Ny varslingstjeneste for luftkvalitet. Isabella Kasin, Miljødirektoratet Bruce Denby, Meteorologisk institutt Pål Rosland, Vegdirektoratet

Transkript

1 Ny varslingstjeneste for luftkvalitet Isabella Kasin, Miljødirektoratet Bruce Denby, Meteorologisk institutt Pål Rosland, Vegdirektoratet

2 Landsdekkende varslingstjeneste grunnkretser

3 Hvorfor en varslingstjeneste? Publikum: unngå eksponering - redusere helseskader (bra for folk + reduserer kostnader) Kommuner: gjøre det enklere å informere innbyggerne hjelp til å vurdere (straks)tiltak

4 Testversjon ble åpnet for kommuner Kommunene kan gjøre seg kjent med tjenesten før den åpnes for publikum Øve seg på å legge ut supplerende tekstvarsler Åpnes for publikum når vi har fått testet det tekniske, justert innholdet og rigget svarberedskap

5 Hva finnes på nettsidene per i dag?

6

7

8 Kommuner og MET kan legge inn supplerende tekster

9 Samarbeid om bedre data og informasjon Kommuner Kommunen har en viktig rolle Innbyggere Innovative tjenester Staten Illustrasjon: Livework/ PwC

10 Veien videre Fokus på: Utvikling av fagbrukerverktøy: flere tjenester for «eksperter» og forvaltningen Forbedring av utslippsdata Brukerbehov!?! Digitalisering og effektivisering av hvordan vi forvalter luftkvalitet

11 Kort om luftkvalitetsmodellen

12 Luftkvalitetsmodell og varsling 48 timers varsling for hele Norge med romlig oppløsning mellom 250 og 50 m for forurensnings komponenter PM 10, PM 2.5, NO 2 and O 3 Komponenter er omregnet til forurensningsklasse (helse råd) og en samlet forurensningsverdi (maks av alle individuelle forurensningsklasser) Bidrag fra lokale kilder inkluderer: Trafikk eksos Trafikk ikke-eksos (stort sett veistøv) Skipsutslipp Industriutslipp Utslipp fra vedfyring Langtransportert (lengre enn 5 km) NO 2

13 Modellsystemet 2.5 km 250 m 50 m EMEP modell for Europa EMEP modell for Norge uemep AROME meteorologi Lokal utslipp ECMWF global meteorologi CAMS Europeisk utslipp

14 Varsling så langt

15 Varsling første 2 uker: Gjennomsnitt alle stasjoner NO 2 Litt for høyt

16 Varsling første 2 uker: Gjennomsnitt alle stasjoner O 3 For høyt O 3 kan også gir for høyt NO 2

17 Varsling første 2 uker: Gjennomsnitt alle stasjoner PM 2.5 Stor bidrag fra langtransportert forurensning

18 Varsling første 2 uker: Gjennomsnitt alle stasjoner PM 10 Allerede signifikant veistøv

19 Varsling første 8 dager: Stor-Oslo NO 2 Generelt for høye konsentrasjoner, men god korrelasjon

20 Varsling første 8 dager: Stor-Oslo PM 10 Varslet veistøv på noe trafikkerte veier for høyt

21 Varsling første 8 dager: Trondheim NO 2 og PM 10 PM 10 NO 2 Generelt godt varsling for Trondheim

22 Varsling første 8 dager: Midt og Norland PM 10 og NO 2 Manglende utslipp I Mo i Rana (sannsynlig industri) PM 10 NO 2 Bra varsling for veistøv i Ålesund men ikke i Narvik

23 Varsling første 8 dager: Bergen NO 2 og PM 10 PM 10 NO 2 Bra varsling i Bergen unntatt veistøv i Rådal

24 Varsling første 8 dager: Vestlandet NO 2 og PM 10 PM 10 Kalibrerings problem med måledata? For høyt PM 10 fra veistøv men ellers bra NO 2

25 Veien videre

26 Hva har vi lært i den første uken? Vi har startet piggdekksesongen for sent i mange kommuner Starter nå sesongen to uker tidligere, men vi trenger en gjennomgang før neste sesong Vi trenger å forbedre værdataene for veistøvmodellering, for mye yr i modellen noen steder, for lite andre steder, problemer rund kysten. Vi skal starte modellen med analyserte verdier (blanding av målte og modellert data) for temperatur, nedbør og fuktighet første dagen av varselet. Vi trenger å forbedre skipsutslipp, særlig i Bergen Vår målsetning er å få real time skipsutslipp med i beregningene og forbedre beskrivelsen av høyden av utslippene.

27 Hva har vi lært i den første uken? Vi mangler noe tunnelmunninger, takk til Drammen og Trondheim kommune Dette er fikset, men det mangler fortsatt noe grunnleggende data i NVDB Metoden for romlig aggregering av forurensningsklassene bør revideres Eksempel: Første nivå, en grunnkrets, kan være et lite område (ca. 10 modellruter). Hvis grunnkretsen inneholder en tunnelmunning kan det gi høye verdier hele tiden og dermed bestemme forurensningsklassen for kommunen.

28 Litt filosofisk oppsummering I modellen legger vi inn alt av betydning for spredning av luftforurensning: utslipp, meteorologi, fysisk og kjemisk prosesser Når modellen ikke stemmer med målingene betyr det ofte at det er noe vi ikke vet godt nok. Det kan være mangler i inngangsdata men også formuleringer av modellen Jo mer kunnskap og riktig inngangsdata vi har, jo bedre kan varslingen bli og vi får bedre forståelse av forurensningskildene Kommunene som bidrar med bedre utslippsdata får tilbake en bedre varsling Daglig varsling ved målestasjoner (midlertidig) finner du her:

29 Er forurensningsvarslet intuitivt? Varslet skal være relevant og pålitelig Vi skal varsle ulv - men ikke ulv, ulv i utide. Er lokalområde eller kommune det mest relevante å studere? Vi bruker 90-persentilen flatt for alle grunnkretser. Bør vi velge en annen persentil? Kommunen består av mange delområder. Den grunnkretsen med dårligst luftkvalitet representerer kommunen. Er det relevant? 90-persentilen? Når luftforurensningen i kommunen er liten, kan grunnkretser med tunnelåpning likevel ha høy luftforurensningen. Hvordan håndterer vi det? Heve time-intervallet for moderat og høy forurensning for PM10 og PM2,5.

30 Er varslet intuitivt for Oslo? Det stemmer her, men vil det stemme her?

31 Er varslet intuitivt for Majorstuen? Det stemmer her, og det vil stemmer her.

32 Aggregerte forurensningsklasse Fordi luftkvalitet kan variere mye innenfor et geografisk område trenger vi en prosedyre for å bestemme varslet forurensningsklassen for et sted (e.g. Bergen, Majorstua, etc.) Vi har valgt å bruke romlig aggregering på grunnkretsnivå Vi finner forurensningsklassen hver time for en grunnkrets basert på modellrutene i grunnkretsen (se figuren) Grunnkretsens forurensningsklasse settes lik den høyeste klassen som dekker mer en 10% av rutene Forurensningsklassen for et delområde settes lik den høyeste klassen for grunnkretsene i delområdet. Kommunen settes likt den høyeste klassen for delområdene i kommunen Dette betyr at den grunnkretsen med høyest forurensningsklasse vil bestemme kommunens forurensningsklasse. Moderat Lav Ruter i grunnkrets

33 Varsling første 8 dager: Øst og Sørlandet PM 10 Stort sett problematikk med veistøv varsling, noe veier for vått, noe for tørr

34 Varsling første 8 dager: Troms PM 10 PM 10 NO 2 Noen problemer med manglende NO 2 utslipp

35 Annen planlagt utvikling Utslippsfaktorene for eksos er de samme for hele landet. Faktorene vil bli byttet ut med kommunespesifikke faktorer Tidsvariasjonen av trafikk er basert på gjennomsnittlig variasjon for hele landet. Dette vil bli erstattet med fylkesspesifikk tidsvariasjon Foreløpig er utslipp fra industri og skip lagt i modellen på et høydenivå. Dette er en forenkling på grunn av manglende data. Nye data vil bli samlet inn for å forbedre dette