Poskytování in-situ dat kvality ovzduší a jejich použití v kombinaci s modelovými a satelitními daty

Transkript

1 Poskytování in-situ dat kvality ovzduší a jejich použití v kombinaci s modelovými a satelitními daty Jan Horálek (Český hydrometeorologický ústav) Jana Ostatnická, Linton Corbet (ČHMÚ), Anthony Ung (INERIS), Phillipp Schneider (NILU) ČHMÚ

2 iniciativa zaměřená na pozorování Země pod vedením EU Tři základní komponenty: vesmírná pozemní (in-situ) služby dříve GMES (Global Monitoring for Environment and Security, tj. Globální monitoring životního prostředí a bezpečnosti) V oblasti kvality ovzduší v současnosti rozvoj zejména komponent in-situ a služby. Kvalita ovzduší: hladina koncentrací znečišťujících látek, které přímo ovlivňují zdraví osob či stav vegetace (O 3, PM 10, NO 2, ).

3 Copernicus/GMES in-situ pozemní měření, včetně instalací ve vzduchu, v moři a pozemních instalací (souhrnný název in-situ ) zajišťována různými veřejnými institucemi a národními výzkumnými centry rozvojem této komponenty pověřena Evropská agentura životního prostředí (European Environmental Agency, EEA) v oblasti kvality ovzduší: v praxi je využíváno již existujících měření, jejichž hlavní účel je jiný

4 Komponenta in-situ v oblasti kvality ovzduší Evropská agentura životního prostředí (EEA) získává od poskytovatelů data prostřednictvím Evropského střediska pro znečištění ovzduší a mitigaci klimatických změn (European Topic Centre on Air Pollution and Climate Change mitigation, ETC/ACM) provozovatelé poskytují EEA prostřednictvím ETC/ACM naměřená data v režimu NRT (near real time), na základě dobrovolnosti validovaná data jsou od všech provozovatelů nahrávána v ročních intervalech do databáze AirBase, do devíti měsíců od uzavření kalendářního roku, na základě směrnice ES/2008/50 (nezávisle na GMES)

5 Copernicus/GMES služby (services) založeny jak na družicových datech, tak na pozemních (in-situ) měřeních služby poskytovány v celkem šesti definovaných oblastech: území, krizové řízení, atmosféra, mořské prostředí, bezpečnost, klimatické změny jednotlivé služby jsou v různé fázi funkčnosti: operační provoz území, krizové řízení předoperační fáze atmosféra, mořské prostředí vývoj bezpečnost, klimatické změny Plná funkčnost by měla být po vypuštění družic Sentinel. všechny služby v současnosti poskytovány zdarma

6 Služba Atmosféra (či Monitorování atmosféry) poskytuje pravidelné informace o složení atmosféry, jeho krátkodobou předpověď a analýzy retrospektivních dat (včetně re-analýzy) zejména: koncentrace skleníkových plynů, ozonu, aerosolů (PM 10, PM 2,5 ) momentálně v předoperační fázi, poskytována na portálu provozovaného evropským projektem MACC-II (Monitoring Atmospheric Composition and Climate, Sledování složení atmosféry a klimatu) další projekty v rámci této služby: Passodoble, IAGOS, NORS

7 Poskytování in-situ dat o kvalitě ovzduší Jana Ostatnická, Jan Horálek (ČHMÚ)

8 Poskytování NRT dat o kvalitě ovzduší data poskytována v režimu near real time většinou se zpožděním 1 2 hod., v hodinových intervalech veličiny: O 3, PM 10, SO 2, NO 2, NO, NO x, PM 2,5, CO, benzen různé sestavy veličin od různých poskytovatelů přijímání dat od poskytovatelů zajišťuje Evropská agentura životního prostředí (EEA) pomocí Evropského střediska pro znečištění ovzduší a mitigaci klimatických změn (ETC/ACM) okamžitý stav dodávek dat je prezentován na aktuální imisní koncentrace jsou prezentovány na

9 Okamžitý stav dodávky NRT imisních dat Ozon, 28/05/2013, 12:14:01

10 Okamžitý stav dodávky NRT imisních dat PM 10, 28/05/2013, 12:13:23

11 Aktuální (hodinové) imisní koncentrace Ozon, 28/05/2013, 11:00 12:00

12 Aktuální (hodinové) imisní koncentrace PM 10, 28/05/2013, 11:00 12:00

13 Poskytování NRT dat o kvalitě ovzduší v ČR data za Českou republiku poskytuje ČHMÚ, zdarma první NRT data začala být poskytována r. 2004: ozon, 6 venkovských stanic r nárůst počtu ozonových stanic, z nichž poskytována data od r poskytována data ze všech on-line připojených ozonových stanic (momentálně 56) od r začala být poskytována NRT data PM 10

14 Využití in-situ dat v projektu MACC, resp. MACC-II Anthony Ung (INERIS), Jan Horálek (ČHMÚ)

15 Projekt MACC, resp. MACC-II MACC MACC-II 2010 (pod FP-7, ČHMÚ není v hl. aktivitách) tři hlavní oblasti: kvalita ovzduší, klimatická změna, stratosferický ozon + UV záření kvalita ovzduší: ozon, PM 10, PM 2,5, SO 2, NO 2 aktuální (operativní) mapy koncentrací s využitím NRT in-situ dat (bez rozlišení městských a venkovských) krátkodobé předpovědi koncentrací zpětná re-analýza pomocí validovaných in-situ dat z databáze AirBase

16 Projekt MACC, resp. MACC-II vstupní údaje: rozptylové modely, in-situ data, satelitní data nástroj pro sloučení různých vstupů: asimilace dat (různé metody) část in-situ dat použita pro asimilaci, jiná část pro validaci 7 rozptylových modelů (pro některé znečišťující látky méně) produkt MACC-Ensemble: medián

17 Způsob asimilace dat v případě jednotlivých modelů

18 Výstup projektu MACC NO 2, roční průměr 2010

19 Validace výstupu z projektu MACC pomocí in-situ dat NO 2 bias a RMSE denních průměrů za rok 2010

20 Výstup projektu MACC PM 10, roční průměr 2010

21 Výstup projektu MACC ozon, SOMO35, 2010

22 Využití in-situ dat v kombinaci s modelovými a dalšími doplňkovými daty v rámci mapování ETC/ACM Jan Horálek, Linton Corbet (ČHMÚ)

23 ETC/ACM středisko zřízené Evropskou agenturou životního prostředí v letech konsorcium 10-ti ústavů (vede RIVM z Nizozemí, dále např. NILU, INERIS, ČHMÚ, AEAT) podílí se na GMES, ale není jeho přímou součástí každý rok schvalován Implementační plán, jeho součástí Task týkající se tvorby map tvorba map kombinací měřených (in-situ), modelových a dalších doplňkových dat, městské a venkovské znečištění mapováno zvlášť, sloučeno následně v r Task S4 doplňkové použití produktů MACC-II pro vylepšení ETC/ACM mapování

24 Mapování ETC/ACM metodika vyvinuta v letech (ČHMÚ, NILU, RIVM) zdokonalena v letech pomocí této metodiky každoročně připravovány evropské mapy znečištění ovzduší pro prašný aerosol (PM 10, PM 2,5 ) a ozon, včetně ocenění nejistoty odhadu na základě odhadnutých map pro jednotlivé státy spočtena průměrná koncentrace na obyvatele, též počet obyvatel (a plocha pro vegetaci) v jednotlivých třídách znečištění vyvinutá metodika mapování je dále zdokonalována

25 Mapování ETC/ACM 100% measurement measurement modelling a. Measurement, no interpretation b. Measurement + interpretation c. Measurement + interpolation d. Measurement + model fitted to measurements e. Data assimilation f. Model validated by measurements in the same zone g. Model validated elsewhere h. Unvalidated model 100% modelling Kombinace měřených (in-situ) imisních a různých doplňových dat (které mají komplexní prosotrové pokrytí a vykazují regresní vazbu s měřenými daty) Spojuje vysokou kvalitu měřených dat s komplexním pokrytím doplňkových dat.

26 Mapování ETC/ACM Lineární regresní model s prostorovou interpolací (krigingem) jeho reziduí (residual kriging) Z ˆ ( s0) c a1. X1( s0)... an. X n( s0) ˆ( h s ) 0 kde Z(s 0 ) je odhadnutá hodnota v bodě s 0, X 1 (s 0 ),, X n (s 0 ) jsou doplňková data v bodě s 0 c, a 1,, a n jsou parametry of regresního modelu, odhadnuté v bodech imisního in-situ měření h (s 0 ) prostorová interpolace (kriging) reziduí v bodě s 0. Doplňková data byla vybrána na základě jejich regresní vazby s měřenými imisními in-situ daty.

27 Mapování ETC/ACM Prostorová interpolace (kriging) reziduí ˆ( h s0) lh( n i 1 i s i 1 kde l 1,, l n jsou váhy odhadnuté na základě proloženého (fitted) variogramu, h(s 1 ),, h(s n ) jsou rezidua regresního modelu v bodě s 0. kriging geostatistická metoda (tj. je zohledňována znalost prostorové struktury imisního pole) Podrobnosti: Cressie (1993). Statistics for spatial data. ), n i 1 l i

28 Mapování ETC/ACM variogram - míra prostorové korelace (v závislosti na dvourozměrné vzdálenosti) g(h) Observations Model function Sill parametry: sill, nugget, range Nugget Range Distance (h) Podmínka: kde 2g je variogram, var je rozptyl. 2g ( h) 2g ( s1 s2) var(( Z( s1) Z( s2)) h je dvourozm. vzdálenost Empirický variogram musí být proložen (fitted) nějakou analytickou funkcí v našem případě sférickou.

29 Mapování ETC/ACM Log-normální transformace V případě PM 10 a PM 2.5 jsou naměřená in-situ data a výstup z rozptylového modelu logaritmicky transformovány (kvůli log-normálnímu rozdělení těchto dat). Regresní model a prostorová interpolace jsou prováděny na transformovaných datech. Interpolované hodnoty are zpětně transformovány pomocí rovnice s exp Y s kde Z(s 0 ) je zpětně transformovaná odhadnutá hodnota koncentrace v bodě s o s(s 0 ) je krigingová chyba v bodě s o 2 s s 2 ˆ Z

30 Mapování ETC/ACM Oddělené mapování venkovského a městského znečištění vzhledem k odlišnému charakteru venkovského a městského znečištění ovzduší PM 10, PM 2.5, NO 2 koncentrace ve městech jsou obecně vyšší než na venkově Ozon venkovské koncentrace jsou vyšší než městské Venkovské a městské mapy jsou vytvářeny odděleně, výsledné mapy jsou konstruovány jejich spojením. venkovské mapy založeny na venkov. pozaď. stanicích městské mapy založeny na městských a předměstských pozaďových stanicích

31 Mapování ETC/ACM Sloučení venkovské a městské mapy Pomocí hustoty populace: kde Z r (s 0 ) je venkovská mapa v bodě s 0 Z u (s 0 ) je městská mapa v bodě s 0 d(s 0 ) je hustota populace v bodě s 0, d 1, d 2 jsou zvolené konstanty. Zˆ ( s ) ˆ 0 Z ( s0) Toto je založeno na předpokladu r u (resp. for O 3 ) Zˆ ( s ) ˆ 0 Z ( s0) Pro oblasti, kde r u, je použita společná pozaďová mapa (spočtená ze všech pozaďových stanic, jak venkovských, tak městských a předměstských ).

32 Celé mapovací schéma Výsledné mapy jsou používány pro odhad expozice (obyvatel i vegetace).

33 Mapování ETC/ACM Mapované znečišťující látky a jejich indikátory Pravidelně: PM 10 roční průměr [µg.m -3 ] 36. nejvyšší denní průměr v roce [µg.m -3 ] PM 2.5 roční průměr [µg.m -3 ]. Ozone 26. nejvyšší denní maximální 8-hodinový klouzavý průměr v roce [µg.m -3 ] SOMO35 [µg.m -3.d] AOT40 for crops [µg.m -3.h] AOT40 for forests [µg.m -3.h] Příležitostně: NO 2 roční průměr [µg.m -3 ] NO x roční průměr [µg.m -3 ] SO 2 roční průměr [µg.m -3 ]

34 Mapování ETC/ACM Použitá data měřená imisní in-situ data Data jsou extrahována z databáze AirBase, plus několik stanic z databáze EBAS. Používány jsou jen data se stanic klasifikovaných jako pozaďové. Používány jsou jen stanice s ročním pokrytím alespoň 75%. V případě PM 2.5 jsou kromě měřených dat PM 2.5 použita též data tzv. pseudo PM 2.5 stations. Tato data jsou odhadnuta estimated z dat PM 10 pomocí lineárního regresního modelu: Z s) c b. Z ( s) a. X ( s)... a. X s ( ) PM 2.5( PM n n s kde Z PM25 (s) je naměřená hodnota PM 2.5 na stanici s, Z PM10 (s) je naměřená hodnota PM 10 na stanici s X 1 (s),, X n (s) jsou hodnoty doplňkových veličin na stanici s, c, b, a 1,,, a n jsou parametry regresního modelu

35 Mapování ETC/ACM Použitá data doplňková data PM 10 venkov EMEP model, nadmořská výška, rychlost větru, sluneční záření, PM 10 města EMEP model PM 2.5 venkov EMEP model, nadmořská výška, rychlost větru, sluneční záření, hustota populace PM 2.5 města žádná (jen prostorová interpolation) Ozon venkov EMEP model, nadm. výška, sluneční záření Ozone urban EMEP model, sluneční záření, rychlost větru NO 2 rural EMEP model, hustota popul., nadm. v., rychl. větru NO 2 venkov EMEP model, hust. popul., nadm. v., rychl. větru NO x venkov EMEP model, nadmořská výška SO 2 venkov EMEP model

36 Mapování ETC/ACM Odhad nejistoty mapy křížové ověřování (cross-validace) prostorová interpolace je spočtena ve všech bodech in-situ měření vždy pomocí všech dat kromě naměřené hodnoty v daném bodě. Tyto odhadnuté hodnoty jsou porovnány s naměřenými daty pomocí scatterplotu (včetně R 2 a rovnice regrese) a statistických indikátorů, zejména RMSE and bias (MPE), příležitostně též MAE aj. PM10 interp. [µg.m -3 ] Interpolated vs. measured, PM 10 rural, ann. avg y = x R 2 = PM 10 ann. avg measured [µg.m -3 ] where Z(s i ) naměřená hodnota v bodě s i Ż(s i ) je hodnota v bodě s i odhadnutá pomocí ostatních dat

37 PM 10 roční průměr 2010 venkovské oblasti měřená in-situ data EMEP model PM 10 ann. avg., rur. - EMEP vs. meas. PM10, ann. avg, EMEP. [µg.m -3 ] 70 y = 0.262x R 2 = PM 10, ann. average, measured [µg.m -3 ] Lineární regresní model (log. transformace): adj. R 2 SEE EMEP EMEP, nadmořská výška EMEP, nadm. v., rychlost větru

38 PM 10 roční průměr 2010 venkovské oblasti venkovská mapa RMSE = 4.5 µg.m -3

39 PM 10 roční průměr 2010 městské oblasti měřená in-situ data EMEP model Lineární regresní model (log. transformace): adj. R 2 SEE EMEP

40 PM 10 roční průměr 2010 městské oblasti městská mapa RMSE = 6.6 µg.m -3

41 PM 10 roční průměr 2010 výsledná sloučená mapa

42 PM 10, 36. nejv. denní průměr 2010 venkovské oblasti měřená in-situ data EMEP model PM 10, max 36d, rur. - EMEP vs. meas. PM10, max. 36d, EMEP [µg.m -3 ] 150 y = 0.220x R 2 = PM 10, max. 36 th d. mean, measured [µg.m -3 ] Lineární regresní model (log. transformace): adj. R 2 SEE EMEP EMEP, nadmořská výška EMEP, nadm. v., rychlost větru

43 PM 10, 36. nejv. denní průměr 2010 venkovské oblasti venkovská mapa RMSE = 8.6 µg.m -3

44 PM 10, 36. nejvyšší denní průměr 2010 městské oblasti měřená in-situ data EMEP model Lineární regresní model (log. transformace): adj. R 2 SEE EMEP

45 PM 10, 36. nejvyšší denní průměr 2010 městské oblasti městská mapa RMSE = 12.2 µg.m -3

46 PM 10, 36. nejvyšší denní průměr 2010 výsledná sloučená mapa

47 O3, 26 th dmax 8h, EMEP [µg.m -3 ] O 3, 26. nejvyšší max. denní 8-h průměr venkovské oblasti měřená in-situ data EMEP model O 3 26 th dmax 8h, rur. - EMEP vs. meas y = 0.602x R 2 = Lineární regresní model: O 3, 26 th highest d. max. 8h, measured [µg.m -3 ] adj. R 2 SEE EMEP EMEP, nadmořská výška EMEP, nadm. v., slun. záření

48 O 3, 26. nejvyšší max. denní 8-h průměr venkovské oblasti venkovská mapa RMSE = 9.0 µg.m -3

49 Ozon, 26. nejvyšší max. denní 8-h průměr městské oblasti měřená in-situ data EMEP model Lineární regresní model: adj. R 2 SEE EMEP EMEP, rychlost větru EMEP, rychlost větru, slun. zář

50 Ozon, 26. nejvyšší max. denní 8-h průměr městské oblasti městská mapa RMSE = 9.2 µg.m -3

51 Ozon, 26. nejvyšší maximální denní 8-h průměr, 2010 výsledná sloučená mapa

52 O3, SOMO35, EMEP [µg.m -3.d] Ozon, SOMO35, 2010 venkovské oblasti měřená in-situ data EMEP model O 3, SOMO35, rural - EMEP vs. meas y = 0.376x R 2 = ozone, SOMO35, measured [µg.m -3.d] Lineární regresní model: adj. R 2 SEE EMEP EMEP, nadmořská výška EMEP, nadm. v., slun. záření

53 Ozon, SOMO35, 2010 venkovské oblasti venkovská mapa RMSE = 1604 µg.m -3.d

54 Ozon, SOMO35, 2010 městské oblasti měřená in-situ data EMEP model Lineární regresní model: adj. R 2 SEE EMEP EMEP, rychlost větru EMEP, rychlost větru, slun. zář

55 Ozon, SOMO35,2010 městské oblasti městská mapa RMSE = 1270 µg.m -3.d

56 Ozon, SOMO35, 2010 výsledná sloučená mapa

57 PM 2.5 roční průměr 2010 výsledná sloučená mapa

58 Ozon AOT40 pro plodiny, 2010 venkovská mapa

59 Ozon AOT40 pro lesy, 2010 venkovská mapa

60 Test využití GMES satelitních dat jako doplňkového parametru při tvorbě map Phillipp Schneider (NILU):The potential of GMES satellite data for mapping nitrogen dioxide at the European scale. ETC/ACM Technical Paper 2012/8

61 In-situ data z databáze Airbase Roční průměrné koncentrace NO 2 pro 2009 Použity všechny pozaďové stanice Airbase (venkovské i městské)

62 Korelace mezi in-situ a satelitními daty R 2 = 0.29 Tropospheric NO2 column was extracted from the OMI dataset at each Airbase station location Direct comparison very challenging due to Fundamentally different scales of spatial sampling (1 m 2 vs 100 km 2 ) Differences in vertical sampling (lowest boundary layer vs. entire troposphere)

63 Mapa NO 2 s využitím satelitních dat, roční průměr 2009 Založena na stanicích Airbase s využitím OMI satelitních pozorování jako doplňkové proměnné

64 Shrnutí

65 Shrnutí Copernicus/GMES se skládá z komponent vesmírné, in-situ a služby. V oblasti znečištění ovzduší jsou nejvíce rozvinuty první dvě. In-situ data jsou klíčová pro asimilaci dat i pro verifikaci. Jeví se vhodné kombinovat měřená data s daty modelovými, případně dalšími doplňkovými. Satelitní data jsou potenciálně perspektivní.

66 Děkuji za pozornost.