yi + hkyi , la solución supera la tolerancia permitida en el error de
cálculo, convirtiendo en errónea la solución calculada, por lo que hay que
emplear el método implícito de Euler.
En el caso de sistemas de ecuaciones diferenciales, la rigidez se presenta

cuando hay tasas de cambio rápido, junto con componentes de cambio
lento. En muchos casos, los componentes de variación rápida son efímeros,
transitorios y desaparecen, después de lo cual, la solución es dominada por
componentes de variación lenta. Aunque los fenómenos transitorios existen
sólo en una pequeña parte del intervalo de integración pueden determinar el
tamaño de paso en todo el proceso.
La rigidez se puede presentar tanto en ecuaciones diferenciales ordinarias

(EDO), como en sistemas de ecuaciones diferenciales ordinarias (SEDO), y
su tratamiento requiere aplicaciones de métodos numéricos específicos para
llegar a soluciones válidas.
III.3.2 Métodos para la resolución de sistemas de ecuaciones

diferenciales ordinarias (SEDO) rígidas.
Para llevar a cabo la resolución de un sistema rígido podemos optar por

varias vías:
- Disminuir el intervalo de integración o tamaño de paso, para

conseguir resultados que se ajusten a la realidad en el intervalo de
integración.
- Hacer uso de métodos implícitos incondicionalmente estables.
71/284
Ya que optaremos por la segunda vía en la resolución del modelo de

generación-destrucción de ozono troposférico vamos a ilustrar dicha
estrategia mediante la aplicación del método de Euler implícito a la
resolución de un SEDO rígido.
Aplicación del método de Euler implícito a la resolución de un sistema

de ecuaciones diferenciales rígidas.
Vamos a ilustrar el método con un ejemplo sencillo, donde partimos del

siguiente sistema de ecuaciones diferenciales ordinarias:
 dy1
 dt = −5 y1 + 3 y2
 (3.3)
 dy2 = 100 y − 301 y
 dt 1 2
con y1 (0) = 52.29 e y2 (0) = 83.82 la solución exacta es:
y1 = 52.95e −3.9899 t − 0.67e −302.0101t

y2 = 17.83e −3.9899 t + 65.99.67e −302.0101t
Como se puede observar, los exponentes de la solución son negativos y

difieren en cerca de 2 órdenes de magnitud. Como en una sola ecuación, los
exponentes grandes son los que responden rápidamente y representan la
esencia de la rigidez del sistema.
Para este ejemplo, la aplicación del método implícito de Euler para sistemas
se formula como:
(
y1n +1 = y1n + −5 y1n +1 + 3 y2n +1 h )
(3.4)
y2n +1 = y2n + (100 y n +1
1 )
− 301 y2n +1 h
Al agrupar términos se obtiene:
y1n = (1 + 5 h ) y1n +1 − 3h y2n +1

(3.5)
y2n = −100 h y1n +1 + (1 + 301 h ) y2n +1
72/284
Se observa que el problema consiste en la resolución de un conjunto de

ecuaciones lineales en cada paso de tiempo.
Para SEDO no lineales, la solución se vuelve más difícil, ya que debe

resolverse un sistema de ecuaciones no lineales. Así, aunque se gana
estabilidad a través de procedimientos implícitos, la resolución del sistema
se vuelve más complicada. Una opción para la resolución de sistemas de
ecuaciones no lineales consiste en utilizar el método de Newton-Raphson
que implica la construcción de una matriz jacobiana para la linealización del
sistema.
III.4 Métodos de diferenciación regresiva (Backward Differentiation

Formula, BDF)
El modelo matemático propuesto para la resolución de la cinética química

consiste en un sistema de ecuaciones diferenciales ordinarias no lineales
que presentan unas tasas de variación expresadas en forma de constantes
cinéticas con diferentes grados de magnitud que hacen que el sistema de
ecuaciones diferenciales sea rígido y, por tanto, difícil de resolver (J.G.
Verwer & Simpson, 1995).
Para resolver el problema utilizaremos el método de Gear, basado en

fórmulas de diferenciación hacia atrás o regresivo donde las evaluaciones de
la derivada se realizan por un algoritmo implícito expresado mediante una
notación matricial que se resuelve por el método de Gauss-Seidel, lo que
constituye el núcleo del llamado método de “two-step”, (J G Verwer, 1994).
Las fórmulas de diferenciación regresiva (Backward Diferentiation Formulae)

(Dormand, 1996) son métodos multipaso que se utilizan para resolver
problemas donde la solución se vuelve rígida.
Para definir el método de un modo general se parte de una ecuación

diferencial:
y ' = f ( x, y ) , y ( x n ) = yn , y ∈ ℝ M (3.6)
73/284
Suponiendo los valores iniciales conocidos:
( xn−k , yn−k ) , k = 1, 2,..., p −1 (3.7)
Para determinar el valor de la función en un instante de tiempo se siguen los

siguientes pasos:
• Construir un polinomio de interpolación de grado p utilizando la
aproximación a y ' ( x n +1 ) , y el valor de la función en los instantes
( )
y ( xn ) , y ( xn −1 ) , y ( xn − 2 ) ,… , y xn − p .
• Calcular la derivada de la expresión de dicha interpolación en el punto

a calcular.
• Calcular la función en el instante n + 1 a partir del valor de la derivada
de la interpolación obtenida.
• Realizar una corrección a partir de los valores iniciales conocidos.
Por tanto, la fórmula general de interpolación que aproxima el valor en el

instante a calcular es:
 s + 1 2  s + p − 1 p
Y p = y n +1 + s∇y n +1 +  ∇ y n +1 + ... +  ∇ y n +1 (3.8)
 2   p 
donde:
• s = ( x − xn+1 ) / h
• p indica el grado de interpolación y el número de valores iniciales
necesarios para llevar a cabo la construcción de la aproximación a la
función y.
Si se asume que esta interpolación, se aproxima a y( x ) en el intervalo

 xn + p , xn +1  , se puede deducir que su derivada en el paso siguiente, Y p' ( xn +1 )
, es una buena aproximación a y ' = ( x n + h ) .
Si se hace un cambio de variable, s por x , la ecuación diferencial a resolver

se convierte en:
d
{Y p }s =0 = hy' n +1 (3.9)
ds
74/284
Sustituyendo queda:
p
1
∑k ∇
k =1
k
y n +1 = hy ' n +1
(3.10)
Finalmente para el cálculo del valor de la función en el instante deseado, se

obtiene la expresión:
p
yn+1 = ∑ ak yn−k +1 + b h y 'n+1 (3.11)
k =1
donde:
a k = b, β k , k = 1,..., p
−1
 p 1
b =  ∑  , k = 1,..., p (3.12)
 k =1 k 
α j = α j − α j −1 

1  j = k , k − 1,...,1; k = 1,2,..., p
βj = βj − αj
k 
siendo α j = β j = 0, j = 1,..., p al inicio de cada paso.
Si se fija p = 2 se obtiene una fórmula multipaso implícita denominada

fórmula BDF de grado 2, que es la que vamos a utilizar:
4 1 2
yn+1 = yn − yn−1 + hy 'n+1
3 3 3 (3.13)
El análisis de estabilidad realizado en (Hundsdorfer & Verwer, 2003)

demuestra que la expresión de segundo grado del método BDF es
incondicionalmente estable, es decir, que si por problemas de redondeo
tenemos un error en un paso, ese error tiende a disminuir en los pasos de
tiempo sucesivos.
Como se puede observar en la ecuación (3.13) el método BDF2 es un

método multipaso implícito, es decir que el susbíndice n + 1 aparece en los
dos lados de la igualdad.
75/284
III.5 Método TWO STEP
El método TWO STEP (J G Verwer, 1994) consiste en la aplicación del

método BDF2, explicado anteriormente, al SEDO, en el que se aproximan
las soluciones utilizando el método iterativo Gauss-Seidel. Para ilustrar la
aplicación del método lo aplicaremos a un ciclo químico que explica la
generación y destrucción del ozono troposférico cuando es catalizado por la
presencia de dióxido de nitrógeno (NO2).
III.5.1 Descripción de la cinética del ozono
Las reacciones químicas que intervienen en la química atmosférica

describen el ciclo de generación-destrucción de ozono en la troposfera
catalizado por la acción de dióxido de carbono de origen antrópico. La
cinética atmosférica concerniente al ozono está descrita de manera detallada
en (J G Verwer, Blom, & Hundsdorfer, 1996; J G Verwer, 1994; VERWER,
BLOM, VAN LOON, & SPEE, 1996; J.G. Verwer & Simpson, 1995). El ciclo
químico resultante es:
NO2 + hυ 
K1
→ NO · + O ·
O· + O2 
K2
→ O3 (3.13)
NO · + O3 
K3
→ O2 + NO2
Para poder llevar a cabo la modelización del problema deben definirse los
siguientes datos:
- Las constantes de reacción.
- Las concentraciones iniciales de cada sustancia.
- El intervalo o paso de integración en el tiempo.
- Las unidades de cada incógnita.
Las constantes de reacción tienen los siguientes valores:
k2 = 105
k3 = 10−16
La primera reacción química es una reacción fotoquímica, la cinética de la

misma viene determinada por su constante de reacción K1, cuyo valor oscila
en función de la intensidad lumínica, entre los siguientes valores en función
de la hora del día:
10−5 e 7 sec( t ) durante el día (4:00-20:00)

k1 =  −40 (3.14)
10 durante la noche (20:00-4:00)
76/284
siendo:
0.2
 1
sec( t ) =  sen  π t h − 4
  16
( ) 


t h = t h − 24  t h 24  (3.15)
t h = t 3600
Las concentraciones iniciales de cada sustancia están fijadas según (J.G.

Verwer & Simpson, 1995)
Especie Moléculas/cm3
[O] 0
[NO] 1,3·108
[NO2] 5,0·1011
[O3] 8,0·1011
La concentración de O2 se considera constante dentro del ciclo químico.
El intervalo a integrar son 5 días para comprobar la condición de

periodicidad esperada según los resultados teóricos a comparar (en
segundos desde el mediodía del primer día hasta el anochecer del sexto
14400 s < t < 504000 s).
Las unidades de medida son segundos para el tiempo y moléculas por cm3
para la concentración de las sustancias que intervienen en las reacciones
químicas.
III.5.2 Descripción de la notación utilizada en la modelización
Para trasladar las reacciones químicas a un modelo matemático se seguirá

la siguiente metodología utilizada en (Hundsdorfer & Verwer, 2003).
a) Cálculo del vector velocidad de reacción ( g ) que depende del número

de especies químicas que intervienen en las reacciones ( s = 4 ) .
b) Cálculo de la matriz estequiométrica ( S ) cuyas dimensiones dependen
del número de reacciones químicas ( r = 3) y del número de sustancias
químicas que intervienen en las mismas ( s = 4 ) .
77/284
c) Cálculo de la tasa de generación-consumo de cada sustancia química

( y '(t )) a partir del vector velocidad de reacción ( g ) y de la matriz
estequiométrica ( S ) .
a) Cálculo del vector velocidad de reacción (g)
Se puede expresar una reacción química para un ejemplo tipo como:
la A + lb B 
K1
→ rc C + rd D (3.16)
donde:
- A, B, C y D son las sustancias químicas implicadas en la reacción.

- r y l se denominan coeficientes estequiométricos.
- la y lb son el número de moléculas generadas de las sustancias A y
B que reaccionan para formar las sustancias C y D.
- rc y rd son el número de moléculas generadas de las sustancias C y
D a partir de las moléculas que reaccionan de las sustancias A y B.
- K1 representa a la constante de reacción química y según la ley de
acción de masas es igual a:
A la B lb
k1 = rc rd (3.17)
C D
El vector velocidad ( g) para una reacción química, es el producto de su
constante de reacción ( k ) por el multiplicador de cada concentración de
reactivos ( c ) elevado al número de moléculas ( l ) que reaccionan en el
proceso.
Para este ejemplo sencillo sería:
g1 ( t ) = k1 (A la
B
lb
) (3.18)
En el caso de tener r reacciones químicas y s sustancias químicas que

intervienen en las mismas se puede generalizar utilizando las siguientes
expresiones:
s s
∑l Y → ∑r Y
kj
ij i ij i (3.19)
i =1 i =1
donde:
78/284
- j = 1,… , r
- i = 1,…, s
- Yi : concentración de la i-ésima sustancia química
- l ij : número de moléculas que reaccionan de la i-ésima sustancia
química en la j-ésima reacción química.
- r ij : número de moléculas que se generan de la i-ésima sustancia
Y, por tanto, el vector de velocidad de reacción se convertiría en:
{ g ( t , y )} = k (t )∑{( y ) }
s
lnj
j j n (3.20)
n =1
donde:
− j = 1,… , r
− n = 1,… , s
Como se puede observar, el vector velocidad de reacción depende del

tiempo, y de la concentración de los reactivos químicos que intervienen en
las s reacciones químicas.
Cálculo del vector velocidad de reacción g para el ciclo de generación-

destrucción del ozono troposférico
Para el caso del ciclo del ozono troposférico se parte de las siguientes
reacciones:
NO2 + hυ 
K1
→ NO · + O ·
O· + O2 
K2
→ O3
NO · + O3 
K3
→ O2 + NO2
79/284
Se define la variable que representa cada especie química:
s1 [O] y1
s2 [NO] y2
s3 [NO2] y3
s4 [O3] y4
Se aplica la expresión para el cálculo de la velocidad de reacción:
{ g ( t , y )} = k (t )∏{( y ) }
s
lnj
j j n (3.22)
n =1
Se obtiene:
Reacción 1 k1(t ) y3
Reacción 2 k2 y1
Reacción 3 k3 y2 y4
b) Cálculo de la matriz estequiométrica (S)
Si se sigue la expresión general para la reacción de s sustancias en r

reacciones químicas:
s s
∑l Y → ∑ rijYi
kj
ij i (3.23)
i =1 i =1
donde:
- j = 1,… , r
- i = 1,…, s
- Yi : concentración de la i-ésima sustancia química
- l ij : número de moléculas que reaccionan de la i-ésima sustancia
80/284
- r ij : número de moléculas que se generan de la i-ésima sustancia

La matriz estequiométrica tiene la expresión S sxr =  rij - l ij  , donde i =

 
1,…,s y j = 1,…,r. Para calcular la matriz estequiométrica, en el caso del
ciclo del ozono troposférico, se deben definir las dimensiones de la matriz,
con un número de columnas igual al número de especies químicas que
intervienen (s = 4) y, un número de filas igual al número de reacciones
químicas (r = 3). Por tanto:
NO2 + hυ 
K1
→ NO · + O ·
O· + O2 
K2
→ O3
NO · + O3 
K3
→ O2 + NO2
Especie química/Reacción Química K1* (r-l) K2* (r-l) K3* (r-l)
[O·] 1-0 0-1 0-0
[NO] 1-0 0-0 0-1
[NO2] 0-1 0-0 1-0
[O3] 0-0 1-0 0-1
*El valor ha sido calculado como número de moléculas de esa especie en

esa reacción química generadas como producto, menos el número de
moléculas de esa especie en esa reacción que se consumen como
reactivo (r – l).
Finalmente se tiene la matriz estequiométrica (El signo hace referencia a si

se genera o se consume, el valor hace referencia a los números moleculares
que intervienen en la relación estequiométrica. Cuando es 0 no se presenta
para esa reacción. Hay que colocar en las columnas la reacción química y
en las filas las especies).
 1 −1 0 
 1 0 −1
[ S4 x 3 ] =  −1 0 1  (3.24)
 
 0 1 −1
81/284
c) Cálculo de la tasa generación/consumo de cada sustancia
La tasa de generación de cada sustancia se puede calcular mediante:
= ∑ ( rij − lij ) g j ( t , y( t ) )
r
'
y i(t ) (3.25)
j =1
donde
i = 1, ..., s → s=nº de especies químicas

j = 1, ..., r → s=nº de reacciones químicas
si se utiliza la expresión {y} = (y1,…,ys)T, el sistema queda:
{ y } = [ S ] { g ( t , y (t ) )}
'
i(t ) ixj j i (3.26)
De manera que para el caso del ciclo del ozono troposférico se obtiene:
 k1( t ) y3( t )   1 −1 0 
 
{ g ( t , y )}
 1 0 −1
i i(t ) =  k2 y1( t )  [ S ]4 x 3 =  (3.27)
   −1 0 1 
 k3 u2( t ) y4( t )   
 0 1 −1
Por tanto queda
 1 −1 0   k y 
 
k1 ( t ) y3 ( t ) - k2 y1 ( t ) 
 1 0 −1  
 k 1 ( t ) y3 ( t ) - k3 y2 ( t ) y4 ( t ) + υ 
1( t ) 3( t ) 2
{y }
'
= [ S ]ixj { g j ( t , yi ( t )} =   k y = 
i(t )
 −1 0 1   2 1( t )   k3 y2 ( t ) y4 ( t ) - k1 ( t ) y3 ( t ) 
  k3 y 2 ( t ) y 4 ( t )  
 0 1 −1   k2 y1 ( t ) - k3 y2 ( t ) y4 ( t )


(3.28)
Así se llega al Sistema de Ecuaciones Diferenciales Ordinarias (SEDO)

rígido que vamos a resolver mediante el método (Backward Differentiation
Formulae) de segundo orden (BDF2), aplicando el método implícito de Euler
para conocer la solución del sistema en el segundo instante de tiempo para
poder inicializar la fórmula multipaso BDF2, y el método de Gauss-Seidel
para resolver el sistema de ecuaciones no lineales al que se llega.
82/284
[O] y1
[NO] y2
[NO2] y3
[O3] y4
y1' ( t ) = k1 ( t ) y3 ( t ) - k2 y1 ( t )
y2' ( t ) = k 1 ( t ) y3 ( t ) - k3 y 2 ( t ) y 4 ( t ) + σ 2
(3.29)
y3' ( t ) = k3 y2 ( t ) y4 ( t ) - k1 ( t ) y3 ( t )
y4' ( t ) = k2 y1 ( t ) - k3 y 2 ( t ) y 4 ( t )
σ2 representa la emisión constante de una fuente de NO2 a la atmósfera, con

un valor de 106 moléculas/cm3.
III.6 Descripción del método de integración two-step de paso fijo.
La expresión general del método BDF2 tiene la siguiente forma:
{y } n +1
i =
4
3
{y } n
i −
1
3
{y } ( n −1)
i +
2
3
∆t {y' }( n +1)
i (3.30)
Al aplicarlo al caso del ciclo del ozono, obtendremos la siguiente expresión
{y }
n +1
1 =
4
3
{y }n
1 −
1
3
{y }( n −1)
1 +
2
3
{
∆t k1n+1 y3n+1 − k2 y1n+1 }
{y }
n +1
2 =
4
3
{y }n
2 −
1
3
{y }( n −1)
2 +
2
3
{
∆t k1n+1 y3n+1 − k3 y2n+1 y4n+1 + σ 2 }
{y }
n +1
3 =
4
3
{y }n
3 −
1
3
{y }( n −1)
3 +
2
3
{
∆t k3 y2n+1 y4n+1 − k1n+1 y3n+1 }
{y }
n +1
4 =
4
3
{y }n −1
4 −
1
3
{y } (n)
4 +
2
3
{
∆t k2 y3n+1 − k3 y2n+1 y4n+1 }
(3.31)
83/284
Para su resolución procedemos con la siguiente metodología
- Conociendo el valor inicial en el instante n - 1.
- Se inicia el proceso de integración calculando el valor de la función en

el instante n mediante un método de Euler implícito.
- Una vez iniciado el método con la ayuda del algoritmo de Euler

implícito, aun se desconoce el valor de la derivada en el instante a
calcular, necesario al ser un método implícito. Para solventar el
problema, utilizamos un valor aproximado y resolvemos el sistema de
ecuaciones no lineales al que se llega mediante un método Gauss-
Seidel iterativo cuya solución converge a la real.
Fig.3.2. Secuencia del cálculo de la solución por BDF2 mediante resolución por Gauss-
Seidel del SEDO implícito (3.31).
III.6.1 Método numérico Gauss-Seidel
En cualquier método multipaso implícito la principal tarea computacional es

la solución de un sistema de ecuaciones no lineales de la forma:
{F (c ) } = {c } − {c } − β∆t { f ( t
n +1 n
n n +1 , c n+1 )} = { 0} (3.32)
donde los valores β > 0 y Cn son parámetros del método de integración y

una combinación lineal de valores previos respectivamente. Si el sistema de
ecuaciones no lineales (3.32) se resuelve por un método de Gauss-Seidel, la
nueva carga consiste en diseñar una solución al método para un sistema de
ecuaciones de la forma:
([ I ] − β ∆t [ J ]) [ A]{c} = {b} (3.33)
84/284
 ∂f ( t , c ) 
donde  J  es una aproximación de   . Normalmente la matriz  J 
 ∂c 
se mantiene constante para algunos pasos temporales y se recalcula si la
convergencia es lenta o después de un número fijo de pasos temporales.
Para probar, usando el método BDF, una iteración Gauss-Seidel con un

número fijo de iteraciones. Si [ L], [ D] y [U ] denotan la matriz
estrictamente inferior, la diagonal y la matriz estrictamente superior de  J  ,
[J ] = [ L] + [ D] + [U ] puede escribirse:
(  I  − β ∆t  D − β ∆t U  ){∆c } = β ∆t  L {∆c } + {b}

j +1 j
(3.34)
La iteración de Gauss-Seidel se utiliza como aproximación para obtener la

solución a las ecuaciones diferenciales de la cinética química sumando los
( ){ }
términos de producción  P t n+1 , c n+1  c n+1 al valor de concentración en el
punto n y, finalmente, dividiendo por la matriz diagonal
[ I ] + β ∆tn ( )
 L t n+1 , c n+1  . La nueva forma queda:
 
( ) {P ( t )}
−1
{ } ( )
c n +1 = [ I ] + β ∆t n  L t n +1 , c n +1   β ∆t
 n n +1 , c n +1 + {C }
n
(3.35)
III.6.2 Notación para representación de la cinética atmosférica según

los términos de Producción (P) y Pérdida (L).
El coste computacional de los modelos de contaminación atmosférica es

elevado. Por lo tanto, es conveniente reescribir el sistema de ecuaciones
diferenciales rígido de la cinética química utilizada. Por ello, se emplea una
notación que favorece el procesado de datos así como puede a ayudar a la
comprensión de los cálculos.
A la vista de las ecuaciones, por las que se determinan las concentraciones

de las diferentes especies, presentadas previamente pueden distinguirse dos
términos en cada una de ellas lo que hace posible emplear una nueva
notación.
d 
 y  = { f ( t , y )} = { P ( t , y )} −  L ( t , y )  { y}
 dx 
{ y( t )} = ( y1 ( t ),… , ym ( t ) )
T
(3.36)
85/284
donde:
- { y} es el vector de concentraciones.
- { P ( t , y )} es el vector de producción de sustancia química.
-  L ( t , y )  es la matriz diagonal de velocidad de consumo de
sustancia química.
- { P} y { L· y} son positivos y representan respectivamente la
generación de la especie química y el consumo de la misma durante
las reacciones químicas a estudio (Sandu, Verwer, Van Loon,
Carmichael, & Potra, 1997).
{ P ( t , y )} = vector 
  (3.37)
  L ( t , y )  = matriz 
La concentración de una sustancia química es el resultado del balance entre

un término de producción que representa la generación que sufre dicha
sustancia durante el ciclo de reacciones químicas y otro término que
representa la pérdida o consumo de la misma durante el proceso de signo
negativo, ambos expresados en términos másicos.
Entonces, se reconstruye el sistema de ecuaciones diferenciales en términos
de producción, P y consumo, L:
d
[O ] = P ( t , O ) − L ( t , O ) [O ]
dx
d
[ NO ] = P ( t , NO ) − L ( t , NO ) [ NO ]
dx
d
[ NO2 ] = P ( t , NO2 ) − L ( t , NO2 ) [ NO2 ] (3.38)
dx
d
[O3 ] = P ( t , O3 ) − L ( t , O3 ) [O3 ]
dx
Usando notación matricial podemos reescribir el sistema de ecuaciones

diferenciales como:
{ y } = { f ( t , y )} = { P ( t , y )} −  L ( t , y ) { y }
'
i i i i i
 O '   k1 ( t ) NO2 ( t )   k2 0 0 0   O( t ) 
 NO ' k ( t ) NO ( t ) + σ 2   0 0   NO( t ) 
   1   k3O3 ( t ) 0
 '
= 2
−  
 NO2   k3O3 ( t ) NO( t )   0 0 k1 ( t ) 0   NO2 ( t )
 O3'   k 2O ( t )   0 0 0

k3 NO( t )  O3 ( t ) 
(3.39)
86/284
III.6.3 Inicio de método
Al ser el método BDF un método multipaso implícito es necesario conocer el

valor de la función en 2 pasos anteriores de tiempo {y n
i , y in −1 } así como
conocer la derivada en el instante de tiempo que se pretende calcular
{ y' }
n +1
i .
Por lo tanto, se deben conocer el valor de la función en los dos primeros

instantes de tiempo antes de implementar el método BDF2. La solución en el
primer instante de tiempo se conoce debido a que se conocen las
concentraciones iniciales empleadas en el algoritmo. El segundo paso de
tiempo se calcula mediante la implementación del algoritmo de Euler
implícito.
Se parte de la fórmula general de Euler implícito:
yn+1 = yn + ∆t y 'n+1 (3.40)
El procedimiento de cálculo consiste en calcular el término de la derivada

utilizando la notación cinética en términos de producción y pérdida.
{ }
y ' = f i ( t , y ) = Pi ( t , y ) −  Li ( t , y )  { yi }
(3.41)
Se procede a reescribir la expresión de la derivada en función de términos

de producción y pérdida:
yn+1 = yn + ∆t ( Pn+1 − Li · yn+1 ) (3.42)
Después se procede a despejar yn+1 para poder determinar su valor

quedando el método de Euler implícito en función de la cinética química:
yn + ∆t Pn+1
yn + 1 = (3.43)
1 + ∆t Ln+1
A partir de esta expresión se calcula el segundo paso necesario para

emplear el método BDF2 pero con una salvedad. Para calcular el primer
87/284
paso, no se conocen los valores de Pn+1 ni los valores de Ln+1 porque
dependen de las concentraciones en el paso n + 1 desconocidos. Por lo

tanto, se aproxima el valor de (3.43) como:
yn + ∆t Pn
yn+1 = (3.44)
1 + ∆t Ln
Entonces para calcular el primer paso utilizando el método de Euler implícito

los pasos a seguir son:
- Se calculan los términos P0 y L0 con los datos de

concentraciones iniciales por las relaciones cinéticas de cada
especie química.
- Se introducen y0 y el parámetro ∆t y se procede al cálculo de y1 .
III.7 Método TWOSTEP de paso variable
El método Two-Step consiste en la aplicación de un método implícito

multipaso (BDF2) cuyas soluciones se aproximan con un método iterativo de
resolución de sistemas de ecuaciones, Gauss-Seidel.
Las iteraciones empleadas para que la solución obtenida por el método de

Gauss-Seidel converjan hacia la real se determinan indirectamente fijando la
tolerancia de la solución. A su vez, este grado de tolerancia será la base
para la elección de la amplitud del tamaño de paso en cada instante de
tiempo, si queremos utilizar un paso de tiempo variable (J G Verwer, 1994).
Si implementamos el proceso de iteración de Gauss-Seidel en el método

BDF2 (ecuación 3.30) obtenemos:
(
y n+1 = Y n + γ τ f tn+1 , yn+1 ) siendo τ = t n+ 1 − t n
(3.45)
donde:
γ=
(c + 1) (t − t )
, c = n n −1 , Y n =
( (c + 1) y − y 2 n n −1
)
(c + 2) ( t n +1 − t n ) ( c 2 + 2c ) (3.46)
88/284
Se ha elegido la fórmula de segundo orden (BDF2) en virtud de la exigencia

de la precisión requerida. La aproximación también se puede evaluar por
fórmulas del método BDF de mayor orden.
El segundo orden es suficiente porque para problemas de flujos reactivos un

bajo nivel de exactitud es suficientemente bueno. Un nivel más alto, como se
piensa, es redundante debido a errores existentes en otros procesos e
incertidumbres en las constantes de reacción de los modelos químicos. La
cinética química puede ser escrita del siguiente modo para la aplicación de
la técnica de Gauss-Seidel
( )) (Y ))
−1
( )
y n +1 = F y n +1 = I + γ τ L t n +1 , y n +1 ( n
(
+ γ τ P t n + 1 , y n +1 (3.47)
La fórmula anterior está expresada en términos de producción y consumo de

contaminante teniendo en cuenta las formas matriciales en la que ha sido
transformado el sistema de ecuaciones diferenciales. A continuación se
muestran los términos de producción y pérdida para el sistema que estamos
tratando:
 k2 0 0 0   k1 y3 (t ) 
0  
0   k1 (t ) y3 (t ) + σ 
2
 L ( t , y )  = 
0
k3 y4 ( t )
0
0
k1 ( t ) 0  ;
{ P ( t , y )} =
 k3 y2 (t ) y4 (t ) 

   k y (t ) 
0 0 0 k3 y2 ( t ) 
 2 1 
(3.48)
Para la iniciación del cálculo de las soluciones por el método TWOSTEP, se

utiliza el método de Euler implícito para obtener el valor de la función en el
segundo paso y poder así iniciar BDF2. El método de Euler implícito
corresponde al método BDF de grado 1 y tiene como expresión siguiendo la
cinética química:
{ y } = ([ I ] + γ τ ) ({Y } + γ τ { P (t , y )} )
−1
1
i
 L( t1 , y1 ) 0
1
1
(3.49)
Incluso con una iteración, el esquema de integración aplicado conserva el

segundo orden de consistencia (error de orden ∆t 2 ). El número de
iteraciones de Gauss-Seidel se establece de antemano y en la última
iteración se asigna a la nueva aproximación de y n+1 en el paso de tiempo
tn+1 . Se pueden utilizar ambas variables y un tamaño de paso constante.
89/284
De esta manera, se aplica la notación utilizada anteriormente para que exista

coherencia en la notación:
O n+1    1 0 0 0  k2 0 0 0 
−1 Y n + γτ

( k NO ) 
1
n +1
2
n+1
 n+1 
 NO    0

1 0 
0

 0 k 3O n +1
0 0 

Y n + γτ
 ( k NO ) 
1
n +1
2
n +1
 n+1 
= + γτ
  n
( k O NO ) 
n+1
 NO2    0 0 0
Y + γτ
0 1 0 k1 0 n +1 n +1
 n+1    0    3 3
 0 0 0 k3 NO n +1    n 
(k O )
0 0 1
O3  
Y + γτ
n +1
2 
(3.50)
siendo la expresión anterior válida para el sistema cuando se utiliza el paso

variable con el método numérico BDF2 aplicando los términos de
generación-pérdida.
Si se supone que el paso es constante, se ajustan los parámetros

anteriores γ, τ, c , como sigue:
τ = t n+1 − t n = h ; c=
( tn − t n−1 ) = h = 1; γ=
( c + 1) = 2
( tn+1 − tn ) h ( c + 2) 3
(3.51)
obteniendo finalmente:
( )
 c + 1 2 y n − y n−1 
 4 y n − y n−1 4 1
Y =
n   = = y n − y n−1
(c )
(3.52)
2
+ 2c 3 3 3
Por lo tanto, sustituyendo la expresión anterior por la nomenclatura aplicada

para las ecuaciones específicas del ozono:
−1


4 n 1 n−1 2
3 3 3
(
O − O + h k1n+1 NO2n+1 ) 

 O n+1   1 0 0 0  k2 0 0 0    4 
 n +1 
 NO   0

1 0  
0  2  0 k3O n +1
0 0    3
 1
3
2
3
(
NO n − NO n−1 + h k1n+1 NO2n+1 ) 

 n +1 
= + h   
 NO2   0   k1n+1 
 O3n+1   0
0 1 0 3 0
 
0 0
k3 NO n+1    3
4 n 1
   NO2 − NO2 + h k3O3 NO
3
n −1 2
3
(
n +1 n +1
) 

   0 0 1  0 0 0
 


4 n 1 n−1 2
O − O + h k2O n+1
3 3 3 3 3
( ) 

(3.53)
90/284
III.7.1 Ajuste del tamaño de paso (paso de integración variable).
En ciertos casos muy complejos puede ser necesario utilizar un tamaño de

paso de integración variable. El tamaño de paso está limitado por valores
máximos y mínimos establecidos previamente. Si se realizan dos rechazos
consecutivos se procede a reiniciar el proceso.
El paso inicial se elige cumpliendo con los requisitos impuestos de las

tolerancias, tanto la absoluta como relativa. El esquema de dos pasos se
aplica con el mismo tamaño de paso y después se activa el mecanismo de
tamaño de paso variable. Normalmente, el tamaño de paso, τ = t n+ 1 − t n
conduce a una estimación inicial más bien pequeña que será aceptada, y
posteriormente, será incrementada rápidamente de acuerdo a la norma del
error.
La estrategia para el cálculo del tamaño de paso variable se basa en la

utilización del cálculo del error local y en considerar la norma del error
promediado, que ha sido definido y prefijado de antemano dentro del
algoritmo, como una ponderación de las tolerancias.
(
Ewn+1 = max Ewn+1 Wkn ) Wkn = ATOL + RTOL ykn (3.54)
Donde ATOL y RTOL son las tolerancias, definidas a priori, de error
absoluto y relativo respectivamente. Si E wn+1 ≤ 1 entonces el paso de
integración se acepta, de otra manera será rechazado. El nuevo tamaño de

paso se estima por:
  
 
= max  0.5,min  2.0,
0.8
τ nuevo  τ anterior (3.55)
  E n +1 
  W 
El error local estará determinado por la expresión:
E n+1 =
2
c (c + 1) (
c y n+1 − (1 + c ) y n + y n−1 ) (3.56)
91/284
Con esta expresión no se trata de estimar el error local del método BDF2. La
principal razón consiste en evitar el uso explícito de valores derivados en
E n+1 . De esta manera, esto podría amplificar los pequeños errores
insignificantes en la solución debido a la rigidez del sistema lo cual dificulta
la predicción del nuevo tamaño de paso.
El valor necesario para inicializar el método multipaso BDF2 se consigue

aplicando un método de Euler implícito que corresponde al método BDF2 de
grado 1. Para obtener un valor predicho seguro para el tamaño de paso
inicial se reemplaza E n +1 por y ' k0 y se define τ según:
(
τ = min Wk0 / { yk'0 } ) (3.57)
siendo
{ y ' } = { P ( t , y )} −  L ( t , y )  { y }

0
k k
0
k
0 0
k (3.58)
De ahí, el tamaño de paso es elegido de modo que y ' k0 satisface los
requerimientos de tolerancias previamente definidas, tanto la absoluta como

la relativa. El esquema two-step se aplica entonces con el mismo tamaño de
paso y después de eso el mecanismo de tamaño de paso variable se activa.
Normalmente, se permiten predicciones bastante pequeñas inicialmente que
serán aceptadas y por consiguiente se incrementarán rápidamente.
Al utilizar el método two-step, el cálculo realizado por las iteraciones de

Gauss-Seidel tiende a la convergencia en un número pequeño de pasos.
Según se indica en (J G Verwer, 1994; J.G. Verwer & Simpson, 1995) la
exactitud general del código mejora con el número de iteraciones pero la
eficiencia generalmente no. Por lo tanto es preferible un pequeño número de
iteraciones, las cuales son convenientes en cualquier caso, después de
volver a empezar con un tamaño de paso pequeño. En las pruebas
realizadas de la cinética del ozono, el tamaño de paso es variable y está
gobernado por las tolerancias definidas por el .usuario pero limitadas a un
92/284
máximo y un mínimo. Por lo tanto, se definen un máximo y un mínimo en el

tamaño de paso en segundos.
τ inicial = 1 ; τ min = 1 ; τ max = 900 (3.59)
Mientras el límite inferior es de 1 segundo se impone por razones de

eficiencia, el límite superior de 900 segundos sirve para proteger el código
del problema de tomar valores de tamaño de paso demasiado grandes. Este
límite superior es razonable en términos químicos debido a que con tamaños
de paso mucho mayores que 15 minutos, la fiabilidad de los métodos
numéricos puede degradarse.
III.8. Descripción del algoritmo Two-Step.
La estructura del programa está dividida en un programa principal que a su

vez contiene 4 subrutinas diferentes. El programa principal inicia las
variables más importantes y que deben estar bien acotadas para obtener la
resolución deseada. Las 4 subrutinas serán las encargadas de ejecutar los
pasos deseados para la resolución de la química atmosférica del ozono.
Estos pasos consistirán, en primer lugar, en la aplicación directa del método
BDF2. Las demás subrutinas efectúan tareas auxiliares como son el cálculo
del nuevo tamaño de paso, el ajuste del tamaño de paso a las horas en las
que se desean obtener datos en el intervalo de integración y, por último, al
cálculo de la cinética química y los parámetros de resolución del método de
Gauss-Seidel.
De un modo esquemático se presentan las 4 subrutinas implementadas en el

método y la función que presenta cada una en la resolución de la cinética
atmosférica del ozono.
- TWO-STEP: Cálculo de las tolerancias e inicialización de los

parámetros necesarios para el cálculo del tamaño de paso.
- NUEVODT: Cálculo del tamaño de paso variable según las
tolerancias.
93/284
- FIT: Ajuste del tamaño de paso para garantizar que el intervalo a

resolver es múltiplo del tamaño de paso.
- ITER: Construcción del método BDF2, cálculo de k1 y resolución
del sistema por Gauss-Seidel.
En el apéndice 3 puede verse el organigrama completo del programa de

ordenador utilizado.
III.8.1 Resultados de la simulación
Para realizar la simulación del sistema de generación-consumo de ozono

troposférico se ha optado por un método numérico multipaso de tamaño de
paso variable que se denomina BDF2 y que está regido por la siguiente
expresión:
 y n+ 1  = 4
 i  3
{ yin} −
3{
1 n−1
yi
2
} {
+ ∆t y ' in+1
3 } (3.60)
Como se puede observar en esta expresión, para calcular el valor en el

instante n + 1 , es necesario conocer el valor de la función en el instante n
calculado por Euler implícito y en el instante n − 1 que corresponden a los
datos iniciales, así como el valor de la derivada en el instante n + 1 . El
método es implícito al usar la evaluación de la función en los instantes n + 1
a ambos lados de la ecuación, y además, es un método multipaso ya que
para iniciar el proceso de integración es necesario conocer el valor de la
función en dos instantes de tiempo anteriores.
Para resolver (3.60), se procede a implementar el proceso de iteración de

Gauss-Seidel.
Se ha utilizado paso de integración variable.
(
y n+1 = Y n + γ τ f tn+1 , y n+1 ) (3.61)
donde:
τ = tn+1 − tn
94/284
c=
( t n − t n−1 )
( t n +1 − t n )
γ=
( c + 1)
( c + 2)
( )
 c + 1 2 y n − y n−1 

Yn =  
(c 2
+ 2c )
resultando:
( )
 c + 1 2 y n − y n −1 
 ( c + 1) t − t f t , y n + 1
( c + 2 ) n+ 1 n ( n +1 )
y n +1 =   +
( )
( )
(3.62)
c 2 + 2c
III.8.2 Solución teórica
Una vez que se ha ejecutado el programa, se procede al análisis de

resultados. Para ello, se realizan gráficas de evolución de valores en un
programa en R para, posteriormente compararlas con las soluciones de la
referencia (J.G. Verwer & Simpson, 1995).
Fig. 3.2 Evolución en el periodo simulado de las concentraciones de las soluciones de

referencia de O·, NO, NO2 y O3. (J.G. Verwer & Simpson, 1995)
95/284
En las siguientes gráficas se muestran los resultados de la simulación

realizada con el programa considerando una tolerancia absoluta de 10-1 y
una tolerancia relativa de 10-3:
[O] [NO
]
[NO2 [O3]
]
Fig. 3.3. Evolución en el período simulado de las concentraciones de la solución

-1 -3
aproximada con tolerancia absoluta de 10 y tolerancia relativa de 10 de O·, NO,
NO2 y O3
Una vez que se tienen los resultados gráficamente, pueden compararse los
resultados del método BDF2 resuelto por Gauss-Seidel (Fig. 3.3) con la
solución de referencia (Fig.3.2), (J.G. Verwer & Simpson, 1995).
Como se ve para la especie O, las curvas son muy similares en cuanto a los
máximos y mínimos obtenidos si bien es verdad que el método de resolución
propuesto desplaza ligeramente el ascenso en concentración de O.
Para la especie NO, también se observan valores muy parecidos a los

generados analíticamente salvo que se aprecia un descenso atenuado en la
solución numérica que no existe en la solución de referencia donde se
produce una caída de concentración de NO repentina.
Analizando el NO2, se observa un ligero retardo en el crecimiento de la

concentración pero una vez que comienza a formarse se produce de manera
96/284
constante. Sin embargo, en la solución de referencia cuando comienza el

crecimiento, éste se mantiene continuo hasta que se acerca a la
concentración máxima, que llega de noche, donde el crecimiento se atenúa
poco a poco hasta que comienza a descender la concentración por la
entrada de la radiación.
El ozono simulado por el método numérico no presenta máximos de

concentración tan prolongados en el tiempo como se deduce de la solución
analítica. El descenso de la concentración de ozono no se produce tan
rápidamente en la solución numérica como se da en la solución analítica
sino que este descenso es menor pronunciado pero prácticamente es
constante hasta que se alcanza la concentración mínima para cada día que
en este caso corresponde a períodos nocturnos.
III.8.3 Análisis de sensibilidad a las tolerancias: absoluta y relativa
A continuación se han planteado la resolución del modelo considerando

menores tolerancias para el cálculo.
El primer estudio realizado consiste en definir una tolerancia absoluta de 10-3

y una tolerancia relativa de 10-6 (ver Fig. 3.4):
97/284
[O3]
[O]
[NO2 [NO
] ]
Fig. 3.4 Evolución en el período simulado de las concentraciones de la solución

-3 -6
aproximada con tolerancia absoluta de 10 y tolerancia relativa de 10 de
O·, NO, NO2 y O3
La siguiente simulación realizada consiste en definir una tolerancia absoluta

de 10-6 y una tolerancia relativa de 10-9 para obtener una solución
aproximada más próxima a la solución de referencia (J.G. Verwer &
Simpson, 1995) y, por tanto, con menor error (ver Fig. 3.5):
98/284
[O] [NO]
[NO2] [O3]
Fig. 3.5. Evolución en el período simulado de las concentraciones de la solución

-6 -9
aproximada con tolerancia absoluta de 10 y tolerancia relativa de 10
de O·, NO, NO2 y O3
Según se observa en las figuras, a menor tolerancia en el error la solución

calculada se acerca más a la solución de referencia (J.G. Verwer & Simpson,
1995). Al final, prácticamente la solución aproximada es idéntica a la
solución (J.G. Verwer & Simpson, 1995) con lo que se consigue minimizar el
error a valores prácticamente nulos.
También se observa que la forma que adquieren las gráficas en torno a la

respuesta de las mismas es igual, por lo que no existe desfase en las
soluciones. Sin embargo, cuanto menor son las tolerancias definidas, se
hace necesario disminuir el tamaño de paso y a su vez repercute
negativamente en el tiempo de simulación empleado. En este caso, no
supone un coste computacional elevado debido a que los tiempos
empleados son inferiores a 1 minuto pero si se pretendiera calcular para
mayor número de días, probablemente, este parámetro haya que estudiarlo
más en profundidad.
99/284
III.8. Conclusiones.
En este capítulo se ha dedicado al método multipaso implícito Backward

Differentiation formula de segundo grado (BDF2) utilizado para llevar a cabo
la simulación de la cinética química de reacciones de contaminantes
gaseosos atmosféricos.
Este método numérico es idóneo para obtener la solución de los sistemas de

ecuaciones diferenciales ordinarios rígidos que modelizan la cinética química
atmosférica. La rigidez presente en este tipo de sistemas de ecuaciones
diferenciales ordinarias se debe a la presencia de reacciones fotoquímicas
que favorecen una diferencia de varios órdenes de magnitud en las
velocidades de reacción implicadas en las reacciones químicas que se
desean modelizar. El método multipaso implícito BDF2 unido a la aplicación
de la técnica iterativa Gauss-Seidel para la obtención de la solución de la
parte implícita de la ecuación, nos proporciona una herramienta para la
resolución de los problemas de rigidez, precisa, rápida y de bajo consumo de
memoria.
En este capítulo se ha implementado el método BDF2 en un algoritmo que

modela el ciclo químico de generación-destrucción de ozono troposférico y
se han comparado los resultados con la solución teórica propuesta en
(Hundsdorfer & Verwer, 2003), observando un buen ajuste perfecto en
ambas. El algoritmo usado se ha implementado junto con una técnica de
paso variable, que determina el valor del paso de integración en el tiempo en
función de la derivada segunda de la función, lo que relaciona las
aceleraciones de reacción con la precisión del método, permitiendo un buen
ajuste en función de la velocidad de reacción dominante de cada una de las
reacciones químicas presentes en el ciclo del ozono troposférico.
Las principales ventajas que posee este método son
- La rapidez del cálculo debido a la aplicación del método iterativo

de Gauss-Seidel para la resolución de las ecuaciones no lineales
100/284
obtenidas tras aplicar el método BDF2 para aproximar la solución

del SEDO que modelizan las reacciones químicas.
- Solventa los problemas de rigidez de las reacciones químicas, y
aumenta la rapidez de cálculo.
- Permite acoplar una técnica de paso variable, dependiente de las
tolerancias admitidas que aumenta la precisión en el caso de
sistemas de elevada rigidez.
- El método BDF2 es estable a lo largo del periodo de tiempo de
integración.
101/284
IV. Simulaciones de la dispersión de contaminantes en la atmósfera con el modelo CHIMERE
102/284
IV. Simulaciones reales de la dispersión de contaminante con el modelo

CHIMERE. Análisis del modelo racional conservativo
INTRODUCCIÓN
En el presente capítulo de esta Tesis se va a llevar a cabo el análisis de

resultados de simulaciones de dispersión de contaminantes con el Programa
CHIMERE (Institute Pierre-Simon Laplace (C.N.R.S.) & INERIS, 2007; Roux,
2002) modificado para incluir el método Racional Conservativo para la
resolución de la parte advectiva de las ecuaciones en derivadas parciales
que regulan la dispersión de contaminantes en la atmósfera por distintos
procesos, entre los que se encuentra la advección, la difusión vertical y la
reacción química de contaminantes durante el transporte al que son
sometidos tras su emisión en la atmósfera. Dichas simulaciones se llevaron
a cabo mediante colaboración con la Unidad de Contaminación Atmosférica
del Centro de Investigaciones Energéticas Medioambientales y Tecnológicas
(C.I.E.M.A.T.)
Estos resultados se compararán con los resultados obtenidos en las mismas
condiciones con los métodos clásicos de resolución de la ecuación de
advección incluidos en el modelo CHIMERE (los métodos utilizados para
resolver la ecuación de advección –método Upwind (Godunov, 1959),
VanLeer o MUSCL (B Van Leer, 1979; Bram Van Leer, 1977), y Piecewise
Parabolic Method o PPM (Colella & Woodward, 1984) - se desarrollaron en
el capítulo II de la presente Tesis; mientras que el método de resolución del
proceso químico completo en el que se inspira el método simplificado del
programa CHIMERE se desarrollo en el capítulo III).
Los resultados se han verificado mediante contraste con las medidas
continuas de concentración de contaminantes registradas en la red de
estaciones fijas de seguimiento y medición localizadas dentro de los
dominios a estudio, utilizando los indicadores propuestos por la US
Environmental Protection Agency (Doll, 1991; Tesche, Georgopoulos, &
Seinfeld, 1990). Los resultados se han presentado en diferentes congresos
internacionales (CMMSE 2010, CMMSE 2011, ICSSA 2011, que llevaron a
la publicación en la revista Journal of Computational and Applied
Mathematics (Gavete et al., 2012).
103/284
IV.2 DESCRIPCIÓN DE LOS ÍNDICES DE VERIFICACIÓN DE LAS

SIMULACIONES REALIZADAS.
Para determinar la fiabilidad de los resultados de las modificaciones del

modelo empleado se han utilizado técnicas estadísticas y gráficas de
verificación de los resultados. Para realizar el proceso de verificación de los
resultados de las simulaciones empleadas con objeto de determinar si la
simulación es una representación precisa del sistema real objeto a estudio
se han utilizado conjuntos de datos experimentales obtenidos a partir de las
mediciones continuas recogidas en la red de estaciones de seguimiento y
medición distribuidas dentro de las áreas simuladas.
Las técnicas gráficas consisten en la representación de las predicciones y

observaciones en el tiempo y en el espacio (figura 4.1).
MS01016001 B6
150
obs
ppm
rm
upwind
vanleer
100
O3 (microgr/m 3)
50
0
24 48 72 96 120
Time(hours)
Fig. 4.1. Ejemplo técnicas de verificación gráfica. Representación

de los valores simulados con los cuatro métodos para la
resolución del proceso advectivo frente a datos observados.
104/284
Las técnicas estadísticas utilizadas se han empleado siguiendo las guías de

la US environmental Protection Agency (Doll, 1991), (Tesche et al., 1990) y
se describen en la tabla 4.1.
Estadístico Fórmula Interpretación

MB = ∑ ( c0 − c p )
Bias Medio, MB 1 N = 0 Buen ajuste
N 1 > 0 Subpredicción
< 0 Sobrepredicción
Bias Medio = 0 Buen ajuste
∑ (c − cp )
N
Normalizado, NMB 0 >0 Subpredicción

NMB = 1
N <0 Sobrepredicción
∑c 0 >1 Subpredicción
1 importante
<1 subpredicción
importante
Error cuadrático = 0 Buen ajuste
∑ (c − cp )
N
1 2
medio, RMSE RMSE = 0 Cuanto mayor sea,
N 1
peor es la predicción.
Error cuadrático = 0 Buen ajuste
∑ (c − cp )
N
1 2
normalizado, EMNAE N 0 Cuanto mayor sea,
EMNAE = 1
N peor es la predicción.
∑c c1
0 p
Error normalizado, = 0 Buen ajuste

∑ (c − cp )
N
NME 0 Cuanto mayor sea,

NMSE = 1
N peor es la predicción.
∑c 1
0
Tabla 4.1 Descripción de los indicadores empleados en la verificación de los resultados de

las simulaciones.
105/284
IV.3 Descripción del modelo CHIMERE de dispersión de contaminantes

y de los modelos MM5 y WRF de predicción meteorológica.
El Método Racional Conservativo (RCM) se ha incluido en el modelo

CHIMERE de simulación del proceso de dispersión de contaminantes en la
atmosfera para poder hacer una validación del mismo mediante contraste
con los resultados de otros tres métodos de resolución de las ecuaciones
advectivas incluidas y previamente validadas dentro de CHIMERE.
El modelo multi-escala CHIMERE es un modelo de dispersión de

contaminantes en la atmósfera, que simula el comportamiento de los
contaminantes sometidos a diferentes procesos como son la advección, la
difusión, reacciones químicas, deposición seca y húmeda, etc. Está
diseñado para la producción de predicciones diarias de ozono, aerosoles y
otros contaminantes primarios y secundarios en la atmósfera, así como para
realizar predicciones a largo plazo con diferentes escenarios de emisión
controlada. El modelo CHIMERE utiliza un rango de escala espacial que va
desde la escala regional (varios miles de kilómetros) hasta la escala urbana
(entre 100-200 km) con resoluciones que oscilan entre los 1-2 km hasta los
100 km. El diseño del programa se ha orientado a su uso en Europa,
aunque tiene la posibilidad de modificarse para hacer uso del mismo en
otros continentes.
El modelo CHIMERE posee diferentes tipos de opciones de configuración

para la realización de simulaciones del comportamiento de los
contaminantes en la atmósfera y es un código muy útil a la hora de chequear
nuevas parametrizaciones, hipótesis o procesos dentro de su código,
publicado bajo licencia libre (GNU General Public License) por el Institut
Pierre-Simon Laplace (Institute Pierre-Simon Laplace (C.N.R.S.) & INERIS,
2007).
El modelo CHIMERE necesita una serie de datos de entrada como base a

las predicciones de difusión de contaminantes entre las que se incluyen:
106/284
- Predicciones meteorológicas. Posee capacidad para conectarse a

información de servidores o acoplarse a modelos meteorológicos
como MM5 o WRF.
- Datos de usos del suelo.
- Datos de emisiones.
- Condiciones de contorno e iniciales.
Por último cabe destacar la flexibilidad del modelo CHIMERE para ejecutar
distintas configuraciones en lo que se refiere a la resolución vertical de la
atmósfera contemplada, así como a diferentes tipos de mecanismos de
reacción química de contaminantes, entre los que se puede citar los modelos
MELCHIOR I (descripción de 300 reacciones de 80 especies gaseosas),
(Lattuati, 1997), y el modelo reducido MELCHIOR II (descripción de 120
reacciones), (Derognat, Beekmann, Baeumle, Martin, & Schmidt, 2003).
El modelo CHIMERE se enmarca dentro de los modelos determinísticos, que

se basan en ecuaciones físicas que modelan los procesos de transporte y
reacciones químicas de los contaminantes atmosféricos contemplados. El
modelo CHIMERE está basado en la aplicación de la ecuación de masas a
las concentraciones de especies químicas discretizando el dominio espacial
en una malla compuesta de celdas o cajas adyacentes. Una vez realizado el
preproceso de los campos de vientos obtenidos mediante modelos
meteorológicos, el modelo CHIMERE se centra en la resolución de un
sistema de ecuaciones en derivadas parciales (PDE en sus siglas en inglés),
obtenidas tras la aplicación de la ecuación de conservación de masas:
∂f
+ ∇ ( uf ) = ∇ ( k ∇f ) + P − L (4.1)
∂t
En esta ecuación, típica de una aproximación Euleriana, f representa un
vector con las concentraciones de las especies contempladas en el modelo,
georreferenciada dentro de la malla diseñada, u es un vector tridimensional
que contiene el valor de la velocidad del viento en el dominio modelado,
correspondiente al coeficiente advectivo, obtenida a través de los campos de
viento simulados en los modelos meteorológicos empleados, k es la matriz
de difusividad turbulenta, y P y L representan los términos de producción y
107/284
pérdida de especies químicas debido a procesos de emisión, deposición y

reacciones químicas. El campo de viento tridimensional y la matriz de
difusividad son datos conocidos a la hora de resolver el sistema de
ecuaciones en derivadas parciales, por lo que el problema es lineal en lo que
al transporte se refiere. Sin embargo, los términos relativos a las reacciones
químicas son de segundo orden, por lo que el efecto de las reacciones
químicas en los términos de producción y pérdida son cuadráticamente no
lineales (ya que la concentración de cada especie química depende del valor
de más de la concentración de más de una de sus precursoras).
Para llevar a cabo el cálculo de los términos de producción y pérdida de

contaminantes, es necesario resolver un sistema de ecuaciones en
derivadas ordinario rígido. La rigidez del sistema (como se ha visto en el
capítulo III de la presente Tesis) se debe a la elevada diferencia entre los
valores de las constantes de reacción, definidas en las reacciones químicas
que contempla el modelo CHIMERE. La resolución de la parte química se
lleva a cabo mediante un método numérico basado en un algoritmo de
segundo orden llamado TWO-STEP (ver capítulo III) originalmente propuesto
para el tratamiento de la química en fase gas. Este método se basa en la
aplicación del sistema iterativo Gauss-Seidel para la resolución del sistema
de ecuaciones no lineales obtenido tras aplicar el esquema implícito
multipaso de diferenciación regresiva hacia atrás (Backward differentiation
formula- BDF2)
f n+1 =
4 n 1 n−1 2
3
f − f + ∆t R
3 3
(f )
n +1
(4.2)
Siendo f n el vector que contiene las concentraciones de las especies
químicas en el instante t n , ∆t el incremento de tiempo desde el instante t n

al t n+1 , y R ( f ) = P( f ) − L( f ) la evolución temporal de las concentraciones
debido a los procesos de generación y emisión (P) y pérdida debido a los

procesos de consumo y deposición (L). Agrupando términos en (4.2) y
teniendo en cuenta que P es el vector de producción de contaminantes
medido en unidades de concentración y L es una matriz diagonal, que
contiene los parámetros de pérdida de sustancia química, obtendríamos:
108/284
−1
  4
f n +1 =  I + ∆tL ( f n +1 )   f n − f n −1 + ∆t P

2
3  3
1
3
2
3
( f ) 
n +1
(4.3)
Debido a la cantidad de operaciones llevadas a cabo para evitar la

característica de rigidez del sistema, este es un proceso clave en el tiempo
de cálculo dentro del modelo CHIMERE.
Para la resolución del proceso se utiliza un método de spliting aditivo,

mediante el que se tratan por separado uno de los procesos contemplados
en el sistema de ecuaciones en derivadas parciales (P.D.E) contemplado.
Una vez aplicado el método de spliting, el modelo lleva a cabo la aplicación
de los métodos numéricos que resuelven el transporte advectivo (Godunov,
VanLeer, Piecewise Parabolic Method, o Racional Conservativo) descritos
en el apéndice II y el capítulo II, y una vez resuelto el proceso de transporte
se lleva ejecuta el proceso químico, por lo que el modelo primero transporta
el contaminante en cada una de las direcciones, actualiza el valor de la
cantidad transportada y posteriormente resuelve el sistema de ecuaciones
diferenciales ordinarias que simula el proceso químico. En la figura 4.2 se
puede observar un esquema del proceso de spliting utilizado en el modelo
CHIMERE.
Fig.4.2. Proceso de spliting en el modelo CHIMERE.
109/284
El modelo CHIMERE solo tiene en cuenta la difusión vertical, mediante una

parametrización de la difusión turbulenta dependiente de la velocidad del
viento, contemplando como despreciable el efecto de la difusión horizontal,
suposición comúnmente utilizada en la mayoría de los modelos de
dispersión de contaminantes mesoescalares.
Descripción del modelo de predicción meteorológica.
MM5 es un modelo de predicción meteorológica mesoescalar desarrollado

en base a la quinta generación del NCAR/Penn State Mesoscale Model
utilizado por el NCAR (National Center for Atmospheric Research, Colorado,
USA).
El MM5 es un modelo no hidrostático de predicción atmosférica a corto plazo

que resuelve las ecuaciones dinámicas de la atmósfera mediante métodos
numéricos. La formulación de una dinámica no hidrostática permite que el
modelo pueda ser empleado eficazmente para representar fenómenos con
dimensiones de muy pocos kilómetros (hasta 1 km).
El modelo MM5 incorpora los esquemas de parametrización de los

siguientes procesos físicos:
- Radiación atmosférica.
- Microfísica de nubes y precipitación.
- Convección por cúmulos.
- Turbulencia.
- Flujos de energía y momento sobre la superficie terrestre.
El modelo MM5 tiene capacidad de anidamiento múltiple entre dominios de

diferente resolución para facilitar la consecución de las condiciones de
contorno adecuadas al área a estudio, en una dirección (“one-way”) y en
ambas direcciones (“two-way”), facilitando el estudio de fenómenos
atmosféricos bajo distintas escalas espaciales y el diseño de predicciones de
alta resolución.
El modelo MM5 es de libre acceso y está mantenido a través de la NCAR,

con propósitos de investigación científica, estudios de calidad de aire,
estrategias de control, etc.
110/284
IV.4 ANÁLISIS DE DATOS DE SIMULACIONES CON CHIMERE
IV.4.1 DESCRIPCIÓN DE CASOS
Durante el periodo de doctorado se han realizado visitas al Centro de

Investigacioines Científicas, Tecnológicas y Medioambientales, donde se ha
podido implantar el algoritmo de mejora Rational Conservative Method, para
la resolución del término advectivo en el modelo CHIMERE que modeliza el
transporte y reacción química de contaminantes en la atmósfera. Como
resultado de la cooperación con la Unidad de Contaminación Atmosférica del
CIEMAT, se ha llevado a cabo estudios comparativos de resultados de la
simulación del transporte de contaminante en diferentes dominios con
distintas resoluciones, con medidas observadas de la red de vigilancia de
Contaminación del Instituto Nacional de Meteorología. Tras el estudio, se ha
podido confirmar la idoneidad del método para este propósito quedando
reflejada la misma mediante diversas publicaciones y difusión en congresos
internacionales (CMMSE 2010 y 2011, e ICCSA 2011).
Los casos a estudio son los siguientes:
a) CASO 1: Se ha simulado el comportamiento de tres contaminantes en

la atmósfera dentro del área correspondiente a la Comunidad de
Madrid, con una resolución horizontal de 0.2º. El modelo de
dispersión de contaminantes usado ha sido el modelo CHIMERE en
su versión V200603 par-rc1, alimentado por los datos meteorológicos
obtenidos a través del modelo MM5. Los contaminantes a estudio
son: O3, NO2, SO2 para un periodo comprendido entre el 1 de agosto
y el 30 de agosto de 2003. Las simulaciones llevadas a cabo por el
modelo CHIMERE han empleado los métodos de resolución numérica
de la ecuación de advección PPM (Piecewise Parabolic Method) y
RCM (Rational Conservative Method).
Los resultados del presente estudio se expusieron en la Conferencia
Internacional CMMSE (International Conference Computational and
Mathematiacl Methods in Science and Engineering) del año 2010, y
han sido publicados en la revista Journal of Computational and
Applied Mathematics) (Gavete et al., 2012).
111/284
b) CASO 2: En este caso, se ha modelado el comportamiento de 5

contaminantes ( NO2, NOX, SO2, O3, PM10), para un área
correspondiente a la Península Ibérica con una resolución horizontal
de 0.2º. En este caso se ha empleado la versión 2008 del modelo
CHIMERE, comparando los resultados del método de resolución
numérica RCM con los métodos incluidos en CHIMERE (Upwind,
VanLeer, y PPM). Estos resultados se validaron mediante la
comparación con los valores observados en la red de estaciones de
medición localizadas en el área a estudio.
Los datos de predicción meteorológicos necesarios para llevar a cabo
la simulación de la difusión de contaminantes se obtuvieron a partir
del modelo MM5 para un periodo de tiempo comprendido entre el 30
de junio y el 3 de agosto de 2007. Los resultados del estudio han sido
defendidos en la Conferencia Internacional ICCSA 2011 (International
Conference on Computational Science and Its Applications).(Molina et
al., 2011b)
c) CASO 3: El último caso analizado cubre la Peninsula Ibérica con una

resolución horizontal de 0.1º, simulando la difusión de ozono que
abarca desde el 19 de junio hasta el 23 de julio de 2008, mediante el
uso del modelo CHIMERE en su versión 2008. Se compararon los
resultados obtenidos utilizando los métodos de resolución numérica
del método RCM frente a los métodos incluido en el modelo
CHIMERE (Upwind, VanLeer y PPM), que se verificaron
comparándolos con los valores medidos en las estaciones de
seguimiento localizadas dentro del área a estudio.
Para obtener los datos de predicción meteorológica que necesita el
modelo CHIMERE se utilizaron los pronósticos meteorológicos del
modelo WRF.
Los resultados del estudio fueron presentados en la Conferencia
Internacional CMMSE 2011 (International Conference Computational
and Mathematiacl Methods in Science and Engineering).(Molina et al.,
2011a)
112/284
IV.4.1 CASO 1: Dominio Comunidad de Madrid. Modelo CHIMERE +

MM5
Se lleva a cabo la simulación de contaminantes en un dominio centrado en la

Comunidad de Madrid, con una configuración similar a (Ver referencia 7 del
artículo CHIMERE 2010). Este dominio tiene una resolución horizontal de
0.5º, y una resolución vertical que se extiende desde el nivel de sigma-
presión 14 hasta más de 500 hPa. Para la definición de las condiciones de
frontera necesarias para la resolución de las ecuaciones en derivadas
parciales que conforman el modelo CHIMERE se ha utilizado la técnica de
dominios anidados, el dominio de interés se alimenta de un dominio que
abarca toda la península ibérica, con una resolución de 0.2º. A su vez este
segundo dominio se ha anidado a un dominio de escala europea con un
rango que va desde los 10.5ºW hasta los 22.5º E, y de los 35ºN hasta los
57.5 ºN, con una resolución horizontal de 0.5º. El área donde se lleva a cabo
la simulación se puede observar en la figura 4.2:
Fig. 4.2 Representación de los dominios anidados. Área simulada

resaltada en amarillo
Las condiciones de contorno para el dominio anidado provienen de los

climatología mensual del año 2003 extraidas del modelo LMDz-INCA ,
(Hauglustaine et al., 2004) para las concentraciones de gases y de las
predicciones mensuales del modelo GOCART 2004, (Chin et al., 2002) para
especies particuladas, (Vautard, Bessagnet, Chin, & Menut, 2005). Las
113/284
emisiones que alimentan al modelo han sido extraídas de la base de datos

de totales emitidos publicada por EMEP del año 2004.
Para los datos meteorológicos de entrada se ha utilizado el modelo MM5.

Las simulaciones se han llevado a cabo para 3 dominios, con resoluciones
espaciales de 36, 19 y 7 km respectivamente. Las dos simulaciones
anidadas del MM5 se han validado mediante análisis siguiendo el modelo
(GFS) proporcionado por la National Center for Environmental Prediction. El
dominio con mayor resolución se ha anidado a una simulación
proporcionada con el modelo MM5 de 21 km de resolución.
Para este estudio se simuló el comportamiento de la dispersión de tres

contaminantes: O3, NO2, SO2. En la figura 4.3 se observa en detalle el área a
estudio con la disposición de las estaciones de medición de los tres
contaminantes:
Fig. 4.3 Área de estudio del caso 1, con la disposición de las

estaciones de medición de O3,NO2, y SO2.
114/284
En las siguientes gráficas se puede observar la comparación de los

resultados del modelo Racional Conservativo frente a los datos observados
para un periódo de 5 días en la estación 2807924 localizada en la ciudad de
Madrid, donde se aprecia el ajuste de las predicciones respecto a los valores
reales, así como los ciclos diurnos de los tres contaminantes fotoquímicos,
con picos correspondientes a las horas de máxima circulación de
automóviles:
Fig. 4.4 Serie temporal de concentraciones de NO2 observada y simulada.
Fig. 4.5 Serie temporal de concentraciones de O3 observada y simulada.
115/284
Fig. 4.6 Serie temporal de concentraciones de SO2 observada y simulada.
Los resultados de los estadísticos comparativos entre las

concentraciones simuladas en las estaciones de seguimiento para
estas series temporales se exponen a continuación:
Tabla 4.2. Resultados estadísticos comparativos para las simulaciones del O3, NO2, SO2.
116/284
Fig.4.6 Representación del valor del EMNAE para el NO2
Fig. 4.7. Representación del valor del EMNAE para el SO2
Fig. 4.8. Representación del valor del EMNAE para el O3
117/284
IV.4.2 CASO 2: Dominio Península Ibérica. Resolución 0.2º Modelo

CHIMERE + MM5.
ICCSA 2011: En este caso se ha utilizado un dominio centrado en la

Península Ibérica con una resolución horizontal de 0.2º, anidado a un
dominio Europeo, enmarcado entre los 10.5ºE hasta los 22.5ºW, y desde los
35º N hasta los 57.5ºN que alimenta al domino peninsular para obtener sus
valores de frontera para las concentraciones a estudio (ver figura 4.8). Se ha
utilizado un método de una dirección para el anidamiento de los dos
dominios ya que dicho anidamiento se va a emplear únicamente para definir
las condiciones de contorno del dominio peninsular con mayor resolución.
La introducción de datos meteorológicos (campos de viento, presión, etc) se

hace a partir de los datos obtenidos en la simulación del modelo MM5 con
resoluciones horizontales de 36 km y 19 km respectivamente. Los resultados
de la simulación del modelo MM5 meteorológico se han validado utilizando
los métodos de análisis propuestos por la National Center for Prediction
(GFS).
Se han analizado las concentraciones de las siguientes especies químicas:

O3, NO2, NOx, SO2, y materia particulada con un diámetro inferior a 10 nm
(PM10), para una serie temporal comprendida entre el 30 de junio y el 3 de
agosto de 2007. Las series temporales observadas se han tomado de un
total de 73 estaciones de seguimiento para el ozono, 76 estaciones de
seguimiento para el NOx, 72 estaciones de seguimiento para los óxidos de
nitrógeno, NOx, 86 estaciones de seguimiento para el dióxido de azufre, SO2,
y 54 estaciones de seguimiento de calidad del aire para la materia
particulada PM10. En la figura 4.9 se puede observar la disposición de las
estaciones de medición de contaminantes dentro del área a estudio:
118/284
Fig. 4.9 Distribución de las estaciones de seguimiento de contaminantes
En las figuras 4.10, 4.11, 4.12, 4.13, se puede observar la comparación de

los resultados simulados frente a los observados para un intervalo de 5 días.
Fig. 4.10 Representación gráfica de los resultados simulados y observados de

NOx
119/284

O3.

SO2.
120/284
Fig. 4.13 Representación gráfica de los resultados simulados y observados de PM10.
A continuación se muestran la comparativa de las medias de

concentración para una selección de 17 estaciones que muestrean
conjuntamente todos los contaminantes y las concentraciones
simuladas de los mismos, en la tabla 4.4, así como el resultado del
análisis estadístico aplicado a cada contaminante en la tabla 4.5
121/284
Tabla 4.4 Medias de las concentraciones observadas y simuladas de los 3

contaminantes con los 4 métodos, para una selección de estaciones representativas.
Tabla 4.5 Valores de estadísticos para cada contaminante con cada

método resolutivo.
122/284
IV.4.3 CASO 3: Dominio Península Ibérica. Resolución 0.1º. Modelo

CHIMERE + WRF
En este caso se ha empleado la versión V2008 del modelo CHIMERE que

contempla el comportamiento de 44 especies gaseosas orgánicas e
inorgánicas, así como de aerosoles de origen primario y secundario,
incluyendo materia particulada, polvo mineral, sulfatos, nitratos amonio,
especies orgánicas secundarias y agua.
El dominio a estudio se centra en la Península Ibérica, con una resolución

horizontal de 0.1º. Las condiciones de contorno se han obtenido a partir de
dominio Europeo, al que está anidado el presente caso, localizado entre los
10.5W hasta los 22.5E, y desde los 35N, hasta los 57.5N con una resolución
de 0.2º. El anidamiento del dominio se ha llevado a cabo mediante un
procedimiento de una dirección, como se observa en la figura 4.14.
Fig.4.14. Localización del área de estudio.
Las condiciones de contorno para el dominio anidado se han extraído de los

datos del modelo LMDz-INCA, (Hauglustaine et al., 2004) para
concentración de gases y de las predicciones mensuales del modelo
123/284
GOCART 2004, (Chin et al., 2002) para las especies particuladas, (Vautard
et al., 2005).
Las emisiones se han extraído de la base de datos de la EMEP para el año
2007.
En este caso, el modelo que realiza las predicciones meteorológicas se ha

modificado, y se ha empleado el modelo WRF para obtener los datos de los
campos de viento necesarios para simular el transporte de contaminantes.
Las simulaciones se han llevado a cabo usando dos dominios anidados, de
19 km y 9 km de resolución respectivamente. Ambas simulaciones han
pasado el análisis de la National Center for Environnmental Prediction
(GFS).
En este caso nos hemos centrado en la evolución del ozono troposférico en

el área contemplada, para un periodo comprendido entre el 19 de junio y el
23 de julio de 2008. Dentro del dominio se han utilizado un total de 79
estaciones de medición y seguimiento de ozono, distribuidas como se
observa en la figura 4.15.
Fig.4.15 Estaciones de seguimiento y medición.
124/284
Los resultados de los estadísticos de medición de la desviación entre la

concentración modelada y la medida en el total de estaciones se exponen en
la tabla 4.6 y en la figura 4.16, se puede observar la diferencia entre los 4
métodos empleados en la resolución de la ecuación de transporte.
Tabla 4.6. Resultados de los estadísticos para los 4 métodos numéricos

empleados.
Fig.4.16 Resultados del estadístico EMNAE.
125/284
IV.5 CONCLUSIONES
En este capítulo se ha expuesto la implementación del método racional

conservativo desarrollado en el capítulo II dentro del modelo mesosescalar
de dispersión de contaminantes en la atmósfera CHIMERE.
El modelo CHIMERE modificado se ha utilizado para llevar a cabo tres

simulaciones diferentes, con distinto grado de precisión en la malla utilizada
para los dominios correspondientes a la Comunidad de Madrid y la
Península Ibérica. Se han utilizado mallas de menor a mayor resolución para
comprobar la sensibilidad del método a aumentos en los tamaños de celdilla
utilizados.
Los resultados numéricos de las simulaciones se han validado mediante a la

comparación con los valores de concentración de contaminantes registrados
en la red de estaciones de monitoreo disponibles en las correspondientes
áreas contempladas. Adicionalmente, se han comparado los valores
simulados con los resultados de simulaciones empleando los otros tres
métodos disponibles en el modelo CHIMERE para la parte advectiva de la
ecuación de transporte y difusión de contaminantes atmosféricos (ver
apéndice I).
Las conclusiones obtenidas se pueden resumir en:
- El modelo racional conservativo incluido dentro del modelo CHIMERE

proporciona predicciones de la evolución de la dispersión de
contaminantes que se ajustan a los valores tomados en las
estaciones de predicción, con unos valores dentro del intervalo de
confianza propuesto en los estudios previos (Tesche et al., 1990).
- La velocidad de resolución del algoritmo propuesto mejora el tiempo

de resolución de los sistemas de ecuaciones diferenciales de los
anteriores modelos, aunque la diferencia no es tan considerable, pese
a realizar menos cálculos que su competidor más aceptado, el
método PPM.
126/284
V. Modelización de la advección-difusión de contaminantes en la atmósfera
V. MODELIZACIÓN DE LA ADVECCIÓN-DIFUSIÓN DE
CONTAMINANTANTES EN ATMÓSFERA
INTRODUCCIÓN
En este capítulo se introduce un nuevo método numérico para resolver la

parte difusiva de la ecuación en derivadas parciales que modeliza la
advección-difusión de contaminantes en la atmósfera. La base del modelo es
un método de diferencias finitas de alto orden en el espacio y de diferencias
finitas en el tiempo. Hasta el momento, los grandes códigos de cálculo de
dispersión de contaminantes (CHIMERE, CMAQ,…) no tienen en cuenta la
difusión horizontal, mientras que calculan la difusión vertical mediante
ecuaciones paramétricas.
Este modelo permite obtener una solución que presenta estabilidad en el

tiempo. Para determinar esta estabilidad se ha procedido a calcular el índice
de estabilidad difusivo para una dimensión y para dos dimensiones. El valor
máximo para este límite de estabilidad determina la relación entre los
intervalos de integración temporal y espacial con respecto a los coeficientes
de difusividad de los contaminantes transportados. El análisis de estabilidad
revela una gran tolerancia los valores permitidos para estas variables.
El método presentado se ha implementado junto al método racional

conservativo en dos programas en FORTRAN en una y dos dimensiones.
Los resultados de las simulaciones realizadas se han validado mediante la
comparación de resultados con una solución analítica en 1D.
Una vez validado el método se han expuesto los resultados de un conjunto

de simulaciones para casos teóricos y reales de transporte de plumas
contaminantes contemplando la advección y difusión de una dimensión y dos
dimensiones para varios tipos de contaminantes.
127/284
V.1 Descripción de la ecuación en derivadas parciales que modelizan el

fenómeno difusivo.
La fórmula general de la ecuación de advección-difusión de un contaminante

en la atmósfera corresponde a una ecuación en derivadas parciales que
combina la forma parabólica e hiperbólica. La ecuación general tendría la
siguiente expresión:
∂f
= ∇(α ∇f ) + ∇ ( u f ) + R
∂t (5.1)
Dentro de la ecuación tenemos los siguientes tipos de variables:
- f ( x , y, t ) representa la variable de interés, en el caso de la

modelización de la calidad del aire, representa la concentración de
contaminante para un volumen de aire dado, en un tiempo
determinado.
- ∝ es una constante que representa el coeficiente de difusión.
- u es el coeficiente de advección, o lo que es lo mismo la velocidad
media a la que el viento desplaza el contaminante en el dominio a
estudio.
- R representa las fuentes o sumideros del contaminante que se está
desplazando en la atmósfera. Este término engloba las pérdidas y
ganancias producidas por distintos fenómenos físico-químicos, como
son, la generación o consumo de contaminante debido a las
reacciones químicas que se dan entre ellos, o el depósito seco o
húmedo del sistema en movimiento hacia la superficie terrestre, o la
liberación de contaminantes desde una fuente productiva.
Para el estudio y validación del método numérico empleado vamos a ilustrar

un caso simplificado en el que se cumplen los siguientes condicionantes:
- Se contempla la homogeneidad de la atmósfera.

- El contaminante modelado será incompresible.
- La velocidad del viento será uniforme.
- La atmósfera se contemplará en una primera aproximación
unidimensional.
- La atmósfera es isotérmica y adiabática.
128/284
A partir de estas simplificaciones obtenemos la expresión de la ecuación de

advección-difusión en estado no estacionario en una dimensión:
∂f ∂f ∂f (5.2)
=u +α 2 f ,
∂t ∂x ∂x
( x , t ) ∈ [0, L] × [ 0, T ]
con condiciones iniciales:
f ( x, 0) = f 0 ( x ) (5.3)
donde f ( x , t ) es un vector que representa la cantidad transportada de

contaminante (por medios advectivos y difusivos), u es el coeficiente de
advección, que representa la velocidad de la advección, y ∝, representa el
coeficiente de difusión, o la velocidad con la que el contaminante se difunde
a través de la atmósfera.
Para resolver la ecuación (5.2) se va a emplear un método de partición de la

ecuación como sigue:
∂f ∂f
=u
∂t ∂x
∂f ∂2 f (5.4)
=α 2
∂t ∂x
Para resolver esta ecuación se emplea el Método Racional Conservativo
para la resolución de la parte advectiva de la ecuación de transporte de
contaminantes en la atmósfera.
Para resolver la parte difusiva se emplea un método explícito diferencias

finitas con fórmulas de alto orden para las derivadas espaciales (que
desarrollaremos en el apartado V.3). Todo ello constituye un nuevo método
de resolución de la ecuación (5.2).
129/284
V.2 Coeficientes de difusión para contaminantes químicos
La difusión molecular es un proceso físico que ocurre cuando las diferentes

especies que componen una mezcla (de líquidos, gases, etc) se mueven
bajo la influencia de gradientes de concentración, este fenómeno juega un
papel importante en una gran variedad de fenómenos atmósféricos y
biológicos. Por ejemplo, la difusión afecta a la velocidad de movimiento de
gases y es un proceso esencial en la química atmosférica. En general, el
coeficiente de difusión (o flujo) se determina como el producto de un
gradiente de concentración (una propiedad específica de cada especie
química) y un coeficiente de difusividad (que es función del tipo de mezcla).
El coeficiente de difusividad α , es función de la temperatura (T) y la presión

(p), siendo α (T , p) dicha función. Para su determinación se ha tomado la
fórmula (5.5) propuesta en (Massman, 1998) donde el cálculo del
coeficiente de difusividad depende del valor tomado en condiciones
normales (0ºC y 1 atm. de presión) según:
α (T , P ) = α (0,1) ( p0 p )(T T0 )
a
(5.5)
Con el objetivo de comprobar el comportamiento del modelo con datos

experimentales de valores de difusividad reales de gases se ha obtenido una
recopilación de los valores de difusividad para un conjunto de contaminantes
recogidos en (Massman, 1998). En dicho estudio se ha llevado a cabo una
recopilación de los valores estudiados para diez tipos de gases en la
atmósfera (Barr & Watts, 1972; Bzowski, Kestin, Mason, & Uribe, 1990;
Cowie & Watts, 1971; Marrero & Mason, 1972; Yaws, 1989) y un nuevo
análisis experimental del conjunto de gases predeterminados para la
actualización de los valores de los coeficientes de difusividad de los mismos.
El experimento ha consistido en una toma de valores experimentales, con
cuyos valores se ha aplicado una técnica estadística de regresión local,
conocida como loess (Cleveland, Grosse, & Shyu, 1992) para la toma de
unos valores representativos. El rango de temperatura de los experimentos
oscila entre los -25ºC y los 100ºC.
En la tabla 5.1 se exponen los valores de difusividad medidos en m2 s

según (Massman, 1998).
130/284
Gas Difusividad en aire,

α (m2 s)
H2O 2.178 · 10-5
CO2 1.381· 10-5
CH4 1.952· 10-5
CO 1.807· 10-5
SO2 1.089· 10-5
O3 1.444· 10-5
NH3 1.978· 10-5
N2O 1.436· 10-5
NO 1.802· 10-5
NO2 1.361· 10-5
N2 1.788· 10-5
O2 1.820· 10-5
Tabla 5.1 Recopilación de valores de
difusividad (Massman, 1998).
V.3 Aplicación del método de diferencias finitas para la resolución del

término difusivo en la ecuación de advección-difusión.
Durante las últimas dos décadas se han propuesto diferentes métodos

basados en la aplicación de diferencias finitas para la resolución de las
ecuaciones de transporte de advección-difusión en estado estacionario.
Algunos métodos utilizan diferencias finitas compactas (Gupta, Manohar, &
Stephenson, 1984; Noye & Tan, 1989; Spotz & Carey, 2001). Para el
objetivo de la presente Tesis, vamos a emplear un método novedoso de
diferencias finitas de alto orden basado en una modificación del método de
diferencias finitas centrales, que amplía el número de nodos utilizados para
obtener la aproximación del valor de la función en cada instante.
El objetivo de la modificación es aportar más información de la función para

obtener una mayor precisión en el cálculo del valor de la función en un
instante posterior ( f i t +1 ). Para la implementación del método, el primer paso
es la definición de una malla adecuada donde localizar los nodos que
utilizaremos para el cálculo de la función.
La figura 5.1 muestra una malla en una dimensión espacial. El eje de

ordenadas t, representa el tiempo, y el eje x, la posición espacial de la
función.
131/284
f i t +1
t+1
t
i-2 i-1 i i+1 i+2
Fig. 5.1 Representación de un método de diferencias finitas de alto orden en

una malla unidimensional.
El método de diferencias finitas central de alto orden utilizado usa hasta un

máximo de nueve nodos para el cálculo del valor de la función en el
siguiente instante de tiempo. Adicionalmente es un método adaptativo, ya
que la función empleada para aproximar la función se adapta al número de
nodos disponibles en función de la posición de la función que queramos
calcular.
A continuación se presenta la expresión de la función según la posición que

se esté tratando:
a) Cálculo de la aproximación de la solución del término de difusión

mediante un método de diferencias finitas central cuando x = 2 ó x =
NX-1. La información disponible en esta posición se representa en la
figura 5.2:
132/284
X > 2 ó X < NX -1
f i t +1
t+1
t fit
f i t−1 f i t+1
t+1
1 2 3
t
1 2 3
Fig. 5.2. Representación MDF cuando x = 2.
f i n +1 − f i n α
2 ( i −1
= f n − 2 f i n + f i n+1 )
∆t 2 ∆x (5.6)
La ecuación (5.7) representa el esquema explícito que aproxima el

valor de la solución real en el siguiente paso de tiempo.
 ∆t  ∆t
2 ( i −1
f i n +1 = f i n  1 − α 2 
+α f n + f i n+1 )
 ∆x  2 ∆x (5.7)
Similarmente se haría para el caso X = NX - 1
b) Cálculo de la aproximación de la solución del término de difusión

mediante un método de diferencias finitas central cuando x = 3 ó x =
NX-2. En la figura 5.3 se observa la información disponible en este
caso para el cálculo de la función:
133/284
X > 3 ó X < NX -2
f i t +1
t+1
t fit
f i t− 2 f i t−1 f i t+1 f i t+ 2
t+1
1 2 3 4 5
t
1 2 3 4 5
Fig. 5.3. Representación MDF cuando x = 3
La expresión del Método de Diferencias Finitas sería:
f i n+1 − f i n α  1 n 4 n 5 n 4 n 1 n 
=  − f i − 2 + f i −1 − f i + f i +1 − fi +2 
∆t ∆x 2  12 3 2 3 12  (5.8)
 5 α ∆t  n α ∆t  1 n 4 n 4 n 1 n 
f i n +1 =  1 − f +
2  i − f i − 2 + f i −1 + f i +1 − fi+2 
 2 ∆x  ∆x 2  12 3 3 12  (5.9)
c) Cálculo de la aproximación de la solución del término de difusión

mediante un método de diferencias finitas central cuando x = 4 ó
x = NX-3:
134/284
X > 4 ó X < NX -3
f i t +1
t+1
t fit
f i t−3 f i t− 2 f i t−1 f i t+1 f i t+ 2 f i t+3
t+1
1 2 3 4 5 6
t
1 2 3 4 5 6
Fig. 5.4. Representación MDF cuando x = 4
f i n+1 − f i n α  1 n 3 n 3 n 49 n 3 n 3 n 1 n 
= 2 
f i −3 − f i − 2 + f i −1 − f i + f i +1 − fi +2 + f i +3 
∆t ∆x  90 20 2 18 2 20 90 
(5.10)
 49 ∆t   ∆t   1 n 3 n 3 n 3 n 3 n 1 n 
f i n +1 = f i n  1 − α 2 
+ α 2 
f i −3 − f i − 2 + f i −1 + f i +1 − fi+2 + f i +3 
 18 ∆x   2 ∆x   90 20 2 2 20 90 
(5.11)
d) Cálculo de la aproximación de la solución del término de difusión

mediante un método de diferencias finitas central para el resto de
valores del dominio. En este caso disponemos al menos de cuatro
valores de la función en un instante anterior al objetivo a calcular tanto
a la derecha como a la izquierda de la posición calculada.
Gráficamente tendríamos:
135/284
X > 5 ó X < NX -4
f i t +1
t+1
t fit
f i t− 4 f i t−3 f i t− 2 f i t−1 f i t+1 f i t+ 2 f i t+3 f i t+ 4
t+1
1 2 3 4 5 6
t
1 2 3 4 5 6
Fig. 5.5. Representación del M.D.F. cuando x = 5.
La expresión matemática del método sería:
f i n +1 − f i n α  1 n 8 n 1 n 8 n 205 n
= − fi −4 + f i −3 − f i − 2 + f i −1 − fi +
∆t ∆x  560
2
315 15 5 72
8 1 8 n 1 n 
+ f i n+1 − f i n+ 2 + f i +3 − f i −4 
5 5 315 560  (5.12)
 205 ∆t   ∆t   1 8 1 n 8 n
f i n +1 = f i n  1 − α 2  + α 2 
− f i n− 4 + f i n−3 − f i − 2 + f i −1 +
 72 ∆x   2∆x   560 315 15 5
8 1 8 1 
+ f i n+1 − f i n+ 2 + f i n+3 − f i n− 4 
5 5 315 560 
(5.13)
De esta manera se consigue un aumento en la exactitud de la solución

aproximada, al incorporar información adicional, que nos permite una
aproximación más exacta de la derivada de la función en cada punto del
dominio.
136/284
V.4 Análisis de la estabilidad del método de diferencias finitas
En el apartado 5.3 se desarrolló el método de diferencias finitas centrales

empleado para la resolución del término difusivo. La aproximación empleada
varía en función de la información de la que se dispone. De esta manera
para el cálculo del valor de la función en el siguiente paso de tiempo, f i n +1 ,
emplearemos un número creciente de valores de la función conocida en
instantes posteriores, que variará desde los 3 puntos ( f i n−1 , f i n , f i n+1 ) hasta los
9 puntos ( f i n− 4 , f i n−3 , f i n− 2 f i n−1 , f i n , f i n+1 , f i n+ 2 , f i n+ 3 , f i n+ 4 ), para conseguir un mayor
grado de precisión. Al utilizar una expresión más compleja las condiciones
de estabilidad del método se harán ligeramente más restrictivas como se
muestra a continuación.
Para llevar a cabo el análisis de estabilidad del método de diferencias finitas

empleado para la resolución de la ecuación de difusión, vamos a centrarnos
en la expresión de la ecuación de difusión en una dimensión.
∂f ∂2 f
=α (5.14)
∂t ∂x 2
La aproximación de la función según el método de diferencias finitas

centrales para la ecuación de difusión usando la información del valor de la
función en 3 puntos de un paso de tiempo anterior se corresponde, en el
tiempo y el espacio con las siguientes expresiones:
n
∂2 f
∂x 2
=
1
∆x 2
( f in+1 − f i n + f in−1 ) + Ο ( ∆x 2 )
i (5.15)
∂f
n
∂t
=
1
2∆t
( f i n+1 − f i n ) + Ο ( ∆t )
i
(5.16)
Sustituyendo (5.26) y (5.27) en (5.25) tendremos:
∆t n  ∆t   ∆t 
f i n+1 = α f i +1 + 1 − 2α 2  f i n +  α 2  f i n−1 + Ο ( ∆x 2 + ∆t )
∆x 2
 ∆x   ∆x  (5.17)
Obtenemos, por tanto, una expresión algebraica que calcula el valor de la

variable dependiente en el siguiente paso de tiempo ( f i n +1 ) , a partir de los
137/284
valores de la aproximación de la función conocidos en un paso de tiempo

anterior ( .f i n−1 , f i n , f i n+1 ).
En este caso por tanto, para que obtener una solución estable, siguiendo la
regla del valor positivo, se requiere que:
∆t
1 − 2α ≥0
∆x 2 (5.18)
y reagrupando valores, se obtiene la expresión del coeficiente de estabilidad

para el método de diferencias finitas, utilizando el valor aproximado de la
función en tres puntos en un paso de tiempo anterior para obtener el valor de
la función en un punto, en un paso de tiempo posterior:
∆t 1
α ≤
∆x 2 2 (5.19)
Siguiendo el mismo razonamiento para cada expresión, el coeficiente de

estabilidad se modificaría de la siguiente manera:
a) Método de diferencias finitas utilizando 5 puntos:
 5 α ∆t  n α ∆t  1 n 4 n 4 n 1 n 
f i n +1 =  1 − f +
2  i − f i − 2 + f i −1 + f i +1 − fi+2 
 2 ∆x  ∆x 2  12 3 3 12 
Cinco puntos f i n− 2 , f i n−1 , f i n , f i n+1 , f i n+ 2

∆t 2
α ≤ (5.20)
∆x 2
5
b) Método de diferencias finitas utilizando 7 puntos:
 49 ∆t   ∆t   1 n 3 n 3 n 3 n 3 n 1 n 
f i n +1 = f i n  1 − α 2 
+ α 2 
f i −3 − f i − 2 + f i −1 + f i +1 − fi+2 + f i +3 
 18 ∆x   2 ∆x   90 20 2 2 20 90 
Siete puntos f i n−3 , f i n− 2 , f i n−1 , f i n , f i n+1 , f i n+ 2 , f i n−3

∆t 18
α ≤
∆x 2 49 (5.21)
138/284
c) Método de diferencias finitas utilizando 9 puntos:
 205 ∆t   ∆t   1 8 1 n 8 n
f i n +1 = f i n  1 − α 2  + α 2 
− f i n− 4 + f i n−3 − f i − 2 + f i −1 +
 72 ∆x   2∆x   560 315 15 5
8 1 8 1 
+ f i n+1 − f i n+ 2 + f i n+3 − f i n− 4 
5 5 315 560 
Nueve puntos f i n− 4 , f i n−3 , f i n− 2 , f i n−1 , f i n , f i n+1 , f i n+ 2 , f i n−3 , f i n− 4

∆t 72
α ≤ (5.22)
∆x 2
208
En la tabla 5.2 se resumen los valores límite del coeficiente de estabilidad

para cada una de las expresiones empleadas, siendo el más restrictivo (el de
9 puntos), el empleado para calcular las condiciones de aplicación del
método.
Nº de Puntos Valor Límite coeficiente

de estabilidad
3 puntos 0.5000
5 puntos 0.4000
7 puntos 0.3673
9 puntos 0.3462
Tabla 5.2. Rango de valores límite del coeficiente de
estabilidad.
Por lo tanto, dado que empleamos diferentes fórmulas en función de la

disponibilidad de información en el contorno de la posición donde queremos
calcular el valor de la función en un instante de tiempo posterior, vamos a
utilizar el criterio de estabilidad más estricto de los 4 utilizados (ver tabla
5.2), que corresponde a la expresión que emplea el valor de la función en 9
puntos en el instante n para calcular el valor de la función en el instante n+1.
Si conocemos los valores del coeficiente de estabilidad para la parte

advectiva y la parte difusiva de la ecuación de transporte de contaminante
necesitamos comparar los valores de estos dos coeficientes de estabilidad
para la ecuación advectiva y la ecuación difusiva en 1D, y determinar cuál de
los dos es el más restrictivo. Este valor será el utilizado a la hora de definir
los incrementos de espacio y de tiempo, en función de los valores de
velocidad y difusividad de la sustancia química que tengamos en cuenta.
Para el caso del coeficiente de estabilidad difusivo su valor más restrictivo

para el método numérico de resolución del proceso difusivo en 1D es:
139/284
∆t 72
α ≤
∆x 2
208
Mientras que el valor del coeficiente de estabilidad para el método numérico

de resolución del proceso advectivo en 1D sería:
∆t
u ≤ 1.0
∆x
De esta manera, fijando un valor del tamaño de ∆x de la malla y para unos

valores fijos de velocidad del viento y de difusividad de la sustancia, se debe
comprobar que el valor del incremento de tiempo de integración cumple las
siguientes restricciones:
72 ∆x 2
∆t ≤
208 α
∆x
∆ t ≤ 1.0
u
Para un valor de ∆x el límite para el paso de tiempo ∆t dependerá del

coeficiente de difusividad ( α ) y de la velocidad u , cuando la ecuación a
resolver sea:
∂f ∂f ∂2 f
= u +α 2
∂t ∂x ∂x
140/284
V.5 Validación de la solución mediante comparación con la solución

exacta de la ecuación de advección-difusión.
Este apartado está dedicado al análisis de resultados obtenidos en la

simulación del proceso de advección-difusión haciendo uso de los métodos
explicados en el presente capítulo para el tratamiento de la difusión y en el
capítulo II para la advección.
Con el objetivo de comprobar el error del método se han llevado a cabo

diferentes ejecuciones de los algoritmos junto con el método racional
conservativo. Para ello se han realizado unos programas en Fortran en una
dimensión (CSLR0_1D_ADV.f90) y en dos dimensiones
(CSLR0_2D_ADV.f90). De este modo se ha comprobado la sensibilidad del
método variando la información de entrada, observando el comportamiento
de la solución a variaciones de parámetros (cambios de la velocidad y del
coeficiente de difusividad). El error del método se ha obtenido mediante la
comparación de la solución en determinados instantes de tiempo, con el
valor de la solución analítica siguiente.
 ( x − 0.4 + tu )2 
− 
5 α (1+ 4 t ) 
f ( x, t ) = e  
1 + 4t
(5.23a)
Para la ecuación (5.2)
 ( x − ut − 0.5 )2 ( y − vt − 0.5 )2 
− − 
5  α x (1+ 4 t ) α y (1+ 4 t ) 
f ( x , y, t ) = e 
1 + 4t
(5.23b)
Simultaneamente también se obtendría el error comparando con la solución

analítica (5.23b) para la ecuación de advección-difusión en dos dimensiones.
∂f ∂f ∂f ∂2 f ∂2 f
= u + v +α 2 +α 2 (5.23c)
∂x ∂x ∂y ∂x ∂y
En la figura 5.6 podemos observar la representación gráfica del valor inicial

de la solución analítica en una dimensión en el instante inicial.
141/284
5
(−1(αx−0.4+tu )
2
5 )
f(x, t) = e ( 1+4t)
1 + 4t
4
Valor de la función T = 0
3
2
1
0
0 20 40 60 80 100
Posición
Fig. 5.6. Representación de la solución analítica en 1D cuando t = 0.
El valor del error medio de la función (EMF) corresponde al cociente entre la

diferencia en valor absoluto del valor obtenido f ( x , t ) y el valor de la
solución analítica f ex ( x , t ) dividido entre el valor de la solución analítica y el
número total de puntos contemplados en el dominio, como se expresa en la
ecuación (5.23):
EMF = 100∑
N ( f ( x, t ) − f ex ( x , t ) f ex ( x , t ) ) (5.24)
i =1 NT
En un primer lugar vamos a analizar los efectos de la variación de la

velocidad del viento en el proceso de difusión. Para ello se van a llevar a
cabo diversas ejecuciones del modelo, variando los valores de velocidad del
viento, para unas condiciones fijas de mallado ( ∆x ) , y difusividad (α ) .
A continuación se estudiará la sensibilidad del método a los cambios en el
coeficiente de difusión (α ) . Para ello, usaremos ejemplos académicos
donde nos iremos acercando a los valores límite de estabilidad.
142/284
Finalmente, ejecutaremos el modelo, incluyendo valores reales de

coeficientes de difusividad para diferentes gases O3, NO2, SO2 (Massman,
1998).
CASOS ACADÉMICOS
Para esta serie de análisis se va a comprobar el efecto de la velocidad sobre

el proceso difusivo. Para ello vamos a discretizar el espacio (1D) en pasos
de 0.01 metros. El tamaño de paso temporal será 0.001 segundos. Los
valores que usaremos para la velocidad serán 0.0, 0.6, 2.0, 4.0 en m/s. Se
llevarán a cabo pasadas del programa con esta configuración para dos
valores de coeficientes de difusividad (0.005 y 0.0005).
Mediremos el porcentaje de error mediante la diferencia entre el valor

obtenido por el modelo y la expresión de la solución analítica (ver 5.23a) en
porcentaje (ver ecuación 5.24).
BLOQUE 1. CASOS ACADÉMICOS CON COEFICIENTE DE DIFUSIVIDAD

∝ = 0.005
En el primer bloque de casos académicos se ha fijado un valor del

coeficiente de difusividad a ∝ = 0.005, ejecutándose casos con velocidad
variable creciente desde los 0 m/s hasta los 4 m/s:
o CASO 1: velocidad del viento u = 0, como caso control, para

observar la evolución del error sin velocidad.
o CASO 2: velocidad del viento u = 0.6.
o CASO 3: velocidad del viento u = 2.0
En este primer bloque de casos observaremos la evolución del error medio

de la función aumentando la velocidad del viento manteniendo los valores de
los coeficientes de estabilidad difusivo y advectivo dentro del margen de
estabilidad
CASO 1.
El primer caso corresponde al coeficiente de difusividad 0.005.

Comprobaremos el efecto de la difusión sin transporte advectivo, anulando la
velocidad del viento. A continuación se resumen los parámetros de entrada
utilizados para este caso:
143/284
CASO 1: Valores 0.1

iniciales 0.09
DT 0.001
0.08
DX 0.01
0.07
NX 255
0.06
T 1000
0.05
u 0.0
∝ 0.005 0.04
Coeficiente 0.03
de 0.02
estabilidad 0.05 0.01
difusivo (<0.3462) 0
0 2 4 6 8 10 12
∆t
α
4
x 10
∆x 2
Fig.5.7. Evolución del error medio de la
función.
Media = 2.7118·10-4 %;
Promedio = 2.4731·10-4%;
Máximo = 4.7069·10-4 %;
Mínimo= 2.0294·10-4%
Como podemos ver en la gráfica 5.7 que representa la diferencia entre el

valor modelado y el valor de la solución analítica, el error aumenta hasta
llegar a un valor de 0.09 %.
CASO 2 :
En el segundo caso, fijado el valor del coeficiente de difusividad se aumenta

el valor de la velocidad del viento hasta los 0.6 m/s.
CASO 2: Valores iniciales

DT 0.001
DX 0.01
NX 255
NT 1000
U 0.6
∝ 0.005
Coeficiente de 0.05 (<0.3462)
estabilidad
∆t
difusivo α
∆x 2
Coeficiente de 0.06
estabilidad
∆t
advectivo u
∆x
144/284
En la figura 5.8 podemos observar la evolución de la función a lo largo de los

diferentes pasos temporales:
5
ISTEP = (0,100,200,400,600,900)
4
DT = 0.001
DX = 0.01
NX = 255
NT = 1000
Valor de la función
u = 0.6
3
α = 0.005
2
1
0
0 50 100 150 200 250
Posición en X
Fig.5.8 Representación de la solución modelada (trazo continuo) y
de la solución analítica (trazo discontinuo) para los pasos temporales
0, 200, 400, 600 y 900 ∆t .
0.045
0.04
0.035
Error Medio de la Función (%)
0.03
0.025
0.02
0.015
0.01
0.005
0
0 200 400 600 800 1000 1200
Pasos temporaler (h=0.001)
Fig.5.9. Evolución del error medio de la función.
Media = 0.0342%;
Promedio = 0.0379%;
Máximo = 0.0441%;
Mínimo = 0.0010%
145/284
En este caso, al aumentar la velocidad del viento, el error se va acumulando

en cada paso de tiempo hasta alcanzar un máximo de 0.0441 % como se
observa en la figura 5.9.
CASO 3
En el caso 3 el valor de la velocidad alcanza los 2 m/s, por lo que el valor del
coeficiente de estabilidad advectivo aumenta hasta triplicar su valor.

0.25
DT 0.001
DX 0.01
NX 255 0.2
NT 5000
U 2.0 0.15
∝ 0.005
Coeficiente de 0.1
estabilidad 0.05
∆t (<0.3462)
difusivo α 0.05
∆x 2
Coeficiente de
estabilidad 0
0 1000 2000 3000 4000 5000 6000
∆t 0.2 Pasos temporales (h=0.001)
advectivo u
∆x
Fig.5.10. Evolución del error medio de la

función.
Media = 0.2061; Promedio = 0.2382; Máximo = 0.2489; Mínimo = 0.0035
En la figura 5.10 se observa que el valor del error medio de la función crece
uniformemente, hasta un cierto valor en que las diferencias entre el valor
obtenido tras la ejecución del modelo y el valor analítico crecen con mayor
rapidez alcanzando un máximo de 0.2489 %.
CASO 4:
En el caso 4 duplicamos el valor de la velocidad del viento, hasta un valor de

4 m/s, quedando aún por debajo del límite del coeficiente de estabilidad
advectivo.
146/284
0.25
DT 0.001
0.2
DX 0.01

NX 255
NT 1000 0.15
u 4.0
∝ 0.005 0.1
Coeficiente de
estabilidad difusivo 0.05
∆ t ∆x α
2 (<0.3462) 0.05
Coeficiente de
estabilidad advectivo 0.4 0
0 200 400 600 800 1000 1200
u ∆t ∆x Pasos temporales (h=0.001)
Media = 0.1606%;
Promedio = 0.1318%;
Máximo = 0.2475% ;
Mínimo = 0.0086%
Al comparar la gráfica del error medio de la función, 5.11, con la gráfica del
caso anterior 5.10, se puede observar cómo se alcanza el momento en el
que el error se hace constante con mayor rapidez. El error crece en mayor
grado, llegando a un punto estable con un valor de 0.25 %.
BLOQUE 2. CASOS ACADÉMICOS CON COEFICIENTE DE DIFUSIVIDAD

∝ = 0.0005
Iniciamos las ejecuciones del modelo reduciendo el valor del coeficiente de

difusividad 10 veces hasta un valor de ∝ = 0. 0005, manteniendo la
discretización espacial y la discretización temporal. La velocidad del viento
se modificará en los mismos términos que los casos 1 a 4, comprobando su
efecto desde un valor nulo de la velocidad del viento, y por tanto, de la
advección, hasta un valor máximo de 4. Los casos estudiados son:

observar la evolución del error sin efectos de la velocidad.
147/284
CASO 5:
Se inicia el análisis del bloque dos ejecutando el modelo con un valor de la

velocidad nulo, para comprobar el efecto de la difusividad y la evolución del
error sin efectos del proceso advectivo.
-4
x 10
1.6
DT 0.001 1.4
DX 0.01
NX 255 1.2
NT 1000
U 0.0 1
∝ 0.0005
0.8
Coeficiente de 0.005
estabilidad (<0.3462)
∆t
0.6
difusivo α
∆x 2 0.4
0 200 400 600 800 1000 1200
Media = 7.5641· 10-5 %

Promedio = 6.8392· 10-5 %
Máximo = 1.5478· 10-4 %;
Mínimo = 4.2807· 10-5 %
El valor del error se reduce conforme aumenta el paso del tiempo desde un
máximo de 1.5478· 10-4%, hasta un mínimo de 4.2807· 10-5 % cuando se
completan 1000 pasos de tiempo, al contrario de lo que ocurre cuando la
advección entra en funcionamiento, donde el error aumenta con el paso del
tiempo hasta estabilizarse en un valor constante.
CASO 6:
Para el caso 6 se ha aumentado el valor de la velocidad del viento hasta un

primer valor de 0.6 m/s, siendo el primer caso donde se puede observar el
efecto de la advección en la evolución del error para el bloque de casos con
coeficiente de difusividad ∝=0.0005.
148/284

DT 0.001
DX 0.01 0.07
NX 255
NT 1000 0.06
U 0.6
E rror M edio de la Func ión (% )

∝ 0.0005 0.05
Coeficiente de
estabilidad 0.005 0.04
∆t (<0.3462)
difusivo α 0.03
∆x 2
Coeficiente de 0.02
estabilidad
∆t 0.06
0.01
advectivo u
∆x
0
0 200 400 600 800 1000 1200
Pasos temporales (h=0.001)
Media = 0.0513 %
Promedio = 0.0558 %
Máximo = 0.0605 %
Mínimo = 0.0012 %
El comportamiento del error es similar al caso anterior.
En la figura 5.13 podemos observar la evolución de la función a lo largo de

los diferentes pasos temporales:
149/284
ISTEP = (0,100,200,400,600,900)
4
DT = 0.001
DX = 0.01
NX = 255
NT = 1000
Valor de la función
u = 0.6
3
α = 5e-04
2
1
0
0 50 100 150
Posición en X
Fig.5.13 Representación de la solución modelada (trazas
continuas) y de la solución analítica (trazas discontinuas) para
los pasos temporales 0, 200, 400, 600 y 900 ∆t .
CASO 7:
En el caso 7, ejecutamos el modelo con la misma configuración que en el

caso anterior aumentando la velocidad del viento hasta los 2 m/s.
CASO 7: Valores iniciales 0.12

DT 0.001
DX 0.01 0.1
NX 255
Error Me dio de la Función (% )
NT 5000 0.08
U 2.0
∝ 0.0005
0.06
∆t
0.04
difusivo α
∆x 2
0.02
Coeficiente de 0.2
estabilidad
∆t
0
0 1000 2000 3000 4000 5000 6000
advectivo u Pasos temporales (h=0.001)
∆x
150/284
Media = 0.0783 %
Promedio = 0.0776 %
Máximo = 0.1028 %
Mínimo = 0.0042 %
El error de la función se estabiliza en un valor constante de 0.0783 %.
CASO 8:
En el caso 8 se alcanza un valor de velocidad del viento de 4 m/s, para

observar el comportamiento del error con un valor cercano al valor máximo
del coeficiente de estabilidad soportado por el método numérico empleado.
0.12
DT 0.001
DX 0.01 0.1
NX 255
NT 1000 0.08
U 4.0
∝ 0.0005 0.06
Coeficiente de
estabilidad 0.04
difusivo 0.005 (<0.3462)
α ∆t ∆x 2 0.02
Coeficiente de
estabilidad 0
advectivo 0.4 0 200 400 600 800 1000 1200
u ∆t ∆x Fig.5.16. Evolución del error medio de la función.
Media = 0.0795; Promedio = 0.0775; Máximo = 0.1092; Mínimo = 0.0099
En este caso se produce diferencias con respecto al caso 4, con el mismo

valor de velocidad. Al disminuir el valor de la difusión, llegamos a un máximo
de error, para luego disminuir y mantenerse constante pasados 600 pasos
de tiempo con un valor del error de 0.0775%.
151/284
BLOQUE 3: VALORES DE COEFICIENTES DE DIFUSIÓN REALES.
En este bloque 3, se van a llevar a cabo ejecuciones del modelo con valores
de coeficientes de difusividad reales (Massman, 1998) para los compuestos
químicos NO2 (∝ ∝ = 1.361 · 10-5 m 2 s ), SO2 (∝ ∝ = 1.089 · 10-5 m 2 s ), y
∝ = 1.444 · 10-5 m 2 s ),.
O3 (∝
La discretización del espacio tendrá un tamaño de paso espacial de
∆x = 0.01 metros. El tamaño de paso temporal se ha fijado en ∆x = 0.001
segundos.
Los valores de velocidad del viento contemplados serán 0.0, 0.6, 2.0, 4.0
m/s. El porcentaje de error se ha medido usando la diferencia absoluta entre
el valor obtenido por el modelo y la expresión de la solución analítica (ver
5.23a).
Se exponen, por tanto, los datos de las 12 ejecuciones, (4 modificaciones de
la velocidad del viento, para cada uno de los tres contaminantes
contemplados), y se finaliza con el análisis de resultados.
∝ = 1.444 · 10-5 m 2 s ), tenemos
Para el valor de la difusividad del ozono, O3 (∝
los siguientes casos:

o CASO 10: velocidad del viento u = 0.6 m/s.
o CASO 11: velocidad del viento u = 2.0 m/s.
o CASO 12: velocidad del viento u = 4.0 m/s
1. - BLOQUE 3: ANÁLISIS PARA EL VALOR DE DIFUSIVIDAD DEL

OZONO ∝=1.444 · 10-5 m 2 s
CASO 9: En este caso ejecutamos el modelo para una velocidad del viento
nula. x 10
-3

6
DT 0.001
DX 0.01
5
NX 255
NT 1000 4
u 0.0
∝ 1.444 · 10-5 3
Coeficiente de 1.444 · 10-4

2
∆t
difusivo α 1
∆x 2
0
0 200 400 600 800 1000 1200
152/284
Media = 0.0057 %
Promedio = 0.0065 %
Máximo = 0.0067 %
Mínimo = 1.83·10-5 %
El error medio en la ejecución corresponde a 0.0057%, alcanzado un

máximo de 0.0067%
CASO 10:
En el siguiente caso para el coeficiente de difusividad del ozono, se ha fijado

la velocidad del viento en 0.6 m/s siendo el primer caso del ozono donde
observamos el efecto de la advección.

0.03
DT 0.001
DX 0.01
NX 255 0.025
NT 1000
u 0.6 0.02
∝ 1.444 · 10-5
estabilidad 1.444 · 10-4
∆t (<0.3462)
difusivo α 0.01
∆x 2
Coeficiente de
0.005
estabilidad
advectivo 0.06
∆t 0
0 200 400 600 800 1000 1200
u
∆x Pasos temporales (h=0.001)
Máximo = 0.0253 %
Promedio = 0.0262 %
Máximo = 0.0294 %
Mínimo = 0.0024 %
En este caso el error medio alcanzado es 0.0253 % llegando a un máximo

de 0.0294 %.
153/284
CASO 11
En este caso se ha aumentado la velocidad del viento hasta 2 m/s, para

observar como aumenta el error conforme aumenta la velocidad del viento.
DT 0.001
0.03
DX 0.01
NX 255

0.025
NT 1000
u 2.0
0.02
∝ 1.444 · 10-5
∆t (<0.3462)
difusivo α 0.01
∆x 2
0 200 400 600 800 1000 1200
estabilidad Pasos temporales (h=0.001)
advectivo 0.2 Fig.5.21. Evolución del error medio de la función.

∆t
u
∆x
Media = 0.0279 %
Promedio = 0.0285 %
Máximo = 0.0321 %
Mínimo = 0.0076 %
Como podemos observar en los resúmenes del error medio de la función se

alcanza un máximo de 0.0321% ligeramente mayor que el caso anterior.
CASO 12
Para el último caso analizado para el ozono, se ha empleado una velocidad

del viento de 4 m/s, duplicando el valor anterior.
154/284

DT 0.001 0.035
DX 0.01
NX 255
0.03
NT 1000

u 4.0
∝ 1.444 · 10-5 0.025
Coeficiente de
∆t
0.02
(<0.3462)
difusivo α
∆x 2
estabilidad
advectivo 0.4 0.01
∆t 0 200 400 600 800 1000 1200
u Pasos temporales (h=0.001)
∆x
Media = 0.0243 %
Promedio = 0.0235 %
Máximo = 0.0330 %
Mínimo = 0.0115 %
Observando la representación del Error Medio de la Función podemos ver

que se alcanza un valor máximo de 0.033 %, cercano al valor máximo del
caso anterior, pero alcanzando dicho valor en un paso de tiempo anterior,
para después reducir el valor y mantenerse constante en un valor inferior a
0.02%.
2. BLOQUE 4: ANÁLISIS PARA EL VALOR DE DIFUSIVIDAD DEL

DIÓXIDO DE NITRÓGENO ∝=1.361 · 10-5 m 2 s
∝ = 1.361 · 10-5
Para el valor de la difusividad del dióxido de nitrógeno, NO2 (∝
m 2 s ), se han analizado los siguientes casos:

155/284
CASO 13
Se inicia este grupo de casos con un valor de la velocidad del viento nulo,
para observar la evolución del error medio de la función sin efecto de
advección. 8
x 10
-3
CASO 13: Valores iniciales 7
DT 0.001
6
DX 0.01
Error Medio de la función (%)

NX 255 5
NT 1000
4
u 0.0
∝ 1.361 · 10-5 3
Coeficiente de 1.361 · 10-4

2
difusivo 1
α ∆t ∆x 2
0
0 200 400 600 800 1000 1200
Pasos temporales (h00.001)
Media = 0.0059 %
Promedio = 0.0068 %
Máximo = 0.0071 %
Mínimo = 1.726·10-5 %
El error medio de la función crece hasta hacerse constante llegando a un

valor de 0.0071%.
156/284
CASO 14
En el siguiente caso analizado para el dióxido de nitrógeno, aumentamos la

velocidad del viento hasta los 0.6 m/s, donde empezamos a observar el
efecto de la advección en la evolución del error medio de la función.

DT 0.001 0.03
DX 0.01
NX 255
0.025
NT 1000
u 0.6
0.02
∝ 1.361 · 10-5
Coeficiente de
estabilidad 1.361 · 10-4 0.015
∆t (<0.3462)
difusivo α
∆x 2 0.01
Coeficiente de
estabilidad 0.005
advectivo 0.06
∆t 0
u 0 200 400 600 800 1000 1200
∆x Pasos temporales (h=0.001)
Media = 0.0252 %
Promedio = 0.0260 %
Máximo = 0.0295 %
Mínimo = 0.0024 %
El error medio de la función crece oscilando hasta un valor que se va

haciendo constante a partir del paso temporal 500, alcanzando un valor de
0.025%.
157/284
CASO 15
En el siguiente caso contemplado, la velocidad del viento toma un valor de 2

m/s.

DT 0.001 0.035
DX 0.01
NX 255 0.03
NT 1000

u 2.0 0.025
∝ 1.361 · 10-5
Coeficiente de 0.02

difusivo (<0.3462) 0.015
α ∆t ∆x 2
0.01
Coeficiente de
estabilidad
advectivo 0.2 0.005
0 200 400 600 800 1000 1200
Media = 0.0277 %
Promedio = 0.0283 %
Máximo = 0.0321 %
Mínimo = 0.0074 %
Al igual que en el caso anterior el error medio de la función se estabiliza en

un valor de 0.027 %, pero manteniendo el carácter oscilante del caso 14.
158/284
CASO 16
En el último caso estudiado para el dióxido de nitrógeno, la velocidad del

viento se duplica hasta los 4 m/s.

DT 0.001 0.035
DX 0.01
NX 255
0.03
NT 1000

u 4.0
∝ 1.361 · 10-5 0.025
Coeficiente de
∆t (<0.3462)
0.02
difusivo α
∆x 2
estabilidad
advectivo 0.4 0.01
∆t 0 200 400 600 800 1000 1200
u Pasos temporales (h=0.001)
∆x
Media = 0.0242; Promedio = 0.0229; Máximo =0.0330; Mínimo = 0.0121
En este caso el error llega a un valor máximo de 0.03 %, y se reduce hasta

llegar a un valor constante por debajo de 0.02%.
3. BLOQUE 5: ANÁLISIS PARA EL VALOR DE DIFUSIVIDAD DEL

DIÓXIDO DE AZUFRE ∝=1. 089 · 10-5 m 2 s
Los casos analizados para el valor del coeficiente de difusividad del dióxido
∝ = 1.089 · 10-5 m 2 s ) son:
de azufre (∝

159/284
CASO 17
Iniciamos el análisis del modelo para los valores del SO2 dando un primer
valor de la velocidad del viento nulo, para observar el comportamiento del
error sin la influencia del proceso advectivo.
-3
x 10
9
DT 0.001 8
DX 0.01 7

NX 255 6
NT 1000
5
u 0.0
∝ 1.089 · 10-5 4
Coeficiente de 1.089 · 10-4 3

2
∆t
difusivo α
∆x 2
1
0
0 200 400 600 800 1000 1200
Media = 0.0067 %
Promedio = 0.0077 %
Máximo = 0.0084 %
Mínimo = 1.3826·10-5 %
CASO 18
En el segundo caso analizado, se aumenta el valor de la velocidad del viento

hasta los 0.6 m/s, manteniendo el resto de parámetros con la misma
configuración.
0.03
DT 0.001
0.025
DX 0.01
NX 255
0.02
NT 1000
u 0.6
0.015
∝ 1.089 · 10-5
Coeficiente de
0.01
∆t (<0.3462)
difusivo α 0.005
∆x 2
Coeficiente de
0
estabilidad 0 200 400 600 800 1000 1200
∆t 0.06 Pasos temporales (h=0.001)
advectivo u
∆x
160/284
Media =0.0245 %
Promedio = 0.0254 %
Máximo = 0.0296 %
Mínimo = 0.0024 %
El error medio de la función, como en casos similares para el dióxido de

nitrógeno y para el azufre, aumenta de forma oscilante, hasta un valor
máximo (0.0296%), para reducirse hasta un valor constante alrededor de
0.0254%.
CASO 19
En este caso se ha fijado la velocidad del viento en 2 m/s.

DT 0.001
DX 0.01 0.03
NX 255
NT 1000
0.025
u 2.0
∝ 1.089 · 10-5
0.02
Coeficiente de
difusivo (<0.3462) 0.015
α ∆t ∆x 2
0.01
Coeficiente de
estabilidad
advectivo 0.2 0.005
0 200 400 600 800 1000 1200
Media = 0.0268 %
Promedio = 0.0275 %
Máximo = 0.0322 %
Mínimo = 0.0064 %
Observamos un comportamiento oscilante similar, llegando a un valor

constante alrededor de 0.025%, pasados 600 pasos temporales.
161/284
CASO 20
En el último caso académico estudiado, fijamos el valor de la velocidad del

viento en 4 m/s, duplicando el valor del caso anterior.
0.035
DT 0.001
DX 0.01 0.03

NX 255
NT 1000
0.025
u 4.0
∝ 1.089 · 10-5
Coeficiente de 0.02

difusivo (<0.3462) 0.015
α ∆t ∆x 2
Coeficiente de
estabilidad 0.01
0 200 400 600 800 1000 1200
advectivo 0.4 Pasos temporales (h=0.001)
u ∆t ∆x
Media = 0.0237 %
Promedio = 0.0212 %
Máximo = 0.0330 %
Mínimo = 0.0142 %
Como se puede observar en la gráfica del error, podemos observar un

crecimiento del error hasta alcanzar un valor máximo (0.033%) para después
apreciar una disminución de su valor hasta un valor constante de 0.02%.
En la tabla 5.3a y 5.3b se observa un resumen de los casos académicos y

reales ejecutados con los valores de configuración de cada uno de ellos.
Discretización espacial ∆x = 0.01. NX = 255

Discretización temporal ∆t = 0.001. NX = 100
CASOS ACADÉMICOS
GRUPO 1 GRUPO 2
-2
Difusividad ∝ = 5 · 10 Difusividad ∝ = 5 · 10-3
CASO 1 u = 0.0 CASO 5 u = 0.0
CASO 2 u = 0.6 CASO 6 u = 0.6
CASO 3 u = 2.0 CASO 7 u = 2.0
CASO 4 u = 4.0 CASO 8 u = 4.0
Tabla 5.3a. Resumen de casos académicos en 1D.
162/284
Discretización espacial ∆x = 0.01. NX = 255

Discretización temporal ∆t = 0.001. NX = 100
CASOS REALES
OZONO O3 DIÓXIDO DE N. NO2 DIÓXIDO DE S. S O2
Difusividad 1.444 · 10-5 Difusividad 1.361·
1.361 10-5 1.089 · 10-5
Difusividad
∝ ∝ ∝
CASO 9 u = 0.0 CASO 13 u = 0.0 CASO 17 u = 0.0
Tabla 5.3b. Resumen de casos reales en 1D.
163/284
CONCLUSIONES
Observando las representaciones del error medio de la función para los

casos ejecutados con los valores de difusividad de los tres
contaminantes estudiados (NO2, SO2, O3) podemos extraer las
siguientes conclusiones:
- Sin contemplar los efectos de la advección, es decir, con la

velocidad del viento nula, los valores de los errores medios de la
función se mantienen por debajo de 9 · 10 -3 %.
- Al aumentar el valor de la velocidad del viento, los errores crecen

ligeramente, hasta un orden de 10-2 %.
- Se observan comportamientos similares, donde el error oscila

hasta llegar a un punto concreto, alrededor de los 600 pasos de
tiempo, donde se mantiene constante, con un valor en torno a
0.025 %.
- El aumento del valor de la velocidad del viento hace que dicho

valor se alcance con mayor rapidez.
164/284
V.6 SIMULACIONES DE CASOS REALES A LARGO PLAZO.
El objetivo de este apartado es presentar simulaciones del proceso de

transporte por advección y difusión utilizando valores reales de los
coeficientes de difusión para el dióxido de nitrógeno y el dióxido de
azufre durante periodos de tiempo más prolongados a los vistos en
anteriores apartados en los que se ha llevado a cabo la validación del
método.
En este apartado se llevarán a cabo los análisis para casos en 1

dimensión espacial y en 2 dimensiones espaciales, modificando la
velocidad del viento y los valores iniciales de concentración de la pluma
contaminante.
Se iniciará el análisis con los resultados en 1 dimensión para los casos

de dióxido de nitrógeno y dióxido de azufre con valores de velocidad del
viento de 5.5 m/s y de 15 m/s.
A continuación se realiza el análisis de los casos en 2 dimensiones para

ambos contaminantes, con las mismas variaciones de la velocidad del
viento, que actúa en la diagonal del dominio cuadrado estudiado.
V.6.1 SIMULACIONES DE CASOS REALES EN 1 DIMENSIÓN.
V.6.1.1 TRANSPORTE ADVECTIVO-DIFUSIVO PARA EL NO2
A continuación se lleva a cabo el estudio de casos con valores reales de

difusión y velocidades medias del viento reales a largo plazo para
observar la dispersión de contaminantes durante un periodo de tiempo
prolongado. El modelo se ejecutará contemplando una emisión puntual
de dióxido de nitrógeno de 1000 µ g / m 3 , para un periodo de tiempo de 3
horas, tras los cuales compararemos el valor de concentración de
contaminante en un receptor puntual localizado a 25,6 km con los
valores de concentración fijados por la legislación para el dióxido de
nitrógeno (200 µ g / m 3 como límite horario, según Real Decreto
102/2011, de 28 de enero, relativo a la mejora de la calidad del aire).
Para ello utilizaremos el modelo unidimensional con condiciones de

contorno periódicas (lo que sale por un extremo entra por el extremo
opuesto). Los datos de entrada al modelo se basaran en los valores
reales de los tres contaminantes previamente analizados, con valores de
la velocidad del viento promedio de 5,55 m/s (20 km/h) y de 15 m/s (54
km/h).
165/284
Para poder ejecutar el modelo con estos valores es necesario estudiar

los coeficientes de estabilidad para el proceso advectivo y difusivo, para
asegurar que el conjunto de valores de intervalos temporales y
espaciales junto con los coeficientes de difusividad y velocidad del viento
se encuentran dentro de límites estables. Para ello utilizaremos las
expresiones del coeficiente de estabilidad difusivo y advectivo como se
muestra a continuación:
La expresión del coeficiente de estabilidad para el método numérico de

resolución del proceso difusivo se elige como el más restrictivo de los
analizados en la sección 5.4 y su expresión es:
∆t 72
α ≤
∆x 2
208

resolución del proceso advectivo es:
∆t
u ≤ 1.0
∆x
Si fijamos un intervalo de paso espacial de 100.0 metros, con unos

valores de velocidad del viento 20 km/h (5.55 m/s) o de 54 km/h (15 m/s)
el intervalo de tiempo de integración debe cumplir los requisitos de
coeficientes de estabilidad para ambos métodos. De esta manera
tendríamos:
Coeficiente de estabilidad Coeficiente de estabilidad

difusivo para el NO2 difusivo para el SO2
∆t 72 ∆t 72
α ≤ α ≤
∆x 2
208 ∆x 2 208
72 ∆x 2 72 ∆x 2
∆t ≤ ∆t ≤
208 α 208 α
72 (100)2 72 (100 )
2
∆t ≤ ∆t ≤
208 1.361·10−5
208 1.089·10−5
∆t ≤ 254337873, 7 segundos
∆t ≤ 317863954.2 segundos
166/284

advectivo para u = 5.55 m/s advectivo para u = 15 m/s
∆t ∆t
u ≤ 1.0 u ≤ 1.0
∆x ∆x
∆x ∆x
∆t ≤ 1.0 ∆t ≤ 1.0
u u
100 100
∆t ≤ ∆t ≤
5.55 15
∆t ≤ 18.02 segundos ∆t ≤ 6.67 segundos
Como se puede observar en los valores obtenidos, el valor más

restrictivo corresponde al obtenido para el coeficiente de estabilidad
advectivo.
El modelo, por tanto, se ejecutará con un valor de 100 metros para el

intervalo espacial, con valores de 15 segundos para el caso en el que la
velocidad del viento sea igual a 5.55 m/s y un intervalo temporal de 5
segundos para el caso en el que la velocidad del viento sea igual a 15
m/s.
El objetivo de esta simulación es observar cómo se reduce la

concentración de contaminación emitida por un foco puntual
transcurridas 3 horas desde el momento de la emisión (10800
segundos). Analizaremos la concentración a la que se somete un
receptor localizado al final del recorrido de la pluma de contaminante,
que transcurridas 3 horas (10800 segundos) estaría a 85.48 Km del
punto emisor, si la velocidad del viento se mantiene constante con un
valor de 5.55 m/s (20 km/h) y a 162 Km si la velocidad del viento
permanece constante con un valor de 15 m/s (54 km/h).
Para el valor de la función en el instante inicial tomamos el siguiente

valor:
f ( x ) = 1000µ g / m 3 si 25.6 < x < 30.72

(5.25)
f ( x ) = 0.0µ g / m 3 si x ≤ 25.6 o x ≥ 30.72
Que correspondería a un foco de emisión de una chimenea, que

alcanzaría un valor máximo de 1000 µ g / m 3 para el instante inicial t=0,
(Figura 5.30)
167/284
1000
800
Valor de la función (microg/m^3)
600
400
200
0
0 12.8 25.6
Posición (Km)
Fig. 5.30. Representación de la función de onda para el

emisor en el instante inicial t = 0.
CASO 1: Evolución de la contaminación para un foco emisor de

dióxido de nitrógeno transcurridas 3 horas con una velocidad del
viento de 5.55 m/s
Para el primer caso, hemos fijado un valor de la velocidad del viento de

5.55 m/s, con un coeficiente de difusividad de α = 1.361 · 10 −5 m 2 / s
correspondiente al dióxido de nitrógeno (NO2).
La pluma de contaminante emitida por un foco puntual, se transporta

durante 3 horas recorriendo una distancia de 85.48 Km, durante la
simulación. Transcurrido ese período, se compara el valor de
concentración del contaminante con el valor legal horario (200
microgramos / m3) de manera que podamos determinar si un receptor
localizado a esa distancia en ese instante se vería expuesto a un valor
superior al legal permitido.
El resumen de los datos de entrada al modelo se resumen en la tabla
5.4.
168/284
CASO 1. VALORES REALES A LARGO PLAZO

DT 15 segundos
DX 100 metros
NX 255 pasos espaciales
NT 720 pasos temporales
u 5.55 m/s
α 1.361 · 10-5 m2/s
Coeficiente de estabilidad 2.04 · 10-8 (<0.3462)
∆t
difusivo α
∆x 2
Coeficiente de estabilidad 0.8325 (<1)
∆t
advectivo u
∆x
Tabla 5.4. Resumen de los valores de entrada en la simulación del
caso 1 para valores reales de contaminantes.
En la figura 5.31 se representa la evolución de la función de onda que

representa la dispersión del contaminante en el tiempo para los valores
de tiempo t = 0 h, t = 1.0h, t = 2.0h, y t = 3.0 h.
Transcurridos tres días de la emisión puntual de la nube de

contaminante de 1000 µ g / m 3 , la nube de contaminante se desplaza
59,9 Km, reduciéndose la concentración durante el transporte hasta un
valor de 197.12 µ g / m 3 valor inferior a los 200 µ g / m 3 contemplados en
la legislación.
169/284
Tiempo = 0.0 horas Tiempo = 1.0 h.
1000
1000

800
800
600
600
400
400
200
200
0
0
0 12.8 25.6 19.98 32.73 45.48
Posición (Km) Posición (Km)
Tiempo = 2.0 h. Tiempo = 3.0 h.

1000
1000

800
800
600
600
400
400
200
200
0
39.96 52.71 65.46 59.94 72.74 85.44
Fig.5.31. Detalle evolución de la función en los instantes 0, 1.0, 2.0, y 3.0 horas.
170/284
CASO 2: EVOLUCIÓN DE LA CONTAMINACIÓN PARA UN FOCO EMISOR

DE DIÓXIDO DE NITRÓGENO TRAS UN PERIÓDO DE 3 HORAS CON
VELOCIDAD DEL VIENTO CONSTANTE DE 15 m/s.
En el segundo caso, se ha aumentado la velocidad del viento hasta un valor de

15 m/s (54 Km/h). Para mantener el valor del coeficiente de estabilidad dentro
de los límites permitidos, se ha reducido el intervalo de tiempo de integración
hasta los 5 segundos. En (5.26) se da el valor máximo permitido para el
coeficiente de estabilidad advectivo, para este valor de velocidad del viento.
Coeficiente de estabilidad ∆x
∆t ≤ 1 . 0
advectivo para u = 15 m/s u
∆t ∆t ≤
100
u ≤ 1 .0
∆x 15
∆t ≤ 6.67 segundos (5.26)
En este caso, transcurridas tres horas, la pluma de contaminante recorre 162

km. Transcurrido este periodo de tiempo, se procede al análisis del resultado
para comprobar si un receptor situado a esa distancia estaría expuesto a una
concentración superior al límite legal permitido (200 µ g / m 3 ).
El resumen de los datos de entrada al modelo se resume en la tabla 5.5.

DT 5 segundos
DX 100 metros
U 15.0 m/s
α 1.361 · 10-5 m2/s
∆t
difusivo α
∆x 2
∆t
advectivo u
∆x
Tabla 5.5. Valores de entrada del modelo para la ejecución del caso 2 con
valores reales.

representa la dispersión del contaminante en los instantes (t = 0 h, t=
1.0h, t = 2.0h y t = 3.0 h).
171/271
1000
1000

800
800
600
600
400
400
200
200
0
0
0 12.8 25.6 54.4 66.9 79.5

1000
1000

800
800
600
600
400
400
200
200
0
108 120.75 133.5 162 174.75 187.5
Fig. 5.32. Valores de la función transcurridos (t = 0 h, t = 1.0h, t = 2.0h y t = 3.0 h).
Transcurridas 3 horas de la emisión de la nube de contaminante se desplaza

162 km, pasando de una concentración inicial de 1000 µ g / m 3 a un valor de
114.64 µ g / m 3 , por debajo del valor legal de 200 µ g / m 3 como se observa en la
figura 5.33.
V.6.1.1 TRANSPORTE ADVECTIVO-DIFUSIVO PARA EL SO2
El modelo se ejecutará contemplando una emisión puntual de dióxido de azufre

de 500 µ g / m 3 , para un periodo de tiempo de 3 horas, tras los cuales
compararemos el valor de concentración de contaminante en un receptor
puntual localizado a 25,6 km con los valores de concentración fijados por la
legislación para el dióxido de azufre (350 µ g / m 3 como límite horario, según
Real Decreto 102/2011, de 28 de enero, relativo a la mejora de la calidad del
aire).
172/271
Para ello utilizaremos el modelo unidimensional con condiciones de contorno

periódicas. Los datos de entrada al modelo se basan en los valores reales de
los tres contaminantes previamente analizados, con un valor de la velocidad del
viento promedio de 5,55 m/s (20 km/h) y de 15 m/s (54 km/h).
Para poder ejecutar el modelo con estos valores es necesario estudiar los
coeficientes de estabilidad para el proceso advectivo y difusivo, para asegurar
que el conjunto de valores de intervalos temporales y espaciales junto con los
coeficientes de difusividad y velocidad del viento se encuentran dentro de
límites estables. Para ello utilizaremos las expresiones del coeficiente de
estabilidad difusivo y advectivo como se observa a continuación.

resolución del proceso difusivo se elige como el más restrictivo de los
analizados en la sección 5.4 y su expresión es:
∆t 72
α ≤
∆x 2
208

resolución del proceso advectivo es:
∆t
u ≤ 1.0
∆x
Si fijamos un intervalo de paso espacial de 100.0 metros, con unos valores de

velocidad del viento 20 km/h (5.55 m/s) o de 54 km/h (15 m/s) el intervalo de
tiempo de integración debe cumplir los requisitos de coeficientes de estabilidad
para ambos métodos. De esta manera tendríamos:

difusivo para el NO2 difusivo para el SO2
∆t 72 ∆t 72
α ≤ α ≤
∆x 2 208 ∆x 2
208
72 ∆x 2 72 ∆x 2
∆t ≤ ∆t ≤
208 α 208 α
72 (100)2 72 (100 )
2
∆t ≤ ∆t ≤
208 1.361·10−5
208 1.089·10−5
∆t ≤ 254337873, 7 segundos
∆t ≤ 317863954.2 segundos
173/271

advectivo para u = 5.55 m/s advectivo para u = 15 m/s
∆t ∆t
u ≤ 1.0 u ≤ 1.0
∆x ∆x
∆x ∆x
∆t ≤ 1.0 ∆t ≤ 1.0
u u
100 100
∆t ≤ ∆t ≤
5.55 15
∆t ≤ 18.02 segundos ∆t ≤ 6.67 segundos
Como se puede observar en los valores obtenidos, el valor más restrictivo

corresponde al obtenido para el coeficiente de estabilidad advectivo.
El modelo se ejecutará con un valor de 100 metros para el intervalo espacial,

con valores de 15 segundos para el caso en el que la velocidad del viento sea
igual a 5.55 m/s y un intervalo temporal de 5 segundos para el caso en el que
la velocidad del viento sea igual a 15 m/s.
El objetivo de esta simulación es observar cómo se reduce la concentración de

contaminación emitida por un foco puntual transcurridas 3 horas desde el
momento de la emisión (10800 segundos). Analizaremos la concentración a la
que se somete un receptor localizado al final del recorrido de la pluma de
contaminante, que transcurridas 3 horas (10800 segundos) estaría a 85.48 Km
del punto emisor, si la velocidad del viento se mantiene constante con un valor
de 5.55 m/s (20 km/h) y a 162 Km si la velocidad del viento permanece
constante con un valor de 15 m/s (54 km/h).
Para el valor de la función en el instante inicial tomamos el siguiente valor:
f ( x ) = 500 si 25.6 < x < 30.72

(5.25)
f ( x ) = 0.0 si x ≤ 25.6 o x ≥ 30.72
Que correspondería a un foco de emisión de una chimenea, que alcanzaría un

valor máximo de 500 µ g / m 3 para un instante inicial t=0, (Figura 5.33)
174/271
1000
800
600
400
200
0
0 12.8 25.6
Posición (Km)
Fig. 5.33. Representación de la función de onda para el emisor en el

instante t = 0.
CASO 3: Evolución de la contaminación para un foco emisor de dióxido

de azufre transcurridas 3 horas con una velocidad del viento de 5.55 m/s
Para el tercer caso, hemos fijado un valor de la velocidad del viento de 5.55
m/s, con un coeficiente de difusividad de α = 1.361 · 10 −5 m 2 / s correspondiente
al dióxido de azufre (SO2).
La pluma de contaminante emitida por un foco puntual, se transporta durante 3

horas recorriendo una distancia de 85.48 Km, durante la simulación.
Transcurrido ese período, se compara el valor de concentración del
contaminante con el valor legal horario (350 microgramos / m3) de manera que
podamos determinar si un receptor localizado a esa distancia en ese instante
se vería expuesto a un valor superior al legal permitido.
175/271

DT 15 segundos
DX 100 metros
U 5.55 m/s
α 1.089 · 10-5 m2/s
∆t
difusivo α
∆x 2
∆t
advectivo u
∆x
Tabla 5.6. Resumen de los valores de entrada en la simulación del caso 3 para
valores reales de contaminantes.

representa la dispersión del contaminante en el tiempo para los valores de
tiempo t = 0 h, t = 1.0h, t = 2.0h y t = 3.0 h.
Transcurridos tres horas de la emisión puntual de la nube de contaminante de

500 µ g / m 3 , recorre 59,9 km, reduciendo su concentración hasta un valor de
98.56 µ g / m 3 valor inferior a los 350 µ g / m 3 contemplados en la legislación.
176/271
500
500

400
400
300
300
200
200
100
100
0
0
0 12.8 25.6 19.98 32.73 45.48

500
500

400
400
300
300
200
200
100
100
0
39.96 52.71 65.46 59.94 72.74 85.44
Fig.5.34. Detalle evolución de la función en los instantes 0, 1.0, 2.0 y 3.0 horas.
177/271
CASO 4: EVOLUCIÓN DE LA CONTAMINACIÓN PARA UN FOCO EMISOR

DE DIÓXIDO DE AZUFRE TRAS UN PERIÓDO DE 3 HORAS CON
VELOCIDAD DEL VIENTO CONSTANTE DE 15 m/s.
En el segundo caso, se ha aumentado la velocidad del viento hasta un valor de

15 m/s (54 Km/h). Para mantener el valor del coeficiente de estabilidad dentro
de los límites permitidos, se ha reducido el intervalo de tiempo de integración
hasta los 5 segundos. En (5.26) se expone el valor máximo permitido para el
coeficiente de estabilidad advectivo, para este valor de velocidad del viento.
Coeficiente de estabilidad
advectivo para u = 15 m/s
∆t
u ≤ 1 .0
∆x
∆x (5.26)
∆t ≤ 1.0
u
100
∆t ≤
15
∆t ≤ 6.67 segundos
En este caso, transcurridas tres horas, la pluma de contaminante recorre 162

km. Transcurrido este periodo de tiempo, se procede al análisis del resultado
para comprobar si un receptor situado a esa distancia estaría expuesto a una
concentración superior al límite legal permitido (350 µ g / m 3 ).

DT 5 segundos
DX 100 metros
U 15.0 m/s
∝ 1.089 · 10-5 m2/s
∆t
difusivo α
∆x 2
∆t
advectivo u
∆x
Tabla 5.7. Valores de entrada del modelo para la ejecución del caso 4
con valores reales.
178/271

representa la dispersión del contaminante en los instantes (t = 0 h, t = 1.0h,
t = 2.0h, y t = 3.0 h).

500
500

400
400
300
300
200
200
100
100
0
0
0 12.8 25.6 54.4 66.9 79.5

500
500

400
400
300
300
200
200
100
100
0
108 120.75 133.5 162 174.75 187.5
Fig. 5.35. Valores de la función transcurridos (t = 0 h, t = 0.5 h, t = 1.0h, t = 1.5 h., t = 2.0h,
t = 2.5 h y t = 3.0 h).
Transcurridas 3 horas de la emisión de la nube de contaminante de 500

µ g / m 3 su concentración se redujo hasta un valor de 49.37 µ g / m 3 , por debajo
del valor legal de 350 µ g / m 3 como se observa en la figura 5.35.
179/271
V.6.2 SIMULACIONES DE CASOS REALES EN 2 DIMENSIONES.
V.6.2.1 Transporte advectivo-difusivo con un foco emisor.
V.6.2.2 Transporte advectivo-difusivo con dos focos emisores.
Tras realizar el estudio de los casos en 1 dimensión vamos a proceder a llevar

a cabo el estudio de los procesos de transporte advectivo difusivo en 2
dimensiones. Para ello vamos a emplear el programa CSLR0_DIF_2D. El
algoritmo que forma la base del código del programa emplea un método de
partición o Split, que separa el problema bidimensional en un problema
unidimensional, de manera que resolvemos las ecuaciones primero en una
dimensión en el eje x y después en una dimensión en el eje y, intercalando el
orden en cada paso de tiempo para reducir el error provocado durante el
proceso de partición.
Complementariamente, el programa CSLR0_DIF_2D emplea un partición a la

hora de resolver los dos procesos físicos que se dan en el transporte, por lo
que el algoritmo actuará en 1 dimensión, primero resolviendo la ecuación de
transporte advectivo mediante el método racional conservativo, (desarrollado
en el capítulo IV) y posteriormente resuelve el proceso difusivo, (desarrollado
en el apartado 5.3 del presente capítulo).
En este apartado nos centraremos en la simulación de diferentes problemas en

2 dimensiones para el caso de considerar un foco emisor y dos focos emisores.
De forma análoga a como procedemos en el caso 1D, antes de configurar el

modelo es necesario llevar a cabo un estudio de los coeficientes de difusión
advectivo y difusivo para conocer los valores de incrementos de espacio y
tiempo válidos para ejecutar el modelo en función de los valores de velocidad
del viento y coeficientes de difusión contemplados para el transporte advectivo
y difusivo.
Como se vio en el capítulo II, el programa de transporte soluciona la ecuación

de advección llevando a cabo un proceso de separación, de manera que
pasamos de una ecuación en 2D a dos ecuaciones en 1D mediante un proceso
de partición denominado STRANG SPLIT:
∂f ∂f ∂f
= u +v
∂t ∂x ∂y
Pasamos de esta EDP a dos EDP como sigue:
∂f ∂f
=u
∂t ∂x
∂f ∂f
=v
∂t ∂y
180/271
Similarmente para el caso de advección difusión tendríamos:
∂f ∂f ∂f ∂2 f ∂2 f
= u +v +α 2 +α 2
∂t ∂x ∂y ∂x ∂y
que podríamos separar como:
 ∂f ∂f
∂f ∂f ∂ f 2  ∂t = u ∂x
= u +α 2 
→ 
∂t ∂x ∂x  ∂f = α ∂ f
2
 ∂t ∂x 2
 ∂f ∂f
 ∂t = v ∂y
∂f ∂f ∂2 f 
=v +α 2 
→ 
∂t ∂y ∂y  ∂f = α ∂ f
2
 ∂t ∂y 2
Esto equivale a trabajar con las componentes en x e y de los vectores de

velocidad y difusión.
α = αx i +αy j
u = ux i + u y j
A la hora de calcular el valor de los coeficientes de estabilidad difusivo

 ∆t   ∆t 
 CFLDIF = α 2 
y advectivo  CFLADV = u  hay que tener en cuenta que
 ∆x   ∆x 
los valores de velocidad del viento y de difusividad introducidos, para un
transporte en diagonal, serían aproximadamente un 40% mayores que el valor
de las componentes en cada eje, como se observa en la siguiente figura:
181/271
U U = Uy +Ux
Uy
si U x = U y
entonces
U = U x 2 ≈ 1.40 U x
Ux
De esta manera, los valores límite de los coeficientes de estabilidad para los
métodos difusivo y advectivo en 2D se hacen un 40% más restrictivos que sus
homólogos en 1D.
El método empleado para resolver la ecuación advectiva en 1D, emplea los

valores de la interfase de cada celda y el valor de la integral ponderada en el
centro de la celda (ver II.4). En el caso de 2D, vamos a resolver el problema
resolviendo primero en una dimensión en el eje x y después en 1D en el eje y.
Para ello es necesario discretizar el espacio empleando un método que nos
facilite estos cambios y que a su vez, nos proporcione los valores de la
interfase de cada celda y de la integral doble ponderada en la misma. Para ello
se emplea un discretizado espacial del tipo Arakawa C-grid (ver II.6). Los
valores iniciales de los que partimos, con un mallado regular en 2D donde los
valores de la celda se fijan en las esquinas de las mismas y la integral doble
ponderada se sitúa en el centro de la celdilla, necesitan transformarse para
suministrar los valores de interfase. En la siguiente figura se puede observar la
transformación de un mallado regular en 2D a uno del tipo Arakawa C-grid
(siguiendo los pasos expuestos en II.6).
Mallado regular 2D Arakawa C-grid

y4 y4
y3 y3
y2 y2
y1 y1
y0 y0
x0 x1 x2 x3 x4 x5 x0 x1 x2 x3 x4 x5
182/271
Una vez calculado la solución de la ecuación de advección en una dimensión

en el eje x, y posteriormente en 1D en el eje y, haciendo uso de los valores de
la interfase de cada celda, y de la integral doble ponderada, se procede a
resolver la ecuación de difusión haciendo uso del método de diferencias finito
explícito de alto orden desarrollado en V.3. Como se puede observar en (5.7),
(5.9), (5.11), y (5.13), este método no emplea el valor de la integral doble
ponderada en el centro de la celdilla, pero si modifica los valores de la función,
por ello es necesario posteriormente volver a calcular las integrales ponderadas
en el centro de la celda, para actualizar su valor.
V.6.2.1 Transporte advectivo-difusivo con un foco emisor en 2D.
Para esta simulación en 2D se propone una configuración del modelo para un

mallado discretizado con 400 x 400 puntos, con unas celdas de 0.01 m x 0.01
m. El incremento temporal es de 0.01 segundos. La velocidad de viento
utilizada es de 2 m/s en el eje x y de 2 m/s en el eje y. Los valores del
coeficiente de difusión son iguales a 0.001 m2/s.
Durante el periodo de tiempo durante el que se ejecuta el modelo (700 pasos

temporales con un incremento temporal de 0.001 segundo) se puede observar
la deformación de la pluma de contaminante, y el efecto combinado de la
advección y difusión, en el mismo sentido que el desplazamiento de la misma,
que aumenta conforme pasa el tiempo.
El resumen de los datos introducidos en el modelo para la discretización del

dominio, y la descripción de los parámetros físicos se expone en la tabla 5.8
CASO 6. Advección difusión 2D

DT 0.001 segundos
DX 0.01 metros
DY 0.01 metros
NX NY 400 puntos x 400 puntos
U 2.0 m/s
V 2.0 m/s
∝y, ∝x 0.001 m2/s
VALOR INICIAL DE LA Cilindro con volumen 0.8
ONDA μg/m3
∆t 0.01 (<0.3462)
difusivo 1D 2 α
∆x
∆t 0.2 (<1)
advectivo 1D u
∆x
Tabla 5.8. Configuración del modelo.
183/271
En las representaciones siguientes se observará el efecto, representando con

mapas de curvas de nivel la evolución del contaminante a lo largo del tiempo,
para el dominio definido.
Todas las representaciones se presentan junto con su escala de concentración

relativa al valor máximo de concentración de la pluma de contaminante en cada
paso de tiempo.
3.5
0.8
3 0.75
0.7
0.65
0.6
2.5 0.55
Eje Y (m)
0.5
0.45
2 0.4
0.35
0.3
1.5 0.25
0.2
0.15
1 0.1
0.05
0
0.5
0.5 1 1.5 2 2.5 3 3.5

Eje X (m)
Fig. 5.36 Representación de la pluma de contaminante en el instante inicial.
184/271
3.5
0.7
3 0.65
0.6
0.55
2.5 0.5
Eje Y (m)
0.45
0.4
2 0.35
0.3
0.25
1.5 0.2
0.15
1 0.1
0.05
0
0.5
0.5 1 1.5 2 2.5 3 3.5

Eje X (m)
Fig. 5.37 Representación de la pluma de contaminante tras 200 pasos temporales.
3.5
0.44
0.42
3 0.4
0.38
0.36
0.34
2.5 0.32
0.3
Eje Y (m)
0.28
0.26
0.24
2 0.22
0.2
0.18
0.16
1.5 0.14
0.12
0.1
0.08
1 0.06
0.04
0.02
0
0.5
0.5 1 1.5 2 2.5 3 3.5

Eje X (m)
Fig. 5.38 Representación de la pluma de contaminante tras 400 pasos temporales.
185/271
3.5
0.27
0.26
0.25
3 0.24
0.23
0.22
0.21
0.2
2.5 0.19
0.18
Eje Y (m)
0.17
0.16
0.15
2 0.14
0.13
0.12
0.11
0.1
1.5 0.09
0.08
0.07
0.06
0.05
0.04
1 0.03
0.02
0.01
0
0.5
0.5 1 1.5 2 2.5 3 3.5

Eje X (m)
Fig. 5.39 Representación de la pluma de contaminante tras 600 pasos temporales
3.5
0.22
0.21
3 0.2
0.19
0.18
0.17
2.5 0.16
0.15
Eje Y (m)
0.14
0.13
0.12
2 0.11
0.1
0.09
0.08
1.5 0.07
0.06
0.05
0.04
1 0.03
0.02
0.01
0
0.5
0.5 1 1.5 2 2.5 3 3.5

Eje X (m)
Fig. 5.40 Representación de la pluma de contaminante tras 700 pasos temporales
Como resumen, en la figura 5.41, que representa los valores de la función

como curvas de nivel, podemos observar los valores superpuestos para los
186/271
pasos temporales 0, 200, 400, y 700, donde se puede ver en detalle la

deformación de la forma de la función original, así como la caída de sus valores
de concentración. Esta caída se puede observar en detalle en la figura 5.42,
que representa la misma superposición en 3D.
3.5
2.5
Eje Y (m)
1.5
0.5
0.5 1 1.5 2 2.5 3 3.5

Eje X (m)
Fig. 5.41. Curvas de nivel de los valores de la función para
los pasos temporales 0, 200, 400, 700.
Fig. 5.42. Representación en 3D de los valores de la

función para los pasos temporales 0, 200, 400, 600, 700.
187/271
V.6.2.2 Transporte advectivo-difusivo con dos focos emisores
Para esta simulación en 2D, se ha procedido a implementar la misma

configuración que en la simulación 6. En la tabla 5.9 se puede observar un
resumen de los parámetros utilizados para el mallado del dominio y los
coeficientes de difusión y velocidades del viento en ambas direcciones.
En este caso se ha procedido a estudiar el caso de tener dos fuentes de

emisión simultánea en el mismo valor inicial, y comprobar la evolución de la
pluma de contaminante durante los 550 pasos temporales ejecutados.
Durante el periodo de tiempo durante el que se ejecuta el modelo (550 pasos

temporales con un incremento temporal de 0.01 segundo, es decir, 5
segundos) se puede observar la deformación de la pluma de contaminante, y el
efecto combinado de la advección y difusión, en el mismo sentido que el
desplazamiento de la misma, que aumenta conforme pasa el tiempo.
En la figura 5.43 se puede observar la superposión de la pluma de

contaminante para todos los pasos de tiempo, en una representación en 2
dimensiones, mientras que en la figura 5.44 se puede observar la
representación de la pluma de contaminante en 3 dimensiones en tres
instantes de tiempo que corresponderían a los instantes iniciales, medio y final.
Advección difusión 2D. 2 focos emisores

DT 0.001 segundos
DX 0.01 metros
DY 0.01 metros
NX NY 400 puntos x 400
puntos
U 2.0 m/s
V 2.0 m/s
∝y, ∝x 0.001 m2/s
VALOR INICIAL DE LA 2 cilindros de 0.8 μg/m3
ONDA
Coeficiente de
estabilidad difusivo 1D
∆t 0.01 (<0.3462)
α
∆x 2
Coeficiente de
estabilidad advectivo 1D
∆t 0.2 (<1)
u
∆x
Tabla 5.9. Configuración del modelo.
188/271
Fig. 5.44 Representación tridimensional de la pluma de contaminante en 4 pasos de tiempo.

Sentido inverso de movimiento de la pluma.
3.5
0.75
3 0.7
0.65
0.6
2.5 0.55
Eje Y (m)
0.5
0.45
2 0.4
0.35
0.3
1.5 0.25
0.2
0.15
1 0.1
0.05
0
0.5
0.5 1 1.5 2 2.5 3 3.5

Eje Y (m)
Fig.5.45. Representación de la pluma de contaminante en el instante inicial.
189/271
3.5
0.34
3 0.32
0.3
0.28
0.26
2.5 0.24
Eje Y (m)
0.22
0.2
2 0.18
0.16
0.14
0.12
1.5 0.1
0.08
0.06
1 0.04
0.02
0
0.5
0.5 1 1.5 2 2.5 3 3.5

Eje Y (m)
Fig. 5.46. Representación de la pluma de contaminante a los 100 pasos temporales.
3.5
0.17
3 0.16
0.15
0.14
0.13
2.5 0.12
Eje Y (m)
0.11
0.1
2 0.09
0.08
0.07
0.06
1.5 0.05
0.04
0.03
1 0.02
0.01
0
0.5
0.5 1 1.5 2 2.5 3 3.5

Eje Y (m)
190/271
3.5
0.095
0.09
3 0.085
0.08
0.075
2.5 0.07
0.065
Eje Y (m)
0.06
0.055
2 0.05
0.045
0.04
0.035
1.5 0.03
0.025
0.02
0.015
1 0.01
0.005
0
0.5
0.5 1 1.5 2 2.5 3 3.5

Eje Y (m)
3.5
0.095
0.09
3 0.085
0.08
0.075
2.5 0.07
0.065
Eje Y (m)
0.06
0.055
2 0.05
0.045
0.04
0.035
1.5 0.03
0.025
0.02
0.015
1 0.01
0.005
0
0.5
0.5 1 1.5 2 2.5 3 3.5

Eje Y (m)
Fig. 5.49 Representación de la pluma de contaminante a los 400 pasos temporales.
191/271
V.6.2.3 Transporte advectivo-difusivo para el NO2. Caso real
Para esta simulación en 2D se propone una configuración del modelo para un

mallado discretizado con 400 x 400 puntos, con unas celdas de 150 m x 150 m.
El incremento temporal es de 80 segundos. La velocidad de viento utilizada es
de 1.0 m/s en el eje x y de 0.3 m/s en el eje y. El valor del coeficiente de
difusión para el dióxido de nitrógeno es 1.361 · 10-5 m2/s.
Durante el periodo de tiempo en el que se ejecuta el modelo (1000 pasos

temporales con un incremento temporal de 80 segundo, es decir, 11 horas) se
puede observar la deformación de la pluma de contaminante, y el efecto
combinado de la advección y difusión.
En esta simulación se ha contemplado un foco emisor de dióxido de nitrógeno

con una concentración inicial de 1000 μg/m3.


DT 80 segundos
DX 150 metros
DY 150 metros
puntos
U 2.0 m/s
V 2.0 m/s
∝y, ∝x 1.361 · 10-5 m2/s
VALOR INICIAL DE LA 1000 μg/m3
ONDA
Coeficiente de
∆t 0.01 (<0.3462)
α
∆x 2
Coeficiente de
∆t 0.2 (<1)
u
∆x
Tabla 5.10. Detalle valores de entrada del modelo.
En la figura 5.50 se puede observar la representación de la pluma de

contaminante en varios pasos de tiempo, comprobándose la deformación de la
pluma de contaminante por advección y difusión a lo largo del tiempo. En la
figura 5.51 podemos observar en detalle dicha deformación mediante una
representación por curvas de nivel.
192/271
Fig. 5.50. Representación 3D del valor inicial de la pluma de contaminantes y de

valores sucesivos del intervalo de integración (0, 100, 200, 300, 400 pasos temporales).
55000 45000 35000 25000 15000
Eje Y (m)
5000
500 150 250 350 450 550

0 00 0 0 00 00 00
Eje X (m)
Fig. 5.51. Representación de curvas de nivel de la pluma de

contaminantes a los 0, 100, 200, 300, 400 pasos temporales.
193/271
V.6.2.4 Transporte advectivo-difusivo para el SO2. Caso real
En este caso se ha mantenido la configuración del modelo con los mismos

parámetros que el caso anterior (V.5.2.4), manteniendo la discretización
espacial y temporal, y los mismos valores de velocidades. Se ha modificado la
fuente de emisión, formada en esta ocasión por una pluma de contaminante de
dióxido de azufre de 200 μg/m3


DT 80 segundos
DX 150 metros
DY 150 metros
puntos
U 1.0 m/s
V 0.3 m/s
∝y, ∝x 1.089 · 10-5 m2/s
VALOR INICIAL DE LA 200 μg/m3
ONDA
Coeficiente de
∆t 0.01 (<0.3462)
α
∆x 2
Coeficiente de
∆t 0.2 (<1)
u
∆x
Tabla 5.11. Configuración del modelo
La figura 5.52 presenta la variación de la pluma de contaminante desde el

instante inicial, observándose la modificación propia de los fenómenos
advectivo y difusivo para los pasos temporales 0, 100, 200, 300, 400. En la
figura 5.53, se lleva a cabo una representación similar mediante curvas de
tendencia, donde se observa la variación de la concentración desde el instante
inicial hasta el último representado.
194/271
Fig. 5.52. Representación de la simulación para el caso real del SO2 para los pasos
temporales 0, 100, 200, 300, 400.
55000 45000 35000 25000 15000
Eje Y (m)
5000
500 150 250 350 450 550

0 00 00 0 0 00 00
Eje X (m)
Fig.5.52 Representación de la simulación para el SO2. Pasos temporales 0, 100, 200,
300 y 400.
195/271
V.7 CONCLUSIONES
En el presente capítulo se ha llevado a cabo un análisis del modelo para la

resolución de la ecuación de transporte advectivo-difusiva, resuelto mediante
un método racional conservativo para la parte advectiva, junto con un nuevo
método de diferencias finitas de alto orden para la parte difusiva.
En la actualidad, la mayoría de los modelos de dispersión de contaminantes

atmosféricos no contemplan la difusión horizontal del contaminante, siendo la
difusión vertical parametrizada mediante ecuaciones empíricas. El método de
diferencias finitas de alto orden nos permite corregir el resultado de la ecuación
de la dispersión contemplando los fenómenos presentes en el transporte de
una manera más realista. La difusión de contaminantes provoca una
disminución de la concentración prevista contemplando solamente la
advección, así como un desplazamiento mayor a lo largo de la dirección del
movimiento de la pluma de contaminante.
El método ha sido validado mediante la realización de simulaciones en 1D que

han sido contrastadas con los resultados de la solución analítica de la ecuación
de advección-difusión (Sanín & Montero, 2007), comprobando que los errores
obtenidos oscilan entre un 10-4 % y un 0.025%.
Se ha comprobado la robustez del método ante simulaciones a largo plazo,

observándose complementariamente al cálculo del error, cómo la función de
onda mantiene la forma teórica que debe tener a lo largo de un número alto de
pasos temporales, de esta manera se comprueba la validez del método para
llevar a cabo el cálculo de la solución en periodos largos de simulación
manteniendo correctamente los efectos combinados de los fenómenos
advectivos y difusivos.
Complementariamente se han llevado a cabo simulaciones del transporte de

contaminantes reales en dos dimensiones, comprobándose una robustez
similar así como el mantenimiento de la forma esperada en la nube de
contaminante transportado, y la aplicabilidad del método en periodos largos de
simulación.
196/271
VI Modelización de la advección-difusión con reacción química de cont. en la atmósfera
CAPÍTULO VI: MODELIZACIÓN DE LA DISPERSIÓN DE CONTAMINANTES

QUÍMICOS EN LA ATMÓSFERA: ACOPLAMIENTO DE LOS PROCESOS DE
ADVECCIÓN DIFUSIÓN Y REACCIÓN QUÍMICA.
INTRODUCCIÓN
Este capítulo se dedica a explicar cómo se lleva a cabo la integración de los

diferentes métodos numéricos, desarrollados en los capítulos anteriores, que
nos permiten calcular la solución de las ecuaciones en derivadas parciales que
modelizan la advección-difusión-reacción (química) de contaminantes en la
atmósfera. Para resolver este tipo de problemas se ha empleado el método de
elementos finitos (Bermejo & El Amrani, 2003; John & Schmeyer, 2008). En
esta Tesis se emplean los métodos descritos en el capítulo V para la
advección-difusión y para la parte química se emplea un método multipaso
implícito que resuelve los sistemas de ecuaciones diferenciales ordinarias
rígidas que modelizan las reacciones químicas de los contaminantes en la
atmósfera.
Se han desarrollado programas en FORTRAN en una y dos dimensiones que

unen los tres métodos:
- El método racional conservativo que emplea una interpolación racional

conservativa junto a un método de volúmenes finitos para la parte
advectiva.
- Un nuevo método de diferencias finitas de alto orden para la parte
difusiva.
- El método multipaso implícito Backward Differentiation Formula de
segundo grado resuelto mediante una técnica iterativa Gauss-Seidel
para los sistemas de ecuaciones diferenciales rígidos que modelizan las
reacciones químicas.
Se explica cómo llevar a cabo el acoplamiento de todos los algoritmos

ajustando el tamaño de paso de integración advectivo y difusivo en función del
intervalo de integración químico. Se explica el orden de acción de cada uno de
los métodos empleados (el algoritmo del método químico se puede observar en
detalle en el apéndice III).
A continuación se han propuesto dos casos para resolver en una dimensión y

dos dimensiones. El primero de los casos, es un caso académico que se basa
en la simplificación de un conjunto de reacciones químicas que modelizan la
transformación de dos sustancias catalizadas mediante una reacción
intermedia rápida cuya concentración se mantiene constante cuando se llega al
equilibrio químico. En el segundo caso se ha propuesto un conjunto de
reacciones químicas en las que a partir de dióxido de nitrógeno y dióxido de
azufre se generan los precursores de la lluvia ácida. El inicio de estas
reacciones viene determinado una reacción rápida de origen fotoquímico.
197/271
VI.1 Descripción de la ecuación en derivadas parciales que gobiernan los

procesos de advección, difusión y reacción química en la atmósfera
Una vez liberados los contaminantes primarios a la atmósfera, sufren procesos

de transporte por la acción del viento, proceso advectivo, y difusión turbulenta.
Adicionalmente, al estar en contacto, los contaminantes químicos reaccionan
entre sí, generando nuevas sustancias químicas que pueden actuar como
contaminantes por sí mismas. Al proceso acumulado de transporte advectivo y
difusivo y reacción química se le denomina dispersión de contaminantes.
La ecuación en derivadas parciales que modeliza el fenómeno de dispersión de

contaminantes en la atmósfera es del tipo convección-difusión-reacción
química definida para cada contaminante. Su expresión se deriva de la
aplicación de la ley de conservación de masas aplicada durante el movimiento
de la pluma de contaminante en la atmósfera.
La ecuación de advección-difusión-reacción química es una ecuación en

derivadas parciales de tipo parabólico, se puede escribir para cada especie
contaminante i, siguiendo un enfoque euleriano, como se puede observar en la
ecuación (6.1):
∂f i
∂t
( )
= ui ∇f i − ∇ K i ∇f i + Pi − Li , i = 1,..., p en Ω (6.1)
Siendo p el número de especies contaminantes, fi = f i ( x, y, z, t ) la

concentración media de la especie i , ui el campo de velocidades del fluido,
K i =  K i1 ( x , y , z ) , K i 2 ( x , y , z , ) , K i 3 ( x , y , z )  el tensor diagonal de difusividad
turbulenta y Pi y Li representan los términos de producción y pérdida de
contaminante químico debido a los procesos de reacción química, emisión y
deposición.
Con el objetivo de calcular la producción y pérdida debido a las reacciones

químicas que se producen en la pluma del contaminante es necesario resolver
un sistema de ecuaciones diferenciales ordinarias rígido, definido a partir de las
reacciones químicas consideradas. El método numérico utilizado para obtener
la solución temporal de este sistema de ecuaciones está basado en una
adaptación del método multipaso de diferenciación regresiva de segundo
orden, algoritmo propuesto en (Hundsdorfer & Verwer, 2003; J G Verwer, 1994)
conocido como Two-Step. Está basado en la aplicación del esquema de
iteración de Gauss-Seidel para la resolución del sistema de ecuaciones no
lineales obtenidas tras aplicar el método implícito multipaso Backward
Differentiation Formula de segundo orden (BDF2):
198/271
{ f } = 43 { f } − 13 { f } + 43 ∆t [ R]{ f }
n +1 n n −1 n +1
(6.2)
Siendo f n
el vector de concentraciones químicas en el instante de tiempo t n ,
∆t el paso de tiempo desde t n hasta t n +1 y R( f ) = P f − L f la evolución
( ) ( )
temporal de la concentración debido a la producción y emisión { P} y la pérdida
de sustancia química  L debido a los procesos de deposición y consumo

durante las reacciones químicas. Introduciendo los términos de producción y
pérdida de contaminantes en la ecuación (6.2), la expresión del método BDF2
quedaría de la siguiente manera:
−1
 2   4 n 1 n −1 2 
{ } 3
{
f n +1 = 1 + ∆t [ L] f n +1  
 3
}f −
3
f { } { }
+ ∆t { P} f n +1 
3 
{ } (6.3)
El sistema implícito de ecuaciones lineales obtenido se resuelve mediante un

esquema de Gauss-Seidel.
Es importante destacar que el término [ L] corresponde a una matriz diagonal

que almacena los términos de pérdida de contaminante químico
VI.2 Acoplamiento del procesador químico al módulo de transporte por

advección difusión.
El algoritmo de resolución de la ecuación de advección-difusión-reacción

química en 1D procede a resolver el sistema de ecuaciones diferenciales
obtenido mediante un método de separación (Split) en subprocesos. De esta
manera el algoritmo primero lleva a cabo la resolución del sistema de
ecuaciones diferenciales obtenido para las reacciones químicas, y
posteriormente lleva a cabo el transporte de las mismas, de forma ordenada,
primero transportando por efecto del proceso advectivo para posteriormente
llevar a cabo la difusión del contaminante.
En este punto es importante tener en cuenta los incrementos temporales de

integración para cada proceso. El tamaño de paso de integración para los
199/271
procesos de advección-difusión, viene condicionado como se vio en el capítulo

V por el proceso advectivo. Una vez añadido el proceso químico, hay que tener
en cuenta las velocidades de reacción del proceso químico, de esta manera
pasará a tener mayor relevancia el tamaño de paso de tiempo debido a las
reacciones químicas que denominaremos “paso químico”. Dentro del algoritmo
para la resolución de la ecuación de advección-difusión-reacción química se
contempla esta característica haciendo el tamaño de paso del transporte
múltiplo del tamaño de paso del proceso químico. Como los procesos se
resuelven separadamente, se integrarán las ecuaciones que simulan el proceso
químico con un paso de tiempo adecuado hasta que se consiga igualar el
intervalo temporal del proceso de transporte.
La subrutina encargada de resolver las ecuaciones que gobiernan las

reacciones químicas está diseñada para determinar la evolución temporal de
las concentraciones de sustancias químicas. En el caso del algoritmo utilizado
para la simulación en 1D y 2D se ha tomado como valor inicial una función a lo
largo del eje (x), o una superficie a lo largo del plano (x,y) respectivamente, por
esta razón, vamos a resolver las reacciones químicas para cada punto
discretizado del dominio en cada caso.
VI.3 Descripción del algoritmo advección-difusión-reacción química para

la dispersión de contaminantes químicos en la atmósfera.
En este apartado se desarrollarán los fundamentos del algoritmo que simula los
procesos de advección-difusión-reacción química que gobiernan el proceso de
dispersión de contaminantes químicos en la atmósfera.
El algoritmo se divide en distintas subrutinas, contempladas como módulos que

se interrelacionan a partir de un programa principal que determina el orden de
ejecución de las subrutinas que resuelven los diferentes procesos.
Se ha programado e implementado un programa FORTRAN 90 que está

compuesto por los siguientes módulos:
- PROGRAMA PRINCIPAL_CHEM_ADV_DIF: es el programa principal

que controla el avance temporal y llama a las diferentes subrutinas. En
el programa principal se fijan los valores de incrementos de tiempo de
integración tanto para el proceso de transporte como para el proceso
200/271
químico. Se fijan el número de pasos temporales y los valores de los

coeficientes de difusividad para cada uno de los contaminantes.
- SUBRUTINA INIT1D: en esta subrutina se fijan los valores iniciales de

cada contaminante así como la velocidad del viento.
- SUBRUTINA BDC: en esta subrutina se fijan las condiciones de

contorno necesarias para la resolución de las ecuaciones en derivadas
parciales. Se contemplan condiciones de contorno periódicas.
- SUBRUTINA SIMPLY_CHEM_QUIM_3: en esta subrutina lleva a cabo la

resolución de las reacciones químicas y lleva integrado el esquema
BDF2. Esta subrutina controla el tamaño de paso temporal para la
integración del proceso químico.
- SUBRUTINA CSLR0_1D: en esta subrutina se lleva a cabo la resolución

de las ecuaciones que gobiernan el transporte de contaminante.
Mediante un proceso de partición, primero se resuelve el transporte de
contaminantes por el proceso advectivo, y posteriormente se resuelve el
proceso difusivo.
La subrutina CHEM_QUIM_3 está a su vez subdividida en 2 subrutinas:
- Subrutina TWO_STEP: define los valores iniciales con los que se

iniciará el proceso de resolución del sistema de ecuaciones diferenciales
ordinarias (ecuación 6.2) para iniciar el proceso iterativo Gauss-Seidel, y
posteriormente construye la fórmula implícita BDF2.
- Subrutina ITER: en esta subrutina se lleva a cabo la resolución del
sistema de ecuaciones obtenido tras aplicar el método BDF2, mediante
un proceso de iteración de Gauss-Seidel. En nuestro caso es suficiente
emplear 2 iteraciones.
En este caso se ha tomado el paso químico constante a lo largo del

proceso.
En la figura 6.1, 6.2, y 6.3 se muestra un diagrama donde se resume el

orden de llamadas de las subrutinas desde el programa principal.
201/271
PRINCIPAL_CHEM3_ADV_DIF
VARIABLES DE ENTRADA VARIABLES DE SALIDA

NX = Número de pasos espaciales.
FA(I)= Vector concentración de sustancia A
NT = Número de pasos espaciales
Entrada de FB(I) = Vector de concentración sustancia B
DX = Tamaño de paso espacial
FX(I) = Vector concentración de sustancia X
DT = Tamaño de paso temporal en el proceso de valores
transporte iniciales FXA(I)= Vector integral función FA
DQ = Tamaño de paso temporal en el proceso químico
FXB(I) = Vector integral función FB
AlfaA = Coef. Difusividad especie A FXX(I) = Vector integral función FX
AlfaB = Coef. Difusividad especie B
AlfaX = Coef. Difusividad especie X
Time = instante inicial.
A,B,X
ICONT
I = 1, NX
U(I) = U0
VARIABLES DE ENTRADA
CALL INIT1D(A,FA,FINIA,FA,FXA,U,ALFAA,DX,DT,ARX,CFL,INUM) [U, A, B, X, DT,DX]
CALL INIT1D(B,FB,FINIB,FB,FXB,U,ALFAB,DX,DT,ARX,CFL,INUM) VARIABLES DE SALIDA

[U,FA,FXA,FINIA]
[U,FB,FXB,FINIB]
CALL INIT1D(X,FX,FINIX,FX,FXX,U,ALFAX,DX,DT,ARX,CFL,INUM) [U,FX,FXX,FINIX]
ARX
INUM
CFL
I = 1, NX
AA = FA(I)
BB = FB(I)
XX = FX(I)
VARIABLES DE ENTRADA
[AA, BB, XX, DT,DX, DQ]
CALL SIMPLY_CHEM_3(AA,BB,XX,TIME,DT,DQ,Y1,Y2,Y3) VARIABLES DE SALIDA
[Y1,Y2,Y3]
Son las concentraciones de
A,B,X, en cada posición I, para
FA(I) = AA un ISTEP fijo
FB(I) = BB
FX(I) = XX
VARIABLES DE ENTRADA CALL BDC(U,FA,FXA,FINIA) VARIABLES DE SALIDA

[U] CALL BDC(U,FB,FXB,FINIB) [FA, FXA,FINIA]
[FA, FXA,FINIA] CALL BDC(U,FX,FXX,FINIX) [FB, FXB, FINIB]
[FB, FXB, FINIB] [FX, FXX, FINIX]
[FX, FXX, FINIX]
Fig. 6.1 Diagrama de ejecución del algoritmo CHEM_ADV_DIF_1D (I).
202/271
Fig. 6.2 Diagrama de ejecución del algoritmo CHEM_ADV_DIF_1D (II).
203/271
**
CALL BDC(U,FA,FXA,FINIA)
CALL BDC(U,FB,FXB,FINIB)
CALL BDC(U,FX,FXX,FINIX)
ICONT = 1
ICONT ≠1,2, 3
ICONT
ICONT = 2 ICONT = 3
CALL PROCGRAF(FA) CALL PROCGRAF(FB) CALL PROCGRAF(FX) SIN GRAFICAR
Fig. 6.3 Diagrama de ejecución del algoritmo CHEM_ADV_DIF_1D (III).
VI.3.1 Ejemplo académico: evolución del comportamiento de tres

contaminantes químicos en la atmósfera.
En el presente apartado se expone un caso académico con el que se puede

observar el funcionamiento del programa.
En una primera parte, aplicaremos los conceptos desarrollados durante el

capítulo IV relativo a la simulación de reacciones químicas, que podemos
subdividir en los siguientes pasos:
- Estudio de las reacciones químicas, y de sus velocidades de reacción.

- Formación de los vectores de producción de sustancias químicas.
- Formación de la matriz diagonal de consumo de sustancias químicas.
- Construcción del sistema de ecuaciones diferenciales ordinarias que
modeliza la evolución de sustancias químicas durante su reacción.
- Aplicación del método implícito multipaso BDF2, para aproximar la
solución mediante un sistema de ecuaciones no lineales.
- Aplicación del método Gauss-Seidel, para obtener las soluciones al
sistema de ecuaciones no lineales obtenido tras aplicar el método BDF2.
Una vez configurado el módulo químico, observaremos cómo funciona el

modelo de transporte advectivo-difusivo-reacción química para este caso
204/271
académico. Como explicamos en el apartado anterior, la secuencia de

procesos sería la siguiente:
- Primero se produce la emisión de contaminantes químicos.

- Al estar en contacto, las sustancias químicas reaccionan, por lo que el
primer paso es llamar al módulo químico.
- En cada paso temporal resolveremos las ecuaciones mediante un
método de partición por procesos, primero se inicia el módulo químico, y
posteriormente siguen los procesos advectivo y difusivo.
PRIMER PASO:
Configuración del módulo químico. Estudio de las reacciones químicas.
El caso simulado está basado en la reacción de dos contaminantes químicos

catalizados mediante una sustancia adicional. Como se ve en las reacciones
químicas expuestas en (6.4), las sustancias A y B reaccionan para producir C,
y este producto a su vez regenera A y B, y produce dos sustancias adicionales
R y S al reaccionar en solitario con B. El objetivo del problema es determinar
cómo evolucionan las concentraciones de A, B y C durante el tiempo.
A + B 
k1
→C k1 = 1.0
C 
→A+Bk2 siendo
k2 = 1.0
(6.4)
C + B 
k3
→R + S k3 = 10.0
SEGUNDO PASO:
Construcción de los términos de producción química:
Los términos de producción para cada contaminante químico corresponden al

producto de la velocidad de reacción donde cada producto se consume por la
concentración del reactivo del que proceden. De esta manera la producción
para cada contaminante sería:
A → P ( A) = K2 C 
B → P ( B ) = K2 C 
C → P ( C ) = K1  A B 
(6.5)
205/271
TERCER PASO:
Construcción de la matriz de pérdida-consumo químico:
La matriz [L], es una matriz cuadrada de dimensiones el número de sustancias

químicas, cuyos términos de la diagonal principal corresponden a las
velocidades de destrucción-consumo de las sustancias químicos, y el resto de
elementos son iguales a 0. La velocidad de destrucción-consumo de cada
contaminante es igual a la velocidad de reacción con que cada reactivo se
consume, por la concentración de producto que se genera en dicha reacción.
De esta manera tendremos:
A → L1,1 ( A ) = K1 B 
B → L2,2 ( B ) = K1  A + K3
C → L3,3 ( C ) = K2 + K3 B 
K f 0 0 
 1 (B) 
L(3 x3) = 0 K1 f ( A) + K3 0  (6.6)
 
 0

0 K 2 + K3 f ( B ) 
CUARTO PASO:
Construcción del sistema de ecuaciones diferenciales ordinarias que

representa las reacciones químicas.
El sistema de ecuaciones diferenciales ordinarias se expresa de forma general

según:
d 
 y  = { f (t , y)} := { P(t , y)} − [ L(t , y)]{ y}
 dx 
y(t ) = ( y1 (t ),..., ym (t ))T (6.7)
De esta manera, sustituyendo los valores de producción y pérdida para las

reacciones químicas contempladas tendríamos:
206/271
∂f( A)
= P( A) − L1,1( A)f( A)
∂t
∂f(B) (6.8)
= P(B) − L2,2(B )f(B)
∂t
∂f(C )
= P(C ) − L1,1(C )f(C )
∂t
siendo f ( i ) la concentración de la sustancia química i .
y sustituyendo los valores de producción y pérdida para cada contaminante,

obtendríamos:
∂f( A)
= K2f(C ) − K1f(B)f( A)
∂t
∂f(B )
∂t
(
= K2f(C ) − K1f( A) + K3 f(B ) ) (6.9)
∂f(C )
∂t
(
= K1f( A)f(B) − K2 + K3f(B) f(C ) )
Aplicando notación matricial, el sistema de ecuaciones diferenciales ordinarias
(SEDO), quedaría:
f '   K f  K f 0 0  f 
 ( A)  
    ( A) 
2 (C ) 1 ( B)
  
 f ' ( B )  =  K 2 f (C )  − 0 K1 f ( A) + K3 0   f( B) 
      
 f '(C )   K1 f ( A) f ( B )   0 0 K 2 + K3 f ( B )   f (C ) 
 
(6.10)
QUINTO PASO:
Aplicación del método BDF2 para aproximar la solución del sistema de

ecuaciones diferenciales ordinarias.
Una vez obtenido el SEDO que gobierna la evolución de las tres sustancias
químicas, podemos aplicar el método BDF2 (6.3), obteniendo:
207/271
−1
 f (nA+) 1    K f (nC ) 0 0 
   1 0 0  
 2 
2
 n+1     ×
 f ( B )  =  0 1 0 + ∆t 0 K 2 f (nC ) 0
 n+1   0 0 1  3  n n 

 f (C )      0 0 K1 f ( A) f ( B ) 
 



4 n 1 n−1 2
3 3 3 (
f ( A) − f ( A) + ∆t K1 f (nB+) 1 ) 


4

3
1
3
2
3 (
f (nB ) − f (nB−) 1 + ∆t K1 f (nA+) 1 + K3 ) 


(6.10)
4
3

1 2
(
f (nC ) − f (nC−) 1 + ∆t K 2 + K3 f (nB+) 1
3 3 ) 


SEXTO PASO:
Aplicación del método Gauss-Seidel para la resolución del sistema de

ecuaciones no lineales que aproxima la solución del SEDO que gobierna
las reacciones químicas a estudio.
{f } = [ I ] + β∆tn  L(tn+1, f n+1 )    β∆tn {P(tn+1, f n+1 )} + { f n }

−1
n +1
(6.11)
Aplicando el método BDF2 resuelto mediante el método Gauss-Seidel según

(3.35) podemos simular la evolución temporal de las concentraciones puntuales
de nuestros 3 contaminantes que componen el caso académico a estudio, es
decir, la evolución temporal de las sustancias A, B, C, que reaccionan según
las ecuaciones 6.5.
Utilizando el módulo químico, la concentración química de las tres sustancias

químicas localizadas en un punto concreto en el eje x de nuestro dominio
evolucionaría durante una hora como se muestra en la figura 6.4.
208/271
Evolución de [A] Evolución de [B] Evolución de [X]
0.020
1.0
1.0
0.9
0.015
0.9
0.8
0.7
0.010
0.8
[A]
[B]
[X]
0.6
0.5
0.005
0.7
0.4
0.000
0.6
0.3
0 0.5 1 0 0.5 1 0 0.5 1
Tiempo, (h) Tiempo, (h) Tiempo, (h)
Fig. 6.4 Evolución de la concentración de las sustancias químicas del ejemplo académico 6.1
durante la primera hora de reacción química.
Sin embargo, el modelo de advección-difusión, reacción química, tal y como

está descrito en el apartado 6.2, simula en 1D la evolución temporal de una
pluma de contaminantes, y no de una concentración puntual definida en una
posición determinada x(i), por lo que debemos ejecutar el modelo, para cada
uno de los puntos del dominio en el eje x. Por esta razón, en cada paso
temporal, la llamada a la subrutina SIMPLY_CHEM_QUIM_3 debe realizar las
operaciones descritas en este apartado, para cada punto del eje x, mediante un
bucle que se ejecute desde x=1, hasta x = NX, siendo NX, el número total de
pasos espaciales, lo que se lleva a cabo como se observa en la figura 6.5, en la
que se detalla el organigrama expuesto en el apartado 6.3.
209/271
Fig. 6.5. Detalle de la llamada a la subrutina SIMPLY_CHEM_3 para todos los

puntos del dominio definidos en X.
De esta manera, en cada paso temporal, mediante un proceso de split, o

partición, resolveremos las ecuaciones diferenciales para los procesos
químicos, advectivos y difusivos de forma separada, por este orden, igualando
para este ejemplo los intervalos temporales de integración para cada proceso.
Las figuras 6.6ª, 6.6b, 6.6c, y 6.6d representan la evolución temporal de la

concentración de las tres sustancias químicas sometidas a los procesos de
transporte advectivo-difusivo y reacción química, obtenidas ejecutando el
programa CHEM3_ADV_DIF_1D.
La configuración del modelo para este ejemplo académico se ha fijado según

los datos de la tabla 6.1:

DT 0.025 segundos
DX 0.25 metros
u 4.0 m/s (14.4 km/h)
∝ 0.0005 m2/s
Conc. inicial Sust. A 1 µg/m3
Conc. inicial Sust. B 1 µg/m3
Conc. inicial Sust. C 0 µg/m3
Tabla 6.1. Configuración modelo CHEM3_ADV_DIF_1D para ejemplo 6.3.2
210/271
Tiempo = 0.0 s
0.0 0.2 0.4 0.6 0.8 1.0
Valor de la función (microg/m3)
[A]
Tiempo = 0.0 s
[C]
0.008
0 63.5
Posición (m)
0.004
Tiempo = 0.0 s
0.0 0.2 0.4 0.6 0.8 1.0
[B]
0.000
0 63.5
Posic ión (m)
0 63.5
Posición (m)
Fig. 6.6a. Valor de la función concentración para las sustancias A, B, y C en el instante inicial.
211/271
Tiempo = 7.5 s
0.0 0.2 0.4 0.6 0.8 1.0
[A]
Tiempo = 7.5 s
[C]
0.008
30 93.5
Posición (m)
Tiempo = 7.5 s 0.004

0.0 0.2 0.4 0.6 0.8 1.0
[B]
0.000
2 65.5
Posición (m)
30 93.5
Posición (m)
Fig. 6.6b. Valor de la función concentración para las sustancias A, B, y C para t = 7.5
segundos.
212/271
Tiempo = 17.5 s
0.0 0.2 0.4 0.6 0.8 1.0
[A]
Tiempo = 17.5 s
[C]
0.008
70 133.5
Posición (m)
Tiempo = 17.5 s 0.004

0.0 0.2 0.4 0.6 0.8 1.0
[B]
0.000
70 133.5
Posición (m)
70 133.5
Posición (m)
Fig. 6.6c. Valor de la función concentración para las sustancias A, B, y C para t = 17.5
segundos.
213/271
Tiempo = 25 s
0.0 0.2 0.4 0.6 0.8 1.0
[A]
Tiempo = 25 s
[C]
0.008
163.5 227
Posición (m)
Tiempo = 25 s 0.004
0.0 0.2 0.4 0.6 0.8 1.0
[B]
0.000
100 163.5
Posición (m)
163.5 227
Posición (m)
Fig. 6.6d. Valor de la función concentración para las sustancias A, B, y C para t = 25 segundos.
214/271
VI.3.2 Ejemplo real: evolución de la emisión de dióxido de nitrógeno y

dióxido de azufre dispersados en la atmósfera. Generación de lluvia ácida
(ácido sulfúrico y nítrico) por emisiones de centrales térmicas.
El presente apartado se centra en la producción de ácido nítrico y sulfúrico a

partir de los contaminantes primarios óxidos de nitrógeno, NOx
(contemplándolo como la suma de las concentraciones de NO2 y NO), y
dióxido de azufre, SO2 producidos por la combustión incompleta en motores de
combustión y/o centrales térmicas.
Siguiendo la estructura utilizada en el ejemplo anterior, 6.3.1, se exponen las

reacciones químicas contempladas donde interactúan los óxidos de nitrógeno y
el dióxido de azufre, para formar ácido sulfúrico y ácido nítrico (responsables
del fenómeno de la lluvia ácida). Posteriormente, estudiaremos las ecuaciones
diferenciales que gobiernan las reacciones químicas que se dan entre dichas
especies, expresándolas en términos de producción y consumo. Esta notación
nos permite hacer uso del método BDF2 para obtener una aproximación de la
solución del sistema de ecuaciones diferenciales de partida.
Una vez caracterizado el sistema químico, se implementa en el código del

programa CHEM4_ADV_DIF_1D, en el que se simularán los procesos de
transporte advectivo y difusivo y de reacción química en una dimensión,
aplicando los algoritmos presentados en los capítulos IV, V y VI de la presente
Tesis, según el orden mostrado en el diagrama de flujo expuesto en las figuras
6.1, 6.2, y 6.3.
Las reacciones químicas contempladas para monitorear el comportamiento de

los óxidos de nitrógeno y del dióxido de azufre en la atmósfera y la generación
de ácidos nítrico y sulfúrico se exponen en (6.11), según (Montero,
Montenegro, Escobar, Rodriguez, & González-Yuste, 2004).
NO2 + hυ 
K1
→ NO + O ·
OH ·+ NO2 
K2
→ HNO3
(6.11)
OH ·+ SO2 → HOSO2 K3
La primera reacción química es una reacción fotoquímica, la cinética de la

misma viene determinada por su constante de reacción K1, cuyo valor oscila en
función de la intensidad lumínica, entre los siguientes valores en función de la
intensidad de radiación solar incidente, según:
10−5 e 7 sec( t ) 04:00 h - 20:00 h

k1 =  −40 (6.12)
10 20:00 h- 04:00 h
215/271
siendo:
0.2
 1 
sec( t ) =  sen  π ( th − 4 )  
  16 
th = t h − 24  t h 24  (6.13)
t h = t 3600
Las otras dos reacciones químicas son reacciones termoquímicas, cuyas

constantes de reacción según (Finlayson-Pitts & Pitts, 2000; Montero et al.,
2004; Sanín & Montero, 2007), son:
K 2 = 1.6 · 10 −11
(6.14)
K 3 = 1.5 · 10 −12
El sistema de ecuaciones diferenciales ordinarias que simulan el proceso de

reacción química es:
df ( NOX )
= −2 K1 ⋅ K 2 ⋅ f( NOX )
dt
df ( HNO3 )
= 2 K1 ⋅ K 2 ⋅ f( NOX )
dt
df ( SO2 ) K1 ⋅ K 3 (6.15)
= −2 ⋅ f( SO2 )
dt K2
df ( H 2 SO4 ) K1 ⋅ K 3
=2 ⋅ f( SO2 )
dt K2
A continuación vamos a construir los vectores de producción {P} y los términos

de la matriz de consumo [L] de sustancia durante las reacciones químicas,
según (Hundsdorfer & Verwer, 2003; J G Verwer et al., 1996; J G Verwer,
1994).
Los valores del vector de producción {P} que representa la generación de las
cuatro sustancias químicas durante su reacción son:
216/271
P ( NOx ) = 0
P ( HNO3 ) = 2· K1 · K 2 · f ( NOx )
P ( SO2 ) = 0 (6.16)
K1 · K 3
P ( H 2 SO4 ) = 2 f ( SO2 )
K2
Los términos de la matriz [L] de pérdida de las cuatro sustancias químicas por
consumo durante las reacciones químicas son:
L( NOx ) = 2· K1 · K 2 · f ( NOX )
L( HNO3 ) = 0
K1 · K 3 (6.17)
L( SO2 ) = 2 f( SO2 )
K2
L( H 2 SO4 ) = 0
Una vez obtenidos los vectores de producción y los términos de la matriz de

pérdida de sustancias químicas, se aplica la ecuación (6.7) para obtener el
SEDO en notación matricial:
 f('NOX )   0   2·K1 ·K 2 0 0 0  f ( NOx ) 

 '   2·K1 ·K 2 · f ( NO )   0   
0 0 0
 f ( HNO3 )   x
    f ( HNO3 ) 
 ' =
  0 − K1 · K 3   (6.18)
f
 ( SO2 )     0 0 2
K2
0
 f ( SO2 ) 
 '   2 K1 ·K 3 f ( SO )   
f 
f
 ( H 2 SO2 )   K 2 2
  0 0 0 0   ( H 2 SO4 ) 
y finalmente, aplicando el método BDF2 (ecuación 6.3) la aproximación de la

solución quedaría expresada según (6.19) y preparada para su resolución por
el método de Gauss-Seidel (J G Verwer, 1994).
217/271
−1
 f ( nNO +1
X )
  0 0 0 0 
 n+1   1 0 0 0 0 2·K ·K · f 0 0 
 f( HNO3 )   0 1 0 0  2 
1 2 ( NOx ) 
 n +1  =   + ∆t 0 0 0 0  ×
 f( SO2 )   0 0 1 0 3  
 n+1   0 0 0 1
 0 0 0 2
K1 ·K3 
f ( SO2 )  
 f ( H 2 SO2 )   
 K2 

4 n 1 n −1 2
( n +1
 3 f( NOX ) − 3 f ( NOX ) + 3 ∆t −2·K1 ·K 2 f( NOX ) ) 
 
4 fn 1 n −1
− f
 3 ( HNO3 ) 3 ( HNO3 ) 3
2
( )
+ ∆t 2·K1 ·K 2 · f ( NOX ) 
n +1

 
×  4 1 n−1 2  K1 ·K3 n+1  
(6.19)
 f ( SO2 ) − f ( SO2 ) + ∆t  −2
n
f  
 3 3 3  K 2 ( SO2 )  
 
4 f n 1 n −1 2  K1·K3 n+1  
− + ∆
 3 ( H 2 SO2 ) 3 ( H 2 SO2 ) 3  K 2 ( SO2 )  
f t 2 f
Una vez implementado el módulo químico a resolver en la Subrutina del

programa CHEM4, podemos iniciar la simulación del proceso de advección-
difusión y reacción química, según el algoritmo presentado en los diagramas
6.1, 6.2 y 6.3 resumen del programa CHEM4_ADV_DIF_1D, que implementa
los métodos numéricos desarrollados en los capítulos IV, V y VI, para el
proceso químico (algoritmo TWO_STEP), para el proceso de transporte
advectivo (algoritmo RCM) y para el proceso de difusivo (algoritmo de
diferencias finitas de alto orden).
Problema Lluvia ácida.
- Comportamiento de las reacciones entre NO2 y SO2.

- Generación de ácido nítrico (HNO3) y ácido sulfúrico (H2SO4) catalizado
por la acción de la radiación solar en presencia del radical hidroxilo
(OH·)
Reacciones químicas a estudio:
NO2 + hυ 
K1
→ NO + O ·
OH ·+ NO2 
K2
→ HNO3
(6.11)
Las figuras 6.7a, 6.7b, 6.7c, 6.7d representan la evolución temporal de la

concentración de las cuatro sustancias químicas sometidas a los procesos de
218/271
transporte advectivo-difusivo y reacción química, obtenida ejecutando el

programa CHEM4_ADV_DIF_1D.
La configuración del modelo para este ejemplo académico se ha fijado según

los datos de la tabla 6.2:

DT 0.025 segundos
DX 0.25 metros
U 4.0 m/s (14.4 km/h)
1.089·10-5 m2/s
1.180 ·10-5 m2/s
1.089 ·10-5 m2/s
0.90 ·10-5 m2/s
Conc. inicial NOx 1000 µg/m3
Conc. inicial HNO3 0 µg/m3
Conc. inicial SO2 200 µg/m3
Conc. inicial H2SO4 0 µg/m3
Tabla 6.2. Configuración modelo CHEM3_ADV_DIF_1D para ejemplo 6.3.2
219/271
[NOx]. Tiempo = 0.0 min [NO3H]. Tiempo = 0.0 min

1000
100
NO x NO3H

800
80
600
60
400
40
200
20
0
0
0 12.8 25.5 0 12.75 25.5

[SO2]. Tiempo = 0.0 s [SO4(H2)]. Tiempo = 0.0 min

200
20
SO 2 SO4H2
Valor de la función (microg/ m3)

150
15
100
10
50
5
0
0 12.75 25.5 0 12.75 25.5

Fig. 6.7a. Representación de la evolución de la función concentración para el NOx, NO3H, SO2,
SO4H2, en el instante incial
220/271
[NOx]. Tiempo = 40 min [NO3H]. Tiempo = 40 min

800 1000
100
NO x NO3H

80
600
60
400
40
200
20
0
0
9.6 22.35 35.1 9.6 22.35 35.1
[SO2]. Tiempo = 40 min [SO4(H2)]. Tiempo = 40 min

200
20
SO2 SO 4H 2
Valor de la func ión (microg/ m3)
Valor de la función (mic rog/ m3)
150
15
100
10
50
5
0
0
9.6 22.35 35.1 9.6 22.35 35.1

Fig. 6.7b. Representación de la evolución de la función concentración para el NOx, NO3H, SO2,
SO4H2, para t = 40 min.
221/271
[NOx]. Tiempo = 1.1 h [NO3H]. Tiempo = 1.1 h

800 1000
100
NO x NO3 H

80
600
60
400
40
200
20
0
0
16 28.75 41.5 16 28.75 41.5
[SO2]. Tiempo = 1.1 h [SO4(H2)]. Tiempo = 1.1 h

200
20
SO2 SO 4H 2
Valor de la función (mic rog/ m3)

150
15
100
10
50
5
0
16 28.75 41.5 16 28.75 41.5

Posición (Km) Pos ición (Km)
Fig. 6.7c. Representación de la evolución de la función concentración para el NOx, NO3H, SO2,
SO4H2, para t = 1.1 h.
222/271
[NOx]. Tiempo = 4.4 h [NO3H]. Tiempo = 4,4 h
800 1000
200
NO x NO 3H

150
600
100
400
50
200
0
0
64 76.75 89.5 64 76.75 89.5
[SO2]. Tiempo = 4.4 h [SO4(H2)]. Tiempo = 4.4 h

200
SO 2 20 SO 4H2
150
15
100
10
50
5
0
64 76.75 89.5 64 76.75 89.5

Fig. 6.7d. Representación de la evolución de la función concentración para el NOx, NO3H,

SO2, SO4H2, para t = 4.4 h.
223/271
VI. Modelización de la advección-difusión y reacción química de cont. en la atmósfera.
VI.4 Descripción del algoritmo advección-difusión-reacción química para

la dispersión de contaminantes químicos en la atmósfera 2D
A continuación vamos a comentar la explicación del programa desarrollado en

FORTRAN90 donde se implementan los procesos advectivo, difusivo y de
reacción química en 2D. Las diferencias con respecto al programa desarrollado
en 1D se numeran a continuación:
- En este caso se va a discretizar el dominio mediante un mallado que

sigue el modelo Arakawa C-grid (descrito en los capítulos II, y V).
Mediante esta discretización del dominio podemos implementar el
método de separación de operadores denominado “STRANG SPLIT”
para emplear el modelo numérico de resolución de la ecuación de
advección-difusión en 1D en el caso de 2D, de manera que pasamos de
la EDP de advección difusión en 2D a dos ecuaciones de advección-
difusión en 1D.
∂f ∂f ∂f ∂2 f ∂2 f
= u +v +α 2 +α 2 (6.12)
∂t ∂x ∂y ∂x ∂y
Pasamos de esta EDP a dos EDPs como sigue:
 ∂f ∂f
∂f ∂f ∂ f 2  ∂t = u ∂x
= u +α 2 
→  (6.13)
∂t ∂x ∂x  ∂f = α ∂ f
2
 ∂t ∂x 2
 ∂f ∂f
 ∂t = u ∂y
∂f ∂f ∂ f 2

=v +α 2 
→ 
∂t ∂y ∂y  ∂f = α ∂ f
2
 ∂t ∂y 2
- A su vez, los procesos de advección, difusión y reacción química se van

se van a resolver por un método de partición, de manera que se va a
resolver en un primer momento la química del problema, para
posteriormente resolver la advección y finalmente la difusión en cada
una de las dimensiones del problema. Es importante resaltar que el
proceso químico es más restrictivo a la hora de fijar un incremente de
paso de tiempo de integración, por lo que será este el que fijaremos,
haciendo múltiplo el tamaño de paso del proceso de transporte, del paso
químico.
224/271
- El modelo químico se mantiene invariable con respecto a lo comentado

en el apartado VI.2. Al ser el procesador químico un modelo que hace
reaccionar la concentración de cada sustancia en cada punto del
dominio discretizado mediante el modelo Arakawa C-Grid, se va a llevar
a cabo una partición por ejes, de manera que hacemos reacción cada
punto en el eje x y posteriormente realizamos el mismo proceso en el eje
y, y finalmente, una vez ejecutados todos los puntos de la malla, se
reconstruye el valor de la función y de su integral ponderada en el centro
de cada celdilla, de la malla Arakawa C-grid.
∂f ∂f ∂2 f
= u + α 2 + Qx
∂t ∂x ∂x
(6.14)
∂f ∂f ∂2 f
=v + α 2 + Qy
∂t ∂y ∂y
siendo:
∂f
= variación de la concentración con respecto al tiempo.
∂t
u, v = velocidad del viento en el eje x e y.
α= coeficiente de difusión del contaminante químico.
∂f ∂f
, = término advectivo en el eje x e y.
∂x ∂y
∂2 f ∂2 f
, = término difusivo en el eje x e y.
∂y 2 ∂x 2
Qx , Qy = término relativo a la reacción química en el eje x e y.
- La estabilidad del método, se comprueba mediante el cálculo de los

coeficientes de estabilidad advectivo y difusivo.
∆t
CFLD = α
∆x 2
∆t
CFLA = u (6.16)
∆x
Al igual que en el capítulo V, los coeficientes de estabilidad para el caso de 2D

se ven restringidos en un 40 % (ver apartado V.5.2, Simulaciones del
transporte advectivo difusivo en 2D).
225/271
226/271
ISTEP = 1, NT
227/271
ISTEP = 1, NT
228/271
Dentro de este apartado dedicado a las simulaciones en 2D, vamos a realizar

una simulación con datos de contaminantes reales. El problema va a
contemplar las ecuaciones químicas base de la generación de los precursores
de la lluvia ácida (6.4). Las emisiones serán similares a los valores de emisión
aproximados a los producidos tras una combustión incompleta de dióxido de
azufre y de óxidos de nitrógeno en centrales térmicas para una localización
puntual dentro del dominio discretizado con incrementos de tiempo y espacio
de integración que nos permitan estudiar la evolución de la pluma de
contaminante durante un plazo temporal elevado.
229/271
VI.4.1 CASO REAL 1. Modelización del transporte advectivo-difusivo con

reacción química para los precursores de lluvia ácida, dióxido de azufre y
óxidos de nitrógeno.
En este caso, se modifica el caso real en 1D, para aplicarlo a un problema en

2D. La emisión está compuesta de una pluma de contaminante compuesta de
los precursores de la lluvia ácida, óxidos de nitrógeno, NOx (NO2+NO) y dióxido
de azufre, SO2. Durante el proceso de dispersión, observaremos como los
contaminantes primarios reaccionan y generan ácido nítrico, HNO3, y ácido
sulfúrico H2SO4, mientras la pluma se desplaza y deforma por acción conjunta
de la advección-difusión en una malla discretizada en 2D.
Las reacciones químicas que se emplean para la simulación según (Finlayson-

Pitts & Pitts, 2000; Montero et al., 2004; Sanín & Montero, 2007) son:
NO2 + hυ 
K1
→ NO + O ·
OH ·+ NO2 
K2
→ HNO3
(6.17)
Como se puede observar, la primera reacción química es de origen

fotoquímico, por tanto, la velocidad de la reacción dependerá de la intensidad
de luz incidente, y variará en función de la hora del día. Los valores de las
constantes de reacción son:
10−5 e 7 sec( t ) 04:00 h - 20:00 h

k1 =  −40 (6.18)
10 20:00 h- 04:00 h
siendo:
0.2
 1 
sec( t ) =  sen  π ( th − 4 )  
  16 
th = t h − 24  t h 24  (6.19)
t h = t 3600
Las otras dos reacciones químicas son reacciones termoquímicas, cuyas

constantes de reacción según son:
K 2 = 1.6 · 10 −11
(6.20)
K 3 = 1.5 · 10 −12
230/271
El sistema de ecuaciones diferenciales ordinarias que modeliza la evolución de

estas reacciones químicas, es:
df( NOX )
= −2 K1 ⋅ K 2 ⋅ f( NOX )
dt
df( HNO3 )
= 2 K1 ⋅ K 2 ⋅ f( NOX )
dt
df( SO2 ) K1 ⋅ K 3 (6.21)
= −2 ⋅ f( SO2 )
dt K2
df( H 2 SO4 ) K1 ⋅ K 3
=2 ⋅ f ( SO2 )
dt K2
Para emplear el método BDF2 adaptado para resolverse mediante una técnica
iterativa, necesitamos expresar el sistema de ecuaciones diferenciales
ordinarias en función de los términos de producción {P} y consumo [L] (ver
capítulo III, y VI.3.2).
P ( NOx ) = 0 L( NOx ) = 2· K1 · K 2 · f ( NOX )

P ( HNO3 ) = 2· K1 · K 2 · f ( NOx ) L( HNO3 ) = 0
P ( SO2 ) = 0 K1 · K 3 (6.22)
L( SO2 ) = 2 f( SO2 )
K1 · K 3 K2
P ( H 2 SO4 ) = 2 f ( SO2 )
K2 L( H 2 SO4 ) = 0
Una vez obtenidos los vectores de producción y los términos de la matriz de

pérdida de sustancias químicas, se aplica la ecuación (6.7) para obtener el
SEDO en notación matricial:
 f('NOX )   0   2·K1 ·K 2 0 0 0  f ( NOx ) 

 '   2·K ·K · f  
0 0 0

0  
f 
 ( HNO3 )   1 2 ( NO )
 
x
  f ( HNO3 ) 
 ' = 0 − K1 · K 3   (6.18)
 f( SO2 )     0 0 2
K2
0
 f ( SO2 ) 
 '   2 1 3 f ( SO )  
K · K 
f 
f
 ( 2 2 )   K 2
H SO   0
2
0 0 0   ( H 2 SO4 ) 
231/271
y finalmente, aplicando el método BDF2 (ecuación 6.3) la aproximación de la

solución quedaría expresada según (6.19) y preparada para su resolución por
el método de Gauss-Seidel (J G Verwer, 1994).
−1
 f ( nNO +1
X )
  0 0 0 0 
 n +1   1 0 0 0 0 2·K ·K · f 0 0 
   
 f( HNO3 )   0
1 2 ( NOx )
1 0 0 2
 n +1  = + ∆t 0 0 0 0  ×
 f( SO2 )   0 0 1 0 3  
 n +1   0 0 0

1 0 0 0 2 1 3 f ( SO2 )  
K · K 
 f ( H 2 SO2 )   
 K2 

4 n 1 n −1 2
( )
n +1
 3 f( NOX ) − 3 f ( NOX ) + 3 ∆t −2·K1 ·K 2 f( NOX ) 

 
4 fn 1 n −1
− f
 3 ( HNO3 ) 3 ( HNO3 ) 3
2
( )
+ ∆t 2·K1 ·K 2 · f ( NOX ) 
n +1

  (6.19)
×  4 1 2  K · K  
 f ( nSO2 ) − f ( nSO−12 ) + ∆t  −2 1 3 f( nSO+12 )  
 3 3 3  K2  
 
4 f n 1 n −1 2  K1 ·K 3 n +1  
− f + ∆t 2
 3 ( H 2 SO2 ) 3 ( H 2 SO2 ) 3  K 2 ( SO2 )  
f
Para la modelización, se emplea un programa en FORTRAN.f90,

CIPCSLR0_ADV_DIF_CHEM4_2D.f90, que implementa los métodos racional
conservativo para resolver la ecuación del transporte, un método de diferencias
finitas de alto orden para resolver la difusión, y un método multipaso implícito,
BDF2 (método de regresión hacia atrás o Backward Differentiaton Formula de
segundo orden) para resolver el módulo químico. Este programa está diseñado
para trabajar en una malla del tipo Arakawa C-Grid, que permite la partición de
procesos, es decir, cada una de ellas se resuelven mediante un proceso de
partición STRANG SPLIT, en cada una de las 2 dimensiones, pasando de un
problema en 2D a dos problemas en 1D.
En la tabla 6.4 se detallan los datos de entrada que alimentan al modelo para
resolver el caso real 1.
232/271
CASO 1: VALORES REALES A LARGO PLAZO.
∆t 10 s
∆x / ∆y 100 m
NX 400
NY 400
NT 500
u 4 m/s
v 4 m/s
-5 2
Difusividad NOx 1.089·10 m /s
-5 2
Difusividad HNO3 1.180 ·10 m /s
-5 2
Difusividad SO2 1.089 ·10 m /s
-5 2
Difusividad H2SO4 0.90 ·10 m /s
NOx 1000 µg/m3
SO2 200 µg/m3
HNO3 0 µg/m3
H2SO4 0 µg/m3
Tabla 6.3 Configuración del modelo CHEMIV_ADV_DIF_2D
En las figuras 6.8, 6.9, 6.10, 6.11, 6.12, 6.13 se puede observar la evolución de
los contaminantes con el paso del tiempo, un número de pasos de tiempo t =
0, 20, 50, 90, 150, 180 minutos.
233/271
NOx T = 0.0 min HNO3
SO2 H2SO4
Fig.6.8 Concentraciones NOx, SO2 en 0 min
SO2 H2SO4
Fig.6.9 Concentraciones NOx, SO2 para 20 min.
234/271
SO2 H2SO4
SO2 H2SO4
Fig.6.11 Concentraciones NOx, SO2 para 90 ∆t
235/271
SO2 H2SO4
SO2 H2SO4
Fig.6.13 Concentraciones NOx, SO2 para 180 ∆t
236/271
VI. Conclusiones
En este capítulo se ha presentado un modelo de resolución de la ecuación de

advección-difusión y reacción química de contaminantes en la atmósfera. Para
ello se han implementado los siguientes métodos numéricos:
- El método racional conservativo junto con el método de volúmenes

finitos para la parte advectiva de la ecuación de dispersión de
contaminantes que proporciona una solución para la parte advectiva de
las EDP sin pérdidas de masa durante el transporte.
- La parte difusiva se resuelve mediante un nuevo método de diferencias

finitas de alto orden que permite contemplar los procesos de difusión
horizontal hasta ahora no contemplados, en los grandes códigos de
cálculo como CHIMERE o CMAQ.
- El método implícito multipaso BDF2 resuelto mediante la técnica iterativa

Gauss-Seidel se ha implementado para resolver los sistemas de
ecuaciones diferenciales ordinarias (SEDO) rígidos que modelizan las
reacciones químicas de contaminantes en la atmósfera.
El modelo desarrollado se ha utilizado para resolver un conjunto de casos

académicos y reales en una y dos dimensiones, en ellos se contempla la
generación de lluvia ácida a partir de la reacción química de sus precursores
(NO2 y SO2). El desarrollo y validación de los diferentes algoritmos que
componen el modelo se han expuesto en los capítulos precedentes de esta
Tesis y los resultados obtenidos nos demuestran que:
- El modelo nos proporciona una solución a las ecuaciones diferenciales

parciales (EDPs) muy aproximada a la solución real del problema.
- El método de diferencias finitas de alto orden se mantiene estable

(dentro de su límite de estabilidad a lo largo de los intervalos de tiempo).
- El módulo químico nos permite predecir la producción de contaminantes

secundarios que se generan durante el transporte, al entrar en contacto
los diferentes contaminantes primarios presentes en las emisiones
originales. Este módulo químico permite la resolución de sistemas de
ecuaciones diferenciales ordinarias muy rígidas que modelizan
reacciones químicas con velocidades de reacción muy dispares entre sí,
lo que conlleva la aparición de las características de rigidez propias de
estas ecuaciones.
237/271
VII. Conclusiones y líneas abiertas.
238/271
CAPÍTULO VII. CONCLUSIONES Y LÍNEAS ABIERTAS
VII.1 CONCLUSIONES
A continuación pasamos a resumir las conclusiones obtenidas en la presente

Tesis para la construcción de un modelo de transporte, difusión y reacción
química de contaminantes en la atmósfera.
En primer lugar se ha realizado la implementación de un esquema racional

conservativo en la parte advectiva del código de transporte químico
denominado CHIMERE. Se han comparado los resultados obtenidos con otros
esquemas obteniendo una mejora en la exactitud del método.
Además se ha desarrollado en esta Tesis un nuevo método de resolución de la

ecuación de advección-difusión en una y dos dimensiones aplicando el método
racional conservativo con volúmenes finitos para la advección y un método de
diferencias finitas de alto orden para la difusión. Ambos métodos tienen sus
condiciones o límites de estabilidad. Sin embargo estos límites no son muy
restrictivos por lo que las ecuaciones se pueden resolver con intervalos de
tiempo bastante grandes, lo que facilita su utilidad para resolver problemas
reales de contaminación atmosférica.
Se ha aplicado este nuevo método al problema de dispersión de los

contaminantes SO2, NOx, SO4H2 y NO3H, mostrándose en esta Tesis la
importancia de considerar no solo la advección, sino también la difusión de los
contaminantes. Se han utilizado valores reales en estas modelizaciones, por lo
que los resultados obtenidos corresponden a casos que se pueden dar
habitualmente en la dispersión de contaminantes en la atmósfera.
En tercer lugar, se ha modelizado el problema de advección-difusión con

reacciones químicas utilizando un método multipaso implícito para resolver las
ecuaciones diferenciales ordinarias que modelizan las reacciones químicas.
Como finalmente se llega a un sistema discretizado de ecuaciones no lineales,
éste se ha resuelto de forma aproximada utilizando un método simple de
Gauss-Seidel, que converge en muy pocas iteraciones. Se ha aplicado esta
metodología para resolver un problema simplificado que representa la lluvia
ácida producida por centrales térmicas y plantas industriales en una y dos
dimensiones.
239/271
VII.2 LÍNEAS ABIERTAS
Entre las líneas abiertas que podrían constituir una continuación de la presente
Tesis, cabe destacar
- Posible implementación en el modelo CHIMERE del método advectivo-

difusivo propuesto en esta Tesis.
- Adaptación del tamaño de paso variable para la resolución de la química

del modelo de transporte, difusión y reacción química de contaminantes
en la atmósfera.
- Implementación de los procesos de deposición seca y húmeda.
- Desarrollo de aplicaciones informáticas que faciliten el uso al usuario

medio para el desarrollo de una herramienta operativa, útil en la
modelización del transporte de emisiones a pequeña escala.
- Desarrollar posibles aplicaciones en casos reales de centrales térmicas

o plantas industriales con estaciones de medida de contaminantes y
valores atmosféricos situadas en las propias plantas emisoras de
contaminación y en su entorno cercano, que permitan ajustar los
modelos propuestos en esta Tesis, a casos reales.
240/271
VIII. Referencias
241/271
VIII. Referencias
VIII. BIBLIOGRAFÍA Y REFERENCIAS
Barr, R. F., & Watts, H. (1972). Diffusion of some organic and inorganic
compounds in air. Journal of Chemical & Engineering Data, 17(1), 45–46.
Bermejo, R., & El Amrani, M. (2003). A finite element semi-Lagrangian explicit

Runge-Kutta-Chebyshev method for convection dominated reaction-
diffusion problems. Journal of Computational and Applied Mathematics,
154, 27–61.
Bzowski, J., Kestin, J., Mason, E. A., & Uribe, F. J. (1990). Equilibrium and
Transport Properties of Gas Mixtures at Low Density: Eleven Polyatomic
Gases and Five Noble Gases. Journal of Physical and Chemical Reference
Data, 19(5), 1179.
Chin, M., Ginoux, P., Kinne, S., Torres, O., Holben, B. N., Duncan, B. N.,
Martin, R. V, et al. (2002). Tropospheric Aerosol Optical Thickness from the
GOCART Model and Comparisons with Satellite and Sun Photometer
Measurements. Journal of the Atmospheric Sciences, 59(3), 461–483.
Cleveland, W. S., Grosse, E., & Shyu, M. J. (1992). Local Regression Models.
Statistical Models in S. (J. M. Chambers & T. Hastie, Eds.) (pp. 209–376).
New York: Chapman and Hall.
Colella, P., & Woodward, P. (1984). The Piecewise Parabolic Method (PPM) for
gas-dynamical simulations1. Journal of Computational Physics, 54(1), 174–
201.
Cowie, M., & Watts, H. (1971). Diffusion of methane and chloromethanes in air.
Canadian Journal of Chemistry, 49, 74–77.
Derognat, C., Beekmann, M., Baeumle, M., Martin, D., & Schmidt, H. (2003).
Effect of biogenic volatile organic compound emissions on tropospheric
chemistry during the Atmospheric Pollution Over the Paris Area (ESQUIF)
campaign in the Ile-de-France region. Journal of Geophysical Research,
108(D17),
Doll, D. C. (1991). Guideline for Regulatory application of the urban airshed

model.
Dormand, J. R. (1996). Numerical Methods for Differential Equations. A

Computational Approach (p. 368). CRC Press.
Finlayson-Pitts, B. J., & Pitts, J. N. J. (2000). Chemistry of the Upper and Lower
Atmosphere. Theory, Experiments, and Applications (p. 969). Elsevier Inc.
Gavete, L., Vivanco, M. G., Molina, P., Lucía Gavete, M., Ureña, F., & Benito, J.
J. (2012). Implementation in CHIMERE of a conservative solver for the
advection equation—cmmse10. Journal of Computational and Applied
Mathematics, 236(12), 3026–3033.
242/271
VIII. Referencias
Godunov, S. K. (1959). A difference method for numerical calculation of

discontinuous solutions of the equations of hydrodynamics. MAth. Sbornik,
47((89):3), 271–306.
Gupta, M. M., Manohar, R. P., & Stephenson, J. W. (1984). A single cell high
order scheme for the convection-diffusion equation with variable
coefficients. International Journal for Numerical Methods in Fluids, 4(7),
641–651.
Hauglustaine, D. A., Hourdin, F., Jourdain, L., Filiberti, M. A., Walters, S.,
Lamarque, J. F., & Holland, E. A. (2004). Interactive chemistry in the
Laboratoire de Meteorologie Dynamique general circulation model:
Description and background tropospheric chemistry evaluation. Journal of
Geophysical Research - Atmospheres, 109(D4), 44 PP.
Hundsdorfer, W., & Verwer, J. G. (2003). Numerical Solution of Time-

Dependent Advection-Diffusion-Reaction Equations. SIAM Review (Vol. 33,
p. 471). New York: Springer-Verlag Berling Heidelberg.
Institute Pierre-Simon Laplace (C.N.R.S.), & INERIS, L. (C. N. R. S. . (2007).

Documentation of the chemistry-transport model CHIMERE [version
chimere2008]. Retrieved from http://www.lmd.polytechnique.fr/chimere/
Jacobson, M. Z. (2005). Fundamentals of Atmospheric Modeling. Cambridge

University Press.
John, V., & Schmeyer, E. (2008). Finite element methods for time-dependent
convection–diffusion–reaction equations with small diffusion. Computer
Methods in Applied Mechanics and Engineering, 198(3-4), 475–494.
Lattuati, M. (1997). Contribution à l’étude du bilan de l'ozone troposphérique à

l'interface de l'Europe et de l'Atlantique Nord: Modélisation lagrangienne et
mesures en altitude. University de Paris 6.
Marrero, T. R., & Mason, E. A. (1972). Gaseous Diffusion Coefficients. Journal

of Physics and Chemistry reference Data, 1, 3–118.
Massman, W. J. (1998). A review of the molecular diffusivities of H2O, CO2,

CH4, CO, O3, SO2, NH3, N2O, NO, and NO2 in air, O2 and N2 near STP.
Atmospheric Environment, 32(6), 1111–1127.
Molina, P., Gavete, L., García Vivanco, M., Palomino, I., Gavete, M. L., Ureña,
F., & Benito, J. J. (2011a). Comparing different solvers for the advection
equation in the CHIMERE model. In J. Vigo-Aguilar (Ed.), Proceding of the
2011 International Conference on Computational and Mathematical
Methods in Science and Engineering. (Vol. II, pp. 1491–1504).
Molina, P., Gavete, L., García Vivanco, M., Palomino, I., Gavete, M. L., Ureña,
F., & Benito, J. J. (2011b). A Comparison of Different Advective Solvers in
243/271
VIII. Referencias
the CHIMERE air quality model.- ICCSA 2011. Lecture Notes in Computer
Science., 6785, 35–49.
Montero, G., Montenegro, R., Escobar, J. M., Rodriguez, E., & González-Yuste,
J. M. (2004). Un modelo numérico de transporte de contaminantes en la
atmósfera.
Noye, B. J., & Tan, H. H. (1989). Finite difference methods for solving the two-
dimensional advection-diffusion equation. INTERNATIONAL JOURNAL
FOR NUMERICAL METHODS IN FLUIDS, 9(May 1987), 75–98.
Roux, J. (2002). Numerical methods for air quality modeling with application to
one model (CHIMERE). Ecole Polytechnique.
Sandu, A., Verwer, J. G., Van Loon, M., Carmichael, G. R., & Potra, F. A.
(1997). Benchmarking stiff ODE solvers for atmospheric chemistry
problems II: Rosenbrok solvers. Atmospheric Environment, 31(20), 1352–
2310.
Sanín, N., & Montero, G. (2007). A finite difference model for air pollution
simulation. Advances in Engineering Software, 38(6), 358–365.
Seinfeld, J. H., & Pandis, S. N. (1997). Atmospheric Chemistry and Physics:

From Air Pollution to Climate Change (p. 1326). Wiley-Interscience.
Sportisse, B. (2010). Fundamentals in Air Pollution. From Processes to

Modelling (p. 299). Springer.
Spotz, W. F., & Carey, G. F. (2001). Extension of high-order compact schemes

to time-dependent problems. Numerical Methods for Partial Differential
Equations, 17(6), 657–672.
Tesche, T. W., Georgopoulos, P., & Seinfeld, J. H. (1990). Improvement of

Procedures for Evaluating Photochemical Models. Radian, Sacramento,
CA.
Van Leer, B. (1979). Towards the ultimate conservative difference scheme. V. A

second-order sequel to Godunov’s method. Journal of Computational
Physics, 32(1), 101–136.
Van Leer, Bram. (1977). Towards the ultimate conservative difference scheme.
IV. A new approach to numerical convection. Journal of Computational
Physics, 23(3), 276–299.
Vautard, R., Bessagnet, B., Chin, M., & Menut, L. (2005). On the contribution of
natural Aeolian sources to particulate matter concentrations in Europe:
Testing hypotheses with a modelling approach. Atmospheric Environment,
39(18), 3291–3303.
244/271
VIII. Referencias
Verwer, J G. (1994). Gauss–Seidel Iteration for Stiff ODES from Chemical

Kinetics. SIAM Journal on Scientific Computing, 15(5), 1243.
doi:10.1137/0915076
Verwer, J G, Blom, J. G., & Hundsdorfer, W. (1996). An implicit-explicit

approach for atmospheric transport-chemistry problems. Applied Numerical
Mathematics, 20(1-2), 191–209.
Verwer, J. G., Blom, J. G., Van Loon, M., & Spee, E. J. (1996). A Comparison of
Stiff ODE Solvers for Atmospheric Chemistry Problems. Atmospheric
Environment, 30(1), 49–58.
Verwer, J.G., & Simpson, D. (1995). Explicit methods for stiff ODEs from
atmospheric chemistry. Applied Numerical Mathematics, 18(1-3), 413–430.
Williamson, J. A. (1972). Fundamentals of Air Pollution. Reading: Addison-

Wesley.
Xiao, F. (2002). Conservative and oscillation-less atmospheric transport

schemes based on rational functions. Journal of Geophysical Research,
107(D22), 4609.
Xiao, Feng, & Peng, X. (2004). A convexity preserving scheme for conservative
advection transport. Journal of Computational Physics, 198(2), 389–402.
Xiao, Feng, & Yabe, T. (2001). Completely Conservative and Oscillationless

Semi-Lagrangian Schemes for Advection Transportation. Journal of
Computational Physics, 170(2)
Yaws, C. L. (1989). Handbook of Transport Property Data (p. 203). Gulf,

Houston: Inst of Chemical Engineers UK.
245/271
VIII. Apéndices
APÉNDICES
APÉNDICE I. MODELOS NUMÉRICOS DE PREDICCIÓN

METEOROLÓGICA.
APÉNDICE II. MÉTODOS NUMÉRICOS EMPLEADOS EN LA RESOLUCIÓN

DE LA ECUACIÓN DE TRANSPORTE ADVECTIVO INCLUIDOS EN EL
MÓDULO DE TRANSPORTE DEL MODELO CHIMERE.
APÉNDICE III. ESTRUCTURA DEL PROGRAMA TWO_STEP PARA LA
RESOLUCIÓN DE LA QUÍMICA DEL OZONO TROPOSFÉRICO.
246/271
VIII. Apéndices
APÉNDICE I. MODELOS NUMÉRICOS DE PREDICCIÓN

METEOROLÓGICA.
AI.1.- INTRODUCCIÓN.
Los modelos meteorológicos son ecuaciones matemáticas que permiten la

obtención de campos meteorológicos (por ejemplo, viento, temperatura) en
toda la región modelada. Además, pueden proporcionar valores de otras
variables meteorológicas más complejas, que el modelo estima a partir de
distintas ecuaciones y parametrizaciones.
Para efectuar los cálculos, los modelos necesitan cierta información de entrada
que variará en función del tipo de modelo (por ejemplo, topografía, usos del
suelo; observaciones de viento de modelos de diagnóstico). Entre los
resultados (variables de salida) de los modelos meteorológicos se encuentran,
normalmente, el campo de vientos, la temperatura, la altura de la capa de
mezcla, el ritmo de precipitación, así como información sobre otras variables.
Este tipo de información resulta de gran importancia para la aplicación de
modelos de dispersión de contaminantes. Por ejemplo, el carácter de los
vientos va a determinar el grado de dispersión de los contaminantes,
transportándolos en mayor o menor medida. La altura de capa de mezcla, a su
vez, va a condicionar la dispersión vertical (mezcla vertical), ya que representa
la altura hasta la cual se produce la mezcla vertical de los contaminantes, y el
ritmo de precipitación estará relacionado, por ejemplo, con cierto tipo de
procesos de eliminación de material de la atmósfera (procesos de depósito
húmedo).
AI.2 BASES MATEMÁTICAS DE LA PREDICCIÓN METEOROLÓGICA.

MATEMÁTICAS DE LOS FLUIDOS
La predicción del tiempo se basa en modelos de dinámica de fluidos formados

por ecuaciones en derivadas parciales no lineales, que en su forma general son
muy complicados y tienen una gran dificultad matemática. Debido a esta
dificultad en la resolución analítica se hace uso del cálculo de aproximaciones
mediante el empleo de métodos numéricos para la resolución de este conjunto
de ecuaciones en derivadas parciales (EDP).
Uno de los grandes capítulos de la mecánica de fluidos es el desarrollo y

resolución de modelos matemáticos de la dinámica atmosférica, con el fin de
predecir el tiempo, la ocurrencia de fenómenos meteorológicos adversos y el
clima.
247/271
VIII. Apéndices
AI.2.1 Principios físicos y ecuaciones de la dinámica atmosférica.
Las ecuaciones que modelizan la evolución de la atmósfera son la expresión

matemática de principios generales de la física, de la mecánica de fluidos,
aplicados a una muy pequeña parcela de aire que se sigue en su movimiento.
En 1904, el científico noruego Vilhelm Bjerknes definió por primera vez que la
predicción del tiempo es un problema matemático y enunció las siete
ecuaciones en derivadas parciales con siete funciones incógnitas (las tres
componentes de la velocidad del viento, la presión, la densidad, la temperatura
y la humedad específica) que gobiernan la dinámica atmosférica. A estas
funciones incógnitas se las denomina variables meteorológicas.
Los principios físicos de los que parten las 7 ecuaciones son:
- La segunda ley de Newton para la definición de la aceleración de la

masa de aire a estudio.
- La ley de Conservación de la masa, que indica cómo evolucionará la
cantidad de materia que compone la masa de aire durante su
movimiento.
- La Ley de gases ideales que relaciona la presión y la temperatura de los
gases componentes de la masa de aire en movimiento.
- El Principio de Conservación de la Energía aplicado a la masa de aire.
- La descripción de la variación del vapor de agua de la masa de aire.
El primero de los principios es la segunda ley de Newton, que dice que “la
fuerza es igual a la masa por la aceleración”. Así, en un sistema de referencia
inercial, la aceleración absoluta de una parcela de aire es igual a la fuerza que
se ejerce sobre la parcela dividida por su masa:
da va F
= (A1.1)
dt m
En un sistema de referencia con origen en el centro de la Tierra y que gira con

ella, la velocidad absoluta de la parcela es la suma de la velocidad relativa v de
la parcela con respecto al sistema de referencia y de la velocidad debida al giro
de la Tierra. Esto hace que en los sistemas rotatorios haya dos fuerzas
aparentes: La fuerza de Coriolis y la fuerza centrífuga. Las fuerzas reales que
actúan sobre la parcela de aire son tres: el empuje debido a las diferencias de
presión, la fuerza gravitatoria y la fuerza de rozamiento de la parcela del aire
con el resto de la atmósfera. Así, vista desde la Tierra, la segunda ley de
Newton se escribe:
dv 1
= − ∇p + g − 2 Ω v + Fr (A1.2)
dt ρ
248/271
VIII. Apéndices
Donde p es la presión en la parcela de aire, ρ la densidad de la parcela y Ω

la velocidad angular de la rotación terrestre. En esta ecuación, el primer
miembro es la aceleración de la parcela respecto al sistema de referencia que
gira con la Tierra y el segundo contiene las fuerzas por unidad de masa: el
primer término es la fuerza gradiente de presión, el segundo la aceleración
gravitatoria aparente g , que agrupa la aceleración gravitatoria real y la
centríguga, −2 Ω v es la aceleración de Coriolis y Fr la fuerza de rozamiento
de la parcela del aire con el resto de la atmósfera. Esta es una ecuación
vectorial que tiene tres componentes, tres ecuaciones escalares.
El segundo principio general es la Ley de Conservación de la Masa, que afirma

que cuando se sigue una parcela de aire en su movimiento, la masa de la
parcela se conserva. Esta ley se traduce en la ecuación de continuidad:
∂ρ
+ v ∇ρ = −ρ∇ v (A1.3)
∂t
El siguiente principio, la ecuación de los gases ideales, nos dice que cuando la
densidad de un gas es pequeña, el producto de la presión por el volumen es
prácticamente proporcional a la temperatura, o de forma más precisa, un gas
se dice perfecto si la presión es directamente proporcional al producto de la
densidad por la temperatura. Suponiendo que la atmósfera se comporta como
un gas perfecto entonces se cumple la siguiente relación:
p = R ρT (A1.4)
donde R es la constante de los gases y T la temperatura de la parcela de aire.
El Principio de Conservación de la Energía aplicado a una parcela de aire

afirma que el calor suministrado a una parcela de aire se utiliza para aumentar
su energía interna, su temperatura o para producir trabajo de dilatación. La
ecuación que recoge este principio es:
dT dα
Cv +ρ =Q (A1.5)
dt dt
1
Donde Cv , es el calor específico del aire a volumen constante, α = el
ρ
volumen específico, y Q la tasa de calor por unidad de masa emitida
(absorbida) debido a la condensación (evaporación), congelación (fundición),
calentamiento solar y calentamiento infrarrojo.
Para terminar, la variación del vapor del agua q por unidad de masa contenido
en una parcela de aire es igual a los aportes de vapor de agua debidos a la
evaporación ( E ), menos las pérdidas debidas a la condensación ( C ):
249/271
VIII. Apéndices
dq
= E −C (A1.6)
dt
Estas siete ecuaciones están escritas en un sistema de referencia cartesiano

de origen el centro de la Tierra y que gira con ella. Ahora bien, como la Tierra y
la atmósfera que la rodea son aproximadamente una esfera, es natural utilizar
como coordenadas de la posición de la parcela de aire la longitud, la latitud y la
altitud z sobre la superficie de la Tierra. Transformando las ecuaciones a estas
coordenadas se obtiene el modelo básico de la dinámica atmosférica.
AI.2.2 LAS ECUACIONES METEOROLOGICAS DEL MOVIMIENTO
Las ecuaciones del movimiento de los fluidos definidas previamente solo son
válidas para un sistema de coordenadas inercial. Ahora bien, en meteorología
se utilizan como referencia sistemas ligados a la superficie de la Tierra. Esto
supone dos alteraciones en las ecuaciones, las debidas a la rotación terrestre
(fuerza de Coriolis) y las debidas a la forma esférica de la Tierra. Se tiene por
tanto que modificar esas ecuaciones para escribirlas en las nuevas
coordenadas.
Sea (x,y,z) un sistema de coordenadas cartesianas que está fijado a la

superficie terrestre. La coordenada x es la distancia sobre el paralelo terrestre
(hacia el este x es positivo), la coordenada y es la distancia sobre el meridiano
(hacia el norte y es positiva) y la coordenada z es la altura sobre la superficie
terrestre.
Designaremos por u la componente del viento en la dirección de x, por v la

componente de la dirección de y; y por w la componente en la dirección de z.
Escribiendo las ecuaciones en estas nuevas variables y haciendo un análisis

del orden de magnitud de los distintos términos de las ecuaciones de forma que
se eliminen los términos de menor influencia atendiendo a la escala de los
fenómenos meteorológicos que se quieran tratar; para las latitudes medias del
hemisferio norte y escala sinóptica se obtiene así el sistema simplificado:
∂u ∂u ∂u ∂u 1 ∂p
+u +v +w =− + fv + f rx
∂t ∂x ∂y ∂z ρ ∂x (A1.7)
∂v ∂v ∂v ∂v 1 ∂p
+u +v + w = − − fu + f ry
∂t ∂x ∂y ∂z ρ ∂y (A1.8)
250/271
VIII. Apéndices
∂w ∂w ∂w ∂w 1 ∂p
+u +v +w =− − fv + f rz
∂t ∂x ∂y ∂z ρ ∂z (A1.9)
∂p
= −gρ
∂z (A1.10)
p = ρ RT (A1.11)
∂ρ ∂ρ ∂ρ ∂ρ  ∂u ∂v ∂w 
+ u + v + w = −ρ  + + 
∂t ∂x ∂y ∂z  ∂x ∂y ∂z  (A1.12)
 ∂T ∂T ∂T ∂T  RT  ∂ρ ∂ρ ∂ρ ∂ρ 
Cp  + u +v +w  =  +u +v + w  = Q
 ∂t ∂x ∂y ∂z  p  ∂t ∂x ∂y ∂z  (A1.13)
∂q ∂q ∂q ∂q
+u +v +w = Q'
∂t ∂x ∂y ∂z (A1.14)
El término f = 2 Ω senϕ en las ecuaciones (A1.6), (A1.7), (A1.8), donde Ω

corresponde a la velocidad de rotación de la Tierra y φ la latitud, se denomina
parámetro de Coriolis, en honor del matemático francés Gaspard Gustav de
Coriolis (1792-1843).
Notemos que la ecuación (A1.8) es la Ecuación Hidrostática, que expresa la

variación de la presión con la altura. Hay que resaltar que la simplificación
hidrostática permite filtrar las ondas acústicas, que sin embargo son solución
de las ecuaciones generales.
Básicamente, éste es el sistema propuesto por V. Bjerknes a principios del

siglo XX y que intentó resolver L.F. Richardson a finales de los años 1910.
Las ecuaciones en derivadas parciales anteriores son una variante de las

denominadas ecuaciones de Navier-Stokes y como para éstas, solo se han
hallado soluciones analíticas (expresiones matemáticas explícitas) en unos
pocos casos particulares. La dificultad esencial reside en las no linealidades, en
concreto en la presencia de términos del tipo:
∂ ∂ ∂
u +v +w
∂x ∂y ∂z (A1.15)
denominados términos advectivos. Como ya se ha comentado anteriormente,

para resolverlas es necesario utilizar aproximaciones numéricas ejecutadas con
un ordenador.
251/271
VIII. Apéndices
AI.3 RESOLUCIÓN NUMÉRICA
Las ecuaciones anteriores conforman un sistema de ecuaciones en derivadas

parciales que modelizan el comportamiento de una masa de aire en la
atmósfera. Para su resolución es necesario definir las condiciones iniciales y
las condiciones de contorno, es decir, los valores de las variables en la frontera
del dominio espacial de resolución. Debido al carácter no lineal de las
ecuaciones el sistema con las correspondientes ecuaciones iniciales y de
contorno, no se puede resolver obteniendo una solución analítica. Su
resolución solo se puede abordar con métodos numéricos, convirtiendo el
problema continuo en uno discreto, para luego resolverlo en un ordenador y
obtener así valores aproximados de las variables meteorológicas.
Las ideas directrices de la resolución numérica de estas ecuaciones se pueden

resumir en las siguientes:
1. Discretización del espacio.
Se divide la atmósfera en cajas y se considera que en cada una de las

cajas las variables meteorológicas son homogéneas, que valen lo
mismo). Según los modelos y los plazos de las predicciones, las
dimensiones horizontales de estas cajas pueden ir desde diez a unas
pocas centenas de kilómetros y el número de niveles de altura desde
unos veinte hasta sesenta.
2. Discretización de las ecuaciones.
Una vez discretizada la atmósfera, se tienen que adaptar las ecuaciones

a esta atmósfera con un número finito de componentes. Para fijar las
ideas consideremos la ecuación (A1.5) de la humedad específica de
vapor de agua en forma desarrollada:
∂ρ ∂q ∂q ∂q
= −u −v − w + E −C
∂t ∂x ∂y ∂z (A1.16)
Donde u, v, y w son las tres componentes de la velocidad de la parcela

de aire. Supongamos conocidos los valores de las distintas variables en
las cajas en que se ha dividido la atmósfera, en el instante t.
Discretizando las derivadas espaciales de q mediante fórmulas del tipo
(diferencias finitas):
252/271
VIII. Apéndices
 ∂ρ   qi +1, j ,k − qi −1, j ,k 
 ∂x (t ) ≅  2∆x

i , j ,k  t (A1.17)
Donde qi,j,k es el valor de q en el instante t en la caja con centro de

coordenadas (i,j,k) y ∆x la dimensión de las cajas en la dirección de la
variable x, se obienen valores aproximados de esas derivadas en las
cajas atmosféricas. Con estos valores de la ecuación (6) se obtienen
dq
(t )
valores aproximados de dt en las cajas atmosféricas en el instante t.
De la discretización de la deriva temporal de q:
∂q q(t + ∆t ) − q(t )
(t ) ≅
∂t ∆t (A1.18)
O lo que es lo mismo de:
 ∂q 
qi, j ,k (t + ∆t ) ≅ qi , j ,k (t ) + ∆t  (t ) 
 ∂t i, j ,k (A1.19)
Donde ∆t es un paso de tiempo, se obtienen valores aproximados de q

en las cajas en el instante posterior t + ∆t y repitiendo sucesivamente
el proceso descrito, mediante un número finito de operaciones se puede
avanzar paso a paso hasta obtener valores aproximados de las variables
en el instante deseado.
Cuanto más pequeñas sean las cajas atmosféricas y menor el paso de

tiempo, el coste de la resolución es mayor, pero cabe esperar que la
aproximación será mejor.
3. Asimilación de datos.
Para arrancar el proceso de resolución se necesita conocer el estado de

la atmósfera en un instante inicial de partida, más exactamente el valor
de las magnitudes meteorológicas en todas las cajas en t = 0. Para
determinar esos valores se parte de los datos proporcionados por una
extensa red de recogida de datos meteorológicos “in situ” sobre la
superficie terrestre y en capas altas de la atmósfera (observatorios,
253/271
VIII. Apéndices
estaciones automáticas en tierra, boyas marinas, barcos mercantes,

globos sonda, aviones comerciales…) y por aparatos de teledetección,
como son los satélites meteorológicos geoestacionarios, los polares y
los radares meteorológicos.
Las estaciones meteorológicas no están igualmente distribuidas por toda

la superficie terrestre ni por toda la atmósfera, de unas zonas
geográficas se tienen muchos más datos que de otras y hay pocos datos
en altura. En lo que respecta a los satélites polares, barren
continuamente la Tierra y sus medidas no se obtienen simultáneamente
en todos los puntos. Con toda esta gran cantidad de datos, mal
distribuidos, hay que construir el estado inicial de las variables
meteorológicas en todas las cajas atmosféricas. Además, todas las
variables meteorológicas tienen que estar relacionadas entre sí, ya que
conforman un estado instantáneo de la atmósfera. El proceso de pasar
de los datos observados a las condiciones iniciales se denomina
“asimilación de datos”. Actualmente los modelos meteorológicos
operativos más avanzados lo hacen resolviendo un problema
matemático de optimización dinámica denominado Asimilación
Variacional 4D-VAR. La idea subyacente de este método consiste en
fijar un intervalo temporal precedente, por ejemplo doce horas, y hallar
las condiciones iniciales en todas las cajas atmosféricas minimizando la
diferencia entre el valor real de las condiciones iniciales y los resultados
obtenidos con este modelo para ese intervalo de tiempo inicial.
4. Condiciones de contorno.
Si no se fijan condiciones de contorno, es decir, valores de las variables

meteorológicas en la frontera del dominio de resolución, el problema
sigue sin ser resoluble. En los modelos globales para toda la atmósfera,
el dominio de integración está formado por las superficies inferior y
superior de la atmósfera. En esos casos, hay algoritmos que resuelven
las distintas ecuaciones de forma sucesiva y las condiciones de contorno
no presentan especiales dificultades. En los modelos regionales, en los
que el dominio de integración está limitado lateralmente, una opción
ampliamente utilizada consiste en tomar como condiciones de contorno
los valores obtenidos de la resolución de un modelo global. Se dice
entonces que el modelo regional está anidado en el global.
5. Parametrizaciones físicas.
Toda discretización, sea del tipo que sea y por muy alta que sea su
resolución espacial, por muy pequeñas que sean las cajas atmosféricas,
254/271
VIII. Apéndices
tiene una limitación derivada de la existencia de fenómenos atmosféricos

de “pequeña” escala que no pueden ser resueltos explícitamente por el
modelo discreto. Se incluyen aquí desde movimientos turbulentos con
escalas que varían entre unos pocos centímetros y las dimensiones
horizontales de las cajas atmosféricas, hasta procesos que ocurren a
escala molecular como son la condensación, la evaporación, el
rozamiento y la radiación. Todos estos procesos que no pueden ser
resueltos explícitamente por el modelo numérico, que no son recogidos
por el modelo, los denominaremos procesos de escala subcaja, en
contraposición con los fenómenos de escala resoluble por el modelo.
Por ejemplo, durante el día el calentamiento solar de la superficie
terrestre no sólo calienta el suelo, sino que también hace que las plantas
transpiren y que la humedad del suelo se evapore, teniéndose así un
transporte de vapor de agua a la atmósfera. También, este
calentamiento de la superficie de la Tierra da lugar a un movimiento
atmosférico turbulento sobre todo en sentido vertical, que tiene una
escala horizontal comprendida entre unos centímetros y unos pocos
cientos de metros. Cuando el tamaño horizontal de las cajas está entre
diez y cien kilómetros, los modelos discretos no pueden resolver estos
movimientos.
Los procesos que tienen escalas pequeñas dependen y afectan a los

procesos de escala más grande y a los procesos que son resueltos
explícitamente por los modelos numéricos. Por ejemplo, la condensación
de vapor de agua, de escala subcaja, ocurre cuando la humedad de la
escala del modelo es suficientemente grande y, en sentido inverso, la
condensación libera calor latente que eleva la temperatura de la escala
resoluble del modelo. Por todo esto, si se ignora el efecto de los
procesos subcaja en los campos de escala resoluble, el modelo deja de
ser realista en un plazo de tiempo muy corto y se produce una
degradación de la calidad de la predicción. Para recoger la interacción
entre los fenómenos de escala subcaja y los de escala resoluble, los de
escala subcaja se tienen que parametrizar, es decir, sus efectos se
tienen que formular en términos de las escalas resolubles, lo que
constituye la denominada parte física de los modelos.
6. Modelos numéricos operativos de predicción del tiempo.
Para la predicción del tiempo a medio plazo, entre dos y diez días, se
utilizan modelos numéricos globales de toda la atmósfera. Uno de los
modelos más desarrollados es el del European Center for Medium-
Range Forecast (ECMWF). Actualmente la resolución horizontal del
modelo es de 40 km y tiene 60 niveles de altura. Cuando se quieren
255/271
VIII. Apéndices
hacer predicciones para un horizonte de hasta dos o tres días, por

ejemplo para España, se utilizan modelos regionales, que tienen mayor
resolución que los globales. El modelo regional HIRLAM (High
Resolution Limited Area Model) del Instituto Nacional de Meteorología
(INM) tiene como dominio un cuadrado centrado en España de unos
5000km de lado, con una resolución espacial de 17 km y 40 niveles de
altura. Las condiciones de contorno laterales se obtienen de la solución
del modelo global proporcionadas por el ECMWF. La Agencia Estatal de
Meteorología (AEMET) también integra una versión con una resolución
horizontal de 5 km anidada a la anterior, con la que realiza predicciones
de hasta 24 horas.
El resultado de los modelos de predicción numérica está compuesto por

los valores de las variables meteorológicas en las cajas en que hemos
dividido la atmósfera. A partir de esos valores se realiza lo que se
denomina “postproceso del modelo”, que básicamente consiste en
representar en mapas geográficos bidimensionales los campos
meteorológicos solución del modelo para que puedan ser utilizados por
los “hombres del tiempo” para elaborar sus predicciones.
256/271
VIII. Apéndices
APÉNDICE II. MÉTODOS NUMÉRICOS EMPLEADOS EN LA RESOLUCIÓN

DE LA ECUACIÓN DE ADVECCIÓN INCLUIDOS EN EL MÓDULO DE
TRANSPORTE DEL MODELO CHIMERE.
AII.1. Método Upwind o Godunov
El método de Godunov, también conocido como método Upwind emplea una

función constante de valor ai , representada en una malla genérica en el
intervalo  xi −1 2 , xi +1 2  teniendo en cuenta el sentido de la velocidad, de manera
que el valor de la función interpoladora toma los valores:
Fi ( x ) = ai si u>0
para x ∈  xi −1 2 , xi +1 2 
Fi ( x ) = ai −1 si u>0 (A2.1)
donde ai es el valor de la función, donde los valores iniciales son conocidos
Fi ( xi −1 2 ) = f i n−1 2 = ai (A2.2)
Para el caso de un flujo con valor de la velocidad del viento u>0, el flujo se
calcula según
xi +1 2 xi +1 2 x
i +1 2
1 1 a
= ∫ F ( x )dx = ∫ ai dx = i ( x ) =
n
g i +1 2
∆t xi +1 2 − uin+1 2 ∆t
∆t xi +1 2 − uin+1 2 ∆t
∆t xi +1 2 − uin+1 2 ∆t
=
ai
∆t
( (
xi +1 2 − xi +1 2 − uin+1 2 ∆t ) ) = ∆t u
ai n
i +1 2 ∆t = uin+1 2 ai
(A2.3)
Donde el superíndice corresponde al valor del tiempo.

El valor del flujo, por tanto, se puede calcular para el método de Godunov
original como el valor medio de la integral de la función en cada celda como
un 1 ρ in , si un 1 > 0
 i+2 i+
= n n
2
g
ui + 1 ρ i + 1 , si
1
i+
2 u n
1 <0
i+
 2 2 2 (A2.4)
AII.2. Método VanLeer o MUSCL
El método de VanLeer, conocido como MUSCL (derivado de sus siglas en

inglés de “Monotocnic Upstream-Centered Scheme”) se calcula según la ley de
Conservación, haciendo uso de la técnica minmod, que usa una función lineal
cuya expresión en un mallado genérico en el intervalo definido entre
 xi −1 2 , xi +1 2  para un valor de la velocidad u < 0 es
Fi ( x ) = ai + bi ( x − xi −1 2 ) para x ∈  xi −1 2 , xi +1 2  (A2.5)
257/271
VIII. Apéndices
donde ai , y bi son los coeficientes de la función interpoladora.
ai se calcula a partir del valor en el momento inicial para cada celda mediante
Fi ( xi −1 2 ) = f i n si uin+1 2 ≥ 0
ai = f i n
(A2.6)
Fi ( xi −1 2 ) = f i n+1 si uin+1 2 ≤ 0
ai = f i n+1
Para calcular el valor de la pendiente de la función interpoladora, bi , es

necesario definir un limitador de la pendiente que asuma una relación óptima
entre la función interpoladora y la función original teniendo en cuenta un
comportamiento de crecimiento monótono. Una buena aproximación de este
limitador se facilita en B. van Leer (Van Leer, 1979), como
 f i − f i −1 if
 (δ f i −1 2 − δ f i −3 2 ) > 0
min mod = bin = 
 f i −1 − f i − 2 if (δ f i −1 2 − δ f i −3 2 ) < 0
(A2.7)
donde δ f i = ( f i − f i −1 )
la formulación del flujo vendría dada por
Caso Monótono
 uin+1 2 ρ in + (1 − CFL ) uin+1 2 ∆xi bin si uin+1 2 ≥ 0
g 1 = n
n
 ui +1 2 ρ i +1 + (1 − CFL ) ui +1 2 ∆xi bi si uin+1 2 < 0

i+ n n n
2
Caso no Monótono
(A2.8)
g n 1 = ρ in
i+
2
Donde CFL corresponde a la expresión del número de Courant, necesario para

determinar las condiciones de estabilidad del método. Se calcula según
uin ∆t
CFL =
∆xi (A2.9)
Para conocer el comportamiento monótono de la función se necesita conocer el

valor de la integral en tres puntos ( ρ i − 2 , ρ i −1 , ρ i ) .
258/271
VIII. Apéndices
AII.3. Piecewise Parabolic Method (PPM)
El método PPM (en sus siglas en inglés, “The Piecewise Parabolic

Method”)(Colella & Woodward, 1984) emplea una función interpoladora
parabólica, definida en una malla genérica con límites  xi −1 2 , xi +1 2  para un
valor de la velocidad u<0 como
Fi ( x ) = ai + bi X i + ci X i (1 − X i ) para x ∈  xi −1 2 , xi +1 2  (A2.10)
donde
Xi =
1
∆x i
( x − xi −1 2 )
ai , bi y ci son los coeficientes de la función interpoladora que se obtienen al

fijar condiciones restrictivas que vienen dadas en cada celda por
Fi ( xi −1 2 ) = f i n−1 2
Fi ( xi +1 2 ) = f i n+1 2 (A2.11)
xi +1 2
1
∫ Fi ( x )dx = ρ in
∆xi xi −1 2
donde ∆xi = xi +1 2 − xi −1 2
De esta manera la expresión de los coeficientes ai , bi y ci vienen dados por

ai = Fi ( xi −1 2 )
bi = Fi ( xi +1 2 ) − Fi ( xi −1 2 ) (A2.12)

( 
ci = 6  f i − Fi ( xi −1 2 ) + Fi ( xi +1 2 ) 

1
2 
)
Este método, al utilizar una función interpoladora de alto orden produce errores
provocados por las oscilaciones propias del uso de una función de alto orden
para resolver numéricamente las ecuaciones. Para evitar este efecto se
introduce una modificación de la pendiente utilizada en el método PPM. Para el
caso a estudio se emplea el modificador presentado por Colella y Woodward
(Colella & Woodward, 1984) para obtener el valor de la función en la interfase
de cada celda.
f i n+1 2 = ( ρ in + ρ in+1 ) − (δ f i n − δ f i n−1 )
1 1
(A2.13)
2 6
donde δ f i n es la media de la pendiente en la celda definida en  xi −1 2 , xi +1 2 

como
259/271
VIII. Apéndices
2 min (δ f i , α1 ( ρ i +1 − ρ i ) , α 2 ( ρ i − ρ i −1 ) ) , si ( ρ i +1 − ρ i ) > 0

δ fi =  (A2.14)
2 max (δ f i , α1 ( ρ i +1 − ρ i ) , α 2 ( ρ i − ρ i −1 ) ) , si ( ρ i +1 − ρ i ) < 0
donde δ f i = ( ρ i +1 − ρ i −1 ) 4 . Los valores positivos α1 y α 2 son parámetros que

controlan la media de la pendiente y controlan el error por dispersión de la
solución numérica. Para el método PPM usado en el modelo CHIMERE
α1 = α 2 = 1 (Institute Pierre-Simon Laplace (C.N.R.S.) & INERIS, 2007).
Para asegurar unas buenas propiedades en la formulación de la función es

necesario determinar la monotonicidad parabólica en cada celda. Una vez
asegurado, un segundo algoritmo corrector se emplea para asumir esta
monotonicidad.
El cálculo del flujo viene dado por:
    2 uin+1 2 ∆t   
 uin+1 2  Fi ( xi +1 2 ) − CFL  ∆ai −  1 −
1
c  si uin+1 2 ≥ 0
  2   3 ∆x  i  
   i  
gn 1 =
i+
 n    2 uin+1 2 ∆t  
 i +1 2 i +1 ( i +1 2 )
2 1
u  F x − CFL  ∆ a −  1 +  c  si uin+1 2 < 0
 2  i +1  3 ∆xi +1  i +1  
     
(A2.15)
uin+1 2
donde CFL =
∆x i
260/271
VIII. Apéndices
APÉNDICE 3. ESTRUCTURA DEL PROGRAMA TWO_STEP PARA LA

RESOLUCIÓN DE LA QUÍMICA DEL OZONO TROPOSFÉRICO.
A3.1 ESTRUCTURA
El programa está compuesto de un cuerpo principal y de varias subrutinas que

se encargan de ejecutar diferentes tareas para la correcta resolución del
sistema concreto de ecuaciones diferenciales de la cinética química
atmosférica del ozono.
A3.1.1 Programa Principal
El programa principal tiene como objetivo primordial la declaración de las

variables y parámetros que intervienen en el proceso para su posterior
utilización según avanzan los cálculos y son requeridos. Otro objetivo consiste
en la resolución adecuada por el método multipaso BDF de grado 2 y que
también tiene importancia en el cálculo de la constante cinética de
fotodisociación del NO2 debido a que varía con el transcurso del intervalo
temporal evaluado. También calcula el tiempo para escribir los valores cada 2
horas.
A3.1.2 Subrutina de iniciación: TWOSTEP
Esta subrutina principalmente se encarga del proceso llamar a otras subrutinas

y suministrar las variables y parámetros que necesitan. También comienza la
resolución del sistema de ecuaciones mediante asignación de los parámetros
que intervienen en el método numérico y el cálculo de variables relacionadas
con el propio método numérico y el cálculo del tamaño de paso a partir de las
definidas en el programa principal.
Otra función importante que se realiza en esta subrutina supone la

comprobación del indicador del error local diseñado específicamente para el
cálculo del tamaño de paso y proceder a la aceptación del tamaño de paso
calculado o, en caso de no ser válido, volver a calcular haciéndolo más
pequeño.
261/271
VIII. Apéndices
A3.1.3 Subrutina de cálculo del nuevo tamaño de paso: NEWDT
Esta subrutina tiene como tarea fundamental calcular el nuevo tamaño de paso
a aplicar en la resolución del sistema. Para decidir si debe ser variado el
tamaño de paso o no, se procede al cálculo del indicador de error local
mediante la expresión:
!"#
= |%& ' (!"# ) %& * 1+ ' (! * (! # +/%-. /0 * 1. /0 ' |(0 |+|
(A3.1)
34 3456
siendo & 23 8
476 34
(A3.2)
Una vez calculado el error local se estima el nuevo tamaño de paso que
posteriormente será utilizado para calcular las siguientes soluciones de las
ecuaciones diferenciales.
A3.1.4 Subrutina del ajuste del tamaño de paso: FIT
El objetivo fundamental de esta tarea es ajustar el tamaño de paso para

garantizar que el resto del intervalo de integración es un múltiplo entero de la
amplitud del tamaño de paso actual. El ajuste se realiza cuando el intervalo es
menor que 10. Este ajuste puede inducir a un tamaño de paso más pequeño
que el límite inferior para diez pasos de integración.
Con esto se asegura que el programa calcule los datos en los momentos de
intervalo que son importantes para el seguimiento del proceso así como
permanecer dentro del intervalo que interesa para evitar la redundancia y para
evitar problemas de convergencia en métodos numéricos. En este caso, las
horas en las que se pretende obtener la solución para poder mostrar los
resultados en el periodo deseado y conseguir un apropiado tratamiento de los
datos.
A3.1.5 Subrutina del cálculo cinético y resolución por Gauss-Seidel: ITER
Esta parte del programa está compuesta de dos objetivos principales que
serán:
262/271
VIII. Apéndices
- Calcular los parámetros químicos necesarios para modelizar las

ecuaciones diferenciales como son las constantes cinéticas de las reacciones
inmersas y los términos de producción y pérdida de las mismas.
- Resolver el sistema de ecuaciones diferenciales por Gauss-Seidel.
En primer lugar, en esta subrutina, se fijan las constantes cinéticas de las dos
reacciones en las que permanecen fijas y se crea un bucle para calcular la
constante de fotólisis del NO2 debido a su variabilidad respecto del tiempo,
dependiendo, concretamente, si se trata de día o de noche.
Después, se construyen los términos de producción y consumo de las especies

químicas que componen el modelo y conocidos estos parámetros se resuelve
por Gauss-Seidel la expresión del método BDF2 de paso variable.
A3.1.6 Variables y parámetros definidos en el programa
Se definen las variables principales que se utilizan en todo el programa. El

primer paso realizado por el programa será llevar a cabo la declaración de las
variables principales utilizadas a lo largo del mismo:
- Las iteraciones que se desean para la resolución por Gauss-Seidel.

- El tiempo inicial en segundos y otras variables creadas para el
cálculo necesario a realizar en base horaria.
- Contadores para aceptar o rechazar el cálculo del nuevo tamaño de
paso generado.
- Vectores que se utilizan de manera auxiliar en las aplicaciones, tanto
de Gauss-Seidel como BDF2.
- Las tolerancias, absoluta y relativa, para obtener la solución con el
error deseado para cada una de las especies química que son
calculadas y que, en este caso, son 4.
- Vectores que se utilizan para albergar las soluciones para los pasos
que se necesitan en la aplicación del método numérico y son 3, el
anterior, el actual y el posterior.
263/271
VIII. Apéndices
- Los términos de producción y pérdida definidos para ecuación

diferencial.
A continuación, y después de haber declarado las variables a utilizar en el

programa se define el cuerpo del programa en sí. En primer lugar, se estructura
la apertura de 3 archivos de salida una vez que se ejecuta el programa:
- Salida.dat: Este archivo constituye la salida principal del programa y

ofrece datos de tipo temporal y de concentración. Después escribir la
cabecera donde se detallan las variables generadas, aparecen el
tiempo, reflejado en horas, y las concentraciones de las especies de
estudio en el siguiente orden: O(3P), NO, NO2 y O3.
- R.dat: La estructura es la misma que en el archivo anterior pero la
diferencia es que se ha procedido a eliminar la cabecera de los datos
para así poder realizar el tratamiento de los datos en el programa R
para obtener perfiles de concentración temporales en el intervalo que
interesa estudiar.
- ControlK1.dat: Es un archivo en el que se definen todos los
parámetros auxiliares para el cálculo de la constante cinética de la
reacción correspondiente a la fotodisociación del NO2.
Después se introducen los valores de concentración inicial de las especies que

comportan el sistema que son:
y(1) = concentración de oxígeno atómico (O·).

y(2) = concentración de óxido de nitrógeno (NO).
y(3) = concentración de dióxido de nitrógeno (NO2).
y(4) = concentración de ozono (O3).
El problema consiste en calcular la evolución en el tiempo de los valores de

concentración de las especies que comportan el sistema. El tiempo de
evaluación elegido es desde las 04:00 horas del día 1 de simulación hasta las
264/271
VIII. Apéndices
20:00 horas del día 5 de la simulación. En segundos equivale a comenzar en

14400 y terminar en 564000.
El siguiente paso corresponde a fijar el tiempo inicial del sistema. Este tiempo
que se ha elegido corresponde a las 04:00 horas, lo que en segundos son
14400. Esto se ha definido de esta manera porque la constante
correspondiente a la fotodisociación del NO2 varía en función de la radiación
solar y presenta un comportamiento cíclico a lo largo del día.
Otro parámetro que se establece son los límites del tamaño de paso. Se fija el
mínimo en 1 segundo por razones de eficiencia de cálculo mientras que el
máximo se estipula en 900 segundos para evitar que los cálculos de los
términos químicos puedan degradarse.
Sobre las tolerancias cabe decir que influirán de forma decisiva en el grado de
error de la solución final y, concretamente, en la calidad de la solución
aproximada por el método numérico. Por ello, se han definido las tolerancias
relativas con un valor de 10-3 para cada una de las especies que intervienen en
la cinética química y las tolerancias absolutas se han fijado en 10-1 asimismo
para cada una de las especies químicas para el caso inicial.
Con todas estas variables y parámetros definidos al principio del programa se

llamará a la primera subrutina que se denomina TWOSTEP. Esta subrutina
comienza con la declaración de unos contadores a cero que contabilizarán los
diferentes procesos que se llevan a cabo por la subrutina. Están relacionados
con las iteraciones del método de resolución y con el tamaño de paso, en
función de la tolerancia obtenida por el mismo o si simplemente se desean
tener un registro del número de veces que se acepta, se rechaza o se reinicia
un cálculo. Los contadores especificados y empleados se centran en diferentes
tareas y cada uno presenta función dentro del algoritmo.
265/271
VIII. Apéndices
Los contadores que intervienen en el proceso y han de definirse son:
- Un contador para el número de iteraciones del método de resolución

Gauss-Seidel.
- Dos contadores que tienen como misión contabilizar la cantidad de
números de tamaño de paso que son aceptados o rechazados al
emplear el método de cálculo del tamaño de paso.
- Un contador para el número de reinicios del cálculo del tamaño de
paso en función de la validez del mismo.
También es necesario para el funcionamiento ordenado del algoritmo, la
introducción de valores lógicos para realizar la toma de decisiones dentro del
programa. Serán la base del algoritmo y que supondrán puntos decisivos a la
hora de llevar a cabo la realización de tareas necesarias en la resolución del
sistema. Se introducen 3 valores de este tipo con 3 funciones claras:
- Para aceptar el tamaño de paso recalculado por el algoritmo

especificado o recalcular el mismo.
- Para proceder a la realización del tamaño de paso y comprobarlo.
- Para rechazar el tamaño de paso recalculado y comenzar los
cálculos hacia un disminución del mismo.
Otro de los parámetros importantes para en la implementación del código será
el término que interviene como denominador en la fórmula del cálculo del
indicador del error. Este término depende de las tolerancias definidas y también
del valor que alcance la solución en el instante actual.
También son calculados diferentes parámetros intermedios que son utilizados

en la resolución del sistema mediante Gauss-Seidel. Estos parámetros deben
ser recalculados en cada paso de tiempo puesto que son calculados a partir de
más de un paso temporal en base a los pasos temporales inmediatamente
anteriores.
266/271
VIII. Apéndices
A3.2. Diagrama de flujo del programa.

Parte Principal
Declaración de Variables
Apertura de Archivos de
Salida
Valores de [ ] Inicial
Nº iteraciones de Gauss-Seidel
Mín. y Máx. Δt
Tolerancia Absoluta y Relativa
Escritura de Cabecera
Valores iniciales: t y [ ]
Bucle de Integración cada 2 horas
TWOSTEP
Inicialización de contadores y valores lógicos
ITER
Cálculo de solución en t = 0. Yp e Yl
Asignación del Δt inicial
25
Disminución de Δt en caso de REINICIO
267/271
VIII. Apéndices
FIT
Ajuste Δt múltiplo de intervalo tomado
TWOSTEP
Inicializar yn+1, yn, yn-1 y vectores auxiliares
ITER
Cálculo de 1er paso con EULER implícito en t = t+Δt
TWOSTEP
Yn = Yn+1
60
Cálculo de variables auxiliares para utilizar BDF2
ITER
Cálculo de 2do paso con BDF2 en t = (t+Δt)+ Δt
TWOSTEP
NO SI
tmin = tmax
t = t + Δtn-1
SI NO
Δtn ≠ Δtn-1
268/271
VIII. Apéndices
t = t – Δtn-1 +Δtn
Recálculo del ratio temporal
SI NO
Ir a 120 t ≥ tintervalo Ir a 60
Cálculo del indicador del Error Local

E n +1
w
(
= max E kn +1 / Wkn )
NUEVODT
SI NO
||En+1||≥ 1 & Δt > tmin
Valor lógico aceptar= false Valor lógico aceptar= true

Δtn-1 = Δt & t = t + Δtn-1
Cálculo Δt variable a partir del Error

  
  0.8 
τ nuevo = max 0.5, min 2.0,  τ anterior
  E n +1 
  w 
FIT
269/271
VIII. Apéndices
t = t – Δtn-1 +Δtn
Recálculo del ratio temporal
SI NO
Ir a 120 t ≥ tintervalo Ir a 60
Cálculo del indicador del Error Local

E n +1
w
(
= max E kn +1 / Wkn )
NUEVODT
SI NO
||En+1||≥ 1 & Δt > tmin
Valor lógico aceptar= false Valor lógico aceptar= true

Δtn-1 = Δt & t = t + Δtn-1
Cálculo Δt variable a partir del Error

  
  0.8 
τ nuevo = max 0.5, min 2.0,  τ anterior
  E n +1 
  w 
FIT
270/271
VIII. Apéndices
Valor lógico fallo = true
Ir a 60
120
Parte Principal
Reajuste de valores temporales para cálculo de constantes y tintervalo
Escritura de solución de archivos de salida para Δt
Fin de programa
271/271

Contam I Nacion Atmos F Erica

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Contam I Nacion Atmos F Erica

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSIDAD POLITÉCNICA DE MADRID

ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE

SIMULACIÓN NUMÉRICA DE UN PROBLEMA

PEDRO MOLINA JIMÉNEZ

ESCUELA TÉCNICA DE INGENIEROS DE MINAS DE

SIMULACIÓN NUMÉRICA DE UN PROBLEMA

PEDRO MOLINA JIMÉNEZ

La ecuación en derivadas parciales de advección difusión con reacción

En esta Tesis se presenta la implementación de un nuevo método

Los resultados numéricos obtenidos en las simulaciones realizadas

Además, se introduce un nuevo método para resolver la parte advectiva-

Por último, se ha desarrollado un modelo completo que contempla los

Extensive research has been performed to solve the atmospheric chemical-

This Thesis presents the implementation of an exactly conservative method for

Numerical results are compared with a set of observation registered at some

In addition, it has been introduced a new method to solve the advection-

Finally, a complete model has been developed to solve the atmospheric

En primer lugar a mi tutor Luis, que me dio la oportunidad de realizar esta

En segundo lugar quería agradecer el apoyo prestado por el Departamento de

A la gente del área de contaminación atmosférica del C.I.E.M.A.T., como no,

Y claro, a mis amigos, que han aguantado mis ausencias, estando o no

AGRADECIMIENTOS ....................................................................................... III

II.1. – Tipos de modelos de transporte de contaminantes .......................... 17

IV.1 Introducción .......................................................................................... 103

IV.2 Descripción de los índices de verificación de las simulaciones

IV.3Descripción del modelo CHIMERE de dispersión de

IV.4 Análisis de datos de simulaciones con CHIMERE ............................. 111

IV.4.1 Descripción de casos .................................................................... 113

IV.4.1 Caso 1: Dominio Comunidad de Madrid. Modelo CHIMERE +

IV.4.2 Caso 2: Dominio España. Resolución 0.2º Modelo CHIMERE

IV.5 Conclusiones ........................................................................................ 126

V. PROCESOS DE ADVECCIÓN-DIFUSIÓN EN EL TRANSPORTE DE

V.1 Descripción de la ecuación en derivadas parciales que

V.2 Coeficientes de difusión para contaminantes químicos .................... 130

V.3 Aplicación del método de diferencias finitas para la resolución

V.4 Análisis de la estabilidad del método de diferencias finitas .............. 137

V.5 Validación de la solución mediante la comparación con la

V.6 Simulaciones de casos reales a largo plazo ....................................... 165

V.6.1 Simulaciones de casos reales en 1 dimensión .......................... 165

CASO 1: Evolución de la contaminación para un foco

CASO 2: Evolución de la contaminación para un foco

V.6.1.2 Transporte advectivo-difusivo para el SO2.........................................172

V.6.1.2.1. - CASO 3: Evolución de la contaminación para un

V.6.1.2.1. - CASO 4: Evolución de la contaminación para un

V.6.2 Simulaciones de casos reales en 2 dimensiones ...................... 180

V.6.2.1 CASO 5: Transporte advectivo-difusivo con un foco de

V.6.2.2 CASO 6: Transporte advectivo-difusivo con dos focos

V.6.2.3 CASO 7: Transporte advectivo-difusivo. Caso real para

V.6.2.4 CASO 8: Transporte advectivo-difusivo. Caso real para

V.7 Conclusiones ......................................................................................... 196

VI: MODELIZACIÓN DE LA DISPERSIÓN DE CONTAMINANTES

VI.1.- Descripción de las ecuaciones que simulan los procesos de

VI.2- Acoplamiento del procesador químico al módulo de transporte

VI.3.1 Ejemplo académico: evolución del comportamiento de

VI.3.2 Ejemplo real: evolución de la emisión de dióxido de

VI.4 Descripción del algoritmo advección-difusión-reacción química

VI.4.1 CASO 1: Simulación precursores lluvia ácida .......................... 230

VI.5 Conclusiones ........................................................................................ 237

VIII. CONCLUSIONES Y LÍNEAS ABIERTAS .............................................. 239

REFERENCIAS .............................................................................................. 242

APÉNDICES .................................................................................................. 246

Apéndice I. Modelos numéricos de predicción meteorológica ............ 246

Apéndice II. Métodos numéricos empleados en la resolución de