image
image
Statistische Quellgruppenanalyse für die
PM10-Belastung in sächsischen Ballungsräumen
K. Anke
E. Sähn
Dr. M. Klingner
Im Auftrag des Landesamtes für
Umwelt und Geologie
Dresden, Mai 2004

Inhaltsverzeichnis
Vorwort.....................................................................................................................................2
1. Grundlagen der Untersuchungen........................................................................................3
1.1
Umfang des Datenmaterials.......................................................................................3
1.2
Datenaufbereitung.....................................................................................................4
2.
Analyse der Datensätze.......................................................................................................7
2.1
Statistische Auswertung.............................................................................................7
2.1.1
Statistische Kenngrößen.........................................................................................7
2.1.2
Vergleich der Schadstoffe verschiedener Messstationen........................................15
2.1.3
Verkehrsdaten......................................................................................................15
2.2
Häufigkeitsverteilungen............................................................................................16
3.
Anwendung der Methodik des Datenscreenings auf ein Jahr.............................................17
3.1
Tagesgänge der Schadstoffkomponenten.................................................................17
3.2
Wochengänge.........................................................................................................21
4.
Quellgruppenanalyse.........................................................................................................22
4.1
Gesamt-, Hintergrund- und verkehrsbedingte Belastung...........................................22
4.2
Einfluss meteorologischer Faktoren auf die Höhe der Schadstoffkonzentration.........26
4.3
Separation des Verkehrs mit Hilfe neuer signaltheoretischer Methoden ....................29
4.3.1
Problem und methodische Grundlagen der Quelltrennung ...................................30
4.3.2
Erste Ergebnisse der Quelltrennung......................................................................33
5.
Vergleich unterschiedlicher PM10-Messverfahren..............................................................37
6. AKTerm – Ausbreitungsklassen .........................................................................................41
6.1
Bestimmung der Ausbreitungsklassen nach Klug und Manier ...................................41
6.2
Ausbreitungsklassen-Zeitreihen und Schadstoffimmissionen.....................................42
7.
Prognosemodell................................................................................................................44
8. Zusammenfassung............................................................................................................48
Literaturverzeichnis ..................................................................................................................49

 
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
Vorwort
Mit dem Inkrafttreten der Richtlinie der Europäischen Kommission sind ab Januar 2005 in den
Ländern der Europäischen Union neue Grenzwerte für Schwefeldioxid, Stickoxide, Partikel
und Blei per Gesetz (Tochterrichtlinie) festgeschrieben [1;2]. Diese wurde im Juli 2002 in
deutsches Recht überführt und beinhaltet auch das weitere Vorgehen im Falle von Über-
schreitungen der Immissionsgrenzwerte bzw. der Toleranzmarge [3]. Dazu gehört auch das
Erstellen von Luftreinhalte- und Aktionsplänen, die der Senkung der Schadstoffkonzentration
dienen sollen.
Die in diesem Bericht zusammengefassten Quellgruppenanalysen umfangreicher Immissions-
messdaten sollen diese Anliegen unterstützen.
Die systematischen Untersuchungen und methodischen Entwicklungen sind durch ein erstes
Pilotprojekt des LfUG zur Auswertung von Immissionsdatensätzen auf Basis von Screening-
funktionen initiiert worden, das vor allem der Verbesserung der Kenntnisse über Quellgrup-
pen der PM10-Immissionsbelastung und zur Ableitung von Reduktionspotentialen [4] diente.
Im Focus der Untersuchungen stand dafür eine PM10-Messreihe über 25 Wochen, die an ei-
ner verkehrlich stark belasteten Straße in Leipzig erfasst worden war. Die in diesem Projekt
erreichten Ergebnisse zeigten die Wirksamkeit der Analyseverfahren und fanden Anerken-
nung in den Fachgremien [5].
Die Bildung eines linearen Modells auf Basis des PM10-Datensatzes ergab einen bis zu
30%igen Anteil des LKW-Verkehrs und einen nur 4%igen Anteil des PKW-Verkehrs an der
gemessenen PM10-Konzentration. Ein weiteres Ergebnis der Zerlegungen war die bedeu-
tende und keinesfalls zu vernachlässigende Auswirkung von Windgeschwindigkeit, Nieder-
schlag und relativer Luftfeuchtigkeit auf die Höhe der PM10-Immissionskonzentration.
Aufgrund dieser Ergebnisse erschien es sinnvoll, die festgestellten komplexen Wechselwir-
kungen zwischen den meteorologischen Faktoren und der gemessenen PM10-Immissions-
konzentration detaillierter und über einen längeren Zeitraum zu untersuchen sowie weitere
charakteristische Zusammenhänge zu ermitteln.
Zur Abschätzung von Minderungsmaßnahmen ist die komplexe Betrachtung aller Einflussfak-
toren notwendig. Die Identifizierung und Quantifizierung der Quellgruppen allein ist nicht
ausreichend, um die PM10-Immissionsbelastung sicher zu prognostizieren. Der Wirkung
meteorologischer Faktoren scheint auf die Einhaltung oder Überschreitung der 24-Stunden-
Grenzwerte einen sehr dominanten Einfluss zu haben.
Fraunhofer IVI
Mai 2004
2

 
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
1.
Grundlagen der Untersuchungen
Der Schwerpunkt der hier durchgeführten Datenanalysen basiert auf der Anwendung speziel-
ler Screeningfunktionen [4]. Mit Hilfe dieser Methodik ist es möglich, Informationen und
Wirkzusammenhänge aus den großen Datensätzen zu extrahieren und zu analysieren.
Für die Quellgruppenanalyse kam eine relativ neue signaltheoretische Methode, die soge-
nannte „Blind Signal Separation Method“ zur Anwendung [6].
Alle hier durchgeführten Untersuchungen erfolgten unter Verwendung des Programm-
systems Matlab [7;8;9].
Es standen Datensätze über mehrere Jahre von unterschiedlichsten Messstationen in Sachsen
zur Verfügung. Neben verschiedenen Luftschadstoffen lagen auch meteorologische Parame-
ter vor. Die parallele Erfassung des Verkehrs erfolgte allerdings nur an einer Messstelle.
Mittelpunkt der Untersuchungen bildeten die
-
Anwendung der Screeningverfahren auf umfangreichere Datensätze mehrerer Mess-
standorte,
-
Validierung von PM10-Daten aus Automatenmessungen und Referenzverfahren,
-
Quellgruppenanalyse sowie
-
Weiterentwicklung von Prognosemodellen.
Das Projekt sollte vor allem dem Ziel dienen,
-
bisherige Kenntnisse über die Quellgruppen der Immissionsbelastungen zu verbessern,
-
meteorologische Einflussfaktoren zu wichten,
-
die Abhängigkeit der Höhe der Schadstoffkonzentration von den Ausbreitungsklassen zu
untersuchen,
-
unterschiedliche Messmethoden zu vergleichen (TEOM, HVS)
-
die Hintergrundbelastung zu ermitteln und
-
ein Modul zur Anwendung der Screeningverfahren für den Auftraggeber zu entwickeln.
1.1 Umfang des Datenmaterials
Insgesamt lagen Daten von sieben verschiedenen Messstationen vor, die abhängig von ihrer
Lage folgende örtliche Gegebenheiten widerspiegeln:
-
Straßennähe
-
Ballungsraum
-
städtischer Hintergrund sowie
-
ländlicher Raum.
Fraunhofer IVI
Mai 2004
3

 
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
Die Tabellen 2.1 bis 2.7 geben ausführlich Auskunft über Ort, Zeitraum und Umfang der
erfassten Messdaten. Zunächst schien das zur Verfügung gestellte Datenmaterial sehr um-
fangreich, trotzdem waren nur wenige Stationen direkt miteinander vergleichbar, da sie sich
-
in der Art des angewandten Messverfahren,
-
in der Auflösung der Datenreihen,
-
im Zeitraum der Datenerfassung und
-
im Umfang der erfassten Komponenten
sehr unterschieden.
1.2 Datenaufbereitung
Nach einer ausführlichen Sondierung aller vorhandenen Daten wurde unter Berücksichtigung
von Aktualität, Vollständigkeit und Umfang der Messgrößen eine entsprechende Vorauswahl
getroffen. Da die Daten der Jahre 2001 und 2002 - von Lücken abgesehen - weitestgehend
komplett vorlagen, bildeten diese die Basis für alle Untersuchungen.
Nicht am Ort der Messstation erfasste meteorologische Größen konnten durch Daten des
Deutschen Wetterdienstes (DWD) vervollständigt werden. Zur Auswertung des Einflusses von
Ausbreitungsklassen auf die PM10-Immissionskonzentration wurden die AKTerm-Daten von
Leipzig-Schkeuditz für das Jahr 2002 einbezogen.
Zur Datenaufbereitung mussten Datenlücken ermittelt und ersetzt werden. Fehlten mehr als
fünf aufeinanderfolgende Werte, geschah dies manuell unter Berücksichtigung der Jahres-
zeit, des entsprechenden Wochentages und vergleichbarer Tageszeiten. Die Berechnung der
Fehlwerte kleinerer Datenlücken erfolgte unter Zuhilfenahme von vier benachbarten Werten
durch kubische Interpolation. In den Tabelle 1.1 und 1.2 sind alle Fehldaten im Einzelnen er-
fasst.
Die Eliminierung von Ausreißern erfolgte einheitlich für alle Datensätze durch Kappung auf
den 99-Perzentil-Wert der jeweiligen Größe.
Die Vielzahl von unterschiedlichen Messgrößen innerhalb eines Datensatz macht es erforder-
lich, die Daten sinnvoll zu normieren.
Als zweckmäßig erwies sich eine Normierung der Form
max
min
N
x
i
x
min
i
x
x
x
=
,
die sämtliche Messwerte in den Bereich [0,1] transformiert.
Fraunhofer IVI
Mai 2004
4

Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
2001 2002 2001 2002 2001 2002 2001 2002 2001 2002
Dresden -
Dresden -
Leipzig -
Leipzig -
Radebeul -
Radebeul -
Dresden -
Dresden -
Leipzig -
Leipzig -
Mitte
Mitte
West
West
Wahnsdorf
Wahnsdorf
Nord
Nord
Lützner Str.
Lützner Str.
(DDM01) (DDM02) (LW01) (LW02) (RW01) (RW02) (DDN01) (DDN02) (LL01) (LL02)
TSP 276966122908135316 / / / /
PM10
/
/
/
/
/
/
470
299
152
152
NO2
520
1793
562
967
811
1172
/
/
NO
520
1793
562
971
808
1177
/
/
Windgeschw. 17 1199 81 19 24 57 259 58 7 60
Windrichtg.
17
1694
81
3987
32
207
259
1207
/
/
Strahlung
206
866
71
19
26
56
281
61
/
/
Temperatur 1867 71 19 19 55252 59 0 0
Taupunkt
/
/
/
/
/
/
/
/
0
0
rel. Feuchte
/
/
71
19
19
75
252
59
4
1
Nieder schlag / / / / / / / / 0 0
Verkehr
/
/
/
/
/
/
/
/
/
3224
Anzahl 1557 9178 1621 6909 255 766 3392 4092 163 3401
in %
1.3
7.5
1.2
4.9
0.2
0.7
2.4
2.9
0
1.3
**
**
Tabelle 1.1: Anzahl der Fehldaten an städtischen Messstationen / Hintergrundstationen
* Daten vorhanden, nicht in die Auswertung einbezogen
Fraunhofer IVI
Mai 2004
5

 
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
2001
Schwartenberg
(SB01)
2002
Schwartenberg
(SB02)
2001
Collmberg
(CB01)
2002
Collmberg
(CB02)
TMW HVS
4
18
/
/
PM10 / / / /
NO2 846 862 421 823
NO
844
870
421
828
Windge. 528 548 236 78
Windr. 626 1207 236 422
Strahlung 119 27 228 77
Temperatur / / / /
Taupunkt 115 32 228 77
Feuchte 386 953 228 85
Niederschlag / / / /
Verkehr / / / /
Anzahl 2963 3514 1770 2313
in% 2.4 2.9 1.4 1.9
Tabelle 1.2: Anzahl der Fehldaten an den ländlichen Messstationen Schwartenberg und Collmberg
Fraunhofer IVI
Mai 2004
6

 
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
2. Analyse der Datensätze
Um das vorhandene Datenmaterial auf Plausibilität zu überprüfen, fand zunächst eine statisti-
sche Analyse und Bewertung statt.
2.1 Statistische Auswertung
Mit Hilfe statistischer Kenngrößen [10] erhält man einen umfassenden Überblick über
Größenordnung und Schwankungsbereiche der einzelnen Komponenten der Datensätze.
Sie bilden die Grundlage für die allgemeine Einordnung und Bewertung von Immissionsbe-
lastungen.
Voraussetzung für die Berechnung von statistischen Kenngrößen ist eine hohe Datenverfüg-
barkeit, die durch die Datenaufbereitung im Vorfeld geschaffen wurde.
2.1.1 Statistische Kenngrößen
In die Auswertung einbezogen wurden folgende Kenngrößen:
- Mittelwert, Maximum und Minimum
- Median (mittelster Datenwert)
- Modus (häufigster Messwert)
- Streuung (mittlere quadratische Abweichung vom Mittelwert)
- Standardabweichung (Quadratwurzel aus der Streuung)
- Standardfehler (Standardabweichung des Mittelwertes)
- Spannweite (Abstand zwischen Minimum und Maximum)
- Schiefe (Maß für die Asymmetrie der Verteilung)
- 10-/50-/90- und 99-Perzentilwert
Die Auswertung erfolgte getrennt nach den beiden Jahren 2001 und 2002 sowie nach Mess-
standorten. Auf Grund der Vielfalt der Informationen wurden die Ergebnisse tabellarisch zu-
sammengestellt.
Die Schadstoffangaben beziehen sich jeweils auf μg/m
3
, die Windgeschwindigkeit wird in
m/s, die Temperatur sowie der Taupunkt in °C und die Globalstrahlung in W/m
2
angegeben.
Da die Kennwerte der beiden Jahre bezogen auf die jeweilige Messstation ausgesprochen
ähnlich sind, kann davon ausgegangen werden, dass keine grundsätzlichen Fehler innerhalb
der Datenreihen vorliegen.
Fraunhofer IVI
Mai 2004
7

 
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
Stationscharakteristik:
innerstädtische Messstelle an der Schweriner Straße (Nähe Postplatz), charakterisiert städtischen Hintergrund, verkehrs-
beruhigter Abschnitt mit Straßenbahnen, Bussen und Taxen, im nahen Umfeld keine Bebauung, im weiteren Umfeld Gewerbe- und Kulturbauten
[11]
DDM2001 NO NO2 TSP Temperatur Strahlung Windgeschw. NS DWD
Mittelwert 11.60 31.21 32.21 10.45 116.21 1.96 0.06
Maximum 263.07 124.67 731.40 33.571 078.00 9.89 14.00
Minimum 1.00 3.64 5.00 -11.57 0.10 0.00 0.00
Median 5.76 28.80 27.85 10.56 4.19 1.70 0.00
Modus 1.00 24.38 5.00 5.82 2.01 1.16 0.00
Streuung 318.07225.77593.48 67.6242 088.47 1.44 0.18
Standardabweichung
17.83
15.03
24.36
8.22
205.15
1.20
0.43
Standardfehler 0.13 0.11 0.18 0.06 1.55 0.01 0.00
Spannweite 262.07 121.03 726.40 45.14 1 077.90 9.89 14.00
Schiefe 4.64 0.97 4.75 0.15 2.18 1.47 15.56
10-Perzentil 1.00 14.22 8.98 0.15 1.03 0.74 0.00
50-Perzentil 5.76 28.80 27.85 10.56 4.19 1.70 0.00
90-Perzentil 27.55 51.29 58.17 21.35 426.96 3.53 0.00
99-Perzentil 88.63 76.92 116.48 29.03 880.79 5.99 1.50
DDM2002 NO NO2 TSP Temperatur Strahlung Windgeschw. NS DWD
Mittelwert 11.14 30.49 32.95 10.85 112.99 2.04 0.08
Maximum 360.62 139.55 565.40 33.80 984.50 10.96 50.00
Minimum 1.00 4.02 5.00 -13.10 0.10 0.00 0.00
Median 5.16 26.83 28.79 10.76 3.87 1.73 0.00
Modus 1.00 22.05 5.00 10.73 0.10 0.94 0.00
Streuung 300.13255.18554.41 68.9738 132.68 1.75 0.69
Standardabweichung
17.32
15.97
23.55
8.30
195.28
1.32
0.83
Standardfehler 0.13 0.12 0.18 0.06 1.48 0.01 0.01
Spannweite 359.62 135.53 560.40 46.90 984.40 10.96 50.00
Schiefe 4.69 1.23 3.83 -0.01 2.06 1.50 38.18
10-Perzentil 1.00 13.39 9.55 0.15 0.10 0.71 0.00
50-Perzentil 5.16 26.83 28.79 10.76 3.87 1.73 0.00
90-Perzentil 28.38 52.34 59.30 21.54 412.37 3.72 0.00
99-Perzentil 83.39 80.71 106.80 29.70 818.70 6.57 2.00
Tabelle 2.1: Statistische Kenngrößen der Station Dresden-Mitte (2001 und 2002)
Fraunhofer IVI
Mai 2004
8

 
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
Stationscharakteristik:
innerstädtische verkehrsnahe Messstelle am Schlesischen Platz, 8 m entfernt von der Bundesstraße B6 einschließlich
Straßenbahn, unbebautes unmittelbares Umfeld (Parkplatz), Wohn- und Geschäftshäuser und Neustädter Bahnhof im weiteren Umfeld [11]
DDN2001 NO NO2 PM10 Temperatur Strahlung Windgeschw. Feuchte NS DWD
Mittelwert 40.58 50.43 34.61 10.39 107.77 1.65 75.41 0.06
Maximum 368.73 218.79 551.15 34.281 054.00 8.01 98.13 14.00
Minimum 1.00 6.59 0.00 -11.20 0.10 0.00 35.73 0.00
Median 30.14 47.18 30.84 10.55 0.10 1.37 77.17 0.00
Modus 1.00 43.32 0.00 10.06 0.10 0.00 80.67 0.00
Streuung 1277.72 516.88 547.88 69.4340 735.29 1.27182.57 0.18
Standardabweichung
35.75
22.73
23.41
8.33
201.83
1.13
13.51
0.43
Standardfehler 0.27 0.17 0.18 0.06 1.52 0.01 0.10 0.00
Spannweite 367.73 212.20 551.15 45.481 053.90 8.01 62.40 14.00
Schiefe 1.91 1.18 5.34 0.15 2.37 1.18 -0.46 15.56
10-Perzentil 7.22 24.59 12.30 -0.04 0.10 0.48 55.42 0.00
50-Perzentil 30.14 47.18 30.84 10.55 0.10 1.37 77.17 0.00
90-Perzentil 87.40 78.37 59.14 21.36 389.32 3.20 92.43 0.00
99-Perzentil 163.01 123.82 101.27 29.23 907.82 5.33 97.77 1.50
DDN2002 NO NO2 PM10 Temperatur Strahlung Windgeschw. Feuchte NS DWD
Mittelwert 36.65 43.72 35.70 10.87 110.27 1.70 73.72 0.08
Maximum 442.45 556.78 465.84 34.591 101.00 10.84 98.24 50.00
Minimum 1.00 6.81 0.00 -13.02 0.10 0.00 32.85 0.00
Median 26.04 41.60 32.60 10.69 0.30 1.39 75.00 0.00
Modus 1.00 47.64 36.16 7.95 0.10 0.00 98.17 0.00
Streuung 1263.54 335.12 421.56 69.7340 499.67 1.49189.80 0.69
Standardabweichung
35.55
18.31
20.53
8.35
201.25
1.22
13.78
0.83
Standardfehler 0.27 0.14 0.16 0.06 1.52 0.01 0.10 0.01
Spannweite 441.45 549.97 465.84 47.611 100.90 10.84 65.39 50.00
Schiefe 2.83 1.91 1.72 0.01 2.24 1.41 -0.34 38.18
10-Perzentil 6.48 22.51 12.89 0.12 0.10 0.48 53.84 0.00
50-Perzentil 26.04 41.60 32.60 10.69 0.30 1.39 75.00 0.00
90-Perzentil 77.50 67.74 62.14 21.72 402.62 3.36 91.12 0.00
99-Perzentil 166.26 93.98 97.25 29.10 863.82 5.70 97.92 2.00
Tabelle 2.2: Statistische Kenngrößen der Station Dresden-Nord (2001 und 2002)
Fraunhofer IVI
Mai 2004
9

 
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
Stationscharakteristik:
Luftmessnetzzentrale des LfUG, ländliche Messstation auf einer Hochebene (246 m ü. d. Meeresspiegel)) , charakterisiert
städtischen Hintergrund, im weiteren Umfeld Büro- und Laborgebäude sowie Einfamilienhäuser, kaum Kfz-Verkehr (nur Besucher), ca. 10 km von
der Dresdner Innenstadt entfernt [11]
RW2001 TSP Temperatur Strahlung Windgeschw. Feuchte NS DWD
Mittelwert 23.50 9.55 111.10 2.88 75.02 0.06
Maximum 285.90 32.41 1 072.00 11.22 98.40 14.00
Minimum 5.00 -12.40 0.10 0.00 25.98 0.00
Median 20.40 9.80 0.61 2.60 78.15 0.00
Modus 5.00 -0.51 0.10 2.19 95.52 0.00
Streuung 273.17 67.81 41 762.06 2.29 281.67 0.18
Standardabweichung
16.53
8.23
204.36
1.51
16.78
0.43
Standardfehler 0.12 0.06 1.54 0.01 0.13 0.00
Spannweite 280.90 44.81 1071.90 11.22 72.42 14.00
Schiefe 2.21 0.15 2.28 1.08 -0.56 15.56
10-Perzentil 5.00 -0.78 0.10 1.25 49.31 0.00
50-Perzentil 20.40 9.80 0.61 2.60 78.15 0.00
90-Perzentil 44.12 20.35 396.90 4.97 95.32 0.00
99-Perzentil 75.68 28.33 885.97 7.51 97.17 1.50
RW2002 TSP Temperatur Strahlung Windgeschw. Feuchte NS DWD
Mittelwert 24.69 9.83 108.44 2.96 71.74 0.08
Maximum 242.70 32.14 1 094.00 11.52 97.99 50.00
Minimum 5.00 -13.62 0.10 0.00 26.46 0.00
Median 21.32 9.82 0.54 2.57 73.52 0.00
Modus 5.00 7.92 0.10 1.60 95.09 0.00
Streuung 301.01 66.12 36 173.22 3.08 291.81 0.69
Standardabweichung
17.35
8.13
190.19
1.75
17.08
0.83
Standardfehler 0.13 0.06 1.44 0.01 0.13 0.01
Spannweite 237.70 45.761 093.90 11.52 71.53 50.00
Schiefe 1.76 -0.01 2.09 1.16 -0.38 38.18
10-Perzentil 5.00 -0.73 0.10 1.11 46.61 0.00
50-Perzentil 21.32 9.82 0.54 2.57 73.52 0.00
90-Perzentil 47.28 20.43 402.63 5.37 93.56 0.00
99-Perzentil 77.34 27.59 788.45 8.48 96.37 2.00
Tabelle 2.3: Statistische Kenngrößen der Station Radebeul-Wahnsdorf (2001 und 2002)
Fraunhofer IVI
Mai 2004
10

Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
Stationscharakteristik:
verkehrsferne Hintergrundstation 12 km westlich von Oschatz auf dem Gipfel (313 m) des Berges, von lichtem Wald
umsäumt, im weiteren Umfeld unbenutzte Garagen bzw. Lagerhallen [11]
CB2001 NO NO2 Temperatur Strahlung Windgeschw. Feuchte
Mittelwert 1.39 13.63 8.82 88.22 2.27 70.61
Maximum 38.08 75.06 34.23 950.20 8.39 93.53
Minimum 1.00 1.91 -13.28 0.10 0.00 24.38
Median 1.00 11.26 9.24 2.49 2.05 73.91
Modus 1.00 5.55 -0.88 0.94 1.73 90.42
Streuung 4.02 75.70 68.59 29 396.11 1.42 320.70
Standardabweichung
2.00
8.70
8.28
171.45
1.19
17.91
Standardfehler 0.02 0.07 0.06 1.30 0.01 0.14
Spannweite 37.08 73.15 47.51 950.10 8.39 69.15
Schiefe 8.15 1.62 0.12 2.63 1.30 -0.52
10-Perzentil 1.00 5.27 -1.68 0.78 1.01 43.44
50-Perzentil 1.00 11.26 9.24 2.49 2.05 73.91
90-Perzentil 1.20 25.67 19.68 293.45 3.78 90.42
99-Perzentil 11.80 42.57 27.60 801.28 6.36 92.57
CB2002 NO NO2 Temperatur Strahlung Windgeschw. Feuchte
Mittelwert 1.52 13.45 9.27 86.79 2.39 77.47
Maximum 61.13 69.40 33.31 910.10 8.99 100.00
Minimum 1.00 2.09 -12.70 0.10 0.00 29.72
Median 1.00 10.75 9.34 2.31 2.07 79.30
Modus 1.00 7.41 4.93 0.87 1.30 100.00
Streuung 6.72 81.42 67.30 27 003.69 1.92 310.77
Standardabweichung
2.59
9.02
8.20
164.33
1.39
17.63
Standardfehler 0.02 0.07 0.06 1.24 0.01 0.13
Spannweite 60.13 67.31 46.01 910.00 8.99 70.28
Schiefe 8.27 1.94 0.00 2.57 1.10 -0.41
10-Perzentil 1.00 5.64 -1.09 0.72 0.95 51.59
50-Perzentil 1.00 10.75 9.34 2.31 2.07 79.30
90-Perzentil 1.28 25.21 19.86 283.21 4.30 99.94
99-Perzentil 15.61 46.70 27.36 766.01 6.71 100.00
Tabelle 2.4: Statistische Kenngrößen der Station Collmberg (2001 und 2002)
Fraunhofer IVI
Mai 2004
11

Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
Stationscharakteristik:
verkehrsferne Hintergrundstation auf dem Gipfel (785 m) des Berges 40 km südlich von Chemnitz im Erzgebirge,
unmittelbares und weiteres Containerumfeld bis auf Schwartenberghaus (Gaststätte) unbebaut, Kraftfahrzeugverkehr sehr gering [11]
SB2001 NO NO2 TMW PM10 Temperatur Strahlung Windgeschw. Feuchte
Mittelwert 1.56 12.35 14.17 5.21 112.10 5.34 86.21
Maximum 53.42 101.99 58.67 26.951 027.00 21.17 100.00
Minimum 1.00 1.00 0.58 -17.90 0.10 0.09 1.45
Median 1.00 8.82 11.79 5.66 4.58 4.94 93.40
Modus 1.00 5.45 7.88 -0.60 0.10 5.30 100.00
Streuung 5.96 98.03 91.05 64.6338 606.60 9.01 253.48
Standardabweichung
2.44
9.90
9.54
8.04
196.49
3.00
15.92
Standardfehler 0.02 0.07 0.50 0.06 1.48 0.02 0.12
Spannweite 52.42 100.99 58.09 44.851 026.90 21.08 98.55
Schiefe 7.53 2.20 1.56 0.09 2.24 0.91 -1.28
10-Perzentil 1.00 4.55 4.65 -5.16 0.43 1.86 61.03
50-Perzentil 1.00 8.82 11.79 5.66 4.58 4.94 93.40
90-Perzentil 1.85 25.67 26.66 15.77 390.41 9.26 100.00
99-Perzentil 13.91 48.40 55.97 22.75 869.37 14.49 100.00
SB2002 NO NO2 TMW PM10 Temperatur Strahlung Windgeschw. Feuchte
Mittelwert 1.63 12.60 14.48 6.12 117.79 5.65 82.42
Maximum 145.57 93.29 46.48 27.081 030.00 22.08 100.00
Minimum 1.00 1.00 0.65 -14.50 0.10 0.09 9.69
Median 1.00 9.09 12.00 5.84 4.81 5.01 88.62
Modus 1.00 5.12 3.50 4.70 0.10 3.64 100.00
Streuung 11.87 105.05 102.74 59.7841 972.64 11.73 341.69
Standardabweichung
3.44
10.25
10.14
7.73
204.87
3.42
18.48
Standardfehler 0.03 0.08 0.53 0.06 1.55 0.03 0.14
Spannweite 144.57 92.29 45.82 41.58 1 029.90 21.99 90.31
Schiefe 15.80 2.51 0.97 0.03 2.14 0.97 -1.08
10-Perzentil 1.00 4.61 3.79 -4.04 0.50 1.85 54.56
50-Perzentil 1.00 9.09 12.00 5.84 4.81 5.01 88.62
90-Perzentil 1.64 25.67 30.69 16.56 418.83 10.39 100.00
99-Perzentil 14.48 51.51 46.10 22.61 863.08 15.74 100.00
Tabelle 2.5: Statistische Kenngrößen der Station Schwartenberg (2001 und 2002)
Fraunhofer IVI
Mai 2004
12

 
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
Stationscharakteristik:
innerstädtische Messstelle in einem parkähnlichen Gelände des städtischen Klinikums am Rande eines Wohngebietes,
charakterisiert städtischen Hintergrund, 50 m von innerstädtischer Hauptverkehrsstraße mit mittlerem Verkehrsaufkommen entfernt, unmittelbares
und weiteres Containerumfeld beinah unbebaut, 30 m westlich ein kleines Ärztehaus, 50 m entfernt ein mehrgeschossiges Schulungsgebäude [11]
LW2001 NO NO2 TSP Temperatur Strahlung Windgeschw. Feuchte NS DWD
Mittelwert 4.63 22.00 27.36 9.31 100.47 1.15 83.09 0.09
Maximum 242.62 94.51 727.80 35.47 974.90 7.67 98.39 51.00
Minimum 1.00 3.64 5.00 -12.36 0.10 0.00 31.23 0.00
Median 1.07 19.22 23.32 9.31 3.93 0.94 88.40 0.00
Modus 1.00 19.53 5.00 3.73 0.10 0.52 98.17 0.00
Streuung 87.70 134.39 408.62 65.11 33 774.67 0.83 260.31 1.11
Standardabweichung
9.37
11.59
20.21
8.07
183.78
0.91
16.13
1.05
Standardfehler 0.07 0.09 0.15 0.06 1.39 0.01 0.12 0.01
Spannweite 241.62 90.87 722.80 47.83 974.80 7.67 67.16 51.00
Schiefe 7.84 1.02 4.94 0.17 2.37 1.60 -0.96 32.31
10-Perzentil 1.00 9.40 7.41 -1.01 0.10 0.22 56.79 0.00
50-Perzentil 1.07 19.22 23.32 9.31 3.93 0.94 88.40 0.00
90-Perzentil 10.95 38.38 50.62 19.94 357.52 2.33 98.17 0.00
99-Perzentil 45.03 56.52 94.04 28.09 824.55 4.39 98.32 1.50
LW2002 NO NO2 TSP Temperatur Strahlung Windgeschw. Feuchte NS DWD
Mittelwert 4.58 21.14 28.35 9.62 90.22 1.15 82.38 0.06
Maximum 141.45 83.46 997.10 34.12 928.40 8.24 98.73 31.00
Minimum 1.00 3.14 5.00 -14.01 0.10 0.00 31.53 0.00
Median 1.00 18.28 23.66 9.49 5.49 0.88 87.08 0.00
Modus 1.00 21.48 5.00 9.74 0.10 0.00 98.64 0.00
Streuung 96.74 133.16 548.73 65.48 25 242.85 1.08 268.30 0.30
Standardabweichung
9.84
11.54
23.42
8.09
158.88
1.04
16.38
0.55
Standardfehler 0.07 0.09 0.18 0.06 1.20 0.01 0.12 0.00
Spannweite 140.45 80.32 992.10 48.13 928.30 8.24 67.20 31.00
Schiefe 5.60 1.12 8.68 0.04 2.38 1.82 -0.81 34.53
10-Perzentil 1.00 9.10 6.45 -0.32 0.10 0.15 56.58 0.00
50-Perzentil 1.00 18.28 23.66 9.49 5.49 0.88 87.08 0.00
90-Perzentil 10.51 38.25 54.58 20.08 297.31 2.46 98.59 0.00
99-Perzentil 50.37 54.88 95.62 27.86 730.02 4.89 98.70 1.50
Tabelle 2.6: Statistische Kenngrößen der Station Leipzig-West (2001 und 2002)
Fraunhofer IVI
Mai 2004
13

Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
Stationscharakteristik:
innerstädtische verkehrsnahe Messstelle in einer Straßenschlucht (viergeschossige geschlossene Häuserzeilen), Container
stadtauswärts auf dem rechten Bürgersteig der Lützener Straße (innerstädtische Hauptverkehrs- bzw. Durchgangsstraße mit starkem Kraftfahr-
zeugverkehr), 150 m entfernt ampelgeregelte Kreuzung, dadurch in Stoßzeiten Verkehrsstau bis zum Bereich der Messstelle [11]
LL2001oV PM10 Windgeschw. Temp. DWD Temp. DWD WG DWD Feuchte DWD NS DWD
Mittelwert 40.37 0.88 5.88 9.48 3.92 80.46 0.09
Maximum 1 999.00 4.80 19.90 34.60 9.90 100.00 51.00
Minimum 0.00 0.00 -14.20 -11.50 0.00 27.00 0.00
Median 32.00 0.70 6.60 9.70 3.60 84.00 0.00
Modus 20.00 0.30 9.50 11.20 3.00 99.000.00
Streuung 1184.26 0.44 40.06 64.24 3.46 235.82 1.11
Standardabweichung
34.41
0.66
6.33
8.02
1.86
15.36
1.05
Standardfehler 0.26 0.01 0.05 0.06 0.01 0.12 0.01
Spannweite 1 999.00 4.80 34.10 46.10 9.90 73.00 51.00
Schiefe 14.79 1.45 -0.32 0.11 0.58 -0.93 32.31
10-Perzentil 12.00 0.20 -2.56 -0.85 1.90 57.00 0.00
50-Perzentil 32.00 0.70 6.60 9.70 3.60 84.00 0.00
90-Perzentil 79.00 1.80 13.70 19.90 6.55 97.00 0.00
99-Perzentil 138.81 3.10 17.40 27.90 9.00 99.00 1.50
LL2002
PM10
Windgeschw. Temp. DWD
Temp. DWD
WG DWD Feuchte DWD NS DWD
LKW
PKW
Sonstiger Verkehr
Mittelwert 42.57 0.93 6.33 9.84 4.08 80.96 0.06 22.31 515.42 38.87
Maximum 1 086.00 6.90 21.80 33.80 13.80 100.00 31.00 513.00 1 325.00 431.00
Minimum 0.00 0.00 -15.30 -13.20 0.00 24.00 0.00 0.00 15.00 0.00
Median 35.00 0.70 6.40 9.80 3.80 84.00 0.00 13.00 545.00 27.00
Modus 17.00 0.40 3.50 6.80 0.00 99.00 0.00 5.00 55.00 3.00
Streuung 1013.34 0.52 46.39 65.56 4.22 261.13 0.30 485.05101 924.89 2 334.46
Standardabweichung
31.83
0.72
6.81
8.10
2.05
16.16
0.55
22.02
319.26
48.32
Standardfehler 0.24 0.01 0.05 0.06 0.02 0.12 0.00 0.17 2.41 0.37
Spannweite 1 086.00 6.90 37.10 47.00 13.80 76.00 31.00 513.001 310.00 431.00
Schiefe 5.25 1.74 -0.36 0.00 0.50 -0.78 34.53 2.04 -0.06
10-Perzentil 13.00 0.20 -2.41 -0.10 1.70 57.00 0.00 3.00 77.59 3.00
50-Perzentil 35.00 0.70 6.40 9.80 3.80 84.00 0.00 13.00 545.00 27.00
90-Perzentil 82.00 1.90 15.25 20.20 6.90 99.00 0.00 57.00 912.00 83.00
99-Perzentil 140.00 3.50 17.95 28.00 9.40 100.00 1.50 81.001 080.00 248.00
2.94
Tabelle 2.7: Statistische Kenngrößen der Station Leipzig, Lützner Straße (2001 und 2002)
Fraunhofer IVI
Mai 2004
14

 
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
2.1.2 Vergleich der Schadstoffe verschiedener Messstationen
Zur besseren Übersicht sind in Tabelle 2.8 alle in den Jahren 2001 und 2002 erfassten
Schadstoffdaten dargestellt. Werte für Stickoxide lagen nur für drei Messstationen vor.
Während die PM10/TSP-Konzentration an allen Stationen im Vergleich zu 2001 leicht ge-
stiegen ist, war die NOx-Belastung eher rückläufig.
KomponenteJahr LL DDN DDM LW RW SB CB
[μg/m³] [μg/m³] [μg/m³] [μg/m³] [μg/m³] [μg/m³] [μg/m³]
PM10
2001 40.3734.61
/ / /14.17 /
PM10
2002 42.5735.70
/ / /14.48 /
TSP
2001
/
/
32.21
27.36
23.50
/
/
TSP
2002
/
/
32.95
28.35
24.69
/
/
NO
2001
/
40.58
11.60
4.63
/
/
/
NO
2002
/
36.65
11.14
4.58
/
/
/
NO2
2001
/
50.43
31.21
22.00
/
/
/
NO2
2002
/
43.72
30.49
21.14
/
/
/
Tabelle 2.8: Übersicht zu den Schadstoffen verschiedener Messstationen
(Jahresmittelwerte)
2.1.3 Verkehrsdaten
Der Verkehr wurde ausschließlich an der Messstation Leipzig, Lützner Straße gezählt und
liegt auch nur für 2002 komplett vor. Deshalb soll an dieser Stelle nur kurz darauf einge-
gangen werden.
2002
LKW ges.
PKW ges.
Sonstiger Verkehr
Tagesmittelwert (TMW)
1 071 24 740 1 865
Anteil am Gesamtverkehr
3.90% 89.40% 6.70%
DTV: (KFZ / 24h)
27 676
2003 (bis 19.7.03)
LKW ges.
PKW ges.
Sonstiger Verkehr
Tagesmittelwert (TMW)
1 160 27 304 2 396
Anteil am Gesamtverkehr
3.75% 88.50% 7.75%
DTV: (KFZ / 24h)
30 860
Tabelle 2.9: Verkehrsdaten der Messstelle Leipzig, Lützner Straße
Zunächst macht es den Anschein, dass der Verkehr 2003 im Vergleich zu 2002 deutlich
zugenommen hat. Da es aber Anfang 2002 auf Grund einer Baustelle zu deutlichen Beein-
trächtigungen kam, muss man die weitere Daten abwarten, um einen Trend bei der Ver-
kehrsentwicklung zu erkennen.
Fraunhofer IVI
Mai 2004
15

Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
2.2 Häufigkeitsverteilungen
Eine Möglichkeit, die Messstationen auf Grund ihrer Schadstoffbelastung einordnen zu
können, ist die Erstellung von empirischen Häufigkeitsverteilungen. Dabei wird die Anzahl
an PM10-Halbstundenwerten in Intervallen von 10 μg/m
3
ermittelt. Derartige Häufigkeits-
verteilungen werden später dazu dienen, Prognosen zur Überschreitenswahrscheinlichkeit
zu erstellen.
Die unterschiedlichen Messmethoden machten es erforderlich, die Stationen getrennt
nach der Art des Verfahrens auszuwerten.
0
500
1000
1500
2000
2500
3000
3500
4000
4500
<10
<20
<30
<40
<50
<60
<70
<80
<90
<100
>100
DDN2001
LL2001
DDN2002
LL2002
Anzahl der
Werte
Klassen PM10
(μg/m
3
)
Bild 2.1: Häufigkeitsverteilung der PM10-Konzentration Leipzig, Lützner Str. / Dresden-Nord
(TEOM-Messverfahren)
Bild 2.2: Vergleich der Häufigkeit des Auftretens der TSP-Werte Leipzig-W./ Radebeul-W.
0
500
1000
1500
2000
2500
3000
3500
4000
4500
5000
5500
<10
<20
<30
<40
<50
<60
<70
<80
<90
<100
>100
RW2001
LW2001
RW2002
LW2002
Klassen PM10
(μg/m
3
)
Anzahl der
Werte
Fraunhofer IVI
Mai 2004
16

image
image
image
image
 
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
3.
Anwendung der Methodik des Datenscreenings auf ein Jahr
Methodische Grundlage des Datenscreening bildet die sogenannte Hauptkomponenten-
analyse (PCA-Principal Component Analysis) [12], mit der eine Verdichtung großer Daten-
mengen möglich wird. Die mathematischen Grundlagen wurden im Rahmen des Pilotpro-
jektes zur Auswertung von Immissionsdatensätzen auf Basis von Screeningfunktionen be-
reits ausführlich beschrieben [4].
3.1 Tagesgänge der Schadstoffkomponenten
In Bild 3.1 sind die unterschiedlichen Tagesgänge der Jahre 2001 und 2002 der Mess-
station Leipzig, Lützner Straße gegenübergestellt. Dabei zeigt die linke Grafik die Gang-
linie eines Tages über 48 Halbstundenwerte. Rechts sind die dazugehörigen Scores über
den Gesamtzeitraum (364 Tage) abgebildet. Während das erste Muster als mittlere Tages-
ganglinie interpretiert werden kann, repräsentieren die Scores das Gewicht dieser Tages-
ganglinie bei der Rekonstruktion der Messreihe des jeweiligen Tages. Sowohl Musterfunk-
tionen als auch die zugehörigen Scores geben somit Auskunft über Verlauf und Intensität
der PM10-Belastungen.
Bild 3.1: Tagesgang PM10 der Jahre 2001 (oben) und 2002 (unten),
Leipzig, Lützner Straße
Während sich die Tagesgänge beider Jahre sehr ähneln, sind die Scoreverläufe (rechts im
Bild) trotz nahezu konstanter Verkehrszahlen recht verschieden.
Aus diesem Grund wurde der Leipziger Messstation die Messstation Dresden-Nord mit
ähnlich hohen Verkehrsbelastungen gegenübergestellt.
Fraunhofer IVI
Mai 2004
17

image
image
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
Bild 3.2: Tagesgang PM10 des Jahres 2002, Leipzig, Lützner Straße und Dresden-Nord
Auch hier weichen die Tagesgänge nur wenig voneinander ab. Der Tagesgang der Mess-
station Dresden-Nord ist weniger ausgeprägt (flacheres Tagesmaximum, höheres Mini-
mum).
Auffallend ist die Ähnlichkeit im Scoreverlauf. Beide Messstationen liegen räumlich weit
voneinander entfernt, weisen aber gleiche Trends auf. Um den 100., 150. und 350. Tag
wurden an beiden Messstationen erhöhte Konzentrationen gemessen. Diese Ergebnisse
deuten darauf hin, dass die globale Wetterlage einen entscheidenden Einfluss auf die
Schadstoffbelastung hat. Allein das Niveau des Scoreverlaufes wird durch lokale Gege-
benheiten geprägt.
Zur Überprüfung dieser Aussage wurden auch die TSP-Daten der Messstationen Leipzig-
West und Radebeul-Wahnsdorf ausgewertet und miteinander verglichen. Auch hier zeich-
net sich ein überörtlich ähnlicher Scoreverlauf ab. Konzentrationsmaxima treten zu glei-
chen Zeitpunkten auf.
Bild 3.3: Tagesgang TSP des Jahres 2002, Leipzig-West und Radebeul-Wahnsdorf
Zusätzlich wurde ein Korrelationskoeffizient von 0,79 der Scores beider Messreihen ermit-
telt und in Bild 3.4 grafisch dargestellt. Die starke Korrelation wird an der Geraden deut-
lich.
Fraunhofer IVI
Mai 2004
18

image
image
image
image
image
image
image
image
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
0
100
200
300
400
500
600
0
50
100
150
200
250
300
350
400
450
Scores PM10 RW02
Scores PM10 LW02
Bild 3.4: Korrelation der Scores der Messreihen Leipzig-West und Radebeul-Wahnsdorf
Die anschließenden Bilder zeigen die Tagesgänge von Stickstoffmonoxid beispielhaft für
das Jahr 2001. Im Folgejahr gab es eine zu große Anzahl an Fehldaten.
Bild 3.5: Tagesgang NO 2001 der Stationen Leipzig-West, Dresden-Mitte und
Dresden-Nord
Fraunhofer IVI
Mai 2004
19

image
image
image
image
image
image
image
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
Die Tagesgänge, jeweils links im Bild, unterscheiden sich kaum voneinander. Bedingt
durch den einsetzenden Berufsverkehr am Morgen steigt die NO-Konzentration stark an
und sinkt anschließend vor allem durch die Umwandlung von NO in NO
2
, aber auch auf
Grund des nachlassenden Verkehrsaufkommens wieder.
An den Scoreverläufen lassen sich große Unterschiede zwischen den Werktagen (blau)
und den Wochenenden bzw. Feiertagen (rot) bei allen drei Stationen erkennen. Vor allem
an den Messstationen Leipzig-West und Dresden-Mitte (städtischer Hintergrund) spielt die
NO-Belastung am Wochenende eine untergeordnete Rolle. Die stärkere Durchmischung
der Luft in den Sommermonaten spiegelt sich im typischen NO-Jahresgang wider [13]. Der
Einfluss der Heizperiode auf die Höhe der NO-Konzentration kann wegen der niedrigen
Werte an den Wochenenden als gering eingeschätzt werden.
In den folgenden Abbildungen sind die Tagesgänge für NO
2
am Beispiel des Jahres 2001
dargestellt. Während man bei den städtischen Hintergrundstationen zwei ausgeprägte
Maxima am Morgen und am Abend erkennt, sind diese bei der verkehrlich stark belaste-
ten Station Dresden-Nord weniger auffällig. Die Gewichtsfunktionen (Scores) weisen für
Leipzig-West und Dresden-Mitte einen typischen Jahresgang auf, der auch weniger deut-
lich an der Station Dresden-Nord sichtbar ist.
Bild 3.6: Tagesgang NO
2
2001 der Stationen Leipzig-West, Dresden-Mitte und
Dresden-Nord
Fraunhofer IVI
Mai 2004
20

image
image
 
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
3.2 Wochengänge
In den folgenden beiden Abbildungen sollen die PM10- bzw. TSP-Wochengänge der bei-
den verkehrsbelasteten Stationen in Leipzig, Lützner Straße und Dresden-Nord mit denen
des dazugehörigen Hintergrundes Leipzig-West und Radebeul-Wahnsdorf verglichen
werden.
Die Verkehrsspitzen am Morgen und am Nachmittag spiegeln sich in Bild 3.7 in Form einer
erhöhten PM10-Konzentration wider. An den Wochenenden treten wesentlich niedrigere
PM10-Konzentrationen auf Grund der reduzierten Verkehrsmenge auf.
Im Gegensatz dazu ist der TSP-Wochengang der Stationen Leipzig-West und Radebeul-
Wahnsdorf stark gestört. Der Rückgang der TSP-Konzentration fällt am Wochenende
wesentlich geringer aus als bei den verkehrsbelasteten Stationen, aber auch hier wird das
Maximum der Schadstoffkonzentration zu Wochenmitte erreicht.
Bild 3.7: Wochengang PM10 des Jahres 2002, Leipzig, Lützner Straße und Dresden-Nord
Bild 3.8: Wochengang TSP des Jahres 2002, Leipzig-West und Radebeul-Wahnsdorf
Der Verlauf der Scores über 52 Wochen ist bei allen vier Stationen ähnlich. Besonders
hohe Werte treten um die 13., die 34. und um die 48. Woche auf. Diese witterungsbe-
dingten Korrelationen über eine so weite Entfernung zeigt bereits den dominanten Ein-
fluss der Meteorologie und zwar nicht nur im unmittelbaren Umfeld sondern auch
großräumig.
Fraunhofer IVI
Mai 2004
21

image
 
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
4. Quellgruppenanalyse
4.1 Gesamt-, Hintergrund- und verkehrsbedingte Belastung
Für die Zuordnung potenziell gesundheitsschädigender Luftschadstoffe zu Quellgruppen
aus dem Verkehr ist zunächst die Trennung der verkehrsbedingten Belastungen von der
Hintergrundbelastung notwendig. Eine direkte Separation der Quellgruppen ist nicht
möglich, da stets nur die Überlagerungen der Quellgruppen und vor allem der störenden
Einflüsse wie Wind, Regen usw. in einem summarischen Messwert gemessen werden
können. In diesem Abschnitt wird ein einfacher Ansatz untersucht, die Hintergrundbe-
lastung von den verkehrsbedingten Belastungen zu trennen.
Dazu sind in den folgenden Diagrammen (Bild 4.1) die jeweils ersten Muster der Haupt-
komponentenzerlegung, die die Tagesgänge der PM10-Konzentration, des LKW- und des
PKW-Verkehrs repräsentieren, abgebildet.
Bild 4.1: Tagesgänge von PM10-Konzentration, LKW- und PKW-Verkehr als Ergebnis der
zeitlichen Zerlegung für Leipzig, Lützner Straße 2002
Fraunhofer IVI
Mai 2004
22

Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
In den beiden unteren Diagrammen ist zu erkennen, dass in der Zeit zwischen 23.00 und
3.00 Uhr das Verkehrsaufkommen am geringsten ist.
Die PM10-Konzentration sinkt im Verlauf der folgenden 3 Stunden auf ihr Minimum. Diese
Nachwirkung des Verkehrs auf die PM10-Konzentration mit vergleichbaren Zeitkonstanten
zwischen 3 und 4 Stunden wurden auch in anderen, am Institut durchgeführten Immis-
sionsanalysen nachgewiesen.
Damit kann davon ausgegangen werden, dass die zwischen 2.00 und 4.00 Uhr gemessenen
PM10-Konzentrationen einen guten Schätzwert für die Hintergrundbelastung bilden (in Bild
4.1 rot hinterlegt).
Der Anstieg der Partikelkonzentration erfolgt etwas zeitverzögert mit dem Auftreten der
Morgenspitze des Verkehrs zwischen 5 Uhr und 6 Uhr.
Die Gesamt-, Hintergrund- und verkehrsbedingte Belastung für die einzelnen Wochentage
sind im Bild 4.2 dargestellt. Man erkennt folgende Zusammenhänge:
Die PM10-Gesamtbelastung korreliert stark mit dem Wochengang des Verkehrsauf-
kommens.
ƒ
ƒ
ƒ
Da die PM10-Konzentration im Verlauf der Woche stetig zunimmt und am Wochen-
ende deutlich absinkt, ist eine gewisse Nachwirkung der verkehrsbedingten Emissio-
nen zu erkennen (Speicherwirkung).
Die Hintergrundbelastung bleibt während der gesamten Woche auf nahezu gleichem
Niveau.
Insbesondere die letzte Aussage bestätigt die Annahme, aus der Mittelung der PM10-
Werte in den frühen Morgenstunden, die Hintergrundbelastung bestimmen zu können.
0
5
10
15
20
25
30
35
40
45
50
Montag
Dienstag
Mittwoch Donnerstag
Freitag
Samstag
Sonntag
Wochentage
PM10-Konzentration [μg/m³]
verkehrsbedingte Belastung
Hintergrundbelastung
Bild 4.2: Gesamt-, Hintergrund- und verkehrsbedingte PM10-Belastung,
Leipzig, Lützner Straße 2002
Die PM10-Hintergrundbelastung an der Lützner Straße in Leipzig beträgt im Mittel
26,38 μg/m³. Daraus ergibt sich eine durchschnittliche verkehrsbedingte Belastung von
15,91 μg/m³.
Fraunhofer IVI
Mai 2004
23

Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
Der Verkehr (LKW, PKW und sonstiger Verkehr) zwischen 2.00 und 4.00 nachts verringert
sich um ca. 80 % im Vergleich zum mittleren täglichen Verkehrsaufkommen (00:00-
24:00). Dies hat eine Verminderung der PM10-Konzentration um ca. 40 % im gleichen
Zeitraum zur Folge.
Eine ähnliche Situation zeigt sich an der verkehrsbelasteten Messstation Dresden-Nord für
das Jahr 2002. Die Ergebnisse sind im Bild 4.3 dargestellt.
0
5
10
15
20
25
30
35
40
45
Montag
Dienstag
Mittwoch Donnerstag
Freitag
Samstag
Sonntag
Wochentage
PM10-Konzentration [μg/m³]
verkehrsbedingte Belastung
Hintergrundbelastung
Bild 4.3: Gesamt-, Hintergrund- und verkehrsbedingte PM10-Belastung,
Dresden-Nord 2002
Die PM10-Hintergrundbelastung in Dresden-Nord beträgt im Mittel 25,95 μg/m³. Daraus
ergibt sich eine durchschnittliche verkehrsbedingte Belastung von 9,75 μg/m³. Das heißt,
dass Dresden-Nord eine ähnlich hohe Hintergrundbelastung wie Leipzig aufweist. Die ver-
kehrsbedingte Belastung ist hingegen deutlich geringer. Gründe dafür können einerseits
die verschiedenen örtlichen Gegebenheiten (Straßenschlucht usw.) und andererseits die
Unterschiede in Verkehrsmenge und -zusammensetzung sein. Daten aus der Verkehrs-
zählung standen leider für Dresden-Nord nicht zur Verfügung.
Veränderungen im Verkehrsaufkommen wirken sich natürlich auch auf die empirischen
Häufigkeitsverteilungen der Konzentrationswerte aus. Im Bild 4.4 sind die Häufigkeitsver-
teilungen der PM10-, Gesamt- und Hintergrundbelastung Leipzig, Lützner Straße darge-
stellt.
Fraunhofer IVI
Mai 2004
24

Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
Das Diagramm bezieht sich jeweils auf die 365 Tagesmittelwerte für die Gesamtbelastung
(grün) und auf 365 Mittelwerte zwischen 2:00 und 4:00 Uhr für die Hintergrundbelastung
(blau).
0
20
40
60
80
100
120
140
<10
<20
<30
<40
<50
<60
<70
<80
<90
<100
>100
Klassen PM10 [μg/m³]
Anzahl der Werte
Hintergrundbelastung
Gesamtbelastung
Bild 4.4: Häufigkeitsverteilung der mittleren PM10-Gesamt- und Hintergrundbelastung
Die Häufigkeitsverteilung der Hintergrundbelastung verschiebt sich in Richtung der niedri-
geren Konzentrationswerte. Anhand der beiden Modalwerte (Wert/Klasse mit der größten
Häufigkeit) sind in Bild 4.4 in den Verteilungsdichten die im Mittel auftretenden 15 μg/m
3
verkehrsbedingte PM10-Immissionen abzulesen.
Bei der Gesamtbelastung liegt der Modalwert zwischen 20 und 30 μg/m³ und bei der Hin-
tergrundbelastung zwischen 10 und 20 μg/m³. Da sich in der Gesamtbelastung mehrere
zufällig wirkende Quellgruppen und Störgrößen überlagern, ist die Streuung der PM10-
Konzentrationen deutlich größer als die der Hintergrundbelastung. Dies hat einen nicht zu
vernachlässigenden Einfluss auf die Beurteilung der Wahrscheinlichkeit möglicher Grenz-
wertüberschreitungen.
Zum Vergleich der ermittelten Hintergrundbelastung standen von den Hintergrundstatio-
nen Leipzig-West, Dresden-Mitte und Schwartenberg mit dem HVS-Messverfahren ge-
wonnene PM10-Tagesmittelwerte zur Verfügung (Tabelle 4.1). In Leipzig, Lützner Straße
wurden die PM10-Konzentrationen mit dem TEOM-Verfahren gemessen.
Dennoch sind die gebildeten Jahresmittelwerte direkt miteinander vergleichbar, wie in
Kapitel 5 nachgewiesen werden wird.
Fraunhofer IVI
Mai 2004
25

 
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
Vergleichsstationen
Messgröße /
-verfahren
Stationslage Jahresmittel [μg/m³]
LW2001
PM10 / HVS
städtischer Hintergrund
21.87
LW2002
PM10 / HVS
städtischer Hintergrund
21.96
SB2001
PM10 / HVS
ländlicher Hintergrund
14.17
SB2002
PM10 / HVS
ländlicher Hintergrund
14.48
DDM2001
PM10 / HVS
städtischer Hintergrund
27.97
DDM2002
PM10 / HVS
städtischer Hintergrund
27.35
Tabelle 4.1: Jahresmittelwert der PM10-Konzentration an verschiedenen Messstationen
2001 / 2002
Die Jahresmittelwerte der städtischen Hintergrundstation Leipzig-West bestätigten den
ermittelten Hintergrundwert für Leipzig, Lützner Straße von 26,38 μg/m³. Ebenfalls gut
vergleichbar ist der errechnete Hintergrundwert von Dresden-Nord mit den Jahresmittel-
werten der städtischen Hintergrundstation Dresden-Mitte.
Die mittleren PM10-Konzentrationen der ländlichen Hintergrundstation Schwartenberg
sind für die Lützner Straße nicht anwendbar, da sie die städtischen Immissionsverhältnisse
nicht widerspiegeln. Sie unterliegen anderen Einflussfaktoren, Umgebungs- und Standort-
bedingungen.
4.2 Einfluss meteorologischer Faktoren auf die Höhe der Schadstoffkonzentration
Für die Höhe der gemessenen Immissionskonzentration spielen nicht nur Art und Umfang
der Emissionsquellen eine wichtige Rolle. Die ausgeprägten Tages-, Wochen- und Jahres-
gänge werden neben dem Verkehr besonders durch den Einfluss der Meteorologie ge-
prägt. Windgeschwindigkeit, Temperatur, Wolkenbildung, Globalstrahlung, Nieder-
schlagsmenge und Luftfeuchtigkeit bestimmen maßgeblich die Möglichkeit des Luftaus-
tausches und des Auswaschens der Luft.
Im Kapitel 6 wird gesondert auf die den Luftaustausch beeinflussenden Faktoren einge-
gangen. An dieser Stelle soll der Zusammenhang zwischen der Höhe der PM10-Kon-
zentration und der Dauer der niederschlagslosen Zeit an unterschiedlichen Messstationen
betrachtet werden.
Untersuchungsgrundlage bildeten die Standorte Leipzig, Lützner Straße und Dresden-Nord
als verkehrsbelastete Stationen der Jahre 2001 und 2002. Vergleichend herangezogen
wurden die Daten der Messstelle auf dem Schwartenberg.
Aus den Halbstundenwerten der städtischen Messstationen wurden Tagesmittelwerte für
PM10 sowie die Tagesmenge an Niederschlag ermittelt und gegenübergestellt. Ausge-
hend vom Tag des jeweils letzten Niederschlagsereignisses wurden alle darauffolgenden
niederschlagslosen Tage untersucht. Da auch innerhalb von zwei Jahren der Fall, dass
mehr als fünf Tage kein Niederschlag fällt, nur selten auftrat, wurden diese Tage zusam-
mengefasst und daraus die durchschnittliche PM10-Konzentration gebildet. Über den
weiteren Anstieg der PM10-Konzentration bei noch länger andauernden Trockenperioden
kann keine statistisch belastbare Aussage getroffen werden.
Die Regressionsgerade in Bild 4.5 macht deutlich, dass zumindest nach 5 Tagen ohne Nie-
derschlag noch kein Einschwingen der PM10-Konzentrationen auf einen Grenzwert zu er-
kennen ist. Je länger der niederschlagslose Zeitraum anhält, umso entscheidender ist der
Einfluss der Meteorologie. Auch die im Kapitel 7 begonnen Entwicklungen zu Prognose-
Fraunhofer IVI
Mai 2004
26

Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
modellen für PM10 weisen darauf hin, dass 3 bis 4 Tage nach einem Regenereignis offen-
sichtlich der Luftaustausch oder die globale Wetterlage den PM10-Tagesgang stärker be-
einflussen als Schwankungen im Verkehrsaufkommen.
Die Untersuchungen zur Nachwirkung eines Regenereignisses wurden an den verkehrlich
stark belasteten Messreihen (DD-Nord, L-Lützner Str.) durchgeführt und in Bild 4.5 darge-
stellt. Bei den PM10-Konzentrationen handelt es sich um Mittelwerte über zwei Jahre.
0
10
20
30
40
50
60
70
bei NS 1 2 3 4 5mehr als
5
Anzahl der Tage nach Niederschlag
PM10 [μg/m³]
DD-Nord
L-Lützn.Str.
Bild 4.5: Mittlere PM10-Konzentration in Abhängigkeit von der Dauer der niederschlags-
freien Zeit, Leipzig, Lützner Straße und Dresden Nord 2001 / 2002
Da der Verkehr für die beiden städtischen Stationen eine große Rolle spielt und im gesam-
ten Zeitraum keine längerfristigen Vollsperrungen vorgenommen wurden, lässt sich nur
schwer abschätzen, in welchem Maß PM10 bei fehlendem Niederschlag aber ohne Ver-
kehrsbeeinflussung ansteigen würde.
Anhand der Messdaten der Station auf dem Schwartenberg wurde daher eine verglei-
chende Untersuchungen für die Hintergrundbelastung durchgeführt. Dazu wurden zu-
nächst neben dem PM10-Mittelwert über dem Gesamtzeitraum getrennte Mittelwerte
über alle Werktage und alle Wochenenden/Feiertage gebildet. Tabelle 4.2 gibt dazu einen
Überblick.
2001 / 2002
SB
PM10 [μg/m³]
Mittelwert Gesamtzeitraum
14.56
Mittelwert werktags
14.66
Mittelwert Wochenende
14.33
Mittelwert ohne NS
17.49
Mittelwert bei NS
11.01
Tabelle 4.2: Mittlere PM10-Konzentration, Schwartenberg 2001 / 2002
Fraunhofer IVI
Mai 2004
27

Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
Stellt man diese Mittelwerte denen der verkehrsbelasteten Stationen (Tabelle 4.3) gegen-
über, sind folgende Unterschiede zu erkennen:
-
Die städtischen Werte betragen das 2-3fache der ländlichen Messstation.
-
Die Messstation Schwartenberg ist nahezu unbelastet von Industrie- und Verkehrs-
emissionen, da keine signifikanten Unterschiede im Tagesmittel zwischen Werktagen
und Wochenende zu verzeichnen sind.
2001/2002 DDN LL
PM10 [μg/m³] PM10 [μg/m³]
Mittelwert Gesamtzeitraum
35.21 40.23
Mittelwert werktags
37.27 44.18
Mittelwert Wochenende
30.53 31.49
Mittelwert ohne NS
39.11 48.37
Mittelwert bei NS
28.38 30.83
Tabelle 4.3:
Mittlere PM10-Konzentration, Leipzig, Lützner Straße und Dresden Nord
2001 / 2002
Wie sich fehlender Niederschlag nach mehreren Tagen auf die Höhe der PM10-Konzentra-
tion an einer unbelasteten Messstation auswirkt, zeigt Bild 4.6. Um Einflüsse durch Fern-
transport zu eliminieren, erfolgte noch eine zweite Untersuchung mit eingeschränktem
Datensatz, d. h. nach Entnahme aller Tage mit südöstlicher Windrichtung.
0,00
5,00
10,00
15,00
20,00
25,00
30,00
bei NS 1 2 3 4 5 mehr
als 5
Anzahl der Tage nach Niederschlag
PM10 [μg/m³]
Schwartenberg
Schwartenberg o.
Ferntransport
Bild 4.6:
Mittlere PM10-Grundbelastung in Abhängigkeit von der Dauer der
niederschlagslosen Zeit, Schwartenberg 2001 / 2002
Somit steigt sowohl bei den städtischen als auch bei der ländlichen Messstation im Mittel
die PM10-Konzentration mit zunehmender Trockenheit um ca. 40 - 60 % gegenüber der
an Niederschlagstagen im Verlauf von 5 Tagen.
Der Anstieg 3 μg/m
3
pro niederschlagslosem Tag ist an allen Messstellen in etwa gleich.
Fraunhofer IVI
Mai 2004
28

 
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
Mit dieser Untersuchung konnte gezeigt werden, dass die Witterungsverhältnisse den An-
stieg der Staubkonzentration mindestens ebenso stark dominieren wie der Verkehr.
Zeichnen sich längere Trockenzeiten oder Inversionswetterlagen ab, müssen bereits zu
einem früheren Zeitpunkt und vor dem Erreichen der Grenzwerte Maßnahmen wie
-
Sperrungen für LKW-Verkehr
-
Umfahrungen der Innenstädte
im städtischen Bereich eingeleitet werden. Dabei ist auch die über mehrere Stunden bis
Tage zu beobachtende Nachwirkung der verkehrsbedingten PM10-Belastungen zu berück-
sichtigen.
Nur bei einer rechtzeitigen Einleitung von Maßnahmen und unter Berücksichtigung der zu
erwartenden Erhöhung der PM10-Hintergrundbelastung können Grenzwertüberschrei-
tungen vermieden werden.
4.3 Separation des Verkehrs mit Hilfe neuer signaltheoretischer Methoden
Die bisher getroffenen Aussagen beziehen sich auf relativ einfache, dafür aber sehr ro-
buste Mittelwertuntersuchungen. Differenzierte Untersuchungen auf die meteorologisch
bedingten Störungen der PM10-Tagesganglinien bzw. durch Hintergrundbelastungen
induzierten PM10-Belastungen sind mit diesen Ansätzen nicht möglich.
Für eine möglichst genaue Prognose optimaler Zeitpunkte zur Einleitung geeigneter Maß-
nahmen zur Vermeidung von Grenzwertüberschreitungen sind derartige Analysen jedoch
erforderlich.
Auch wenn sich die bisher angewandten Screeningverfahren als sehr wirkungsvolle Analy-
sewerkzeuge erwiesen haben, zeigte sich eine zweifelsfreie Separation möglicher Quell-
gruppen als schwierig.
Die Hauptkomponentenanalyse basiert auf der orthogonalen Zerlegung, die lineare Ab-
hängigkeiten eliminiert und auf relevante Signalanteile konzentriert. Während sich Trends
und Verläufe sowie charakteristische Abweichungen sowohl in den Musterfunktionen als
auch in den Scoreverläufen gut darstellen, ist dieser Ansatz offensichtlich für die Quell-
gruppentrennung nicht optimal.
Wie auch die oben dargestellten Ergebnisse deutlich machen, haben Störungen oder die
Hintergrundbelastung eine adäquate Wirkung auf die PM10-Immissionen wie der Verkehr.
Eine Separation der Quellgruppen muss daher vor der orthogonalen Zerlegung erfolgen,
da nur bei unterschiedlicher Signalintensität, die durch verschiedene Quellgruppen beding-
ten Immissionen auch in unterschiedlichen Mustern repräsentiert werden.
Im Rahmen des Projektes wurde daher weitere signaltheoretische Verfahren getestet, die
eine Quellgruppenanalyse auf der Grundlage der PCA unterstützen.
Die Trennung von Signalen in einer stark gestörten Umgebung ist derzeit ein aktuelles For-
schungsgebiet der Signaltheorie, das unterschiedlichste Anwendungsbereiche von der
Raumfahrt, Medizintechnik über die Kommunikationstechnik bis hin zu speziellen Anwen-
dungen im Bereich der Audiometrie berührt.
Fraunhofer IVI
Mai 2004
29

 
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
Ein Beispiel der Audiometrie ist allgemein bekannt unter dem Begriff des Cocktail-Party-
Problems. Im Gegensatz zu einer Spracherkennungsmaschine ist beispielsweise der
Mensch sehr wohl in der Lage einem bestimmten Gespräch in einer sehr lauten Umge-
bung zu folgen. Hörgeräte erweisen sich in diesen Situationen als ungeeignet.
Auch Maschine oder Algorithmen zur Spracherkennung beherrschen eine solche kontext-
bezogene Filterung derzeit zumindest nicht in der Perfektion des natürlichen Gehörs.
Die theoretischen Grundlagen einer kontextbezogenen Signalfilterung werden unter dem
Begriff „Blind Signal Separation Methods“
(BSS Methods)
zusammengefasst [14]. Die BSS-
Methoden werden zur Vorverarbeitung von Spracherkennungsalgorithmen eingesetzt und
tragen erheblich dazu bei, die Erkennungsleistung maschineller Spracherkennung zu er-
höhen.
Auch in der Immissionsanalyse lassen sich unter Vorraussetzung bestimmter Messkonfigu-
rationen diese Verfahren anwenden.
Die Grundlagen der verschiedenen Methoden werden nachfolgend anschaulich erläutert.
Die Wirksamkeit bereits einfacher Ansätze wird an Beispielrechnungen zu den vorliegen-
den PM10-Immissionsdatenreihen demonstriert.
4.3.1 Problem und methodische Grundlagen der Quelltrennung
Anders als die PCA gehen die BSS-Methoden davon aus, dass ein bestimmtes Signalge-
misch, im Falle der Immissionsmessungen eine Überlagerung verschiedener Immissionen
und Störungen, gleichzeitig durch mehrere Sensoren (Messstationen) erfasst wird.
Im Fall der PM10-Immissionsdaten des LfUG sind dies die zeitgleich aufgenommen PM10-
Konzentrationen Dresden-Nord, Dresden-Mitte und Radebeul-Wahnsdorf.
Wenn beispielsweise n Signale von
statistisch unabhängigen Quellen
stammen und
das gemessene Signalgemisch durch ein Sensorarray von n Sensoren erfasst wird, besteht
das Problem der Quelltrennung darin, die n Originalsignale durch geeignete Transformati-
onen oder Filterung aus dem Gemisch zurückzugewinnen.
Als drei weitgehend
statistisch unabhängige Quellgruppen
im Sinne der Immissions-
analyse können in jedem Fall
ƒ
die verkehrsbedingten Immissionen,
ƒ
ƒ
die meteorologischen Einflüsse und
die Hintergrundbelastung
betrachtet werden.
Um diese Quellgruppen aus den gemessenen Datenreihen herausfiltern zu können, wer-
den die beiden Messstationen Dresden-Nord und Dresden-Mitte sowie die Hintergrund-
messung in Radebeul-Wahnsdorf als drei Sensoren eines Sensorarrays betrachtet, die zur
Rekonstruktion der Originalsignale (Immissionsquellen) - verkehrsbedingte Immission,
meteorologische Störungen und ggf. Hintergrundbelastung - notwendig sind.
Fraunhofer IVI
Mai 2004
30

Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
x
1
(t)
Messstation
Dresden-Nord
x
3
(t)
x
2
(t)
Quellgruppe
Hintergrundbelastung
Quellgruppe
verkehrsbedingte
Immissionen
s
1
(t)
s
2
(t)
s
3
(t)
Messstation
Radebeul-Wahnsd.
Messstation
Dresden-Mitte
Quellgruppe
meteorologische Störungen
Bild 4.7: Quelltrennungsproblem der Immissionen und deren Störungen
Betrachtet wird im ersten Ansatz die unverzögerte Überlagerung der Messsignale. Diese
Vereinfachung mag bei halbstündlichen Immissionswerten in erster Näherung zutreffen.
Die Radebeuler Hintergrundmessung ist räumlich jedoch weiter entfernt, so dass die An-
nahme einer unverzögerten Überlagerung nur bedingt gerechtfertigt erscheint.
Die gemessenen Signale ergeben sich unter oben getroffener Annahme aus der Linear-
kombination der Quellsignale in der Form
()
(),1
, 3
3
01
xt
=
as t
ij
j
i
ij
j
und in Matrixform zu
X
=
A
S
.
Zur Rekonstruktion der Originalsignale aus
X
wird die Transformationsmatrix
C
gesucht,
die Signale y
i
(t)
Y
=
C
X
erzeugt, die eine konsistente Schätzung für
S
liefern.
Idealer Weise entspricht
. Diese Matrix
A
ist im Falle der Immissionsmessungen je-
doch nicht bekannt.
C
=
A
ˆ
−1
Die grundlegende Vorraussetzung, das Quelltrennungsproblem zu lösen, ist eine statisti-
sche Unabhängigkeit der Quellsignale.
Betrachtet man die Quellsignale s
i
zum Zeitpunkt t als Realisierungen eines im vorliegen-
den Beispiel dreidimensionalen Zufallsprozesses, so gilt
( ())
(
())
3
1
pSt
pst
i
=
=
i
.
Die Verteilungsdichte von
S
ergibt sich aus den Randverteilungen von s
i
(t).
Fraunhofer IVI
Mai 2004
31

Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
Die verschiedenen Prinzipien des BSS lassen sich darauf zurückführen, eine Transformati-
onsmatrix
C
so zu bestimmen, dass für die Komponenten in
Y
die Verteilungsdichten oder
charakteristische Größen der Verteilungsdichten wie
ƒ
Kovarianz- oder Korrelationsmatrix,
ƒ
ƒ
ƒ
ƒ
Momente höherer Ordnung
Kumulanten vierter Ordnung oder
signaltheoretische Maße wie Transinformation oder Entropie
die vorausgesetzte Unabhängigkeitsbedingung widerspiegeln.
Die Bestimmung der auch als Entkopplungsmatrix bezeichneten Matrix
C
führt auf ein
explizit zu lösendes Eigenwertproblem
oder kann durch iterative Lösung eines Optimierungsproblems mit Hilfe von Gradienten-
verfahren erfolgen. Dabei werden Entkopplungsmatrizen
C
so bestimmt, dass die Korrela-
tions- oder Kovarianzmatrizen eine Diagonaldominanz aufweisen, oder die Momente bzw.
Kumulanten höherer Ordnung verschwinden, so dass die Transinformation zwischen den
Signalen minimiert bzw. die Informationsentropie maximiert wird.
Aus den umfangreichen Modellansätzen des BSS, die im Rahmen dieses Projektes nicht
alle im Einzelnen hinsichtlich ihrer spezifischen Eignung zur Quellgruppenanalyse unter-
sucht werden konnten, wird nachfolgend beispielhaft das Prinzip der korrelationsbasierten
Verfahren erläutert.
Den korrelationsbasierten Verfahren liegen Statistiken zweiter Ordnung der Modellbildung
zugrunde. Die Mischungsmatrix wird mittels simultaner Diagonalisierung zeitversetzter
Korrelationsmatrizen bestimmt. Wird das Problem der Quelltrennung als eine lineare
Transformation der Quelldaten
S
in die Messdatenmatrix
X
in der Form
X
=
A
S
mit der n,n-Matrix
A
verstanden, so gilt für die Korrelationsmatrizen
aufgrund der
Voraussetzung statistischer Unabhängigkeit
Σ
S
mn
S
σ
σ
σ
Σ=
0
0
... 0
0
0
.........
0
0
0
... 0
0
22
11
und für die Korrelationsmatrix
Σ
X
T
Σ
X
=
A
⋅ Σ
S
A
.
Damit ist die Korrelationsmatrix
Σ
X
eine Diagonalmatrix.
Σ
X
allein reicht für die Bestim-
mung von
A
nicht aus.
Fraunhofer IVI
Mai 2004
32

 
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
Auch die Korrelationsmatrizen
, die die Korrelationen der jeweils um
τ
gegeneinander
verschobenen Messsignale in
X
beinhalten, sind unter Voraussetzung der statistischen Un-
abhängigkeit diagonaldominant.
A
wird daher durch simultane Diagonalisierung zweier
Korrelationsmatrizen bestimmt.
Σ
τ
X
Damit erfolgt die Bestimmung der Mischungsmatrix
A
nach dem Prinzip
1
1
Λ
⋅Σ ⋅
trix
A
A
T
Diagonalma
X
2
1
Λ
⋅Σ
τ
trix
A
A
T
Diagonalma
X
Eine simultane Diagonalisierung wird durch Lösung des Eigenwertproblems
Σ ⋅Σ ⋅ = ⋅Λ
τ−
A
A
X
X
1
erreicht. Dazu existieren Standardverfahren.
Der korrelationsbasierte Ansatz lässt sich erweitern, indem nicht nur eine zeitversetzte
Korrelationsmatrix
in die Berechnung einbezogen wird. Dies und weitere, möglicher-
weise noch leistungsfähigere Verfahren zu untersuchen, war nicht Gegenstand des vorlie-
genden Projektes, bietet aber offensichtlich neue Perspektiven, stark gestörte Immissions-
daten zielgerichtet screenen zu können.
τ
Σ
X
4.3.2 Erste Ergebnisse der Quelltrennung
Deutlich machen dies die nachfolgenden Beispiele. Dazu wurden die PM10-/TSP-Messda-
ten von Dresden-Nord und Dresden-Mitte aus dem Jahr 2001 als Messungen eines Zwei-
sensorsystems interpretiert. Ziel war es, die verkehrsbedingten Immissionen und Störgrö-
ßen insbesondere die meteorologischen Einflüsse zu separieren.
In Bild 4.8 sind zunächst die Wochenganglinien und zugehörigen Scoreverläufe für Dres-
den-Nord und Dresden-Mitte vor der Separation dargestellt.
Fraunhofer IVI
Mai 2004
33

Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
50
100
150
200
250
300
0.045
0.05
0.055
0.06
0.065
0.07
10
20
30
40
50
0.075
0.125
0.15
0.175
0.2
0.225
50
100
150
200
250
300
0.04
0.05
0.06
0.07
10
20
30
40
50
0.05
0.075
0.125
0.15
0.175
0.2
Bild 4.8: PM10-/TSP-Wochenganglinien und Scoreverläufe für Dresden-Nord und
Dresden-Mitte 2001
Während Dresden-Nord eine starke Korrelation zum Verkehrsgang aufweist, ist der
PM10-Verlauf in Dresden-Mitte offensichtlich durch mehrere Quellgruppen überlagert.
Die Scores sind in beiden Fällen stark gestreut und ähnlich verteilt.
Im nachfolgenden Bild 4.9 erfolgte eine Separation nach dem korrelationsbasierten BSS -
Verfahren in verkehrsbedingte Immissionen (untere Musterfunktion) und Störeinflüsse.
50
100
150
200
250
300
0.035
0.045
0.05
0.055
0.06
0.065
10
20
30
40
50
-0.175
-0.15
-0.125
-0.1
-0.075
-0.05
50
100
150
200
250
300
-0.025
0.025
0.05
0.075
0.1
0.125
10
20
30
40
50
-0.2
-0.1
0.1
0.2
Bild 4.9: PM10-/TSP-Wochengänge nach der Separation
Fraunhofer IVI
Mai 2004
34

Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
In den Störungen ist anhand der wesentlich weniger gestreuten Scoreverläufe die Meteo-
rologie wieder zu erkennen, beispielsweise in Form starker Niederschlagsereignisse in der
15. Woche.
Die zweite Musterfunktion beschreibt die verkehrsbedingten PM10-Immissionen mit gut
interpretierbaren Veränderungen an den Wochenenden. Verkehrsbedingte Morgen- und
Nachmittagsspitzen an den Werktagen und ein weniger gestreuter Scoreverlauf, der mit
dem Verkehrsaufkommen gut übereinstimmt, unterstreichen die Wirksamkeit der Separa-
tion.
Da bei dieser Separation auf der Grundlage von Daten zweier Messstationen auch nur
zwei Quellgruppenanteile separiert werden können, ist davon auszugehen, dass unter der
oben getroffen Annahme von mindestens drei unabhängigen Quellgruppen, die dritte
Quellgruppe - Hintergrundbelastung - beiden Signale in Bild 4.9 noch störend überlagert
ist.
Um die drei angenommenen Einflussgrößen zu separieren, wurde deshalb eine weitere
Untersuchung mit Daten dreier Messstationen (Dresden-Nord, Dresden-Mitte, Radebeul-
Wahnsdorf) durchgeführt.
10
20
30
40
50
0.075
0.1
0.125
0.15
0.175
0.2
0.225
10
20
30
40
50
0.05
0.075
0.1
0.125
0.15
0.175
0.2
10
20
30
40
50
0.075
0.1
0.125
0.15
0.175
0.2
0.225
50 100 150 200 250 300
0.045
0.05
0.055
0.06
0.065
0.07
50 100 150 200 250 300
0.04
0.05
0.06
0.07
50 100 150 200 250 300
0.05
0.06
0.07
Bild 4.10: PM10-/TSP-Wochengänge DD-Mitte, DD-Nord, Radebeul-Wahnsdorf
Nach der Separation ergaben sich die Verläufe Bild 4.11:
10
20
30
40
50
-0.2
-0.1
0.1
0.2
0.3
10
20
30
40
50
0.05
0.075
0.1
0.125
0.15
0.175
0.2
10
20
30
40
50
0.075
0.1
0.125
0.15
0.175
0.2
0.225
50 100 150 200 250 300
-0.02
0.02
0.04
0.06
0.08
0.1
0.12
50 100 150 200 250 300
0.05
0.06
0.07
50 100 150 200 250 300
0.045
0.05
0.055
0.06
0.065
0.07
Bild 4.11: PM10-/TSP-Wochengänge der Quellgruppen nach der Separation
Fraunhofer IVI
Mai 2004
35

Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
Auch wenn diese Separation noch nicht die gewünschte Trennschärfe brachte, sind die
Quellgruppen zu erkennen. Deutlich erscheinen wieder die verkehrsbedingten Immissio-
nen in der zweiten Funktion, der erste Wochengang entspricht offensichtlich den meteo-
rologischen Störungen (Niederschlagsereignis 15. Woche) während in der dritten Funktion
eine Hintergrundbelastung zu erkennen ist, die erst nach der Verkehrsflanke einsetzt, spät
in der Nacht abklingt und sich auch über den Werktagen mit einem leichten Wochengang
abzeichnet.
Noch trennschärfere Separationen sind im Frequenzbereich (konvoltive BSS Verfahren) zu
erwarten, um bei weiter entfernten Messstationen die zeitliche Ausbreitungen der Immis-
sionen in die Modellbildung einbringen zu können.
Eine derartige Modellbildung muss jedoch nachfolgenden Projekten vorbehalten bleiben.
Basis zukünftiger Untersuchungen müssen Messstandorte bilden, die möglichst nahe zu-
einander gelegen Immissionen mit gleicher zeitlicher Auflösung messen.
Fraunhofer IVI
Mai 2004
36

image
 
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
5.
Vergleich unterschiedlicher PM10-Messverfahren
Ein weiterer Punkt der Projektarbeit bestand in dem Vergleich zweier unterschiedlicher
PM10-Messverfahren.
Die zu vergleichenden Messverfahren:
TEOM
(Tapered Element Oscillating Microbalance): TEOM ist eine oszillierende Mikro-
waage mit eingebautem Messfilter. Messgröße ist die Resonanzfrequenz des Oszillators,
die mit steigender Filterbelegung tiefer wird [15].
HVS:
Dieses Messverfahren beruht auf einer gravimetrischen Methodik. Dabei wird ein
definiertes Luftvolumen gefiltert. Bei konstanten Klimabedingungen werden die Filter vor
und nach der Messung gewogen. Die Differenz aus den beiden Messwerten ergibt eine
Staubmasse pro Luftvolumen [15].
Bedingung für eine Gegenüberstellung war die gleichzeitige Messung der PM10-Kon-
zentration mit den beiden Methoden an der selben Messstation. Leider war unter diesen
Voraussetzungen der verwertbare Datensatz für eine vergleichende Untersuchung sehr be-
schränkt. Die folgenden Betrachtungen beziehen sich auf die Messstation Leipzig, Lützner
Straße 2001.
Die TEOM-Werte wurden als Halbstundenmittelwerte und die HVS-Werte bereits als Ta-
gesmittelwerte gemessen. Zum Vergleich beider Methoden erfolgte die Bildung von
Tagesmittelwerte aus den Halbstundenmittelwerten des TEOM-Verfahrens. Noch zu er-
wähnen ist, dass die zur Verfügung stehenden PM10-Konzentrationen keine unbeeinfluss-
ten Ausgangsdaten sind. Während der Messung wurden die aufgenommenen Daten
offensichtlich mehrmals korrigiert, um Differenzen zw. den Methoden auszugleichen.
Zur prinzipiellen Einordnung der beiden Verfahren wurde eine zeitliche Zerlegung in
Wochengänge durchgeführt. Das Ergebnis ist im Bild 5.1 zu sehen.
Bild 5.1: Wochengang der mit HVS und TEOM gemessenen PM10-Konzentrationen,
Leipzig, Lützner Straße 2001
Der in dem Muster zu erkennende Wochengang der PM10-Konzentration ist bei beiden
Methoden sehr ähnlich. In der Wochenmitte liegt der HVS-Wert unter dem TEOM-Wert.
Umgekehrt verhält es sich am Wochenende. Ein weiterer Trend zeichnet sich in den Scores
ab. Hier wird unter Zuhilfenahme des HVS-Verfahrens in den Wintermonaten eine höhere
und in den Sommermonaten eine niedriger PM10-Konzentration gemessen als mit dem
TEOM-Verfahren. Aufgrund dieser Ergebnisse besteht die Annahme, dass sich die
Fraunhofer IVI
Mai 2004
37

Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
Differenzen im Jahresmittel wieder ausgleichen. Die Bildung der Jahresmittelwerte von
PM10-TEOM = 40,07 μg/m³ und von PM10-HVS = 39,94 μg/m³ bestätigen diese An-
nahme.
Bei der Trennung der Messwerte nach Jahreszeiten ergeben sich folgende Kenngrößen:
Winter 2001
Sommer 2001
1.1.-1.4. und 5.11.-30.12. 2.4.-4.11.
HVS TEOM HVS TEOM
[μg/m³] [μg/m³] [μg/m³] [μg/m³]
Mittelwert 43.86 38.93 37.35 40.92
Median 38.27 33.21 34.31 36.92
Modus 25.00 15.38 43.22 24.88
Streuung 561.81 549.25 280.21 362.35
10-Perzentil 18.77 13.86 19.57 21.04
50-Perzentil 38.27 33.21 34.31 36.92
90-Perzentil 81.61 74.08 57.80 66.52
Tabelle 5.1: Kenngrößen der PM10-Konzentration nach TEOM und HVS, getrennt nach
Sommer und Winter
Hier wird wieder der Unterschied in Abhängigkeit zur Jahreszeit deutlich. In den Sommer-
monaten misst das HVS-Verfahren eine geringere und in den Wintermonaten eine höhere
Konzentration als das TEOM-Verfahren. Die mittlere Abweichung der Verfahren voneinan-
der beträgt ca. 10%. Eine deutlich größere Streuung tritt in den Wintermonaten und bei
höheren PM10-Konzentrationen auf.
Eine alleinige Temperaturabhängigkeit der Differenzen konnte nicht festgestellt werden.
Deshalb wurde die Luftfeuchtigkeit in die Betrachtung einbezogen. Im Folgenden Bild 5.2
ist die Feuchtigkeit, die Temperatur und die Differenz der zwischen den mit beiden Ver-
fahren gemessenen PM10-Konzentrationen dargestellt.
-30
-15
0
15
30
45
60
75
90
105
120
1
21
41
61
81
101
121
141
161
181
201
221
241
261
281
301
321
341
361
Tage
Temperatur [°C], Luftfeuchte [%],
Konzentration PM10 [μg/m³]
Temperatur
Feuchte
Differenz
Bild 5.2: Einfluss von Temperatur und Luftfeuchtigkeit auf die Differenz zwischen den mit
TEOM und HVS gemessenen PM10-Konzentrationen
Fraunhofer IVI
Mai 2004
38

image
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
Aus dem Bild 5.2 geht hervor, dass die Differenzen positiv mit der Luftfeuchte und negativ
mit der Temperatur korrelieren. Um festzustellen, in wieweit diese Aussage wirklich auf
die einzelnen Größen zutrifft, wurde der Korrelationskoeffizient, als ein Maß für die line-
are Abhängigkeit zwischen zwei Zufallsgrößen, bestimmt.
Die Berechnung ergab Folgendes:
Korrelationskoeffizient
Temperatur, Differenz
=
-0,67
Korrelationskoeffizient
Luftfeuchte, Differenz
=
0,64
Die Korrelationskoeffizienten zeigen die gegensätzlichen Einflüsse von Temperatur und
Luftfeuchtigkeit auf die Differenzen.
Auf Grundlage dieser Abhängigkeiten wurde eine Gleichung zur Berechnung der TEOM-
Werte (Modell) aus den HVS-Werten gebildet. Das Modell wurde aus den HVS-Werten,
der Temperatur und der Luftfeuchtigkeit des ersten halben Jahres 2001 abgeleitet und am
zweiten Halbjahr getestet (Bild 5.3).
Modellgleichung:
PM10
TEOM
=-70.62 + (PM10
HVS
) + (-0.3227*Feuchte) + (0.3427*Temperatur
1
)
Im folgenden Diagramm sind die errechneten TEOM-Werte den originalen TEOM-Werten
gegenübergestellt.
Bild 5.3: Gegenüberstellung der mit TEOM gemessenen und an Hand des Modells
berechneten PM10-Konzentrationen Leipzig, Lützner Straße 2001
Die gute Korrelation zwischen Modell und Original spricht für die Zulässigkeit des Ansat-
zes. Der Korrelationskoeffizient zwischen TEOM-Modell und TEOM-Original beträgt 0.97.
Fraunhofer IVI
Mai 2004
39
1
Einheit der Temperatur in Kelvin, um negative Werte auszuschließen

Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
Ursachen für verbleibende Abweichungen können in den schon erwähnten modifizierten
Ausgangsdaten begründet sein.
Zur Überprüfung des Modellansatzes wurde die lineare Gleichung auf das Jahr 2002,
Leipzig, Lützner Straße angewendet. Das Ergebnis ist in Bild 5.4 zu sehen.
0
20
40
60
80
100
120
140
160
1
15
29
43
57
71
85
99
113
127
141
155
169
183
197
211
225
239
253
267
281
295
309
323
337
351
365
Tage
TEOM-PM10-Konzentration [μg/m³]
Original
Modell
Bild 5.4: Gegenüberstellung der mit TEOM gemessenen und an Hand des Modells
berechneten PM10-Konzentrationen, Leipzig, Lützner Straße 2002
Bis Mitte 2002 zeigt sich die gewohnt gute Korrelation zwischen den Modell- und Origi-
nalwerten der TEOM-Messung. An den Folgetagen des Jahres (ca. ab dem 160. Tag) diffe-
rieren Modell und Original. Grund dafür ist eine Umstellung der Messgeräte ab Mitte
2002. Sobald diese abgeschlossen ist, muss eine neue Modellbildung erfolgen.
Um die unterschiedliche Temperatur- bzw. Feuchtigkeitsabhängigkeit der Messgeräte zu
belegen, ist es sinnvoll, die Ergebnisse durch systematische Versuchsreihen in Klimakam-
mern experimentell zu verifizieren.
Zur Entwicklung, Verbesserung und Überprüfung weiterer Modelle sind umfangreichere
Datensätze beider Verfahren vom selben Standort notwendig. Vergleichsdaten sollten von
verschiedenen Messstandorten ausgewertet werden.
Fraunhofer IVI
Mai 2004
40

 
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
6.
AKTerm – Ausbreitungsklassen
6.1 Bestimmung der Ausbreitungsklassen nach Klug und Manier
Aufgrund verschiedener Ausbreitungsverhältnisse in der Atmosphäre kann es zu einer un-
terschiedlichen Verteilung von Schadstoffen kommen. Diese Ausbreitungszustände wer-
den in Abhängigkeit von Zeit, Windgeschwindigkeit und Bedeckungsgrad in Klassen
(Tabelle 6.1) unterteilt.
Ausbreitungsklasse Bedeutung Beschreibung
[16]
I
sehr stabil
nachts, windschwach, wenig Bewölkung
II
stabil
nachts, windschwach, bedeckt
III1
neutral (-stabil)
Tag und Nacht, höhere Windgeschwindigkeiten
III2 neutral (-labil) tags, mittlere Windgeschwindigkeiten, bedeckt
IV
labil
tags, windschwach, wenig Bewölkung
V sehr labil
Tage in den Sommermonaten, wolkenarm oder wind-
schwach, nur um die Mittagszeit
Tabelle 6.1: Codierung der Ausbreitungsklassen nach Klug und Manier
Die Bestimmung der Ausbreitungsklassen erfolgt nach Klug und Manier (VDI 3782
Anhang A [17]). Sie werden stündlich in Abhängigkeit vom Monat, der Tageszeit, der
Windgeschwindigkeit und dem Bedeckungsgrad nach der Tabelle 6.2 bestimmt.
Windgeschwindigkeit Gesamtbedeckung
in 10m Höhe
Nachtstunden
Tagesstunden
[m/s]
0/8 - 6/8
7/8 - 8/8
0/8 - 2/8
3/8 - 5/8
6/8 - 8/8
< 1,5
I
II
IV
IV
IV
1,6 - 2,5
I
II
IV
IV
III/2
2,6 - 3,5
II
III/1
IV
IV
III/2
3,6 - 4,5
III/1
III/2
IV
III/2
III/2
> 4,5 III/2 III/3 III/2 III/1 III/1
Tabelle 6.2: Schema zur Bestimmung der Ausbreitungsklassen
Einschränkende Bedingungen ergeben sich in Abhängigkeit der Monate, der Tageszeit,
dem Bedeckungsgrad und der Windgeschwindigkeit.
Nach VDI 3782 Anhang A muss die Windgeschwindigkeit in 10 m Höhe über dem Erdbo-
den gemessen werden. Der Bedeckungsgrad wird vom DWD in unterschiedlicher Auflö-
sung zur Verfügung gestellt. An den Wetterstationen in Sachsen, z.B. Dresden, Leipzig,
Görlitz, Oschatz und Chemnitz wird der Bedeckungsgrad der Gesamtbewölkung stündlich
erfasst, an den Klimastationen wie z. B. Bautzen, Bad Elster und Bad Muskau nur 07.30,
14.30 und 21.30 Uhr.
Fraunhofer IVI
Mai 2004
41

 
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
6.2 Ausbreitungsklassen-Zeitreihen und Schadstoffimmissionen
Um den Einfluss unterschiedlicher atmosphärischer Ausbreitungsverhältnisse auf die bo-
dennahen Schadstoffimmissionen zu ermitteln, wurden beispielhaft die PM10-Konzentra-
tionen von Leipzig, Lützner Straße und Leipzig-West des LfUG und die AKTerm-Daten
(Ausbreitungsklassen-Zeitreihen) der Wetterstation Leipzig-Schkeuditz für das Jahr 2002
herangezogen.
Zur grundlegenden Einschätzung der Ausbreitungssituation wurde die Häufigkeitsvertei-
lung der Ausbreitungsklassen und die Streuung der PM10-Konzentration pro Klasse ermit-
telt.
Im folgenden Bild 6.1 ist die Häufigkeitsverteilung der Ausbreitungsklassen für das Jahr
2002 dargestellt. Es zeigt sich, dass die neutrale (-stabile) Ausbreitungsklasse am meisten
auftritt. Im Gegensatz dazu ergeben sich sehr stabile oder sehr labile Zustände selten.
0
1000
2000
3000
4000
5000
6000
sehr stabil
stabil
neutral
(-stabil)
neutral
(-labil)
labil
sehr labil
Ausbreitungsklassen
Häufigkeit
Bild 6.1: Häufigkeitsverteilung der Ausbreitungsklassen
Im Bild 6.2 sind die Mittelwerte der PM10-Konzentration bei der jeweiligen Ausbreitungs-
klassen dargestellt. Die Messwerte beider Leipziger Stationen zeigen das gleiche Bild mit
den höchsten Konzentrationen bei den labilen und der sehr labilen und den niedrigsten
Werten bei den neutralen (-stabilen) Ausbreitungsklassen.
0
10
20
30
40
50
60
70
80
sehr stabil
stabil
neutral
(-stabil)
neutral
(-labil)
labil
sehr labil
Ausbreitungsklasse
mittlere PM10-Konz. [μg/m³]
LW02
LL02
Bild 6.2: Mittelwerte der PM10-, TSP-Konzentration in Abhängigkeit der
Ausbreitungsklassen, Leipzig, Lützner Straße und Leipzig-West 2002
Fraunhofer IVI
Mai 2004
42

Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
Ein ähnliches Bild ergibt sich bei der Zuordnung der Anzahl der PM10-Grenzwertüber-
schreitungen in der jeweiligen Ausbreitungsklasse. Die Tabelle 6.3 zeigt für die Lützner
Straße, dass bei diesen labilen und sehr labilen Ausbreitungsklassen die meisten Über-
schreitungen des ab 2005 geltenden PM10-Grenzwertes von 50 μg/m³ auftreten.
Ausbreitungsklasse 1 2 3 4 5 6
neutral neutral
sehr stabil
stabil
(-stabil)
(-labil)
labil
sehr labil
Anzahl der Werte
372.00
1268.00
5259.00
1105.00
459.00
248.00
Anzahl der
Überschreitungen [abs.] 186.00 425.00 1134.00 510.00 290.00 171.00
Anzahl der
Überschreitungen [%] 50.00 33.52 21.56 46.15 63.18 68.95
Tabelle 6.3: Anzahl der PM10-Grenzwertüberschreitungen von 50 μg/m³ in Abhängigkeit
der Ausbreitungsklassen, Leipzig, Lützner Straße 2002
Die Streuung der PM10-Konzentration ist am größten bei stabilen und sehr labilen Ver-
hältnissen (Bild 6.3).
0
200
400
600
800
1000
1200
1400
1600
sehr stabil
stabil
neutral
(-stabil)
neutral
(-labil)
labil
sehr labil
Ausbreitungsklassen
Streuung PM10 [μg/m³]
Bild 6.3: Streuung der PM10-Konzentration in Abhängigkeit von der Ausbreitungsklasse
Die Ergebnisse dieser Untersuchungen entsprechen der Beschreibung der jeweiligen Aus-
breitungsklasse bzgl. des Windes. Bei den sehr stabilen/stabilen sowie den sehr labi-
len/labilen Ausbreitungsklassen handelt es sich um windschwache Zeiträume. Günstig wir-
ken sich auf die Höhe der PM10-Konzentration die Zeiten mit hohen Windgeschwindigkei-
ten, d.h. die neutrale Ausbreitungsklassen aus. Damit zeigt sich, dass die Korrelation der
PM10-Konzentration zur Windgeschwindigkeit (neutral-stabile, neutrale-labile) sehr viel
stärker ist als zur Temperaturschichtung und den atmosphärischen Turbulenzen.
Bei PM10 handelt es sich um einen bodennahen Schadstoff, für den die Ausbreitungsklas-
sen nur insofern bedeutsam sind, dass die darin verankerte Windgeschwindigkeit die Höhe
der PM10-Konzentration beeinflusst.
Fraunhofer IVI
Mai 2004
43

 
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
7. Prognosemodell
Ursprünglich war im Verlauf des Projektes vorgesehen, ein detailliertes Prognosemodell für
die zu erwartenden PM10-Konzentrationen im Bereich von Stunden bis zu einem Tag zu
entwickeln. Der Auftraggeber LfUG hat diese Entwicklungen während des Projektes
zugunsten eines Moduls zur Anwendung der Screeningverfahren zurückstellen lassen.
Dennoch sollen die Ansätze für das Prognosemodell nachfolgend dargestellt werden.
Ausgangspunkt der Prognosemodelle sind wieder die umfangreichen Langzeitimmissions-
datensätze, wie sie in den letzten Jahren an automatischen Messstationen im gesamten
Bundesgebiet erfasst wurden.
Unter Verwendung der bisherigen Analysen ist ein Modell zu erstellen, das die unmittel-
bare und längerfristige Wirkung meteorologischer Einflussfaktoren wie
-
Windgeschwindigkeit
-
Temperatur
-
Taupunkt
-
relative Feuchtigkeit
-
Niederschlag
aber auch die anthropogenen Wirkungen wie
-
Verkehrsbelastung
-
Verkehrszusammensetzung
-
Hintergrundbelastung
in die Modellbildung einbezieht.
Datensätzen über zwei Jahre der Messstation Leipzig, Lützner Straße bilden die Ausgangs-
basis für die Erstellung eines Referenzdatensatzes, der neben PM10 auch die o.g. meteo-
rologischen Parameter enthält.
Um PM10 für den Folgetag zu prognostizieren, werden die aktuellen Wetterdaten einge-
geben. Definiert wurde ein Ähnlichkeitsmaß, dass über den euklidischen Abstand einen, in
seiner Wettersituation und Verkehrbelastung möglichst ähnlichen Tag aus dem Referenz-
datensatz (rund 700 Tagegänge Lützner Straße) ermittelt.
Der Referenztag mit der minimalen euklidischen Distanz stellt die Prognoseganglinie. Da-
bei wird unterschieden, ob es sich bei dem zu prognostizierenden Tag um einen Werktag,
Samstag, Sonn- oder Feiertag handelt.
Im Bild 7.1 ist beispielhaft eine PM10-Prognose für 15 willkürlich gewählte Tage darge-
stellt. Grau markiert ist der original gemessene, rot markier der vorhergesagte
PM10-Ta-
gesgang
(48 Halbstundenwerte). Für den vorherzusagenden PM10 Tagesgang werden
nur die ersten 7 Musterfunktionen der Hauptkomponentenzerlegung herangezogen, um
den Kurvenverlauf angemessenen zu glätten.
Fraunhofer IVI
Mai 2004
44

image
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
Bild 7.1: Ganglinienprognose für 15 willkürlich ausgewählte Tage anhand euklidischer
Ähnlichkeitsmaße
Es fällt auf, dass verschiedene Tagesverläufe sehr gut prognostiziert werden. Einige Ver-
läufe (z. B. 1. Zeile / 3. Spalte oder 4. Zeile / 3. Spalte) fallen jedoch vollkommen aus der
Reihe. Um die Vorhersage zu verbessern, wurde mit einem einfachen Optimierungsverfah-
ren die Wichtung der Einflussfaktoren innerhalb des Ähnlichkeitsmaßes so verändert, dass
sich die Prognosegenauigkeit verbessert (siehe Bild 7.2).
Fraunhofer IVI
Mai 2004
45

image
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
Bild 7.2: Verbesserte Ganglinienprognose für die 15 willkürlich ausgewählten Tage durch
optimale Wichtung der Einflussfaktoren im euklidischen Ähnlichkeitsmaß
Wie in Bild 7.2 zu erkennen, haben sich in der dritten Zeile zwei Prognosen durch Anpas-
sung der Wichtungsfaktoren deutlich verbessert. Zum Vergleich ist die ursprünglich
erstellte Prognose als gestrichelte Linie eingezeichnet.
Fraunhofer IVI
Mai 2004
46

Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
Einige wichtige Ergebnisse dieses Projektes wie beispielsweise die lange Nachwirkung eines
Regenereignisses (siehe Abschnitt 4.2) oder die Wirkung der Hintergrundbelastung sind in
der Modellbildung nicht berücksichtigt haben. In weiteren Entwicklungsschritten sollten
-
PM10-Niveaus des Vortages,
-
Unterscheidung nach Tagen mit und ohne Niederschlag,
-
Zeitpunkt es Niederschlagsereignisses und
-
die Anzahl niederschlagsloser Vortage
in das Ähnlichkeitsmaß des Prognosemodells aufgenommen werden. Die Wirkung singulä-
rere Ereignisse wie
-
Inversionswetterlagen
-
Ferntransporte (z. B. Saharastaub)
wurde bisher ebenfalls vernachlässigt. Dennoch erscheint der methodische Ansatz robust
genug, eine zuverlässige Prognose für Grenzwertüberschreitungen sowie zur quantitativen
Bewertung beabsichtigter Maßnahmen liefern zu können.
Fraunhofer IVI
Mai 2004
47

 
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
8. Zusammenfassung
Das Projekt diente vor allem dem Ziel, die im Pilotprojekt eingeführte Methodik des Da-
tenscreenings auf einen längeren Zeitraum und für Daten mehrerer Messstationen anzu-
wenden. Dafür wurden Daten aus Sachsen von zwei verkehrsbelasteten Stationen, drei
städtischen Hintergrundstationen sowie zwei ländlichen Messstandorten zur Verfügung
gestellt.
Soweit vorhanden, konnte neben PM10/TSP auch die Schadstoffbelastung durch Stick-
oxide ausgewertet werden.
Bei der
zeitlichen Zerlegung
der einzelnen Messgrößen als Tages- und Wochengänge
konnte vor allem der wesentliche Einfluss der Meteorologie auf die Höhe der Schadstoff-
konzentration nachgewiesen und die Ergebnisse des Pilotprojektes bestätigt werden. Die
zusätzliche Belastung durch den Verkehr führt zu einem unterschiedlich hohen Niveau der
Immissionsmesswerte.
Da für die PM10-Messung unterschiedliche Verfahren genutzt werden, war die Herstel-
lung eines Zusammenhanges zwischen
Sammler- und Automatenmessung
ein weiteres
Ziel des Projektes. Obwohl für diese Untersuchung keine Urdaten mehr vorlagen, konnte
ein linearer Zusammenhang zwischen beiden Messverfahren hergestellt werden.
Für die
Quellgruppenanalyse
kam ein neues Verfahren zum Einsatz, bei dem statistisch
unabhängige Signale mit Hilfe der sogenannten „Blind Signal Separation Method“ ge-
trennt werden. Deutlich hob sich dabei ein eigener Tagesgang des Verkehrs hervor.
Hausbrand und Industrieabgase konnten nicht als Zusatzbelastung an den vorliegenden
Messstellen eliminiert werden und spiegeln sich nur in der Hintergrundbelastung wider.
Am Beispiel der Messstationen Leipzig, Lützner Straße und Leipzig-West 2002 wurde der
Einfluss der
Ausbreitungklassen AKTerm
des DWD auf die PM10-Konzentrationen un-
tersucht. Die höchsten mittleren PM10-Konzentrationen und die meisten Grenzwertüber-
schreitungen (2005: 50 μg/m³) traten bei den labilen und sehr labilen Klassen auf, die ge-
ringsten bei der neutralen-(stabilen) Klasse.
Zurückgestellt wurde zugunsten der Entwicklung eines
PC-Moduls
zur Anwendung der
zeitlichen Zerlegung der Daten ein ursprünglich geplantes Prognosemodell auf Basis von
Messreihen vergangener Jahre.
Das bereits in ersten Ansätzen entwickelte
Prognosemodell für PM10
teilweise schon
eine sehr gute Übereinstimmung zwischen Modell und tatsächlichem PM10-Tagesgang.
Die Ergebnisse dieses Projektes haben aber auch noch grundlegende Schwächen aufge-
zeigt, die für
weiterführende Untersuchungen
von Bedeutung sind:
Einbeziehung des Niederschlages der vergangenen fünf Tage und sinnvoller Weise
einer Niederschlagsprognose
Berücksichtigung des PM10-Niveaus des Vortages
Außerdem sollten Inversionswetterlagen für das Prognosemodell beachtet werden.
Tiefer gehende
Signalanalysen
für eine Vielzahl von Datensätzen könnten die Grundlage
für detaillierter Quellgruppenanalysen vor allem bezüglich der Stickoxide bilden.
Fraunhofer IVI
Mai 2004
48

 
Statistische Quellgruppenanalyse für die PM10-Belastung in sächsischen Ballungsräumen
Literaturverzeichnis
[1] Richtlinie 96/62/EG DES RATES über die Beurteilung und die Kontrolle der Luftqualität
vom 27.9.1996.
[2] Richtlinie 1999/30/EG DES RATES über Grenzwerte für Schwefeldioxid, Stickstoffdioxid
und Stickstoffoxide, Partikel und Blei in der Luft vom 22. April 1999.
[3] Zweiundzwanzigste Verordnung zur Durchführung des Bundes-Immissionsschutz-
gesetzes Verordnung über Immissionswerte - 22. BImSchV vom 11. September 2002.
[4] Anke, K.; Sähn, E.; Klingner, M.: Pilotprojekt zur Auswertung von
Immissionsdatensätzen auf Basis von Screeningfunktionen. Im Auftrag des Sächsischen
Landesamtes für Umwelt und Geologie. Dresden, September 2002.
[5] Anke, K.; Klingner, M., Sähn, E., Löschau, G.: Screeningverfahren und
Immissionsmodelle zur Auswertung von PM10-Langzeitmessungen. In: Gefahrstoffe -
Reinhaltung der Luft 05/2003, Springer-VDI-Verlag, S. 201-208.
[6] Cardoso, J. and Souloumiac, A.: Jacobi Angles for Simultaneous Diagonalization. SIAM
J. Mat. Anal. Appl., Vol. 17, No. 1.,161-164, 1996.
[7] Biran, A.; Breiner, M.:Matlab 5 für Ingenieure - Systematische und praktische
Einführung, Addison-Wesley-Longman Verlag GmbH, 3. Auflage, Bonn 1999.
[8] Matlab - The Language of Technical Computing - Using Matlab Version 5, The Math
Works, Inc. 1984-1999.
[9] Matlab - The Language of Technical Computing - Using Matlab Graphics Version 6,
The Math Works, Inc. 1984-2000.
[10] Stoyan, D.; Stoyan, H.; Jansen, U.: Umweltstatistik - Statistische Verarbeitung und
Analyse von Umweltdaten. Teubner Verlag, Leipzig 1997.
[11] Stationscharakteristiken des LfUG
[12] Klingner, M. (Projektleitung): Simulation des Equipment und der Herstellungsprozesse
in der Mikroelektronik, Fraunhofer-Institut für Verkehrs- und Infrastruktursysteme
Dresden, Fraunhofer-Institut für Mikroelektronische Schaltungen und Systeme Dresden,
Technische Universität Dresden, Institut für Halbleiter und Mikrosystemtechnik Dresden,
Dresden 1999.
[13] Flemming,G.: Einführung in die Angewandte Meteorologie. Akademie-Verlag Berlin
1991.
[14] Anke, K.; Illgen, A.; Sähn, E.; Klingner, M.: Auswertung von Immissionsdatensätzen
aus automatischen Messstationen in Baden-Württemberg auf Basis von Screeningfunk-
tionen. Im Auftrag der Landesanstalt für Umweltschutz Baden-Württemberg, November
2003.
[15] Schenk, M.: Interkantonales Messprojekt für lungengängige Partikel (PM10). Umwelt
Aargau. Nr. 2, Aargau Juni 1998
[16]
www.hlug.de/medien/luft/ausbreitungsrechnung/dokumente/glossar_internet.pdf
[17] VDI-Richtlinie 3782 Blatt1: Umweltmeteorologie, Atmosphärische Ausbreitungsmodelle:
Gauß’sches Fahnenmodell für Pläne zur Luftreinhaltung. Anhang A. Dezember 2001.
Fraunhofer IVI
Mai 2004
49