Luftqualität und Emissionsoptimierung

ÜBER UNS

Die Qualität der Luft, in der wir leben und die wir atmen, hat einen entscheidenden Einfluss auf unsere Gesundheit, unser Leben und unsere Umwelt. Von interkontinentalen bis hin zu turbulenten Skalen wird die Luftqualität hauptsächlich durch nahe gelegene Abgase von Fahrzeugen mit Verbrennungsmotor, Industrieemissionen aus der Nähe, der Ferne oder sogar aus Übersee, chemische Umwandlungen in der Gasphase und auf Aerosolen, Transport, Vermischung und Entfernung von Spurengasen und Partikeln aus der Atmosphäre durch Pflanzen, Niederschlag oder Sedimentation beeinflusst. Die Vorhersage der Luftqualität erfordert daher die Fähigkeit, viele chemische und physikalische Prozesse unter Berücksichtigung ihrer Wechselwirkungen innerhalb des Erdsystems zu simulieren.

FORSCHUNGSTHEMEN

  • Bereitstellung numerischer Analysen von Fallstudien und Feldmissionen in Zusammenarbeit mit experimentell arbeitenden Gruppen und deren Messungen. Der Umfang und die Grenzen des aktuellen Verständnisses troposphärischer chemischer Prozesse werden analysiert.
  • Entwicklung fortschrittlicher Datenerfassungstechniken für Vorhersagbarkeits- und Beobachtbarkeitsanalysen.
  • Entwicklung und Umsetzung von operationellen Luftqualitätsvorhersagen und -analysen im Rahmen europäischer Copernicus-Projekte zur Überwachung der Atmosphäre.

Der wesentliche und neuartige Ansatz für die erfolgreiche Realisierung unserer Ziele beruht auf inverser Modellierung und Datenassimilation. Dabei werden Methoden aus der Optimierungstheorie und Statistik angewendet, um Modellergebnisse mit Beobachtungen zu kombinieren und so optimale Rückschlüsse auf atmosphärische chemische Zustände und Parameterschätzungen zu ziehen. Die tangential-lineare und adjungierte Form von EURAD-IM (EURopean Air pollution Dispersion – Inverse Model) sind Schlüsselelemente bei der Entwicklung fortschrittlicher Datenassimilations- und Inversionsalgorithmen, wie dem 4-dimensionalen Variationsansatz (4D-var).

MITARBEITENDE
MELDUNGEN
PUBLIKATIONEN

Emissionsoptimierung


Unter den unbestimmten Eingangsparametern stellen die Emissionen von Luftschadstoffen einen wesentlichen Beitrag zu Prognosefehlern dar. In dieser Hinsicht müssen anthropogene und biogene Emissionen unterschiedlich behandelt werden. Biogene Emissionen werden online anhand meteorologischer Modelldaten berechnet. Anthropogene Emissionen werden aus Emissionsinventaren entnommen und mithilfe vordefinierter Funktionen zeitlich verteilt. Diese vordefinierten Funktionen berücksichtigen weder das tatsächliche Wetter noch gesellschaftliche Bedingungen wie Hitzewellen oder lokale Verkehrsbeschränkungen, was zu möglicherweise großen Über- oder Unterschätzungen der Konzentration von Luftschadstoffen führen kann. Daher ist die Optimierung der Emissionen durch die Assimilation gegebener Beobachtungsdaten für zuverlässige Luftqualitätsanalysen unerlässlich. Darüber hinaus liefern solche Analysen Informationen zur Kontrolle von Emissionsvorschriften und leiten Maßnahmen zur Verbesserung der Luftqualität ein.

Forschungsbereiche

  1. Immissionsschutzrechtliche Beurteilung von Schadstoffemissionen: Bewertung von Emissionsdaten anhand von In-situ- und Fernerkundungsbeobachtungen von Luftschadstoffen.
  2. Auswertung des deutschen Emissionsinventars: Analyse der räumlichen und zeitlichen Verteilung anthropogener Emissionen von Luftschadstoffen mit 4D-var.
  3. Emissionsoptimierung bei außergewöhnlichen Aerosolereignissen (Vulkanausbrüche, Biomasseverbrennung): Entwicklung fortschrittlicher Assimilationsstrategien zur Quantifizierung höchst unbestimmter Emissionsereignisse.
  4. Verursacherbezogene Optimierung der Emissionen: Bewertung des Potenzials und der Grenzen der getrennten Quantifizierung von Emissionen für verschiedene Verursachergruppen.

Kontakt

Dr. Anne Caroline LangeSenior Scientist Head of group "Air Quality and Emission Optimization"Gebäude 05.2 / Raum 3029+49 2461/61-2617
Dr. Philipp FrankeSenior Scientist Head of group "Air Quality and Emission Optimization"Gebäude 05.2 / Raum 3029+49 2461/61-2617



Vorhersehbarkeit


Deterministische Datenassimilationsmethoden ermöglichen die Analyse des wahrscheinlichsten Zustands, der zu großen Prognosefehlern führen kann, wenn die Modell-Eingabedaten, wie z. B. Anfangswerte und Emissionen, fehlerhaft sind. Angesichts unsicherer Beobachtungen und Modell-Eingabedaten zielt die Analyse der Prognoseunsicherheit („Vorhersagbarkeit“) darauf ab, eine Darstellung der vollständigen Wahrscheinlichkeitsdichtefunktion (PDF) des Modellzustands zu finden. Da die Komplexität atmosphärischer Modelle nur Monte-Carlo-Simulationen zulässt, kann eine Annäherung der vollständigen Wahrscheinlichkeitsdichtefunktion durch Ensemble-Techniken simuliert werden. Eine wichtige Aufgabe besteht hier darin, das Ensemble optimal zu gestalten, um die Anzahl der Ensemble-Mitglieder überschaubar zu halten. Diese optimale Ensemble-Gestaltung kann durch Singularvektorzerlegung oder Karhunen-Loeve-Erweiterung realisiert werden, um die größten Unsicherheiten im Modell optimal darzustellen. Darüber hinaus werden Ansätze zur Datenassimilation von Ensembles entwickelt, um Beobachtungen des atmosphärischen Zustands für die Analyse der Unsicherheit des vorhergesagten Modellzustands zu nutzen, was zu einem Partikelglätter führt, der den adjungierten Modellcode verwendet. Ziel ist es, die Unsicherheit der Modelleingabedaten abzuschätzen, die zu Abweichungen von den Beobachtungen führt und im Rahmen des „Ensemble for Stochastic Integration of Atmospheric Simulations (ESIAS)“ realisiert wird.


Forschungsbereiche

  1. Einschätzung der Prognoseunsicherheit: Wie wahrscheinlich ist der modellierte atmosphärische Zustand angesichts der Beobachtungen von Luftschadstoffen?
  2. Identifizierung von Bereichen mit geringer Vorhersehbarkeit: Können unterschiedliche Beobachtungen zu zuverlässigeren Modellvorhersagen führen?
  3. Bewertung von Parameterunsicherheiten (Emissionen, Ablagerung, meteorologische Modellparameter – z. B. Oberflächenparameter und Parametrisierungsaufbauten) → Identifizierung von Unsicherheitsquellen: Was bestimmt die Vorhersagbarkeit des modellierten atmosphärischen Zustands?

Kontakt

Dr. Philipp Franke

Senior Scientist Head of group "Air Quality and Emission Optimization"

  • ice
  • ice-3
Gebäude 05.2 /
Raum 3029
+49 2461/61-2617
E-Mail

Beobachtbarkeit


Die größten Unsicherheiten für erfolgreiche atmosphärische Modellvorhersagen liegen in den gewählten Anfangs- und Randwerten. Daher liefern Beobachtungen wesentliche Informationen für Datenassimilationssysteme, die eine Optimierung von Modellvorhersagen und -analysen ermöglichen. Das Forschungsfeld der Beobachtbarkeit untersucht den Einfluss der verwendeten Beobachtungen auf den Wert von Vorhersagen, die für die Gesellschaft wichtig sind. Wenn Anfangswerte und z. B. Emissionen für Modellsimulationen ungeeignet gewählt werden, kann das Vorhersagesystem sehr empfindlich reagieren, was zu wachsenden Vorhersagefehlern führt. Die Verbesserungen der Analysequalität als Produkt von Beobachtungskonfigurationen und Datenassimilation können sowohl in qualitativen Maßen als auch auf probabilistische Weise bewertet werden. Um Prognoseunsicherheiten zu minimieren, müssen gezielte Beobachtungen in Bereichen platziert werden, in denen die Analysefehler große Prognosefehler verstärken.


Forschungsbereiche

  1. Bewertung des Beitrags der Beobachtung zu zuverlässigen Prognosen und Analysen
  2. Identifizierung von Bereichen und chemischen Verbindungen, die durch den Informationsgehalt der Beobachtungen gut eingegrenzt sind
  3. Optimierung von Beobachtungsnetzen und optimale Platzierung von Sensoren
  4. Bewertung des Qualitätsgewinns in der Analyse aufgrund einzelner oder verschiedener Arten von Beobachtungen

Kontakt

Dr. Anne Caroline Lange

Senior Scientist Head of group "Air Quality and Emission Optimization"

  • ice
  • ice-3
Gebäude 05.2 /
Raum 3029
+49 2461/61-2617
E-Mail



Chemische Wettervorhersage


Wir erstellen tägliche Vorhersagen und Analysen des europaweiten Transports und der Umwandlung von atmosphärischen Spurengasen und Aerosolen. Daher wird eine Rasterverschachtelungstechnik verwendet, die Simulationen mit unterschiedlicher horizontaler Auflösung von 45 km x 45 km bis hin zur besonders hohen Auflösung von 1 km x 1 km ermöglicht. In diesen Simulationen werden bis zu 120 Variablen pro Gitterpunkt berechnet, auch wenn nur ein kleiner Teil davon, wie z. B. Stickoxide, Ozon und Feinstaub, täglich für die Nutzung durch Umweltschutzbehörden oder die Öffentlichkeit bereitgestellt wird. Tägliche Vorhersagen und Analysen sowie jährliche Re-Analysen der europäischen Luftqualität auf der 9-km-Skala werden über das Multi-Modell-Ensemble des Copernicus Atmosphere Monitoring Service (CAMS-Vorhersage, CAMS-Analysis) veröffentlicht. Vorhersagen und Analysen für die höher aufgelösten Modellgitter bis zu 1 km x 1 km sind hier verfügbar.


Forschungsbereiche

  1. Regionale Chemie-Transportmodellierung mit EURAD-IM
  2. Vorhersage und Analyse der Luftqualität im Rahmen des europäischen Copernicus-Dienstes zur Überwachung der Atmosphäre (CAMS2_40)
  3. Parametrisierung atmosphärischer Prozesse

Kontakt

Dr. Elmar Friese

Senior Scientist

  • ice
  • ice-3
Gebäude 05.2 /
Raum 1040
+49 2461/61-3104
E-Mail

Letzte Änderung: 21.03.2025