Skip Navigation LinksModLUFT > Modeller > Usikkerhet i beregninger


Usikkerhet ved spredningsmodeller 

Spredningsmodeller gir mulighet til å kvantifisere hvordan ulike meteorologiske, kjemiske og fysiske forhold påvirker luftkvaliteten og utslipp fra ulike kilder. Som planleggingsverktøy vil de kunne kartlegge luftforurensning i tid og rom, kvantifisere effekten av ulike tiltak og beregne scenarier for fremtidige utslippssituasjoner.

Som alle modeller har også spredningsmodeller en iboende usikkerhet. Før man anvender en modell for luftkvalitet til planlegging er det nødvendig å vurdere om modellen er i stand til å gjenspeile effektene av endringene i utslipp, bakgrunnskonsentrasjoner og meteorologi.

Vær klar over at på grunn av de ikke-lineære kjemiske prosessene i atmosfæren kan modeller gi mindre god respons på en endret situasjon for utslipp og bakgrunnskonsentrasjon. Det er derfor svært viktig å vurdere usikkerheten i beregningene. 

Figuren viser konsentrasjoner av NO2 ved Danmarksplass 1.- 9. desember 2010. Rød kurve viser målte konsentrasjoner, grønn linje viser operativ prognose, og sort stiplet linje viser en ny kjøring i ettertid med justert utslipp fra dieselbiler. (Ref. Bedre Byluft rapport 2011)

Hva er usikkerhet i beregningsverktøy? 

Modeller er forenklinger av virkeligheten (de faktiske forhold) og inngangsdata er nesten alltid forenklet, derfor vil resultatene inneholde usikkerhet. Unøyaktige inngangsdata og usikkerhet i modellene er ikke uavhengig av hverandre. Feil i inngangsdata eller tilnærmingen til disse, i parameterverdier, modellstruktur og modellens algoritmer er alle kilder til usikkerhet. Det er enklere måter å kvantifisere og redusere disse feilene og de resulterende usikkerhetene på, men de er umulig å eliminere. Noen kilder til usikkerhet, er for eksempel: 

1. Usikkerhet i inngangsdata: 

  • Unøyaktighet i angivelse av randverdier og starttilstand 
  • Unøyaktighet i inngangsdata for utslipp 
  • Unøyaktighet i beskrivelse av meteorologiske forhold 

2. Usikkerhet i modellen: 

  • Usikkerhet i modellstruktur og parameterverdier 
  • Variasjoner av observerte inndata og resultater på mindre romlig skala enn modellens oppløsning 
  • Variasjoner av observerte inndata og resultater med kortere tidsoppløsning enn modellens oppløsning 
  • Feil i metode ved kombinasjon av modeller med ulik rom og tidsoppløsning 

3. Numeriske feil: 

  • Feil i modellens algoritmer 

Hvordan vurderer man usikkerheten? 

Usikkerhet både for meteorologiske parametere og luftkvalitet kan kvantifiseres ved å sammenligne modellresultater med observasjoner. Denne prosessen kalles validering av modellresultater. Valideringen av modellene krever egnede kvalitetssikrede data både for utslipp, meteorologi og luftkvalitet.

Det finnes et bredt utvalg av prestasjonsindikatorer for ulike applikasjoner. Det anbefales å bruke modellverktøy som har vært validert mot observasjoner. Men selv om modellen har vært validert og har dokumentert hvordan den opptrer mot observasjoner, er dette ikke nok for å vurdere usikkerheten i modellresultater for en bestemt applikasjon. En og samme modell kan gi forskjellig usikkerhet i modellresultater avhengig av de inngangsdataene den bruker og avhengig av kravene fra den konkrete anvendelsen. Derfor bør usikkerheten vurderes ved hver enkelt anvendelse.