Att ett beräkningsresultat avviker från uppmätta luftföroreningshalter kan bero på en rad faktorer. En av de vanligaste anledningarna är brister i indata som används vid modellberäkningarna.
Spårbarhet och kvalitetsgranskning av indata är därför av stor vikt vid användandet av spridningsmodeller. Det lägsta kravet på indata är att de ska vara kvalitetssäkrade så att kvalitetsmålen i Naturvårdsverkets föreskrifter om kontroll av luftkvalitet NFS 2019:9 Bilaga 1 uppfylls.
Generellt bör indata vara representativa för platsen som studeras, ha en tillfredställande tidsupplösning samt vara aktuella och uppdaterade för den tidsperiod som studeras.
Emissionsdata och trafikdata
Kvaliteten på emissionsdatabaser och trafikdata är centrala för kvaliteten på beräkningsresultaten.
I många fall kan väglänkar ha förinställda data för samtliga linjekällor och punktkällor; data som oftast baseras på schablonmässiga antagandet som kan vara representativa för stora emissionskällor, men som sällan stämmer bra överens med exempelvis lokala gator i kommunen.
Nedan följer några olika typer av emissionskällor och exempel på vilka indata som du bör granska och modifiera innan du gör dina modellsimuleringar.
Linjekällor (gator och öppna vägar)
- Trafikflöden, andel tung trafik, dubbdäcksanvändning, sandning/saltning
- Skyltad hastighet, gaturumsbredd, vägbredd, antal körfält
- Eventuella byggnadshöjder på respektive sida om gatan
Låga punktkällor (t.ex. småskalig vedeldning)
- Koordinat
- Energibehov
- Typ av vedpanna eller lokaleldstad
- Typ av bränsle (ved, pellets, olja etc)
- Eventuell ackumulatortank och dess volym
- Skorstenshöjd
- Höjd och bredd på närliggande byggnader
Höga punktkällor (t.ex. förbränningsverk)
- Koordinat
- Emissioner och dess tidsvariation
- Rörelseflöde och temperatur
- Skorstenshöjd
- Höjd och bredd på närliggande byggnader
Meteorologiska data
Att använda högkvalitativa och representativa meteorologiska data är viktigt för att beskriva spridningen av luftföroreningarna.
I flertalet luftkvalitetsmodellsystem ingår meteorologiska data för hela Sverige. Det rekommenderas att du läser igenom modelldokumentationen och granskar vilka meteorologiska data det är som används. En stor fördel är om meteorologiska data finns på timbasis och inte baseras på statistisk klassificering.
Vissa modeller erfordrar att modellanvändaren själv har meteorologiska data tillgängliga. Då är det viktigt att du använder data som är representativa för området och frågeställningen som du undersöker.
Bakgrundshalter
För att kunna vidta lämpliga och kostnadseffektiva åtgärder krävs bra information om haltbidrag från olika geografiska skalor, det vill säga vetskapen om varifrån luftföroreningarna härstammar har stor betydelse.
Om spridningsmodellen har förberäknade bakgrundshalter är det viktigt att säkerställa att beräkningarna stämmer överens med verkliga förhållanden. Detta kan göras exempelvis genom jämförelse med uppmätta halter. Om mätningar saknas kan en översiktlig jämförelse göras med mätningar från någon snarlik plats. Vid jämförelse med mätdata är det dock viktigt att beakta att det inte är helt trivialt att jämföra beräknade yttäckande halter med punktmätningar – haltvariationen inom en beräkningsruta kan vara stor.
I vissa fall saknas beräknade bakgrundshalter och för att då uppskatta totalhalter kan mätdata av urbana bakgrundshalter adderas till de lokala halterna. Tänk på att använda mätningar från ett närbeläget och representativt område. Om dina lokala beräkningar för exempelvis en väg är representativa för ett område i utkanten av tätorten, kan det ofta vara olämpligt att använda bakgrundshalter från mätningar på en centralt belägen punkt i tätorten, eftersom haltvariationen i urban bakgrundshalt kan vara stor inom tätorten.