Unsicherheiten bei der rechnerischen Ermittlung von Schadstoffemissionen des Straßenverkehrs und Anforderungen an zukünftige Modelle

Abstract

Die Komplexität der Modelle zur Berechnung von Schadstoffemissionen aus dem Straßenverkehr hat in den letzten Jahren aufgrund der Verfügbarkeit wesentlich detaillierterer Eingangsdaten erheblich zugenommen. Über die Qualität der modellierten Emissionsdaten lagen bislang jedoch nur unzureichende Kenntnisse vor. Mit der vorliegenden Arbeit werden die Unsicherheiten der Modellierungen von gasförmigen Emissionen des Straßenver-kehrs für den deutschsprachigen Raum eingehend untersucht und quantifiziert.

Grundlage der hier durchgeführten Fehlerbetrachtungen ist ein Emissionsmodell, wie es zur Erstellung von zeit-lich und räumlich hoch aufgelösten Emissionskatastern verwendet wird. Um Aussagen über Fehlerbandbreiten von modellierten Emissionsdaten treffen zu können, wurden durch geeignete Methoden statistische Vertrauensbe-reiche der Eingangsdaten ermittelt und diese über Sensitivitätsuntersuchungen und statistische Fehlerrechnung zu einem Gesamtfehler verknüpft. Aus den Ergebnissen der Unsicherheitsberechnungen wurden diejenigen Ein-gangsdaten ermittelt, deren Fehler am stärksten zum Fehler der Gesamtemissionen beitragen und deren Genauig-keit im Rahmen einer zukünftigen Modifizierung des Berechnungsmodells vorrangig verbessert werden sollten.

Neben den statistischen Fehlerbetrachtungen wurden experimentelle Messungen von Emissionen unter realen Bedingungen aus der Literatur und unter eigener Beteiligung herangezogen, um durch Vergleiche mit modellier-ten Emissionsdaten Rückschlüsse auf die tatsächlichen Fehler - also die Differenzen zwischen den wahren und den modellierten Emissionen - zu ziehen.

Die statistischen Betrachtungen des komplexen Emissionsmodells und die Auswertungen von verfügbaren expe-rimentellen Studien haben ergeben, dass bei Anwendung derzeit verfügbarer Verkehrsdaten und Emissionsfakto-ren selbst bei Modellierungen mit höchstem Differenzierungsgrad mit teilweise erheblichen statistischen und systematischen Fehlern zu rechnen ist. Bei der Ermittlung großräumiger Emissionsdaten des Straßenverkehrs (z.B. Jahresemissionen von Bundesländern) stellen die Emissionsfaktoren in allen Quellbereichen den größten Unsicherheitsfaktor dar. Mit zunehmender räumlicher und zeitlicher Disaggregierung der Emissionsdaten gewin-nen die Fehler von verkehrs- und straßenbezogenen Parametern (Aktivitäten) an Bedeutung.

In the past years, the complexity of models for calculation of pollutant emissions from road transport increased strongly because of improved availability of much more detailed input data. Up to now, there had been only inadequate knowledge about quality of modelled emission data. With this work uncertainties of modelled gaseous emissions from road traffic for the area of the German-speaking countries will be investigated and quantified thoroughly.

An emission model, how it is used to create temporal and spatial highly resolved emission inventories, serves as a bases for error estimations carried out in this work. Statistical confidence intervals of input data have been de-termined by suitable methods and combined to a total error by sensitivity studies and statistical error calculation. Interpreting the results of uncertainty calculations, those input parameters, whose errors contribute most to the error of total emissions, have been identified. These input parameters should be improved as a matter of priority in the framework of future modifications of calculation models.

Besides the statistical error estimations, experimental measurements of emissions under real driving conditions from literature and from own participation have been evaluated. The real errors (that means differences between true and modelled emissions) have been quantified by comparisons between measured and modelled emission data.

Statistical examinations of complex emission models and evaluations of available experimental studies have resulted in partially considerable statistical and systematic errors of emission data when using traffic data and emission factors available at present, even by modelling at the highest possible degree of differentiation.. When determining spacious emission data (e.g. annual emission on state level), emission factors are representing the biggest factor of uncertainties for all road traffic source types. The errors of traffic und road concerned parame-ters (activities) gain in importance with increasing spatial and temporal degree of disaggregation.