Emissionsminderung

Ziel dieses Moduls im Forschungsschwerpunkt Ressourcen und Schadstoffe (ReP) ist es, die Herkunft und Freisetzung von anthropogenen Schadstoffen und von Lärm in die Atmosphäre durch die Bestimmung ihrer zeitlichen und räumlichen Schwankungen zu verstehen und zu quantifizieren. Die Kenntnis der Quellen, der Schadstoffströme, des Transports und der Umwandlung ist wesentlich für die Folgenabschätzung, die Früherkennung von möglichen Schäden, sowie für die Beurteilung von Massnahmen des Umweltschutzes. Dieses Wissen bildet die Grundlage der Emissionsminderung.

Um die nationalen und internationalen Schutzziele zu erreichen sind drastische Massnahmen zur Reduktion der Luftschadstoffe (20-50%, Schweizer Gesetzgebung) und der Treibhausgase (50% bis 2050, Pariser Abkommen) zwingend. Grundlage dafür ist die Kenntnis der zeitlich und räumlich hochaufgelösten Konzentrationen und Schadstoffemissionen. Dafür betreiben wir gemeinsam mit dem Bundesamt für Umwelt das Schweizerische Messnetz für Luftfremdstoffe (NABEL). Zudem entwickeln wir hoch präzise Laserspektrometrie, Netzwerke aus Low-Cost Sensoren und drohnengestützte Detektoren. Für Messungen von geostationären Satelliten und HAPS (High-Altitude Platform Systems) bestimmen wir in Zusammenarbeit mit der ESA die nötigen Spezifikationen und entwickeln Algorithmen zum Daten-Retrieval. Wir bringen uns in internationale Forschungsinfrastrukturen ein und unterstützen damit die weltweiten Protokolle.

 

Modellierung der NO2 Konzentration in der Stadt Lausanne (erstellt mit GRAMM/GRAL) - ANIMATION

 

Auch die Lärmbelastung verursacht enorme externe Kosten (2.7 Mia CHF durch Verkehrslärm). Wir entwickeln Modelle zur Schallentstehung und –ausbreitung und erarbeiten Lösungen zur Lärmreduktion, wie vibrationsiso-lierte Bahnschwellen, lärmarme Flugverfahren oder schallreduzierende Leichtbaumaterialien. Gemeinsam mit Industrie und Behörden ermöglichen wir so die Reduktion der Belastung und die Steigerung des akustischen Komforts.

Unsere Mess- und Modellresultate sind öffentlich zugänglich. Datengetriebene Methoden (Deep Learning, Random Forest-Klassifikation, neuronale Netze) entwickeln und nutzen wir mit Partnern des ETH-Bereichs und dem Swiss Data Science Center (SDSC).

 

Lärmpegel am Boden beim Start eines Airbus A330 am Flughafen Zürich (erstellt mit sonAIR / D-noise) – ANIMATION