FORFATTER(E) Einar Værnes OPPDRAGSGIVER(E) Statens vegvesen Sør-Trøndelag GRADER. DENNE SIDE ISBN PROSJEKTNR. ANTALL SIDER OG BILAG

Transkript

1 SINTEF RAPPORT TITTEL SINTEF Bygg og miljø Veg og samferdsel Postadresse: 7465 Trondheim Besøksadresse: Klæbuveien 153 Telefon: Telefaks: Foretaksregisteret: NO MVA Måling av svevestøv i Helltunnelen i overgangen mellom sommer- og vintersesongen 22. FORFATTER(E) Einar Værnes OPPDRAGSGIVER(E) Statens vegvesen Sør-Trøndelag RAPPORTNR. GRADERING OPPDRAGSGIVERS REF. STF22 A339 Åpen Hans D. Skjelbred GRADER. DENNE SIDE ISBN PROSJEKTNR. ANTALL SIDER OG BILAG / 2 ELEKTRONISK ARKIVKODE PROSJEKTLEDER (NAVN, SIGN.) VERIFISERT AV (NAVN, SIGN.) RAPPORT_Helltunnelen.doc Einar Værnes Leif Jørgen Bakløkk ARKIVKODE DATO GODKJENT AV (NAVN, STILLING, SIGN.) Tore Knudsen, forskningssjef SAMMENDRAG Det er utført støvmålinger i Helltunnelen for å undersøke hvordan konsentrasjonen av PM1 varierte med piggdekkbruk og støvdempende tiltak. Det er en del usikkerhet i målt PM1, og det mangler data for mange forhold som påvirker det faktiske støvnivået. Ut fra en forenklet modell for støvproduksjon og støvoppvirvling finner vi en klar virkning av de støvdempende tiltakene. En trafikkstrøm på 1 kjøretøy pr. time vil rett etter et tiltak gi en PM1 på ca. 6 til 7 µg/m 3. Ved en døgntrafikk på 1 med piggdekkandel på 47% vil PM1 med samme trafikkstrøm etter to uker ha økt til mellom 12 til 19 µg/m 3. Effekten av piggdekkandelen er det vanskeligere å si noe om, den overskygges av støvdempingstiltakene. Vi ser slike målinger som nyttige for å gi grunnlag og retningslinjer for støvdempende tiltak i tunneler, og anbefaler at det settes i gang et forsøksprogram med bedre kontroll med de parametre som påvirker både støvproduksjon, støvoppvirvling og støvdemping. STIKKORD NORSK ENGELSK GRUPPE 1 Miljø, Vegteknikk Environment, Highway engineering GRUPPE 2 Tunnel Tunnel EGENVALGTE Svevestøv Road dust

2 2 INNHOLDSFORTEGNELSE 1 Bakgrunn Støvmålinger Måleinstrumentet DustTrak Utplassering Siktmåler Meteorologiske data Data for trafikktelling Piggdekkandel Trafikkmengde Støvdempende tiltak Resultater Meteorologiske data Støvmålingsdata Konklusjoner Referanser...16

3 3 1 Bakgrunn SINTEF Bygg og miljø ble sommeren 22 forespurt om å måle hvordan svevestøvkonsentrasjonen i Helltunnelen endrer seg når piggdekksesongen starter rundt 1. november. Vegvesenet ville samtidig sørge for å måle total trafikk og antall kjøretøy med piggdekk i måleperioden. De ville også gjennomføre en del støvdempende tiltak i perioden. 2 Støvmålinger 2.1 Måleinstrumentet DustTrak Støvmålingene ble utført med to støvmålere av type DustTrak Aerosol Monitor Model 852, med serienummer og (heretter kalt nr.52 og nr.77). Målerne var montert i hver sin værbestandige kofferter av type DustTrak Environmental Enclosure Model Før målingene startet ble de to støvmålerne renset, og de interne filtrene ble byttet. Nullpunktet ble justert. De ble deretter kjørt omtrent to døgn innendørs i værkoffertene for å se at de fungerte normalt. De første 1 timene viste måler 52 litt høyere støvverdier enn måler 77, deretter viste de så å si identiske verdier, som vist i figur 1. Det ble derfor konkludert med at målerne fungerte bra. PM1 (µg/m), middelverdi over 1 minutter Utprøving av Dusttrak før måling i Helltunnelen Differanse : : : : : -.5 Figur 1 Funksjonstest av støvmålerne før forsøket startet 2.2 Utplassering Målerne ble satt ut i Hell-tunnelen om morgenen 16.oktober, i den første havarilomma på høyre side sett fra Stjørdals-sida. De ble montert i sine værkofferter på stativer omtrent en meter fra tunnelveggen og fem meter fra kjørefeltet og med luftinntaket i en høyde på 1.8 meter. Se figur 2. Avstanden mellom målernes luftinntak var knapt en meter. De ble plassert slik at støvkonsentrasjon og luftstrømningsforhold skulle være lik rundt målerne. De første tre døgn ble målerne drevet av blybatterier, deretter ble det lagt opp nettstrøm. Målerne fikk tilsyn med jevne mellomrom en til to ganger pr. uke. Samtidig ble de tømt for måledata. Målingene ble avsluttet 18.november.

4 4 Figur 2 Støvmålernes plassering i Helltunnelen 3 Siktmåler I tunnelen står det fastmontert en siktmåler av type SICK VISIC 61 (se figur 3). Den er plassert på taket av en nødtelefonkiosk i den første havarilomma på tunnelens høyre side sett fra Stjørdalssida, i en høyde på omtrent 2,5 meter over kjørebanen. Den har et måleområde på ca 5 meter på tvers av tunnelen. Siktmåleren betjenes av Sør-Trøndelag Vegkontor, som også har sendt oss måledata for perioden. Måledata består av siktdata (mg/m 3 ) og vindhastighet (m/s). Vi har ikke fått oppgitt hvilke partikkelfraksjoner som påvirker siktdatamålingene, men vi antar at måleverdien angir PM1. Figur 3 Siktmåler SICK VISIC 61 4 Meteorologiske data Vi har fått tilsendt meteorologiske data for måleperioden fra meteorologisk institutt. Målingene er foretatt på Planteforsk Kvithamar forskningssenter, som var den målestasjonen som lå nærmest målepunktet. 5 Data for trafikktelling 5.1 Piggdekkandel Trafikkmengden og piggdekkandelen av trafikken ble målt med en akustisk piggdekksensor utviklet av SINTEF i samarbeid med Datainstrument AS og Norsonic as. Målingene er utført av SINTEF Tele og Data. De foretok også manuelle tellinger i samme periode. Resultatene er rapportert i form av et SINTEF-notat (1). Tabell 1 og 2 viser telleresultatene. Notatet konkluderer med at de akustiske tellingene gir noe høyere piggdekkandel enn de manuelle, særlig i første del av perioden. Piggdekkandelen viste seg å variere en del over døgnet, den var størst om morgenen og sank utover dagen og mot kvelden. Det var lavere piggdekkandel i helgene enn på arbeidsdagene. Generelt viste tellingene at piggdekkandelen var i størrelsesorden 25-3% i perioden , deretter steg den til ca. 4-45% i perioden fram til

5 5 Tabell 1 Resultater av akustisk deteksjon av dekktype ved Helltunnelen Dato Klokkeslett Totalt Antall % Antall % Kommentarer antall uten piggfri- med piggkjøretoy pigg andel pigg andel :6-14: :5-14: , , :4-23: , , :-23: , , :-13: , ,1 Våt veibane i perioder :1-23: ,3 8 49, :2-23: Våt veibane i perioder :-2: , ,7 Fjernet peri. med våt veib :-22: , , :4-16: :2-12: , ,3 Regnvær :1-23: , ,8 Lørdag 3.11 :1-22: Søndag :3-23: , , :-14: , ,3 Regnvær :1-23: , , :-13: , , :3-22: , ,7 Lørdag 1.11 :2-22; , ,1 Søndag :2-23: , , :-23: , , :-13: :5-23: , , :-13: , ,6 Tabell 2 Resultater av manuell telling av dekktype ved Helltunnelen Dato Tidsrom Sted Retning Tot. Antall Andel (ca) antall uten med kj.tøy pigg % pigg % I tunnel Mot Tr.heim Før tunnel, Hommelvik Begge retninger I tunnel Begge r Før tunnel, Hell Begge r Før tunnel, Hell Begge r Før tunnel, Hell Begge r Før tunnel, Hell Begge r Før tunnel, Hell Begge r Før tunnel, Hell Begge r Før tunnel, Hell Begge r Før tunnel, Hell Begge r Før tunnel, Hell Begge r Vi har sett nærmere på data for å finne en regresjonskurve som kan anslå piggdekkandel som funksjon av dato. Vi antar at piggdekkandelen går fra en lav verdi og i løpet av måleperioden asymptotisk tilnærmer seg en viss prosentandel c. Dette kan beskrives ved hjelp av en funksjon på formen y = c - a e -b x. Vi tar bort data fra den akustiske måleren for de dagene det var regn eller våt vegbane, og får resultater som vist i figur 4. Vi har her benyttet

6 6 Det er tydelig at de automatiske målingene viser alt for høy andel i starten av perioden. Vi benytter derfor de manuelle registreringene, og finner at piggdekkandelen går fra ca 21% den 17.oktober til nesten 47% den 2. november. 7 Regresjonsanalyse for manuelle registreringer, y = c - ae -bx 6 Piggdekkandel (%) Akustisk måling Manuell registrering 1 Regresjonslinje for manuelle registreringer: c = 47., a = 34.9, b =.145. X= ved 15.okt 16.okt 21.okt 26.okt 31.okt 5.nov 1.nov 15.nov 2.nov Data for regresjonskurve: 17. okt 18. okt 19. okt 2. okt 21. okt 22. okt 23. okt 24. okt 25. okt 26. okt 27. okt 28. okt 29. okt 3. okt 31. okt 1. nov 2. nov 3. nov 4. nov 5. nov 6. nov 7. nov 8. nov 9. nov 1. nov 11. nov 12. nov 13. nov 14. nov 15. nov 16. nov 17. nov 18. nov Figur 4 Regresjonskurve for piggdekkandel som funksjon av dato, beregnet ut fra de manuelle registreringene. 5.2 Trafikkmengde Vi har fått tilsendt trafikkdata fra tellepunkt Helltunnelen (se figur 5 og bilag 1 for detaljdata) og fra bomstasjonen på Hommelvik. Tellingene viser stort sett samme trafikkmengde, midlere antall passeringer pr. dag i måleperioden var på 12 for tellepunktet, 169 for bomstasjonen. Vi benytter derfor trafikkmengden registrert på tellepunktet. Figur 6 viser trafikkmengde pr. dag i måleperioden. Som vi ser er det et klart ukebasert mønster i trafikkmengden, og den totale trafikken pr uke er ganske lik.

7 7 Antall kjøretøy okt 19-okt 22-okt 25-okt 28-okt 31-okt Dato 3-nov 6-nov 9-nov 12-nov 15-nov 18-nov 21-nov 24-nov 6: : 18: 12: Klokketime Figur 5 Trafikkdata fra tellepunkt Helltunnelen 14 Døgntrafikk Antall tusen passeringer okt 2-okt 25-okt 3-okt 4-nov 9-nov 14-nov 19-nov Dato 24-nov Figur 6 Døgntrafikk som funksjon av dato

8 8 6 Støvdempende tiltak Vi har fått data om salting og vasking av tunnelen fra Sør-Trøndelag vegkontor: Det ble foretatt helvask i Helltunnelen i uke okt fra kl okt fra kl Magnesiumklorid kl 14. Magnesiumklorid kl. 23. Magnesiumklorid kl.13. Spyling/kosting kl Spyling/kosting kl Magnesiumklorid kl. 21. Helvask omfatter spyling også av tak og vegger. Spyling/kosting utføres på vegbanen og banketten. Ved salting benyttes 1 kg magnesiumklorid oppløst i 14 liter vann som fordeles på 4 km veg. 7 Resultater 7.1 Meteorologiske data Den dagen støvmålerne ble satt ut var det et markant værskifte, det gikk over fra mildvær til kuldegrader, se figur 7. I nordre inngang til Helltunnelen var det en tendens til tåkedannelse, og biler som kjørte inn i tunnelen fikk straks kondens og til dels is på frontruta. 15 Lufttemperatur på målestasjonen Støvmålinger 1 Temperatur ( C) Figur 7 Lufttemperatur (timeverdier) målt på Kvithamar Siktmåleren ga ikke data for denne perioden, antakelig på grunn av tåkedannelsen. Siktmåleren manglet også målinger for noen små tidsrom inne i måleserien. For å lettere kunne sammenlikne data ble det sett bort fra målingene for DustTrak for periodene da siktmåleren ikke fungerte. Vindhastighet ble registrert både på værstasjonen og ved siktstasjonen i tunnelen. Resultatene er vist i figur 8. Positivt fortegn på vindretningen i tunnelen betyr vind fra Hommelviksida mot Stjørdalsida. Vi ser at vindretningen i hovedsak har vært fra Hommelviksida mot Stjørdalsida. Dette har antakelig vært gunstig for støvmålingene da målestasjonen lå nærmest Stjørdalsida.

9 9 Nedbør og luftfuktighet registerert på målestasjonen er vist i figur 9. Vi har ingen registreringer i tunnelen av relativ luftfuktighet, eller om vegdekket er tørt eller fuktig. Det er sannsynlig at vegdekket ved målestasjonen har vært fuktig i alle fall i deler av måleperioden. Det er helt klart at et fuktig vegdekke på grunn av at kjøretøyene drar med vann fra vegen utenfor tunnelen vil gi mindre støv enn et tørt dekke. 15 Vindhastigheter 1 Støvmålinger Hastighet (m/s) 5-5 Vindhastighet på målestasjonen (m/s) Vindhastighet i tunnel (FLOW-829-MV) Støvmålingsperiode Figur 8 Vindhastighet målt på værstasjonen og i tunnelen 5 Nedbør og fuktighet på målestasjonen Støvmålinger 1. Nedbør (mm/t) 3 2 Nedbør mm Støvmålingsperiode Relativ fuktighet Rel. Fuktighet % Figur 9 Nedbør og luftfuktighet registerert på værstasjonen 7.2 Støvmålingsdata Støvmålerne var satt opp til å måle midlere PM1verdi hvert minutt, mens siktmåleren lagret data hvert femte minutt. Ut fra disse målingene ble det for hver måler beregnet midlere timeverdier. Sammenstilling av støvmålingsdata (PM1) fra de tre målerne er vist i fig 1.

10 1 Målt støvkonsentrasjon (PM1), midlere timeverdier Siktmåler Nr 52 Nr PM1 (mg/m³) PM1 (mg/m³) PM1 (mg/m³) PM1 (mg/m³) Figur 1 Sammenstilling av data fra DustTrak-målerne og siktmåleren Vi legger umiddelbart merke til to forhold: Det er tydelig at DustTrak-målerne måler lavere verdier på PM1 ved lav støvkonsentrasjon og høyere verdier ved høy støvkonsentrasjon enn siktmåleren. De to DustTrak-målerne viser til dels stor forskjell i midlere støvkonsentrasjonen i løpet av en og samme time.

11 11 Figur 11 viser forholdet mellom samtidige målinger med de to DustTrak-målerne. Vi ser at de ikke er stabile i forhold til hverandre, i starten viser nr.52 høyere støvkonsentrasjon enn nr.77. Senere snur dette seg slik at nr.77 viser høyest konsentrasjon. Forholdet mellom midlere timeverdi for samtidige målinger varierer mellom 1,61 og,49. Det ser ikke ut som om forholdet er avhengig av støvkonsentrasjonen, hvis vi beregner ei regresjonslinje mellom midlere støvkonsentrasjon og forholdet mellom måleverdiene for de to støvmålerne får vi ingen korrelasjon, se fig 12. Siden forholdet mellom målingene med de to DustTrak-målerne ikke er stabilt, har vi forsøkt å korrelere data fra disse målerne med data fra siktmåleren for å se om en av DustTrak-målerne avviker mer fra siktmåleren enn den andre. Figur 13 viser at de to DustTrakmålerne har forskjellig skalafaktorer og nullpunkt i forhold til siktmåleren. Nr. 77 viste litt høyere korrelasjon med siktmåleren (R²=,793, R=,89) enn nr. 52 (R²=,734, R=,86). Forskjellen er imidlertid ikke så stor at vi kan konkludere med at en av DustTrak-målerne gir vesentlig bedre korrelasjon med siktmåleren enn den andre. Vi velger derfor å benytte middelverdien av målingene fra DustTrak-målerne i den videre behandlingen av data. Vi antar at ustabiliteten i målerne kommer av høy relativ luftfuktighet og tåkedannelse. Dusttrak har ingen forvarming av lufta slik andre målere som er beregnet til utendørs bruk ofte har. Lufta suges gjennom et filter som fjerner grovpartikler før måling, og hvis det har vært tåke og vanndråper i lufta kan disse filtrene ha blitt fuktige. Vi ser det som sannsynlig at et slikt forhold vil påvirke målingene. 2.5 Målt støvkonsentrasjon (PM1) med DustTrak. Middelverdi Nr.52/Nr PM1 (mg/m³) Figur 11 Forholdet mellom samtidige målinger med DustTrak-målerne

12 y = -.2x R 2 = 3E Nr.52/Nr Midlere støvkonsentrasjon Figur 12 Forholdet mellom samtidige støvmålinger for DustTrak-målerne som funksjon av midlere måleverdi viser ingen korrelasjon y = x R 2 = y = x R 2 = Nr.52 Nr Siktmåler Siktmåler Figur 13 DustTrak-målernes korrelasjon med siktmåleren (støvmengde målt i mg/m 3 ). For å vurdere hvilken trafikkmengde vi skal korrelere støvmålingene med må vi ha et visst begrep om sedimenteringshastigheten for støvet. Hvis vi ser på trafikken om kvelden 17. oktober ser vi at trafikken går raskt ned til nesten ingen ting (det kan virke som tunnelen er stengt). Støvkonsentrasjonen går også ned til nesten null. Hvis vi antar at støvmengden avtar eksponentielt når trafikken stanser (konstant halveringstid), får vi som figur 14 viser en halveringstid på 13,4 minutter.

13 13 Sedimenteringstid 1.9 PM1 Expon. (PM1) PM1 g/m Regresjonslikning: y =.8737e -.518x R 2 =.9733 Halveringstid: y1/y2 = 2 e -bx1 /e -bx2 = 2 x2-x1 = ln(2)/b = Minutter Figur 14 Beregning av sedimenteringshastighet for svevestøvet Sedimentasjonstida vil ganske sikkert være avhengig av en del variable faktorer, slik som partikkelstørrelser, vindretning og vindhastighet i tunnelen, kanskje også luftfuktighet og temperatur. I tillegg vil en eventuell luftutskiftning (utlufting) kunne gi rask nedgang i støvkonsentrasjonen. Det ser imidlertid ikke ut som om støvmengden i lufta er avhengig av trafikken lang tid tidligere. Når vi betrakter støvmengden, velger vi derfor å korrelere med trafikken som er registrert i løpet av samme time som målingen er gjort. For å regne videre på tallmaterialet må vi gjøre visse forenklinger: Det er opplagt at mengden støv et gitt kjøretøy virvler opp er avhengig av kjøretøyets størrelse, utforming og hastighet. Siden trafikktellingene bare viser antall kjøretøy i en tidsperiode, og ikke fordelingen mellom små og store, lett og tunge etc, betrakter vi alle kjøretøy som gjennomsnittskjøretøy. Vi må også forutsette at trafikkfordelingen mellom små og store, og piggdekkandel er det samme hele døgnet. Vi har heller ikke opplysninger om kjørebanen er tørr eller fuktig, så vi må anta like forhold i hele perioden. Vi antar videre at bare piggdekk-kjøretøy produserer vegstøv, mens alle kjøretøy virvler opp støv som befinner seg på vegen. Vi ser bort fra annet støv enn vegstøv, slik som eksospartikler etc. En gitt mengde støv s ligger igjen på vegen etter vasking og salting. Ved et gitt tidspunkt er den totale støvmengden som er tilgjengelig for oppvirvling, s, proporsjonal, k p, med hvor mange piggdekk-kjøretøy som har passert siden siste vasking/salting, p, slik at

14 14 s = s + k p * p (1) Denne støvmengden er fordelt mellom vegbanen, s v, og lufta, s l, slik at s = s v + s l. (2) Vi antar at målt PM1-støvkonsentrasjonen (PM1) i lufta ved et gitt tidspunkt er proporsjonal, k s, med støvmengden i lufta, s l : PM1 = k s * s l. (3) s l er igjen en funksjon av følgende faktorer: Trafikken siste time, t. Mengden støv som ligger på vegen, s v. Et kjøretøy kan bare virvle opp støv som ligger på vegen, siden støvet i lufta allerede er virvlet opp av tidligere kjøretøy. Vi antar en lineær sammenheng slik at s l = k l * t * s v (4) Proporsjonalitetskonstanten k l vil igjen være avhengig av parametre som tunneltverrsnittets form (areal) og eventuell lufttransport i tunnelen (vind). Ved å kombinere disse likningene får vi at PM1 ved et gitt tidspunkt er gitt ved PM1 = k s * k l * t * (s + k p * p )/(1 + k l * t) (5) Vi har beregnet denne funksjonen i tabeller i Microsoft Excel, og bestemt optimale verdier for s og proporsjonalitetskonstantene k s, k l og k p for å få minst mulig kvadratavvik fra målte PM1- verdier ved samme tidspunkt. Figur 1 i bilag 2 viser beregnede PM1-verdier sammen med tilsvarende målte verdier. Tidspunkt for tiltak er også plottet inn sammen med akkumulert antall piggdekk-kjøretøy siden siste tiltak (høyre Y-akse). Optimaliseringen gir følgende sammenheng mellom PM1, trafikk og antall piggdekk-kjøretøy siden siste tiltak: PM1 =,191 * t * ( 1,44 +,18 * p) / ( 1 +,318 * t ) (6) Ut fra figuren kan det se ut som om tidspunktene for tiltak ikke samsvarer helt med nivåendringene i målt PM1-nivå. Etter saltingen kl 14. fortsetter støvnivået å være høyt et døgn til, før det plutselig synker uten at det er angitt noe tiltak. Den kl. 23. er det angitt salting, støvmålingene indikerer derimot at noe har skjedd ca. kl.2.. Dersom tiltakstidspunktene ikke er rett angitt vil det føre til at modellen i starten av en periode etter tiltak måler usedvanlige høye PM1verdier. Dette vil gi en for stor verdi på s (reststøv etter tiltak) og en flatere utviklingskurve enn om tidspunktene er rett angitt. Vi har derfor forsøkt å justere disse tidspunktene for å se om dette ga bedre korrelasjon mellom målt og beregnet PM1, se fig. 2 i bilag 2. Vi får følgende sammenheng: PM1 =,715 * t * (,32 +,125 * p) / ( 1 +,354 * t ) (7)

15 15 Figur 15 viser korrelasjonen mellom målte og beregnede PM1-verdier i de to tilfellene. Vi ser at R 2 øker fra,37 til,384, altså en del bedre, men ingen dramatisk forskjell Sammenhengen mellom målt og beregnet PM1 R 2 =.369 Sammenhengen mellom målt og beregnet PM1 Justerte tiltakstidspunkt R 2 =.3843 Beregnet PM1 (mg/m³) Beregnet PM1 (mg/m³) Målt PM Målt PM1 Figur 15 Korrelasjon mellom målt og beregnet PM1 før og etter justering av tiltakstidspunkt I begge tilfelle ser vi at modellen har problem med å gjenskape de høyeste toppene midt på dagen når det har gått noen dager siden siste tiltak. Ut fra trafikktellingene ser vi at gjennomsnittlig døgntrafikk ligger på omtrent 1 kjøretøy. I de mest belastede timene på dagen er trafikken på vel 1 kjøretøy/time. Bruker vi formlene til å beregne PM1-nivå under trafikktoppene (1 kjøretøy/time) som funksjon av antall døgn siden siste tiltak, forutsatt døgntrafikk på 1 og piggdekkandel på 47%, får vi som vist i figur 16 en vesentlig forskjell i utviklingen Beregnet PM1 Beregnet PM1 etter justering av tiltakstidspunkt Beregnet PM1 (mg/m³) Antall døgn siden siste tiltak Figur 16 Beregnet PM1 ved timetrafikk på 1 kjøretøy som funksjon av antall døgn siden siste tiltak, forutsatt døgntrafikk på 1 med piggdekkandel på 47%.

16 16 8 Konklusjoner Vi har utført støvmålinger i Helltunnelen for å undersøke hvordan konsentrasjonen av PM1 varierte med piggdekkbruk og støvdempende tiltak. Ustabilt målenivå på støvmålerne har gitt en del usikkerhet i målt PM1. Våre målinger avviker også ganske mye fra siktmålerens målinger. Det er i tillegg mange forhold vi ikke har data for som påvirker det faktiske støvnivået, og vi er usikre på tidspunkt for støvdempende tiltak. Ut fra en forenklet modell for støvproduksjon og støvoppvirvling finner vi en klar virkning av de støvdempende tiltakene. En trafikkstrøm på 1 kjøretøy pr. time vil rett etter et tiltak gi en PM1 på ca. 6 til 7 µg/m 3. Ved en døgntrafikk på 1 med piggdekkandel på 47% vil PM1 med den samme trafikkstrømmen etter to uker ha økt til mellom 12 til 19 µg/m 3. Effekten av piggdekkandelen er det vanskeligere å si noe om, den overskygges av støvdempingstiltakene. Det stilles i dag ikke spesielle krav til maksimalt tillatt svevestøvinnhold i tunnel-luft. I følge Forskrift om lokal luftkvalitet (FOR nr 188), omfatter de gjeldende regler bare utendørs luft, der et døgnmiddel på 5 µg/m 3 PM1 ikke må overskrides mer enn 35 ganger pr. år. I forskrift til forurensningsloven er 15 µg/m 3 og 3 µg/ m 3 fastsatt som henholdsvis kartleggings- og tiltaksgrense. Anbefalte luftkvalitetskriterier fra SFT og Folkehelsa er på 35 µg/m 3 (24 timers middelverdi). I tunneler kan de maksimale verdiene komme langt høyere enn dette. Vi ser derfor slike målinger som svært nyttige for å gi grunnlag og retningslinjer for støvdempende tiltak i tunneler. Det må imidlertid gjøres målinger under mer kontrollerte forhold enn disse. Vi anbefaler at det settes i gang et forsøksprogram der vi har mye bedre styring med de parametre som påvirker både støvproduksjon, støvoppvirvling og støvdemping. Støvmålerne bør kunne måle både PM1 og PM2,5 for å skille mellom små (sot) og store (steinstøv) partikler. Både etter helvask, spyling og salting må det settes av nok tid uten nye tiltak til at langtidseffektene kan komme fram. Det må gjøres målinger som viser støvdempingseffekt som funksjon av saltmengde, gjerne også med forskjellige typer salt. Salting må også utføres i tidsrom med stor trafikk for å undersøke den umiddelbare effekten. Det må gjøres sommermålinger for å se på støvkonsentrasjonen når piggdekkene mangler, om vinteren kan støvmålingene suppleres med spormålinger for å se på sammenhengen mellom piggdekktrafikk, støvmengde og bortslitt asfaltmasse. Videre må effekten av relativ luftfuktighet, tåkedannelse og fuktig vegdekke kartlegges. Under fuktige forhold må det benyttes støvmålere med forvarming av lufta. Luftutskiftingen i tunnelen må måles eller kunne beregnes. Utstyret for automatisk registrering av piggdekkandel bør videreutvikles så vi får kontinuerlige målinger og pålitelige tall for døgnvariasjon i piggdekkbruken. Siden store kjøretøy virvler opp mer støv enn små trengs det målinger av fordelingen mellom små og store kjøretøy over døgnet. Det er også viktig å ha kontroll med kjørehastigheten. 9 Referanser (1) Berge, Truls,(23), Måling av piggdekkandel ved Helltunnelen, E6. Fra , SINTEF Tele og data, Notat 4-NO 316.

17 Timetrafikk registrert i tellepunkt Helltunnelen: Time 16-okt 17-okt 18-okt 19-okt 2-okt 21-okt 22-okt 23-okt 24-okt 25-okt 26-okt 27-okt 28-okt 29-okt 3-okt 31-okt 1-nov : : : : : : : : : : : : : : : : : : : : : : : : nov 3-nov 4-nov 5-nov 6-nov 7-nov 8-nov 9-nov 1-nov 11-nov 12-nov 13-nov 14-nov 15-nov 16-nov 17-nov Døgn 18-nov Bilag 1

18 Beregning av optimale konstanter i likningen PM1 = k s * k l * t * (s + k p * p ) / (1 + k l * t) for å oppnå minimalt kvadratavvik mellom beregnede og målte PM1-verdier: Beregnet PM1 =.191 * t * ( * p) / ( * t ) Målt PM1 Beregnet PM1 Spyl/vask Salting p = Akkumulert antall piggkj. siden tiltak /1 18/1 19/1 2/1 21/1 22/1 23/1 24/1 25/1 26/1 27/1 28/1 29/1 3/1 31/1 1/11 2/11 3/11 4/11 5/11 6/11 7/11 8/11 9/11 1/11 11/11 12/11 13/11 14/11 15/11 16/11 17/11 18/11 19/11 Figur 1: Resultat ved å benytte de oppgitte tidspunkt for tiltak. Beregnet PM1 =.715 * t * ( * p) / ( * t ) Målt PM1 Beregnet PM1 Spyl/vask Salting p = Akkumulert antall piggkj. siden tiltak /1 18/1 19/1 2/1 21/1 22/1 23/1 24/1 25/1 26/1 27/1 28/1 29/1 3/1 31/1 1/11 2/11 3/11 4/11 5/11 6/11 7/11 8/11 9/11 1/11 11/11 12/11 13/11 14/11 15/11 16/11 17/11 18/11 19/11 Figur 2: Resultat etter justering av tiltakstidspunkt.