Verspreidingsmodel voor zwevend stof in Vlaanderen: methodiek, modelscreening en -selectie

Verspreidingsmodel voor zwevend stof in Vlaanderen: methodiek, modelscreening en -selectie

Clemens Mensink, Philippe Van Haver TAP Vito

Studie uitgevoerd in opdracht van de Vlaamse Milieumaatschappij, MIRA MIRA/2001/03 december 2001

Dit rapport verschijnt in de reeks MIRA Ondersteunend Onderzoek van de Vlaamse Milieumaatschappij. Deze reeks bevat resultaten van onderzoek gericht op de wetenschappelijke onderbouwing van het Milieu- en natuurrapport Vlaanderen.

Dit rapport is ook beschikbaar via www.milieurapport.be

Contactadres: Vlaamse Milieumaatschappij – MIRA Van Benedenlaan 34 2800 Mechelen tel. 015/451 466 [email protected]

Wijze van citeren: Mensink C., Van Haver Ph. (2001), Verspreidingsmodel voor zwevend stof in Vlaanderen: methodiek, modelscreening en -selectie, studie uitgevoerd in opdracht van de Vlaamse Milieumaatschappij, MIRA, MIRA/2001/03, Vito.

(Contract 011359)

2001/TAP/xx

Verdeellijst

VMM: 6 ex. Vito: 5 ex. sectap: 2 ex. reserve: 2 ex.

3

Inhoud SAMENVATTING INLEIDING.............................................................................................................................................................................. 6 HOOFDSTUK 1: OVERZICHT VAN MECHANISMEN VOOR DE MODELLERING VAN FIJN STOF ...................................................................................................................................................................................................... 8 1.1 INLEIDING AËROSOLEN ..................................................................................................................................................8 1.2 CHEMISCHE SAMENSTELLING. ....................................................................................................................................10 1.3 EMISSIES.........................................................................................................................................................................11 1.4 TRANSPORT ...................................................................................................................................................................13 1.5 OMZETTINGEN IN DE ATMOSFEER DOOR HETEROGENE CHEMISCHE REACTIES....................................................14 1.6 DEPOSITIE......................................................................................................................................................................17 HOOFDSTUK 2: BESTAANDE MODELLEN EN MODULES VOOR FIJN STOF.......................................20 2.1 HET OPS MODEL ..........................................................................................................................................................20 2.2 HET EUROS MODEL ....................................................................................................................................................22 2.3 HET EMEP MODEL.......................................................................................................................................................23 2.4 HET MADE MODEL .....................................................................................................................................................23 2.5 HET CAM MODEL ........................................................................................................................................................24 2.6 HET UAM-AERO MODEL ..........................................................................................................................................24 2.7 HET GATOR MODEL ...................................................................................................................................................25 2.8 HET MODEL VAN PANDIS EN KAMENS.......................................................................................................................25 2.9 HET MODEL VAN FRASER ET AL . ................................................................................................................................26 2.10 HET PPM MODEL .......................................................................................................................................................26 2.11 HET NAME MODEL ...................................................................................................................................................26 2.12 STATISTISCHE MODELLEN .........................................................................................................................................27 2.13 ISORROPIA................................................................................................................................................................27 2.14 RADDIF.......................................................................................................................................................................28 HOOFDSTUK 3: STRATEGIE VOOR DE MODELLERING VAN FIJN STOF............................................29 3.1 UITGANGSPUNTEN VOOR BELEIDSONDERSTEUNING................................................................................................29 3.2 STRATEGIE.....................................................................................................................................................................30 HOOFDSTUK 4: BESLUIT...............................................................................................................................................33 BIJLAGE 1: CHEMISCHE MECHANISMEN EN MODELLERING. ...............................................................34 REFERENTIES

4

Samenvatting In dit rapport is gezocht naar mechanismen, methodieken en modellen om de modellering van fijn stof in de toekomst te kunnen verbeteren en verfijnen ter ondersteuning van het beleid en de milieurapportering in Vlaanderen. De studie werd uitgevoerd in het kader van de opdracht voor milieu- en natuurrapportering (MIRA) De resultaten van deze studie worden in dit rapport beschreven en kunnen als volgt worden samengevat: •

• •

Het rapport geeft een overzicht van de belangrijkste (fysische en chemische) mechanismen die gemodelleerd dienen te worden om vorming, afbraak, transport, verspreiding en depositie van fijn stof adequaat te kunnen simuleren; Het rapport geeft een overzicht van 14 bestaande modellen, modules en procedures die beschikbaar zijn om bovenstaande mechanismen modelmatig te kunnen beschrijven; Het rapport geeft een strategie aan om door middel van een aantal uitbreidingen en verfijningen te komen tot een verbeterde modellering van fijn stof voor beleidsondersteuning. Hierbij wordt uitgegaan van de bestaande modellen OPS en EUROS die reeds worden ingezet in het kader van MIRA.

De gekozen strategie houdt volledig rekening met de huidige (en toekomstige) Europese regelgeving omtrent luchtkwaliteit met betrekking tot de stoffracties PM10 en PM2.5 (1999/30/EG). Bovendien worden enkele beleidsrelevante resultaten van reeds uitgevoerde modelstudies expliciet vermeld, zodat deze studie maximaal afgestemd kan worden op twee reeds lopende onderzoeksinitiatieven, te weten: • •

de PBO-studie 99A/32/52 ‘Evaluatie van beleidsscenario’s met betrekking tot fijn stof’ in uitvoering door de UIA in samenwerking met Vito; de studie ‘Ontwikkelen van een methodologie voor een emissie-inventaris van PM10 en PM2.5 en opstellen van een emissie-inventaris voor 1995 en 2000’ in uitvoering door Vito in het kader van MINA-2.

5

Inleiding Het toenemende besef over de schadelijke effecten van aërosolen voor de volksgezondheid en de bezorgdheid omtrent de overschrijding van de normen en richtlijnen inzake luchtkwaliteit dwingt de wetenschappelijke wereld werk te maken van de studie van fijn stof in al zijn aspecten. Een toename van de wetenschappelijke kennis vergemakkelijkt de verwerking en de interpretatie van de bestaande (meet)gegevens en leidt tot het uitwerken en implementeren van efficiëntere en meer verantwoorde beleidsmaatregelen. Er bestaan echter nog vele hiaten in de kennis omtrent de gehele keten die instaat voor de vorming van de aërosolen, zijnde de opeenvolging van emissie van precursoren – gasfase chemie – gas-partikel omzetting – transport – multifase processen – verwijdering uit de atmosfeer (vb. opname in de vloeibare fase). Sommige van deze processen zijn goed begrepen, andere niet (vb interactie van de organische partikelfase met atmosferische waterdamp). Enkele sleutelvragen hierbij zijn: • • • • • •

Waar liggen in Vlaanderen de belangrijkste puntbronnen en welke informatie is gekend over de diffuse bronnen? Welke gegevens zijn bekend over natuurlijke bronnen van fijn stof (pollen, sporen…)? Wat is de ‘internationale’ bijdrage van het zwevend stof in Vlaanderen? Hoe efficiënt is de ‘fotochemische’ vorming van sulfaten en nitraten in de zomer? Is het een probleem van langeafstandstransport of is er bijvoorbeeld een stedelijke productie van sulfaatpartikels? In hoeverre geven correlaties/associaties van PM10 fractie met andere variabelen zoals polluenten (NOx , SO2 …), windsnelheid (specifiek voor de ruwe factie) etc. aanwijzingen naar de herkomst van de aërosolen? Welke partikelfracties kunnen op zich verantwoordelijk zijn voor overschrijdingen van de luchtkwaliteitnormen?

Deze vragen vormen de context voor een onderzoek naar de belangrijkste mechanismen die modelmatig beschreven dienen te worden om de vorming, afbraak, transport, verspreiding en depositie van fijn stof adequaat te kunnen simuleren. De resultaten van deze zoektocht worden in hoofdstuk 1 besproken. Vervolgens wordt in deze studie een overzicht gegeven van een aantal reeds bestaande modellen en modules die mogelijkerwijs ingezet kunnen worden om de gescreende mechanismen te simuleren. Dit gebeurt in hoofdstuk 2. In hoofdstuk 3 wordt een strategie ontwikkeld om door middel van uitbreidingen, verfijningen en geschikte parameterisaties te komen tot een verbeterde modellering van fijn stof ten dienste van beleidsondersteuning in het algemeen en van milieurapportering in het kader van MIRA in het bijzonder. Met het oog op de huidige en eventueel toekomstige Europese regelgeving omtrent luchtkwaliteit richt deze studie zich op de stoffracties PM10 en PM2.5. Zowel de modellering van jaargemiddelde als daggemiddelde concentraties zijn van belang, zoals blijkt uit de eerste dochterrichtlijn (1999/30/EG), die wordt samengevat in tabel 1.

Tabel 1: Grenswaarden en overschrijdingsmarges voor PM10 volgens de Europese Richtlijn 1999/30/EG.

Middelingstijd

Grenswaarde

Overschrijdingsmarge

Datum

FASE 1 (2005) 24 uur

50 µg/m³ PM 10 (35 x)

50% op 1 januari 2001 12 maanden afnemend tot 0% op 1 januari 2005

1/01/2005

Kalenderjaar

40 µg/m³ PM 10

20% op 1 januari 2001 12 maanden afnemend tot 0% op 1 januari 2005

1/01/2005

FASE 2 (2010) 24 uur

50 µg/m³ PM 10 (7 x)

Kalenderjaar

20 µg/m³ PM 10

1/01/2010

50% op 1 januari 2005 12 maanden afnemend tot 0% op 1 januari 2010

1/01/2010

Deze studie sluit aan op twee, - op het moment van uitvoering -, reeds lopende onderzoeksinitiatieven, te weten: • •

de PBO-studie 99A/32/52 ‘Evaluatie van beleidsscenario’s met betrekking tot fijn stof’ in uitvoering door de UIA in samenwerking met Vito; de studie ‘Ontwikkelen van een methodologie voor een emissie-inventaris van PM10 en PM2.5 en opstellen van een emissie-inventaris voor 1995 en 2000’ in uitvoering door Vito in het kader van MINA-2.

De in de hoofdstukken 1 en 2 vermelde beleidsrelevante resultaten van reeds uitgevoerde (model)studies zijn interessant voor deze twee onderzoeksinitiatieven, met name voor de PBO-studie.

7

Hoofdstuk 1: Overzicht van mechanismen voor de modellering van fijn stof 1.1 Inleiding Aërosolen Vloeibare en vaste partikels die grotendeels gesuspendeerd in de gasvormige atmosfeer verblijven noemt men aërosolen. Aërosolen worden ofwel direct door een emissiebron uitgestoten ofwel in de atmosfeer zelf gevormd. Een aërosol (of fijn stof) kan vanuit technisch oogpunt worden gedefinieerd als een suspensie van fijne vaste of vloeibare partikels in een gas. Meer gebruikelijk wordt met de benaming aërosol enkel het partikel bedoeld. Aërosolen kunnen dus zowel direct als indirect worden gevormd (Seinfeld et al., 1998). Bij directe vorming wordt het partikel alsdusdanig als deeltje geëmitteerd vanuit de bron. Men spreekt dan van een primair aërosol. Ze kunnen ook worden gevormd door een ‘gas-toparticle’ conversieproces, waarbij de aërosolen worden gevormd vanuit in de atmosfeer aanwezige precursoren. Men spreekt dan van secundaire vorming van aërosolen. De precursoren kunnen zowel van antropogene als biogene oorsprong zijn. De grootte van de atmosferische aërosolen kan variëren van enkele tientallen Angstroms tot enkele honderden µm. Op basis van de deeltjesgrootte, de aërodynamische diameter (a.d.), kunnen aërosolen in verschillende modi worden onderverdeeld. De nucleatiemodus (a.d. < 0.1 µm), de accumulatiemodus ( a.d. 0.1 - 2.5 µm) en de ruwe modus ( a.d. > 2.5 µm). Soms worden de partikels < 0.1 µm nog verder onderverdeeld in nucleatiemodus (< 0.02 µm) en Aitken modus (0.02 – 0.1 µm). Figuur 1 geeft de verdeling van fijn stof weer in functie van de deeltjesgrootte. De nucleatiemodus staat in voor het overgrote deel van het deeltjesaantal; vanwege hun zeer kleine omvang nemen ze slechts een kleine fractie in van de totale massa van de atmosferische partikels. Deeltjes in de nucleatiemodus worden gevormd door condensatie van hete dampen tijdens verbrandingsprocessen en vanuit de nucleatie van atmosferische species t.v.v. nieuwe partikels. Ze verdwijnen meestal uit de atmosfeer door coagulatie met grotere partikels. De accumulatiemodus strekt zich uit tussen 0.1 en 2.5 µm en neemt het grootste deel van de aërosoloppervlakte voor zijn rekening, alsook een belangrijk deel van de aërosolmassa. De bron van de deeltjes in de accumulatiemodus is de coagulatie van partikels uit de nucleatiemodus en de condensatie van dampen op bestaande partikels waardoor ze in grootte toenemen. De accumulatiemodus dankt zijn naam aan het feit dat verwijderingsmechanismen weinig efficiënt zijn in dit regime waardoor de partikels accumuleren. De ruwe modus wordt gevormd door mechanische processen en wordt voornamelijk gevormd uit antropogene en natuurlijke stofdeeltjes. Deze ruwe deeltjes hebben een voldoende hoge sedimentatiesnelheid waardoor ze vrij snel uit de atmosfeer verwijderd worden. Deze drie modi kunnen ook worden voorgesteld door PM0.1, PM2.5 en PM10 waarbij de deeltjes respectievelijk kleiner dan 0.1 µm, 2.5 µm en 10 µm worden gegroepeerd. Deeltjes kleiner dan 2.5 µm behoren in het algemeen tot de fijne stof fractie, terwijl deeltjes met een a.d. groter dan 2.5 µm tot de grove fractie behoren. Op basis van de oppervlakteverdeling onder de grafiek in figuur 1 kan worden afgeleid dat voor aërsosolen in stedelijke en

8

Figuur 1: Indeling van fijn stof op basis van de aërodynamische diameter (bron: MIRA-S, 2000) landelijke omgeving de verhouding tussen totaal stof en de fractie PM10 kan worden weergegeven door de factor 1.2, d.w.z. totaal stof = 1.2 x PM10 (Jaenicke, 1993). De fijne en grove fractie van de aërosolen hebben in het algemeen een verschillende ontstaansgeschiedenis, worden uit de atmosfeer verwijderd op verschillende wijzen, hebben een verschillende chemische samenstelling, hebben verschillende optische eigenschappen en hebben verschillende effecten voor de volksgezondheid. Deze indeling tussen fijne en grove fractie is dan ook van fundamentele aard als men de fysische, chemische of gezondheidseffecten van aërosolen wil bestuderen. Aangezien de bijdragen aan PM0.1, PM2.5 , PM10 en totaal fijn stof verschillend van aard en afkomst zijn is het noodzakelijk de verschillende individuele bijdragen afzonderlijk te evalueren en te modelleren. Belangrijke parameters m.b.t. de gezondheidsaspecten van aërosolen zijn het aantal partikels (en de grootteverdeling), de totale aërosoloppervlakte en de chemische samenstelling. Het is echter niet duidelijk welke van deze eigenschappen de belangrijkste impact hebben.

9

1.2 Chemische samenstelling. Het is onmogelijk een typische samenstelling te beschrijven van een aërosol. Atmosferische aërosolpartikels bevatten sulfaten, nitraten, ammonium, organisch materiaal, ‘crustal’ materiaal (bodemstof), zeezout, waterstofionen, water enz. De hoofdcomponenten van de ‘fijne’ (accumulatie) modus zijn water, sulfaat, nitraat, ammonium, organisch en elementaire koolstof en bepaalde transitiemetalen (Jacob, 2000). Bodemstof, inbegrepen silicium, calcium, magnesium, aluminium en ijzer, en biogene organische partikels (pollen, sporen, …) komen eerder in de grove aërosolfractie voor. Nitraten komen voor in zowel de fijne als de grove fractie. Fijn nitraat is meestal het resultaat van de HNO3 /NH4 + reactie t.v.v. ammoniumnitraat, terwijl grof nitraat het product is van grove partikel/HNO3 reacties. Men kan aldus op basis van de samenstelling en vorming aërosolen indelen in drie groepen: - primaire partikels (bodemstof, organisch en elementaire koolstof) - secundaire anorganische partikels: sulfaten, nitraten en ammonium - secundaire organische aërosolen: van biogene en antropogene oorsprong Een eerste ruwe schatting van de samenstelling van fijn stof in Vlaanderen wordt in figuur2 weergegeven. Deze samenstelling is gebaseerd op recente metingen in diverse Europese steden en komt redelijk goed overeen met de resultaten van OPS berekeningen. Ongeveer 35% wordt afkomstig geacht van primaire bijdragen (“fijn stof emissies”) onder de vorm van organische (OC) en elementaire (EC) koolstofdeeltjes. Een bijdrage (in massapercenten) van ongeveer 45% wordt afkomstig geacht van de secundair gevormde aërosolen: nitraten (21%), sulfaten (10%) en ammonium (14%). Een rest fractie (20%) is van onbekende (natuurlijke) oorsprong en kan momenteel niet worden gemodelleerd.

Verdeling PM10 fracties

20%

21%

NO3 SO4 5%

NH4 10%

OC EC rest

30%

14%

Figuur 2: Hypothetische samenstelling van fijn stof in Vlaanderen op basis van metingen en modelresultaten.

10

Afhankelijk van de locatie en de tijd verandert de aërosolsamenstelling. Enkele fracties zijn: elementaire koolstof, wateronoplosbare organische componenten, wateroplosbare organische componenten, oplosbare anorganische ionen, NH4 +, SO42-, NO3 -, wateronoplosbare anorganische componenten en een ongedetermineerde fractie. Men kan dus stellen dat aërosolen vanuit chemisch standpunt zeer divers en complex zijn. De samenstelling van de aërosolen is echter zeer belangrijk voor de eigenschappen die het bezit, ook naar toxiciteit toe. Het is daarenboven ook zeer nuttig de samenstelling te kennen van de aërosolen omdat op die manier de origine van het fijn stof mogelijk kan worden afgeleid. Het leggen van een relatie tussen de bron(nen) van fijn stof en de ter plaatse gemeten samenstelling is natuurlijk zeer relevant voor eventuele beleidsmaatregelen. In het Report of the Particles Expert Group (Harrison et al., 1999) wordt ruime aandacht besteed aan de samenstelling van partikels vanwege de mogelijkheid de diverse bronnen van de primaire deeltjes te lokaliseren en hun respectievelijke bijdrage te bepalen. Zo blijkt het wegverkeer verantwoordelijk voor 25% van de totale uitstoot van primaire deeltjes in de UK en vertegenwoordigt het een belangrijke bron van fijn stof in het < 2.5 µm gebied (vb 61% van de nationale PM0.1 fractie). Ook de vorming, monitoring en modellering van secundaire (anorganische en organische) aërosolen wordt uitgebreid besproken. Door Zappoli et al. (1999) werd onderzoek verricht naar de samenstelling van de aërosolen uit de fijne fractie. Hierbij werd geconstateerd dat macromoleculaire componenten instaan voor een niet onbelangrijk percentage van de wateroplosbare organische fractie.

1.3 Emissies. Eén van de belangrijkste problemen die zich voordoen bij de modellering van de luchtkwaliteit en de modellering van fijn stof in het bijzonder, is het gebrek aan correcte emissiegegevens, zowel van primaire stofdeeltjes al van precursoren voor secundaire aërosolen. Zo wordt bijvoorbeeld een belangrijk deel van de secundaire aërosolen gevormd vanuit de oxidatie van SO2 en fotochemische omzetting van NOx , maar ook vanuit oxidatie van vluchtige organische stoffen en de achtereenvolgende condensatie van de reactieproducten. Diverse studies (zowel in het kader van fijn stof als de fotochemische ozonvorming) werden uitgevoerd om meer inzicht te verwerven in de herkomst (broncategorisering en emissie-inventarisering) en de specificatie van de in de atmosfeer aanwezige antropogene (en biogene) vluchtige organische stoffen (Scheff et al., 1993, Placet et al., 2000, Toll et al, 2000, Legget, 1996). Emissiegegevens, noodzakelijk voor de modellering van secundaire organische aërosolen, kunnen in vele gevallen worden opgesplitst in jaarlijkse totaalemissies enerzijds en VOSspeciatie en temporale disaggregatie anderzijds. In het kader van het Generation of European Emission Data for Episodes (GENEMIS)-project kunnen deze gedesaggregeerde gegevens worden verkregen (GENEMIS, 1994). Deze emissiedatabank is een essentiële tool bij de modelering van o.m. fotochemisch ozon (Menut et al., 2000), maar is ook uiterst nuttig voor de modellering van fijn stof. In opdracht van o.m. het Department of the Environment, Transport and the Regions werd een rapport opgesteld door de Airborne Particles Expert Group (Harrison et al., 1999). Hierbij werd veel aandacht besteed aan de emissie-inventaris. Aan de hand van een overzicht van de primaire emissiebronnen van fijn stof werd een emissie-inventaris opgesteld en werden de

11

veranderingen in de tijd en in de ruimte in kaart gebracht. In opdracht van het Europees Milieu Agentschap werd in 1997 door TNO een Europese emissie inventaris opgemaakt voor PM10 , PM2.5 en PM0.1 in Europa voor de jaren 1990 en 1993. Recentere wetenschappelijke kennis omtrent deze emissies, onder meer afkomstig van IIASA, wees uit dat het TNOrapport aan een herziening toe is. Daarom wordt deze emissie-inventaris momenteel verder verfijnd en herzien. Om deze herziening voor Vlaanderen voor te bereiden en om aan (andere) internationale vragen een goed gefundeerd antwoord te kunnen geven, heeft de Vlaamse Milieumaatschappij het plan opgevat om een methodologie voor een inventaris van PM10 en PM2.5 op punt te laten stellen. In het kader van MINA-2 loopt momenteel dan ook de studie ‘Ontwikkelen van een methodologie voor een emissie-inventaris van PM10 en PM2.5 en opstellen van een emissieinventaris voor 1995 en 2000’. Hierin wordt m.b.t. PM10 en PM2.5 een methodologie opgesteld voor de inventarisatie, analyse, ruimtelijke locatie en de presentatie van emissiegegevens uit zowel industriële als niet-industriële bronnen in Vlaanderen. De concrete doelstellingen van dit onderzoek omvatten: § § §

het opstellen van een globale methodologie voor het jaarlijks verzamelen van basisgegevens voor het opmaken van een emissie-inventaris voor PM10 en PM2.5 voor alle relevante emissie-oorzaken; het opstellen van een inventaris met de voorgestelde methodologie voor het jaar 1998; demonstratie van de toepasbaarheid van de methodologie voor de vorige en de nakomende jaren.

Wat betreft de herkomst van PM10 en PM2.5 kan gesteld worden dat verbrandingsprocessen en secundaire reacties typisch deeltjesemissies produceren van de fijne fractie (PM2.5), terwijl natuurlijke en antropogene bronnen (mechanische processen) eerder bijdragen tot de grovere fractie (PM10 ). Fugitieve stofbronnen emitteren typisch grovere stofdeeltjes die vooral opgebouwd zijn uit aardelementen zoals silicium, aluminium, kalium, calcium en ijzer, terwijl verbrandingsprocessen en procesemissies in de metallurgie vooral fijne stofdeeltjes emitteren die hoge gehalten vertonen van elementaire en organische koolstof, sulfaten, nitraten en ammonium.

Samengevat zijn de volgende bronnen relevant voor de modellering van fijn stof: 1) Primaire bronnen van PM2.5 § § § § § §

verbranding van fossiele brandstoffen: vooral de verbranding van kolen en stookoliën in grote, middelgrote en kleine stookinstallaties, procesemissies uit de metallurgie: in de literatuur wordt vooral de non-ferrometallurgie vermeld, het wegverkeer, de verbranding van hout: industrieel en residentieel, overige procesemissies, bosbranden en open vuren.

12

2) Primaire bronnen van PM10 § § § § §

bodemerosie en opwaaiend stof, marien (voornamelijk zouten), vegetatie (pollen, sporen, zaden, harsen, …) wegen, landbouw.

3) Precursoren voor de secundaire vorming van fijn stof § § § §

SO2 , NOx , NH3 , NMVOS.

Daarnaast dienen deze emissiegegevens dynamisch beschreven te worden in functie van plaats en tijd en wellicht ook in functie van de temperatuur (Mensink en Janssen, 2000).

1.4 Transport Afhankelijk van de deeltjesgrootte varieert de verblijftijd van fijn stof in de atmosfeer tussen meer dan enkele dagen voor de kleinste deeltjes (< 1.0 µm) tot minder dan enkele uren voor de grootste deeltjes (> 10 µm). Dit betekent dat de problematiek van fijn stof een grensoverschrijdend karakter zal hebben. Dit blijkt ook uit de modelanalyses (OPS) voor Nederland als onderdeel van het Nationaal Aërosol Programma (NAP): slechts 10-30% van de bijdrage aan PM10 is afkomstig uit Nederland zelf (van Breugel et al., 2001). Bovendien is er nauwelijks een verschil waar te nemen in de gemeten gemiddelde concentraties voor meetstations in landelijke en stedelijke gebieden, hetgeen duidt op een aanzienlijke bijdrage vanuit de achtergrond. Ook voor de acht meetstations in Vlaanderen is dit het geval, zoals gerapporteerd voor 1999 (VMM, 2000): over alle meetstations varieert de gemiddelde PM10 concentratie tussen de 25 en 32 µg/m³ en de P98 voor dagwaarden (conform de EU-richtlijn) tussen de 59 en 73 µg/m³. De hoogste waarden treden op in de Gentse kanaalzone, maar bijvoorbeeld niet in Borgerhout, waar concentraties op straatniveau worden gemeten. Ter vergelijking: voor NO2 varieerde de gemiddelde dagwaarde tussen de 16 µg/m³ in Houtem (achtergrond) en 50 µg/m³ in Borgerhout (straatniveau). Grensoverschrijdend transport is dus een zeer belangrijk aspect in de modellering. Vandaar dat voor het transportgedeelte gebruik gemaakt dient te worden van een regionaal transport model. Voor dit onderdeel kan derhalve worden voortgebouwd op de bestaande modellen OPS (Langriaans transport model) en EUROS (Euleriaans transport model). Zeker voor kleine deeltjes kunnen dezelfde advectie-diffusieschema’s gebruikt worden als in OPS of EUROS. In OPS wordt ook het transport van de grovere fracties fijn stof beschreven, waarbij vooral rekening wordt gehouden met de verwijdering uit de atmosfeer t.g.v. depositie (zie ook tabel 2 in sectie 1.6).

13

1.5 Omzettingen in de atmosfeer door heterogene chemische reacties. Er dient een onderscheid te worden gemaakt tussen heterogene chemie en multifase chemie. Volgens Ravishankara (1997) bestaat het onderscheid hierin dat heterogene reacties enkel op het oppervlak van een vaste stof plaatsvinden, terwijl bij multifasereacties diffusie van de reactanten plaatsvindt tot in de vloeistof waarin verdere chemische veranderingen plaatsvinden. Dit onderscheid wordt echter niet altijd zo rigoureus gehanteerd. Volgens Harrison (1992) omvat heterogene chemie die reacties waarbij de gas-vloeistof of de gas-vaste stof fase betrokken zijn. Zo heeft de chemie van SO2 en NO2 een heterogene component in de atmosfeer. Hierbij wordt NO2 en SO2 eerst opgelost in waterdruppels, waarna chemische reacties optreden, met OH of H2 O2 als oxidantia, ter vorming van HNO3 en H2 SO4 in de vloeibare fase. De atmosfeer is een dynamisch systeem met gassen en fijne stofdeeltjes die veranderingen ondergaan. Atmosferische chemische oxidatieprocessen transformeren gassen in hoger geoxideerde producten, zoals NO-NO2-HNO3 , koolwaterstoffen in aldehyden en SO2 in H2 SO4 . Deze stoffen kunnen zowel via natte als droge depositie uit de atmosfeer worden verwijderd. Het is bekend dat geoxideerde stoffen beter in water oplosbaar zijn dan hun niet geoxideerde varianten. De wateroplosbaarheid van gassen beïnvloedt de mate waarin natte depositie t.o.v. droge depositie optreedt. Gassen zoals SO2 en NO2 zijn voldoende wateroplosbaar om in waterdruppeltjes op te lossen. Deze oplosbare gassen kunnen aldus via natte depositie van vloeistofdruppeltjes in de vorm van regen of mist uit de atmosfeer worden verwijderd. Minder wateroplosbare stoffen zoals ozon en koolwaterstoffen worden verwijderd door transport naar de oppervlakte, waarbij ze diffunderen naar de vegetatie, materialen… De zuren H2 SO4 en HNO3 kunnen verder reageren t.v.v . zouten. Het meest gevormd zout is het ammonium zout : NH3 +HNO3 ó NH4NO3 NH3 + H2 SO4 => NH4 SO4 NH3 + NH4 SO4 => (NH4 )2 SO4 De vorming van NH4 NO3 is reversibel. De dissociatie van NH4 NO3 vindt plaats tijdens warme zomerweer. Een zeer belangrijke bron van NH3 is dierlijke urine. Ammonium neutraliseert gedeeltelijk of volledig de zuurheid van de H2 SO4-H2 O-aërosolen waarbij droge ammoniumzouten of NH3 -H2 SO4-H2 O oplossingen, afhankelijk van de relatieve vochtigheid, worden gevormd. Indien na de neutralisatie van H2 SO4 nog NH3 beschikbaar is, kan HNO3 condenseren om een neutraal NH3 -H2 SO4-HNO3 -H2 O-aërosol of een NH4 NO3-aërosol te vormen. In geconcentreerde zure aërosolen bij troposferische temperaturen is HNO3 enkel aanwezig in spoorhoeveelheden. Uit metingen blijkt dat in het algemeen de aërosolen volledig geneutraliseerd zijn, behalve in bepaalde industriële gebieden (UK). De hoofdbasen zijn NH3 en CaCO3 . De wetenschap of een aërosol al dan niet droog of waterig is, is belangrijk voor de modellering van zijn chemisch gedrag.

14

Organische componenten vormen een belangrijke fractie van de totale aërosolmassa, maar er is weinig gekend over de samenstelling en de hygroscopische eigenschappen. In de atmosfeer werden reeds een aantal wateroplosbare organische aërosolcomponenten geïdentificeerd. De deeltjes die initieel worden gevormd zijn zeer klein, < 0.1 µm, maar groeien snel aan zowel door oppervlakte-accumulatie van materiaal uit de gasfase, of door partikel-partikel coagulatie. Eenmaal in het gebied tussen 0.1 en 2 µm, zijn ze relatief stabiel voor verdere groei en kunnen ze in de lucht blijven voor meerdere dagen. De meeste schoorsteenemissies, alsook de sulfaten en nitraten bevinden zich in dit gebied. Aan de andere kant van het spectrum bevindt zich het grove materiaal (2-50 µm). De belangrijkste bronnen van deze grove fractie zijn de industrie, door de wind of door voertuigen van de grond geheven stof, verdamping van zeedruppels. De fijnste partikels bevatten (NH4 )2 SO4 en nitraten alsook koolstofmateriaal. Ongeveer 1/3de is elementair koolstof en de andere 2/3de is organische koolstof (hoogmoleculaire vaste koolwaterstoffen) die tezamen ‘rook’ vormen. De grovere partikels worden gedomineerd door windgeblazen stof (kleien, silicaat, kalksteen…) en zeezout. Afhankelijk van de relatieve vochtigheid (RH) van de lucht zullen de wateroplosbare partikels zoals sulfaten, nitraten en chloriden, in de atmosfeer voorkomen als vaste partikels of in druppeltjes. Voor pure stoffen is de transitie van vast naar vloeibaar scherp afgelijnd. Zo vindt de overgang plaats bij 75% RH voor NaCl en bij 86% RH voor ammoniumsulfaat. Partikels met een gemengde samenstelling kunnen continu groeien door waterabsorptie van 60-70% tot 100% RH. Onoplosbare koolstofpartikels zijn hieraan niet onderhevig. Partikels zijn zeer belangrijk bij wolken- en mistvorming vermits zij als condensatiekernen fungeren waarop de grotere druppels kunnen worden gevormd vanuit waterdamp (men neemt aan dat in totale afwezigheid van stofdeeltjes in de lucht geen wolken kunnen worden gevormd. Er zijn dus steeds condensatiekernen nodig). Bij relatieve vochtigheden beneden 95% speelt de waterinhoud van partikels een zeer kleine rol, minder dan 1 mg/m³ (tegen ±1g/m³ in de atmosfeer). De oxidatie van SO2 tot H2 SO4 kan op verschillende wijzen verlopen. In een wolk is de belangrijkste oxidant O3 en H2 O2 . Deze oxidant moet dan eerst vanuit de gasfase in het water oplossen. We krijgen dan volgende reactie : O3 + SO 2 + H2O à 2H+ + SO4 2- + O2 H2 O2 + SO 2 à 2H+ + SO42-. Het H2 SO4 zal volledig gedissocieerd zijn in H+ en SO4 2- ionen. Hoe zuurder de regen hoe belangrijker de oxidatie met H2 O2 wordt. Bij hoge pH’s speelt vooral O3 als oxidant een belangrijke rol. In een wolk of mistsituatie, waar veel deeltjesvervuiling aanwezig is, kan de oxidatie van SO2 door atmosferische zuurstof, gekatalyseerd door metaalionen (Fe3+ of Mn2+) of door roet ook belangrijk zijn. De snelheidsconstanten voor de reactie van SO2 met diverse oxidanten (H2 O2 , O3 en HONO) bij verschillende zuurgraden werden experimenteel bepaald (Rattigan et al., 2000).

15

Het is moeilijk experimenteel een onderscheid te maken tussen het fotochemische reactiemechanisme (met O3 ) leidend tot H2 SO4 en de achtereenvolgende absorptie van het zuur in water en de waterige fase oxidatie van SO2 . Het blijkt dat beide routes belangrijk zijn. Vanwege de lage oplosbaarheid van NO en NO2 in water zal de oxidatie van NOx voornamelijk plaatsvinden in de gasfase t.v.v. HNO3 en gevolgd door absorptie in water. Uit metingen uitgevoerd door Baumgardner et al. (2000) in de Mexico-stad regio, blijkt dat roet, organische componenten en sulfaat de aërosolsamenstelling domineren. Daarnaast blijkt dat de verdeling van de partikelgrootte tussen Aitken en accumulatiemodus gecorreleerd is met de CO- en ozonconcentratie, waardoor de evolutie van aërosolen wordt gelinkt met primaire emissies en condensatiegroei. Ook de relatieve vochtigheid heeft een effect op de verdeling van aërosolgrootte en volume. De sulfaatfractie in de aërosolen is evenredig met de luchtvochtigheid, terwijl de organische massafractie geen afhankelijkheid vertoont. Een rapport van het International Institue for Applied Systems Analysis (IIASA, 2000) toont aan dat secundaire organische aërosolen in belangrijke mate bijdragen tot de aërosolmassaconcentratie. Schattingen wijzen op een bijdrage van meer dan 70% tijdens smogperiodes in Los Angeles. De langetermijnbijdrage van secundair materiaal tot de totale organische aërosolmassa bedraagt volgens schattingen ongeveer 20%. De hoge concentraties aan secundaire organische aërosolen in stedelijke smogsituaties suggereert dat secundaire organische aërosolen als atmosferische polluenten niet mogen worden verwaarloosd. De vorming van secundaire organische aërosolen verloopt in twee stappen. De productie van semi-vluchtige organische componenten door oxidatie van VOS precursorgassen en de daaropvolgende gas-to-particle conversie van deze semi-vluchtige componenten. De vorming van secundaire organische aërosolen is aldus sterk gekoppeld aan de fotochemische activiteit en de beschikbaarheid van oxiderende agentia (O 3 , NO3 en OH). De vorming van condenseerbare (semi-vluchtige) reactieproducten kan als volgt worden voorgesteld : HC + OH => a1 B +a2 C + … + yAG Waarbij G het semi-vluchtige gas is dat secundaire aërosolen vormt en yA is de corresponderende stechiometrische coëfficiënt. Vermits OH de belangrijkste oxiderende component is en deze wordt geproduceerd via de fotolyse van ozon, kunnen maximumconcentraties aan secundaire organische aërosolen worden verwacht als de ozonconcentratie hoog is en er voldoende zonlicht aanwezig is. Dit zou (gedeeltelijk) kunnen verklaren waarom soms relatief hoge fijn stof concentraties gemeten worden tijdens warme en zonnige zomermaanden. De productie van secundaire organische aërosolen is het hoogst rond de middag en tijdens het begin van de zomer. Vermits de efficiëntie van de gas-particle conversie groter is bij lagere temperaturen kan de vorming van secundaire organische aërosolen (SOA) niet worden uitgesloten tijdens winterperioden (in stedelijke gebieden zoals de Los Angeles Basin). In het algemeen kan worden gesteld dat de aërosol-vormingspotentiaal van VOScomponenten binnen een bepaalde componentklasse toeneemt met het moleculair gewicht. De belangrijkste antropogene precursorgassen zijn de langketige alkanen en alkenen en aromatische verbindingen, andere dan benzeen (tolueen, trimethylbenzeen).

16

De SOA-vormingspotentiaal van bepaalde precursorgassen kan wel op empirische basis worden geschat. Zo kan bv. de fractionele aërosolcoëfficiënt, gedefinieerd als het percentage van een precursorgas dat zal eindigen als organisch aërosol, worden bepaald. Indien de samenstelling van een VOS-bron is gekend kan een zogenaamde ‘emissiesnelheid’ voor SOA worden berekend. Op deze wijze worden secundaire partikels behandeld alsof ze primaire emissies waren. Deze methode is echter niet geschikt voor kwantitatieve schattingen omdat ze welbepaalde essentiële tekortkomingen vertoont: geen afhankelijkheid van milieuvariabelen zoals de oxidantconcentratie, temperatuur en de reeds aanwezige aërosolconcentratie, houdt geen rekening met tijdsschalen (het feit dat secundaire partikels veelal worden gevormd ver van de bron), houdt geen rekening met interacties tussen vluchtige organische stoffen... Desondanks kunnen deze fractionele aërosolcoëfficiënten worden gebruikt om het relatieve belang van VOS-bronnen voor de vorming van secundaire organische aërosolen te vergelijken. Aldus werd een eerste schatting gemaakt (voorlopige gegevens) van de aërosolvormingspotentiaal voor de RAINS-bronsectoren waarbij het wegverkeer de belangrijkste bron voor secundaire organische aërosolen blijkt in de EU in 1990. Dit is te verklaren door de hoge VOS-emissiesnelheden en de hoge fractionele aërosolcoëfficiënt van de uitlaatgassen. Een interessante conclusie van dit IIASA report is dat het op dit ogenblik nog niet duidelijk is welke VOS bij voorkeur dienen te worden gereduceerd om een daling te krijgen van het aantal secundaire organische aërosolen. Een reductie van secundaire organische aërosolen kan worden verwezenlijkt door enerzijds een reductie in de precursorgassen, vluchtige organische stoffen met een hoog moleculair gewicht (lange C-keten) welke doorgaans een lage ozonvormingspotentiaal bezitten, te realiseren, en anderzijds door een reductie van ozon omdat het ozonolyseproduct, het OH-radicaal, het noodzakelijke oxidant is voor de productie van secundaire organische aërosolen. De reductie van ozon wordt gerealiseerd door de reductie van vluchtige organische stoffen met een laag moleculair gewicht (korte C-keten) en door de reductie van NOx . Momenteel is het dus nog niet duidelijk welke maatregel het meest kost-effectief zal zijn. Tot slot dient nog te worden vermeld dat ook natuurlijke vluchtige organische stoffen een belangrijke bijdrage leveren tot de vorming van secundaire organische aërosolen (Kamens et al., 1999). Hierbij zou een ozonreductie een zeer effectieve maatregel zijn.

1.6 Depositie. Depositie is een van de belangrijkste processen waarmee fijn stof uit de atmosfeer verwijderd wordt. De totale depositieflux wordt uitgedrukt in µg/m²s. Hoe hoger de concentratie van de polluent nabij de grond (uitgedrukt in µg/m³), des te groter is de depositie; de verhouding van beide hoeveelheden geeft een goede maat van de efficiëntie van het depositieproces. Dit wordt de depositiesnelheid genoemd : Vd (in m/s) = depositieflux/luchtconcentratie

(1)

De droge depositieflux F kan als volgt worden beschreven : F = Vd(z) [c(z) – c(s)]

(2)

Waarbij c(z) de concentratie van de polluent is op hoogte z, c(s) is de concentratie aan de grond en V(z) is de droge depositiesnelheid op hoogte z. (EMEP, 2001).

17

Ruwweg kunnen we het proces van oppervlakteadsorptie en neerwaartse menging van bijvoorbeeld SO2 door turbulente diffusie zien als een voortbewegen van SO2 naar de grond met de berekende depositiesnelheid. Verschillende oppervlakken (water, bodem, ijs…) zullen aldus verschillende depositiesnelheden hebben. De beschrijving ‘droge depositie’ wordt in alle gevallen gebruikt, ook als het om een nat oppervlak gaat. Depositie naar de vegetatie is meer complex dan depositie naar een glad oppervlak. De voortbeweging van een polluent kan worden afgeremd door traagheid van diffusie door de wind binnen het vegetatiescherm, of door de transfersnelheid van lucht naar de bladoppervlakte of naar het binnenste van de bladeren via de stomata. Vochtigheid maakt een groot verschil omdat transfer naar een nat oppervlak meestal sneller gaat dan naar een droog oppervlak. Een typische waarde voor de depositiesnelheid van bv. SO2 is Vd = 1 ⋅ 10-2 m/s. Gelijkaardige beschouwingen kunnen voor andere polluenten worden gemaakt die een belangrijke adsorptiesnelheid aan de grond of aan de vegetatie hebben (NO, NO2 , HNO3 …). ‘Natte’ depositie is het naar de grond brengen van polluenten door regen of sneeuw. Verder wordt er onderscheid gemaakt tussen ‘in-cloud’ absorptie gevolgd door neerslag (rainout), en ‘below cloud’ absorptie, wanneer polluenten worden gecollecteerd als de regendruppels vallen (washout). Hoe groter de regenval, hoe groter dus de washout. Voor SO2 kan ongeveer de helft uit de atmosfeer (below cloud) verdwijnen na 2 uur regen. Voor N-componenten is dit lager vanwege de lagere oplosbaarheid. Washout is vooral belangrijk dichtbij de bron waar de concentratie in de lucht het grootst is. In verder afgelegen gebieden is vooral rainout belangrijk. Voor SO2 is natte en droge depositie even belangrijk. Dichtbij de bron, waar de concentratie het hoogst is, is de droge depositie het belangrijkst. Regionale verschillen kunnen hierdoor van belang zijn. Zo geschiedt meer dan de helft van de totale depositie door droge depositie in centraal UK, terwijl in Schotland natte depositie domineert. Het mechanisme van deeltjesdepositie hangt af van de partikelgrootte. Grote deeltjes > 10 µm zijn onderhevig aan de gravitatie. Hoe groter het deeltje, des te sneller het valt. Partikels groter dan 150 µm vallen met een Vd = 1m/s, blijven zo kortstondig in de lucht dat ze als luchtpolluenten ons geen zorgen baren. Partikels < 5 µm blijven zo lang in de lucht (lage sedimentatiesnelheden) dat hun beweging wordt bepaald door de natuurlijke turbulentie van de lucht, net zoals bij gassen. Tussenliggende partikels, tussen 1 en 10 µm, kunnen worden verwijderd door impactatie op bladeren en andere obstakels. Partikels in het 0.1 – 1 µm gebied, zoals de meeste nitraten en sulfaten, worden zeer traag verwijderd door droge depositie. De depositiesnelheden zijn van de orde van 10-3 m/s, 10 keer lager dan voor SO2 . De meest voor de hand liggende route voor hun verwijdering is rain-out volgend op waterdampcondensatie en druppelgroei in wolken. Washout is niet zeer efficiënt voor deze fijne deeltjes, maar wordt wel belangrijker bij grotere deeltjes (grove partikels). In tabel 2 worden de depositiekarakteristieken voor PM10 vermeld zoals gebruikt in het OPS model (van Jaarsveld, 1989).

18

Tabel 2: Karakteristieke waarden voor de droge depositie per deeltjesgrootteklasse zoals gebruikt in OPS Deeltjes grootte (µm) < 0.95 0.95 - 4 4 - 10 10 - 20 > 20

Gemiddelde a.d. (µm) 0.2 1.5 6 14 40

Initiële verdeling (%) 42 33 14.5 5.9 4.6

Depositie snelheid Vd (m/s) 0.00065 0.0025 0.0071 0.013 0.067

19

Hoofdstuk 2: Bestaande modellen en modules voor fijn stof In dit hoofdstuk wordt een overzicht gegeven van een aantal bestaande modellen en modules voor de modellering van concentraties en deposities van fijn stof. Het overzicht beperkt zich tot een beknopte samenvattende beschrijving van de modellen. Voor een verdere beschrijving en meer technische details wordt verwezen naar de literatuur. Voor zover beschikbaar zal worden aangegeven hoe en waar de modellen zijn toegepast en met welk resultaat.

2.1 Het OPS model Het Operationeel Prioritaire Stoffen (OPS) model is een atmosferisch transport- en dispersiemodel dat de impact van verzurende bestanddelen, zware metalen en deeltjesgebonden polluenten op lokale, maar vooral op regionale schaal modelleert (van Jaarsveld, 1989). Dit Lagrangiaans trajectoriemodel voor lange termijn berekeningen maakt gebruik van een statistisch meteobestand. Hiermee wordt het dispersie- en transformatiegedrag van een polluent bepaald. De chemische omzettingen worden beschreven met lineaire eerste orde vergelijkingen. Het model berekent voor de gekozen polluent jaargemiddelde concentraties, natte, droge en totale depositiewaarde en de concentraties van de secundaire polluenten (SO4 , NO3 en NH4 ). Voor de berekening van de verspreiding van PM10 wordt gebruik gemaakt van een deeltjesgrootteverdeling zoals weergegeven in tabel 2. Het OPS model werd recentelijk toegepast voor berekening van jaargemiddelde PM10 concentraties in Nederland in het kader van het Nationaal Aerosol Programma (NAP) (van Breugel et al., 2001). Ook voor MIRA-S 2000 werd een dergelijke berekening uitgevoerd (Denocker et al., 2000). Het model houdt rekening met de bijdragen van primaire PM10 emissies door de verschillende sectoren, waarbij de door OPS berekende nitraat-, sulfaat- en ammonium-concentraties worden opgeteld. Op basis van de eerste resultaten van het NAP werd geconcludeerd dat een belangrijk aandeel in de fijn stof concentraties momenteel niet wordt gemodelleerd. Het betreft de bijdrage van zeezoutdeeltjes, bodemstof en de bijdrage van de natuurlijke achtergrondconcentratie voor het Noordelijk halfrond. Dit is de bijdrage van bronnen die buiten het rekendomein van OPS liggen, d.w.z. alle bijdragen die op meer dan ± 1000 km van het receptorengebied (Vlaanderen) liggen en niet in het model zijn opgenomen. Deze bronnen zorgen toch nog voor een lichte verhoging in de concentraties fijn stof in het receptorengebied. Voor Nederland wordt deze bijdrage geschat op 0.9 µg/m³ (Visser et al., 2001). In het kader van de studie “Voorbereiden van de saneringsprogramma’s in het kader van de eerste en tweede dochterrichtlijn luchtkwaliteit” werd in opdracht van AMINAL het OPS model gebruikt voor de evaluatie van de EU richtlijn voor PM10 (Colles et al., 2001). Een vergelijking tussen gemodelleerde en gemeten PM10 concentraties voor de meteorologische jaren 1996, 1997 en 1998 leverde twee belangrijke conclusies op: 1) Met het OPS model en de huidige emissiegegevens voor PM10 wordt de gemeten geografische spreiding van PM10 concentraties in Vlaanderen niet correct weergegeven; 2) Er is sprake van een systematische onderschatting van de gemeten PM10 concentraties. Deze onderschatting kan gedeeltelijk worden verklaard door het ontbreken van een fractie in de bijdrage aan PM10 (die geschat wordt op 20%), zoals weergegeven in figuur 2.

20

Vergelijking PM10

Gemodelleerde PM10 concentratie (µg/m³)

50 45 40 35 30

1996 1997

25

1998

20 15 10 5 0 0

5

10

15

20

25

30

35

40

45

50

Gemeten PM10 concentratie (µg/m³)

Figuur 3 Vergelijking tussen gemeten en gemodelleerde jaargemiddelde PM10 concentraties voor 1996, 1997 en 1998.

Ratio predicted/observed (Rpo) 1990-1998 1,6 1,4

Rpo (-)

1,2 SO2 NOx

1 0,8

PM10 BZN

0,6 0,4 0,2 0 1990

1993

1996

1997

1998

Figuur 4: Verhouding tussen de gemodelleerde en gemeten jaargemiddelde concentraties voor SO2 , NOx , PM10 en benzeen voor 5 meteorologische jaren (1990, 1993, 1996-1998)

21

Figuur 3 illustreert de eerste conclusie. De figuur toont in een strooidiagram de vergelijking tussen gemeten en gemodelleerde PM10 concentraties. Hieruit blijkt duidelijk dat de spreiding in de gemeten concentraties hoger is dan de spreiding in de gemodelleerde concentraties. Aangezien de bijdagen van de secundaire componenten (sulfaten, nitraten en ammonium) voornamelijk een gevolg zijn van grensoverschrijdend transport en daardoor geografisch meer homogeen verdeeld zullen zijn over Vlaanderen, lijkt het aannemelijk te stellen dat de spreiding van concentraties voornamelijk een gevolg zal zijn van de (lokale) spreiding van primaire PM10 emissies. Figuur 4 illustreert de tweede conclusie. De figuur toont voor SO2 , NOx , PM10 en benzeen de verhouding tussen de gemiddelde voorspelde en de gemiddelde gemeten concentraties voor de periode 1990-1998. Het betreft wederom jaargemiddelde concentraties. Merk op dat de laatste jaren de NOx concentraties worden overschat, zodat wellicht ook de bijdrage in nitraataërosol overschat wordt. Dit neemt niet weg dat de totale PM10 concentratie systematisch door OPS wordt onderschat met zo’n 10-30%.

2.2 Het EUROS model In het kader van het NAP werd het EUROS (EURopean Operational Smog) model (van Loon, 1996) gebruikt voor de berekening van daggemiddelde concentraties van PM10. Het is een atmosferisch transport en chemie model dat werd ontwikkeld aan het RIVM (Rijksinstituut voor Volksgezondheid en Milieu, Bilthoven, Nederland). Het simuleert de uurlijkse variaties van ozon boven Europa over lange tijdsschalen (typisch enkele maanden) met een standaard resolutie van 60 km. Een gridverfijningsprocedure laat toe om de ruimtelijke resolutie te verhogen in bepaalde gebieden van het modeldomein, b.v. België. Het model maakt gebruik van de meteorologische gegevens afkomstig van het ECMWF. Iedere 6 uur worden de windvelden en andere meteorologische variabelen in het EUROS model ingevoerd. Een gedetailleerde emissiemodule berekent de emissies voor 3 categorieën van polluenten (NOx , VOS, SO2 ) en 6 verschillende emissie sectoren (verkeer, gebouwenverwarming, raffinaderijen, solventen, verbranding, industrie). De implementatie van EUROS in België vereiste de aanpassing van sommige invoergegevens (emissie en meteorologie) en van sommige intrinsieke eigenschappen van het model. Deze ontwikkelingen van het EUROS model werden gerealiseerd in nauwe samenwerking met het RIVM en betreffen hoofdzakelijk een betere beschrijving van het transport en de dispersie van polluenten in de onderste lagen van de atmosfeer (Delobbe et al., 2001). De Belgische versie van EUROS werd geïnstalleerd bij IRCEL (Intergewestelijke Cel voor het Leefmilieu) in Brussel en zal binnenkort beschikbaar zijn voor gebruikers in de drie Belgische gewesten (http://www.beleuros.be). Voor de fijn stof berekeningen werd het EUROS model door RIVM uitgebreid met een module voor de berekening van verspreiding van PM10 (in 5 klassen zoals voor OPS) en een aangepaste ozonchemiemodule die de vorming van sulfaat en nitraat beschrijft. De bijdrage van ammonium, secundair organisch aërosol, bodemstof en zeezout werd niet beschouwd. Op basis van de eerste voorlopige resultaten werd geconcludeerd dat de uitbreiding van EUROS voor de modellering van fijn stof momenteel nog onvoldoende is.

22

2.3 Het EMEP model A.h.v. enkele EMEP-modellen werden schattingen gemaakt van de aërosolconcentraties boven Europa. Secundaire anorganische aërosolen (sulfaten, nitraten en ammoniumzouten) werden via het EMEP Eulerian Acid Deposition model berekend (Berge and Jakobsen, 1998). De atmosferische concentraties van primaire partikels werden berekend met een aangepaste versie van het EMEP Euleriaans dispersiemodel (Olendrzynski, 2000). De EMEP Euleriaanse modelversie voor PM is een eerste stap naar de ontwikkeling van een Euleriaans aërosolmodel (PM2.5 en PM10 ). Op dit ogenblik wordt het model enkel aangewend voor de modellering van de atmosferische dispersie van antropogene primaire partikels die chemisch inert zijn. Er werden wijzigingen aangebracht in de parametrisering van de droge en natte depositie. Via het EMEP Lagrangian Photooxidant model (Andersson-Sköld and Simpson, 2000) worden gemiddelde concentraties van biogene secundaire organische aërosolen als gevolg van terpeenemissies afgeleid. Het bestaande Lagrangian model werd aangepast om het transport en de depositie van primaire organische aërosolen (van antropogene bronnen) en de vorming van secundaire organische aërosolen van terpeenemissies te modelleren. Door een combinatie van deze drie modellen kan een schatting worden gemaakt van de totale concentratie van PM als zijnde de som van primaire partikels, secundaire anorganische aërosolen en biogene secundaire organische aërosolen. Uit deze modelschattingen van EMEP blijkt een algemene onderschatting van het aantal partikels door het model (EMEP, 2000). Verder onderzoek dient te worden verricht naar: • •

•

de secundaire organische aërosolvorming en de kwantificatie van de concentratie. het verfijnen van de schatting van de primaire emissie van fijn stof om de chemische specificatie te realiseren, in het bijzonder wat betreft het organisch en elementaire koolstof. het harmoniseren van de PM10 -meetmethodiek, en de analyse van de chemische samenstelling.

2.4 Het MADE model Het Modal Aerosol Dynamics model for Europe (MADE) werd ontwikkeld als een uitbreiding van de ‘mesoscale chemistry transport models’ om een meer gedetailleerde behandeling van aërosoleffecten in het model toe te laten (Ackermann I., 1998). Het werd gekoppeld met het Euleriaans chemistry-transportmodel CTM2. Dit laat toe, naast de berekening van de deeltjesgrootteverdeling van troposferische aërosolen op een regionale schaal over Europa, ook de chemische concentratievelden te berekenen. Momenteel worden aërosolvorming (nucleatie, condensatie, coagulatie) en droge depositie adequaat beschreven en is het chemisch systeem beperkt tot sulfaat, nitraat, ammonium en watercomponenten in de aërosolfase. Om een meer complete beschrijving van het atmosferisch aërosolsysteem te verkrijgen zijn belangrijke uitbreidingen nodig in de nabije toekomst. Zo dient o.m. het chemisch systeem te worden uitgebreid om ook primaire en secundaire organische partikels te kunnen modelleren.

23

2.5 Het CAM model Interessante mogelijkheden biedt de Canadian Aerosol Module (CAM), zoals beschreven door Gong et al., (2000). Dit model is modulair opgebouwd en houdt rekening met het ontstaan, transport, omzetting en atmosferische verwijdering van fijn stof. Het model beschrijft de belangrijkste aërosol processen in de atmosfeer: productie, (hygroscopische) groei, coagulatie, nucleatie, condensatie, droge depositie, natte depositie (uitwassen), interacties tussen aërosol en wolken. Zhang et al. (2001) hebben een module voor de berekening van de droge depositie van fijn stof toegevoegd. In hun bijdrage worden de droge depositiesnelheden geparameteriseerd als functie van de deeltjesgrootte, deeltjesdichtheid en een aantal meteorologische variabelen. Advectie en diffusie van de aërosolen gebeuren via het moedermodel waaraan de CAM module wordt gekoppeld. CAM kan gekoppeld worden aan 3D globale en regionale Eulerse transportmodellen (bijvoorbeeld het EUROS model). Bijzonder is ook dat CAM zowel de grootteverdeling als de chemische samenstelling van de aërosolen berekent. Voor de berekening van de grootteverdeling is het aantal deeltjesklassen van belang. Dit aantal kan door de gebruiker zelf worden gekozen. Een minimum van 12 klassen wordt aanbevolen om een redelijke representatie van zowel aantal als massa concentratie van de aërosolen te waarborgen. Wat betreft de chemische samenstelling beschrijft het model de volgende oplosbare aërosolen: zeezout, sulfaat, nitraat, organische aërosolen. Voor deze aërosolen wordt rekening gehouden met de hygroscopische groei. De niet-oplosbare aërosolen die in het model worden opgenomen zijn: bodemstof en elementaire koolstof (black carbon). Door toepassing van het zogenaamde “process-spliting” principe en een zeer efficiënte numerieke solver verkrijgt het model een relatief zeer snelle oplossing met een redelijke nauwkeurigheid (± 15%). De tijdstappen die voor de integratie (of simulatie) worden gebruikt bedragen 400-1200 seconden, hetgeen CAM zeer compatibel maakt met bijvoorbeeld het EUROS model. Het is niet duidelijk of de koppeling met modellen op eenvoudige wijze uitvoerbaar is. Dit zal nog nader onderzocht moeten worden.

2.6 Het UAM-AERO model Lurmann et al. (1997) beschrijven het UAM-AERO model, hetgeen een koppeling is tussen een 3D gas/aërosol luchtkwaliteitsmodel en het atmosferisch transportmodel UAM (Urban Airshed Model Version IV). Het gas/aersosol model simuleert aërosolconcentraties in functie van deeltjesgrootte (0.01-10 µm) en omvat de bijdragen van alle belangrijke primaire en secundaire bijdragen aan PM, inclusief sulfaten, nitraten, ammonium, chloride, natrium, elementaire koolstof, organische koolstof, water en bodemstof. Toepassing van het model op de Zuidkust van Californië leverde interessante resultaten op die ook voor Vlaanderen van belang kunnen zijn. Zo werden de volgende relaties geconstateerd:

24

•

• •

•

•

• •

•

Een reductie in NOx emissies levert een daling van de nitraataërosolconcentraties op, maar dit gebeurt efficiënter in de NOx -gelimiteerde gebieden dan in de NH3 -gelimiteerde gebieden. In de NOx -gelimiteerde gebieden is de daling bijna proportioneel; NH3 -reducties zijn efficiënter om de nitraataërosolconcentraties te doen dalen in NH3 gelimiteerde gebieden dan in NOx -gelimiteerde gebieden; Windafwaarts van sterke ammoniakbronnen is de ammoniumnitraatvorming NOx gelimiteerd en de hoogste ammoniumnitraatconcentraties worden bijna altijd in dit gebied gevonden; Na de reductie van primaire PM emissies werd de reductie van NH3 emissies het meest efficiënt bevonden voor het terugdringen van fijn stof concentraties, met uitzondering van enkele locaties waar de NOx reducties meer efficiënt bleken; Reducties van SO2 emissies doen de sulfaatconcentraties in de omgevingslucht significant dalen, maar veroorzaken ook een toename van nitraataërosol in de NH3 -gelimiteerde regio’s; Reducties van NMVOS emissies vertragen de fotochemische processen waardoor zowel de vorming van secundair organisch aërosol als ammoniumnitraat wordt afgeremd; Op de meeste plaatsen hebben reducties van NMVOS een sterker effect op de ammoniumnitraatconcentraties dan op de concentraties van secundair organisch aërosolen; Er moet meer rekening worden gehouden met het niet-lineaire karakter in de relaties tussen emissies en aërosolconcentraties bij het opstellen van emissiereductiestrategieën.

2.7 Het GATOR model Jacobson (1997) beschrijft de koppeling tussen het aërosol model GATOR (Gas Aersol TranspOrt and Radiation) en het mesoschaalmodel MMTD (Mesoscale Meteorological and Tracer Dispersion model). Emissies, nucleatie, coagulatie, omkeerbare en niet-omkeerbare omzettingsreacties, condensatie, verdamping, ontbinding, sedimentatie, droge depositie, en stralingseffecten (absorptie en reflectie) zijn de processen die in het GATOR model worden gesimuleerd. Interessante constatering is dat het model bevestigd dat de sulfaatproductie t.g.v. de ontbinding en oxidatie van SO2 in wolkendruppels zeer belangrijk is. De productie van deze secundaire aërosolen is echter beperkt wanneer gemodelleerd wordt over tijdspannes die van belang zijn voor stedelijke luchtverontreiniging. Het fenomeen neemt in belang toe wanneer sprake is van lange afstand- of grensoverschrijdend transport van luchtverontreiniging. Dit stemt overeen met de parameterisatie en aannames zoals die in het OPS model worden gebruikt.

2.8 Het model van Pandis en Kamens Door Pandis et al. (1992) werd aan de hand van een Lagrangiaans trajectory model de vorming, het transport en de depositie van secundaire organische aërosolen gesimuleerd voor een pollutieperiode in het Los Angeles Basin. De berekende concentraties van secundaire organische aërosolen vertegenwoordigden gemiddeld 18% van de gemeten organische koolstof landinwaarts en 5-8% aan de kust. Op dagelijkse basis kon bijna de helft van de voorspelde secundaire organische aërosolen worden toegeschreven aan de oxidatie van niettolueen aromaten (xyleen, alkylbenzeen…), terwijl ongeveer 16% kon worden toegeschreven

25

aan biogene emissies (o.m. a- en ß-pinene). De grootste onzekerheid om de concentratie van secundaire organische aërosolen te voorspellen zijn de reactieve organische gasemissies, de aërosolopbrengst en de verdeling van de condenseerbare fase tussen de twee fases. Recentelijk werd door Kamens et al (1999) de biogene aërosolvorming, in het bijzonder de reactie tussen a-pinene en ozon, nader onderzocht. Aan de hand van een kinetisch mechanisme werden de gasfasereacties van a-pinene met ozon beschreven en werden de reactieproducten, die zich verdelen tussen de gasfase en partikelfase, bestudeerd. Aldus kon een aërosolopbrengst worden voorspeld. Aan de hand van het gas-partikel model kan worden berekend in welke mate zelfnucleatie optreedt, en in hoeverre de gevormde vluchtige producten zich afzetten op het oppervlak van reeds bestaande partikels. Door de gas- en aërosolfasereacties aan elkaar te linken in één mechanisme en door gebruik te maken van een chemische kinetische solver werden reactant- en productconcentraties in functie van de tijd berekend. Een vergelijking tussen de gemodelleerde en experimenteel bepaalde aërosolopbrengsten geeft aan dat de vorming van secundaire aërosolen in redelijke mate kan worden voorspeld. Binnen dezelfde studie werd waargenomen dat bij een veranderlijke temperatuur en aërosolmassa de samenstelling van het aërosol mee varieert.

2.9 Het model van Fraser et al. In een recente studie (Fraser et al., 2000) werd de concentratie van organische componenten (C 1 – C34 ), zowel in de gasfase, de partikelfase als in semi-vluchtige toestand, gemodelleerd voor de Los Angeles Basin tijdens een fotochemische smogperiode. Een belangrijk probleem, inherent verbonden aan het testen van dergelijke modellen, is doorgaans de afwezigheid van een uitgebreide atmosferische databank waartegen het model kan worden getest. In het kader van deze studie werd een dergelijke databank opgesteld. Gecombineerd met gedetailleerde metingen van de organische chemische speciatie van de emissie van de belangrijkste stedelijke bronnen van organische polluenten kon het luchtkwaliteitsmodel worden geëvalueerd. Het aangepaste Euleriaans fotochemische model was aldus in staat om de concentratie van alle normale alkanen en de meeste aromatische koolwaterstoffen te voorspellen binnen de juiste grootte orde (en dit over zes grootte orde concentratieveranderingen van de meest aanwezige gasfasedeeltjes tot de minst aanwezige vaste deeltjes).

2.10 Het PPM model Het PPM model (Long-range Transport modelling of Primary Particulate Matter) (ApSimon et al., 2001) is een model dat grensoverschrijdend transport simuleert van primaire deeltjes (PM10 , PM2.5). Tevens brengt het model de blootstelling aan deze fracties in kaart. Het model is beleidsgericht in de zin dat het gebruikt wordt om luchtkwaliteitsdoelstellingen en –normen (mee) te bepalen. Toepassingen van het model hebben geleid tot de conclusie dat het opstellen van een degelijke emissie inventaris van PM10 en PM2.5 voor Europa prioritair is. 2.11 Het NAME model NAME is een Lagrangiaans model dat door het nationaal meteorologisch instituut in het Verenigd Koninkrijk (UK Met Office) wordt gebruikt voor de modellering van fijn stof.

26

Aanvankelijk werden uurlijkse concentraties van sulfaat aërosol berekend (Malcolm et al., 2000), maar later is het model uitgebreid naar primaire PM10 bijdragen (Malcolm and Manning, 2001). Volgens de auteurs vallen de resultaten tegen, hetgeen zij wijten aan de gebrekkige beschikbaarheid van PM10 emissies en hun locaties. Hierbij moet echter worden opgemerkt dat het model een groot deel van de secundaire aërosol bijdragen niet in beschouwing neemt.

2.12 Statistische modellen In deze paragraaf verwijzen we naar een aantal interessante statistische modellen (Silva et al., 2000 en Turnbull en Harrison, 2000) en heuristische methoden gebaseerd op deductietechnieken en beoordeling door experten (Janssen et al., 1999). Deze modellen zijn weliswaar minder interessant in een beleidscontext waar bron-receptor relaties belangrijk zijn, maar leiden wel tot interessante vaststellingen. Door Silva et al. (2001) werden concentraties PM10 en PM2.5, alsook de kritische pollutieepisodes, beschreven en voorspeld als functie van een voorgaand gedrag en een set meteorologische variabelen waaronder windsnelheid en –richting, omgevingtemperatuur en relatieve vochtigheid. Zowel ‘non-parametric discriminant analysis’ als ‘multivariant adaptive regression splines’ procedures werden toegepast. Gebruik makende van deze methodes werden zeer bevredigende classificatie- en voorspellingsresultaten bereikt. In hun studie m.b.t. PM10 in Engeland gaan Turnbull en Harrison (2000) uit van een meervoudig lineair regressiemodel. De resultaten wijzen uit dat er weinig seizoensvariaties optreden in de secundaire fijn stof concentraties, maar dat deze variaties eerder afhangen van de meteorologische situatie en van het grensoverschrijdend transport van luchtmassa’s. Dit stemt sterk overeen met de situatie zoals die in OPS wordt gemodelleerd. Nitraten laten een dag/nacht variatie zien met licht verhoogde concentraties gedurende de nacht. De bijdrage van grove deeltjes is vooral merkbaar in tijdens zomerperiodes in verstedelijkte gebieden. Deeltjes van antropogene oorsprong (PAK’s, zwarte rook) bereiken dan weer hun maxima in herfst en winter. Janssen et al. (1999) gebruiken een heuristisch model om een schatting te maken van de verdeling van de bijdragen aan fijn stof in Nederland. Hun conclusie is dat 40-45% van de bijdrage aan PM10 afkomstig is van bronnen in Nederland. Deze conclusie stemt niet overeen met de resultaten uit het meer recentere NAP zoals voorgesteld door van Breugel et al. (2001).

2.13 ISORROPIA Een fundamenteel probleem in de aërosolchemie is de aanname dat men kan vertrekken van een (statisch) thermodynamisch evenwicht van waaruit de fysische toestand en samenstelling van het (organisch) aërosol kan worden vastgelegd. Dit evenwicht is in werkelijkheid echter zeer dynamisch en hangt af van heel wat fysische en chemische variabelen en zou in principe iedere keer op nieuw gesimuleerd moeten worden, voorafgaand aan verdere berekeningen. ISORROPIA (Nenes et al., 1999) is een model dat deze thermodynamische evenwichten berekent. Het werd gekoppeld aan het UAM-AERO model (zie 2.6) voor de evaluatie van de regionale luchtkwaliteit. Merk echter op dat dergelijke thermodynamische modellen zeer rekenintensief zijn. Zo heeft men 7000 sec CPU (∼ 2 uur rekentijd) nodig voor 1 dag

27

simulatie. Dit is de voornaamste reden waarom in de meeste modellen a-priori wordt uitgegaan van een (statisch) thermodynamisch evenwicht.

2.14 RADDIF Voor de volledigheid vermelden we hier ook het RADDIF (Strommen, 1999) model. RADDIF is een model dat werd ontworpen om de dynamische verdeling van organische componenten tussen de gas- en de partikelfase in (verondersteld sferische) atmosferische aërosolen te simuleren (geschreven in standaard Fortran 77/90). Dit gebeurt door een numerieke simulatie van de oppervlaktemassatransfer en de diffusie in de radiale richting in de partikels. De output van het model is de partikelfaseconcentratie in een systeem i.f.v. de tijd. Diverse inputparameters zijn noodzakelijk, o.m. diffusiecoëfficiënten, massatransfercoëfficiënt, analytconcentratie in het omringende milieu i.f.v. de tijd, evenwichtsverdelingscoëfficiënt i.f.v. de tijd, partikelaantal en deeltjesgroottedistributie i.f.v. de tijd en deeltjesmassaconcentratie i.f.v. de tijd. Zowel open als gesloten systemen (waarbij een behoud van analytmassa geldt) kunnen worden gesimuleerd waarbij voor deze laatste chemische reacties kunnen optreden zowel in de partikels als in het omringende milieu. Dit model kan o.a. gebruikt worden om zelf een mechanisme te ontwikkelen voor de modellering van de vormings- en afbraakprocessen van fijn stof.

28

Hoofdstuk 3: Strategie voor de modellering van fijn stof 3.1 Uitgangspunten voor beleidsondersteuning Een probleem bij de modellering van fijn stof is dat de causale verbanden tussen PM en de gezondheidseffecten (nog) niet gekend zijn. Een gangbare hypothese is dat PM een aantal componenten bevat met elk een verschillende toxiciteit, waarbij (nog) geen specifieke fractie verantwoordelijk kan worden gesteld voor schadelijke effecten op de gezondheid (van Breugel et al., 2001). In het algemeen wordt aangenomen dat componenten als water, zeezout, ammonium, sulfaten en nitraten bij de huidige concentraties minder van belang zijn voor de gezondheidseffecten. Dat neemt niet weg dat deze componenten bijvoorbeeld wel van belang zijn in verband met de verzuringsproblematiek (Mensink et al., 2000). Naast de chemische samenstelling is ook de vraag of de afmeting van de stofdeeltjes een rol speelt in verband met gezondheidseffecten tot nu toe onbeantwoord gebleven. Dit geldt met name voor de ultra fijne deeltjes (UF of PM0.1). Deze vraag is belangrijk omdat er nauwelijks een verband kan worden gelegd tussen (metingen van) PM10 en PM0.1. De indeling tussen fijne en grove fractie blijft echter van fundamentele aard als men de fysische, chemische of gezondheidseffecten van aërosolen wil bestuderen. Daarom moeten de bijdragen aan PM0.1, PM2.5 , PM10 en totaal fijn stof afzonderlijk worden gemodelleerd. Zolang causale verbanden niet duidelijk zijn gebruikt men PM10 en PM2.5 en eventueel zwarte rook (BS) als “indicatoren” voor deze causale verbanden. De inherente onzekerheid over de impact van deze indicatoren maakt het moeilijk om concrete beleidsondersteuning inzake fijn stof te bieden. Vragen als: -

Welke reductie is het meest relevant voor gezondheidsimpacten? Is het in verband met gezondheidseffecten zinvol om NH3 verder te reduceren? Speelt ozon een (indirecte) rol, m.a.w. hebben we dubbel profijt van een streng ozonreductiebeleid? Hoe belangrijk is de reductie van primaire bronnen van fijn stof? Welke VOS component kan het best worden “aangepakt”?

zijn hierdoor moeilijk te beantwoorden. In de PBO studie ‘Evaluatie van beleidsscenario’s met betrekking tot fijn stof’ in uitvoering door de UIA in samenwerking met Vito, wordt wel verder op dergelijke vragen ingegaan. Doelstelling van deze studie is precies het identificeren van prioritaire, zogenaamde ‘no-regret’ maatregelen om de impacts van fijn stof te beperken, onzekerheden in kaart te brengen en pogen te verkleinen. Hiermee dienen enerzijds beleidsvoorstellen onderbouwd te worden en anderzijds kan dit dienen ter ondersteuning van de evaluatie van de Europese grenswaarden voor fijn stof in 2005. Vragen die wel via modellering ingeschat kunnen worden zijn: -

Wat zijn de huidige concentraties van fijn stof in Vlaanderen? Wat is de bijdrage van Vlaanderen hierin; wat is de buitenlandse bijdrage? Hoe groot is de bijdrage van iedere sector per component in de totale fijn stof concentratie? Welke reducties in de fijn stof concentraties kunnen maximaal gehaald worden? Wat is het effect van toekomstige emissiereductiescenario’s en internationale protocols?

29

Gezien de huidige onzekerheden voor wat betreft de gezondheidseffecten dient een fijn stof model idealiter zoveel mogelijke rekening te houden met de variabiliteit in chemische samenstelling als ook met de invloed van de verschillende deeltjesgrootteklassen. Dit zal zeker de complexiteit van een zo’n model in de hand werken. De vertreksituatie is dus dat idealiter gekozen moet worden voor modellen of modules voor fijn stof die: -

-

rekening houden met de diversiteit van de componenten die bijdragen tot fijn stof en deze op een adequate manier modelleren, d.w.z. een realistisch verband kan leggen tussen (gelokaliseerde) emissies van deze stof en hun bijdrage in de totale concentratie fijn stof; de chemische samenstelling van fijn stof en de verandering hierin tijdens transport, dispersie en depositie zo goed mogelijk simuleren; rekening houden met de deeltjesgrootteverdeling, op zijn minst met fracties van PM10 , PM2.5 en eventueel PM0.1 of ultrafijn stof (UF).

Rekening houdend met de uitkomsten van de studie rond de inventarisatie van PM10 en PM2.5 emissies is het uitgangspunt dat via het model een verband kan worden gelegd tussen de concentraties PM10 en PM2.5 (en eventueel UF) enerzijds en de (gelokaliseerde) emissies en concentraties van SO2 , NO x , NH3 , afzonderlijke VOS componenten, ozon en ozonprecursoren, koolstof(fracties), eventueel zware metalen en bodemstof (per component) anderzijds. Tevens eisen we dat de modellen of modules: -

hanteerbaar blijven voor wat betreft rekentijd; kaderen binnen het huidige modellenpatrimonium voor beleidsondersteuning, d.w.z. aansluiten bij de modellen OPS en EUROS die reeds voor MIRA en andere beleidstaken worden ingezet;

De mogelijkheden en beperkingen van de huidige versies van EUROS en OPS in verband met fijn stof zijn reeds in secties 2.1 en 2.2 gepresenteerd.

3.2 Strategie De EU richtlijn (1999/30/EG) richt zich enerzijds op jaargemiddelde concentraties en anderzijds op daggemiddelde concentraties. De modellering van fijn stof dient zich hier op af te stemmen. Voor de jaargemiddelde concentraties is het OPS model in principe zeer geschikt, mits enige aanpassingen. In het rapport van Visser et al. (2001) wordt gesteld dat er geen significante verschillen zijn tussen gemeten PM10 concentraties en met OPS gemodelleerde concentraties aangevuld met de bijdrage van natuurlijke bronnen. De gemiddelde verhouding tussen gemodelleerde en gemeten concentraties in Nederland bedraagt 0.94 of 0.91, afhankelijk van de correctiefactor die voor de metingen wordt gebruikt. Daarom stellen we de volgende acties voor om OPS uit te breiden en te verbeteren: •

Meer gedetailleerde emissies voor primair fijn stof (PM10 en PM2.5) inbrengen met vooral meer aandacht naar de beschrijving van de geografische spreiding van bronnen in Vlaanderen. Eventueel aan te vullen met schattingen voor diffuse bronnen;

30

• • •

•

• •

Toevoegen van zeezout als bronterm om naast de bijdrage van secundaire componenten als sulfaat, nitraat en ammonium ook chloriden (of natrium) in rekening te brengen; Onderzoeken of het mogelijk is om in OPS de interactie tussen sulfaten en nitraten enerzijds en ammonium anderzijds beter te simuleren via een eenvoudige parameterisatie; Nagaan of een beperkte omzetting van NMVOS naar secundaire organische aërosolen (SOA) mogelijk is via een eenvoudige (gelineariseerde) parameterisatie van de betrokken chemische reacties; Bodemstof (totaal of opgesplitst naar de componenten Si, Al, Fe, Ca en K) als opwaaiend stof in functie van de windsnelheid in het model opnemen. Eventueel moet hieraan de bijdrage door rem- en bandenslijpsel worden toegevoegd (Visser et al. (2001) schatten deze bijdrage op 1 µg/m³ voor de stedelijke achtergrond en 2-4 µg/m³ extra in een drukke straat); Toevoegen van een natuurlijke achtergrondbijdrage voor het Noordelijk halfrond, die niet met OPS gemodelleerd kan worden; Een procedure ontwikkelen om één batch berekening uit te voeren met verschillende OPS runs om alle bijdragen aan PM2.5 en PM10 te berekenen en te sommeren, te weten de bijdragen van: • Primair PM10 of PM2.5 • Sulfaat (SO4 ) • Nitraat (NO3 ) • Ammonium (NH4 +) • Secundaire organische aërosolen (SOA) afkomstig van NMVOS • Zeezout (in de vorm van chloriden Cl- of natrium Na+) • Bodemstof • Natuurlijke achtergrondconcentratie

Door het toekennen van de verschillende fracties aan respectievelijk PM2.5, PM10 en totaal fijn stof kunnen de afzonderlijke concentraties worden berekend. Deze toekenning is afhankelijk van de deeltjesgrootteverdeling. Voor het opvolgen van episodes en het simuleren van daggemiddelde waarden kan het EUROS model de basis leveren, omdat het reeds op een adequate manier (grensoverschrijdend) transport en diffusie beschrijft. Dit model dient te worden aangevuld met een module voor fijn stof waarin de specifieke eigenschappen, fysische en chemische omzettingsmechanismen en atmosferische verwijderingsmechanismen (o.a. droge depositie) op een correcte en beknopte manier worden beschreven. De uitdaging zal dus zijn een module in huis te halen, deze te testen en koppelen aan het EUROS model. Het meest interessant in dit verband zijn de volgende modellen: 1) 2) 3) 4) 5)

Canadian Aerosol Module (CAM) (Gong et al., 2000; ) UAM-AERO (Lurmann et al., 1997) MADE (Ackermann et al., 1998) GATOR (Jacobson, 1997) EMEP (EMEP, 2000)

Gezien de structuur van EUROS en de modulariteit van de bovenstaande modellen lijkt dit tevens de volgorde van geschiktheid voor implementatie in EUROS. De berekening van de afzonderlijke concentraties PM2.5, PM10 en totaal fijn stof gebeurt in functie van de geselecteerde deeltjesgrootteverdelingsklassen die voorzien zijn in de module.

31

Uit de voorlopige resultaten van OPS (2.1) en EUROS (2.2) blijkt dat deze modellen momenteel nog niet de vereiste nauwkeurigheid en betrouwbaarheid leveren. De voorgestelde aanpassingen moeten hier verbetering in brengen. Om dit te kunnen evalueren is het belangrijk om de modelresultaten te blijven valideren aan de hand van meetresultaten.

32

Hoofdstuk 4: Besluit In dit rapport is gezocht naar mechanismen, methodieken en modellen om de modellering van fijn stof in de toekomst te kunnen verbeteren en verfijnen ter ondersteuning van het beleid en de milieurapportering (MIRA) in Vlaanderen. In hoofdstuk 1 werd een overzicht gegeven van de belangrijkste (fysische en chemische) mechanismen die gemodelleerd dienen te worden om vorming, afbraak, transport, verspreiding en depositie van fijn stof adequaat te kunnen simuleren. Uit literatuurstudie is gebleken dat er reeds een aantal interessante modellen en modules bestaan om hierin te voorzien. Hoofdstuk 2 geeft een overzicht van 14 bestaande modellen, modules en procedures die beschikbaar zijn om bovenstaande mechanismen modelmatig te kunnen beschrijven. Vertrekkende van de bestaande modellen OPS en EUROS die reeds worden ingezet voor beleidsondersteuning en in het kader van MIRA werd in hoofdstuk 3 een strategie ontwikkeld om door middel van een aantal uitbreidingen en verfijningen te komen tot een verbeterde modellering van fijn stof. Het OPS is zeer geschikt voor het modelleren van jaargemiddelde fijn stofconcentraties (PM2.5 en PM10 en totaal fijn stof), maar dient te worden uitgebreid zodat het de bijdragen kan simuleren van de volgende stoffen: • Primair PM10 of PM2.5 • Sulfaat (SO4 ) • Nitraat (NO3 ) • Ammonium (NH4 +) • Secundaire organische aërosolen (SOA) afkomstig van NMVOS • Zeezout (in de vorm van chloriden Cl- of natrium Na+) • Bodemstof • Natuurlijke achtergrondconcentratie Het EUROS model lijkt een redelijk instrument voor de berekening van daggemiddelde concentraties van PM2.5 en PM10 en totaal fijn stof. De inspanning die tot nu toe door RIVM werd gedaan om het model toe te passen voor de berekening van fijn stof concentraties blijkt echter onvoldoende. Het lijkt ons daarom interessanter om het EUROS model te koppelen met een bestaande module voor aërosolen. De meest interessante kandidaten die hiervoor in aanmerking komen zijn (in volgorde van geschiktheid): 1) 2) 3) 4) 5)

Canadian Aerosol Module (CAM) UAM-AERO MADE GATOR EMEP

De gekozen strategie sluit volledig aan bij de huidige Europese regelgeving (1999/30/EG) omtrent luchtkwaliteit en die zich momenteel richt op jaargemiddelde en daggemiddelde concentraties voor PM10 en PM2.5. Ook in deze context blijft de validatie van modelresultaten een belangrijk aandachtspunt.

33

Bijlage 1: Chemische mechanismen en modellering. Enkele internationaal gehanteerde chemische mechanismen hebben reeds zeer summier enkele reacties ingebouwd die de vorming van secundaire aërosolen beschrijven. Het Regional Acid Deposition Model (RACM) -mechanisme (Stockwell et al., 1997) bevat één heterogene reactie die de vorming van sulfaten beschrijft: SO2 + HO = SULF + HO 2

troe(3E-31, -3.3, 1.50E-12, 0.0);

Binnen het Carbon-Bond IV (CBIV_99) -mechanisme (Adelmann Z., 1999) wordt ook de vorming van sulfaten beschreven: SO2 + OH = SULF + HO 2 SO2 = SULF

troe(3E-31, -3.3, 1.50E-12, 0.0); k = 1.4E-6

Het EMEP-mechanisme (Co-operative Programma for monitoring and evaluation of the long range transmission of air polltants in Europe) bevat meerdere reacties m.b.t. vorming van sulfaten en aërosolen (Andersson-Sköld, 1997): OH + SO2 = HO 2 + SULPHATE (HSO3 + O2 = HO2 + SO3 : very fast) (SO3 + H2 O = sulphate: very fast)

k= 1.3E-12

CH3 O2 + SO2 = SULPHATE + HCHO + HO 2 k = 4.0E-17 (CH3O + O2 = HCHO + HO 2 : very fast) H2 O2 = Aërosol CH3 O2 H = Aërosol N2O5 = 2nitrate HNO3 = nitrate

k = rkaërosol k = rkaërosol k = rkaërosol k = rkaërosol

Waarbij rkaërosol = 1.E-4 en 5.E-6 bij en relatieve vochtigheid van respectievelijk > 90% en < 90%. Daarnaast zijn er nog reacties opgenomen in de reactiemechanismen die aanleiding geven tot aërosolvorming, zoals bv. de vorming van PAN, dat als secundaire polluent in de atmosfeer kan condenseren t.v.v. aërosolen. Meer gegevens aangaande het gebruik van bovenvermelde chemische mechanismen m.b.t. de modellering van de chemische veranderingen die, in het kader van het AURORA-project, binnen de stedelijke omgeving optreden, zijn terug te vinden in Kinnaer et al. (2001).

34

Referenties Ackermann I., Hass H., Memmesheimer M., Ebel A., Binkowski F., Shankar U. (1998) Modal Aerosol Dynamics model for Europe: development and first applications, Atmospheric Environment, 32, pp. 2981-2999. Adelmann Z. (1999) A reevaluation of the Carbon Bond-IV photochemical mechanism, Thesis Msr Sc., Chapel Hill. Andersson-Sköld Y. and Simpson D. (2000) Secondary organic aerosol formation in Nothern Europe: a model study, Journal of Geophysical Research, (submitted for publication). Andersson-Sköld Y and Simpson D. (1997) Comparison of the Chemical Schemes of the EMEP MSC-W and IVL photochemical trajectory models, Note 1/97. ApSimon H.M., Gonzalez del Campo M.T. and Adams H.S. (2001) Modelling long-range transport of primary particulate material over Europe, Atmospheric Environment, 35, pp. 343352. Baumgardner D., Raga G.B., Kok G., Ogren J., Rosas I., Baez A. and Novakov T. (2000) On the evolution of aerosol properties at a mountain site above Mexico City, Jornal of Geophysical. Research, 105, D17, pp. 22243-22253. Berge E. and Jakobsen H.A. (1998) A regional scale multi-layer model for the calculation of long-term transport and deposition of air pollution in Europe, Tellus, 50B, pp. 205-223. Breugel P.B. van, Visser H. en Buringh E (2001) Bronnen van fijn stof, Het Dossier blz 2-5, Milieutijdschrift Arena, nr 7, november 2001. Colles A., Janssen L., Mensink C. en Cornelis J. (2001) Voorbereiden van de saneringsprogramma’s in het kader van de eerste en tweede dochterrichtlijn luchtkwaliteit. Studie uitgevoerd in opdracht van het Ministerie van de Vlaamse gemeenschap, Afdeling Algemeen Milieu-en Natuurbeleid (AMINAL), Vito rapport 2001/TAP/24, mei 2001. Delobbe L., Mensink C., Schayes G., Brasseur O., Passelecq C., Passelecq D., Dumont G. and Demuth C. (2001) BelEUROS: Implementation and extension of the EUROS model for policy support in Belgium, Study for the Prime Minister’s Services, Federal Office for Scientific, Technical and Cultural Affairs, OSTC Contract Report AS/00/10, March 2001. Denocker L, Torfs R., Berghmans P., Mensink C., Roekens E., Dumollin J. en Brouwers J. (2000) Verspreiding van zwevend stof (hoofdstuk 4.5), in: M. Van Steertegem (red.): MIRA-S 2000 Milieu en natuurrapport Vlaanderen: scenario’s, blz 281-292, Vlaamse Milieumaatschappij en Garant, Leuven/ Apeldoorn, oktober 2000. EMEP (2001) http://www.emep.int/eul/index.html, chapter 4 EMEP (2000) Status Report with respect to Measurements, Modelling and Emissions of Particulate Matter in EMEP: An integrated approach, Joint CCC & MSC-W Report, EMEP Report 5/2000, NILU, DNMI, Oslo, August 2000.

35

Fraser M., Kleeman M., Schauer J. and Cass G. (2000) Modeling the atmospheric concentrations of individual gas-phase and particle phase organic compounds, Environmental. Science and Technology, 34, pp. 1302. GENEMIS (1994) Generation of European Emission Data for Episodes project, EUROTRAC Anuual report 1993, part 5, EUROTRAC Int. Sci. Secretariat, Garmish-Partenkirchen, Germany. Gong S.L., Barrie L.A., Blanchet J.-P., von Salzen K., Lohmann U., Lesins G., Lavoué D., Jiang J., Lin H., Girard E., Leaitch E., Leighton H., Chylek P and Spacek L. (2000) CAM: treatment of the size segregated atmospheric aerosols for climate and air quality models. Part 1. Module development, Journal of Geophysical Research, (submitted for publication). Harrison R.M. (1992) Understanding our Environment: An introduction to Environmental Chemistry and Pollution. The Royal Society of Chemistry, London. IIASA (2000) Interim Report (IR-00-066), Secondary Organic Aerosol – Formation Mechanisms and Source Contributions in Europe, Ulrike Dusek, November 2000. Jaarsveld J.A. van (1989). Een Operationeel atmosferisch transportmodel voor Prioritaire Stoffen (OPS); specificaties en aanwijzingen voor gebruik. RIVM rapportnr 228603008, Bilthoven, Nederland, november 1989, 101 blz. Jaenicke R. (1993) Tropospheric aerosols, Aerosol-Cloud-Climate Interactions (P.V. Hobbs ed.), ch 3, Academic Press, London and New York. Jacob D.J. (2000) Heterogeneous Chemistry and tropospheric ozone, Atmospheric Environment, 34, pp. 2131-2159. Jacobson M.Z. (1997) Development and application of a new air pollution modeling system II. Aerosol module structure and design, Atmospheric Environment, 31, pp. 131-144. Janssen L.H.J.M., Buringh E. van der Meulen A. and van den Hout K.D. (1999) A method to estimate the distribution of various fractions of PM10 in ambient air in the Netherlands, Atmospheric Environment, 33, pp. 3325-3334 Kamens R., Jang M., Chien C.-H., Leach K. (1999) Aerosol formation from the reaction of aPinene and Ozone Using a Gas-Phase Kinetics-Aerosol Partitioning Model, Environmental Science and Technology, 33, pp. 1430-1438. Kinnaer L., Ruts M., Van Haver Ph. en Mensink C. (2001) Ontwikkeling van een chemiemodule voor AURORA, Vito rapport 2001/TAP/R/014. Leggett S. (1996) Forecast distributions of species and their atmospheric reactivities for the U.K. VOS emission inventory, Atmospheric Environment, 30, pp. 215-226. Loon M. van (1996). Numerical methods in smog prediction. Ph.D. thesis, University of Amsterdam, The Netherlands.

36

Lurman F.W., Wexler A.S., Pandis S.N., Musarra S. Kumar N. and Seinfeld J.H. (1997) Modelling urban and regional aerosols – II. Application to California’s South Coast Air Basin, Atmospheric Environment, 31, pp. 2695-2715. Malcolm A.L., Derwent R.G. and Maryon R.H. (2000) Modelling the long-range transport of secondary PM10 to the UK, Atmospheric Environment, 34, pp. 881-894 Malcolm A.L. and Manning A.J. (2001) Testing the skill of a Lagrangian dispersion model at estimating primary and secondary particulates, Atmospheric Environment, 35, pp. 1677-1685 Mensink C. and Janssen L. (2000) A dynamic emission inventory for the EUROS model, OSTC Scientific report, VITO report 2000/TAP/R/6, February 2000. Mensink C., Colles A, De Schrijver A., Hendriks J., Meykens J. en Brouwers J. (2000) Verzuring (hoofdstuk 4.13), in: M. Van Steertegem (red.): MIRA-S 2000 Milieu- en natuurrapport Vlaanderen: scenario’s, blz 383-394, Vlaamse Milieumaatschappij en Garant, Leuven/ Apeldoorn, oktober 2000. Menut L., Vautard R., Beekmann M., Honoré C. (2000) Sensitivity of photochemical pollution using the adjoint of a simplified chemistry-transport model, Jornal of Geophysical Research, 105, D12, pp. 15379- 15402. Nenes A., Pandis, S.N. and Pilinis, Ch. (1999) Continued development and testing of a new thermodynamic aerosol module for urban and regional air quality models, Atmospheric Environment, 33, pp. 1553-1560. Olendrzynski K. (2000) Performance of EMEP Eulerian Acid Deposition model for 1998. Oslo, Norwegian Meteorological Institute, EMEP/MSC-W, Note 3/2000. Pandis S., Harley R., Cass G. and Seinfeld J. (1992) Secondary organic aerosol formation and transport, Atmospheric Environment, 26A, No. 13, pp. 2269-2282. Placet M., Mann C.O., Gilbert R.O., Niefer M.J. (2000) Emissions of ozone precursors from stationary sources: a critical review, Atmospheric Environment, 34, pp. 2183-2204. Rattigan O., Boniface J., Swartz E., Davidovits P., Jayne J., Kolb C. and Worsnop D. (2000) Uptake of gas-phase SO2 in aqueous sulphuric acid: Oxidation by H2 O2 , O3 and HONO, Jornal of Geophysical Research, 105, D23, pp. 29065-29078. Ravishankara A.R. (1997) Heterogeneous and Multiphase Chemistry in the Troposphere, Science, 276, pp. 1058-1065 Harrison et al. (eds.) (1999) Report of the Airborne Particles Expert Group, Source Apportionment of Airborne Particulate Matter in the United Kingdom, Prepared on behalf of the Department of the Environment, Transport and the Regions, the Welsh Office, the Scottish Office and the Department of the Environment (Northern Ireland), London, January 1999, 157 blz.

37

Scheff P. A. and Wadden R.A. (1993) Receptor Modeling of Volatile Organic Compounds. 1. Emission Inventory and Validation, Environmental Science and Technology, 27, No 4, pp. 617-625. Seinfeld J.H. and Pandis S.N. (1998) Atmospheric Chemistry and Physics. From Air pollution to Climate Change, John Wiley & Sons, Inc., New York. Silva C., Pérez P. and Trier A. (2001) Statistical modelling and prediction pf atmospheric pollution by particulate matter: two non-parametric approaches, Environmetrics, 12, pp. 147159. Stockwell W., Kirchner F. and Kuhn M. (1997) A new mechanism for regional atmospheric chemistry modeling, Journal of Geophysical Research, 102, D22, pp. 25847-25879. Strommen M. (1999) RADDIF’s User Manual, Department of Environmental Sciences and Engineering, School of Public Health, The University of North Carolina at Chapel Hill, Chapel Hill, NC 27599-7400. Toll I. and Baldasano J.M. (2000) Modeling of photochemical air pollution in the Barcelona area with highle disaggegated anthropogenic and biogenic emissions, Atmospheric Environment, 34, pp. 3069-3084. Turnbull A.B. and Harrison R.M. (2000) Major component contribution to PM10 composition in the UK atmosphere, Atmospheric Environment, 34, pp. 3129-3137 Visser H., Buringh E. and van Breugel, P.B. (2001) Composition and origin of airborne particulate matter in the Netherlands, RIVM report 650010029, August 2001, Bilthoven, 104 blz. VMM (2000) Luchtkwaliteit in het Vlaamse gewest 1999, Vlaamse Milieumaatschappij, Erembodegem, 236 blz. Zappoli S., Andracchio A., Fuzzi S., Facchini M., Gelencséer A., Kiss G., Krivacsy Z., Molnar A., Mészaros E., Hansson H.-C., Rosman K., Zebuhr Y. (1999) Inorganic, organic and macromolecular components of fine aerosol in different areas of Europe in relation to their water solubility, Atmospheric Environment, 33, pp. 2733-2743. Zhang L., Gong S., Padro J. and Barrie L. (2001) A size-segregated particle dry deposition scheme for an atmospheric aerosol module, Atmospheric Environment, 35, pp. 549-560.

38