Welche Feinstaubbelastung haben wir morgen in Graz?

Transkript

1 1 Welche Feinstaubbelastung haben wir morgen in Graz? Ernst Stadlober Brigitte Pfeiler Institut für Statistik Technische Universität Graz

2 Was ist Feinstaub? Sehr kleine Staubteilchen PM10: Durchmesser < 10 µm = 0.01 mm Woher kommen sie? Primäre Partikel Verbrennungsprozesse Abrieb von Reifen und Straßenbelag Aufwirbelung aus natürlichen Quellen Sekundäre Partikel Gebildet aus gasförmigen Vorläuferschadstoffen Gemessen wird Masse in µg/m³ Grenzwert für Tagesmittel: 50 µg/m³

3 4 Messstationen in der Stadt Graz 3 Verkehrsspots 2 Wohngebiete 1 Grüngürtel

4 5 Situation in Winterhalbjahr Ungünstige Meteorologie Wenig Wind Wenig Niederschlag Viele Tage mit Temperatur-Inversion Anthropogene Faktoren Verkehr, Hausbrand, Industrie Folgerung Grenzwert wird häufig überschritten

5 6 Monatsmittelwerte von PM10 in 3 Gebieten von Graz Wohngebiet Stadtzentrum Industriegebiet

6 7 Menschlicher Einfluss Hausbrand Industrie Verkehr Indikator Tagestyp Sonn/Feiertag Verkehr 60-70% PM % 95% CI PM10 (µg/m³) Location Graz-Nord Graz-Mitte Graz-DB Graz-Süd Mo-Fr Sa Su/Ho

7 8 Temperatur-Inversion Wichtigster Faktor Temperatur am Grund niedriger als über Grund Kaum Austausch zwischen Luftschichten Inversion 30-50% der Wintertage Graz: brauchbarer Messort Kalkleiten: (360m über dem Grund)

8 9 Graz-West Ballonprobe der ZAMG (6 20 Uhr) Temperatur [ C ] am in Graz-Gries, Firma Roche PM10 Konzentration [ µg/m³ ] am in Graz-Gries, Firma Roche Hoehe ueber Grund [m] Hoehe ueber Grund [m] no data Inversionsobergrenze [ m ] h 0700h 0800h 0900h 1000h 1100h 1200h 1300h 1400h 1510h 1600h 1700h 1800h 1900h 2015h 0610h 0700h 0800h 0900h 1000h 1100h 1200h 1300h 1400h 1510h 1600h 1700h 1800h 1900h 2015h Zeit MEZ Zeit MEZ

9 Inversion und Menschlicher Einfluss 10 Graz-Mitte: 5 Wintersaisonen ( ) Keine Inversion: 40% niedriger als bei Inversion Sonn/Feiertag: 30% niedriger als an Werktagen

10 11 Niederschlag und Wind Beide reduzieren PM10-Belastung Aber in Graz niedrige Windgeschwindigkeiten wenig Niederschlagstage

11 12 Statistisches Prognosemodell Prognose der PM10-Konzentration des nächsten Tages unter Information des laufenden Tages Prognosen für Graz-Mitte und Graz-Süd in Wintersaison Modelle einfach und praktikabel Zuverlässig aber nicht unbedingt präzise

12 13 Multiple Lineare Regressionsmodelle PM10-Mittelwert des nächsten Tages Modelle mit bis zu 9 Variablen (r² ) Messwerte PM10 Mittelwert Mittlere Lufttemperatur der letzten 24 h von Uhr der letzten 24 h von Uhr Kategorien Samstag Sonntag Februar März Meteorologische Vorhersagen für nächsten Tag Niederschlag Mittlere Windgeschwindigkeit Temp(Grund) - Temp(über Grund) Keine Verkehrsfrequenzen notwendig (0=nein/1=ja) (m/sec) (<0 ist Inversion)

13 Qualitätsfunktion Prognosewerte gegen Messwerte 5 Qualitätsstufen grün (1=exzellent) bis rot (5=sehr schlecht)

14 Qualität der Prognose (theoretisch) 17 1: 51.6%, 2: 22.9%, 3: 13.1% 87.6% 4: 7.8%, 5: 4.6%

15 18 Graz-Mitte: Praktische Erfahrung 2. November März 2008 Meteorologische Vorhersagen durch ZAMG Steiermark bis 11 h Vormittag PM10-Prognose zwischen 13 und 16 h als Ampelsystem

16 Qualität der Prognose mit Wettervorhersage 19 1: 48.0%, 2: 22.4%, 3: 13.8% 84.2% 4: 7.9%, 5: 7.9%

17 Modell mit Wettervorhersage 20

18 24 7 Tage mit Prognose PM10 75 µg/m³ Gute Prognose, falls beob. Wert PM10 > 50 µg/m³ 1 Prognose zu hoch

19 25 17 Tage mit Beobachtung PM10 75 µg/m³ 1 Tag: Prognose PM10 > 75 µg/m³ (rot) 11 Tage: Prognose PM10 > 50 µg/m³ (orange) 5 Tage: Prognose PM10 < 50 µg/m³ (grün) 5 Prognosen zu niedrig (23.12., , 4.1., 5.1., 6.1.)

20 26 Prognosemodelle für PM10 Graz Mitte, Graz Süd Modelle & Praxistests: 5 Wintersaisonen 2004/ /09 mit exakter Wettervorhersage 90% zuverlässige Prognosen mit realer Wettervorhersage 80% zuverlässige Prognosen

21 27 Feinstaubalarm im Jahr 2010 Die Grazer Regionalbahn

22 28 Literatur Hörmann S., E. Stadlober (2004) Modellierung und Prognose der Feinstaubkonzentration in Graz-Mitte für den Zeitraum Herbst/Winter Endbericht im Auftrag der Stadt Graz Hörmann S., B. Pfeiler, E. Stadlober (2005) Analysis and Prediction of Particulate Matter PM10 for the Winter Season in Graz Austrian Journal of Statistics 34, Stadlober E., S. Hörmann, B. Pfeiler (2007) Technischer Endbericht AP 2: Statistische Prognosemodelle EU-Life Projekt KAPA GS Stadlober E., S. Hörmann, B. Pfeiler (2008) Quality and Performance of a PM10 Daily Forecasting Model Atmospheric Environment 42,