FMI-ENFUSER ilmanlaatumallin kehitystyö INKA-projektissa Lasse Johansson
Sisältö ENFUSER-mallin esittely Mallin käyttö pääkaupunkiseudulla Kehitystyö 7.9.2017 2
Säädata (HIRLAM) Alueellinen AQ (SILAM) AQ mittausdata Päästökartoitukset (esim. laivat Ympäristöä kuvaavat GIS-datasetit FMI-ENFUSER mallijärjestelmä 3 3
ENFUSER ja INKA INKA-projektin aikana mm.: ENFUSER on kehitetty toimimaan automaattisesti pääkaupunkiseudulla (06/2016 lähtien) Pilviportaali Mallin tarkkuutta ja erottelukykyä on parannettu huomattavasti Lisätty lukuisia uusia muuttujia (AQI) Ympäristö/päästökuvauksiin tehty valtavia parannuksia Tiedon saatavuus, tuotannon helppous, tuloksien tarkkuus, kattavuus ja uskottavuus. 7.9.2017 4
Mallijärjestelmä FMI-ENFUSER mallijärjestelmä tuottaa pääkaupunkiseudulla tuntikohtaisia tuloksia menneestä ja tulevasta ilmanlaadusta (15 x 15m tarkkuus) Tulokset viedään automaattisesti selattavaan dataportaaliin Kalibrointi (päivitys 3kk välein) Tiedonkerääjä (päivitys 10min välein) FMI-ENFUSER (päivitys tunnin välein) Mallitulokset (kuvat, animaatiot, rasteridata, jne) Portaali NO2, PM2.5, PM10, O3, AQI Amazon Web Service, HerokuApp, Dropbox
7.9.2017 6
Kalibrointi AQ mittaus Kasvattamalla AQmittauksien määrää => tarkempi malli. SMART-CLEEN/HAQT Käänteinen dispersiomallintaminen Met. olosuhteet Ympäristökuvaus datapiste Koneoppiminen > 100 000kpl Monimuuttujaregressio Ilmanlaatumallin parametrisointi (päästölähdemallit) Yksityiskohtaisempi ympäristökuvaus => yksityiskohtaisempi ja tarkempi malli Erityisesti tätä puolta on paranneltu INKAn aikana. 7.9.2017 7
OpenStreetMap (OSM) data Ilmainen, globaali digitaalinen kuvaus valitusta alueesta (kaupunki). OSM-tietokannan kasvuvauhti on ollut hyvin voimakas. Sisältää esimerkiksi: tieverkoston, rakennukset, maankäyttö Maanpinnan korkeus epäsuorasti saatavilla (RTSM). 2016 Tietokanta sisältää relaatioita: Bussi: mitä teitä pitkin? Liikennevalo: mikä tie, mikä kaista? ENFUSER siirtyi lukemaan OSM dataa ja kuvaa sen avulla ympäristöä 2010 7.9.2017 8
OSM data OSM-tunnistetietojen avulla on ollut mahdollista liittää teihin liikennevirtatietoja (HSL, EMME 2012) Rakennuksen dimensiot, tyyppi, tunnistetiedot Relaatioina: Julkinen liikenne, liikennevalot Kaistojen lukumäärä, yksisuuntaisuus, tieluokitus, nopeusrajoitus, tienpinnan materiaali, tunnistetiedot 7.9.2017 9
7.9.2017 10
Puun pienpoltto & OSM Pääkaupunkiseudulla on saatavilla puun pienpolton päästökartoituksia (HSY; PM2.5; kg/a/talous). PKS:n ulkopuolella vastaavia ei ole saatavilla. OSM-rakennusdatan avulla voidaan myös arvioida puun pienpolton päästölähteitä Vasemmalla: Puun pienpolton päästökartoitus (PM2.5) pääkaupunkiseudulla kyselytukimukseen perustuen. (kg/vuosi, 250 x 250m). Oikealla: OSM-dataan perustuva päästökartoitus, kun jokaiseen pientaloon OSMdatassa on liitetty kyselytukimuksen keskiarvopäästö. 7.9.2017 11
Puun pienpoltto & OSM (2/2) Tarkemman ympäristökuvauksen ansiosta puun pienpoltto voidaan sisällyttää mallinnukseen myös alueilla, joilla ei ole saatavilla päästökartoituksia. Tuusula Kerava Pohjois-Vantaa 7.9.2017 12
Dynaaminen liikenneinformaatio mallinnuksen apuna Ympäristökuvauksen uusi linkittynyt rakenne mahdollistaa uudenlaisten aineistojen hyödyntämisen ilmanlaadun mallintamisessa Liikennevirta, ruuhkat, Here.com. Liikenneruuhka => liikennenopeuden lasku => vaikutus päästöihin Liikennevirta data haetaan automaattisesti 15 min välein (Tiedonkerääjä) Visualization of processed real-time traffic congestion data, used by the ENFUSER, in Helsinki in 2017-05-19T1200:00Z. Red colour indicate severe traffic congestion. Yellow colour indicates moderate traffic congestion. 13
Tulevaisuuden kehityskohteita Katupölyn realistisempi mallintaminen Tienpinnan tila (pöly, kosteus), renkaat alustavasti toteutettu, vaatii vielä työtä Voimalaitokset Syytä lisätä (korkeina) pistelähteinä? Laivapäästöt FMI-STEAM laivapäästömalli voidaan kytkeä ENFUSER-malliin - Leviäminen puff mallilla - Haaste: hetkellinen pitoisuuskartta on helppo toteuttaa, 30, 60min keskiarvoistaminen hyvin työlästä 7.9.2017 14
Tulokset Paljon dataa saatu, tuloksien analyysi on kesken Erityisesti, ennusteiden tarkkuutta tutkitaan jatkossa 15
Yhteenveto Yksittäinen ilmanlaadun mittaus pitää sisällään paljon informaatiota päästöjen alkuperästä FMI-ENFUSER malli kalibroidaan hyödyntämällä suurta määrää mittauspisteitä Kalibroinnin jälkeen malli kykenee tuottamaan uudenlaista ilmanlaatuinformaatiota ilman perinteisiä päästölähdekartoituksia INKA-projektin aikana mallia on onnistuttu kehittämään merkittävästi Mallinnusjärjestelmä pohjaa avoimeen dataan ja menetelmää voidaan soveltaa myös pääkaupunkiseudun ulkopuolella 16
Johansson, L., Epitropou, V., Karatzas, K., Karppinen, K., Wanner, L., Vrochidis, S., Bassoukos, A., Kukkonen, J. and Kompatsiaris I. Fusion of meteorological and air quality data extracted from the web for personalized environmental information services. Environmental Modelling & Software, Elsevier, Volume 64, February 2015, Pages 143 155, 2014. www.fmi.fi