MIL En metod för inventering av luftkvaliteten Rapporttitel

Transkript

1 Rapport 2002:15 A22181 MIL En metod för inventering av luftkvaliteten Rapporttitel längs det statliga vägnätet TFK - Institutet för transportforskning Box 12667, S Stockholm Tel: Fax: E-post: info@tfk.se Internet: ISBN: X Håkan Johansson, TFK Oskar Jonsson, TFK Karin Persson, IVL Marie Haeger, IVL Mikael Olshammar, IVL TFK - Institutet för transportforskning ISBN: Box 12667, S Stockholm Tel: Fax: E-post: info@tfk.se Internet:

2

3

4 Innehållsförteckning SAMMANFATTNING...1 BAKGRUND...2 BERÄKNING AV EMISSIONER...3 BERÄKNING AV EMISSIONER FRÅN VÄGTRAFIK...3 BERÄKNING AV EMISSIONER I EVA OCH MILEMISSION...3 Länkeffekt...4 Mereffekt...6 Kallstart...6 Avdunstning...7 Uppvirvling av vägdamm...7 EXEMPEL PÅ EMISSIONER BERÄKNADE MED MILEMISSION...8 VALIDERING AV MILEMISSION...11 BERÄKNING AV HALTER...16 BERÄKNING AV HALTER FÖR UTSLÄPP FRÅN VÄGTRAFIKEN...16 MODELLERING AV HALTER I MIL...16 Gatan/vägens bidrag...16 Urban bakgrund och regional bakgrund...18 Percentilberäkningar...20 VALIDERING AV MIL...20 DISKUSSION OCH SLUTSATSER...22 REFERENSER...25 Bilaga 1 Manual MILEMISSION Bilaga 2 Manual MIL Bilaga 3 Algoritm MILEMISSION Bilaga 4 Algoritm MIL Bilaga 5 Detaljerad beskrivning av indatafil till MIL Bilaga 6 Urbana bakgrundshalter Bilaga 7 Företeelser i VDB-uttag

5 Sammanfattning Regler om miljökvalitetsnormer (MKN) infördes i svensk lagstiftning när miljöbalken trädde i kraft. När en MKN meddelats ska statliga myndigheter och kommuner vid planering, tillståndsprövning tillsyn och liknande, iaktta att normerna uppfylls. Vägverket skall som verksamhetsutövare på det statliga vägnätet genomföra egenkontroll. För att kunna genomföra denna egenkontroll beslutade Vägverket att i ett forskningsprojekt låta TFK i samarbete med IVL ta fram en metodik som kunde användas för att inventera det statliga vägnätet m.a.p. MKN för kvävedioxid och partiklar samt om möjligt även för bensen. Under projekts gång har det framkommit att underlaget för bensen inte är tillräckligt för att kunna ta fram en tillförlitlig metod för att beräkna halter av bensen längs det statliga vägnätet. Förenklade beräkningar av emissionen av bensen görs dock. Metodiken är uppdelad i en del för beräkning av emissioner och en del för halter. Kortfattat kan man beskriva metodiken enligt följande. Vägdata inklusive 25 olika företeelser hämtas från VDB (ett uttag per län). Med framförallt vägdata som utgångspunkt görs sedan emissionsberäkning för aktuella väglänkar enligt EVA-metodik i MILEMISSION som är uppbyggt i Excel. Data exporteras sedan till Arcview. Beräkning av halter görs därefter i MIL som är uppbyggt kring Arcview 3.x. I MIL görs en beräkning av det lokala bidraget från vägen till vilket en bakgrundshalt adderas. Beräkning av det lokala bidraget från vägen görs med funktioner enligt de nomogram som SMHI tagit fram. Bakgrundshalterna baseras tätort på data från Urbanmodellen som har utvecklats av IVL. På landsbygd baseras bakgrundshalterna på data från EMEP-mätnätet. MIL beräknar årsmedelhalter, 98 percentil av dygnsmedelhalter samt 98 percentil av timmedelhalter för kvävedioxid för åren 2000 och För partiklar, PM10, beräknas årsmedelhalter och 98 percentil av dygnsmedelhalter för åren 2000 och Årsmedelemissioner kan beräknas med MILEMISSION för kväveoxider, partiklar (PM10) och bensen för åren Alla data kan presenteras i kartform i Arcview. Metodiken är relativt enkel och skall mest ses som en metodik för att göra en första grov skattning. Metoden har använts av Vägverkets regioner i samband med planeringsomgången I stort kan sägas att målet med projektet är nått. Liksom för många andra nya system innehåller dock denna första version av MIL en del brister. Fortsatt utveckling av systemet för att öka precisionen och för att få en mer lättanvänd produkt behövs därför. 1

6 Bakgrund Regler om miljökvalitetsnormer (MKN) infördes i svensk lagstiftning när miljöbalken trädde i kraft. Tanken bakom miljökvalitetsnormerna som verktyg i luftvårdsarbetet är att de ska vara en del i en process som leder till åtgärdsplaner och till genomförandet av normer. När en MKN meddelats ska statliga myndigheter och kommuner vid planering, tillståndsprövning tillsyn och liknande, iaktta att normerna uppfylls. Vägverket skall som verksamhetsutövare på det statliga vägnätet genomföra egenkontroll. I dagsläget finns MKN för kvävedioxid, svaveldioxid, bly och partiklar. För vägtrafiken är numer ast kvävedioxid och partiklar relevant. Ny MKN för bensen och kolmonoxid håller på att tas fram av Naturvårdsverket. MKN för partiklar skall vara uppfylld senast 1 januari, 2005 och för kvävedioxid 1 januari, Redan genomförda inventeringar i Stockholm och Göteborg visar att det kommer krävas relativt långtgåe åtgärder för att kunna klara MKN för kvävedioxid (Stockholm och Uppsala läns luftvårdsförbund, 1999 respektive Miljöförvaltningen Göteborg, 2000). En nyligen avslutad kartläggningsstudie av partikelhalter i svenska tätorter visar att problemen är stora även för partiklar, PM-10 (Areskoug H m.fl., 2002). MKN för bensen är inte lika nära föreståe. Enligt förslaget skall MKN för bensen vara uppnådd 1 januari, Mot bakgrund av ovanståe beslutade Vägverket att i ett forskningsprojekt låta TFK i samarbete med IVL ta fram en metodik som kunde användas för att inventera det statliga vägnätet m.a.p. MKN för kvävedioxid och partiklar samt om möjligt även för bensen. Under projekts gång har det framkommit att underlaget för bensen inte är tillräckligt för att kunna ta fram en tillförlitlig metod för att beräkna halter av bensen längs det statliga vägnätet. Förenklade beräkningar av emissionen av bensen görs dock. Metodiken är uppdelad i en del för beräkning av emissioner och en del för halter. TFK har huvudsakligen ansvarat för den förstnämnda och IVL för den sistnämnda. De viktigaste underlagen för metodiken är Vägverkets vägdatabank (VDB) Metodiken som används i Vägverkets nuvarande EVA modell (EVA 2.3) för att beräkna emissionerna (Johansson H., 2001). Nomogram för beräkning av lokalt halttillskott från SMHI (Foltescu m.fl., 2002). Urbanmodellen för beräkning av bakgrundshalter i tätort (Persson K., 1999). Regionala uppmätta halter från EMEP som har interpolerats över landet har använts som underlag för bakgrundshalten på landsbygd. Metodiken beskrivs översiktligt i respektive kapitel. De exakta beräkningsalgoritmerna ges i separata bilagor. Bland bilagorna återfinns också manualer för modellerna. 2

7 Beräkning av emissioner Beräkning av emissioner från vägtrafik Emissionen av kväveoxider från vägtrafik kan uttryckas som summan av varmutsläpp d.v.s. utsläpp från varmkörda fordon och extra bidrag från kallstartade fordon. E = E varm + E kall För partiklar bör man även ta hänsyn till uppvirvling av vägdamm från vägbanan. E = E varm + E kall + E uppvirvling För bensen och andra flyktiga ämnen bör man även ta hänsyn till avdunstning av bränsle från bränslesystemet. E = E varm + E kall + E avdunstning För alla emissionerna kan man uttrycka emissionen som en produkt mellan en emissionsfaktor och en aktivitet. E x = e x a x Aktiviteten kan vara olika i de för de olika emissionskomponenterna. Exempelvis är det vanligt att aktiviteten för varmutsläppen uttrycks i km och därmed emissionsfaktorn i g/km. Aktiviteten för kallstartsutsläppen uttrycks oftast i antal starter och därmed emissionsfaktorn i g/start. Eftersom emissionsfaktorerna skiljer mycket mellan olika fordonstyper brukar man normalt göra beräkningarna separat för olika fordonstyper. Emissionsfaktorerna varierar också mycket mellan olika förhållanden. T.ex. påverkas varmutsläppen mycket av körmönstret, d.v.s. hur hastigheten på fordonet förändras. Det finns en stor mängd olika emissionsmodeller för vägtrafik. I huvudsak bygger de dock på ovanståe metodik. Detaljeringsgraden skiljer dock mycket. I MIL är vi ute efter att kunna peka ut väglänkar där halterna av luftföroreningar är höga. Vi behöver då en emissionsmodell med relativt hög geografisk upplösning som kan ta hänsyn till de lokala förhållandena vad det gäller körmönster, kallstarter m.m.. Även om det finns flera olika modeller på denna skala är det mest naturliga i detta fall att använda Vägverkets egen emissionsmodell som används i EVA-systemet. Beräkning av emissioner i EVA och MILEMISSION Beräkningen av emissioner i MIL sker separat i en excelmodul som vi fortsättningsvis kallar MILEMISSION. Modulen baserar sig på samma metodik för att beräkna emissioner som 3

8 används i Vägverkets EVA-system. MILEMISSION matas med data från Vägdatabanken och kan sedan användas för att skapa indatafiler med emissioner per väglänk till MIL. Emissionsmodellen som finns i EVA och MILEMISSION bygger till stora delar på Hammarström U. och Karlsson B. (1994). En uppdatering gjordes dock i samband med framtagning av nuvarande EVA 2.3 (se Johansson H., 2001). EVA är en s.k. delförloppsmodell som i detta fall innebär att man delar upp varmutsläppen i två delar dels en länkeffekt och dels en effekt av stopp och sväng. Det sistnämnda kallas mereffekt eftersom den ger skillnaden i utsläpp av ett stopp jämfört med om man inte haft något stopp. Det bör påtalas redan nu att mereffekten faktiskt kan vara negativt särskilt vid högre länkhastigheter. Utsläppen i emissionsmodellen beräknas separat för följande komponenter Länkeffekt Mereffekt Kallstart Avdunstning Uppvirvling av vägdamm I emissionsmodellen beräknas emissionerna separat för tre olika fordonstyper och sex olika ålderskategorier. Fordonstyperna är personbil, lastbil utan släp inklusive buss samt lastbil med släp. Lätt lastbil och motorcykel räknas som personbil. I MILEMISSION har vi valt att förenkla proceduren genom att vikta de olika ålderskategorierna enligt de schabloner som finns i EVA-systemet och istället räkna med fasta åldersfördelningar för tre olika år 2000, 2005 och Åldring av fordonen är då inberäknad i emissionsfaktorerna. För andra beräkningsår görs interpolation. Länkeffekt Länkeffekten i emissionsmodellen är utöver fordonstyp och beräkningsår beroe av trafikmiljö och länkhastighet. I figur 1 visas länkeffekter för kväveoxider, personbil och beräkningsår För att undvika att värden saknas görs extrapolation så att alla trafikmiljöer täcker området från 30 km/h till 130 km/h. Extrapolationen bygger då på data från andra trafikmiljöer. I emissionsmodellen finns nio olika trafikmiljöer Tabell 1 Trafikmiljöer i emissionsmodellen Nummer Klartext Landsbygd 1 Siktklass 1 2 Siktklass 2 3 Siktklass 3 4 Siktklass 4 Tätort 5 Y70 6 M70 7 Y50 8 M50 9 C50 4

9 På landsväg beskrivs trafikmiljön av siktklassen som översiktligt beskriver vägens linjeförings- och siktstandard. För mer detaljer se Vägverket 2001a, avsnitt 2.2. I tätort beskrivs trafikmiljön av skyltad hastighet och omgivningens karaktär där det finns tre typer, ytterområde, mellanområde och centrumområde. Definitionen av dessa kan vara bra att veta om man själv vill ange detta i MILEMISSION. Ytterområde (Y), skyddszon mellan gata och bebyggelse eller obebyggd omgivning. Inga tomtutsläpp eller lokala gatuanslutningar finns och ingen parkering förekommer på vägbanan. GC-trafik förekommer inte eller är separerad till friliggande GC-väg. Mellanområde (M), brett gaturum, bebyggelse > 2 m från körbana, enstaka lokala gatuanslutningar, GC-bana skild från körbana med kantstöd alternativt gångbanor och cyklister på körbanan, korsande GC-trafik i korsningar, inte parkering. Centrumområde (C), trångt gaturum, bebyggelse på ömse sidor, tomtutsläpp, lokala gatuanslutningar, gångbanor och cyklister i körbanan, frekvent korsande GC-trafik, parkering. Utsläpp av kväveoxider (g/km) 0,80 0,70 0,60 0,50 0,40 0,30 Siktklass 1 Siktklass 2 Siktklass 3 Siktklass 4 Y70 M70 Y50 M50 C50 0,20 0,10 0, Flödeshastighet på länk (km/h) Figur 1 Länkeffekter för kväveoxider och personbil år Utöver skillnaderna mellan trafikmiljö och hastigheter är skillnaderna mellan fordonstyperna mycket betydelsefulla. I figur 2 visas länkeffekterna för kväveoxider, lastbil med släp och beräkningsår Eftersom dessa är gånger högre än emissionerna från personbilar behövs det inte många procent av tunga lastbilar med släp förrän emissionerna från dessa blir dominerande. Emissionerna av kväveoxider från tunga lastbilar utan släp och buss är ca gånger högre än motsvarande för personbilar. 5

10 Utsläpp av kväveoxider (g/km) 30,0 25,0 20,0 15,0 10,0 Siktklass 1 Siktklass 2 Siktklass 3 Siktklass 4 Y70 M70 Y50 M50 C50 5,0 0, Flödeshastighet på länk (km/h) Figur 2 Utsläpp av kväveoxider och lastbil med släp för år Vare sig trafikmiljö eller flödeshastighet på länk finns i VDB. Dessa beräknas istället fram med schabloner i modellen. Trafikmiljön på landsbygd d.v.s. siktklassen bestäms utifrån skyltad hastighet och vägbredd och trafikmiljön i tätort utifrån vägtyp och skyltad hastighet. Flödeshastigheten bestäms utifrån ett urval av hastighetsflödessamband från Vägverket 2001a, bilaga 1, årsdygnstrafiken, antal körfält, skyltad hastighet och trafikmiljö. Antal körfält bestäms utifrån vägtyp och vägbredd. För mer detaljer se bilaga 3. Mereffekt Mereffekten i emissionsmodellen är utöver fordonstyp och beräkningsår beroe av hastigheten. Eftersom de beräknade halterna avser halter mitt på länk används inte mereffekt i modellen. Enheten är g/stopp. Möjlighet finns dock att ange avstånd mellan stopp för olika trafikmiljöer. Kallstart Emissionerna från fordonet innan motor och avgasrening nått normal driftstemperatur är ofta mycket högre än då fordonet är varmkört. Kallstartsemissionerna är definierade som den extra emission som sker fram till att fordonet är fullt uppvärmt, eller till dess att det parkeras om det sker före, jämfört med om fordonet kört samma sträcka fullt uppvärmt. Enheten är g/start. Kallstartsemissioner beräknas i modellen ast för personbilar då det är framförallt hos dessa som de har betydelse. Kallstartsemissionerna beror i modellen ast av beräkningsår. För varje väglänk bestäms sträcka mellan kallstart enligt det förförande som används i EVAmodellen. Enligt detta beror sträckan mellan kallstart av trafikmiljö och vägkategori. 6

11 Avdunstning Avdunstning av bränsle från fordonets bränslesystem ger upphov till utsläpp av flyktiga kolväten däribland bensen. I emissionsmodellen är därför avdunstning ast av intresse för bensen. Avdunstning av betydelse sker ast från bensindrivna fordon, avdunstning av diesel är försumbar. Effekten beräknas därför ast för (bensindrivna) personbilar. Man brukar dela upp avdunstningen i tre komponenter. Running losses, som sker under färd. Enheten är g/km. Hot soak, som sker i samband med avsvalning av fordonet efter en körning. Enheten är g/parkering. Diurnal losses, som sker under parkering. Enheten är g/dygn. I modellen behandlas ast de två första då parkering längs det statliga vägnätet antagits försumbar. Vi har också valt att klumpa ihop running losses med länkeffekterna för bensen. Antalet parkeringar bestäms på samma sätt som antalet kallstarter. Uppvirvling av vägdamm Utöver avgasutsläppen bidrar även uppvirvlat vägdamm till inandningsbara partiklar, PM 10. Enligt Areskoug H m.fl. (2002) är den viktigaste orsaken till överskridanden av gränsvärdet (eg. miljökvalitetsnormen) för partiklar just uppvirvling av vägdamm. Dessvärre är underlaget till beräkning av emissionen av uppvirvlat vägdamm bristfälligt. I EVA-modellen behandlas ast avgaspartiklar, uppvirvling av vägdamm saknas. Foltescu m.fl. (2002) har gått igenom ett antal modeller för beräkning av emissionen av uppvirvlat vägdamm. Några av dem är också anpassade för nordiska förhållanden. Nackdelen är dock att modellerna kräver indata som kan vara svåra att få fram såsom siltmängd på vägbanan och vägbanans fuktighet. Foltescu m.fl. (2002) föreslår därför istället utifrån mätningar av halter på Hornsgatan i Stockholm en a emissionsfaktor för uppvirvling av vägdamm. Emissionsfaktorn på 209 mg/km avser årsmedel och rekommeras tillsvidare att användas för hela Sverige. Enligt de emissionssamband som Bringfelt m.fl. (1997) och Tønnesen (2000) har tagit fram har hastigheten, dubbdäcksanvändningen och tungtrafikandelen stor betydelse. Utöver detta har sandningen också stor betydelse vilket påtalas av t.ex. Virtanen (1999). TFK har i ett arbete för SIKA under våren 2002 bl.a. gått igenom den rapport som Foltescu m.fl. (2002) skrivit och undersökt möjligheterna att utgåe från den emissionsfaktor de föreslagit för uppvirvlingen av partiklar ta fram ett samband där man även tar hänsyn till andelen tung trafik och körhastighet (se Johansson H. och Nilsson M., 2002). För att validera sambandet jämfördes det mot framräknade emissionsfaktorer från mätningar vid E6:an i Göteborg. Det visade att det framtagna sambandet inte kunde rekommeras. Faktum var att emissionsfaktorn vid E6:an i Göteborg inte skilde nämnvärt från den för Hornsgatan i Stockholm. En möjlig förklaring till att man kan få samma emissionsfaktor för Hornsgatan med en flödeshastighet på 35 km/h och E6:an i Göteborg med en flödeshastighet på över 70 km/h kan vara att vinterväghållningen skiljer sig radikalt och därmed motverkar effekten av högre hastighet. På E6:an används vägsalt medan det är troligt att vägsand används på Hornsgatan. För tillfället saknar vi därför underlag för att kunna rekommera någon annan 7

12 emissionsfaktor för uppvirvling av partiklar än den som Foltescu m.fl. (2002) angivit på 209 mg/km. Exempel på emissioner beräknade med MILEMISSION För att exemplifiera beräkningarna med MILEMISSION tittar vi lite närmare på en beräkning för Göteborgsregionen 1. I tabell 2-4 har vi räknat fram genomsnittliga emissionsfaktorer för de väglänkar som finns i regionen i VDB. Detta är huvudsakligen statliga länkar, även om några kommunala också finns med. Vi har gjort en uppdelning på motorväg inklusive fyrfältsväg och motorled, tätort som inte är motorväg, samt landsbygd som inte är motorväg. Andelen tung är drygt 11 procent i genomsnitt på motorväg medan den är i genomsnitt mellan 6 och 7 procent i övrigt i tätort och på landsbygd. Innan någon försöker sig på att jämföra emissionsfaktorerna med andra data påminner vi om att mereffekten inte är medräknad eftersom vi är intresserade av emissioner mitt på länk. Mereffekten av stopp och sväng i noder har inte så stor betydelse på motorväg och på landsbygd (mindre än 10 procent) medan den har mycket stor betydelse i tätort. Detta gäller speciellt kväveoxider men även bensen. För kväveoxider kan vi se att trafikmiljön har stor betydelse för emissionsfaktorerna speciellt för personbil och lastbil med släp. Andelen tung trafik spelar också stor roll för medelemissionsfaktorn. Mellan åren 2000 och 2006 sker nästan en halvering av medelemissionsfaktorerna på motorväg och på landbygd medan minskningen inte är lika stor i tätort. För partiklar är skillnaderna mellan olika trafikmiljöer och fordonstyper mycket mindre vilket är ett resultat av det mycket förenklade antagandet om en emissionsfaktor för uppvirvlingen. Minskningen är mellan de mellan 2000 och 2005 är i stort sett obefintlig eftersom uppvirvlingsdelen har så stor betydelse och denna inte antages minska. Utan åtgärder är det sistnämnda också relativt troligt. För bensen är emissionerna från personbilar helt dominerande. Skillnaderna mellan olika trafikmiljöer är relativt stora. Till skillnad från kväveoxider är emissionerna störst i tätort, där är inte heller minskningen fram till 2010 lika stor som i de två andra miljöerna. Inom varje trafikmiljö i tabellerna är det också stor spridning i emissioner mellan enskilda länkar. Skillnaderna kan i vissa fall vara betydligt större än de skillnader som är mellan trafikmiljöerna i genomsnitt. Extrema värden finns som både kan bero på verkliga orsaker såsom hög andel tung trafik, men det kan också förekomma felaktiga data i Vägdatabanken vilket kan leda till orimliga emissionsfaktorer. I figur 3 visas emissionsfaktorer för kväveoxider för en del av Göteborgsregionen för år Av figuren framgår att det kan vara relativt stora skillnader i emissionsfaktorer. Motorvägarna E6N, E6S, E20 och RV40 har relativt höga en bit utanför det centrala Göteborg då den skyltade hastigheten är 110 km/h. Detta är ett resultat av det kraftiga hastighetsberoet av kväveoxidemissionerna (se figur 1 och 2). Bredvid E6N i höjd med Backa går en väg med relativt hög emissionsfaktor (orange). Emissionsfaktorn är hela 2,4 g/km. Den främsta anledningen till den höga emissionen är 1 Göteborgsregionen består av kommunerna Ale, Alingsås, Göteborg, Härryda, Kungsbacka, Kungälv, Lerum, Lilla Edet, Mölndal, Partille, Stenungsund, Tjörn och Öckerö. 8

13 tungtrafikandelen som är hela 17 procent. Vägen är också enligt schablonerna klassad som C50 men med lite lokalkännedom skulle man nog föreslå Y50. Detta har dock i sammanhanget mindre betydelse. På E6N intill denna väg är också ett litet stycke rödmarkerat. Emissionen är helt orimligt höga 37 g/km. Vid närmare granskning visar det sig att man matat in en årsdygnstrafik av lastbil på fordon samtidigt som den totala årsdygnstrafiken är fordon! Vid konstruktion av modellen har vi förutsatt att det är rätt i VDB vilket det inte var i detta fall. Kontroll av detta slag som vi gjort nu är att rekommera för att upptäcka eventuella felaktiga indata. I figur 4 visas den beräknade emissionen i enheten kg per meter vägsträcka och år. Vid en jämförelse mellan figur 3 och 4 syns inverkan tydligt av trafikmängden. En del av vägarna med mycket höga emissionsfaktorer syns nu inte lika tydligt eftersom de hade liten totaltrafik. Felet i VDB på E6N lyser dock igenom eftersom det olyckligtvis både hade hög emissionsfaktor och relativt stor trafik. Den högsta verkliga emissionen inträffar i och kring Tingstadstunneln där man har runt fordon per dygn. Tabell 2 Genomsnittliga emissionsfaktorer för kväveoxider i Göteborgsregionen enligt MILEMISSION. Obs inkluderar ej mereffekt! Motorväg m.m. Övrig tätort Övrig landsbygd Personbil 0,91 0,36 0,57 0,29 0,76 0,31 Lastbil utan släp 4,4 3,0 4,7 3,3 4,2 2,9 Lastbil med släp 14,9 9,4 19,0 12,7 15,8 10,0 Medel 1,91 1,02 1,26 0,76 1,40 0,73 Tabell 3 Genomsnittliga emissionsfaktorer för partiklar i Göteborgsregionen enligt MILEMISSION. Obs inkluderar ej mereffekt! Motorväg m.m. Övrig tätort Övrig landsbygd Personbil 0,22 0,22 0,23 0,22 0,22 0,22 Lastbil utan släp 0,38 0,30 0,33 0,28 0,37 0,29 Lastbil med släp 0,40 0,28 0,44 0,30 0,44 0,29 Medel 0,24 0,22 0,24 0,23 0,23 0,22 Tabell 4 Genomsnittliga emissionsfaktorer för bensen i Göteborgsregionen enligt MILEMISSION. Obs inkluderar ej mereffekt! Motorväg m.m. Övrig tätort Övrig landsbygd Personbil 0,057 0,004 0,074 0,011 0,048 0,005 Lastbil utan släp 0,0004 0,0002 0,0007 0,0003 0,0004 0,0002 Lastbil med släp 0,0005 0,0001 0,0007 0,0002 0,0005 0,0001 Medel 0,050 0,004 0,069 0,010 0,045 0,005 9

14 Figur 3 Emissionsfakorer för kväveoxider i Göteborg för år Grönt upp till 0,75 g/km, turkos 0,75-1,5 g/km, blått 1,5-2,25 g/km, orange 2,25-3 g/km och rött över 3 g/km. Figur 4 Emissioner av kväveoxider i Göteborg för år Grönt upp till 5 kg/mår, turkos 5-10 kg/mår, blått kg/mår, orange kg/mår och rött över 50 kg/mår. 10

15 Validering av MILEMISSION För att veta vad de beräknade emissionerna står för är det lämpligt att göra någon form av validering. För att göra detta har vi gjort en litteratursammanställning av uppmätta emissionsfaktorer i olika miljöer för kväveoxider, partiklar och bensen. Denna sammanställning redovisas i tabell 6-8. Enligt Sjödin 2002 är färdmotståndet för fordon i en tunnel något lägre jämfört med motsvarande väg utan tunnel. I de tre tunnlar som ingick i deras studie (Tingstadstunneln, Gnistängstunneln och Lundbytunneln) gav medvinden i tunneln en sänkning av utsläppen med procent och bränsleförbrukningen med procent. Detta är något man bör tänka på vid jämförelse mellan beräknade emissioner med MILEMISSION och värdena som redovisas i tabell 6-8 där data kommer från mätningar i tunnlar. Av vägarna i tabell 6 finns Söderledstunneln, Tingstadstunneln, Gnistängstunneln och Lundbytunneln med i VDB. Emissioner beräknade med MILEMISSION för dessa vägar finns i tabell 5. Söderledstunneln är en kommunal väg och data i VDB är därför mycket bristfälliga. Den av MILEMISSION framräknade emissionsfaktorn för år 2000 är 1,9 g/fkm men då har i brist på indata den skyltade hastigheten satts till 50 km/h och tungtrafikandelen till 8,5 procent. Om man går in i MILEMISSION och lägger in skyltad hastighet 70 km/h och andel tung trafik till 4 procent får man en medelemissionsfaktor på 1,0 g/fkm. Emissionsfaktorn för lätta fordon är 0,59 g/fkm, tunga lastbilar utan släp 4,5 g/fkm och tunga lastbilar med släp 15 g/fkm. Enligt Johansson C. (1996) är det bara en mindre del av tunga fordonen som har släp. Såväl emissionsfaktorerna för tunga och lätta fordon verkar därför vara högre i verkligheten än enligt emissionsmodellen. Den av MILEMISSION framräknade emissionsfaktorn för Tingstadstunneln för år 2000 är 1,5 g/fkm. Detta är betydligt högre än den verkliga emissionen. Det bör noteras att MILEMISSION har klassat vägen som landsbygd då tunneln går under vatten och vatten i ingår i tätortspolygonen. Annars hade emissionsfaktorn blivit 1,3 g/fkm. För Gnistängstunneln har MILEMISSION satt emissionsfaktorn till totalt 1,1 g/fkm varav lätta fordon till 0,6 g/fkm och tunga till 8,4 g/fkm. Här skiljer andelen tung trafik något mellan de få dagar som mätningar gjorts och årsmedeltrafiken som är inlagd i VDB och därmed används i MILEMISSION. Men som för Söderledstunneln ger MILEMISSION en underskattning av emissionerna såväl för lätta som tunga fordon. Med undantag för Tingstadstunneln gäller även detta för övriga tunnlar. Underskattningen ligger i storleksordningen procent (medvindseffekt inberäknad). Största underskattningen görs för Lundbytunneln. Här kan det dock tänkas att en förbättring av indata m.a.p. andel lastbil med släp skulle förbättra resultaten något. Det bör också uppmärksammas att Lundbytunneln är relativt kuperad, något som MILEMISSION inte kan ta hänsyn till. Tabell 5 Beräknade emissionsfaktorer för kväveoxider med MILEMISSION för några tunnlar Total emissionsfaktor g/fkm Andel tung trafik % Emissionsfaktor lätta fordon g/fkm Söderledstunneln 1,0 (1,9 2 ) 4 0,59 4,5 Tingstadstunneln 1,54 9,4 0,66 10,1 Gnistängstunneln 1,13 7,1 0,57 8,4 Lundbytunneln 1,57 12,7 0,57 8,4 Emissionsfaktor tunga fordon g/fkm 2 Med defaultindata 11

16 För centrumgatorna Hornsgatan och Sveavägen saknas egentligen motsvarighet i VDB. De är dock högre än de i tabell 2 i alla fall för personbil. I Johansson C. (2001) och Moon B. (2001) görs jämförelser mellan emissionsmodellen i EVA och uppmätta emissionsfaktorer för Söderledstunneln, Hornsgatan och Sveavägen. Dessa pekar på att EVA-modellen underskattar emissionerna av kväveoxider. Johansson C. (2001) uppskattar baserat på tunnelmätningarna i Söderledstunneln att EVA-modellen underskattar emissionerna med procent för lätta fordon och med knappt 50 procent för tunga fordon (i detta fall lastbilar utan släp). Som tidigare har påpekats utgörs huvuddelen av emissionsfaktorn för partiklar (PM 10 ) av uppvirvlingsdelen. Denna är till skillnad från övriga emissionsfaktorer baserad på mätningar i verklig trafik. I Foltescu V. m.fl. (2002) gjordes en jämförelse mellan den från Hornsgatan med spårämnesmetoden framtagna emissionsfaktorn och framförallt ett antal uppmätta emissionsfaktorer från tyska studier. De tyska mätningarna var på ungefär samma nivå som man hade på Hornsgatan under sommarmånaderna. Moon B. (2002) har gjort beräkningar med inverterad spridningsmodellering för Hornsgatan. Dessa ger en emissionsfaktor för torra dagar som är i samma nivå som Foltescu m.fl. angivit för hela året. Det framgår dock inte riktigt från Moon B. (2002) vilken del av året som avses. I ett nyligen avslutat projekt för SIKA har TFK tagit fram emissionsfaktor för E6 vid Gårda i Göteborg genom att använda uppmätta halter och kväveoxider som spårämne (Johansson H. och Nilsson M., 2002). Vi använde då samma emissionsmodell som MILEMISSION för att beräkna emissionen av kväveoxider. Emissionsfaktorn för kväveoxider kan enligt ovan ha varit en underskattning. Detta kan vidare ha resulterat i motsvarande underskattning av emissionsfaktorn för partiklar för E6 vid Gårda i tabell 7. Enligt MILEMISSION för Göteborgsregionen är emissionsfaktorn 0,23 g/fkm inberäknat såväl uppvirvling som avgasemissioner. Detta stämmer relativt väl med den uppmätta emissionsfaktorn. Emissionerna av bensen har under de senaste 10 åren minskat relativt kraftigt som ett resultat av ökad andel av personbilar med katalysator och minskad bensenhalt i bensin. Man kan därför inte använda uppmätta emissionsfaktorer för bensen som är några år gamla, i alla fall inte utan att korrigera dem. Jämförelse mellan 1999 och 2000 är svår att göra eftersom andelen bensen i bensin under denna period gick från ca 2 procent till mindre än 1 procent. Förändringen kan ha gått olika snabbt i olika delar av landet. Beräkningar med MILEMISSION för Tingstadstunneln och Gnistängstunneln ger dock emissionsfaktorer på samma nivå som i tabell 8 (inklusive korrektion för medvind). Vad det gäller vägar av mer centrumkaraktär så är intervallet mellan 0,025 g/km på Hornsgatan i Stockholm och 0,085 g/km på Odinsgatan i Göteborg relativt stort. Vi kan här inte annat än konstatera att värdet för tätort i tabell 4 ligger inom detta intervall. Sammanfattningsvis pekar valideringen på att MILEMISSION och emissionsmodellen i EVA underskattar emissionerna av kväveoxider med i storleksordningen procent medan det för partiklar och bensen ligger i samma nivå som uppmätta emissionsfaktorer. Vad det gäller partiklar kan man dock konstatera att det bland uppmätta emissionsfaktorer är mycket stor spridning och att bara ha en emissionsfaktor för uppvirlingsdelen därmed kan ge avsevärda fel i enskilda fall. Valideringen visar också att kvaliteten på de beräknade emissionerna på kommunala vägar kan vara av relativt dålig kvalitet. 12

17 Tabell 6. Uppmätta emissionsfaktorer i verklig trafik för kväveoxider, standardavvikelser angivna då tillgängliga. Plats År Förhållanden Andel tung trafik (%) Hastighet Intervall/skyltad (km/h) Metod Emission Kväveoxider g/fkm Söderledstunneln, Stockholm 1995/ / 70 Massbalans 1,5 lätta fordon 1,3 tunga fordon 13 Söderledstunneln, Stockholm Massbalans Lätta fordon 0,81±0,05 tunga fordon 9,1±0,8 Referens Johansson C. m.fl., 1996 Johansson C. m.fl., 2001, Moon B., 2001 Tingstadstunneln, Göteborg 1994/95 ±4 % lutning Ca / 70 Massbalans 1,1 Sjödin m.fl., 1999 Tingstadstunneln, Göteborg dagar i november, ±4 % Ca / 70 Massbalans 0,9±0,5 Sjödin m.fl., 2002 lutning Hornsgatan, Stockholm 1999 Ca 9 Inverterad modellering Moon B., 2001 Sveavägen, Stockholm 1999 Inverterad modellering Gnistängstunneln, Göteborg dagar i september, +1% lutning Lätta fordon 0,72±0,04 tunga fordon 8,3±0,4 Lätta fordon 0,96±0,04 tunga fordon 10,6±1,2 9,7 % / 70 Massbalans 1,7±0,6 lätta fordon 0,7±0,0 tunga fordon 11±0 Lundbytunneln, Göteborg dagar i april, ±4 % lutning 13,9 % /70 Massbalans 3,0±1,2 lätta fordon 0,9±0,5 tunga fordon 16±1 Moon B., 2001 Sjödin m.fl., 2002 Sjödin m.fl., 2002

18 Tabell 7. Uppmätta emissionsfaktorer i verklig trafik för partiklar Plats År Förhållanden Andel tung trafik (%) Hastighet Intervall/ skyltad (km/h) Metod Emission PM 10 totalt g/fkm Emission PM 10 vägdamm g/fkm Hornsgatan, Stockholm 2000 Kalerår 8 Spårämne (NOx 3 ) 0,250 0,209 Foltescu m.fl Hornsgatan, Stockholm 1999 Torra dagar Ca 9 Inverterad modellering 0,204 (Lätta fordon 0,06±0,01 tunga fordon 1,66±0,13) Moon B., 2001 Söderledstunneln, Stockholm Söderledstunneln, Stockholm Söderledstunneln, Stockholm Tingstadstunneln, Göteborg Lundbytunneln, Göteborg 1998 December Värden avser ast lätta fordon 1999 Februari Värden avser ast lätta fordon 1999 Februari Värden avser ast tunga fordon dagar i november, ±4 % lutning Referens Massbalans 0,24 0,23 Johansson C /70 Massbalans PM 2,5 0,04 0,03(varav bromsar 0,017) /70 Massbalans PM 2,5 0,57 0,46 (varav bromsar 0,084) Ca 10 /70 Massbalans 0,044±0,033 PM2,5 0,012±0, dagar i april, ±4 % lutning 13,9% /70 Massbalans 0,285±0,115 PM2,5 0,012±0,011 Johansson C Johansson C Sjödin m.fl., 2002 Sjödin m.fl., 2002 Gnistängstunneln, dagar i september, +1% 9,7 % /70 Massbalans 0,054±0,014 Sjödin m.fl., 2002 Göteborg lutning E6, Gårda, Göteborg 2002 April mars ,5 70/74 Spårämne (NOx) 0,214 4 Johansson H. och Nilsson M., Emissionsfaktorn för kväveoxider bygger på uppmätt emissionsfaktor enligt Moon (2001), se vidrare tabell 6. 4 Emissionsfaktorn kan vara något låg då emissionsfaktorn för kväveoxider som använts som spårämne bygger på emissionsmodellen i EVA och därigenom kan vara något låg.

19 Tabell 8. Uppmätta emissionsfaktorer i verklig trafik för bensen. Plats År Förhållanden Andel tung trafik (%) Hastighet Intervall/ skyltad (km/h) Metod Emission Bensen mg/fkm (andel av totalkolväte %) Referens Söderledstunneln, Stockholm 1995/ / 70 Massbalans 20,6±1,7 (8) Sjödin, 1999 Tingstadstunneln, Göteborg 1994/95 Ca / 70 Massbalans 52±9 (9,9) Sjödin, 1999 Tingstadstunneln, Göteborg dagar i november, ±4 % Ca / 70 Massbalans 29±15 (9,4) Sjödin m.fl., 2002 lutning, bensenhalt troligen 2 vol% Gnistängstunneln, Göteborg dagar i september, +1% lutning, bensenhalt troligen 2 vol% 9,7 % /70 Massbalans 31±7 (15,5) Sjödin m.fl., 2002 Jagtvej, Köpenhamn 1994 Bensenhalt 3,5 vol% 6-8% /50 Inverterad modellering Personbilar 380±40 Övriga fordon Palmgren m.fl., 1999 Jagtvej, Köpenhamn 1995 Bensenhalt 2 vol% 6-8% /50 Inverterad modellering Jagtvej, Köpenhamn 1996 Bensenhalt 2 vol% 6-8% /50 Inverterad modellering Jagtvej, Köpenhamn 1997 Bensenhalt 2 vol% 6-8% /50 Inverterad modellering 100±210 Personbilar 270±30 Övriga fordon 90±150 Personbilar 150±10 Övriga fordon 40±70 Personbilar 110±10 Övriga fordon 50±50 Palmgren m.fl., 1999 Palmgren m.fl., 1999 Palmgren m.fl., 1999 Odinsgatan, Göteborg 2001 Bensenhalt <1 vol% 11% /50 Inverterad 85 Personbilar Muñoz Berríos, 2001 modellering 5 29 Tunga fordon Hornsgatan, Stockholm 2001 Bensenhalt <1 vol% 8% /50 Spårämne (NOx) 6 25±3 mg/fkm Johansson C., Beräkningar gjorda med emissionsfaktorer från Stockholm och OSPM. Emissionsfaktorerna korrigeras sedan så att modell och mätdata överensstämmer. 6 Antagen emissionsfaktor för NOx 1,4 g/km.

20 Beräkning av halter Beräkning av halter för utsläpp från vägtrafiken Luftföroreningar påverkas av olika meteorologiska processer. Beräkning av luftföroreningshalter som utsläppen från vägtrafik alstrar måste därför göras med hjälp av spridningsmodeller. När, hur och vilka spridningsmodeller man ska använda beror dels på syftet, men också vilken miljö man ska göra beräkningarna för. Det finns flera modeller, som beskriver spridning av föroreningar i gaturum och nära vägar. Den teoretiska utgångspunkten är vanligen starkt förenklad jämfört med de komplicerade strömnings- och spridningsförhållandena som vanligen råder i trafikmiljöer. Utgångspunkten för gaturumsmodeller är slutna gaturum med symmetriskt utformade hus på var sida. Modellering av halter i MIL Gatan/vägens bidrag Indatafilen i MIL består av statliga väglänkar med information om antal fordon, emissionsfaktorer, typ av spridning (väg eller gaturum), typ av miljö (urban eller landsbygd), vägbredd samt information om bakgrundshalter. Den lokalt alstrade halten från en specifik väg/gata beräknas i MIL i enlighet med de, av SMHI framtagna, nomogram för NO 2 och PM 10, vilka baseras på beräkningar med spridningsmodellerna Dispersion/Road för väg samt OSPM för gaturum (Foltescu, 2002). Underlaget från SMHI:s spridningsberäkningar inbegriper halter upp till ca 20 µg/m 3 för NO 2 väg och 30 µg/m 3 för NO 2 gata samt ca 18 µg/m 3 för PM 10 -väg/gata, vilket motsvarar vägar med fordon/dygn och gator med fordon/dygn samt de högsta emissionsfaktorerna 2.2 g/fkm för NO 2 och 350 g/fkm för PM 10. Vid högre emissionsfaktorer och större trafikflöde baseras de beräknade halterna på extrapolering av funktionerna. Detta kan innebära orimligt höga halter i vissa fall, men indikering av överskridanden av MKN är riktig. I Figur 5 visas beräkningsgången för lokala halter av NO 2 för en väg och ett gaturum. Motsvarande för PM 10 illustreras i Figur 6. 16

21 emission Halt (ug/m3) y = -6E-09x x R2 = m m y = -3E-09x x R2 = fordon/dygn Emission NO 2 Väg Emission y = 6E-14x3-9E-09x x R2 = Hal15.0 t Fordon/dygn Emission Figur 5. I ett gaturum med fordon/dygn, en bredd på 50 m och en sammanvägd emissionsfaktor på 1.0 µg NO 2 /m 3 ger ett utsläpp g/km, vilket ger upphov till en lokalt alstrad halt på ca 15 µg NO 2 /m 3. 17

22 emission fordon/dygn emission PM 10 gata Halt y = 0.003x - 6E R2 = 1 20 m fordon/dygn m Emission PM 10 -Väg Halt (ug/m3) y = x + 4E-15 R2 = 1 y = x - 1E-14 R2 = Emission Figur 6. Beräkning av lokal halt av PM 10 för ett gaturum respektive en väg. Vid en väg med fordon/dygn och en sammanvägd emissionsfaktor på 0.25 µg PM 10 /m 3 alstras ett utsläpp på g/km, vilket ger upphov till en lokalt alstrad halt på ca 15 µg PM 10 /m 3. Urban bakgrund och regional bakgrund För att erhålla den totala luftföroreningshalten längs en vägsträcka måste man också lägga till en bakgrundshalt, dvs. den halt som råder exklusive den halt som trafiken på den specifika vägsträckan ger upphov till. Bakgrundshalten varierar givetvis över landet, men är också beroe av om man befinner sig i en tätort eller på landsbygden. I MIL har varje väglänk klassats som tätort eller landsbygd. Om omgivningarna kring en väg är klassat som landsbygd adderas en regional bakgrundshalt som främst består av halten långdistans transporterade luftföroreningar. Är det klassat som tätort adderas den urbana bakgrunden, vilket är den medelbelastning som råder i en specifik tätort. Den urbana bakgrunden inkluderar långdistansbidraget samt bidraget från tätortens alstrade halter. För NO 2 har de lokala utsläppen störst betydelse för den totala halten. Med hjälp av mätningar inom Urbanmätnätet (Persson mfl, 2000) samt beräkningar med URBAN-modellen (Persson, K. 1999) har de urbana bakgrundshalterna därför uppskattats för samtliga av landets 18

23 kommuner. Den urbana bakgrundshalten varierar för NO 2 mellan ca 5 25 µg/m 3 för år 2000 och mellan ca 3-17 µg/m 3 år Längs en väg på landsbygden motsvaras bakgrundsbidraget främst av de långdistanstransporterade föroreningarna. För NO 2 härrör de från uppmätta halter vid de nationella bakgrundsstationerna inom EMEP, European Monitoring and Evaluation Programme, interpolerade över landet. Dessa halter varierar mellan 1-7 µg/m 3, enligt Tabell 9. För det långdistanstransporterade bakgrundsbidraget har ingen minskning av halterna gjorts för år För PM 10 gäller att det långdistans transporterade bidraget i en tätort har mycket större påverkan på den totala halten än för NO 2. Utifrån dagens kunskap från bl a Kartläggningsprojketet (Areskoug, H. 2001) har vi därför ansatt samma bakgrundshalter på landsbygd som i tätort, se Tabell 9. Även för bakgrundshalterna av PM 10 gäller att för MIL samma halter år 2006/2010 som för år 2000 har använts. Tabell 9 Regionala bakgrundshalter för NO 2 och PM 10 som används i MIL Län NO 2 (µg/m 3 ) PM 10 (µg/m 3 ) Län NO 2 (µg/m 3 ) PM 10 (µg/m 3 ) Norrbotten Södermanland Västerbotten Västra Götaland Jämtland Östergötland Västernorrland Gotland Gävleborg Jönköping Dalarna Kalmar Värmland Halland Uppsala Kronoberg Stockholm Skåne Västmanland Blekinge Örebro

24 Percentilberäkningar För att kunna jämföra med gällande MKN måste man även ha en uppfattning av haltnivåerna samt frekvensen av tillfällen med förhöjda halter (percentiler). I MIL baseras 98- och 90-percentilsberäkningar på statistiska samband mellan årsmedelvärden och respektive percentil för dygn samt mellan 98-percentil för dygn och timme. Tidsserier av uppmätta halter inom Urbanmätnätet har analyserats för att erhålla ett samband mellan vinterhalvårsmedelvärden och 98-percentiler för dygn. I samband med SMHIs framtagande av nomogram för NO 2 gjordes även denna analys för årsmedelvärden från SLBanalys data och följande samband erhölls (Foltescu, 2002): NO 2 : halt (98%-il dygn) = 4.44 * halt (årsmedelvärde) Sambandet mellan 98%-il dygn och 98%-il för timme: NO 2 : halt (98%-il timme) = 2.36 * halt (98%-il dygn) För PM 10 erhölls följande samband mellan årsmedelvärde och 98-percentil för dygn respektive 98-percetnil för timme utifrån mätningarna inom Kartläggningsprojektet: PM 10 : halt (90%-il) = 1.95* halt (årsmedelvärde) PM 10 : halt (98%-il) = 3.27* halt (årsmedelvärde) Ovanståe samband har även använts i MIL för beräkningar av 98- respektive 90- percentiler. Validering av MIL För att validera de beräknade halterna längs statliga vägar med MIL behövs uppmätta halter. IVL har under årens lopp utfört en rad mätningar längs såväl statliga som kommunala vägar och gaturum. En av de senaste mätningarna utfördes, på uppdrag av Vägverket, längs E6:an mellan avfarterna till Kungsbacka och Fjärås i Hallands län. Mätperioden var februari 2000 till december 2000 och man uppmätte halter av CO, NO och NO 2. Jämförande resultat mellan beräkning enligt MIL och mätningar av NO 2 och NO x (uttryckt som NO 2 ) illustreras i Tabell 10. Mätresultaten är från en mätpunkt 25 m från vägmitt i den förhärskande vindriktningen (sydväst). 20

25 För beräkningarna vid motsvarande väglänk har en bakgrundshalt på 7 µg/m 3 adderats till årsmedelvärdet, enligt MIL. För validering av PM 10 har använts en mätning vid Sunningeleden strax norr om Sunningesundsbron 7 under sommaren Valideringen tyder på att de beräknade halterna genomgåe är något högre (ca 10 70%) än de uppmätta. Nomogrammen kan i sin nuvarande utformning inte ta hänsyn till de skillnader i ventilation som råder mellan olika delar av Sverige. Båda de platser som valts ut för valideringen är relativt välventilerade. Detta är antagligen en starkt bidragande orsak till att MIL överskattar halterna. Tabell 10 Jämförelse mellan uppmäta och beräknade halter av NO 2 och PM 10 E6-Halland Uppmätta halter NO 2 (NO x ) Beräkningar NO 2 uppmätt/beräknat % 98%il dygn %-il timme årsmv 13 (28.5) E6-Sunningeleden Uppmätta halter PM 10 sommarhalvår Beräkningar PM 10 årsmv 98%il dygn %-il dygn årsmv Ett annat sätt att validera metoden är att jämföra MIL med andra beräkningsmetoder. För de största städerna i Sverige, Malmö, Göteborg och Stockholm finns relativt avancerade emissionsdatabaser och spridningsmodeller. I emissionsdatabaserna finns huvuddelen av utsläppskällorna till luft i kommunen och länet inlagda, d.v.s. inte bara vägtrafik utan även andra transportslag, energisektorn och industrisektorn. Spridningsmodellerna bygger på den lokala meteorologin och hänsyn kan med hjälp av vindfälten även tas till topografi och skrovlighet. Dessa modeller ligger därför på en helt annan nivå än vad MIL gör. Nackdelen är att de kräver ett omfattande arbete att bygga upp och underhålla dessa system för en kommun eller ett län. I figur 7 jämförs beräkningsresultaten från MIL med beräkningar med AIRVIRO som är ett sådant system som nämnts ovan. Vi har valt att använda samma färger för de olika haltintervallen i de båda beräkningarna. Det som man kanske ser först är att AIRVIRO till skillnad från MIL har en ytterligare dimension genom att det kan redovisa hur halterna avtar från vägen. AIRVIRO innehåller hela vägnätet, medan MIL med nuvarande underlag är begränsat till det statliga vägnätet och bara ett fåtal kommunala vägar. Detta är dock ingen begränsning av själva MIL utan beror mer på underlaget som vi använt. 7 Sunningesundsbron ligger i Byfjordens inlopp till Uddevalla. 21

26 Koncentrerar vi oss på vägarna och de vägar som är gemensamma för de båda systemen kan vi konstatera att MIL pekar ut några fler vägar som överskridande av MKN (röda) än vad AIRVIRO gör. För de statliga vägarna beror detta antagligen mot bakgrund av ovanståe valideringar på att nomogrammen ger högre halter än vad spridningsdelen i AIRVIRO gör för motsvarande emissioner. Längst upp i MIL-bilden finns några vägar som bildar ett rött U. Dessa vägar har alltså identifierats som ett överskridande av MKN enligt MIL, medan AIRVIRO inte har identifierat detta som något problem. De aktuella vägarna är kommunala. Inlagda företeelser för det kommunala vägnätet i VDB håller en mycket lägre kvalitet jämfört med motsvarande för statligt vägnät, en del företeelser saknas dessutom såsom t.ex. hastighet och andel tung trafik. MIL blir då tvingad till att använda grova schabloner, vilket i detta fall innebär att vägen klassas som centrumväg med skyltad hastighet 50 km/h liggande i ett gaturum. I verkligheten är vägen trafikmiljö ytterområde med skyltad hastighet 50 km/h och öppen väg. Med denna ändring klassar MIL inte längre vägen som ett överskridande av MKN. Om man studerar några trafikplatser såsom Kungstensmotet (den gulmarkerade trafikplatsen söder om Göta älv till vänster i MIL-bilden) och Bräckemotet (den gulmarkerade trafikplatsen norr om Göta älv till vänster i MIL-bilden) kan man konstatera att MIL beräknar halterna för dessa till lägre än de vägar som går in i trafikplatserna. Detta beror på att MIL beräknar haltbidraget från varje enskild väglänk och inte kan ta hänsyn till att det går en väg eller som i detta fall av- och påfarter alldeles intill vägen som ger extra tillskott till bakgrundshalten. Undantaget från detta är syskonlänkar, t.ex., motorvägar där MIL behandlar de båda riktningarna som en väg. Man bör därför i MIL inte betrakta själva trafikplatserna utan istället de vägar (ben) som går in i trafikplatsen. Halterna vid trafikplatsen bör vara minst lika höga som vid de ingåe benen. Figur 7 Jämförelse av beräknade 98 percentiler av halter av kvävedioxid för år 2006 i Göteborg mellan MIL (vänstra bilden) och AIRVIRO (högra bilden). Källa till AIRVIRO beräkningarna är Miljöförvaltningen Göteborg (2000). Rött > 60 µg/m 3, gult µg/m 3, grönt µg/m 3. Diskussion och slutsatser Projektet har lett fram till en metod för inventering av luftkvalitet längs det statliga vägnätet. Metoden har också använts av Vägverkets regioner i samband med planeringsomgången I stort kan därför sägas att målet med projektet är nått. Liksom för många andra nya system innehåller dock denna första version av MIL en del brister. Fortsatt utveckling av 22

27 systemet för att öka precisionen och för att få en mer lättanvänd produkt behövs därför. Vägverket har tidigare inte haft tillgång till ett heltäckande system som MIL, behovet har dock varit stort. En del kommuner har också visat intresse för metodiken. MIL fyller därför ett tomrum och det är svårt att tydligt se hela utvecklingskedjan. Nedan ges några förslag på fortsatt utveckling. Valideringen av MILEMISSION visar att modellen underskattar emissionerna av kväveoxider medan det för partiklar och bensen ligger i samma nivå som uppmätta emissionsfaktorer. Vad det gäller partiklar kan man dock konstatera att det bland uppmätta emissionsfaktorer är mycket stor spridning och att bara ha en emissionsfaktor för uppvirvlingsdelen därmed kan ge avsevärda fel i enskilda fall. Utöver själva emissionsfaktorerna bör även fordonskarakterisering och karakterisering av körförhållanden ses över. Exempel på sådant är definitionen av tung trafik, schabloner för andelen lastbilar med släp, val av trafikmiljö och geografisk fördelning av starter. Det pågår en del aktiviteter med att uppdatera såväl emissionmodellen i EVA (VTI) vilken MILEMISSION utgår från som att ta fram en ny metodik för beräkning av resuspension vid vägar (SMHI och ITM). Det pågår även en uppdatering av EMV-modellen (VTI). Resultat från dessa projekt bör implementeras i kommande version av MILEMISSION. En känslighetsanalys bör först göras av MILEMISSION för att identifiera de svagaste punkterna i modellen och därmed skapa ett underlag för kostnadseffektiva förbättringar. I känslighetsanalysen skulle man även kunna jämföra mot andra modeller såsom COPERTmodellen. Valideringen av MIL visar att beräkningen av det lokala tillskottet från vägen till halten behöver utvecklas för att ta hänsyn till de meteorologiska förhållandena. Detta skulle t.ex. kunna göras genom att ta fram nomogram för olika meteorologiska förhållanden. Schablonen för val de lokal spridningsförhållandena mellan gaturum och öppen väg är kraftigt förenklad och det bör undersökas hur detta kan utvecklas. Något som också har diskuterats under projekts gång är att kunna ta hänsyn till bidrag från närliggande vägar. Metoden som används i MIL för att beräkna urbana bakgrundshalter skulle kunna förbättras betydligt genom att använda den, i för Vägverket framtagna metoden i projektet "Vidare utveckling av URBAN-modellen" för västra Sverige. Denna metod är baserad på delar av den gamla URBAN-modellen men med en förbättrad meteorologi samt bättre tidsupplösning och geografisk upplösning. Detta har beräknats med hjälp av en avancerad meteorologisk modell. Vid validering mellan uppmätta och beräknade månadsmedelvärden av NO 2 -halter (med det nya metoden), erhålls god överensstämmelse (se figur 8). Utöver de underliggande algoritmerna som används av MIL och MILEMISSION finns det även ett behov av att göra metoden mer användarvänlig. Det handlar bl.a. om förbättrat användargränssnitt på MILEMISSION och på sikt även integrering av MIL och MILEMISSION. Det sistnämnda förutsätter också en uppgradering till senaste versionen av Arcview (Arcview 8.x). Det finns som har nämnts ovan också önskemål om att kunna använda metodiken för kommunalt vägnät. Nya funktioner har också efterlysts för att kunna beräkna halter på olika avstånd från vägen samt att kunna skatta antalet personer nära vägen som kan exponeras för olika haltnivåer 23

28 40 R 2 = Meassured NO Calculated NO 2 Figur 8 Jämförelse mellan uppmätta och beräknade månadsmedelhalter med den utvecklade versionen av URBAN-modellen. 24

29 Referenser Areskoug H. m.fl., 2002, Concentrations and sources of PM10 and PM2.5 i Sweden. Preliminary report Bringfelt m.fl. (1997) Calculation of PM-10 concentrations i Swedish cities-modelling of inhalable particles. SMHI report No 76. Foltescu V. m.fl. (2002) Nomogram för uppskattning av halter av PM10 och NO2 reviderad version. Hammarström U. och Karlsson B. Fordonskostnader och avgasemissioner för vägplanering (EVA) VTI notat T150, 1994 Johansson C. m.fl. (1996) Emissioner av kväveoxider och kolmonoxid från vägtrafik-analys av mätningar i Söderledstunneln, ITM rapport 49. Johansson C. m.fl. (2001) Cancerframkallande ämnen Olika källors berydelse för spridningen och förekomsten i Stockholm, ITM rapport 90. Johansson H. (2001) EVA SYSDOK version 2.3 modellspecifikation: fordonseffektmodell, rev Internt PM Vägverket. Johansson H. (2002) Emissioner av bensen i tätort PM , TFK Institutet för transportforskning. Johansson H. och Nilsson M. (2002) Emissioner, hälsoeffekter och värdering av vägdamm, April 2002, TFK Institutet för transportforskning. Miljöförvalningen Göteborg, 2000, Miljökvalitetsnormer, Situationen i Göteborg 2006, PM 2000:1. Moon B. (2001) Real Word Emission Factors estimated from street Canyons and Road Tunnel in Stockholm, Master s Thesis carried out in the International Master Program for Traffic Environment and Safety Management, Linköping University. Muñoz Berríos, H. (2001) Benzene in a street canyon : field measurements and simulation by OSPM, Chalmers tekniska högskola. Palmgren F. m.fl. (1999) Actual car fleet emissions estimated from urban air quality measurements and street pollution models, The Science of the Total Environment 235 (1999) Persson mfl, 2001 Luftkvalitet i Sverige sommaren 2000 och vintern 2000/01. Resultat från mätningar i URBAN-projektet. IVL rapport B1426 Persson, K mfl Sjöberg K., (1999) Dokumentation av URBAN-modellen. IVL rapport L99/7 25

30 Sjödin Å. (1999) Mätningar av emissioner från vägtrafik i tunnlar. En litteraturöversikt, KFB-Rapport 1999:19. Sjödin Å. m.fl.(2002) Emissioner från vägtrafik-mätningar och beräkningar i tre tunnlar, preliminär version , IVL/VTI Stockholm och Uppsala läns luftvårdsförbund, 1999 Kartläggning av kvävedioxidhalter i Stockholm och Uppsala län jämförelser med miljökvalitetsnormer, rapport 3:99. Tønnesen D. (2000) Programdokumentatsjon VLUFT versjon 4.4 TR 7/2000, NILU. Vägverket (2001a) Effektsamband 2000 Nybyggnad och förbättring effektkatalog, Vägverket Publikation 2001:78. 26

31 Bilaga 1 Manual MILEMISSION Uppdelning av län Eftersom beräkningar i Excelarket utgår ifrån de gamla länen och har en egen region för Göteborg, krävs det ett visst förarbete. Vägar och Tätorter levereras nämligen enligt de nuvarande länsgränserna. Aktuella län är Skånes län som delas upp i Malmöhus och Kristianstads län, Västra Götalands län som delas upp i Skaraborg, Älvsborg, Bohuslän och Göteborgsregionen. Den senare innehåller Kungsbacka från Hallands län, varför även Halland måste delas upp. Se tabell nedan för kommunindelning. Det enklaste sättet är att göra detta i GIS med hjälp av en shapefil innehållande Sveriges kommuner. Älvsborg Skaraborg Bohus Halland Göteborg Malmöhus Kristianstad Bengtsfors Borås Dals-Ed Färgelanda Herrljunga Mark Mellerud Svenljunga Tranemo Trollhättan Ulricehamn Vårgårda Vänersborg Åmål Falköping Grästorp Gullspång Götene Hjo Karlsborg Lidköping Mariestad Skara Skövde Tibro Tidaholm Töreboda Vara Lysekil Munkedal Orust Sotenäs Strömstad Tanum Uddevalla Falkenberg Halmstad Hylte Kungsbacka Laholm Varberg Ale Alingsås Göteborg Härryda Kungsbacka Kungälv Lerum Lilla Edet Mölndal Partille Stenungsund Tjörn Öckerö Bjuv Burlöv Eslöv Helsingborg Höganäs Hörby Höör Kävlinge Landskrona Lomma Lund Malmö Sjöbo Skurup Staffanstorp Svalöv Svedala Trelleborg Vellinge Ystad Bromölla Båstad Hässleholm Klippan Kristianstad Osby Perstorp Simrishamn Tomelilla Åstorp Ängelholm Örkelljunga Östra Göinge För varje län/region markerar du aktuella kommuner i kartan alternativt i tabellen med hjälp av selekteringsverktyget (håll inne shift-tangenten för att markera flera kommuner). Konvertera sedan dessa till en ny shapefil (Tema Konvertera till shapefil). Lägg till den i projektet och välj Arkiv - tillägg. Klicka där i boxen vid Geobearbetning och klicka OK. Gå till menyn Vy och välj Guiden för geobearbetning. I dialogrutan väljer du alternativet Klipp ett tema baserat på annat tema och klicka på nästa. Välj Vägtemat som indatatema och länstemat som överlappningstema och ange utdatafil (var den ska sparas) och klickar på avsluta. Endast de vägar som ryms inom det aktuella länet/regionen blir nu kvar i det nya vägtemat. Upprepa sedan proceduren för övriga län. Observera att proceduren för Göteborgsregionen är något mer komplicerad, eftersom man först måste slå ihop vägnät för både Halland och Västra Götaland. Detta görs genom att i dialogrutan för Geobearbetning, välja alternativet slå samman teman, markera de två vägfilerna (håll in shifttangenten för att markera flera), välja utdatafil och klicka på avsluta. Med långsammare datorer kan denna beräkning ta lång tid.

32 Tillägg av tätortsinformation i VDB-data Med hjälp av polygonlagret To01xx.shp (xx står för län), går det att identifiera vägar som går igenom tätorter. För att göra detta måste man genomföra en enkel geografisk selektering. Öppna Tätortslager och väglager för aktuellt län. För att kunna redigera i väglagret måste du göra en ny shapefil av denna. Klicka på knappen Markera alla i Tabellfönstret för att välja alla poster i tabellen, gå ut i vyn och välj alternativet Tema - konvertera till shapefil. Lägg till det nya temat i projektet. Aktivera det nya väglagret och gå till Tema - Välj enligt tema. Välj alternativ i dialogrutan enligt bild nedan (valda objekt i tätortslager) och klicka på knappen Lägg till i grupp. För Göteborgsregionen är proceduren något mer komplicerad, eftersom man först måste slå ihop Tätortslagren för Halland och Västra Götaland. Tillvägagångssättet för detta är detsamma som för att slå ihop väglagren (se punkt 3 under uppdelning av län ovan).vägar som är inom tätorter ska nu vara gulmarkerade (det blir ett visst bortfall eftersom vissa vägar går både i och utanför tätorter, men denna metod gör det bästa urvalet). Klicka fram tabellen för vägtemat och välj alternativet börja redigera under tabell-menyn. Gå till redigera-menyn och välj lägg till nytt fält. Döp det nya fältet till Tätort, Välj nummer under Typ, sätt bredden till 4 och välj 0 decimaler, klicka sedan på OK. Klicka nu på knappen för beräkna. Dubbelklicka på Tätort under Fält (se bild nedan), en formel ska nu komma upp i fönstret nedan, skriv in +1 och klicka OK.

33 De gulmarkerade fälten får nu en etta under Tätortskolumnen. Gå till Tabell - Sluta redigera och spara ändringarna. Tabellen är nu redo att importeras i Excel. Tillägg av urbana och regionala bakgrundshalter. Om man utgår från en ny fil från VDB måste även urbana och regionala bakgrundshalter kodas på. De regionala bakgrundshalterna redovisas i tabell 8 och de urbana bakgrundshalterna i bilaga 6. För att kunna sammanfoga rätt bakgrundshalter med rätt länkar måste kommunkoden läggas till VDB-filen. Genom att skapa en excelfil med kommunkoden, de urbana bakgrundshalterna av NO 2 och de regionala bakgrundshalterna av NO 2 och PM 10, spara den som DBF-fil och sedan sammanfoga med VDB-filen kan man få in information om bakgrundshalter på de olika väg länkar. Skapa MILEMISSION för aktuellt län (region) Innan du överhuvudtaget ger dig på detta bör du ha en dator med minst följande prestanda: o Processor: Pentium II eller motsvarande. (Rek: 400mhz) o Minne: 128mb RAM (Rek: 256mb RAM) o Gott om hårddiskutrymme (ca 200mb) Öppna MILEMISSION.xls (Denna fil är mycket stor och kan ta tid att öppna, den tar också upp en stor del av datorns internminne. Tänk därför på att inte ha för många program öppna samtidigt.) Öppna aktuell fil med vägdata (.dbf) från excel (den som skapades ovan, om du inte hittar den se till att filformat i dialogrutan är inställt på alla filer.) Klistra in data från vägdatafilen i MILEMISSION i bladet VDBDATA. Om du inte är säker på att ordningen är den samma på kolumnerna i MILEMISSION och vägdatafilen bör du klistra in kolumn för kolumn.

34 En del län har så många väglänkar att det kan vara fördela att dela upp beräkningarna på två omgångar. Kontrollera hur många rader du klistrat in, är dessa fler än vad det finns formler för i kolumnerna TRAFIK? till SPRIDNING måste formlerna utökas. För att kunna göra detta måste du först låsa upp bladet. Detta gör du genom att gå till Verktyg, Skydd och Ta bort bladets skydd Lösenordet för detta och alla andra blad är MIL (stora bokstäver). Sedan markerar du fr.o.m. de nedersta cellerna som det finns formler för och till och med så långt ner som man vill ha formler och sedan gå till Redigera, Fyll och Ned. Detsamma gäller bladet DATA TILL GIS. OBS fyll inte för många kolumner på samma gång, då detta är väldigt minneskrävande. Gå till Styrblad och fyll i o Beräkningsår 2000 o Län genom att ange länsbokstäver enligt nedan. o Basår, det är det år som trafikdata är från ( i första versionen skall det vara 2000). Klartext Stockholm Västerbotten Norrbotten Uppsala Södermanland Östergötland Jönköping Kronoberg Göteborgsregionen Kalmar Gotland Blekinge Kristianstad Malmöhus Halland exkl Göteborgsregionen Bohuslän exkl Göteborgsregionen Älvsborg exkl Göteborgsregionen Skaraborg Värmland Örebro Västmanland Dalarna Gävleborg Västernorrland Jämtland Bokstav AB AC BD C D E F G GBG H I K L M N O P R S T U W X Y Z Är basår annat än 2000 bör även bladet UPPRÄKNING BAS göras om. Jämför data i kolumnerna VAEGKAT och VAEGTYP med vad som står under Benämning i aktuell VDB i bladet Klartextdef. Stämmer det med bokstäver m.m. (Normalt ersätts Å, Ä och Ö med andra tecken då man öppnar en dbf-fil i excel). Stämmer det inte så ändra i Klartextdef, kolumn B.

35 Spara MILEMISSION som MILEMxxx där xxx är länsbokstäver. Skapa data från MILEMxxx som skall in i shapefil. Gå till bladet DATA TILL GIS i MILEMxxx. Kopiera innehållet, öppna en ny arbetsbok och välj sedan klistra in special och markera rutan värden och data klistras in i den nya arbetsboken. Gå sedan till Styrblad och ändra år till 2005 (det var väl på 2000 innan?!). Gå till blad DATA TILL GIS och kopiera kolumnerna G (FORDONXX) till N (EMBEXX). Observera att de sista siffrorna automatiskt ändras till 05. Klistra in innehållet (som värden) bredvid tidigare data i den nya arbetsboken. Gör de två ovanståe punkterna för år 2006 och sedan Du skall nu ha en fil med följande kolumner ID TATORT SPRIDNING GATUBREDD TRAFIKMILJO ANTALKORF FORDON00 TUNGPROC00 EMFANOX00 EMFAPM00 EMFABE00 EMNOX00 EMPM00 EMBE00 FORDON05 TUNGPROC05 EMFANOX05 EMFAPM05 EMFABE05 EMNOX05 EMPM05 EMBE05 FORDON06 TUNGPROC06 EMFANOX06 EMFAPM06 EMFABE06 EMNOX06 EMPM06 EMBE06 FORDON10 TUNGPROC10 EMFANOX10 EMFAPM10

36 EMFABE10 EMNOX10 EMPM10 EMBE10 Markera samtliga kolumner från och med kolumn G och framåt. Välj Formatera Celler och formatera till tal med 6 decimaler. (Går snabbast så men den som inte vill att trafiken skall redovisas med sex decimaler väljer 0 för dessa). Markera sedan kolumnen D (Gatubredd) och formatera till tal med 2 decimaler. Detta är nödvändigt för att decimalerna ska kunna läsas av GIS-programmet. Ta sedan bort eventuella rader där ID är lika med 0 (längst ner i datamaterialet). Glöm inte att kontrollera att samtliga poster följt med. Upprepa eventuellt proceduren ovan om du valde att dela upp beräkningarna på två omgångar och klistra in de resterande länkarna efter de du redan klistrat in. Kontrollera att du får något hopp i idnummer mellan de två omgångarna. Ytterligare möjligheter I MILEMISSION beräknas allt som behövs i form av emissioner m.m. i MIL. Eftersom informationen i VDB-data är begränsad tas en hel del data fram med schabloner. Användaren kan dock ha relativt bra lokalkännedom och därmed kunna ge betydligt bättre data än vad schablonerna ger. Sådant kan t.ex. vara trafikmiljö och spridningsförhållande. Man kan då förstås gå in på en enskild länk och ändra dessa data. Man bör då förstås vara medveten om att formler som används för att beräkna schablonen försvinner. Vi uppmanar därför att man sparar undan ett oförändrat original av filen innan man börjar putsa på indata. Formlerna kan dock enkelt fås tillbaka genom att kopiera dem från en cell längre ner eller upp i samma kolumn. Ta också en titt på algoritmen så att du vet om du gör en bättre gissning än vad som redan görs med schablonen. Importera Excel-data till shapefil i ArcView Spara sedan det nya arbetsbladet som en dbf-fil. Växla till ArcView och gå till projektmenyn. Markera Tabell i menyn till höger och välj alternativet lägg till. Leta upp dbf-filen och öppna denna. För att förena de bägge tabellerna krävs det en kolumn som är gemensam för bägge tabellerna. I detta fall är det kolumnen ID, markera denna (klicka på kolumnrubriken) i bägge tabellerna. Aktivera sedan den tabell som data ska exporteras till, d.v.s. orginalfilen och klicka på knappen förena. Data från exportfilen har nu förenats med shapefilen. För Göteborgsregionen är det lite knepigare då det finns länkar med samma ID-nummer eftersom vi tog data från olika län (Kungsbacka från Halland). Detta löste vi genom att lägga till en kolumn som vi kallat IDK som består av länskod multiplicerat med plus ID. Ifall kommunkoder behövs läggas till i materialet måste även detta förenas med shapefilen. För detta krävs en shapefil över Sveriges kommuner, med namn och kod. Kolumnen som används för att förena, är Kommun, observera att ArcView gör skillnad

37 på små och stora bokstäver. Om de två filerna inte stämmer överens, gör en ny shapefil av kommunfilen och redigera i Excel. Observera att vissa län har kommunkod istället för kommunnamn i fältet kommun (Norrbotten, Västerbotten och Jämtland). För att föreningen ska bli permanent måste en ny shapefil skapas. Klicka på knappen Markera allt. Samtliga poster färgas gult, gå därefter ut i vyn och välj där konvertera till shapefil som ligger under menyraden Tema (se till att du har rätt tema som aktivt). Filen sparas nu som ny shapefil med tillhörande dbf-fil och alla data. Ta eventuellt bort onödiga kolumner i tabellen. Exempelvis finns det två Tätortkolumner. Välj Börja Redigera under Tabell-menyn. Markera det fält som ska tas bort och välj Ta bort fält under Redigera-menyn.

38 Bilaga 2 Manual MIL Välkommen till manualen för MIL (Metodik för Inventering av Luftkvalitet längs det statliga vägnätet). Här beskrivs både hur användaren skall använda programmet samt de bakomliggande algoritmer som programmet använder. I Appix A finns även all källkod bifogad. MIL är utvecklat i språket Avenue för att köras i GIS-programmet ArcView 3.X. Det krävs alltså att denna programvara finns installerad på den dator där programmet skall köras. MIL är till för att beräkna halter av NO 2 och PM 10 längs det statliga vägnätet. Detta görs genom att processera en indatafil, se Appix B för specifikation, där varje väglänk beskrivs med antal fordon, emissionsfaktor, typ av spridning (väg eller gaturum), typ av bebyggelse (urban eller landsbyggd), vägbredd samt information om bakgrundshalt där vägen går fram. Resultatet presenteras enligt ovan som en shape-fil där legen är anpassad till rådande miljökvalitetsnormer för den beräknad parametern.

39 Scenarioberäkning av halt För att köra ett haltscenario måste användaren utföra följande steg. Användaren startar programmet ArcView 3.x från ESRI. Öppna projektfilen MIL 2000_Vx.apr Genom att trycka på någon av knapparna N eller P i menyn startar applikationen MIL för beräkning av kvävedioxidhalter (N) eller partikelhalter (P). Användaren tillfrågas efter vägdatabas (shapefile) som skall användas vid beräkningen. Varje fil representera ett län, vilket snabbar upp beräkningen. Det är viktigt att format och namn i dessa filer inte ändras, se Appix 2! Användaren måste även ange beräkningsår (2000 eller normår) och trottoarbredd, som skall användas för scenariot. När beräkningen startas arbetar programmet sig fram på följande sätt: o Emissionsfaktor och fordonsantal för varje länk med trafik hämtas från indatafilen. Emissionsfaktorn definieras som gram / fordonskilometer i genomsnitt för året medan fordonsantal definieras som fordon/dygn i genomsnitt per år. o Spridningsförhållandena för den aktuella länken, möjliga fall är gaturum och öppen väg, bestäms genom kolumnen Spridning i indatafilen som beskriver trafikmiljön (1=väg, 2=gaturum). o Gaturummets bredd bestämmas utifrån gatans bredd + trottoarer. Gatans bredd hämtas från indatafilen medan trottoarbredd anges av användaren. Luftkvaliten beräknas därefter för det gaturum som ligger närmast i bredd (20 eller 40 meter) i enlighet med nomogram framtagit av SMHI.. o o o För väg beräknas alltid halterna 25 meter från vägmitt. Genom ett tredjegradspolynom som beskriver kopplingen mellan luftkvalitet och emissioner, ingåe variabler är emissionsfaktorn och antalet fordon på länken, beräknas vägens haltbidrag i luften på ovan definierat avstånd. Till denna halt adderas den urbana bakgrunden (hämtade från IVLs Urbanmodell) för området där länken ligger under förutsättning att området är beskrivit som tätort (Tatort=1) i indatafilen. Om länken definieras som liggande i landsbyggd (Tatort=0) adderas istället den rena bakgrundskoncentrationen från indatafilen. Dessa är beräknade med SMHIs Matchmodell.

40 o Utgåe ifrån dessa årsmedelvärden beräknas sedan tim- och dygnsmedelvärden ut som funktioner (percentiler) av årsmedlevärdet i enlighet med SMHIs rapport. Resultatet presenteras som en karta där luftkvaliten kring de olika vägarna presenteras med olika färger baserat på gällande miljökvaltietsnorm för vald parameter. Standard är att årsmedelvärden presenteras men det är enkelt att byta presentationsparameter då alla varianter för en viss parameter beräknas på en gång. Leger anpassade till miljökvalitetsnormerna även för dessa parametrar medföljer programmet. Att presentera norm och utvärderingströsklar för partiklar i samma vy MKN för partiklar har en lite krånglig utformning vad det gäller dygnsmedelhalterna. För normen gäller att 50 µ/m 3 inte får överskridas mer än 35 gånger per kallerår, d.v.s. 90- percentil. Övre utvärderingströskeln ligger på 30 µ/m 3 mer än 7 gånger per år d.v.s 98 percentil. Undre utvärderingströskeln ligger på 20 µ/m 3 mer än 7 gånger per år d.v.s 98 percentil. Eftersom det är olika percentiler finns dessa som två olika kolumner i MIL PM10halt90 respektive PM10halt98. Det gör att det är lite krångligt att presentera både norm och utvärderingströsklar i samma vy. En lösning presenteras dock nedan: 1) Gör beräkning som vanligt för partiklar för aktuellt år, se till att du kommer ihåg var du sparar resultaten. 2) När beräkningen är klar går du in i editorn för teckenförklaring, laddar legen pm10d2 och väljer fält PM10halt90, använd. Det som nu visas är enbart överskridanden (och eventuellt vägar i annan färg om den är markerad).