gis-basierte modellierung von um · pdf file18 gis-basierte modellierung von umweltmessdaten...

Click here to load reader

Post on 18-Aug-2018

221 views

Category:

Documents

0 download

Embed Size (px)

TRANSCRIPT

  • 18

    GIS-basierte Modellierung von Umweltmessdaten Silke RICHTER, Stefan WIEMANN, Pierre KARRASCH und Katharina PECH

    Zusammenfassung

    Der vorliegende Beitrag wird Mglichkeiten einer flchendeckenden Modellierung der Umweltparameter Temperatur, Ozon und Feinstaub (PM10) aufzeigen und diskutieren. Die Umsetzung erfolgte beispielhaft fr den Freistaat Sachsen, unter Verwendung des schsi-schen Immissionsmessnetzes, bereitgestellt durch das Schsische Landesamt fr Umwelt, Landwirtschaft und Geologie (LfULG).

    1 Einleitung

    Informationen zu Umweltparametern und deren rumliche und zeitliche Verteilung sind zentrale Bestandteile der Raumplanung (z. B. Regional-, Stadtplanung). Die Raumplanung stellt sowohl den Status als auch den Prozess dar, mit dem unterschiedliche Nutzungen im Untersuchungsraum angeordnet werden sollen (vgl. LANGENHAGEN- ROHRBACH, 2005). Die damit verbundenen planerischen Instrumente (z. B. Landesplne, Regionalplne) ver-langen Informationen mit deren Hilfe es mglich ist, den gegenwrtigen Zustand eines Raumes zu beurteilen sowie zuknftige Entwicklungen bei Eingriffen oder Zustandsnder-ungen abzuschtzen. Zahlreiche der fr die Raumplanung wichtigen Umweltparameter knnen lediglich punktuell erfasst werden. Dazu zhlen auch die in dieser Arbeit betrachte-ten Lufttemperatur- und Luftschadstoffmessungen. Die Bedeutung dieser Daten in Bezug auf raumplanerische Manahmen ist kaum infrage zu stellen, da sie sich nachweislich un-mittelbar auf die Lebensqualitt des Menschen auswirken (EEA 2005).

    2 Analyseschema

    Abbildung 1 zeigt den durchgefhrten Analyseablauf. Verschiedene Verfahren nutzen da-bei unterschiedliche oder aber gemeinsame Datengrundlagen (vgl. Kapitel 3).

    Beginnend mit klassischen Verfahren der Geostatistik wird gezeigt, welchen eingeschrnk-ten Nutzen diese bei der flchenhaften Interpolation von Umweltmessdaten im vorliegen-den Fall haben (vgl. Kapitel 4). Auf diesen Erkenntnissen aufbauend kann gezeigt werden, dass fr den Parameter der Temperatur eine flchenhafte Interpolation mithilfe des Co-Krigings mglich ist, fr das Ozon sowie den Feinstaub jedoch auf andere Verfahren zu-rckgegriffen werden muss. In einem ersten Schritt wurden dabei Verfahren angewendet, die auf fernerkundlichen Daten basieren (vgl. Kapitel 5.2). Ein zweiter Ansatz dagegen nutzt zustzliche soziokonomische Daten sowie Informationen ber die vorliegende Land-nutzung und basiert auf der Auswertung von attributiven Distanzen in einem multidimen-

    Strobl, J., Blaschke, T. & Griesebner, G. (Hrsg.) (2012): Angewandte Geoinformatik 2012. Herbert Wichmann Verlag, VDE VERLAG GMBH, Berlin/Offenbach. ISBN 978-3-87907-520-1.

  • GIS-basierte Modellierung von Umweltmessdaten 19

    sionalen Merkmalsraum. Die folgenden Kapitel 3 bis 5 geben einen kompakten berblick ber die genutzten Daten sowie die angewendeten Verfahren und deren Ergebnisse.

    Abb. 1: Analyseschema der Modellierung von Umweltmessdaten (eigene Darstellung)

    3 Datengrundlage

    3.1 In situ Messnetz

    In der vorliegenden Untersuchung standen Messungen aus dem schsischen Immissions-messnetz, bereitgestellt durch das Landesamt fr Umwelt, Landwirtschaft und Geologie, zur Verfgung. Das Messnetz basiert auf der EU-Richtlinie 2008/50/EC. Neben Luftschad-stoffen, wie Ozon und Feinstaub, werden an den Bodenmessstationen auch meteorologische Parameter, wie die Temperatur erfasst. Die Messstationen sind gleichmig in Sachsen verteilt, mit Schwerpunkt in den Stdten. Die mittlere Entfernung der Stationen betrgt fr Ozon 20 km, fr PM10 15 km und fr die Temperatur 13 km. Es werden sowohl Hinter-grundkonzentrationen als auch Belastungen durch hohes Verkehrsaufkommen erfasst und jeweils fr alle Parameter als Halbstundenmittelwerte verffentlicht.

    3.2 Fernerkundungsdaten

    Fr die Bestimmung der Parameter PM10 und O3 wurden unterschiedliche Fernerkundungs-produkte verwendet. Im ersten Fall wurden MODIS (Moderate Resolution Imaging Spec-troradiometer)-AOD-Daten genutzt, um einen Zusammenhang zwischen der Aerosolopti-schen Dichte (AOD) und der Konzentration von Feinstaub herzustellen. Fr die Bestim-mung des Ozons wurde der Profildatensatz OMO3PR der NASA (National Aeronautics and Space Administration) verwendet. Dieser ermglicht es nach den Angaben der NASA den Anteil des troposphrischen Ozons aus dem Ozongehalt der gesamten Atmosphrensule zu extrahieren. Bei beiden Datenstzen ist zu beachten, dass deren geometrische Auflsung von 1010 km bzw. 1348 km lokale Variationen der Umweltdaten nicht abbilden kann.

  • S. Richter, S. Wiemann, P. Karrasch und K. Pech 20

    4 Klassische Interpolationsverfahren

    Aus dem Bereich der klassischen Geostatistik wurden die Verfahren der IDW (inverse distance weighting) sowie des Krigings einer ausfhrlichen Analyse unterzogen. Die Er-gebnisse zeigten, dass lediglich fr die Temperatur diese gngigen Interpolationsverfahren infrage kommen knnten. Prinzipiell lassen sich die Werte auf die Flche modellieren, jedoch weisen die Ergebnisse Phnomene auf, bei denen lokale Gegebenheiten wie zum Beispiel Hitzeinseln in Siedlungsrumen ohne Messstation oder Tallagen mit einem verti-kalen Temperaturgradienten nicht bercksichtigt werden (RICHTER et al. 2012).

    Fr den Parameter Ozon dagegen zeigten schon die Semivariogramme (vgl. Abbildung 2), dass zwischen den Messpunkten keine rumlichen Abhngigkeiten bestehen, was Voraus-setzung fr GIS-basierte rumliche Interpolationsmethoden ist (BURROUGH & MCDONNEL 2006). Vergleichbare Semivariogramme ergeben sich auch fr PM10.

    Abb. 2: Semivariogramm fr die Werte des bodennahen Ozons aus in situ Messwerten

    (Beispieltag: 25.04.2006) (Model: Funktion zur Modellierung des Semivario-gramms, Binned: Semivarianzen aller Punktpaare, Averaged: durchschnittliche Semivarianz)

    Gngige Interpolationsverfahren die nur auf einem Datensatz (in situ oder Fernerkundung) beruhen, sind nicht ausreichend fr eine Modellierung der Luftschadstoffe oder der Tempe-ratur auf eine heterogene Flche, wie Sachsen (vgl. NAGL & SPANGL 2007).

    5 Weitere Verfahren zur flchendeckenden Modellierung

    5.1 Erweiterte Verfahren der Geostatistik

    Fr die Temperatur wurde in einem weiteren Schritt die gemeinsame Nutzung von in situ und Fernerkundungsdaten angestrebt. Mit einem Co-Kriging-Verfahren wird die Schtzung eines Parameters (hier: in situ Messwert) unter Hinzunahme eines Hilfsparameters (hier: GLDAS (Global Land Data Assimilation System)) durchgefhrt. Wie in RICHTER et al. (2012) gezeigt, knnen damit plausiblere Ergebnisse erreicht werden.

  • GIS-basierte Modellierung von Umweltmessdaten 21

    Abb. 3: Vergleich der Interpolationsergebnisse fr die Temperatur aus in situ Daten,

    Fernerkundungsdaten und deren gemeinsame Nutzung am 06.05.2006

    5.2 Nutzung von Verfahren der Fernerkundung

    Wie bereits in Kapitel 3.2 dargestellt, wurde versucht mithilfe der MODIS-AOD-Daten die flchenhafte Verteilung der Feinstaubkonzentrationen zu bestimmen. Dabei wird ange-nommen, dass der Grad der Trbung der Atmosphre (beschrieben durch die AOD) in einem direkten Zusammenhang mit der zu diesem Zeitpunkt vorliegenden Feinstaubkon-zentration steht. Die Korrelation (0,47) der Messwerte der in situ Stationen mit den ferner-kundlichen AOD-Werten zeigt, dass ein Zusammenhang bestehen knnte. Die Streuung der Messwerte um eine lineare Regression beider Messwerte ist vergleichsweise hoch.

    Die Ursache dafr kann in den unterschiedlichen meteorologischen Bedingungen sowie in der Art der Bestimmung der in situ Messwerte liegen. Aus diesem Grund ist es notwendig, meteorologische Parameter wie die Boundary Layer Height (BLH) oder die relative Luft-feuchtigkeit (RH) in unterschiedlichen Drucklevels der Atmosphrensule zu nutzen. Mit-hilfe dieser zustzlichen Parameter erfolgt eine Normierung der AOD Messwerte sowie die Aufstellung eines physikalisch-meteorologischen Modells, das wie folgt beschrieben wird:

    ( )AODPM

    BLH f RH

    Eine ausfhrliche Darstellung der physikalischen und meteorologischen Hintergrnde die-ser Modellbildung kann in EMILI et al. (2010) und KOELEMEIJER et al. (2006) nachgelesen werden. Als Quelle fr die meteorologischen Daten knnen die Archive des ECMWF (European Centre for Medium-Range Weather Forecasts) genutzt werden. Die Bercksich-tigung dieser Parameter lassen deutlich verbesserte Korrelationen zwischen den PM10-Werten der in situ Stationen und den AOD-Werten erwarten. Sind die Modellparameter und bekannt, lsst sich das Modell auf alle verfgbaren MODIS Messwerte, unabhngig vom Vorhandensein einer in situ Station in diesen Regionen, bertragen.

    Fr den zweiten mit fernerkundlichen Daten untersuchten Parameter (O3) ist festzustellen, dass trotz der Nutzung speziell dafr vorhandener Profildatenstze kein signifikanter Zu-sammenhang mit den Messwerten der in situ Stationen nachgewiesen werden kann. An dieser Stelle zeigt sich vor allem die geometrische Auflsung als limitierender Faktor.

  • S. Richter, S. Wiemann, P. Karrasch und K. Pech 22

    5.3 Landnutzungsansatz

    Eine hhere Auflsung als die zuvor behandelten Anstze verspricht die Schadstoffmodel-lierung mithilfe von Landnutzungsinformationen. Die Grundlage dieses Modells ist die Annahme, dass hnlich strukturierte Gebiete vergleichbare Schadstoffkonzentrationen auf-weisen. Die entsprechenden Distanzberechnungen zwischen in situ Stationen und Referenz-flchen basiert auf einem mehrdimensionalen Merkmalsraum in welchem jeder Eingangs-parameter mit einem spezifischen Gewicht versehen ist. Fr Sachsen wurde der Landnut-zungskoeffizient nach JANSSEN et al. (2008), die Straen- und Verkehrsdichte, Bevlke-rungsdaten sowie Hhendaten verwendet. Die Ergebnisse der Modellierung fr die 4-Jahresmittel Ozon und PM10 sind in Abbildung 4 dargestellt. Das Bestimmtheitsma (R) im Verg