7 Samenvatting - VU

Chapter 7: Samenvatting
7 Samenvatting
Dit laatste hoofdstuk vat de belangrijkste resultaten samen met betrekking tot het globaal
en regionaal modelleren van emissie factoren. Verder belicht ik de implicaties van dit
werk, bediscussieer de onderzoeksperspectieven, en tot slot doe ik aanbevelingen voor
toekomstige studies.
97
Chapter 7: Samenvatting
7.1 Inleiding
In deze thesis heb ik de rol van emissie factor (EF) variabiliteit bij emissies van
vegetatiebranden bestudeerd. Een EF kan worden gedefiniëerd als de hoeveelheid
sporengas of aërosol ‘X’ die vrijkomt per eenheid brandstof, en wordt meestal als g ‘X’
per kg brandstof weergegeven. Ondanks dat er veel veldmetingen van EFs beschikbaar
zijn, is de waargenomen variabiliteit nooit systematisch onderzocht. Dit is echter
noodzakelijk voor globale analyses van vegetatiebranden, omdat de onzekerheden in EFs
direct van invloed zijn op de onzekerheden in de emissie schattingen.
Ik heb een uitgebreid literatuuronderzoek verricht om alle beschikbare EF metingen op
een rij te zetten, en vervolgens satellietgegevens van diverse vegetatie karakteristieken en
klimatologische omstandigheden gebruikt om een beter inzicht te krijgen in de
ruimtelijke en temporele variabiliteit van EFs op een globale schaal. Voor deze analyse
met satellietdata heb ik de wereld onderverdeeld in cellen van ongeveer 100 bij 100
kilometer (0.5° ! 0.5°). Variabelen die correleerden met een deel van de EF variabiliteit
zijn de mate van bosbedekking, de groenheid van de vegetatie, temperatuur, neerslag, en
de lengte van het droge seizoen. Op basis van de bevindingen werden 6 nieuwe EF
scenario's ontwikkeld voor koolstofmonoxide (CO) met een verschillende ruimtelijke en
temporele variabiliteit, en vervolgens werden deze scenario’s in het Global Fire
Emissions Database (GFED) model geïmplementeerd. Om de impact van deze nieuwe
emissievelden op de atmosfeer te bepalen, gebruikte ik het TM5 atmosferisch transport
model. Validatie pogingen werden vervolgens uitgevoerd met behulp van CO
grondmetingen van National Oceanic and Atmospheric Administration (NOAA) en CO
satelliet observaties van het Measurement Of Pollution in The Troposphere (MOPITT)
instrument.
Naast dit globale model heb ik ook een regionaal emissie model ontwikkeld voor
vegetatiebranden in de Braziliaanse provincie Mato Grosso. In de afgelopen decennia
hebben in deze provincie veel ontbossingsactiviteiten plaatsgevonden, die vaak gepaard
gaan met grootschalige branden. Een belangrijke dataset die in deze regionale studie
gebruikt is zijn satelliet observaties van de temperatuur van het aardoppervlak (land
surface temperature [LST]). Op basis van deze LST data heb ik een nieuwe methode
ontwikkeld om veranderingen in tropische bosbedekking te detecteren, en deze methode
heb ik vervolgens toegepast om de hoeveelheid biomassa te kwantificeren die verloren is
gegaan tijdens ontbossingsbranden in de jaren 2001-2007. Seizoensgebonden variaties in
EFs werden toegevoegd door gebruik te maken van het meest veelbelovende EF
scenario dat eerder voor de globale analyses was ontwikkeld, en gebaseerd is op de
modified combustion efficiency (MCE). De variabiliteit in MCE werd geschaald met
behulp van een droogte-index, en relaties tussen de MCE en EFs gevonden in de
literatuur werden gebruikt om de bevindingen te vertalen naar EFs voor CO,
stikstofoxiden (NOx) en methaan (CH4). In de volgende hoofdstukken zal dit werk in
meer detail worden samengevat.
7.2 Globale analyse van factoren die variatie in EFs veroorzaken
Emissie factoren van vegetatiebranden vertonen een grote variatie in tijd en ruimte. In
deze thesis heb ik onderzocht welk deel van deze variabiliteit verklaard kan worden aan
de hand van globale datasets van o.a. de mate van bosbedekking, neerslag en
temperatuur. Hoewel er redelijke correlaties werden gevonden voor specifieke studies en
gebieden, waren de correlaties op basis van alle beschikbare EF metingen lager en
verklaarden ongeveer 33%, 38%, 19%, en 34% van de variabiliteit voor respectievelijk
CO, CH4, koolstofdioxide (CO2), en de MCE. Meerdere factoren kunnen
verantwoordelijk zijn voor een deel van de resterende variabiliteit, waaronder de
98
Chapter 7: Samenvatting
onzekerheden in de verklarende variabelen die we hebben gebruikt op een 0.5° ! 0.5°
resolutie, de variatie van het koolstofgehalte in de brandstof, verschillen in
meettechnieken, aannames met betrekking tot de verhoudingen van brandende en
smeulende delen van de brandstof, en onvoldoende informatie over de meetlocaties.
Daarnaast hebben we variabelen die mogelijk ook van invloed zijn op de EF variabiliteit,
zoals de topografie en windsnelheid, in onze analyse genegeerd.
Nieuwe gemiddelde EFs voor het savanne en grasland, tropisch bos, en extratropisch
bos bioom werden op twee verschillende manieren berekend. Ten eerste, wogen we elke
EF meetlocatie met zijn relatieve belang in een brand-klimaat venster, dat bepaald werd
door de hoeveelheid biomassa verbrand binnen zogenaamde klimaat vensters op basis
van de mate van bosbedekking, gemiddelde jaarlijkse temperatuur en de gemiddelde
jaarlijkse neerslag. EF metingen in Californische chaparral branden droegen bijvoorbeeld
niet veel bij aan de bioom gemiddelde EF voor extratropisch bos, aangezien op een
globale schaal de emissies uit deze regio -met een lage gemiddelde jaarlijkse neerslag en
mate van bosbedekking- nagenoeg verwaarloosbaar zijn. De tweede benadering is
gebaseerd op het maken van nieuwe globale MCE kaarten met behulp van gevonden
relaties tussen omgevingsfactoren en de MCE. Een gemiddelde MCE voor het bioom
werd berekend door de MCE van elk bioom te wegen over de hoeveelheid biomassa die
verbrand is, en vervolgens werd een bioom-gemiddelde EF berekend met behulp van de
relatie tussen MCE en EF zoals gevonden door Andreae en Merlet [2001].
Op basis van de eerste aanpak, en gebruikmakend van het klimatologische venster met
de hoogste voorspellende waarde, vielen de bioom-gewogen EFs lager uit dan het
rekenkundig gemiddelde van Andreae en Merlet [2001], en het grootste verschil werd
gevonden voor CH4 in savannes (8.7%). Voor CO waren de gewogen EFs ook lager dan
het rekenkundig gemiddelde van Andreae en Merlet [2001] voor savanne en tropisch bos
(1.7% en 7.9%), maar hoger voor extratropisch bos (3.8%). Echter, rekening houdend
met de reeds eerder genoemde onzekerheden, zijn deze gevonden verschillen
waarschijnlijk te verwaarlozen.
Een tweede manier van wegen op basis van verschillende omgevingsfactoren gaf aan dat
de MCE voor savanne en grasland lager was dan het rekenkundig gemiddelde van alle EF
metingen. Dit zou voor hogere emissies van CO (13%), CH4 (22%) en andere
gereduceerde gassen zorgen in dit bioom, en kunnen mogelijk wijzen op een
ondervertegenwoordiging van EF metingen in bosrijke savannas.
7.3 EF modelleren op een globale schaal
Tot op heden hebben de meeste globale analyses van emissies van vegetatiebranden
gebruik gemaakt van EF scenario's gebaseerd op het werk van Andreae en Merlet [2001] of
Akagi et al. [2011], met statische EFs voor de verschillende biomen. Op basis van de in
hoofdstuk 6.2 beschreven bevindingen en de brandstof schattingen van GFED heb ik
een nieuwe set sporengas emissies ontwikkeld. Verschillende niveaus van complexiteit
werden ingebouwd in de EF scenario's, van de ruimtelijke en temporele variabiliteit in
omgevingsfactoren tot meer complexe scenario's waarin verschillende soorten brandstof
in GFED een specifieke MCE kregen toegewezen die ook varieerde in ruimte en tijd.
De meeste EF scenario’s wezen op een verhoging van CO emissie schattingen in boreale
regio's ten opzichte van het GFED standaard scenario, met verschillen tot 50%
gevonden voor de totale CO uitstoot in de periode 2002-2007. Voor het continent Afrika
werden lagere waarden geschat, met gemiddeld een totale jaarlijkse daling van ~3.5%. Na
het transport van de nieuwe emissievelden in de atmosfeer met het TM5 model,
veranderden ook de atmosferische mengverhoudingen van CO afhankelijk van het
model. Een spreiding van 30 ppb CO werd gevonden voor de verschillende EF
99
Chapter 7: Samenvatting
scenario’s boven boreaal Noord-Amerika tijdens het brandseizoen, en voor zowel Afrika
als Zuid-Amerika varieerde de waarden met 15 ppb afhankelijk van het EF-scenario.
De EF scenario's waarin temporele variaties zijn opgenomen werden fysisch
aannemelijker gezien dan statische EF scenario's, mede door de aanzienlijke
seizoensgebondenheid van verschillende omgevingsfactoren gevonden in belangrijke
vegetatiebrand gebieden. Helaas hebben oppervlaktewaarnemingen van CO in de
troposfeer en recente ‘inverse modeling’ studies geen uitsluitsel kunnen geven over welk
EF scenario beter is ten opzichte van de andere, en een " beste" EF scenario kon dus
niet worden geselecteerd. MOPITT satelliet observaties van CO concentraties gaven aan
dat de keuze van EF scenario regio-specifiek zou kunnen zijn: in de boreale gebieden
presteerde de brandstof specifieke aanpak beter, terwijl het includeren van EF
seizoensgebondenheid door omgevingsfactoren een belangrijkere rol speelde in de ZuidAmerika en Indonesië.
Het MCE scenario met een temporele variabiliteit werd beschouwd als het meest
veelbelovende EF scenario. MCE waarden toewijzen aan specifieke soorten brandstof
zorgt voor een betere vastlegging van variabiliteit binnen biomen. Het specifiek
toewijzen van een fractie van de emissies aan bijvoorbeeld de bodem kan belangrijk zijn
voor boreale gebieden, omdat er met de rol van organische consumptie thans rekening
wordt gehouden. Binnen het savanne en grasland bioom kan de bijdrage van houtachtig
puin belangrijk zijn bij het scheiden van grasland en beboste vegetatie.
Samengevat heb ik een nieuwe set van globale emissie schattingen ontwikkeld die
gebruikt kan worden in gevoeligheidsanalyses. Deze studie benadrukte het belang van
een beter begrip van de ruimtelijke en temporele variabiliteit in EFs voor atmosferische
studies in het algemeen, en in het bijzonder bij het gebruik van CO of aërosolen om
koolstofuitstoot van vegetatiebranden te schatten.
7.4 EF modelleren op een regionale schaal: Ontbossingsbranden in
Brazilië
In het globale model werd de heterogeniteit van het landschap en het klimaat binnen de
0.5° ! 0.5° cellen genegeerd. Deze heterogeniteit kan echter groot zijn, met name in
ontbossingsgebieden waar verschillende typen branden met soms ordes van grootte
verschil in biomassa voorkomen. Vandaar dat we hogere ruimtelijke (1km) en temporele
(16 dagen) resolutie data gebruikten om een regionaal emissie model te ontwikkelen en
zo de impact van EF variabiliteit op ontbossingsbranden in de Braziliaanse staat Mato
Grosso te onderzoeken.
Om de volledigheid van de verbranding (combustion completeness [CC]) te
kwantificeren en de emissies over de jaren 2001-2007 te verdelen, werden satelliet
observaties van de temperatuur van het aardoppervlak (LST) gebruikt. LST-data bleken
een nuttige bron van informatie om bos van niet-bos gebieden te onderscheiden, en
tevens voor het kwantificeren van ontbossing met een jaarlijkse tijdstap. Ik vond dat deze
methode de grootste voorspellende waarde heeft wanneer de focus ligt op het einde van
het droge seizoen (~1-2 maanden na de minimale maandelijkse neerslag). Tijdens dit deel
van het jaar valt er over het algemeen weinig neerslag en is de oppervlakte vochtigheid op
een minimum. Naast het belang om LST data te gebruiken tijdens de maanden met de
hoogste beschrijvende kracht, vond ik dat het verschil tussen dag en nacht LST een
verbetering geeft in classificatie modellen om bos en niet-bosgebieden te onderscheiden
ten opzichte van modellen die alleen gebruik maken van dag LST. Al deze informatie
werd gebruikt om een algoritme te ontwikkelen dat geschikt is om pan-tropische
ontbossing te klassificeren.
Met behulp van deze LST methode om emissies te bepalen, en schattingen van de
grootte van de branden, kan de totale hoeveelheid biomassa worden geschat die verloren
100
Chapter 7: Samenvatting
gaat tijdens de ontbossingsbranden. EF variabiliteit werd gemodelleerd met behulp van
de MCE, geschaald met een droogte-index. Volgens ons model, dat gebaseerd is op data
uit het veld en de ruimte, zorgde variabiliteit in EFs voor grote verschillen ten opzichte
van het gebruik van statische EF, en CO, NOx en CH4-emissie schattingen veranderden
met respectievelijk 21, 16, en 44% voor de jaren 2001-2007. Voor NOx werden zelfs
verschillen tot 81% in het begin van het droge seizoen (april-juni) gevonden. In regio's
waar veel biomassa werd verloren vonden aanzienlijk meer branden plaats in het vroege
droge seizoen (april-juni). In dit deel van het jaar zorgen vochtige omstandigheden voor
een verlaging van de MCE, en daarom werden deze regio's meer beïnvloed door EF
variaties ten opzichte van gebieden met een geringer verlies aan biomassa, waar weinig
branden plaatsvonden in het begin van het droge seizoen. De totale CO emissies op basis
van statische en variabele EFs zijn respectievelijk 1389 en 1720 Gg per jaar, een verschil
van 24%. Voor regio's met een geringer verlies aan biomassa was dit verschil 17%.
Verder is in dit werk gebleken dat het belang van EF seizoensinvloeden afhankelijk is van
sporengas of aërosol type, en ook van het soort landgebruik. Een implicatie van ons werk
is dat wanneer grondeigenaren aangemoedigt worden om niet te verbranden in het
vroege droge seizoen, de lokale luchtkwaliteit mogelijk verbetert en er minder CH4
vrijkomt bij ontbossingsbranden.
7.5 Onderzoeksperspectieven en aanbevelingen
7.5.1 EF data beschikbaarheid
Meer dan 100 EF metingen zijn uitgevoerd in verschillende biomen waar regelmatig
vegetatiebranden voorkomen, en bioom-gemiddelde EFs gebaseerd op het werk van
Andreae en Merlet [2001] en Akagi et al. [2011] worden veelal gebruikt in verschillende
modelleringsgemeenschappen.
De database van Andreae en Merlet [2001], die jaarlijks geupdate wordt door M.O. Andreae
[2011, persoonlijke communicatie], verschaft bioom-gemiddelde EFs voor o.a. savannes
en graslanden, tropische bossen, en extratropical bossen. Het gemiddelde wordt
genomen over alle beschikbare EF metingen voor deze specifieke biomen, maar mede
door het gebruik van verschillende meettechnieken en wisselende aannames met
betrekking tot de verhouding van brandende en smeulende delen van de brand, zijn niet
alle metingen goed met elkaar te vergelijken.
Akagi et al. [2011] gebruikte een meer uniforme aanpak en focuste alleen op EF metingen
van 'verse' rookpluimen. Deze pluimen zijn afgekoeld tot kamertemperatuur, maar
hebben nog geen fotochemische processen ondergaan. Op deze manier zijn chemische
verstoringen verwaarloosbaar, en zorgen ze mogelijk voor een betere vertegenwoordiging
van de ware regionale initiële emissies van een brand. Deze aanpak heeft mogelijk een
grote impact op gemeten EFs voor met name reactieve en vluchtige gassen. Verder is in
de database van Akagi et al. [2011] het aantal specifieke biomen uitgebreid. De categorie
'extratropisch bos', zoals gebruikt door Andreae en Merlet [2001], werd verdeeld in ‘boreaal
bos’ en ‘gematigd bos’, en een specifieke EF voor chapparal branden is ook inbegrepen.
Deze uitbreiding kan recht doen aan de verschillen tussen de branden in deze biomen.
Echter, ook deze aanpak heeft nog steeds te maken met tekortkomingen door het
gebruik van verschillende meettechnieken en inconsistente aannames met betrekking tot
de brand-smeul verhouding.
7.5.2 Toekomstige EF meetcampagnes
Ik heb verschillende ‘hiaten’ geidentificeerd in de beschikbaarheid van EF data die,
wanneer aangepakt, tot een verbetering van ons begrip kunnen leiden betreffende de
ruimtelijke en temporele EF variabiliteit.
101
Chapter 7: Samenvatting
Ten eerste worden er een aantal belangrijke emissie gebieden onderbemonsterd,
waaronder Centraal-Afrika, boreaal Azië en Indonesië. Elk van deze gebieden heeft
waarschijnlijk een relatief hoge uitstoot van gereduceerde gassen: zo zijn er meer
bosbranden in Centraal-Afrika in vergelijking met zuidelijk Afrika waar de meeste
savanne metingen zijn verricht, en meer grondbranden in boreaal Azië ten opzichte van
boreaal Noord-Amerika waar de meeste extratropische EFs werden gemeten. In
Indonesia vinden onder vochtigere omstandigheden meer veenbranden plaats dan in
Zuid-Amerika, waar de meeste EFs voor ontbossingsbranden gemeten worden. Alleen
nieuwe metingen kunnen de hypothese bevestigen dat in de huidige beschikbare
literatuur er slechts een kleine onzekerheid wordt gevonden voor de EFs van
gereduceerde gassen.
Ten tweede is er behoefte aan metingen over het volledige brandseizoen om zo een beter
inzicht in de temporele variatie van EFs te krijgen. Voortbouwend op het werk van
Korontzi et al. [2003] en Meyer et al. [2012] is de bemonstering van de maanden voor en na
de lokale piek-brand maand nodig om de EF seizoensgebondenheid te begrijpen.
Ten derde kan het meten en beschrijven van de brandstof samenstelling, het
vochtgehalte, en omgevingsfactoren zoals windsnelheid en temperatuur zorgen voor een
beter begrip van de factoren die EFs beïnvloeden, vooral wanneer meerdere locaties
worden bezocht met hetzelfde meetprotocol. Dit vereist een meer multidisciplinaire
aanpak en pleit voor het combineren van campagnes gericht op het kwantificeren van de
biomassa, de CC, EFs, en satelliet validaties van bijvoorbeeld brand-hotspot detectie en
de nauwkeurigheid van het verbrande gebied. Naar aanleiding van het werk van Chen et al.
[2010a] kan een goede start gemaakt worden (zeker vanuit logistiek oogpunt) met
verschillende laboratorium-experimenten, om zo de rol van verschillende factoren zoals
bodemvochtigheid, temperatuur, stikstofgehalte en brandstof stapeling te bepalen op
EFs van verschillende soorten vegetatie.
Tenslotte werd het gebruik van de MCE gepromoot in dit proefschrift. De MCE,
gedefinieert als de hoeveelheid koolstof vrijgekomen als CO2 gedeeld door de
hoeveelheid koolstof vrijgekomen als CO2 en CO, is vaak goed gerelateerd met de EFs
van andere sporengassen en aërosolen. Een beter begrip van deze relaties en de factoren
die de variabiliteit in MCE beïnvloeden kan een belangrijk aandachtspunt van de
toekomstige meetcampagnes zijn, aangezien de bevindingen direct kunnen worden
vertaald naar emissie schattingen voor verschillende interessante gassen.
7.5.3 Satelliet observaties van sporengassen en aërosolen
In dit proefschrift heb ik gebruikt gemaakt van EF metingen verricht vanaf de grond of
vanuit een vliegtuig. Ondanks het feit dat deze metingen een uitgebreide set aan EF data
hebben opgeleverd, is de ruimtelijke en temporele representativiteit verre van perfect.
Satellietwaarnemingen kunnen sommige van deze ‘gaten’ opvullen gezien hun globale
dekking en relatief hoge tijdsresolutie. Mits de fouten ten gevolge van het transport en
chemie alswel de onzekerheden in de satelliet observaties van sporengassen en aërosolen
in acht genomen worden, kan een combinatie van bottom-up (zoals de GFED emissies)
en top-down methoden mogelijk voor een verbeterde kwantificering van de EFs van
vegetatiebranden zorgen. Bij het combineren van observaties van meerdere gassen kan
bovendien de ruimtelijke en temporele EF variabiliteit beter onderzocht worden.
Tijdens het werk aan dit proefschrift zijn er nieuwe studies verschenen die deze manier
van aanpak gebruikten. Mebust et al. [2011] en Mebust en Cohen [2013] bijvoorbeeld, hebben
troposferische kolom waarnemingen van NO2 met satelliet observaties van het
stralingsvermogen van branden (FRP [Wooster et al., 2003]) gecombineerd om NOx
emissiecoëfficiënten en hun temporele variabiliteit te berekenen voor savannabranden in
Afrika en de Noord-Amerika. Castellanos et al. [2013] gebruikte NO2 gegevens van Ozone
102
Chapter 7: Samenvatting
Monitoring Instrument (OMI) en CO observaties van het MOPITT instrument om NOx
EFs te schatten voor vegetatiebranden in Zuid-Amerika in 2005, en Ross et al. [2013]
bepaalde de eerste CH4 en CO2 emissie verhoudingen in een rookpluim vanuit de ruimte
met behulp van korte golflengte infrarood spectra van de Greenhouse Gases Observing
Satellite (GOSAT). Deze studies wijzen op de mogelijkheden om sporengassen vanuit de
ruimte te meten en de potentie om zo de emissies van vegetatiebranden beter te
karakteriseren.
In de afgelopen twee decennia is er grote vooruitgang geboekt bij de detectie van
sporengassen vanuit de ruimte, en momenteel kunnen instrumenten reeds schattingen
van CO2, CO, CH4, NO2, NH3, SO2, HCOH, NMVOC en fijnstof concentraties [Palmer
et al., 2008; Straten et al., 2013] maken. De grondmetingen geven een veel langere lijst met
gevonden gassen en kunnen niet volledig worden vervangen door satelliet observaties,
maar een beter gebruik van satelliet waarnemingen van sporengassen in combinatie met
gedetailleerde simulatie van de rookpluimstijging en dispersie, en de beschikbaarheid van
hogere ruimtelijke en temporele resolutie satelliet datasets zijn de sleutel om ons begrip
van EF dynamiek te verbeteren.
7.5.4 Het schatten van emissies van vegetatiebranden in het algemeen
Dit proefschrift ging over het modelleren van EFs, deels om de GFED schattingen van
sporengas emissies te verbeteren. Echter, een 'perfecte' representatie van de ruimtelijke
en temporele EF variabiliteit hangt af van de berekening van GFED koolstof emissies.
Het modelleren van emissies van vegetatiebranden omvat vele stappen, elk voorzien van
onzekerheden die niet altijd gemakkelijk te kwantificeren zijn. In het algemeen worden de
onzekerheden in globale koolstof emissies van vegetatiebranden geschat op ongeveer
20% op jaarbasis schaal [van der Werf et al., 2010], maar deze zijn groter voor kleinere
regio's of kortere tijdvensters. Om onzekerheden te verkleinen zijn hoge kwaliteit
datasets van de grootte van de branden cruciaal.
Informatie over het stralingsvermogen van een brand (fire radiative power [FRP]), wat
gelijk is aan de snelheid van de elektromagnetische energie die vrijkomt bij een brand,
kan worden gebruikt als een alternatieve benadering. In de afgelopen jaren zijn emissie
schattingen met behulp van FRP verbeterd, en zeer recentelijk hebben het samenvoegen
van informatie over de grootte van een brand en de FRP [Roberts et al., 2009; Roy en
Boschetti, 2009, Randerson et al., 2012] met succes onzekerheden verlaagd in datasets van de
grootte van een brand. Om de biogeochemische modellen te verbeteren en de
verschillende soorten brandstof beter te vertegenwoordigen is de beschikbaarheid van
hoge-resolutie input datasets noodzakelijk. Een parameter die speciale aandacht verdient
in toekomstige studies is de CC, mede omdat de temporele variabiliteit mogelijk een deel
van de effecten gevonden voor EF variaties van bepaalde sporengassen kan tegenwerken.
Naast het verbeteren van de ruimtelijke resolutie en de kwaliteit van de input dataset, is
er duidelijk behoefte aan een meer multidisciplinaire aanpak. De opzet van biomassa
verbrandingsexperimenten waarbij een aantal belangrijke parameters, zoals EFs en de
grootte van een brand, gelijktijdig worden gemeten vanaf de grond, lucht en ruimte, zal
de modelleringsgemeenschap helpen in hun queeste naar een beter begrip en een
nauwkeurige kwantificering van emissies van vegetatiebranden.
103
Chapter 7: Samenvatting
104

Download Report