Welche Feinstaubbelastung haben wir morgen in Graz?
1
Welche Feinstaubbelastung haben wir morgen in Graz? Ernst Stadlober Brigitte Pfeiler Institut für Statistik www.statistics.tugraz.at Technische Uni...
Welche Feinstaubbelastung haben wir morgen in Graz? Ernst Stadlober Brigitte Pfeiler Institut für Statistik www.statistics.tugraz.at Technische Universität Graz
7. November 2009
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
4
Messstationen in der Stadt Graz 3 Verkehrsspots 2 Wohngebiete 1 Grüngürtel
7. November 2009
5
Situation in Winterhalbjahr • Ungünstige Meteorologie • Wenig Wind • Wenig Niederschlag • Viele Tage mit Temperatur-Inversion
Monatsmittelwerte von PM10 in 3 Gebieten von Graz 2003-2006
Wohngebiet| Stadtzentrum| Industriegebiet
7. November 2009
7
Menschlicher Einfluss • Hausbrand • Industrie
Location
60
Graz-Nord Graz-Mitte Graz-DB Graz-Süd
95% CI PM10 (µg/m³)
• Verkehr • Indikator
Tagestyp
• Sonn/Feiertag
50
40
Verkehr ≈ 60-70% 30
PM10 ≈ 70-80% Mo-Fr
7. November 2009
Sa
Su/Ho
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)
7. November 2009
9
Graz-West
Ballonprobe der ZAMG (6 – 20 Uhr) PM10 Konzentration [ µg/m³ ] am 17.03.2004 in Graz-Gries, Firma Roche
Temperatur [ °C ] am 17.03.2004 in Graz-Gries, Firma Roche 300 400
350
250
300
24
110
20 18 16
150
14 12 10
100
Hoehe ueber Grund [m]
22
100
250
90 80 70
200
60 50 40
150
30
8 6
20 100
10
4 50
0 no data -100
2 50
Inversionsobergrenze [ m ]
0
Zeit MEZ
Zeit MEZ
7. November 2009
2015h
1800h
1900h
1700h
1510h
1600h
1400h
1300h
1200h
1100h
1000h
0800h
0900h
0700h
0610h
1900h
2015h
1800h
1700h
1600h
1400h
1510h
1300h
1100h
1200h
1000h
0900h
0800h
0700h
0 0610h
Hoehe ueber Grund [m]
200
120
10
Inversion und Menschlicher Einfluss Graz-Mitte: 5 Wintersaisonen (1.10.–31.3.)
Keine Inversion: 40% niedriger als bei Inversion Sonn/Feiertag: 30% niedriger als an Werktagen 7. November 2009
11
Niederschlag und Wind •
Beide reduzieren PM10-Belastung
•
Aber in Graz • niedrige Windgeschwindigkeiten • wenig Niederschlagstage
7. November 2009
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 •
7. November 2009
13
Multiple Lineare Regressionsmodelle √PM10-Mittelwert des nächsten Tages •
Modelle mit bis zu 9 Variablen (r² ≈ 0.63 – 0.70)
• Messwerte
• PM10 Mittelwert • Mittlere Lufttemperatur
der letzten 24 h von 12 – 12 Uhr der letzten 24 h von 12 – 12 Uhr
• Kategorien • • • •
Samstag Sonntag Februar März
• Meteorologische Vorhersagen für nächsten Tag • Niederschlag • Mittlere Windgeschwindigkeit • Temp(Grund) - Temp(über Grund)
•
→
(0=nein/1=ja) (m/sec) ( 50 µg/m³ → 1 Prognose zu hoch 7. November 2009
Graz Mitte, Graz Süd • Modelle & Praxistests: 5 Wintersaisonen 2004/05 – 2008/09 • mit „exakter“ Wettervorhersage ≈ 90% zuverlässige Prognosen • mit realer Wettervorhersage ≈ 80% zuverlässige Prognosen
7. November 2009
27
Feinstaubalarm im Jahr 2010 Die Grazer Regionalbahn
7. November 2009
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, 307-326
•
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