Sentinel-basierte Atmosphärenprodukte zur Bewertung des Einflusses von Verkehrsemissionen auf die Luftqualität in Deutschland (S-VELD)

Transkript

1 Sentinel-basierte Atmosphärenprodukte zur Bewertung des Einflusses von Verkehrsemissionen auf die Luftqualität in Deutschland (S-VELD) mfund Konferenz Berlin, Oktober 2018 Prof. Thomas Trautmann und das S-VELD Team

2 Hintergrundsituation Luftverschmutzung ist umwelt- und gesundheitsschädlich ~ vorzeitige Todesfälle pro Jahr in der EU Wichtigste Schadstoffe: Feinstaub und Stickstoffdioxid (NO 2 ) EU Luftqualitätsrichtlinie : Grenzwerte werden oft überschritten Verkehr gilt als ein wichtiger Verursacher der Luftverschmutzung Kfz Emissionen: Feinstaub, NO x, VOCs, CO, Ammoniak, (Ozon) Ferntransport von Schadstoffen: Luftverschmutzung hat nicht nur eine regionale Dimension Europäisches und weltweites Problem 2

3 NO x Emissionen (Umweltbundesamt) Gesamtemissionen rückläufig Anteil der Verkehrsemissionen 2016 auf 40% gegenüber 1990 reduziert. Es gibt deutliche Hinweise, dass die Abschätzungen der Verkehrsemissionen zu niedrig sind 3

4 S-VELD Gesamtziel Besseres Verständnis der verkehrsbedingten Schadstoffemissionen in Deutschland auf Grundlage neuester Sentinel-Satellitendaten Planungsgrundlage und Entscheidungshilfe für Behörden Die Copernicus Sentinel Instrumente liefern tägliche NO 2 and Feinstaub Informationen in einer noch nie da gewesenen räumlichen Auflösung Nutzung von Sentineldaten in Kombination mit Emissions- und Luftqualitäts- Modellierung 4

5 S-VELD Projekt Projekt im Rahmen des 3. mfund Förderaufrufs Themenbereich: Datenbasierte Anwendungen im Bereich Fernerkundung/Satelliten Laufzeit: August 2018 Juli 2021 Partner Institut für Methodik der Fernerkundung (IMF), DLR, Oberpfaffenhofen Deutsche Fernerkundungsdatenzentrum (DFD), DLR, Oberpfaffenhofen Institut für Meteorologie, Freie Universität Berlin (FU-B), Berlin TNO, Climate Air and Sustainability Unit, Utrecht, Niederlande IVU Umwelt GmbH, Freiburg 5

6 Copernicus Sentinels Atmosphärenbeobachtung mit dem europäischen Copernicus Erdbeobachtungsprogramm Sentinel-5P (gestartet im Okt. 2017, operationelle Daten seit Juli 2018) Sentinel-4 ( ) Sentinel-5 ( ) 6

7 Sentinel-5 Precursor (S-5P) Mission Spektrometer im UV und sichtbaren Spektralbereich Erfasst wichtige Spurengase, Aerosole und Wolkeninformationen Auflösung ~ 3,5 x 7 km 2 Auflösung im Vergleich zu den Vorläufer-Instrumenten 7

8 Troposphärisches NO2 aus Sentinel-5P

9 Bodennahe Feinstaub-Konzentrationen Jährliche und saisonale Bodenkonzentrationen von Feinstaub (PM 2,5 & PM 10) mit Auflösung auf km-skala Regressionsmodell basierend auf Sentinel Aerosol-Daten und Grenzschichthöhe aus COSMO-DE (DWD) Verifikation der Ergebnisse mit in-situ Beobachtungen PM 2,5 aus MODIS Aerosol-Daten ( ) 9

10 OGC-konformer Geodatendienst Interoperable Datenermittlung, Visualisierung und Download Ansehen, Bestellen, Download Time-series display / inspection of GOME-2 MetOp O3 data Datenbestellung, Download via EOWEB GeoPortal (EGP) Verfügbar, in kürze: EOC Download Service Time-series display / inspection of Sentinel-5P data

11 Von Sentinel-5P Daten zu Emissionen Emissionen Chemie-Transport-Modelle verbinden Emissionen und Konzentrationen Konzentrationen Meteorologie Bodennutzung Computermodell 11

12 Bottom-up Emissionsmodellierung Kfz-Verkehr Eingangsdaten Straßennetze Kfz-Belastungen auf den Straßen Kfz-Zusammensetzung auf den Straßen (Flotte), z. B.: - Kfz-Arten (Pkw, schwere/leichte Nutzfahrzeuge) - Antriebsart (Benzin, Diesel) - Euro-Norm Straßeneigenschaften - Längsneigung - Verkehrssituation (Gebiet, Straßentyp, Tempolimit) zeitliche Verteilung Verkehrsqualität Kaltstart: Temperaturen, Standzeiten, Fahrtweiten Emissionsfaktoren (Handbuch v3.3) 12

13 Detaillierung der räumlichen und zeitlichen Verteilung der Verkehrsemissionen S-VELD geplantes Vorgehen Grundlage Basisemissionen aus GRETA (UBA) Verwendung Verkehrszähldaten automatischer Dauerzählstellen (BMVI/BASt) ggf. Ergänzung durch MDM-Daten (BMVI) Verknüpfung mit bestehendem Netz mit statischen Emissionen Emissionsmodellierung stündlich (ausgewählte Hauptachsen) Ableitung differenzierter Abbildung der zeitlichen Variabilität räumlich (Orographie, Meteorologie) Wochentag/Wochenende saisonal Beispiel Wochengang (auch Jahresgang und Tagesgang) 13

14 Von Sentinel-5P Daten zu Emissionen Emissionen Chemie-Transport-Modelle verbinden Emissionen und Konzentrationen Konzentrationen Meteorologie Bodennutzung Computermodell 14

15 Top-Down Emissionsanalyse Quantifizierung der Verkehrsemissionen durch inverse Modellierung Szenarioanalysen Datenassimilation Model POLYPHEMUS LOTOS-EUROS Institut DLR FUB/TNO Technik Localized EnKF (Offline) EnKF (Online) Meteorologie DWD - COSMO DWD - COSMO A-Priori Emissionen (bottom-up) S-VELD S-VELD Kombination zweier Modelle ermöglicht Aussagen zur Variabilität und Robustheit der Ergebnisse. 15

16 Vorläufige qualitative Vergleiche Troposphärisches NO 2-7 Nov Sentinel-5P LOTOS-EUROS Model 16

17 Vorläufige qualitative Vergleiche Troposphärisches NO 2-22 Nov Sentinel-5P LOTOS-EUROS Model 17

18 Herausforderungen und Ergebnisse Trennung von Verkehrsemissionen und nicht-verkehrsemissionen - Die Untersuchungsstrategie ist so zu gestalten, dass eine realistische Quantifizierung der gesamten Verkehrsemissionen möglich wird. Es werden Unterschiede zum A-Priori Wissen analysiert und Rückschlüsse auf mögliche bzw. nötige Korrekturen der bottom-up-emissionsfaktoren gezogen. Analyse des speziellen Beitrags der Verkehrsemissionen zur Luftbelastung in Deutschland. Vergleich der geschätzten und bottomup Emissionen für EU-Länder für

19 Zusatzfolien

20 End result Assessment of road traffic emissions and contribution to air quality in Germany Road traffic induced air quality during Report Maps, time series Uncertainties, lessons learned, gaps, etc Activity will be coordinated with UBA DLR

21 CTM result: modelled particulate matter concentrations DLR

22 Datenassimilation Neue Strategien zur hochaufgelösten Quantifizierung der Emissionen durch vollständige Datenassimilation (sowohl von Satellitendaten als auch von in-situ-messungen) werden entwickelt und eingesetzt. Adjusted parameters Covariance between emissions and model state Ensemble Kalman Filter: active approach i.e. the modelled fields are optimally combined with measurements and feedback on the model parameters is obtained. observations Noise on input parameter e.g. emissions ensemble Spread in ensemble = model uncertainty weight Obs. uncertainty weight analyzed state Forecast model state DLR

23 Quellzuordnung zur Identifikation der Regionen mit dominanten Verkehrsbeiträge Set up einer Labelling-Strategie auf Basis Bottom-up Emissionen Modellläufe Validierung S5p Beobachtungen in-situ Daten von Schadstoffe NO 2, NO x, O 3, PM, PM components, etc Quellspezifische Tracer BC Auspuff Cu Bremsenabrieb Ba Reifenabrieb Na Streusalz Auswertung Ergebnisse der Labelling Sensitivity of OMI-NO2 to road transport DLR