Sprache auswählen
Medienmitteilung: Download: 
swissaerosolaward_2020_deutsch.pdf561.57 kB | Zusammenfassung.Sauvageat_Zeder.pdf144.79 kB
Der Swiss Aerosol Award wurde anlässlich der virtuellen Tagung der Schweizerischen Aerosol Gesellschaft am 3.11.2020 zum 10. Mal verliehen. Die jungen Preisträger präsentierten ihre Forschungsergebnisse über den Ausstoss von Feinstaubpartikeln durch einen Businessjet (Dr. Lukas Durdina, EMPA und ZHAW)und über die automatisierte Auswertung von Pollenmessungen (Eric Sauvageat, Uni Bern, und Yanik Zeder, Swisens AG).
Die erstmalige Messung der Partikelemissionen eines Businessjets durch Lukas Durdina und seine Mitautoren zeigen, dass diese zwar nur etwa 20% so viel Flugpetrol verbrauchen, aber trotzdem mehr Partikel ausstossen als ein Kursflugzeug. Bezogen auf einen einzelnen Passagier sind diese sogar 72-mal mehr gesundheits- und klimaschädlich, was bei den zukünftigen Emissionsgrenzwerten für kleine Jets berücksichtigt werden sollte wie bei den grossen.
(Durdina, L., Brem, B. T., Schönenberger, D., Siegerist, F., Anet, J. G., & Rindlisbacher, T. (2019).Nonvolatile Particulate Matter Emissions of a Business Jet Measured at Ground Level and Estimated for Cruising Altitudes. Environmental Science and Technology, 53(21), 12865–12872.https://doi.org/10.1021/acs.est.9b02513)
Mit dem Aufkommen neuer Pollenüberwachungsgeräte besteht ein wachsender Bedarf, die großen Mengen an Messdaten genau und effizient zu verarbeiten. In Ihrer kürzlich veröffentlichten Studie entwickeln Eric Sauvageat und Yanik Zeder eine neue Technik zur Klassifizierung von Echtzeit-Partikelmessungen, die mittels dem Swisens Poleno Messsystem gemacht wurden. Dieses Instrument ist derzeit das einzige operationelle Pollenüberwachungsgerät, das digitale Holographie verwendet.
(Sauvageat, E., Zeder, Y., Auderset, K., Calpini, B., Clot, B., Crouzy, B., Konzelmann, T., Lieberherr, G., Tummon, F., and Vasilatou, K.: Real-time pollen monitoring using digital holography, Atmos. Meas. Tech., 13, 1539–1550,
Um die vom Poleno gemessenen Pollenpartikel zu identifizieren und zu klassifizieren, werden die holographischen Bilder zunächst verwendet, um Pollenkandidaten anhand ihrer allgemeinen Form von anderen Partikeln zu trennen. In einem zweiten Schritt wurde ein Algorithmus für maschinelles Lernen entwickelt und trainiert, indem bekannte Pollenpartikel in das Gerät eingeführt wurden. Der resultierende Datensatz wird dann für die unbekannten Pollenkörner verwendet, um zwischen den verschiedenen Taxa zu unterscheiden. Dieses zweistufige Verfahren ermöglichte es dem System, 8 Pollentypen zu identifizieren und zu klassifizieren, wobei 6 von ihnen eine Genauigkeit von mehr als 90% aufwiesen. Zusätzlich zur Klassifizierungsfähigkeit des Geräts untersuchten die Autoren auch die Zählgenauigkeit des Poleno durch Experimente mit kontrollierten Kammern.
(Sauvageat, E., Zeder, Y., Auderset, K., Calpini, B., Clot, B., Crouzy, B., Konzelmann, T., Lieberherr, G., Tummon, F., and Vasilatou, K.: Real-time pollen monitoring using digital holography, Atmos. Meas. Tech., 13, 1539–1550,https://doi.org/10.5194/amt-13-1539-2020, 2020)
Press relase: Download: swissaerosolaward_2020_englisch.pdf630.24 kB | Zusammenfassung.Sauvageat_Zeder.pdf144.79 kB
The 10th Swiss Aerosol Award has been presented at the annual conference of the Swiss Aerosol Society November 3, 2020 to Dr. Lukas Durdina (EMPA and ZHAW) for his publications on particulate emissions of a business jet and to Eric Sauvageat (Uni Berne) and Yanik Zeder (Swisens AG) for their work on Real-time pollen monitoring using digital holography.
Dr. Lukas Durdina and his Co-authors first reported particulate matter emissions of a business jet aircraft measured according to a new international emissions standard
Business aviation is a relatively small but steadily growing and little investigated emissions source. Regarding emissions, aircraft turbine engines rated below 26.7 kN thrust are certified only for visible smoke and are excluded from the non-volatile particulate matter (nvPM) standard. Emissions data for small engines are lacking. As the demand for air travel surges, fuel burn from commercial aviation is expected to double in 40 the next 15 years. The fleet is even predicted to grow worldwide by 33% in the next 8 years.
Small plane - low emissions?
Despite the small aircraft size and relatively low fuel burn, the nvPM mass emission rates were up to a factor of 3 higher than previously reported for the Boeing 737 engines. We have shown here that a modern business jet may emit as much nvPM from airport operations as an airliner. The comparison with airliners at cruise altitude suggests that nvPM emissions from a business jet flight may be higher than those of an airliner. Expressed as a per-person burden (assuming 180 airliner passengers and 5 business jet passengers), the nvPM mass emissions are higher by a factor of 72 and the nvPM number emissions are higher by a factor of 24.
This study will serve for the development of emission inventories and the results could also be used in the regulatory framework for assessing the emissions certification requirements of small aircraft turbine engines
Durdina, L., Brem, B. T., Schönenberger, D., Siegerist, F., Anet, J. G., & Rindlisbacher, T. (2019). Nonvolatile Particulate Matter Emissions of a Business Jet Measured at Ground Level and Estimated for Cruising Altitudes. Environmental Science and Technology, 53(21), 12865–12872. https://doi.org/10.1021/acs.est.9b02513
Sunrise above the Falcon 900 EX with the exhaust sampling probe and instruments in place. Photo: Lukas Durdina.
As new real-time pollen monitoring devices emerge, there is a growing need for processing the large amount of measurement data in an accurate and efficient way. Eric Sauvageat and Yanik Zeder develop and validate a new algorithm to classify real-time particle measurements taken by the “Swisens Poleno”. This instrument is currently the only operational pollen monitoring device using digital holography.
To identify and classify the pollen particles measured by the Poleno, the holographic images are first used to separate pollen candidates from other particles based on their general shape. As a second step a machine learning algorithm was developed and trained by inserting known pollen particles in the device. The resulting dataset is then used on the unknown pollen grains to discriminate between the different taxa. This two-step procedure enabled the system to identify and classify 8 pollen types, whereby 6 of them had accuracies greater than 90%. In addition to the classification ability of the device, the authors also investigated the counting accuracy of the Poleno by performing controlled chamber experiments.
(Sauvageat, E., Zeder, Y., Auderset, K., Calpini, B., Clot, B., Crouzy, B., Konzelmann, T., Lieberherr, G., Tummon, F., and Vasilatou, K.: Real-time pollen monitoring using digital holography, Atmos. Meas. Tech., 13, 1539–1550, https://doi.org/10.5194/amt-13-1539-2020, 2020)