Nauwkeurig de uitstoot van broeikasgassen meten is niet eenvoudig, en meestal wordt die dan ook berekend. Onderzoekers in München ontwikkelden een sensornetwerk voor het nauwkeurig meten van de emissies van deze stad. De sensoren registreerden al de afgenomen uitstoot van koolstofdioxide door de lockdown vanwege corona.

Het meten van de concentratie van broeikasgassen in de atmosfeer is belangrijk: zo weten we dat de concentratie koolstofdioxide gestaag stijgt en opwarming van de aarde veroorzaakt. Maar wat je vooral wilt weten is de emissie: de hoeveelheid broeikasgas die een bepaalde bron, bijvoorbeeld een auto of energiecentrale, de lucht in stuurt.
 

Berekende emissie

Dat blijkt een grotere uitdaging dan je misschien verwacht: de emissies die je nu op kaartjes ziet zijn vaak enkel berekend, zegt Jia Chen, hoogleraar Environmental Sensing and Modeling aan de Technischen Universität München: ‘Daarbij wordt de uitstoot van bijvoorbeeld auto's bij elkaar opgeteld. Deze berekeningen gaan alleen uit van bekende emissies. Is er ergens bijvoorbeeld een gaslek, dan wordt dat niet meegeteld. Je kun ook lokaal met sensoren de emissie meten, maar dat is heel gevoelig voor lokale verstoringen, zoals een auto die net voorbij rijdt. Tot slot doen satellieten zoals de NASA OCO-2 metingen vanuit de ruimte, maar die metingen duren zo kort dat per stad maar een paar seconden aan data beschikbaar is, per dag.’
 

Kolom meten

Chen en collega's ontwikkelden daarom MUCCnet, een netwerk van vijf sensoren waarmee voor het eerst automatisch en nauwkeurig de emissie gemeten wordt in de Zuid-Duitse stad München. In de vier windrichtingen rondom de stad en op het dak van de universiteit staan vijf stations die ieder automatisch de kolom lucht erboven analyseren via remote sensing.

 

De data gaan naar een centraal systeem, dat in combinatie met meteorologische data het verschil berekent tussen de meting van een station bovenwinds van de stad en degene direct benedenwinds ervan. Het verschil in concentratie van de broeikasgassen moet dan in de stad vrijgekomen zijn. Dat is dus de werkelijke emissie. Chen en collega's ontwikkelden deze Differential Column Method in 2016 en publiceerden vorige maand hun resultaten in het wetenschappelijk tijdschrift Atmospheric Measurement Techniques.
 

Vingerafdruk

Elk van de stations is een weerbestendige kist met daarin een infrarood-spectrometer. Die analyseert het lichtspectrum van zonlicht. De broeikasgassen in de lucht absorberen een deel van dat spectrum zodat een soort ‘vingerafdruk’ ontstaat. Daaruit berekent software de concentratie van elk gas, in het geval van MUCCnet zijn dat koolstofdioxide (CO2), methaan (CH4) en koolstofmonoxide (CO), alledrie broeikasgassen.
 


Het is dure apparatuur, dus staan de vijf stations op daken opgesteld. De apparatuur is beschermd door een weerbestendige kist, maar om te meten moet het deksel open. Daarvoor ontwikkelden de onderzoekers een roterende koepel op de kist die met sensoren zelf bepaalt wanneer hij opent en in welke richting het instrument meet. Dat is afhankelijk van waar de zon staat en of het regent. De metingen zijn alleen mogelijk bij direct zonlicht. Het systeem is in principe universeel. Er staat er inmiddels ook een in Oeganda (waar het klimaat warm is en de zon hoog staat) en Finland (een koud klimaat en vlakbij de poolcirkel, met laagstaande zon).
 

Minder CO2 tijdens de lockdown

Het MUCCnet is sinds september 2019 in de lucht. Daardoor konden Chen en collega's de effecten van de lockdown meten in het voorjaar van 2020, na de uitbraak van COVID-19. De uitstoot van CO2 van de stad München nam duidelijk af in die periode, maar Chen tempert de verwachtingen: ‘Het is interessant dat we de afname van het verkeer konden relateren aan een afnemende emissie. Maar die was niet genoeg om een verlaging in de CO2-concentratie in de lucht te veroorzaken. De lockdown heeft dus niet geholpen voor het klimaat.’


Verder lezen in het persbericht van de TUM. 


Tekst: Bastienne Wentzel
Openingsfoto Hoogleraar Jia Chen en projectmanager Florian Dietrich bij een van de sensoren uit het netwerk. Foto’s: A. Heddergott / TUM

Vond je dit een interessant artikel, abonneer je dan gratis op onze wekelijkse nieuwsbrief.