Förbättring och utvärdering av spridningsmodellen BUM för beräkning av urbana haltbidrag i SIMAIR

Transkript

1 Förbättring och utvärdering av spridningsmodellen BUM för beräkning av urbana haltbidrag i SIMAIR Stefan Andersson, Gunnar Omstedt och Lennart Robertson SMHI E-post: Stefan.Andersson@smhi.se Innehåll Bakgrund Modellbeskrivning Förbättringar Validering mot mätningar

2 Det kalla vintervädret i Sverige påverkar luftkvaliteten Hala vägbanor och halkbekämpning Vägslitage och uppvirvling av vägdamm Medeltemperatur under 0 o C på vintern i hela landet Behov av uppvärmning Emissioner från småskalig vedeldning 2

3 Det kalla vintervädret i Sverige påverkar luftkvaliteten Stabiliteten spelar en avgörande roll för svenska förhållanden 60 med kalla vintrar och små städer. Medeltemperatur under 0 o C på vintern i hela landet NO 2 [µg m 3 ] model NO 2 [µg m 3 ] measured Urban bakgrund: NO 2 dygnsmedelvärden [µg m 3 ] för Luleå, år Svårt för modellerna att reproducera de högsta halterna. 3

4 SIMAIR modellsystem för luftkvalitet Verktyg för beräkning av halter av luftföroreningar i förhållande till MKN. Kan användas av alla kommuner i Sverige. Kopplat modellsystem, med spridningsmodeller och databaser på regional, urban och lokal skala. Emissionsdata från EMEP, SMED och ARTEMIS. Meteorologiska data från det objektiva analyssystemet Mesan. Årliga uppdateringar. References: Omstedt, G., Andersson, S., Gidhagen, L. and Robertson, L., 2011: Evaluation of new model tools for meeting the targets of the EU Air Quality Directive: A case study on the studded tyre use in Sweden. Accepted for publication in International Journal of Environment and Pollution. Gidhagen, L., Johansson, H. and Omstedt, G., 2009: SIMAIR - Evaluation tool for meeting the EU directive on air pollution limits. Atmospheric Environment, 43, , doi: /j.atmosenv

5 SIMAIR modellsystem för luftkvalitet Modellkonceptet tillämpas för mer än 150 tätorter i Sverige. References: Omstedt, G., Andersson, S., Gidhagen, L. and Robertson, L., 2011: Evaluation of new model tools for meeting the targets of the EU Air Quality Directive: A case study on the studded tyre use in Sweden. Accepted for publication in International Journal of Environment and Pollution. Gidhagen, L., Johansson, H. and Omstedt, G., 2009: SIMAIR - Evaluation tool for meeting the EU directive on air pollution limits. Atmospheric Environment, 43, , doi: /j.atmosenv

6 SIMAIR modellsystem för luftkvalitet Denna presentation fokuserar på BUM; en modell för beräkning av urbana haltbidrag. References: Omstedt, G., Andersson, S., Gidhagen, L. and Robertson, L., 2011: Evaluation of new model tools for meeting the targets of the EU Air Quality Directive: A case study on the studded tyre use in Sweden. Accepted for publication in International Journal of Environment and Pollution. Gidhagen, L., Johansson, H. and Omstedt, G., 2009: SIMAIR - Evaluation tool for meeting the EU directive on air pollution limits. Atmospheric Environment, 43, , doi: /j.atmosenv

7 Modellbeskrivning av BUM BUM-modellen 1. Höga punktkällor Gaussisk spridningsmodell. Baseras på SMHI modell Dispersion (Omstedt, 1988). 2. Markutsläpp References: Andersson, S., Omstedt G. and Robertson, L., 2011: Improvement of a simple dispersion model for calculations of urban background concentrations. Proceedings of the 14 th International Conference on Harmonisation within Atmospheric Dispersion Modelling for Regularity Purpose, Kos, Greece, 2-6 October 2011, pp Andersson, S., Omstedt, G. och Robertson, L., 2010: Känslighetsanalys, vidareutveckling och validering av SIMAIRs urbana spridningsmodell BUM. SMHI Meteorologi, Nr. 142, 37 pp. 7

8 Modellbeskrivning av BUM BUM Spridningsmodell för urbana haltbidrag. Bidrag från markutsläpp beräknas med en enkel trajektoriemodell, liknande en modell som har utvecklats för Köpenhamn (Berkowicz, 2000). Spatiell upplösning: 1 km x 1 km Tidsupplösning: 1h Reference: Berkowicz, R., 2000: A simple model for urban background pollution. Environment Monitoring and Assessement, Vol. 65, pp

9 Modellbeskrivning av BUM Urban bakgrund: NO 2 dygnsmedelvärden [µg m 3 ] för Luleå, år Modellen verkar dock underskatta halterna av framförallt NO 2 i jämförelse med mätdata från BUM svenska städer. Spridningsmodell för urbana haltbidrag. Bidrag från markutsläpp beräknas med en enkel trajektoriemodell, liknande en modell som har utvecklats för Köpenhamn (Berkowicz, 2000). Spatiell upplösning: 1 km x 1 km Tidsupplösning: 1h Reference: Berkowicz, R., 2000: A simple model for urban background pollution. Environment Monitoring and Assessement, Vol. 65, pp

10 Förbättringar: korrigering av meteorologin för att representera urbana förhållanden Meteorologin från det objektiva analyssystemet Mesan kan anses representera meteorologiska förhållanden på landsbygden. Således är det viktigt att införa en korrektion av meteorologin för att bättre representera urbana förhållanden. Detta görs genom utnyttjande av Monin-Obukovs similaritetsteori. U landsbygd U urban σ z 10

11 Förbättringar: korrigering av meteorologin för att representera urbana förhållanden Meteorologin från det objektiva analyssystemet Mesan kan anses representera meteorologiska förhållanden på landsbygden. Således är det viktigt att införa en korrektion av meteorologin för att bättre representera urbana förhållanden. Detta görs genom utnyttjande av Monin-Obukovs similaritetsteori. u [ms -1 ] Mesan u [ms -1 ] Mesan u [ms -1 ] Gammlia u [ms -1 ] Gammlia Effekten av att implementera en korrektion av meteorologin enligt ovan. Exempel för Umeå, där Mesan vindhastigheter och korrigerade värden jämförs med mätdata. 11

12 Förbättringar: en enkel stabilitetsparametrisering i σ z Utgångsläge Fall 1 (a) Fall 1 (b) Fall 2 (a) Fall 2 (b) Fall 2 (c) Fall 3 (a) Fall 3 (b) Fall 3 (c) Fall 4 Fall 5 Fall 6 Fall 7 (a) Fall 7 (b) Fall 7 (c) NO 2 [µg m -3 ] årsmedelvärde Test av σ z med ett konstant värde på 50 m, 20 m och 10 m. En känslighetsanalys har genomförts Den vertikala spridningsparametern σ z är den viktigaste parametern som påverkar koncentrationen av NO 2. Därför inriktas förbättrande åtgärder denna parameter. 12

13 Förbättringar: en enkel stabilitetsparametrisering i σ z β Variation av σ z med avståndet Tämligen likt Briggs formler för landsbygdsförhållanden (jämför stabilitetskurvorna C-F). För en vintermånad i norra Sverige (Umeå, januari) skulle dock mer stabila förhållanden kunna förväntas. En enkel empirisk stabilitetsparametrisering introduceras 13

14 Validering mot mätningar Mätstationer Modellen har utvärderats mot NO 2 mätdata, för 13 urbana bakgrundsstationer i städer i olika delar av Sverige. Mätdata har erhållits från Datavärdskapet för Luftkvalitet. City Station name Location Instrument type Measuring period Malmö Rådhuset Rooftop Active 2005, calendar year Jönköping Hoppets torg 3 m above ground Passive 2005, winter half-year Göteborg Femman Rooftop Active 2005, calendar year Norrköping Rosen Rooftop DOAS 2005, calendar year Stockholm T. Knutssonsg. Rooftop Active 2005, calendar year Karlstad Rådhuset 3 m above ground Passive 2005, winter half-year Västerås Stadshuset Rooftop DOAS 2005, calendar year Falun Folkets hus Rooftop DOAS 2005, calendar year Sundsvall Stadshuset Rooftop DOAS 2005, calendar year Östersund Z-gränd 3 m above ground Passive 2005, winter half-year Örnsköldsvik Centrum 3 m above ground Passive 2005, winter half-year Umeå Stadsbiblioteket Rooftop Active 2004, 2005, 2007, calendar year Luleå Stadshuset Rooftop DOAS 2006, calendar year Datavärdskap för Luftkvalitet: 14

15 Validering mot mätningar Exempel från Umeå Tidsvariation Säsongsvariationen av NO 2 fångas mycket bättre i den nya modellen. Korrelationen ökar. De högsta halttopparna förbättras, men reproduceras dock inte fullt ut i modellen. 15

16 Validering mot mätningar FAC2 = 41 % FAC2 = 95 % Scatterplots Den förbättrade modellen reproducerar bättre NO 2 årsmedelvärden och 98 percentiler av dygns- och timmedelvärden. 95 % av data är inom en faktor av 2 för den förbättrade modellen, i jämförelse med 41 % för originalmodellen. 16

17 Jämförelse med EUs kvalitetskrav Kvalitetskraven på beräkningsmodeller i EUs luftdirektiv kan matematiskt tolkas som Relative Percentile Error (RPE) och Relative Directive Error (RDE). För mer information, se FAIRMODE: Definition av RPE och RDE RPE = O p M O p p RDE = O M LV LV LV Figur från FAIRMODE (EEA, Technical Report, No 10, 2011) 17

18 Jämförelse med EUs kvalitetskrav NO 2 annual average NO 2 98 percentile daily average NO 2 98 percentile hourly average RPE RDE max median max median old new org new old new Jämförelse med kvalitetskraven i EUs luftdirektiv Den förbättrade modellen ger bättre överensstämmelse, både i termer av Relative Directive Error (RDE) och Relative Percentile Error (RPE). Notera att för årsmedelvärde är RDE lägre än RPE, vilket återspeglar att halterna av NO 2 generellt är betydligt lägre än MKN och gränsvärdena i EUs luftdirektiv. 18

19 Delta-tool verktyg för utvärdering och benchmarking av modellresultat Utvecklat av EU Joint Research Centre, JRC. Ett resultat av FAIRMODE-initiativet. 19

20 Mer om förbättringen av BUM Presentation och konferensartikel på 14:e Harmoniseringskonferensen, Kos, Grekland, Känslighetsanalys, vidareutveckling och validering av SIMAIRs urbana spridningsmodell BUM. SMHI Meteorologi rapport, nr. 142, Mätningar och modellberäkningar av NOx-halternas tidsmässiga och rumsliga fördelning i Umeå. ITM rapport, nr. 188, ver4.pdf 20