ENGINEERINGNET.BE - Fijnstof is een belangrijke veroorzaker van luchtvervuiling en smog.
Het ontstaat door uitstoot van primaire bronnen zoals verkeer, industrie en het verbranden van biomassa of afval, maar ook door secundaire vorming.
Extreme smogepisodes komen vaak voor in megasteden zoals Delhi en veroorzaken ernstige gezondheidsproblemen.
Tot nu toe richtten de meeste luchtkwaliteitsmetingen in de regio zich op monitoring aan de grond, waardoor de vervuilingsniveaus hoger in de lucht niet bekend waren.
Het meten van smog op hoogte is lastig. Metingen vanuit vliegtuigen en satellieten zijn te duur of hebben onvoldoende resolutie. Drones kunnen deze leemte opvullen.
Ajit Ahlawat, universitair docent aan TU Delft, heeft jarenlang onderzoek gedaan om deze uitdagingen te overwinnen en de meetnauwkeurigheid te valideren.
“Een belangrijke doorbraak was het ontwerp van een aangepaste verticale aerosol-inlaat, geplaatst ongeveer 30 centimeter boven de rotorbladen van de drone. Dit ontwerp minimaliseert het verlies van deeltjes door turbulentie van de rotorbladen. Een andere uitdaging was de hoge luchtvochtigheid, dat in die regio niet zeldzaam is. Omdat luchtbemonstering onder zulke omstandigheden moeilijk is, werd een speciaal ontworpen silicagel ontvochtiger aangesloten op de bemonsteringsbuis om betrouwbare resultaten te leveren,” aldus Ahlawat.
Het team stuurde de drone meerdere keren in de dichtbevolkte stedelijke omgeving van Zuid Delhi de lucht in. Dit deden zij in samenwerking met het Indian Institute of Technology Delhi.
Het instrument meette vanaf de drone fijnstofconcentraties op verschillende hoogtes. Deze metingen werden vervolgens gevalideerd met modelsimulaties.
De resultaten suggereren dat huidige modelsimulaties de fijnstof concentraties tijdens ochtendmist aanzienlijk onderschatten.
“Dit kan te wijten zijn aan de droge bias van het model, waardoor het moeilijk is om de hygroscopische groei van aerosolen bij hoge luchtvochtigheid te simuleren,” zegt prof. Mira Pöhlker, verbonden aan TROPOS en de Universiteit van Leipzig.
De nieuwe inzichten in de vorming van luchtvervuiling die deze methode oplevert, kan onder meer leiden tot de ontwikkeling van betere voorspellings- en waarschuwingssystemen in megasteden.
