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
dříve GMES (Global Monitoring for Environment and Security, tj. Globální monitoring životního prostředí a bezpečnosti) – iniciativa zaměřená na pozorování Země pod vedením EU Tři základní komponenty: – vesmírná – pozemní (in-situ) – služby 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 (O3, PM10, NO2, …).
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
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)
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
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 (PM10, PM2,5) – momentálně v předoperační fázi, poskytována na portálu http://www.gmes-atmosphere.eu, provozovaného evropským projektem MACC-II (Monitoring Atmospheric Composition and Climate, Sledování složení atmosféry a klimatu) – další projekty v rámci této služby: Passodoble, IAGOS, NORS
Poskytování in-situ dat o kvalitě ovzduší
Jana Ostatnická, Jan Horálek (ČHMÚ)
Poskytování NRT dat o kvalitě ovzduší – data poskytována v režimu „near real time“ většinou se zpožděním 1 – 2 hod., v hodinových intervalech – veličiny: O3, PM10, SO2, NO2, NO, NOx, PM2,5, 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 http://dataconnector.eea.europa.eu/OzoneStat/Details/
– aktuální imisní koncentrace jsou prezentovány na http://www.eea.europa.eu/themes/air/air-quality/map/real-time-map
Okamžitý stav dodávky NRT imisních dat Ozon, 28/05/2013, 12:14:01
Okamžitý stav dodávky NRT imisních dat PM10, 28/05/2013, 12:13:23
Aktuální (hodinové) imisní koncentrace Ozon, 28/05/2013, 11:00 – 12:00
Aktuální (hodinové) imisní koncentrace PM10, 28/05/2013, 11:00 – 12:00
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. 2006 nárůst počtu ozonových stanic, z nichž poskytována data – od r. 2008 poskytována data ze všech on-line připojených ozonových stanic (momentálně 56) – od r. 2008 začala být poskytována NRT data PM10
Využití in-situ dat v projektu MACC, resp. MACC-II Anthony Ung (INERIS), Jan Horálek (ČHMÚ)
Projekt MACC, resp. MACC-II – MACC … 2007 – 2009 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, PM10, PM2,5, SO2, NO2 – 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
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
Způsob asimilace dat v případě jednotlivých modelů
Výstup projektu MACC NO2, roční průměr 2010
Validace výstupu z projektu MACC pomocí in-situ dat NO2 – bias a RMSE denních průměrů za rok 2010
Výstup projektu MACC PM10, roční průměr 2010
Výstup projektu MACC ozon, SOMO35, 2010
Využití in-situ dat v kombinaci s modelovými a dalšími doplňkovými daty v rámci mapování ETC/ACM
Jan Horálek, Linton Corbet (ČHMÚ)
ETC/ACM – středisko zřízené Evropskou agenturou životního prostředí – v letech 2011 – 2013 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 1.0.2.2 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. 2013 Task 1.0.2.2.S4 – „doplňkové použití produktů MACC-II pro vylepšení ETC/ACM mapování“
Mapování ETC/ACM – metodika vyvinuta v letech 2005 – 2007 (ČHMÚ, NILU, RIVM) zdokonalena v letech 2009 – 2010 – pomocí této metodiky každoročně připravovány evropské mapy znečištění ovzduší pro prašný aerosol (PM10, PM2,5) 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
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.
Mapování ETC/ACM Lineární regresní model s prostorovou interpolací (krigingem) jeho reziduí (residual kriging)
Zˆ (s0 ) c a1. X1 (s0 ) ... an . X n (s0 ) hˆ (s0 ) kde
Z(s0) je odhadnutá hodnota v bodě s0, X1(s0),…, Xn(s0) jsou doplňková data v bodě s0 c, a1, …, an jsou parametry of regresního modelu, odhadnuté v bodech imisního in-situ měření h (s0) … prostorová interpolace (kriging) reziduí v bodě s0.
Doplňková data byla vybrána na základě jejich regresní vazby s měřenými imisními in-situ daty.
Mapování ETC/ACM Prostorová interpolace (kriging) reziduí n
hˆ ( s0 ) lih ( si ), i 1
kde
n
l i 1
i
1
l1, …, ln
jsou váhy odhadnuté na základě proloženého (fitted) variogramu, h(s1), …, h(sn) jsou rezidua regresního modelu v bodě s0.
kriging – geostatistická metoda (tj. je zohledňována znalost prostorové struktury imisního pole) Podrobnosti: Cressie (1993). Statistics for spatial data.
Mapování ETC/ACM variogram - míra prostorové korelace (v závislosti na dvourozměrné vzdálenosti) parametry: sill, nugget, range
g(h)
Model function Observations
Nugget
Sill
Range Distance (h)
Podmínka: 2g (h) 2g (s1 s2 ) var((Z (s1 ) Z (s2 )) kde 2g je variogram, h je dvourozm. vzdálenost var je rozptyl. Empirický variogram musí být proložen (fitted) nějakou analytickou funkcí – v našem případě sférickou.
Mapování ETC/ACM Log-normální transformace V případě PM10 a PM2.5 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 2 s s0 ˆ Z s0 exp Y s0 2
kde Z(s0) je zpětně transformovaná odhadnutá hodnota koncentrace v bodě so s(s0) je krigingová chyba v bodě so
Mapování ETC/ACM Oddělené mapování venkovského a městského znečištění – vzhledem k odlišnému charakteru venkovského a městského znečištění ovzduší PM10, PM2.5, NO2 – 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
Mapování ETC/ACM Sloučení venkovské a městské mapy Pomocí hustoty populace:
kde
Zr (s0) je venkovská mapa v bodě s0 Zu (s0) je městská mapa v bodě s0 d(s0) je hustota populace v bodě s0, d1, d2 jsou zvolené konstanty.
Toto je založeno na předpokladu Zˆ r ( s0 ) Zˆ u ( s0 )
(resp. ≥ for O3)
ˆ r ( s0 ) Zˆu (s0 ) Z Pro oblasti, kde , je použita společná pozaďová mapa (spočtená ze všech pozaďových stanic, jak venkovských, tak městských a předměstských ).
Celé mapovací schéma
Výsledné mapy jsou používány pro odhad expozice (obyvatel i vegetace).
Mapování ETC/ACM Mapované znečišťující látky a jejich indikátory Pravidelně: PM10 – roční průměr [µg.m-3] – 36. nejvyšší denní průměr v roce [µg.m-3] PM2.5 – 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: NO2 – roční průměr [µg.m-3] NOx – roční průměr [µg.m-3] SO2 – roční průměr [µg.m-3]
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 PM2.5 jsou kromě měřených dat PM2.5 použita též data tzv. pseudo PM2.5 stations. Tato data jsou odhadnuta estimated z dat PM10 pomocí lineárního regresního modelu: Z PM 2.5 (s) c b.Z PM 10 (s) a1. X1 (s) ... an . X n s (s) kde
ZPM25(s) je naměřená hodnota PM2.5 na stanici s, ZPM10(s) je naměřená hodnota PM10 na stanici s X1(s),…, Xn(s) jsou hodnoty doplňkových veličin na stanici s, c, b, a1,,…, an jsou parametry regresního modelu
Mapování ETC/ACM Použitá data – doplňková data PM10 venkov – EMEP model, nadmořská výška, rychlost větru, sluneční záření, PM10 města – EMEP model PM2.5 venkov – EMEP model, nadmořská výška, rychlost větru, sluneční záření, hustota populace PM2.5 města – žádná (jen prostorová interpolation) Ozon venkov – EMEP model, nadm. výška, sluneční záření Ozone urban – EMEP model, sluneční záření, rychlost větru NO2 rural – EMEP model, hustota popul., nadm. v., rychl. větru NO2 venkov – EMEP model, hust. popul., nadm. v., rychl. větru NOx venkov – EMEP model, nadmořská výška SO2 venkov – EMEP model
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 R2 a rovnice regrese) a statistických indikátorů, zejména RMSE and bias (MPE), příležitostně též MAE aj. Interpolated vs. measured, PM10 rural, ann. avg
PM10 interp. [µg.m -3]
50 y = 0.7919x + 4.0152 R2 = 0.8508
40 30 20 10 0 0
10
20
30
40
50 -3
PM10 ann. avg measured [µg.m ]
where Z(si) naměřená hodnota v bodě si Ż(si) je hodnota v bodě si odhadnutá pomocí ostatních dat
60
PM10 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
Lineární regresní model (log. transformace):
y = 0.262x + 7.02 R2 = 0.211
60 50
adj. R2 EMEP 0.33 EMEP, nadmořská výška 0.41 EMEP, nadm. v., rychlost větru 0.44
40 30 20 10 0 0
10
20
30
40
50
60
70 -3
PM10, ann. average, measured [µg.m ]
SEE 0.324 0.306 0.295
PM10 roční průměr 2010 – venkovské oblasti venkovská mapa
RMSE = 4.5 µg.m-3
PM10 roční průměr 2010 – městské oblasti měřená in-situ data
EMEP model
Lineární regresní model (log. transformace):
EMEP
adj. R2 0.38
SEE 0.292
PM10 roční průměr 2010 – městské oblasti městská mapa
RMSE = 6.6 µg.m-3
PM10 roční průměr 2010 výsledná sloučená mapa
PM10, 36. nejv. denní průměr 2010 – venkovské oblasti měřená in-situ data
EMEP model
PM 10, max 36d, rur. - EMEP vs. meas.
-3
PM10, max. 36d, EMEP [µg.m ]
150
Lineární regresní model (log. transformace):
y = 0.220x + 14.56 R2 = 0.140
120
adj. R2 EMEP 0.28 EMEP, nadmořská výška 0.33 EMEP, nadm. v., rychlost větru 0.39
90
60
30
0 0
30
60 th
90
120
150 -3
PM10, max. 36 d. mean, measured [µg.m ]
SEE 0.344 0.331 0.317
PM10, 36. nejv. denní průměr 2010 – venkovské oblasti venkovská mapa
RMSE = 8.6 µg.m-3
PM10, 36. nejvyšší denní průměr 2010 – městské oblasti měřená in-situ data
EMEP model
Lineární regresní model (log. transformace):
EMEP
adj. R2 0.34
SEE 0.324
PM10, 36. nejvyšší denní průměr 2010 – městské oblasti městská mapa
RMSE = 12.2 µg.m-3
PM10, 36. nejvyšší denní průměr 2010 výsledná sloučená mapa
O3, 26. nejvyšší max. denní 8-h průměr – venkovské oblasti měřená in-situ data
EMEP model
O3 26th dmax 8h, rur. - EMEP vs. meas.
-3
O3, 26 dmax 8h, EMEP [µg.m ]
200
y = 0.602x + 51.89 R2 = 0.489
Lineární regresní model:
160
120
EMEP EMEP, nadmořská výška EMEP, nadm. v., slun. záření
th
80
40
0 0
40
80
120
160
200
O3, 26th highest d. max. 8h, measured [µg.m-3]
adj. R2 0.49 0.54 0.56
SEE 11.28 10.67 10.49
O3, 26. nejvyšší max. denní 8-h průměr – venkovské oblasti venkovská mapa
RMSE = 9.0 µg.m-3
Ozon, 26. nejvyšší max. denní 8-h průměr – městské oblasti měřená in-situ data
EMEP model
Lineární regresní model: adj. R2 EMEP 0.48 EMEP, rychlost větru 0.49 EMEP, rychlost větru, slun. zář. 0.51
SEE 12.29 12.09 11.96
Ozon, 26. nejvyšší max. denní 8-h průměr – městské oblasti městská mapa
RMSE = 9.2 µg.m-3
Ozon, 26. nejvyšší maximální denní 8-h průměr, 2010 výsledná sloučená mapa
Ozon, SOMO35, 2010 – venkovské oblasti měřená in-situ data
EMEP model
O3, SOMO35, rural - EMEP vs. meas.
-3
O3, SOMO35, EMEP [µg.m .d]
16000
Lineární regresní model:
y = 0.376x + 18797 R2 = 0.487 12000
8000
EMEP EMEP, nadmořská výška EMEP, nadm. v., slun. záření
4000
0 0
4000
8000
12000
16000 -3
ozone, SOMO35, measured [µg.m .d]
adj. R2 0.49 0.53 0.59
SEE 1867 1771 1665
Ozon, SOMO35, 2010 – venkovské oblasti venkovská mapa
RMSE = 1604 µg.m-3 .d
Ozon, SOMO35, 2010 – městské oblasti měřená in-situ data
EMEP model
Lineární regresní model: adj. R2 EMEP 0.48 EMEP, rychlost větru 0.50 EMEP, rychlost větru, slun. zář. 0.54
SEE 1539 1527 1462
Ozon, SOMO35,2010 – městské oblasti městská mapa
RMSE = 1270 µg.m-3.d
Ozon, SOMO35, 2010 výsledná sloučená mapa
PM2.5 roční průměr 2010 výsledná sloučená mapa
Ozon – AOT40 pro plodiny, 2010 venkovská mapa
Ozon – AOT40 pro lesy, 2010 venkovská mapa
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
In-situ data z databáze Airbase Roční průměrné koncentrace NO2 pro 2009 Použity všechny pozaďové stanice Airbase (venkovské i městské)
Korelace mezi in-situ a satelitními daty R2 = 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 m2 vs 100 km2) Differences in vertical sampling (lowest boundary layer vs. entire troposphere)
Mapa NO2 s využitím satelitních dat, roční průměr 2009 Založena na stanicích Airbase s využitím OMI satelitních pozorování jako doplňkové proměnné
Shrnutí
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.
Děkuji za pozornost.
