Rapport

European air quality maps for 2020. PM10, PM2.5, Ozone, NO2, NOx and Benzo(a)pyrene spatial estimates and their uncertainties.

Horálek, Jan; Vlasakova, Leona; Schreiberova, Marketa; Markova, Jana; Schneider, Philipp; Kurfürst, Pavel; Tognet, Frédéric; Schovánková, Jana; Vlcek, Ondrej; Damaskova, Dasa

The report provides the annual update of the European air quality concentration maps and population exposure estimates for human health related indicators of pollutants PM10 (annual average, 90.4 percentile of daily means), PM2.5 (annual average), ozone (93.2 percentile of maximum daily 8-hour means, SOMO35, SOMO10), NO2 (annual average) and benzo(a)pyrene (annual average), and vegetation related ozone indicators (AOT40 for vegetation and for forests) for the year 2020. The report contains also Phytotoxic ozone dose (POD) for wheat, potato and tomato maps and NOx annual average map for 2020. The benzo(a)pyrene map is presented for the first time in this regular mapping report. The trends in exposure estimates in the period 2005–2020 are summarized. The analysis for 2020 is based on the interpolation of the annual statistics of the 2020 observational data reported by the EEA member and cooperating countries and other voluntary reporting countries and stored in the Air Quality e-reporting database, complemented, when needed, with measurements from additional sources. The mapping method is the Regression – Interpolation – Merging Mapping (RIMM). It combines monitoring data, chemical transport model results and other supplementary data using linear regression model followed by kriging of its residuals (residual kriging). The paper presents the mapping results and gives an uncertainty analysis of the interpolated maps. It also presents concentration change in 2020 in comparison to the five-year average 2015-2019 using the difference maps.

ETC/HE

Skogens helsetilstand i Norge. Resultater fra skogskadeovervåkingen i 2021

Timmermann, Volkmar; Børja, Isabella; Clarke, Nicholas; Eriksen, Rune; Gohli, Jostein; Hylen, Gro; Jepsen, Jane Uhd; Krokene, Paal; Lange, Holger; Meissner, Helge Rainer; Nagy, Nina Elisabeth; Nordbakken, Jørn-Frode; Solberg, Sverre; Solheim, Halvor; Vindstad, Ole Petter Laksforsmo; Økland, Bjørn; Aas, Wenche

Skogens helsetilstand påvirkes i stor grad av klima og værforhold, enten direkte ved tørke, frost og vind, eller indirekte ved at klimaet påvirker omfanget av soppsykdommer og insektangrep. Klimaendringene og den forventede økningen i klimarelaterte skogskader gir store utfordringer for forvaltningen av framtidas skogressurser. Det samme gjør invaderende skadegjørere, både allerede etablerte arter og nye som kan komme til Norge i nær framtid. I denne rapporten presenteres resultater fra skogskadeovervåkingen i Norge i 2021 og trender over tid for følgende temaer:
(i) Landsrepresentativ skogovervåking;
(ii) Skogøkologiske analyser og målinger av luftkjemi på de intensive overvåkingsflatene;
(iii) Overvåking av bjørkemålere i Troms og Finnmark;
(iv) Barkbilleovervåkingen 2021 og mulig overgang til to generasjoner;
(v) Asiatisk askepraktbille – en dørstokkart?
(vi) Overvåking av askeskuddsyke;
(vii) Andre spesielle skogskader i 2021.

NIBIO

Nivåer av tungmetaller og PCBer i elgkjøtt fra Sør-Varanger 2020

Aspholm, Paul Eric; Beddari, Benedicte; Søvik, Ingrid; Fløistad, Ida Marie Bardalen; Englund, Monika Strasser; Enge, Ellen Katrin; Vadset, Marit; Heimstad, Eldbjørg Sofie; Hagen, Snorre

Under høstjakta på elg (Alces alces) i 2020 ble det tatt vevsprøver til analyser av tungmetaller og PCB. Tungmetallprøver ble tatt av 24 individer; 4 hunnkalver, 4 hannkalver, 3 hanner av åringer og 13 okser (voksne hanner). PCB analyser ble gjort av vevsprøver som ble tatt av 2 hunnkalver, 3 hannkalver, 2 hann-åringer og 9 okser (totalt 16 dyr). De felte dyrene har god geografisk spredning fra sør til nord og nord-øst i kommunen. Tungmetallene som ble analysert var krom (Cr), nikkel (Ni), kobber (Cu), sink (Zn), arsen (As), sølv (Ag), kadmium (Cd), tinn (Sn), bly (Pb) og kvikksølv (Hg). PCB ble analysert for 34 kongenere pluss sumPCB6 og sumPCB7. De fleste konsentrasjonene av tungmetallene var svært lave og flere var under deteksjonsgrensene. Ellers var det bare sporadiske lave forekomster av de 32 PCBene som ble funnet i noen av de undersøkte elgene. Det var bare heksaklorbensen som ble detektert i alle prøvene fra elgene).

NIBIO

Finnfjord AS. Oppdaterte spredningsberegninger av utslipp til luft.

Berglen, Tore Flatlandsmo; Markelj, Miha; Weydahl, Torleif; Svendby, Tove Marit; Grythe, Henrik; Tønnesen, Dag

NILU har vurdert spredning av utslipp til luft fra Finnfjord AS sitt smelteverk ved Finnsnes. Bakgrunnen er oppdaterte krav fra Miljødirektoratet. Fokus i studien er på NOx, SO2 og støv/partikler. Det er utført lokale spredningsberegninger ved hjelp av modellen CONDEP. Regionale beregninger av konsentrasjoner og avsetning er utført med WRF-EMEP modellsystemet. En stor andel av forurensningen slippes ut fra tak. Dette kan gi turbulens og bygningsnedtrekk som igjen gir høye konsentrasjoner rett ved smelteverket og i umiddelbar nærhet. CONDEP-beregningene viser at for NO2 og støv/PM er norske grenseverdier overholdt. For SO2 kan overskridelse av grenseverdier oppstå opptil 500-600 m fra smelteverket. WRF-EMEP-beregningene viser liten påvirkning på regional skala. Av utslippene fra Finnfjord AS avsettes 16 % av nitrogen, 15 % av svovel og 12 % av PM innenfor det innerste gridet (105 x 105 km2). Det gis også anbefaling om målinger av SO2 og meteorologi for å tallfeste påvirkningen fra Finnfjord AS på omgivelsene.

NILU

FAIRMODE Guidance Document on Modelling Quality Objectives and Benchmarking. Version 3.3.

Janssen, S.; Thunis, P.; Adani, M.; Piersanti, A.; Carnevale, C.; Cuvelier, C.; Durka, P.; Georgieva, E.; Guerreiro, Cristina; Malherbe, L.; Maiheu, B.; Meleux, F.; Monteiro, A.; Miranda, A.; Olesen, H.; Pfafflin, F.; Stocker, J.; Sousa Santos, Gabriela; Stidworthy, A.; Stortini, M.; Trimpeneers, E.; Viaene, P.; Vitali, L.; Vincent, K.; Wesseling, J.

The development of the procedure for air quality model benchmarking in the context of the Air Quality Directive 2008/50/EC (AQD) has been an on-going activity in the context of the FAIRMODE community, chaired by the JRC. A central part of the studies was the definition of proper modelling quality indicators and criteria to be fulfilled in order to allow sufficient level of quality for a given model application under the AQD. The focus initially on applications related to air quality assessment has gradually been expanded to other applications, such as forecasting and planning. The main purpose of this Guidance Document is to explain and summarise the current concepts of the modelling quality objective methodology, elaborated in various papers and documents in the FAIRMODE community, addressing model applications for air quality assessment and forecast. Other goals of the Document are linked to presentation and explanation of templates for harmonised reporting of modelling results. Giving an overview of still open issues in the implementation of the presented methodology, the document aims at triggering further research and discussions. A core set of statistical indicators is defined using pairs of measurement-modelled data. The core set is the basis for the definition of a modelling quality indicator (MQI) and additional modelling performance indicators (MPI), which take into account the measurement uncertainty. The MQI describes the discrepancy between measurements and modelling results (linked to RMSE), normalised by measurement uncertainty and a scaling factor. The modelling quality objective (MQO) requires MQI to be less than or equal to 1. With an arbitrary selection of the scaling factor of 2, the fulfilment of the MQO means that the allowed deviation between modelled and measured concentrations is twice the measurement uncertainty. Expressions for the MQI calculation based on time series and yearly data are introduced. MPI refer to aspects of correlation, bias and standard deviation, applied to both the spatial and temporal dimensions. Similarly to the MQO for the MQI, modelling performance criteria (MPC) are defined for the MPI; they are necessary, but not sufficient criteria to determine whether the MQO is fulfilled. The MQO is required to be fulfilled at 90% of the stations, a criterion which is implicitly taken into account in the derivation of the MQI. The associated modelling uncertainty is formulated, showing that in case of MQO fulfilment the modelling uncertainty must not exceed 1.75 times the measurement one (with the scaling factor fixed to 2). A reporting template is presented and explained for hourly and yearly average data. In both cases there is a diagram and a table with summary statistics. In a separate section open issues are discussed and an overview of related publications and tools is provided. Finally, a chapter on modelling quality objectives for forecast models is introduced. In Annex 1, we discuss the measurement uncertainty which is expressed in terms of concentration and its associated uncertainty. The methodology for estimating the measurement uncertainty is overviewed and the parameters for its calculation for PM, NO2 and O3 are provided. An expression for the associated modelling uncertainty is also given. This aim of this document is to support modelling groups, local, regional and national authorities in their modelling application, in the context of air quality policy.

Publications Office for the European Union