Die kombinatorische Vielfalt der Einflussgrößen auf den Energieverbrauch von Gebäuden verursacht meistens Unsicherheit in der Planung. Ziel dieses Projektes ist es, für Architekten und Fachplaner eine umfassende Matrix zu erstellen, die es erlaubt, die Auswirkungen von Planungsschritten auf den Energiehaushalt und die Behaglichkeit von Gebäuden hinreichend genau zu bewerten und Alternativen gegeneinander abzuwägen. Anhand eines standardisierten Bürogebäudes werden unter Berücksichtigung der äußeren und inneren Lasten und für definierte zu erreichende Raumzustände alle wichtigen Faktoren wie z.B. der Anteil an thermisch aktiver Masse oder der Grad an Verglasung variiert. Die zur Anwendung kommende Methode der thermischen Gebäudesimulation und Strömungssimulation erlaubt eine sehr differenzierte Betrachtungsweise.
Während der letzten Jahre wurde Salpetrige Säure (HONO) als eine Hauptquelle von OH-Radikalen in der unteren Atmosphäre erkannt. Da das OH Radikal für den Abbau der meisten Schadstoffe und die Bildung von Photooxidantien, wie z.B. Ozone, verantwortlich ist, sind die Identifizierung und die Quantifizierung von atmosphärischen HONO-Quellen von großer Bedeutung. Basierend auf Laborstudien wurden hauptsächlich bodennahe HONO-Quellen vorgeschlagen, um die unerwartet hohen HONO-Tageskonzentrationen in der unteren Atmosphäre zu erklären. Daraus resultierende vertikale Flussmessungen von HONO über atmosphärischen Oberflächen werden jedoch nur selten durchgeführt. Zudem wird hierbei auf Grund fehlender schneller und empfindlicher HONO-Messgeräte meist nur die aerodynamische Gradientenmethode eingesetzt, die mit großen Unsicherheiten behaftet ist. Daher soll im Rahmen des hier beantragten Projektes ein REA (Relaxed Eddy Accumulation) System, zur Quantifizierung vertikaler Flüsse salpetriger Säure (HONO) entwickelt und erprobt werden. Es soll ein Zweikanal-Messgerät aufgebaut werden, das auf dem LOPAP (Long Path Absorption Photometer)-Messprinzip basiert und das mit einem mikrometeorologischen Einlasssystem gekoppelt wird. Hierbei werden zwei schnelle Magnetventile mit Hilfe eines Ultraschallanemometers gesteuert und somit die beiden Kanäle für jeweils auf- und absteigende Luftmassen beprobt. Zusätzlich werden in einem dritten Kanal chemische Interferenzen bestimmt und zur Korrektur der Messsignale verwendet. Parallel zum Aufbau der Hardware soll für die Steuerung der Ventile und die Datenerfassung der meteorologischen Daten eine passende Software entwickelt werden. Das Gerät wird zunächst an der BUW auf seine technische Funktionalität getestet und optimiert. Zum Ende des Projektes sollen dann mit Hilfe des Messgerätes und begleitenden anderen Spurengasmessungen Tagesquellen von HONO über einem landwirtschaftlich genutzten Feld in Grignon (Frankreich) identifiziert und quantifiziert werden. Die gewonnenen Daten sollen mit Ergebnissen aus HONO-Gradientenmessungen verglichen werden, die im Rahmen eines früheren DFG-Projekts des Antragstellers am selben Messort gewonnen wurden.
Ultrafeine Partikel (UFP) mit einem aerodynamischen Durchmesser kleiner als 100 nm stehen unter dem Verdacht die menschliche Gesundheit zu schädigen, allerdings fehlt bisher die abschließende wissenschaftliche Evidenz aus epidemiologischen Studien. Zur Herleitung von Expositionskonzentrationen gegenüber UFP wurden zum Teil statistische Modellierungsverfahren genutzt um UFP-Anzahlkonzentrationen vorherzusagen. Ein häufig genutztes Verfahren ist eine auf Flächennutzung basierte lineare Regression („land-use regression“, LUR). Allerdings wurden in luftqualitativen Studien auch andere, ausgefeiltere Modellansätze benutzt, z.B. „machine learning“ (ML) oder „deep learning“ (DL), die eine bessere Vorhersagegenauigkeit versprechen. Das Ziel des Projekts ist die Modellierung von UFP-Anzahlkonzentration in urbanen Räumen basierend auf ML- und DL-Algorithmen. Diese Algorithmen versprechen eine bessere Vorhersagegenauigkeit gegenüber linearen Modellansätzen. Mit unserem Modellansatz wollen wir sowohl räumliche als auch zeitliche Variabilität der UFP-Anzahlkonzentrationen abbilden. In einem ersten Schritt werden die Messergebnisse aus mobilen Messkampagnen genutzt um ein ML-basiertes LUR Modell zu kalibrieren. Zusätzlich werden urbane Emissionen aus lokalen Quellen, abseits vom Straßenverkehr, identifiziert und explizit in das Modell einbezogen. In einem zweiten Schritt wird ein DL-Modellansatz basierend auf Langzeit-UFP-Messungen mit dem ML-Modell gekoppelt um die Repräsentierung der zeitlichen Variabilität zu verbessern. Unser vorgeschlagenes Arbeitsprogramm besteht aus fünf Arbeitspaketen (WP): WP 1 beinhaltet mobile Messungen mittels eines mobilen Labors und eines Messfahrads. WP 2 besteht aus stationären Messungen, die an Stationen des German Ultrafine Aerosol Network durchgeführt werden. In WP 3 werden wichtige UFP-Emissionsquellen, insbesondere Nicht-Verkehrsemissionen, mit Hilfe von zusätzlichen kurzzeitigen stationären Messungen identifiziert und quantifiziert. In WP 4 werden ML-Algorithmen genutzt um ein statistisches Modell aufzubauen. Als Kalibrierungsdatensatz werden die Messungen aus WP 1 benutzt. Das Modell wird UFP-Anzahlkonzentrationen mit Hilfe eines Datensatzes aus erklärenden Variablen, u.a. meteorologische Größen, Flächennutzung, urbaner Morphologie, Verkehrsmengen und zusätzlichen Informationen zu UFP-Quellen nach WP 3, vorhersagen. In WP 5 werden die UFP-Anzahlkonzentrationen aus WP 2 für einen DL-Modellansatz genutzt, der die zeitliche Variabilität repräsentieren wird. Dieser wird dann mit dem ML-Modell aus WP 4 gekoppelt. Der Nutzen der Modellkopplung wird mit dem Datensatz aus WP 3 validiert. Aus unserem Projekt wird ein Modell hervorgehen, das in der Lage ist die räumliche und zeitliche Variabilität urbaner UFP-Anzahlkonzentrationen in einer hohen Genauigkeit zu repräsentieren. Damit wird unsere Studie einen Beitrag zur Quantifizierung von Expositionskonzentrationen gegenüber UFP z.B. in epidemiologischen Studien leisten.