Helene Alpfjord, Stefan Andersson och Gunnar Omstedt RAPPORT NR 2015-8 Vägledningsdokument för användning av SIMAIR i Umeå kommun
Författare: Alpfjord, H., Andersson, S. och Omstedt, G. Uppdragsgivare: Umeå kommun RAPPORT NR 2015-8 Dnr: Version: 2014/2233/9.5 1.0 Vägledningsdokument för användning av SIMAIR i Umeå Uppdragstagare SMHI 601 76 Norrköping Uppdragsgivare Umeå kommun Övergripande planering 901 84 Umeå Projektansvarig Helene Alpfjord 011-495 8345 helene.alpfjord@smhi.se Kontaktperson Andreas Forsgren 090-161239 andreas.forsgren@umea.se Distribution Klassificering () Allmän (x) Affärssekretess Nyckelord Luftmiljö, SIMAIR, PM10, NO 2 Övrigt
Sammanfattning Vägledningsdokumentet för användning av SIMAIR i Umeå kommun är skrivet i syfte att skapa enhetlighet, transparens och att harmonisera användningen och kvalitetssäkringen av beräkningar i SIMAIR. Vägledningsdokumentet ska vara lättläst och innehåller ett antal checklistor för att ge en snabb överblick av de mest relevanta delmomenten. Efter en kort redogörelse av SIMAIR och dess basår kommer en beskrivning av hur olika typer av beräkningar görs. Därefter kommer ett avsnitt om indata, följt av ett stycke om korrigering mot mätdata och beräkning av korrektionsfaktorer. Osäkerhetsuppskattning för scenarioåren 2020 och 2030 beskrivs, samt hantering av dokumentation och namngivning av resultat från SIMAIR. Slutligen finns några vanliga frågor kring SIMAIR besvarade.
Innehållsförteckning 1 Bakgrund... 1 1.1 Syfte... 1 2 SIMAIR-modellen... 1 3 Basår i SIMAR... 2 3.1 Vilket basår ska väljas?... 2 4 Så gör du beräkningar i SIMAIR för olika tillämpningar... 3 4.1 Kartläggning av luftkvalitet... 3 4.2 Studier av luftmiljöeffekter av åtgärder eller förändringar i den fysiska planeringen... 4 4.3 Studier om framtida luftkvalitet... 5 5 Indata och förutsättningar för beräkningarna... 6 6 Jämförelse och korrektion av beräkningsresultaten mot mätdata... 8 6.1 Framtagning av korrektionsfaktorer... 8 6.1.1 Inställningar i SIMAIR... 9 6.1.2 Jämförelse med mätdata... 9 6.1.3 Beräknade korrektionsfaktorer... 9 7 Osäkerhetsuppskattning för scenarioår 2020 och 2030... 10 7.1 Gynnsamt scenario... 11 7.2 Ogynnsamt scenario... 11 8 Resultat från beräkningarna... 11 8.1 Namngivning av sessioner och dokumentation... 12 9 Vanliga frågor... 13 10 Referenser... 15 Bilaga 1: Teknisk beskrivning av SIMAIR... 16 Bilaga 2: Formulär för dokumentation av indata och beräkningar i SIMAIR... 19
1 Bakgrund SIMAIR är ett modellverktyg för bedömning av luftkvalitet i trafikmiljöer. Umeå kommun använder SIMAIR för att beskriva och prognostisera luftkvalitet i tätorten. Resultat från SIMAIR utgör ett viktigt underlag för Umeå kommuns långsiktiga planering som manifesteras i översiktsplaner och i andra strategiska dokument som exempelvis åtgärdsprogram för luft eller parkeringsprogram. SIMAIR används ofta vid upprättande av miljökonsekvensbeskrivningar för detaljplaner och resultat från SIMAIR kan således ligga till grund för myndighetsutövande. SIMAIR används också inom ramen för diverse interna, men också externa projekt, där upphandlade konsulter genomför studier som omfattar luftkvalitet och därmed scenarier/prognoser i SIMAIR. Vidare används SIMAIR för hälsokonsekvensbedömningar, exempelvis har luftkvaliteten vid förskolor utretts med avseende på risk för uppkomst av astmatiska besvär. SIMAIR har använts av flertalet aktörer för beräkningar i Umeå kommun, såsom tjänstemän inom kommunen och konsulter. Umeå kommun ser ett behov av att ytterligare strukturera förutsättningarna för intern och extern användning av SIMAIR. Detta dokument är ett vägledningsdokument som ska underlätta och harmonisera användningen av SIMAIR inom Umeå kommun. Genomförda uppdateringar av modellverktyget SIMAIR ställer krav på att nya korrektionsfaktorer beräknas då de gamla inte längre kan användas. 1.1 Syfte Syftet med detta vägledningsdokument är Att få en enhetlighet och transparens så att beräkningsgången för olika användare harmoniseras. I detta ingår bland annat dokumentation av indata, vilka korrektionsfaktorer som ska användas och hur olika typer av tillämpningar bör genomföras. Underlätta användningen av SIMAIR för alla användare (tjänstemän på kommunen, konsulter etc). Möjliggöra för kommunen att granska och testa de beräkningar som konsulter gjort genom att dokumentationen av indata, beräkningsförutsättningar, namngivning av sessioner och beräkningsresultat görs på ett strukturerat och enhetligt sätt. 2 SIMAIR-modellen SIMAIR-väg är ett webbverktyg för bedömning av luftkvalitet i vägars närområde. Systemet kan dels fungera som ett kostnadseffektivt komplement till mätningar och dels vara ett verktyg i den fysiska planeringen. Eftersom luftföroreningar härstammar från olika källområden, både i och utanför Sverige, är SIMAIR ett kopplat modellsystem med flera olika luftkvalitetsmodeller på olika geografiska skalor; haltbidraget delas upp på regionalt, urbant och lokalt bidrag. Lokala modeller för vägtrafikkällor ingår. För en noggrannare genomgång av de olika komponenterna i SIMAIR-systemet, se Bilaga 1: Teknisk beskrivning av SIMAIR. I SIMAIR visas en karta över användarens kommun eller tätort. All nödvändig information om utsläpp, meteorologi och spridning, haltbidrag från långväga transporter och urban bakgrund finns redan lagrade i systemet. Användaren kan själv lägga till uppgifter, om mer detaljerade indata finns att tillgå. För varje väglänk finns uppgifter lagrade om trafikmängd, fordonssammansättning, vägbredd, hastighet med mera från Trafikverkets nationella vägdatabas. Den befintliga informationen kan korrigeras för 1
mer precisa modellberäkningar, vilket är ett mycket viktigt steg, särskilt för kommunala vägar eftersom dessa trafikmängder är baserade på simulerade värden. Det lokala bidraget till föroreningshalter beräknas med en lokal spridningsmodell. Luftkvaliteten sammanställs därefter och redovisas uppdelat på lokala, urbana och regionala bidrag. Databaserna i SIMAIR uppdateras med data för ett år i taget, så kallade nya basår. Scenarier för år 2020 och 2030 finns även tillgängliga i systemet, vilka kan användas för studier om framtida luftkvalitet. En detaljerad beskrivning för användningen av SIMAIR-väg finns i användarbeskrivningen: http://www.smhi.se/polopoly_fs/1.17886!/simair_anv%c3%a4ndarbeskrivning_artemis_rev.pdf Med påbyggnadsmodulen SIMAIR-korsning kan luftkvaliteten utvärderas vid komplicerade former av vägnätet, såsom trafikplatser, vägkorsningar och i områden där samverkan mellan flera vägar är betydelsefull. Halterna kan även beräknas en bit från vägen. Modulen SIMAIR-ved kan användas för bedömning av luftkvalitet i områden med småskalig biobränsleeldning. För nyheter om SIMAIR, användbara tips, referenser m.m., se SIMAIRs användarwebbsida: http://www.smhi.se/tema/simair. 3 Basår i SIMAR Idén med nya år i SIMAIR är att möjliggöra, på samma sätt som för mätningar, utvärdering av luftkvaliteten för olika kalenderår. För att åstadkomma detta görs varje år nya basår i SIMAIR, där haltbidrag från de regionala och urbana spridningsmodellerna beräknas med det aktuella årets meteorologi och emissioner, samt lokala emissionsdatabaser tas fram. Året som väljs (namngivet som År i SIMAIRs användargränssnitt) innehåller alltså aktuella bakgrundshalter och meteorologi, och emissionsdatabasen (edb:n) innehåller information om fordonsmängd och fordonssammansättning för detta år baserat på information från Trafikverket (data som går att ändra). Basåren släpps den 1 april varje år och avser föregående kalenderår, för att möjliggöra kommuners rapportering av modelldata innan den 30 juni till Naturvårdsverkets datavärd. En detaljerad guide för rapportering av modelldata finns på Referenslaboratoriet för tätortsluft modellers hemsida http://www.smhi.se/polopoly_fs/1.75725!/menu/general/extgroup/attachmentcolhold/maincol1/file/g uide_rapportering.pdf. I SIMAIR ingår för närvarande också två scenarier som avser att spegla bakgrundshalter och emissioner för åren 2020 och 2030. Bägge scenarierna beskriver en positiv bild av emissionsutvecklingen i Europa och i Sverige baserat på EU:s miljöklassificeringssystem. Scenarierna beskrivs i mer detalj för år 2020 i (8) och (5) och för år 2030 i (6). I dessa scenarier ingår inte någon prognos av de meteorologiska förhållandena utan meteorologiska data för år 2008 har används för såväl 2020 som 2030. 3.1 Vilket basår ska väljas? Valet av basår för beräkningar beror på tillämpningen. En generell rekommendation är att använda det senaste basåret. För vissa tillämpningar kan det vara värdefullt att göra beräkningarna för flera år för att undersöka variationer och därefter välja något lämpligt medelår eller extremår. För studier av framtida luftkvalitet kan scenarioåren 2020 eller 2030 väljas. 2
4 Så gör du beräkningar i SIMAIR för olika tillämpningar Här beskrivs olika typer av användning av SIMAIR och vad som bör beaktas för dessa tillämpningar. För varje användningsområde av SIMAIR tas det fram en checklista som sammanfattar förfarandet. Hur du går till väga vid en beräkning beror på typen av tillämpning som du använder SIMAIR för. Vi kan dela in dem i tre olika användningsområden: a) kartläggning av luftkvalitet, b) luftmiljöeffekter av olika åtgärder, c) prognoser av framtida luftkvalitet. Vid var och en av dessa tillämpningar, som ibland görs av olika aktörer, finns det olika aspekter som du bör beakta. Vägledningen för användandet av SIMAIR beskrivs därför uppdelat för dessa olika tillämpningar. 4.1 Kartläggning av luftkvalitet SIMAIR kan användas i kommunernas arbete för enklare eller mer omfattande kartläggning av luftkvaliteten, se Figur 1. Figur 1. SIMAIR kan användas i kommuners arbete för att kartlägga luftkvaliteten. Checklistan nedan ger information om hur de enklaste beräkningarna kan utföras med SIMAIR-väg. Checklista för SIMAIR-väg kartläggning av luftkvalitet 1. Välj ut vilka väglänkar som du vill göra beräkningar för. 2. Granska/skaffa fram indata för dessa väglänkar, se Avsnitt 5. 3. Välj vilket år du ska utföra beräkning för. För rapportering till Datavärdskapet bör det senaste året (föregående kalenderår) användas. 4. Utför beräkning, spara sessionen enligt namngivning beskriven i Avsnitt 8. 5. Spara PDF-rapporter och eventuellt Excel-tidsserier. Dokumentera vilka indata som du har använt. 6. Korrigera beräkningarna enligt framtagna korrektionsfaktorer i Avsnitt 6.1.3. 7. Fyll i formuläret över indata och resultat enligt Bilaga 2: Formulär för dokumentation av indata och beräkningar i SIMAIR. 8. Om du arbetar med kommunens rapportering av data till datavärdskapet: Se beskrivning på Referenslaboratoriet för tätortsluft modeller hur detta kan gå till: http://www.smhi.se/reflab/nyhetsarkiv-referenslab/ny-vagledning-for-rapportering-avmodelldata-1.75596 3
SIMAIR kan också användas för en mer omfattande kartläggning av luftkvaliten i kommunen. Kartor tas då fram (antingen yttäckande halter eller som färgade väglänkar) som kan användas som ett komplement till mätningar. Kartorna kan t.ex. användas i samband med fysisk planering, åtgärdsprogram och för information till kommuninnevånarna. I ett tidigare projekt (1) har luftkvalitetskartor tagits fram för åren 2008-2009 i samarbete med SMHI, vilka också lagts ut på Umeå kommuns hemsida (2). I samband med det uppdaterades en emissionsdatabas för Umeå kommun med avseende på gaturums- och väginformation. För att hålla dessa kartor aktuella behöver de regelbundet uppdateras. Årlig kartläggning av luftkvalitet med SIMAIR kan användas i rapporteringen av data till Naturvårdsverkets Datavärdskap. En detaljerad rapporteringsguide finns på Reflab-modellers hemsida (http://www.smhi.se/polopoly_fs/1.75725!/menu/general/extgroup/attachmentcolhold/maincol1/file/ Guide_rapportering.PDF). 4.2 Studier av luftmiljöeffekter av åtgärder eller förändringar i den fysiska planeringen SIMAIR kan användas för att studera olika luftmiljöeffekter, t.ex. vid förtätning av staden eller införande av olika miljöåtgärder såsom miljözon eller dubbdäcksförbud. Figur 2. SIMAIR kan användas för att studera luftmiljöeffekterna av förtätning i staden. Nedan ges en checklista över beräkningsgången för åtgärdseffekter på luftkvaliteten eller förändringar i den fysiska planeringen. Checklista åtgärders effekter 1. Välj ut vilken/vilka väglänkar som du vill göra beräkningar för. 2. Granska/skaffa fram indata för dessa väglänkar, se Avsnitt 5, avseende basfallet (nuläge). 3. Välj vilket år du ska utföra beräkning för. Det kan vara fördelaktigt att använda det mest aktuella kalenderåret. 4. Utför beräkning, spara sessionen enligt namngivning beskriven i Avsnitt 8. 5. Spara PDF-rapporter och eventuellt Excel-tidsserier. Dokumentera vilka indata som du har använt. 6. Korrigera beräkningarna enligt framtagna korrektionsfaktorer i Avsnitt 6.1.3. 7. Utför steg 2-6, men där du uppdaterar indata för åtgärden som du önskar undersöka. Det kan t.ex. vara minskad dubbdäcksanvändning, minskad tung trafik, nya byggnader etc. 8. Fyll i formuläret över indata och resultat enligt Bilaga 2: Formulär för dokumentation av indata och beräkningar i SIMAIR. 9. Vid åtgärder med längre tidsperspektiv kan eventuellt scenarioåren användas, se Avsnitt 4.3. 4
I samband med olika tänkta/planerade förändringar i Umeå med avseende på trafiken eller andra emissionskällor kan SIMAIR användas för att studera vilka luftmiljöeffekter dessa kan få. Vid sådana studier är det oftast en bra utgångspunkt att jämför nuläge med planeringsläge, dvs. beräkningar görs först för ett nuläge och därefter för de planeringsalternativ som önskas undersökas. Differensen mellan dessa ger information om vilken miljövinst/miljöförlust som kan erhållas. Observera att det då är viktigt att hålla alla övriga indata konstanta, så att det enbart är åtgärden som utvärderas (bortsett åtgärder med längre tidsperspektiv där eventuellt ett scenarioår kan användas istället). 4.3 Studier om framtida luftkvalitet SIMAIR kan användas för att undersöka framtida luftkvalitet med hjälp av de två scenarioåren 2020 och 2030. Ett exempel på studier av framtida luftkvalitet visas i Figur 3. Figur 3. En möjlig tillämpning av SIMAIR är att undersöka framtida luftkvalitet. Exempelet ovan visar hur halterna av PM10 (årsmedelvärden) enligt SIMAIR förväntas utvecklas till år 2020 för olika förändringar av dubbdäcksanvändningen, bland annat för Västra Esplanden i Umeå (från (5)). Nedan presenteras en checklista för beräkningsgången vid studier av framtida luftkvalitet. Checklista studier av framtida luftkvalitet 1. Välj ut vilken/vilka väglänkar som du vill göra beräkningar för. 2. Granska/skaffa fram indata för dessa väglänkar, se Avsnitt 5. 3. Välj att göra beräkning för år 2020 eller 2030 (både EDB och År). 4. Utför beräkning, spara sessionen enligt namngivning beskriven i Avsnitt 8. 5. Spara PDF-rapporter och eventuellt Excel-tidsserier. Dokumentera vilka indata som du har använt. 6. Korrigera beräkningarna enligt framtagna korrektionsfaktorer i Avsnitt 6.1.3. 7. Gör en osäkerhetsuppskattning, se Avsnitt 7. 8. Fyll i formuläret över indata och resultat enligt Bilaga 2: Formulär för dokumentation av indata och beräkningar i SIMAIR. 9. Vill du jämföra den framtida luftkvaliteten med ett nuläge utan att ta hänsyn till meteorologiska variationer mellan olika år? Använd då 2008 som nuläge, eftersom scenarioår 2020/2030 baseras på samma meteorologi. Om du vill använda ett annat år som nuläge bör du vara uppmärksam på att meteorologin skiljer sig åt. 5
Framtida luftkvalitetsstudier avser ofta förhållandena vid, och ibland också utvecklingen till, speciella år t.ex. år 2020 eller år 2030. Sådana studier förutsätter att det finns ett eller flera framtagna scenarier för dessa år med avseende på bakgrundshalter och emissioner. I SIMAIR finns det två sådana scenarier, se Avsnitt 3. Prognoserna kan också kombineras med studier som inkluderar olika typer av åtgärder. Exempel på en sådan studie ges i (3), där miljövinsten av införande av miljözon i Umeå till år 2020 undersöks. Detta gjordes i samarbete med SMHI. I samband med att prognoser görs av framtida luftkvalitetsförhållanden införs flera osäkerheter. Det är därför värdefullt att i samband med dessa studier söka uppskatta osäkerheter i dessa prognoser, se Avsnitt 7. 5 Indata och förutsättningar för beräkningarna Figur 4. Ett beräkningsresultat från en luftkvalitetsmodell kan aldrig bli bättre än kvaliteten på dess indata. Därför är det mycket viktigt att använda representativa och aktuella indata. Att ha kännedom om indata till modellen och dess känslighet för olika parametrar är viktigt när man utför beräkningar i SIMAIR. Vilka indata behövs för beräkningar i SIMAIR-väg? I nedanstående checklista samt Figur 5 anges vilka indata till SIMAIR som behöver granskas/uppdateras för väglänkar. Indata behöver även dokumenteras och redovisas tillsammans med beräkningsresultaten. Använd formuläret i Bilaga 2: Formulär för dokumentation av indata och beräkningar i SIMAIR som du kan bifoga med dina beräkningsresultat i SIMAIR. Checklista indata för beräkningar i SIMAIR-väg Indata till SIMAIR som behöver granskas/uppdateras är följande: 1. ÅDT, årsdygnstrafik [fordon/dygn] 2. Andel tung trafik [%] 3. Skyltad hastighet [km/h] 4. Antal körfält 5. Sandas gatan? [Ja/Nej] 6. Andel dubbdäck [%] (det finns dock defaultvärden som uppdateras varje år per Trafikverksregion) 7. Vägbredd [m] 8. Gaturumsbredd [m] 9. Byggnadshöjder, sida 1 [m] 10. Byggnadshöjder, sida 2 [m] 11. Eventuell annan upplysning, om gatan är bussgata eller liknande (då måste fordonssammansättning ändras så att det blir 100 % bussar) 6
Exempel på indata för Västra Esplanaden i Umeå ges i Avsnitt 6.1.1. Figur 5. I funktionen EDITERA i SIMAIR kan du välja en väglänk och trycka på knappen Ändra för att modifiera trafikdata och gaturumsdimensioner för den aktuella väglänken. Hur påverkar indata beräkningarna i SIMAIR-väg? Olika indata till beräkningarna påverkar beräkningsresultaten i olika grad. För att undersöka hur mycket en parameter påverkar haltnivåerna kan du göra en så kallad känslighetsanalys. Detta görs genom att ändra en parameter och hålla alla andra fixa (således ser du påverkan på just den parametern som du ändrar). I Tabell 1 visas en känslighetsanalys där förändringar i trafikmängd, hushöjd, dubbdäcksandel respektive vägbredd ger olika årsmedelhalter av NO 2 och PM10. Vi kan t.ex. se att hushöjden påverkar halterna, där högre hus ger högre halter 1. Detta eftersom högre hus medför sämre ventilation och omblandning. Dubbdäcksandelen har en markant inverkan på halten av PM10, men förstås inte på NO 2. Trafikmängden har stor inverkan på halterna både för NO 2 och PM10. Tabell 1. Tabell över årsmedelvärden av NO 2 och PM10 år 2009. Den första raden visar halterna då parametrarna är satta såsom i Avsnitt 6.1.1 (utan korrektionsfaktorer). NO 2 västra/östra sidan (µg/m 3 ) PM10 västra/östra sidan (µg/m 3 ) Vanliga inställningar 32.1/32.7 22.2/22.7 Trafikmängd -30 % 28.6/29.0 19.3/19.7 Trafikmängd +30 % 35.1/35.8 25.0/25.5 Hushöjd 0/12 m* 22.2/25.7 17.4/20.6 Hushöjd 15/17 m 36.1/36.2 23.4/23.4 Hushöjd 20/22 m 38.4/37.9 23.7/23.0 Dubbdäcksandel 20 % 32.1/32.7 18.0/18.3 Dubbdäcksandel 50 % 32.1/32.7 21.3/21.7 Vägbredd 30 m 33.5/34.0 23.5/23.9 Vägbredd 42 m 30.8/31.5 21.2/21.8 * Enkelsidig bebyggelse Är du osäker på kvaliteten på något av dina indata, t.ex. den exakta hushöjden? Gör då en känslighetsanalys och testa hur stort utslag det får på beräkningarna. 1 Notera att halten av NO 2 även påverkas av intransporten av bakgrundsozon i gaturummet. Eftersom enkelsidig bebyggelse således medför att intransporten av bakgrundsozon till gaturummet blir större, kan enkelsidig bebyggelse ibland leda till högre halter av NO 2 än låg dubbelsidig bebyggelse. 7
Hur påverkar meteorologin halterna? Hur luftföroreningar sprids påverkas av meteorologin. Väderförutsättningarna mellan olika år kan ha stor inverkan på haltnivåerna, exempelvis stabiliteten och om det förekommer markinversioner (påverkar hur stor utspädningen blir) eller hur våta vägbanorna är (påverkar uppvirvlingen av vägdamm och därmed PM10-halterna). För att undersöka påverkan av meteorologisk variabilitet för det beräkningsfall som undersöks kan du utföra beräkningar i SIMAIR med samma emissionsdatabas, men ändra År. Då undersöker du hur halterna förändras om du istället använder meteorologi och bakgrundshalter från ett annat år. Notera att om du utför beräkningar för scenarioår 2020 och 2030 baseras meteorologin på 2008 års förutsättningar (för dessa scenarioår har emissionerna förändrats enligt framtida utsläppsscenarier). Om du även vill ta hänsyn till meteorologisk variabilitet bör du utföra beräkningen för fler år än 2008, men med samma indata. 6 Jämförelse och korrektion av beräkningsresultaten mot mätdata utgående från Västra Esplanaden Figur 6. För att öka kvaliteten på beräkningarna bör du korrigera dina beräkningar mot mätdata. Ovan visas mätstationen vid Västra Esplanaden i Umeå (från Umeå kommuns webbsida). SIMAIR har visat sig avvika från uppmätta haltnivåer i Umeå, i synnerhet vad gäller kvävedioxid där modellen överlag underskattar percentiler av dygns- och timmedelvärde. Detta beror delvis på att emissionerna av NO X och NO 2 från dieselfordon underskattas i lagstadgade laboratorietester (och därmed emissionsmodellen HBEFA) jämfört med verkliga förhållanden. Dels beror underskattningen på vissa meteorologiska förutsättningar i Umeå som är svåra att modellera, nämligen kalla vinterförhållanden med stark stabil skiktning och markinversioner. Således finns ett behov av att korrigera modellen mot mätningar i Umeå. 6.1 Framtagning av korrektionsfaktorer I checklistan beskrivs hur korrektionsfaktorer bör beräknas. En tabell med korrektionsfaktorer för åren 2008-2013 samt scenarioåren 2020 och 2030 ges för Västra Esplanaden i Avsnitt 6.1.3. Checklista att beräkna korrektionsfaktorer för Västra Esplanaden 1. Ställ in inställningarna för Västra Esplanaden enligt Tabell 2. 2. Gör beräkningar i SIMAIR, spara entimmesdata för östra sidan (R2) i Excel. 3. Jämför tidsserien med mätdata enligt Avsnitt 6.1.2. 4. Ta bort saknade värden för både modell- och mätdata. 8
5. Räkna ut årsmedelvärden, dygnsmedelvärden, 98-percentiler av tim- och dygnsmedelvärden för NO 2 och 90-percentilen av dygnsmedelvärden för PM10 för mätdata och SIMAIR-data. 6. Beräkna korrektionsfaktorerna för årsmedel och percentiler som värdet för mätdata dividerat med värdet för SIMAIR 6.1.1 Inställningar i SIMAIR De inställningar som ändras för Västra Esplanaden jämfört med SIMAIRs standardinställningar visas i Tabell 2. De parametrar som har ändrats är hushöjder, gaturumsbredd, årsdygnstrafik och andel tung trafik. Övriga inställningar har bibehållits i respektive års emissionsdatabas, se Bilaga 3 som exempel för år 2008. Tabell 2. Gaturumsdimensioner och trafikdata för Västra Esplanaden i Umeå, som har använts som indata till SIMAIR för beräkning av korrektionsfaktorer. År Hushöjd [m] väster/öster Gaturumsbredd [m] ÅDT [fordon/dygn] Andel tung trafik [%] 2008 10/12 36 22 869 8.06 2009 10/12 36 22 928 9.11 2010 10/12 36 22 802 10.32 2011 10/12 36 23 288 10.60 2012 10/12 36 22 250 10.64 2013 10/12 36 21 394 8.69 6.1.2 Jämförelse med mätdata Resultaten från SIMAIR (med timupplösning) på östra sidan gatan (R2) jämförs med mätdata för motsvarande år. Viktigt att notera är att t.ex. timme 2 i SIMAIR motsvarar mätdata för timme 1-2, så att rätt värden jämförs. Ta bort motsvarande saknade värden för både mät- och modelldata. Räkna sedan ut årsmedelvärden, dygnsmedelvärden, 98-percentiler av tim- och dygnsmedelvärden för NO 2 och 90-percentilen av dygnsmedelvärden för PM10. Korrektionsfaktorerna beräknas för respektive medelvärde och percentil som värdet för mätdata dividerat med värdet från SIMAIR. Ett hjälpmedel för att ta hänsyn till saknade värden och beräkning av dygnsmedelvärden finns som ett Excelverktyg på Reflab-modellers hemsida (http://www.smhi.se/reflab/kvalitetssakring/kvalitetssakring/verktyg-for-utvardering-avluftkvalitetsberakningar-1.19489). 6.1.3 Beräknade korrektionsfaktorer I Tabell 3 och 4 redovisas beräknade korrektionsfaktorer för år 2008-2013 samt 2020 och 2030. I och med att scenarioåren 2020 och 2030 använder 2008 års meteorologi så bör samma korrektionsfaktorer som för 2008 användas för dessa år. 9
Tabell 3. Korrektionsfaktorer för årsmedelvärde och 90-percentils dygnsmedelvärde för PM10 för åren 2008-2013 samt scenarioåren 2020 och 2030. Korrektionsfaktorer PM10 årsmedelvärde PM10 90-percentil dygn 2008 0.88 0.88 2009 0.98 1.07 2010 0.79 0.77 2011 0.77 0.74 2012 0.91 1.08 2013 0.98 1.11 2020 0.88 0.88 2030 0.88 0.88 Tabell 4. Korrektionsfaktorer för årsmedelvärde, 98-percentils dygnsmedelvärde och 98-percentils timmedelvärde för NO 2 för åren 2008-2013 samt scenarioåren 2020 och 2030. Korrektionsfaktorer NO 2 årsmedelvärde NO 2 98-percentil dygn NO 2 98-percentil timme 2008 1.34 1.59 1.94 2009 1.29 1.97 2.14 2010 1.30 1.70 2.02 2011 1.23 2.58 2.61 2012 1.07 1.70 1.84 2013 1.16 1.92 2.04 2020 1.34 1.59 1.94 2030 1.34 1.59 1.94 7 Osäkerhetsuppskattning för scenarioår 2020 och 2030 Vid beräkningar av framtida luftkvalitet är det även viktigt att ta hänsyn till osäkerheter, så att användningen av SIMAIR som beslutsunderlag för framtida luftkvalitet blir så bra som möjligt. Det kan vara fördelaktigt att inte enbart använda resultaten från SIMAIR för år 2020 och 2030 rakt av, utan även kvantifiera osäkerheterna. Osäkerheterna att beakta kan röra såväl meteorologisk variabilitet (2020 och 2030 baseras på meteorologi från år 2008) samt utsläppens framtida utveckling. För att kvantifiera osäkerheter för scenarioår 2020 och 2030 föreslås resultatet från SIMAIR delas upp i ett gynnsamt scenario respektive ett ogynnsamt scenario. På så sätt fås ett osäkerhetsintervall på scenarioberäkningarna, vilket gör att osäkerheten av beräkningsresultaten tydligare framgår. I Tabell 5 återges rekommendationer för hur de gynnsamma respektive ogynnsamma scenariot kan beräknas för Umeå kommun. I kommande avsnitt ges en förklaring till beräkningen av gynnsamt och ogynnsamt scenario. Tabell 5. Beräkning av gynnsamt och ogynnsamt scenario i SIMAIR för scenarioår 2020 och 2030 för NO 2 respektive PM10. Gynnsamt scenario Ogynnsamt scenario NO 2 Använd de korrigerade halterna (årsmedelvärden och percentiler) från SIMAIR avseende scenarioår 2020/2030. Multiplicera korrigerade årsmedelvärden från SIMAIR för år 2020/2030 med faktorn 1.25 och korrigerade percentiler med 1.35. PM10 Använd de korrigerade halterna (årsmedelvärden och percentiler) från SIMAIR avseende scenarioår 2020/2030. Multiplicera korrigerade årsmedelvärden från SIMAIR för år 2020/2030 med faktorn 1.1 och korrigerad percentil med 1.2. 10
7.1 Gynnsamt scenario Med gynnsamt scenario menas förutsättningar som leder till lägre halter. För både NO 2 och PM10 kan du här använda halterna som beräknas med SIMAIR tillsammans med respektive korrektionsfaktorer. Orsaken till detta är att scenarioår 2020 och 2030 baseras på meteorologi från 2008, vilket är ett relativt gynnsamt år meteorologiskt sett för lägre halter. Dessutom är emissionsutvecklingen till år 2020 och 2030 baserad på att överenskommelser hålls internationellt. Emissionsmodellerna har visat sig underskatta emissionerna av kväveoxider (se Avsnitt 7.2 om ogynnsamt scenario). 7.2 Ogynnsamt scenario Den meteorologiska variabiliteten mellan olika år och därmed spridningsförutsättningarna för luftföroreningar spelar stor roll för vilka haltnivåer som erhålls. Eftersom scenarioår 2020 och 2030 baseras på meteorologi från år 2008, som kan anses vara relativt gynnsamt meteorologiskt år för lägre haltnivåer, bör detta beaktas. En studie har visat att den meteorologiska variabiliteten överlag uppskattas påverka halterna av NO 2 och PM10 med ca 10 % (9). Detta avser årsmedelvärden. För percentiler är variabiliteten större. Modellen tenderar också att underskatta dessa pga. svårigheter att beskriva vissa meteorologiska förhållanden (stark stabil skiktning med inversioner på låga höjder). För percentiler behöver vi därför öka osäkerhetsintervallet till 20 %. Om du vill undersöka den meteorologiska variabiliteten i Umeå för ditt beräkningsfall kan du göra en känslighetsanalys och välja olika år för dina beräkningar. Partiklar (PM10) består dels av avgasutsläpp, men domineras till en stor del av uppvirvling av vägdamm. Eftersom dubbdäcksanvändningen i scenarierna 2020 och 2030 i SIMAIR inte antas förändras drastiskt, kan emissionsutveckligen i SIMAIR ses som relativt ogynnsamt. Därför räcker det med att enbart ta hänsyn till meteorologiska variabiliteten för PM10 (dvs. multiplicera med en faktor om 1.1 för årsmedelvärden och 1.2 för percentiler). För NO 2 är dock emissionsutvecklingen till framtiden mer osäker. Detta beror dels på att emissionsscenariot bygger på att överenskommelser om utsläppsminskningar internationellt (Euroklasser på fordon) hålls, dels på att emissionsmodellerna har visat sig underskatta NO X -emissionerna i verkliga trafikmiljöer, se (5) och (6). Detta beräknas kunna vara ca 10 %. Dessutom påverkar andelen dieseldrivna personbilar emissionerna av NO X i hög grad. Till år 2020 beräknas t.ex. andelen dieselbilar vara ca 59 %, men ökningen de senaste åren har dock varit stor. Om vi antar att ökningen av dieselbilar blir ca 80 % istället leder detta till ca 5 % ökade NO 2 -emissioner (eftersom primärproducerat NO 2 är högre för dieselbilar). Den sammanlagda effekten av meteorologisk variabilitet (10 % respektive 20 %), emissionernas utveckling och osäkerhetet (10 %) och dieselbilar (5 %) ger att halterna för det ogynnsamma scenariot för NO 2 ska SIMAIRs korrigerade halter år 2020/2030 multipliceras med 1.25 för årsmedelvärden och 1.35 för korrigerade percentiler. 8 Resultat från beräkningarna Resultatet av beräkningar presenteras ofta i en rapport. Som tillägg till denna rapport föreslås bifoga dokumentation enligt checklistan nedan för ökad tydlighet. 11
Figur 7. Från SIMAIR kan resultat presenteras i form av kartor, PDF-rapporter och tidsserier. För spårbarheten är det viktigt att dessa namnges systematiskt och bifogas med dina beräkningsresultat. Checklista att dokumentera beräkningsresultat 1. Gör aktuell beräkning i SIMAIR. 2. Namnge sessionen enligt Avsnitt 8.1. 3. Spara Excelfilen och PDF-rapporten och namnge de på samma sätt som sessionen. 4. Fyll i tabellen i Bilaga 2: Formulär för dokumentation av indata och beräkningar i SIMAIR. 8.1 Namngivning av sessioner och dokumentation Det är viktigt att namnge sessionen för en relevant beräkning. I nuvarande version av SIMAIR visas max tio tecken långa sessionsnamn i listan över sparade sessioner. En metod för namngivning föreslås i Tabell 5 nedan. Viktigast är att fylla i tabellen i Bilaga 2: Formulär för dokumentation av indata och beräkningar i SIMAIR, inklusive sessionsnamnet. Sessionsnamnet kan med fördel användas för att namnge Excel-filen och PDF-rapporten i SIMAIR. Tabell 5. Förslag på namngivning av session i SIMAIR. YY står för året beräkningen är gjord för, II står för initialerna för den som utfört beräkningen och de tre sista tecknen är valfria. PM10 NO 2 Bensen YYPMII??? YYNO2II??? YYBeII??? 12
9 Vanliga frågor Vad är ett basår i SIMAIR? Vad ställer man in med År respektive Edb? Idén med nya år i SIMAIR är att möjliggöra, på samma sätt som för mätningar, utvärdering av luftkvaliteten för olika kalenderår. För att åstadkomma detta görs varje år nya basår i SIMAIR, där haltbidrag från de regionala och urbana spridningsmodellerna beräknas med det aktuella årets meteorologi och emissioner, samt lokala emissionsdatabaser tas fram. Mer om detta ges i Avsnitt 3. När du ställer in År i SIMAIR väljer du vilket år som meteorologi och bakgrundshalter ska representera. När du väljer Edb (för ett utvalt år) väljer du vilket år som den lokala vägtrafiken ska representera avseende trafikmängder, emissionsfaktorer etc. Således är det ofta att rekommendera att du väljer samma år på År och Edb. Varför har år 2008 valt som basår för scenarioberäkningarna? Det finns inget bra svar på det tyvärr. När scenarioår 2020 producerades användes det senaste tillgängliga basåret, som var 2008. Samma år valdes av konsistensskäl för 2030. Finns det möjlighet att ha prognosår längre fram än 2030? Ja, det är möjligt men för det fodras att emissionsscenarier definieras för det år som avses. På sikt är det troligt att fler scenarier kommer bli aktuella. Med vilken regelbundenhet bör luftföroreningskartor uppdateras? En generell rekommendation är att uppdatera luftföroreningskartor vart femte år. Orsaken till detta är både förändringar i stadsbilden och emissionsförändringar i bl.a. fordonstrafiken. Hur kan man simulera elbussar? Eftersom elbussar inte genererar några avgasemissioner behöver du ta hänsyn till detta. Vi kommer att implementera en kategori för elfordon i SIMAIR2. I väntan på nya versionen får följande (något omständiga) steg utföras för att ta hänsyn till elbussar. 1) Minska ÅDT med motsvarande antal elbussar. 2) Räkna ut en ny andel tung trafik (där bussarna inte ingår). 3) Gå in i Fordon/Bränsle, sätt Stadsbussar till 0 % (eller hur stor som andelen icke-elbussar är av den totala mängden trafik). 4) Öka alla övriga fordonstyper för att kompensera för de procentenheter som elbussarna motsvarar. Notera att bussarna kan orsaka uppvirvling av vägdamm, vilket inte kompenseras för fullt ut för tunga fordon i modellen. Emellertid är bidraget från den tunga trafiken betydligt lägre, i och med att de inte använder dubbdäck. Varför avviker SIMAIR mot mätningarna i Umeå? Orsaken till avvikelsen mellan SIMAIR och mätningarna i Umeå kan vara flera. Avvikelsen är störst för kvävedioxid. Dels har emissionsmodellerna som använts i Europa visat sig underskatta NO X - emissionerna i verkliga trafikmiljöer. En annan förklaring är att stabila meteorologiska förhållanden med låga gränsskiktshöjder och markinversioner är svåra att reproducera fullt ut i spridningsmodellerna. 13
Sedan finns det andra osäkerheter att beakta, t.ex. kvaliteten på indata som används och hur dessa används inom modellen SIMAIR. Genom att korrigera dina beräkningar mot mätdata i enlighet med Avsnitt 6.1 tar du hänsyn till denna avvikelse. Hur generella är korrektionsfaktorerna geografiskt inom Umeå tätort? Den föreslagna metodiken korrigerar för generella systematiska fel vid modelleringen (emissioner, meteorologi) men inte för individuella skillnader mellan olika gator. Tidigare studier har också visat att det finns en stark samvariation mellan uppmätta halter i olika delar av Umeå (4), varför korrigering med hjälp av data från en mätplats förbättrade beräkningsresultaten även i övriga delar av Umeå. Vad är på gång framöver med SIMAIR? Under 2015 pågår ett stort arbete med att förnya SIMAIR. Projektet går under arbetsnamnet SIMAIR2. SIMAIR2 bygger vidare på SIMAIR, men innehåller förändringar av gränssnittet baserat på SIMAIRanvändarnas erfarenheter och synpunkter. Användarna kommer att kunna göra samma slags beräkningar som tidigare, men med färre klick. I det nuvarande gränssnittet byter man mellan olika flikar för att t ex redigera en väglänk och därefter beräkna dess halter. I SIMAIR2 ligger alla dessa funktioner på en enda sida, med en stor karta som utgångspunkt. I dagsläget är det inte möjligt att välja de nya hastigheterna 40, 60, 80 km/h etc. i SIMAIR. I nya versionen (SIMAIR2), som preliminärt lanseras i slutet av 2015, kommer dock stöd finnas för nya hastighetsgränser. Från och med Edb för basår 2015 kommer detta att implementeras. Mer om SIMAIR2 finns beskrivet på SMHIs webbsida: http://www.smhi.se/2.1209/nytt-simair-under-utveckling-1.84059 14
10 Referenser 1. Omstedt, G., Gidhagen, L., Kindell, S., Laurin, A., 2011. Kartläggning av NO2 och PM10 halter i Umeå kommun. SMHI rapport Nr 2011-73. 2. http://www.umea.se/umeakommun/byggaboochmiljo/bullerochluftkvalitet/luftfororeningarochluft matning/luftmatningar.4.232bb3eb132b9e0c2ca800060604.html 3. Omstedt, G., Burman, L., 2012. Beräkningar av kvävedioxidhalter vid några gator I Umeå åren 2014 och 2020 med och utan miljözon- SMHI rapport, nr 151. 4. Johansson, C., Andersson, S., Omstedt, G., Gidhagen, L. och Robertson, L., 2010: Mätningar och modellberäkningar av NOx-halternas tidsmässiga och rumsliga variationer i Umeå. ITM rapport, Nr.188, 53 pp. (In Swedish). 5. Omstedt, G., Andersson, S., Asker, C., Jones, J., Kindell, S., Segersson, D., Torstensson, M., 2012. Luftkvaliten i Sverige år 2020. Uppföljning av miljökvalitetsmålet Frisk luft för trafikmiljöer i svenska tätorter. SMHI Meteorologi Nr 150. 6. Holmin Fridell, S., Jones, J., Bennet, C., Södergren, H., Kindell, S., Andersson, S., Torstensson, M. och Jakobsson, M., 2013. Luftkvaliten i Sverige år 2030. SMHI Meteorologi Nr 155. 7. Omstedt, G., Forsberg, B., Persson, K., 2014. Vedrök i Västerbotten- mätningar, beräkningar och hälsokonsekvenser. SMHI rapport Nr 156. 8. Andersson, C., Andersson, S., Langner, J. och Segersson, D., 2011. Halter och deposition av luftföroreningar. Förändring över Sverige från 2010 till 2020 i bidrag från Sverige, Europa och Internationell Sjöfart. SMHI Meteorologi Nr 147. 9. Andersson, C., Langner J. och Bergström, R., 2007. Interannual variation and trends in air pollution over Europe due to climate variability during 1958-2001 simulated with a regional CTM coupled to the ERA40 reanalysis. Tellus B, Vol. 59, 77-98. 15
Bilaga 1: Teknisk beskrivning av SIMAIR SIMAIR (Gidhagen et al., 2009; Omstedt et al., 2011a) är ett kopplat modellsystem som använder spridningsmodeller och databaser på olika geografiska skalor; på så sätt möjliggörs uppdelning av föroreningar i lokalt, urbant och regionalt bidrag och användaren kan därigenom kvantifiera varifrån luftföroreningsbidragen härstammar. Flera applikationer finns inom ramen för SIMAIR, bland annat Väg, Korsning, Ved och Scenario. En schematisk skiss över SIMAIRs databaser, emissioner, meteorologi och spridningsmodeller återfinns i Figur 1. SIMAIR har validerats mot mätdata med gott resultat (Andersson et al., 2014; Andersson och Omstedt, 2013; Andersson och Omstedt, 2009). Figur X. Schematisk skiss över databaser, emissioner, meteorologi och spridningsmodeller i SIMAIR. Den streckade linjen skiljer på förberäknade halter från modeller på större skala (över linjen) och halter som beräknas direkt från användargränssnittet via lokala modeller (under linjen). Regionala haltbidrag För beräkning av halter på regional skala (haltbidrag från övriga Europa och Sverige) används spridningsmodellen MATCH (Robertson et al., 1999; Andersson et al., 2007), som drivs av meteorologiska data från väderprognosmodellen HIRLAM (44 km x 44 km över Europa), samt emissionsdata från EMEP (50 km x 50 km). Beräkningarna med MATCH kompletteras också med mätdata med hjälp av tvådimensionell variationell dataassimilering (statistisk metod), eftersom MATCH ännu inte inkluderar alla partiklar (sekundära organiska aerosoler saknas). 16
Urbana haltbidrag Urbana halter av luftföroreningar (dvs. haltbidrag från tätorten), beräknas med urbana modellen BUM (Andersson et al., 2010; Andersson et al., 2011). Upplösningen på beräkningarna är 1 km x 1 km. Vid beräkningarna används geografiskt fördelade emissionsdata från Svensk MiljöEmissionsData (SMED, 2014). Vidare används meteorologiska data från Mesan (Häggmark et al., 2000), vilket är ett system som bygger på optimal interpolationsteknik där tillgängliga data från väderobservationsstationer viktas samman med data från vädersatelliter, väderradar och numeriska väderprognosmodeller. Den horisontella upplösningen på Mesan är 11 km x 11 km. Spridningsberäkningar i BUM görs med två metodiker: För markkällor, såsom vägtrafik och småskalig vedeldning, används en bakåttrajektoriemodell som beräknar halter genom att bidrag från emissioner i ett influensområde uppströms vindriktningen aggregeras för att bestämma halten i en beräkningspunkt. För utsläpp från högre punktkällor (exempelvis höga skorstenar) görs beräkningarna med en Gaussisk plymmodell. Lokala haltbidrag SIMAIR-väg (Gidhagen et al., 2009) beräknar halter i gaturum och nära öppna vägar. För gaturum används spridningsmodellen OSPM och för öppna vägar används OpenRoad. Ekvationen för linjekällor löses matematiskt på ett förenklat sätt genom antagandet om oändliga linjekällor, vilket gör att beräkningarna bara kan göras i gaturum och nära enskilda vägar. I SIMAIR-korsning (Omstedt, 2007; Omstedt et al., 2011a; Gidhagen et al., 2013) beskrivs vägarnas geometriska former genom att delar av vägarna beskrivs matematiskt som ändliga linjekällor. Beräkningarna görs i rutnät av olika storlekar för en eller flera vägar. Samverkan mellan olika närliggande vägar kan därigenom beskrivas i begränsade rutnät eller för en hel stad. SIMAIR-ved (Omstedt, 2007; Omstedt et al., 2011a) används för att bedöma luftkvaliteten i områden med småskalig biobränsleanvändning. Modellen har nyligen använts i en studie i Västerbotten (Omstedt et al., 2014). I SIMAIR-konceptet används Trafikverkets Nationella Vägdatabas (NVDB). Emissionsfaktorer för vägtrafiken har tagits fram av Trafikverket med hjälp av HBEFA-modellen (HBEFA, 2014). Det är en emissionsmodell med omfattande användning inom Europa (modellen är en sammanslagning av tidigare ARTEMIS och HBEFA). I SIMAIR ingår även en emissionsmodell för vägtrafikens vägdamm och slitagepartiklar (Omstedt et al., 2005). SIMAIRs vetenskapliga huvudreferenser Andersson, C., Langner J. and Bergström, R., 2007: Interannual variation and trends in air pollution over Europe due to climate variability during 1958-2001 simulated with a regional CTM coupled to the ERA40 reanalysis. Tellus B, Vol. 59, 77-98. Andersson, S. och Omstedt, G., 2009: Validering av SIMAIR mot mätningar av PM10, NO 2 och bensen. Utvärdering för svenska tätorter och trafikmiljöer avseende år 2004 och 2005. SMHI Meteorologi, Nr. 137, 125 pp. Andersson, S., Omstedt, G. och Robertson, L., 2010: Känslighetsanalys, vidareutveckling och validering av SIMAIRs urbana spridningsmodell BUM. SMHI Meteorologi, Nr. 142, 37 pp. Andersson, S., Omstedt, G. and Robertson, L., 2011: Improvement of a simple dispersion model for calculations of urban background concentrations. Proceedings of the 14th International Conference on Harmonisation within Atmospheric Dispersion Modelling for Regularity Purposes, 2-6 October 2011, Kos, Greece. Andersson, S. och Omstedt, G., 2013: Utvärdering av SIMAIR mot mätningar av PM10 och NO 2 i Göteborg, Stockholm och Umeå för åten 2006-009. Undersökning av en ny emissionsmodell för vägtrafikens slitagepartiklar. SMHI Meteorlogi, Nr. 152, 51 pp. 17
Gidhagen, L., Johansson, H. and Omstedt, G., 2009: SIMAIR - Evaluation tool for meeting the EU directive on air pollution limits. Atmospheric Environment, 43, 1029-1036, doi:10.1016/j.atmosenv.2008.01.056. Gidhagen, L., Omstedt G., Pershagen, G., Willers, S. and Bellander, T., 2013: High-resolution modeling of residential outdoor particulate levels in Sweden. Journal of Exposure Science and Environmental Epidemiology 23, 306-314, doi:10.1038/jes.2012.122. HBEFA, 2014: http://www.hbefa.net/e/index.html Häggmark, L., Ivarsson, K.I., Gollvik, S. and Olofsson, P.O., 2000: Mesan, an operational mesoscale analysis system. Tellus A, Vol. 52, 1-20. Omstedt, G., Bringfelt, B. and Johansson, C., 2005: A model for vehicle-induced non-tailpipe emissions of particles along Swedish roads. Atmospheric Environment, 39, 6088-6097. Omstedt, 2007: VEDAIR ett internetverktyg för bedömning av luftkvalitet vid småskalig biobränsleeldning. Modellbeskrivning och slutrapport mars 2007. SMHI Meteorologi, Nr. 123. Omstedt, G., Andersson, S., Gidhagen, L. and Robertson, L., 2011a: 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. International Journal of Environment and Pollution, Vol. 47, No. 1/2/3/4, 79-96, DOI: 10.1504/11.47328. Omstedt, G., Forsberg, B., Persson, K., 2014. Vedrök i Västerbotten- mätningar, beräkningar och hälsokonsekvenser. SMHI rapport Nr 156. Robertson, L., Langner, J. and Engardt, M., 1999: An Eulerian limited-area atmospheric transport model. Journal of Applied Meteorology, Vol. 38, 190-210. 18
Bilaga 2: Formulär för dokumentation av indata och beräkningar i SIMAIR Använda indata till beräkningar i SIMAIR Väglänkens namn ÅDT, årsdygnstrafik [fordon/dygn] Andel tung trafik [%] Skyltad hastighet [km/h] Antal körfält Sandas gatan? [Ja/Nej] Andel dubbdäck [%] Vägbredd [m] Gaturumsbredd [m] Byggnadshöjder, sida 1 [m] Byggnadshöjder, sida 2 [m] Övriga upplysningar Beräkningsförutsättningar i SIMAIR Använt basår År som emissionsdatabasen baseras på Korrektionsfaktorer tillämpade? [Ja/Nej] Om 2020/2030, osäkerhet tillämpad? [Ja/Nej] Lagrade resultat i SIMAIR Namn på session(er) där beräkning(ar) finns Namn på emissionsdatabas (Edb) Namn på bifogad PDF-rapport Namn på ev. bifogad resultatfigur Namn på ev. bifogad Excel tidsserie Övrig information 19
20
Bilaga 3: Formulär för dokumentation av indata och beräkningar i SIMAIR för Västra Esplanaden 2008 Använda indata till beräkningar i SIMAIR Väglänkens namn 387241 387259 ÅDT, årsdygnstrafik [fordon/dygn] 22869 Andel tung trafik [%] 8.06 Skyltad hastighet [km/h] 50* Antal körfält 4 Sandas gatan? [Ja/Nej] Ja Andel dubbdäck [%] 83 Vägbredd [m] 22 Gaturumsbredd [m] 36 Byggnadshöjder, sida 1 [m] 10 Byggnadshöjder, sida 2 [m] 12 Övriga upplysningar *Skyltad hastighet är 40 km/h, vilket inte kan väljas i modellen. Se avsnittet om SIMAIR 2 i Avsnitt 9, för info om nya vägnät. Beräkningsförutsättningar i SIMAIR Använt basår 2008 År som emissionsdatabasen baseras på 2008 Korrektionsfaktorer tillämpade? [Ja/Nej] Ja Om 2020/2030, osäkerhet tillämpad? [Ja/Nej] Lagrade resultat i SIMAIR Namn på session(er) där beräkning(ar) finns Namn på emissionsdatabas (Edb) Namn på bifogad PDF-rapport 08NO2HA001 2008HA 08NO2HA001.pdf Namn på ev. bifogad resultatfigur Namn på ev. bifogad Excel tidsserie 08NO2HA001.xls Övrig information 21
22
Sveriges meteorologiska och hydrologiska institut 601 76 NORRKÖPING Tel 011-495 80 00 Fax 011-495 80 01