[论文解读] Concept to assess the human perception of odour by estimating short-time peak concentrations from one-hour mean values. Reply to a comment by Müller et al

Günther Schauberger, Martin Piringer+8 more|arXiv (Cornell University)|Jan 4, 2012

Odor and Emission Control Technologies参考文献 24被引用 3

一句话总结

本文通過引入可變的峰值與平均值比率，改進了從小時平均值估算短時間內峰值氣味濃度的方法，挑戰了AUSTAL2000等模型中使用的恆定係數（例如4）的假設。論文指出，峰值與平均值比率取決於大氣穩定性、源頭幾何形狀與距離，不應視為普遍適用的常數，從而提升了環境擴散模型中氣味擾民評估的準確性。

ABSTRACT

Biologically relevant exposure to environmental pollutants often shows a non-linear relationship. For their assessment, as a rule short term concentrations have to be determined instead of long term mean values. This is also the case for the perception of odour. Regulatory dispersion models like AUSTAL2000 calculate long term mean concentration values (one-hour), but provide no information on the fluctuation from this mean. The ratio between a short term mean value (relevant for odour perception) and the long term mean value (calculated by the dispersion model), called the peak-to-mean value, is usually used to describe these fluctuations. In general, this ratio can be defined in different ways. Müller et al. (2012), in a comment to Schauberger et al. (2012) which includes a statement that AUSTAL2000 uses a constant factor of 4, argue that AUSTAL2000 does not apply a peak-to-mean factor and does not calculate odour exceedance probabilities. Instead it calculates the frequency of so-called odour-hours by applying the relation between the 90-percentile of the instantaneous concentration and the hourly mean (Janicke and Janicke, 2007a), not between some peak value and the mean. According to Janicke and Janicke (2007a), the 90-percentile of the instantaneous concentration can in practice be estimated with sufficient accuracy from the hourly mean by using a factor of 4. Having so far replied to Müller et al. (2012) we take additionally the opportunity to elaborate a little more on the peak-to-mean concept, especially pointing out that a constant factor independent of the stability of the atmosphere, the distance from and the geometry of the source, is not appropriate. On the contrary it shows a sophisticated structure which cannot be described by only one single value.

研究动机与目标

• 為解決AUSTAL2000等規管擴散模型的限制，這些模型僅報告小時平均濃度，未能反映與人類氣味感知相關的短時間波動。
• 挑戰「恆定的峰值與平均值係數（例如4）普遍適用於從長時間平均值估算短時間氣味峰值」的假設。
• 澄清AUSTAL2000並未使用固定峰值與平均值係數，而是基於瞬時濃度的第90百分位數相對於小時平均值來計算氣味小時數。
• 證明峰值與平均值比率並非單一的普遍值，而是隨大氣穩定性、源頭距離與幾何配置而變化。
• 透過以更具細節、依情境而定的方式取代過於簡化的常數，提升短時間氣味暴露估算的準確性，從而改善氣味擾民預測。

提出的方法

• 該方法主張以基於瞬時氣味濃度第90百分位數與小時平均濃度之間關係推導出的可變比率，取代使用恆定的峰值與平均值比率。
• 其依賴實證數據與擴散建模原理，表明根據Janicke與Janicke（2007a）的建議，可使用係數4從小時平均值估算瞬時濃度的第90百分位數。
• 該方法將大氣穩定性類別與源頭幾何形狀整合進峰值與平均值比率的估算中，承認這些因素顯著影響濃度波動。
• 論文採用回應格式，批判並修正早期建模假設，特別是「AUSTAL2000對峰值估算使用固定係數4」的說法。
• 強調瞬時值的第90百分位數——而非任意的峰值值——才是氣味暴露評估的相關指標。
• 該方法建立在生物相關氣味暴露取決於短時間峰值而非長時間平均值的原則之上，因此需要動態、情境敏感的估算方式。

实验结果

研究问题

• RQ1 AUSTAL2000擴散模型是否對從小時平均值估算短時間氣味峰值，使用恆定的峰值與平均值係數4？
• RQ2 瞬時氣味濃度的第90百分位數是否可作為氣味擴散模型中短時間峰值暴露的有效且充分的替代指標？
• RQ3 峰值與平均值比率如何隨大氣穩定性、源頭距離與幾何配置而變化？
• RQ4 單一的普遍常數是否足以在現實擴散情境中代表短時間峰值與長時間平均氣味濃度之間的波動？
• RQ5 AUSTAL2000中氣味小時的正確解釋為何？其與人類實際氣味感知之間的關係為何？

主要发现

• AUSTAL2000模型並未使用固定的峰值與平均值係數4；相反，其基於瞬時濃度的第90百分位數相對於小時平均值來計算氣味小時數。
• 瞬時氣味濃度的第90百分位數可根據Janicke與Janicke（2007a）的驗證，使用係數4從小時平均值估算，但此係數並非普遍適用的峰值與平均值比率。
• 峰值與平均值比率並非恆定，且在大氣穩定性、源頭距離與源頭幾何形狀方面有顯著差異，因此單一數值不適合作為一般用途。
• 係數4無法在不同環境與氣象條件下可靠地代表氣味濃度的真實波動。
• 本研究確認，短時間氣味感知最適於透過瞬時濃度的第90百分位數來評估，而非透過任意的峰值值或固定倍數。
• 研究強調，必須針對具體情境估算峰值與平均值比率，以提升氣味擾民建模與法規評估的準確性。