Mit Big Data die Auswirkungen der Luftverschmutzung auf Gesundheit und Klima besser vorhersagen

Der Leitautor der Untersuchung, Dr. Volker Matthias, Atmosphärenphysiker im Helmholtz-Zentrum Geesthacht (HZG) erklärt: „Es ist dringend notwendig, detaillierte Informationen über den Ort und Zeitpunkt der Schadstoffemissionen zu erhalten. Nur so können Modellrechnungen der Luftschadstoffkonzentrationen verbessert werden und zum Beispiel Politiker fundierte Entscheidungen über Maßnahmen zur Luftreinhaltung treffen.

Noch führen die Datenlücken zu großen Unsicherheiten bei den Emissionsdaten.“ Die Zahlen zum Schadstoffausstoß können leicht um 50 Prozent variieren.

Pro Jahr sterben weltweit mehr als sechs Millionen Menschen an den Folgen der Luftverschmutzung durch Krankheiten wie Herzerkrankungen, Schlaganfall und Lungenkrebs, schätzt die Internationale Energieagentur IEA. In dieser neuen Studie untersuchen die beteiligten Wissenschaftler die Methoden, mit denen Schadstoffemissionen auf der ganzen Welt modelliert werden.

3D-Transportmodelle der Atmosphärenchemie sind wichtige Instrumente zur Beurteilung der regionalen und lokalen Luftqualität und spielen eine entscheidende Rolle bei der Verknüpfung von globalen und regionalen Emissionsdaten mit Gesundheit und Klima. Die Zuverlässigkeit und Nützlichkeit dieser Modelle hängt jedoch von der Genauigkeit und Qualität der Informationen ab, wie, wo und wann Schadstoffe aus menschlichen Aktivitäten und natürlichen Quellen in die Atmosphäre gelangen.

Viele aktuelle Datensätze zum Schadstoffausstoß, sogenannte Emissionsinventare, liefern nur jährliche Emissionssummen, die auf nationalen Berechnungen basieren. Gerade räumliche und zeitliche Trends werden nicht erfasst. Zur Verbesserung der Ergebnisse der Transportmodelle sind genau diese Werte aber mit einer hohen Genauigkeit und hoher räumlichen Auflösung erforderlich. Für viele Regionen, einschließlich Afrika und Südamerika, existieren selbst jährliche Emissionsdaten nicht.

In den letzten Jahren wurden neue Methoden entwickelt, um räumliche und zeitliche Variationen für einige Emissionsbereiche besser zu verstehen. Erstmals haben zum Beispiel Untersuchungen von Stickstoffemissionen, die aus Gülle und Düngemitteln stammen, die Art der Tierhaltung, den Zeitpunkt der Düngemittelanwendung und meteorologische Bedingungen (zum Beispiel Temperatur, Windgeschwindigkeit) berücksichtigt. Dadurch konnten die Modellrechnungen verbessert werden.

Die Forscher glauben, dass es Potenzial für die Nutzung von Big Data gibt um Emissionsschätzungen zu verbessern, denn in vielen Bereichen des täglichen Lebens werden die großen Datenmengen bereits gesammelt. Beispielsweise könnten Datenquellen zum Verkehr genutzt werden, die bereits von Behörden und Unternehmen wie Google erfasst werden.

Dazu zählen auch Satellitenbeobachtungen, die zur Beurteilungen von Landnutzung und Pflanzenwachstum benutzt werden können. So könnten Emissionsschätzungen verfeinert werden und die Vorhersagen zur Luftverschmutzung verbessert werden.

Dr. Volker Matthias betont, dass Emissionsberichte häufiger aktualisiert werden müssen und detailliertere Angaben enthalten sollten: „In einer Welt, in der sich Emissionsmuster rasch ändern, ist es wichtig, neue Arten von statistischen Daten und Beobachtungsdaten zu nutzen. So lassen sich immer detailliertere Emissionsdatensätze erstellen und auf dem neuesten Stand halten.“

http://www.tandfonline.com/doi/full/10.1080/10962247.2018.1424057 Die vollständige Publikation können Sie hier lesen
http://www.hzg.de/institutes_platforms/coastal_research/biogeochemistry_in_coast… Abteilung Chemietransportmodellierung im HZG