Feinstaubbelastung in Städten lokalisieren
Dank einer aktuellen Studie mit maßgeblicher Beteiligung des Helmholtz-Zentrums Hereon lässt sich die Verteilung von Feinstaub in Städten genauer berechnen. Im Rahmen der Nachhaltigkeitsziele der Vereinten Nationen (UN), kann so der Indikator 11.6.2 zur Erfassung der Belastung mit Feinstaub in Städten detaillierter berechnet werden. Jener Indikator erfasste die Feinstaubbelastung in Städten bisher nur grob. Vorteile der neuen Methode sind die genauere Bestimmung des Indikators und die Möglichkeit der einheitlichen Anwendung auf ganz Europa. Am Beispiel Hamburgs zeigt sich so eine unterschiedliche Belastung nach Bezirken, Stadtteilen und sogar Häuserblocks. Die Studie erschien jüngst in der Fachzeitschrift Remote Sensing.
Menschen in Großstädten atmen mitunter dicke Luft. Feinstaub und andere Schadstoffe sorgen für Gesundheitsrisiken. Die Forschenden um Dr. Martin Ramacher vom Hereon Institut für Umweltchemie des Küstenraumes machen in Zusammenarbeit mit dem National Observatory of Athens die Bestimmung von Feinstaub mit einer Größe kleiner 2,5 Mikrometer (PM2.5) nun exakter. Dazu nutzten sie offen verfügbare EU-weite Copernicus-Satellitendaten in Kombination mit dem Chemietransportmodell EPISODE-CityChem. Das am Hereon entwickelte System konnte am Beispiel Hamburgs mit einer Auflösung von 100 x 100 Quadratmetern Hotspots für schlechte Luft modellieren. Die berechneten Feinstaub-Konzentrationen werden mit Bevölkerungsdaten kombiniert und können so zeitgleich auf Gebiete mit schlechter Luftqualität und hoher Bevölkerungsdichte hinweisen. Diese Gebiete sind von besonderem Interesse, um Verbesserungen der Luftqualität zu erreichen. Wegweisend an der entwickelten Methode ist die Kombination unterschiedlicher und für ganz Europa frei verfügbarer Satellitendaten mit stadtskaligen Modellrechnungen. (Quelle: Hereon Pressemitteilung)
Komplette Pressemitteilung und weitere Informationen:
==> Dicke Luft in den Städten lokalisieren (Hereon Pressemitteilung)
==> Abteilung Chemietransportmodellierung
==> Wie sieht die Luftqualität heute aus? (Blogbeitrag)
Bailey, J., Ramacher, M.O.P., Speyer, O., Athanasopoulou, E., Karl, M., & Gerasopoulos, E. (2023): Localizing SDG 11.6.2 via Earth Observation, Modelling Applications, and Harmonised City Definitions: Policy Implications on Addressing Air Pollution. Remote Sens., 2023, 15, 1082, doi:10.3390/rs15041082
Abstract:
While Earth observation (EO) increasingly provides a multitude of solutions to address environmental issues and sustainability from the city to global scale, their operational integration into the Sustainable Development Goals (SDG) framework is still falling behind. Within this framework, SDG Indicator 11.6.2 asks countries to report the “annual mean levels of fine particulate matter (PM2.5) in cities (population-weighted)”. The official United Nations (UN) methodology entails aggregation into a single, national level value derived from regulatory air quality monitoring networks, which are non-existent or sparse in many countries. EO, including, but not limited to remote sensing, brings forth novel monitoring methods to estimate SDG Indicator 11.6.2 alongside more traditional ones, and allows for comparability and scalability in the face of varying city definitions and monitoring capacities which impact the validity and usefulness of such an indicator. Pursuing a more harmonised global approach, the H2020 SMURBS/ERA-PLANET project provides two EO-driven approaches to deliver the indicator on a more granular level across Europe. The first approach provides both city and national values for SDG Indicator 11.6.2 through exploiting the Copernicus Atmospheric Monitoring Service reanalysis data (0.1° resolution and incorporating in situ and remote sensing data) for PM2.5 values. The SDG Indicator 11.6.2 values are calculated using two objective city definitions—“functional urban area” and “urban centre”—that follow the UN sanctioned Degree of Urbanization concept, and then compared with official indicator values. In the second approach, a high-resolution city-scale chemical transport model ingests satellite-derived data and calculates SDG Indicator 11.6.2 at intra-urban scales. Both novel approaches to calculating SDG Indicator 11.6.2 using EO enable exploration of air pollution hotspots that drive the indicator as well as actual population exposure within cities, which can influence funding allocation and intervention implementation. The approaches are introduced, and their results frame a discussion around interesting policy implications, all with the aim to help move the dial beyond solely reporting on SDGs to designing the pathways to achieve the overarching targets.
