1. No category

FRÅN ENKLA METODER ATT BERÄKNA
EXPONERING TILL AVANCERADE
SKATTNINGAR AV RELATERADE
HÄLSOEFFEKTER
– förslag till metodik i MKB för vägprojekt
Delrapport 2 från projektet
Bättre metoder att beskriva hälsopåverkan av vägtrafikens
miljökonsekvenser
Projektledare/redaktör: Bertil Forsberg
Umeå universitet
Yrkes- och miljömedicin
Institutionen för folkhälsa och klinisk medicin
2006
1. Introduktion............................................................................................................................ 3
1.1 Bakgrund och syfte ........................................................................................................... 3
2. Hälsokonsekvenser................................................................................................................. 4
2.1 Hälsokonsekvenser och kvantifieringsmöjligheter........................................................... 4
2.2 Befolkningsdata................................................................................................................ 6
2.3 Hälsokonsekvensberäkningar........................................................................................... 9
2.4 Referenser....................................................................................................................... 14
3. Buller, exponering, ER-samband och beräkningsexempel .................................................. 15
3.1 Buller och bullerexponering........................................................................................... 15
3.2 Bullerexponering och exponerings-responssamband .................................................... 22
3.3 Exempel på konsekvensberäkningar och deras presentation......................................... 31
3.4 Referenser....................................................................................................................... 38
3.5 Appendix 1. Checklista för buller i MKB för vägprojekt .............................................. 40
3.6 Appendix 2. Riktvärden för buller. ................................................................................ 42
4. Luftföroreningshalter och hälsoeffekter............................................................................... 48
4.1 Allmänt om luftföroreningar .......................................................................................... 48
4.2 Metoder att uppskatta halter av luftföroreningar .......................................................... 50
4.3 Luftkvalitet och exponering-responssamband................................................................ 59
4.4 Exempel på resultat och presentationer i en MKB ........................................................ 66
4.5 Befokningsexponering .................................................................................................... 69
4.6 Referenser....................................................................................................................... 76
2
1. Introduktion
1.1 Bakgrund och syfte
Inom projektet Bättre metoder att beskriva hälsopåverkan av vägtrafikens miljökonsekvenser,
är huvudsyftet att utveckla underlag och metoder för att förbättra kvaliteten på
hälsoeffekternas hantering och beskrivning i MKB för vägprojekt. I en första delrapport har
givits vägledning kring bedömningen av vilken nivå på beskrivningen av
hälsokonsekvenserna som är motiverad med hänsyn till projektet och skede i
utredningsprocessen. Rapporten rör främst frågan när alternativen, miljön och berörd
befolkning motiverar att man i miljökonsekvensbeskrivningen för ett vägprojekt kvantitativt
jämför alternativens konsekvenser för människors exponering och hälsa.
Underlag för kvantifieringar av förväntade hälsokonsekvenser i befolkningen finns idag
egentligen bara för buller och luftföroreningar. Förväntade effekter på förekomsten av
trafikolyckor brukar inte redovisas i miljökonsekvensbeskrivningen, och säkerhetsfrågor i
övrigt avser icke förväntade händelser som kan få omfattande konsekvenser.
Säkerhetsaspekternas hantering har utförligt behandlats i andra skrifter bl.a. från
Räddningsverket.
Syftet med denna andra delrapport från projektet är att beskriva metoder att redovisa
hälsokonsekvenser, särskilt hur man för buller och luftföroreningar från trafiken kan
kvantifiera förväntad exponering respektive förväntade hälsokonsekvenser. I rapporten
jämförs olika avancerade och kostnadskrävande metoder vad avser krav på underlag och
modeller respektive resultatens karaktär och tillförlitlighet. Rapporten riktar sig till beställare,
utförare och granskare av miljökonsekvensbeskrivningar för vägprojekt, och syftar också till
att ge underlag för andra skrifter såsom Vägverkets handbok för MKB.
Rapporten har utarbetats av Bertil Forsberg, Lars Modig och Bo Segerstedt vid Umeå
universitet, Karin Sjöberg, Karin Persson och Marie Haeger vid Svenska Miljöinstitutet IVL
AB, Martin Almgren, Ingemansson Technology AB, Ronny Klaeboe, Transportekonomiskt
Institut (TOI) i Oslo samt Anders Lindbäck, Metria. Författarna har också haft stöd av en
referensgrupp.
3
2. Hälsokonsekvenser
2.1 Hälsokonsekvenser och kvantifieringsmöjligheter
En bedömning av möjliga hälsoaspekter i vid bemärkelse skall alltid ske redan vid förstudien
om inte förändringen kan antas bli helt obetydlig. Bedömningen bör inledningsvis bygga på
befintliga miljö- och befolkningsdata, normer, miljömål, rekommendationer, litteratur mm.
Av bedömningen bör framgå hur förväntad miljöpåverkan är geografiskt fördelad i området,
så att områden (befolkningar) som påverkas i flera avseenden (och kumulativa effekter) kan
identifieras. Berörda miljöer med särskilda krav, t ex skolor, måste redovisas. I vissa fall kan
det vara nödvändigt att beakta att storleken på dag- respektive nattbefolkning (boende) i vissa
områden avsevärt kan skilja sig åt.
Bedömningen bör omfatta följande aspekter:
•
•
•
•
•
•
•
Antal bostäder/personer berörda av miljöförändringar
Känsliga miljöer (med hög belastning eller särskilda krav)
Luftföroreningar
Buller/vibrationer
Barriärer/visuella effekter med sociala konsekvenser
Risk för olyckor med farligt gods samt andra säkerhetsaspekter
Påverkan på färdmedelsval som kan ge konsekvenser för hälsan, t.ex. möjligheter att
gå och cykla.
2.1.1 Kvantifieringsmöjligheter
I vissa situationer är det nödvändigt att så detaljerat som möjligt beskriva projektets
hälsokonsekvenser eller åtminstone vissa hälsoaspekter. I delrapport 1 från detta projekt har
faktorer som påverkar valet av ambitionsnivå utförligt diskuterats. Även om projekt och
omständigheter motiverar högsta tänkbara ambitionsnivå för beskrivningen av hälsokonsekvenserna, inskränker sig för närvarande möjligheterna att beräkna exponering och
kvantifiera hälsoeffekter till buller och luftföroreningar.
För buller finns flera typer av orsakssamband enligt olika litteraturöversikter (bl.a. WHO
guidelines). Bullerexponering kan när den är extrem leda till hörselskador, vilket inte är
relevant för samhällsbuller. Vid lägre exponeringsnivåer uppkommer störningsupplevelser
(ibland ledande till beteendeförändringar) och sömnpåverkan. Även inlärningsstörningar hos
barn, påverkan på blodtryck och stresshormoner samt hjärt-kärlsjukdom tycks kunna orsakas
av omgivningsbuller. Ett omfattande vetenskapligt underlag existerar för samband mellan
fordonsbuller i närmiljön och störningsupplevelse samt sömnpåverkan. Störningsförekomsten
ökar med bullernivån. För övriga effekter är det vetenskapliga underlaget ännu så begränsat
eller osäkert att det ännu inte bedöms lämpa sig för konsekvensberäkningar.
Mellan luftföroreningshalter och hälsoeffekter finns en rad tämligen accepterade exponeringsresponssamband. Mest övertygande är resultaten beträffande korttidseffekter av partiklar på
sjuklighet och dödlighet. De partikelmått som använts, t.ex. PM10, är tämligen ospecifika och
beskriver den storskaliga partikelföroreningen, ofta utifrån enstaka centrala mätpunkter.
4
Exponeringen för mer trafikspecifika luftföroreningsindikatorer som sot, elementärt kol,
bensen, NOx och ultrafina partiklar är mer komplicerade att mäta i epidemiologiska studier
p.g.a. starkare gradienter ut från vägkällorna. För dessa bättre avgasindikatorer krävs fler
mätpunkter inom tätorterna eller modeller med hög geografisk upplösning för att acceptabelt
beskriva befolkningens exponering. Modeller kommer allt mer till användning för
exponeringsberäkningar, vilket kommer att underlätta konsekvensberäkningar i framtiden.
Kvävedioxid (NO2) har ofta mätts och använts som avgasindikator trots att den som
huvudsakligen sekundärt bildad (från NO) är en sämre indikator än NOx. För NO2 som
indikator på avgaser finns dock exponerings-responssamband för olika hälsoeffekter.
Beträffande skattningar av effekt på dödligheten till följd av trafikens lokala haltpåverkan
förefaller för närvarande NO2 vara lämpligare exponeringsindikator än partiklar.
Av stor principiell betydelse är att luftföroreningarna ofta tycks öka riskerna ganska linjärt
med stigande halt utan någon meningsfull tröskelnivå under vilken halten är betydelselös. Det
gör skattningarna mer trovärdiga och underlättar själva beräkningarna.
Beträffande beskrivningar av risken för olyckor med farligt gods i miljökonsekvensbeskrivningar har Räddningsverket utgivit boken Olycksrisker och MKB. För olyckor kan
sannolikheter och möjliga konsekvenser ibland vara möjliga att ange.
2.1.2 Kvalitativa jämförelser
Beträffande psykosociala effekter till följd av barriärer eller visuell påverkan på miljön, kan
alternativ enbart jämföras i kvalitativa termer. Det samma gäller för alternativens betydelse
för i vilken omfattning befolkningen kommer att förflytta sig till fots eller med cykel. I det
senare fallet finns väletablerade samband mellan graden av fysisk aktivitet och såväl
dödlighet som hjärt-kärlsjukdom. I världshälsoorganisationen WHO:s Healthy cities and
urban governance programme anges att 30 minuter cykling eller promenad per dag bedöms
minska risken för diabetes och fetma med 50 %, risken för hjärtkärlsjukdom med 40 % och
risken för högt blodtryck med 30 % (www.who.dk). Fysisk aktivitet minskar också risken för
vissa cancerformer och ökar stresstoleransen. Det finns däremot ännu inte underlag att
beräkna vad som händer med befolkningens fysiska aktivitet när man förändrar möjligheterna
att gå och cykla. Alternativ i en MKB kan därför jämföras eller möjligen rangordnas med
hänsyn till barriäreffekter och hur alternativen bedöms påverka möjligheter att gå och cykla
etc. Att inga kvantifieringar föreslås ska inte alls tolkas som att dessa effekter är oväsentliga
ur hälsosynpunkt, utan enbart som att de inte med dagens kunskaper låter sig göras.
5
2.2 Befolkningsdata
2.2.1 Åldersstrukturen förändras
När projekt och omständigheter talar för att en exponeringsbedömning är lämplig, avgörs
förutsättningarna för en bra bedömning av tillgången på relevanta data. För att beskriva
exponering utifrån nuvarande befolkningsfördelning, och för de närmsta åren eller vid
förväntade små förändringar i befolkning, är aktuella befolkningsuppgifter ett självklart
underlag. Vägar antas dock ha en lång drifttid och med generationsväxlingar i bostadsområden kan befolkningsfördelningen gradvis ändra sig, särskilt för områden som tillkommit
under en kort tidsperiod och befolkats av en viss generation. Exempelvis ett 15 år gammalt
småhusområde som idag har en hög andel hushåll med barn i grundskoleåldern, kan på 10-15
års sikt i stort sakna barn i dessa åldrar och ha en halverad befolkning. Efter ytterligare 15-20
år kan en generationsväxling ha ägt rum i området, och bostäderna på nytt fyllas av
barnfamiljer.
2.2.2 Tillkommande bostadsområden
För att sett ur ett längre tidsperspektiv beskriva exponering utifrån befolkningens geografiska
fördelning kan det vara lämpligt att inte bara utgå ifrån aktuell situation. Om man har data
både över antal bostäder eller bostadsyta idag samt planerade förändringar, främst tillkommande bostäder, kan man räkna på exponering utifrån framtida bostäder eller bostadsyta.
Man kan exempelvis för ett framtida scenario uttrycka produkten av exponeringsintensitet i
miljön och antal bostäder eller bostadsytan. Detta kan kompletteras med antaganden om
framtida antal personer per bostad eller yta. Oavsett om man utgår ifrån bostäder, ytor eller
personer kan relevansen i beräkningarna påverkas av den geografiska upplösningen och
exaktheten.
2.2.3 Geografisk fördelning av befolkningen
Det finns ett antal mer eller mindre detaljerade metoder att beskriva befolkningens eller
bostadsytors geografiska fördelning inom berörda områden. Utgångspunkten är att
exponeringsförhållanden i miljön såsom bullernivåer eller luftföroreningshalter anges
lägesbestämda med koordinater eller i fält.
Beroende på syftet med ett projekt så kan exponeringsbedömningen göras olika noggrann
med avseende på både skattning av exponeringsintensitet och berörd befolkning. Nedan följer
tre exempel på olika detaljerade sätt att geografiskt beskriva befolkningens fördelning, och
som är relativt lätta att genomföra med GIS-verktyg.
Den minst exakta fördelningsmetoden är att utgå från befolkningsregistret där personer i
dagsläget är kopplade till den fastighet man är skriven på och dess koordinatsatta mittpunkt.
Detta alternativ innebär att all befolkning i beskrivningarna blir förlagd till respektive
fastighets mittkoordinat, utan hänsyn taget till fastighetens form eller bostädernas placering på
fastigheten. Svagheten med detta är risken för felbedömning (över- respektive underskattning)
av exponering om exponeringsnivåerna varierar inom fastigheten, vilket är mer uttalat för
vägtrafikbuller än luftföroreningar. Detta mest vanliga sätt att geografiskt beskriva
befolkningens fördelning kräver endast befolkningsdata per fastighet och fastigheternas
mittkoordinat. Denna typ av information kan finnas att tillgå lokalt hos respektive kommun
men kan även köpas från Statistiska centralbyrån SCB.
6
Nästa detaljeringsgrad innebär att befolkningen tillhörande en fastighet fördelas på
bostadshusen inom fastigheten efter husens beräknade volym eller bostadsyta (utifrån yta och
antal våningsplan). Utgångspunkten är att befolkningen kopplas till bostadshusens mittpunkt
istället för fastigheternas mittpunkt. I småhusområden är fastigheterna oftast så små att
fastighetens och bostadshusets mittpunkt i stort sett sammanfaller, medan moderna
flerbostadshus ofta är placerade tillsammans flera stycken på stora fastigheter. I de fall en
fastighet endast har en byggnad så kopplas hela befolkningen till byggnaden mittpunkt
(förutsatt att byggnaden är en bostad). Om en fastighet har flera bostadshus så fördelas
befolkningen proportionellt efter den beräknade volymen eller totala bostadsytan, och kopplas
där efter till respektive byggnads mittpunkt.
För denna fördelning krävs förutom befolkning på fastighetsnivå, även koordinatsatta
byggnader (bostäder) inom fastigheterna samt hushöjder. Tillgången på kartlagda hushöjder
varierar mellan olika kommuner. Metria har på uppdrag av Telecom-branschen kartlagt
hushöjder i flera större städer, vilket är ett alternativ i avsaknad på lokala datakällor. Vidare
pågår i Sverige ett arbete med att upprätta ett register över alla Sveriges bostäder – ett
lägenhetsregister. Lantmäteriet har fått regeringens uppdrag att förbereda upprättandet av ett
sådant register och insamlingen av uppgifter antas pågå mellan 2007-2009.
#
#
%
#
#
#
#
#
#
#
#
#
#
#
%
#
%
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
Figur 2:2:1 Fastighetsgränser symboliserar av
blå linjer medan fastigheternas mitt är markerade med blå fyrkanter. Bostädernas mitt är
markerade med röda punkter. Fastighets och
bostadspunkternas storlek är proportionella
mot den för respektive punkt antagna
bullernivån.
7
I figur 2.2.1 visas ett exempel från ett bostadsområde nära en planerad ny sträckning av en
Europaväg. Av figuren framgår dels hur aktuell befolkning fördelas om man utnyttjar den
enklare metoden med befolkning per fastighet förlagd till dess mittpunkt. Dessutom visas
situationen om man fördelar fastigheternas befolkning på bostadshus proportionellt efter
bostadsyta
Med den mest högupplösta metoden tas även hänsyn till att stora byggnader kan vara byggda i
vinkel eller vinklar, d.v.s. en del av huset ligger mer skärmad eller exponerad och har en
exponering som kan skilja sig mot andra delar. Fördelningen av befolkning bygger på samma
princip som i föregående modell med undantaget att stora byggnader ”segmenteras”, och varje
segment hanteras som en separat byggnad. Byggnader för vilken denna modell är tillämpbar
utgör oftast en liten del av det totala antalet byggnader, men beroende av byggnadens storlek
så kan skillnaden i exponering vara betydande mellan olika segment. Segmenteringen kan
innebära en del manuellt arbete.
Nedan finns en sammanfattande illustration av vilka data som behövs för att fördela
befolkning enligt de detaljeringsnivåer som diskuterats. De huvudsakliga grupperna av data
utgörs av uppgifter om befolkning, fastighet samt byggnader. Den information som krävs för
respektive detaljeringsnivå har markerats med gult. Den minst detaljerade nivån utgörs av
befolkning kopplad till fastighetens mittkoordinat.
Befolkning
Adress
Fastighet
Fastighet
Byggnad
Mittpunkt
Mittpunkt
Ytobjekt
Ytobjekt
Typ
Hushöjd
Figur 2:2:2 Data vilka behövs för att fördela befolkning enligt de detaljeringsnivåer som diskuteras
i texten. Den minst detaljerade nivån (ovan) utgörs av befolkning kopplad till fastighetens mittkoordinat.
Befolkning
Adress
Fastighet
Fastighet
Byggnad
Mittpunkt
Mittpunkt
Ytobjekt
Ytobjekt
Typ
Hushöjd
Figur 2:2:3 De mer detaljerade stegen bygger på att befolkningen fördelas efter byggnadsvolym. För detta
krävs förutom befolkning på fastighet även uppgift om byggnadernas storlek, placering, höjd och typ.
8
2.2.4 Koppling mellan exponeringsnivåer och befolkning
Beroende av vilken ambitionsnivå som valt för projektet så kan kopplingen mellan befolkning
och exponering se olika ut. Med dagens beräkningsmodeller för luftföroreningar och buller
kan resultatet av beräkningarna presenteras på flera olika sätt.
Om befolkningen kopplats till fastighetens mittpunkt så tilldelas hela fastighetens befolkning
den buller- eller luftföroreningsnivå som beräknats för den punkten. I sådana fall kan nivåer
antingen beräknas för respektive mittpunkt eller interpoleras från beräkningar över ytor.
Om befolkningen istället har kunnat kopplas till byggnader bör beträffande buller den
maximala ljudnivån vid fasad samt gärna även den maximala ljudnivån inom 75 meter
användas (se vidare kapitel 3.2). Detta ger en betydligt mer exakt exponeringsbedömning än
det enklare alternativet ovan, speciellt om fastigheterna rymmer många bostadshus eller har
stor yta. När befolkning har kunnat kopplas till byggnad kan beträffande exponering för
luftföroreningar användas värden för byggnadernas mittpunkt.
Om man har befintliga och eventuellt planerade nya bostadsytor, men saknar prognoser eller
information om befolkningstal, kan vid skattningarna istället användas antaganden om antal
personer per kvadratmeter bostadsyta i det aktuella området.
2.3 Hälsokonsekvensberäkningar
2.3.1. Metodaspekter för luftföroreningar och buller
Beräkningar av hur mycket olika orsaksfaktorer betyder för olika typer av ohälsa (”burden of
disease”) samt hälsokonsekvensberäkningar för strategier eller projekt har börjat förekomma
allt mer under senare år. Inom miljöområdet har särskilt beräkningar av luftföroreningarnas
hälsokonsekvenser förekommit. Beräkningarna har syftat till att beskriva de totala
konsekvenserna av föroreningarna, eller vilka vinster som en viss haltsänkning skulle
medföra, snarare än att beskriva förväntade effekter av en specifik åtgärd eller projekt.
Hur luftföroreningsexponeringens betydelse för antalet fall i befolkningen bör kvantifieras har
under senare år behandlats i en rad särskilda rapporter. Kvantifieringarna bygger i princip
alltid på att man utnyttjar funna samband mellan exponering och respons i tidigare studerade
befolkningar för att skatta vilka hälsoeffekter den aktuella befolkningens exponering ger
upphov till. När exponerings-responssambanden beskriver relativa effekter, t.ex. procentuell
ökning av antalet fall när exponeringen ökas, krävs även information om frekvensen av fall i
befolkningen före förändringen. Exponerings-responssamband beskriver alltså absoluta eller
relativa förändringar i hälsoeffekter beroende av exponeringen. Exponeringsdata beskriver
exponeringen i detalj (som en fördelning) eller sammanvägt till något aggregerat centralmått
(t.ex. tids- och/eller befolkningsviktat medelvärde). Frekvensdata anger vanligen antal fall vid
aktuell exponeringsnivå, och behövs enbart när de exponerings-responssamband som
tillämpas uttrycker relativa förändringar i förekomsten av fall.
Ur metodsynpunkt kan följande generella aspekter på denna typ av kvantifieringar av
hälsokonsekvenser särskilt lyftas fram:
• Indikatorer
9
Det är önskvärt att använda en så representativ (källspecifik) indikator för exponeringen som
möjligt. När människor är utsatta för flera olika exponeringar önskar man ta väga samman
effekterna från dessa. För luftföroreningar kan man dock vanligtvis inte använda flera olika
indikatorer när de hör samman med samma föroreningstyp, t ex trafikrelaterade föroreningar.
Man skulle ha kunnat ta hänsyn till många olika komponenter eller indikatorer om de
epidemiologiska studierna kunnat särskilja effekterna av dessa, men inom epidemiologisk
forskning har man oftast bara använt enstaka indikatorer, bl.a. av kostnadsskäl, men också för
att komponenter med samma källa vanligen är så starkt korrelerade att deras unika roll för
hälsoeffekter är svår att mäta. I dessa fall speglar exponerings-responssambandet som erhålls
med endera indikatorn ungefärligt den samlade effekten av alla sammanhängande
kompo¬nenterna eller ”föroreningsmixen”, oavsett om indikatorn i sig eller andra
komponenter har störst betydelse för effekterna. Skulle man exempelvis utifrån publicerade
samband räkna på hur kvävedioxid, kolmonoxid respektive partiklar påverkar en viss typ av
ohälsa, blir det sannolikt en dubbelräkning (överskattning) av luftföroreningseffekten.
Beträffande buller finns ofta en dominerande källa till exponeringen. I områden som har flera
bullerkällor är det emellertid nödvändigt att värdera deras betydelse för störningsupplevelsen.
Det viktigaste att beakta vid en situation med flera källor är att vinsten av en stor reduktion i
bullret från en väg inte nödvändigtvis ger någon motsvarande reduktion av störningsförekomsten i de fall där övriga bullerkällor finns kvar. Detta gäller först och främst när
bullret från de övriga källorna ger i stort sett samma exponeringsnivå.
När det finns flera bullerkällor kan det vara nödvändigt att räkna sig fram till en sammantagen
exponeringsnivå. Buller mäts i decibel, vilket är en logaritmisk skala. Det innebär att när ett
decibeltal är mer än 5 dB högre än ett annat, så kan man i en MKB där beräkningarna
vanligen blir tämligen grova, bortse från de mindre dominerande källorna.
När källornas bullernivåer är lika är den sammanlagda bullerbelastningen 3 dB högre. Utsätts
en bostad för två bullerkällor på vardera 55 dB, är den sammantagna belastningen 55+3 dB.
Tre decibel (eller 0,3 Bel) grundas på att man räknar med Briggska logaritmer.
Flygbuller beräknas ge lika omfattande störning som vägtrafikbuller som är 3 (3-6) dB högre,
medan järnvägsbuller ofta beräknas vara mindre störande än vägtrafikbuller. Vid en sammanvägning av bullernivån från tåg- och vägbuller, brukar man ofta först lägga till 3 dB till
flygbullernivån och ta bort 3 dB från järnvägsbullernivån, innan man lägger ihop bullernivåerna logaritmiskt. För övrigt existerar ingen standard för sådana sammanvägningar.
Det har ibland hävdats att ett diffust bakgrundsbuller skulle kunna reducera störningsupplevelsen förknippad med buller från en vägkälla. Detta baseras på att människor först och
främst reagerar på skillnader och förändringar. Därför leder stora mellanrum mellan bullertoppar i en tystare miljö också till problem, inte nödvändigtvis bara nivåerna i sig själva. Med
den utgångspunkten skulle det kunna vara gynnsamt med en jämn bakgrundsbelastning.
Emellertid tyder internationell forskning på att denna effekt vanligtvis har liten betydelse för
störningsupplevelsen, varför man bör kunna bortse från detta.
Exponeringsmått
Det är önskvärt med exponeringsinformation som till karaktären är så lika som möjligt den
exponeringsinformation som använts i de epidemiologiska studier vars resultat man baserar
beräkningarna på.
10
För luftföroreningsdata är det ett problem att den övervägande delen av de epidemiologiska
studierna har använt en eller ett fåtal mätpunkter att representera tätorters eller tätortcentras
genomsnittliga halt (urban bakgrundshalt), och alltså tillskrivit befolkningen på orten den
exponeringen. Beräkningar av haltförändringar görs däremot alltid med någon sorts modell,
ofta med hög geografisk upplösning. Det kan därför vara svårt att finna epidemiologiska data
som passar väl ihop med de exponeringsskillnader som kan beräknas i modeller med hög
upplösning.
För bullernivåer tillämpas ekvivalentmått (Lden, LAeq,24 t) där antalet bullerhändelser vägs
samman med hur starka de är. Sammanvägningen har sin utgångspunkt i ljudenergin, så att de
starkast bullrande händelserna får stor vikt. Längs med trafikerade vägar kommer
ekvivalentnivån under natten (Lnight) därför också att kunna fungera som ett bra mått på
maximalnivån. Bullerexponeringen på natten längs mindre trafikerade vägar kan bestå av så
få störande händelser at den maximala ljudnivån (den eller de högsta under natten) kan anges
som komplement.
Beträffande vägtrafikbuller kan det vara ett problem att i många områden där det förekommer
mycket trafikbuller så är också avgashalterna höga och trafiken skapar även otrygghet. Forskningen indikerar att bullernivåerna är viktigast för bullerstörningen, men att förekomsten av
andra miljöproblem gör att människor upplever sig störda i större utsträckning än de skulle ha
gjort om de bara varit utsatta för trafikbullret. I områden med mycket avgaser kan man därför
anta att förekomsten av störning ligger högre och att förändringar i bullernivåerna har mindre
betydelse för störningsupplevelsen än i områden där det enbart finns en bullerbelastning.
Otryggheten som är kopplad till vägtrafiken har stor betydelse, särskilt för barn och äldre eller
handikappade. Föräldrar känner också oro för sina barns säkerhet. Detta medför också att
bullret upplevs som mer störande, eftersom det står för en potentiell fara. Kan man reducera
otryggheten som sammanhänger med trafiken kommer andelen som störs av bullret att kunna
minska.
Trafikförändringar längs större vägar kommer vanligtvis att medföra förändringar i bullerexponeringen, exponeringen för slitagepartiklar och avgaser (partiklar, kolväten, NOx mm)
samt ändringar i trafikskaderisken. Sådana samtidiga ändringar i flera miljöförhållanden kan
leda till större förändringar av bullerstörningarna än vad man skulle förvänta från de
exponerings-responskurvor som vanligtvis används.
Exponerings-responssamband
Exponeringsnivåns betydelse för antalet fall beskrivs på olika sätt i olika studier, vanligast för
luftföroreningar är att den relativa risken per haltökning anges som linjär funktion, medan för
buller den absoluta ökningen i andel störda beskrivs. Ibland finns osäkerhet kring huruvida
sambanden är linjära eller om det finns tröskelnivåer över eller under vilka sambandet inte
gäller. När den linjära riskförändringen (utifrån ett ER-samband) anges per enhets haltökning,
räknar man vid en konsekvensberäkning med 1/RR för en motsvarande haltminskning.
Osäkerhet kan finnas huruvida exponerings-responssamband som hämtats från epidemiologiska studier i andra befolkningar och miljöer (länder) är fullt representativa, eller om
effekterna är starkare/svagare i den population som konsekvensberäkningen gäller.
11
Från multicenterstudier (exempelvis APHEA) där luftföroreningseffekter studerats på ett
standardiserat sätt i flera länder, finns belägg för att sambanden kan skilja sig även inom
Europa. Skillnader kan bero på variation i källbidrag (t.ex. andel dieselfordon), byggnads- och
ventilationsstandard (som påverkar föroreningarnas penetration in i husen) och befolkningens
känslighet.
Som mått på bullerstörning har man tidigare ofta använt andelen som anger att de är mycket
störda (”highly annoyed”). I vissa länder har man istället valt att fokusera på den större grupp
av människor som är störda (”annoyed”). Båda dessa mått har sina svagheter. Ett alternativ är
att använda genomsnittlig störningsgrad (”mean annoyance”). Emellertid anses detta mått
vikta låga störningsgrader för starkt, och därför förekommer användningen av viktade index
på störning där bara störningsnivåer över 50 % (vilket innebär de som störs ganska mycket,
mycket och oerhört mycket i en 5 – gradig skala) ingår. Eftersom moderna estimeringsmetoder ger dos-responssamband för alla grader av störning, kan valet av störningsindikator
genomföras efter att man har kommit fram till de dos-responssamband som skall utnyttjas.
För buller har genomförts en rad sammanställningar av internationella forskningsresultat där
de senaste av Miedema och Oudshoorn (2001) inte bara omfattar modellering av de
genomsnittliga sambanden mellan buller och störning, utan även prövar huruvida dessa
samband varierar mellan olika länder. Man tänker sig således att dos-responssambanden har
nästan samma form. Fördelen med en sådan lösning är att man kan utnyttja ett större
datamaterial vid beräkningarna. Dessvärre finns dock invändningar mot både det datamaterial
som ingår (flera äldre studier) och mot restriktiva och teoretiskt föga plausibla antaganden.
Från forskning om samspelseffekter mellan buller och luftföroreningar och angående
ljudlandskapets betydelse och förekomsten av ”tysta sidor” hos en bostad, så framgår att dosresponssambanden kan preciseras ytterligare. Detta gäller speciellt för möjligheterna att
bedöma effekterna av åtgärder, där effekterna kan vara helt beroende av vilken typ av bullerreduktion som uppnås.
2.3.2 WHO-modell för skattning av korttidseffekter av luftföroreningar utifrån relativ risk
Världshälsoorganisationens Bonnkontor för miljö och hälsa har utvecklat en beräkningsmodell för luftföroreningars hälsokonsekvenser benämnd AirQ med vilken man enkelt får
fram hur många fall som kan tillskrivas en viss exponering, t.ex. de dygn som överskrider en
viss halt eller norm. Kvantifieringen av hälsokonsekvenserna utifrån kunskap om hur den
relativa risk beror av exponeringen bygger på konceptet “etiologisk fraktion”, dvs.
proportionen av fallen som kan tillskrivas viss exponering (AP = attributable risk proportion).
För en närmare presentation av metodikens antaganden och begränsningar hänvisas till
exempelvis Rothman KJ & Greenland S (1998) eller Rockhill B et al (1998).
Givet att det finns ett meningsfullt samband mellan exponering och hälsoeffekt (respons) och
ingen confounding av betydelse kan den etiologiska fraktionen (AP) för en viss population
och tidsperiod beräknas enligt formeln (Krzyzanowski M, 1997):
AP = Σ { [RR(c) - 1] * p(c)} / Σ [ RR(c) * p(c)]
där:
RR(c)
p(c)
[1]
- relativa risken för hälsoeffekten i exponeringskategori c
- proportionen av populationen (här persontiden) i kategori c
12
Proportionen i de olika exponeringskategorier beräknas för studier av korttidsexponering
utifrån dygnsdatas fördelning på haltkategorierna (se ovan). Då exponerings-responssamband
antas vara linjära utan tröskel kan man dock i princip använda skillnader i aggregerade
årsmedelvärden när jämförelser görs.
Relativa risker (RR) att anta för respektive exponerings-responssamband finns för AirQ
föreslagna av WHO som en sorts standardvärden. Om inte lokala (nationella) exponeringsresponsfunktioner finns, rekommenderas man i AirQ använda dessa WHO:s standardvärden,
vilka bl.a. kommer från WHO:s reviderade Air Quality Guidelines.
Teorin bakom beräkningarna bygger vidare på att om man känner/antar en viss
grundfrekvens/incidens (I=fall per persontid) av hälsoeffekten i populationen, kan frekvensen
(IE ) som beror av exponeringen beräknas enligt:
IE = I * AP
[2]
För en population med en given storlek (N), kan man beräkna antalet fall (NE ) som beror av
exponeringen som:
NE = IE * N
[3]
För att anta en viss grundfrekvens (I = antal fall per 100 000 personer och år) hänvisas i AirQ
i första hand till officiell statistik. AirQ innehåller även vissa standardvärden, som man
hänvisas till om egna data saknas.
Följaktligen kan frekvensen i en population utan exponeringen (INE) beräknas som:
INE = I - IE = I * (1 - AP)
[4]
Förutom det totala antalet extra fall på grund av en exponering, beräknas med AirQ
fördelningen av dessa fall på de olika exponeringskategorierna (haltintervall). Detta bygger på
att när man känner relativa risken (RR) vid en viss koncentration och (antar) incidensen för
den icke-exponerade populationen (för icke-exponerade dygn), så kan den extra incidensen
(I+(c)) respektive antalet extra fall (N+(c)) för en viss exponeringskategori (c) beräknas som:
I+(c) = (RR(c) - 1) * p(c) * INE
[5]
N+(c) = I+(c) * N
[6]
Utifrån konfidensintervallet för RR beräknas med AirQ också ett intervall (övre och nedre
estimat) för antal extra fall. I praktiken existerar dock inte bara statistisk osäkerhet kring
exponerings-responsfunktionen (hur RR ökar med ökad exponering), utan även osäkerhet i
beräkningens antaganden kring exponering, vald exponerings-responsfunktion mm.
När man för sin beräkning med AirQ har bestämt vilken population (befolkning och incidens)
och vilket exponerings-responssamband (luftföroreningsindikator och hälsoeffekt) som skall
användas, måste man också bestämma sig för vilken föroreningsnivå som skall vara
referensnivå (tröskelnivå), dvs. den från vilken antalet extra fall beräknas.
De olika ingångsvärden som används vid beräkningen med AirQ är följaktligen:
13
•
•
•
•
•
Den aktuella populationsstorleken
Antagen grundincidens (”baseline” - vissa grundvärden finns som standardvärden i
AirQ i de fall egna data saknas)
Inlästa luftföroreningsdata
Vald exponerings-responsfunktion (RR finns föreslaget som standardvärden i AirQ)
Angiven referensnivå (dvs. den tröskelnivå över risken beräknas öka)
WHO-modellen AirQ är en fri mjukvara till vilken hör en manual på engelska.
2.4 Referenser
Krzyzanowski M. Methods for assessing the extent of exposure and effects of air pollution.
Occupational and Environmental Medicine 1997;54:145-151
Miedema, H. M. E. and Oudshoorn C. G. M. Annoyance from transportation noise: Relationships with exposure metrics DNL and DENL and their confidence intervals. Environmental
Health Perspectives 2001;109 (4): 409-416.
Rockhill B, Newman B, Weinberg, C. Use and Misuse of Population Attributable Fractions.
American Journal of Public Health 1988; 1:15-19
Rothman KJ, Greenland S. Modern Epidemiology. 2nd edition. Lippincott-Raven, 1998
WHO Air Quality Guidelines for Europe II, 2nd edition, WHO, 2000
WHO European Centre on Environment and Health. AirQ Manual Version 1.1a, May 2000
WHO. Monitoring Ambient Air Quality for Health Impact Assessment, WHO Regional Publications, European Series, No 85, 1999
14
3. Buller, exponering, ER-samband och beräkningsexempel
3.1 Buller och bullerexponering
3.1.1 Inledning – buller i MKB
Olika stadier av planeringsarbetet har beskrivits bl.a. i Vägverkets ”Handbok – Miljökonsekvensbeskrivning inom vägsektorn” VV publ 2002:40-43. Samråd är en viktig del i
processen. Som underlag för själva bygget utarbetas en detaljerad bygghandling. I de fall det
behövs och beslutas så utarbetas även ett uppföljningsprogram för kontroll och utvärdering av
viktiga effekter och att viss miljökvalitet nås. Det faktiska utförandet av vägprojektet
dokumenteras i relationshandlingar. Dokumentationen före och efter kan vara viktig
beträffande buller eftersom det är vanligt med klagomål.
På senare år har beskrivningar av hälsokonsekvenser efterfrågats allt mer från olika håll.
Hittills har det i en MKB varit typiskt att beskriva ljudnivåer och jämföra dessa med
riktvärden för trafikbuller. Det är inte självklart vilka av hälsoeffekterna som lämpligen ska
skattas eller hur.
Naturvårdsverket har gett ut ”Naturvårdsverkets allmänna råd om miljökonsekvensbeskrivningar” [till 6 kap. Miljöbalken samt förordningen (1998:905) om miljökonsekvensbeskrivningar]; NFS 2001:9. I denna föreskrift ges dock ingen detaljerad anvisning om hur
effekterna av buller ska redovisas. Föreskriften innehåller detaljerade krav på samrådsprocessen.
Socialstyrelsen har redovisat sin syn i rapport 2001-103-11, “Hälsa i miljökonsekvensbeskrivningar - Resultat från en undersökning om hur hälsa uppfattas och beskrivs” (september
2001). Där nämns (sid 7) att “beskrivningen ska utgå från var effekter på människors hälsa
uppstår (dos-responssamband) och inte stanna vid om en förorening håller sig inom normer
(gräns- och riktvärden)”. Specifikt nämns (sidan 9) “Till exempel är bullernivån en mätbar
effekt om konsekvensen blir störningen och dess påverkan på människors hälsa”.
Socialstyrelsens bok ”Miljökonsekvensbeskrivning och hälsa. Några föroreningskällor –
beskrivning och riskbedömning” (juni 2004) behandlar också buller.
Vägverket har gett ut publikation ”Handbok - Miljökonsekvensbeskrivning inom vägsektorn”
med tre delar. Vägverkets handbok är ett hjälpmedel vid tillämpning av miljökonsekvensbeskrivning inom vägsektorn. I handbokens sammanfattning anges som exempel att ”Effekter
av alternativa lokaliseringar eller utformningar uttrycks som en förändring jämfört med
förhållandena vid ett nollalternativ, exempelvis som förändring av antalet människor som
utsätts för olika bullernivåer”.
3.1.2 Buller i MKB för vägprojekt
Förstudie
En förstudie behöver formellt inte innehålla en MKB enligt Vägverkets MKB-handbok. Den
bör däremot innehålla en miljödel som förbereder för MKB i vägutredning och arbetsplan.
15
I förstudien bör en översiktlig bild av bullerförhållandena för det aktuella området eller de
aktuella alternativen presenteras, baserat på befintlig information, exempelvis tidigare bullerkartläggningar. Om man kan anta att bullersituationen inte påverkas och bullernivåerna ligger
klart under riktvärdena (LAeq,24h 55 dB respektive LAmax 70 dB), är buller ingen viktig
exponering (aspekt) enligt Vägverkets MKB-handbok. Om däremot gällande bullerriktvärden
överskrids lika mycket med som utan vägprojektet måste buller ändå anges vara en viktig
aspekt.
För att på ett översiktligt sätt avgöra om bullernivåerna kan komma att överskrida riktvärdena
kan den förenklade beräkningsmodellen användas i de fall förutsättningarna är uppfyllda (se
vidare i vår delrapport 1).
I en förstudie för ett vägprojekt bör miljömål för buller tas fram, vilka bl.a. fastslår valda
riktvärden. Dessa bör också diskuteras ur ett hälsoperspektiv genom att t ex ange hur många
som kan förväntas vara störda och mycket störda vid respektive riktvärde baserat på aktuella
exponering- respons samband. Om det inom projektet finns flera olika alternativ bör minst ett
alternativ föreslås med minskade hälsoeffekter och ett alternativ med positiva konsekvenser
för naturmiljö, kulturmiljö och friluftsliv.
Vägutredning
En vägutredning skall innehålla en MKB. För att underlätta och tydliggöra bullerfrågan i
projektet bör tydliga miljömål för buller fastställas tidigt. Det kan göras som riktvärden för
ekvivalent och maximal ljudnivå för olika typer av områden (t.ex. bostadsområden, skolor,
vårdinrättningar, arbetsplatser, parker, naturmiljö, kulturmiljö och friluftsområden) och som
begränsningar för eller mål för minskning av hälsoeffekter (t.ex. antalet störda och antalet
sömnstörda).
Bullernivåer kan inledningsvis beräknas med enkla modeller för att se i vilken utsträckning
projektet kommer att klara de uppsatta målen för buller. Resultaten från dessa beräkningar
kan sedan ligga till grund för beslut om att gå vidare med mer utförliga modeller. Detaljerade
bullerberäkningar bör utföras med hjälp av den nordiska beräkningsmodellen för
vägtrafikbuller. Det är en fördel att genomföra beräkningarna med digital kartinformation
rörande höjdförhållanden för terräng och byggnader. Om beräkningar måste göras för avstånd
från vägkällan på över 300 meter måste hänsyn tas till ljudets dämpning vid olika frekvenser.
För att på ett bra sätt beskriva eventuella hälsoeffekter av ett vägprojekt eller olika vägalternativ, måste ljudnivåerna kopplas till den berörda befolkningen. Detta bygger på att man
vet hur många människor som bor inom olika ljudintervall och utifrån detta kan beräkna
befolkningsexponeringen för buller för varje alternativ. Kopplingen mellan beräknade
bullernivåer och befolkningsdata kan göras med GIS-verktyg och exemplifieras senare i detta
kapitel.
Beräkningar av befolkningsexponering kan ligga till grund för skattningar av faktiska
hälsoeffekter genom att kombinera befolkningsexponeringen med aktuella exponeringrespons samband för buller. Resultatet av sådana beräkningar kan vara kvantifieringar av hur
många människor som i olika grad upplever sig störda av buller, vilka sedan kan jämföras
mellan olika alternativ. Kvantifiering av bullrets hälsoeffekter är dock inget som Vägverket
hittills har rekommenderat, men projekt som detta avses visa vad som är möjligt att göra.
16
Vägutredningens MKB bör också innehålla översiktliga förslag på bullerskyddsåtgärder.
Skillnader mellan olika åtgärder kan även jämföras med avseende på förändring i befolkningsexponerig.
Arbetsplan
Arbetsplanen skall innehålla en fördjupad MKB med detaljerad information om miljöeffekter,
konsekvenser, åtgärder och uppföljning. Om miljöpåverkan blir obetydlig kan miljökonsekvensbeskrivningen i regel göras enkel.
Arbetsplanen innefattar det valda alternativet samt dess olika utformningar, varför tidigare
miljömål för buller kan behöva förändras. De bullerberäkningar som gjordes för det aktuella
alternativet inom vägutredningen måste ofta göras om i och med olika utformningsalternativ.
Till detta kommer även olika åtgärdsfall där olika typer av bullerskyddsåtgärder bör utredas
och jämföras. Beskrivningen av befolkningsexponering och kvantifiering av hälsoeffekter
bygger på samma principer som i vägutredningen.
I arbetsplanen bör även planeras för uppföljning av bullersituationen, bl.a. genom att säkerställa data om ljudnivåer innan projektet startat. Bullerfrågorna skall även integreras i en
sammanfattande bedömning.
3.1.3 Riktvärden
I Sverige är det flera myndigheter som anger riktvärden som kan ha inverkan på vägprojekt
och befintliga vägar. Riktvärden har utgivits av
• Riksdagen
• Vägverket
• Naturvårdsverket
• Boverket
• Socialstyrelsen
• Kommuner
Utdrag och exempel från ovanstående myndigheter återfinns i appendix 2.
3.1.4 Mått på bullernivåer
Det finns ett antal olika bullermått som används parallellt, varav de viktigaste är:
• LAeq, viss tid
• LAeq 24 timmar för årsmedeldygnstrafik
• LAeq, 30 min under dag 7-18, kväll 18-22 respektive natt (industribuller)
• Maximal ljudnivå med tidsvägning
• EU: LDEN, LN
LAeq är ekvivalent A-vägd ljudtrycksnivå, dvs. ett slags medelvärde. LDEN är en ekvivalent Avägd ljudtrycksnivå med “straff” 5 dB kvällstid, 10 dB nattetid. D står för Day, E står för
Evening och N står för Night.
Som synes av redovisningen av riktvärden kan maximal ljudnivå tolkas på olika sätt.
Vägverkets anvisning och rekommendation är att riktvärdet för maximal ljudnivå inomhus i
bostäder får överskridas 5 gånger per natt och att riktvärdet för uteplats får överskridas 5
17
gånger per maxtimme. I andra länder förekommer det att man anger att en viss procent av
fordonspassagerna får överskrida riktvärdet för maximal ljudnivå. I Vägverkets
beräkningsmodell ges en statistisk fördelning för maximala ljudnivåer, vilket innebär att man
kan t ex kan räkna fram den ljudnivå som överskrids av 5 % av fordonspassagerna.
Följande beräkningsexempel visar skillnaden mellan det i Sverige för vägprojekt använda LAeq
och LDEN och andra mått.
period
andel trafik dag
andel trafik kväll
andel trafik natt
kontrollsumma
Deskriptor
Ldygn
Ldn
Lden
Ldag
Lkväll
Lnatt
kontroll LAEQ
Trafikandel
Intensitet
procent
procent/timme
72
20
8
6,000
5,000
1,000
100
4,167
Ljudnivå
55
57,4
58,3
56,6
55,8
48,8
sort
dB(A)
dB(A)
dB(A)
dB(A)
dB(A)
dB(A)
period
dagperiod
kvällsperiod
nattperiod
timme
timme
6 - 18
18 - 22
22 - 6
12 timmar
4 timmar
8 timmar
kontrollsumma
diff rel LAEQ
0,00 dB
2,36 dB
3,33 dB
1,58 dB
0,79 dB
-6,20 dB
55
antal timmar
24 timmar
Klockslagen kan skilja mellan olika
kravsättningssystem! OBS
För den i tabellen valda trafikfördelningen över dygnet blir således LDEN drygt 3 dB högre än
LAeq,24h i detta fall.
Någon omedelbar övergång till det inom EU tillämpade LDEN som mått och enhet för mål är
inte att vänta i Sverige eftersom översättningsnyckeln inte är självklar.
3.1.5 Beräkningsmodeller för vägtrafikbuller
Nedan beskrivs 4 beräkningsmodeller för vägtrafikbuller. De fyra modellerna är:
• Förenklad (typfall i den nordiska)
• Nordiska beräkningsmodellen Naturvårdsverket rapport 4653, 1996 - dBA-metod
• Nord 2000 Road under utveckling (nordisk)
• Harmonoise under utveckling (EU)
Förenklad beräkningsmodell
Den förenklade metoden, som utgår från den nordiska beräkningsmodellen, beskrivs i
delrapport 1 från detta projekt. Den avser ett typfall med plan mjuk mark utan skärmning och
mottagarhöjden 2 m. Beräkningsresultatet blir dygnsekvivalent ljudnivå i fritt fält.
I den förenklade beräkningsmodellen behövs följande indata:
• Trafik ÅDT, andel tung trafik
• Hastighet
• Avstånd max 300 m
• Korrektion för husrader
I den förenklade modellen görs antaganden som i de flesta fall ger ljudnivåer som är högre
eller lika med ljudnivån beräknad med den detaljerade modellen. På så sätt är risken att
bullerexponeringen underskattas liten. Om man misstänker att överskattningen är betydande
ska en beräkning med den detaljerade metoden göras. Underskattning av bullerexponeringen
kan ske om ljudet från vägen inte går över en akustiskt mjuk mark, t ex om den går många
18
tiotals, eller hundratals meter över en vattenyta, en asfaltsyta eller från en väg på en höjd till
en mottagare på en annan höjd.
Den nordiska beräkningsmodellen i Naturvårdsverkets rapport 4653 gäller bara upp till 300 m
avstånd. Om beräkning ska ske till tysta naturområden på större avstånd från vägen måste
man använda en beräkningsmodell som tar hänsyn till frekvensberoende avståndsdämpning,
bl a luftabsorptionen. Den nordiska beräkningsmodellen för externt industribuller är ett
exempel.
Den förenklade metoden kan användas för att få en konservativ uppskattning (d.v.s. för hög
ljudnivå) upp till 300 m. För större avstånd bör 3 dB minskning av ljudnivån för varje
fördubbling av avståndet motsvara en konservativ uppskattning. Om nivån exempelvis
beräknats till 45 dBA på 300 m, skulle den bli 42 dBA på 600 m och 38 dBA på 1,2 km.
Nordiska beräkningsmodellen 1996
Den nordiska beräkningsmodellen är en dBA-metod, vilket innebär att man räknar med ensiffervärden. I rapporten som beskriver beräkningsmodellen finns formler och diagram, med
vilka man kan ta hänsyn till frekvensberoende fenomen som mark- och skärmdämpning. De
beräkningsresultat för ljudnivå man får fram avser ett fall med svag medvind 0 – 3 m/s.
Medvind ger oftast en högre nivå än motvind.
Två fordonstyper används.
Följande indata behövs:
Trafik ÅDT
Andel tung trafik
Hastighet
Vägyta
Bankhöjd - skärning
Stigning
Delsträckor
Avstånd max 300 m
Skärmning inkl topografi
Markdämpning (hård och mjuk mark
Olika mottagarhöjd
Reflexer från vertikala ytor
Multipelreflexer
Fasadisolering
Två storheter beräknas: dygnsekvivalent ljudnivå och maximal ljudnivå som överskrids i 5 %
av passagerna eller energimedelvärde av maximal ljudnivå.
Den nordiska beräkningsmodellen finns i kommersiellt tillgängliga programvaror. Det finns
ett flertal program, som tillsammans med digitala kartor med höjdinformation kan beräkna
och åskådliggöra ljudnivån i heltäckande områden runt vid vägen.
Nord 2000 Road
En ny gemensam nordisk beräkningsmodell för vägtrafikbuller är under utveckling, se t ex
”Nordic environmental noise prediction methods, Nord 2000. Summary report. General Nordic sound propagation model and applications in source-related prediction methods”, Delta,
report AV1719/01 revised 30 June 2002. I denna modell finns möjlighet att räkna med
frekvensberoende avståndsdämpning och även ljudutbredning i olika vindriktningar.
19
Nord 2000 finns redan kommersiellt tillgänglig för industribuller. Motsvarande tillämpning
för vägtrafikbuller är under utveckling. Programmet räknar vid olika frekvenser med
spektrumupplösningen tersband (1/3-oktavband)
Beräkningsmodellens version 1.0 beskrivs i Hans G. Jonasson (SP) & Svein Storeheier
(SINTEF), “Nord 2000. New Nordic Prediction Method for Road Traffic Noise”, SP Rapport
2001:10, Acoustics, Borås 2001
Indata behövs för följande förhållanden (engelska benämningarna från rapporten):
‰ vehicle category
‰ road surface
‰ driving condition
‰ road temperature
‰ speed
‰ 1/3-octave band spectrum
‰ horizontal directivity
‰ vertical directivity
‰ tunnel opening
‰ the geometry of each propagation path, including intersection points between different
ground surfaces and vertical coordinates describing screens and height variations
‰ the flow resistivity of each ground and screen surface under the propagation path
‰ the roughness of each ground surface
‰ the air temperature
‰ the relative humidity
‰ the strength of atmospheric turbulence
‰ olika väder t ex med- eller motvind
‰ multipla reflektioner
‰ delsträckor
Fordonen indelas i denna modell i 5 kategorier med underkategorier, vägbeläggningen indelas
i 8 kategorier med underkategorier och körförhållandena i 6 kategorier. Som synes är det en
mängd indata som behövs.
Årsmedelvärde av LDEN med hänsyn till vind kan beräknas, liksom maximal ljudnivå.
Harmonoise
Harmonoise är ett EU-projekt för utveckling och validering av metoder för bedömning och
hantering av buller från väg- och tågtrafik. Projektet kommer att bygga på de senaste
vetenskapliga resultaten i EU:s alla medlemsländer och kommer också att tillhandhålla
koncensus bland de framtida användarna i den europeiska gemenskapen. För detta ändamål
har konsortiet som driver projektet en bred internationell och vetenskaplig bakgrund.
Metoderna som kommer att tillhandahållas kommer att vara obligatoriska under Direktivet
och kommer att kunna användas för planering med avseende på buller, kartläggning,
zonindelning, bullerbekämpningsåtgärder och strategier för kontroll av efterlevnad.
Arbetet med Harmonoise och EU-projektet Imagine, som behandlar åtgärder vid källan kan
båda följas på www.imagine-project.org.
Osäkerheter med beräkningsmodellerna
Den förenklade metoden kommer normalt att ge en konservativ uppskattning av den ekvivalenta ljudnivån. Med konservativ uppskattning menas här att den ljudnivå som beräknas med
20
den förenklade beräkningsmodellen blir lika med eller högre än ljudnivån som beräknas med
den nordiska beräkningsmodellen. Man är så att säga på den ”säkra sidan”. Det finns dock
ljudutbredningsfall som inte täcks av den förenklade metoden. Se beskrivningen i vår
delrapport 1.
Även de övriga modellerna ger osäkerhet, den nordiska 1-3 dB med uppfyllda förutsättningar,
men motvind kan ge 10 dB lägre värde. Nord 2000 har en förväntad standardavvikelse 1,5 dB
vid normala förhållanden. Nord 2000 väntas ge en större ljudutbredningsdämpning.
3.1.6 Antal boende i berörda hus
Vid konsekvensberäkningar där antal störda, mycket störda eller bullerstörningsindex ska
beräknas, måste man även ha information om hur många boende som finns i olika byggnader.
Det är inte alltid som exakta uppgifter finns tillgängliga. Aktuell befolkning går vanligtvis att
få per fastighet (se vidare i avsnitt 3:3:3). I de fall där det inte är rimligt att ta fram ett
underlag som anger antalet boende i studerade hus, borde oftast områdesspecifika
genomsnittstal för antal boende per småhus, lägenhet etc. kunna beräknas med information
från kommunen. Schablonvärden har angivits i delrapport 1, tabell 3:4, t.ex. 2 boende per
lägenhet eller 0,2 boende per meter fasadlängd och våningsplan.
3.1.7 Planering av bostäder och vägar i centralt belägna områden
Behov av att bygga bostäder i centralt belägna och trafiknära lägen ökar. Därmed får trafikbullerfrågorna en allt större betydelse vid bedömningar om bostadsprojekt kan genomföras
med en god ljudmiljö för de boende. Likaså planeras ibland vägar som syftar till att öka
framkomligheten i centralt belägna områden nära befintliga bostäder.
I rapporten ”Trafikbuller och planering II. Störningar från trafikbuller i nybyggda bostäder”,
utgiven av Länsstyrelsen i Stockholms län och Miljöförvaltningen i Stockholms stad (2004),
ges rekommendationer för planering. Rapporten bygger på beräkningar, ljudmätningar,
intervjuer och enkäter till boende i nyare bostäder som exponeras för trafikbuller i varierande
omfattning. Utredningen är genomförd av en projektgrupp bestående av NCC, Länsstyrelsen i
Stockholms län, Ingemansson Technology AB, Utrednings- och statistikkontoret och
Miljöförvaltningen i Stockholms stad. Stockholms Stadsbyggnadskontor har medverkat vid
framtagandet av underlagsmaterialet. Svenska Byggbranschens Utvecklingsfond (SBUF) och
projektgruppen har finansierat arbetet. Etablerade forskare inom akustik och effektforskning
om buller (miljömedicin, miljöpsykologi) står dock inte bakom studien, och dess slutsatser
har inte varit utan invändningar från forskarhåll.
De slutsatser av utredningen som författarna till rapporten drar är dock att det går att bygga
bostäder med god ljudstandard (dvs. inomhus med vädringsfönster på glänt) centralt i våra
storstäder såväl som i mindre bullerutsatta lägen. Störningen är dock inte kopplad till enbart
en faktor utan en kombination av faktorer. Enligt författarna ökar vissa faktorer störningen
medan andra minskar störningen. I rapporten ges exempel på planbestämmelser och åtgärder i
den fysiska planeringen samt exempel på goda kvarters-, byggnads- och lägenhetsplaneringar
(se nedan). Författarna menar att vid planering och byggande av nya bostäder kan många av
de faktorer som orsakar störningen påverkas, men inte alla.
Negativa faktorer som inte bör accepteras:
• Enkelsidiga lägenheter på trafiksidan.
• Planerade bullerminskande åtgärder har inte genomförts före inflyttning.
Negativa faktorer som ibland måste accepteras:
21
•
•
•
•
Exponering för flera bullerkällor.
Buller på soliga balkonger.
Bullrig gatusida.
Bullrigt grannskap (långt till tyst miljö).
Positiva faktorer som bör förstärkas
(Ju fler negativa faktorer desto mer bör de positiva förstärkas).
• Många boningsrum mot tyst sida.
• Mycket lågt buller inomhus.
• Tyst gård och gårdssida.
• Hög fasadisolering.
Vissa grundläggande krav avseende hälsa och säkerhet måste naturligtvis alltid uppfyllas, och
författarna till rapporten föreslår ett system med ”Ljudstandardpoäng” baserat på en vägning
av positiva och negativa faktorer.
Hälsokonsekvensbeskrivningar och deras beräkningar av störningseffekter bör i största
möjliga utsträckning följas upp och valideras genom före- och efterstudier vilka kommer att
förbättra möjligheterna att i förväg skatta konsekvenser och minska störningarna.
3.2 Bullerexponering och exponerings-responssamband
3.2.1 Inledning
En hälsokonsekvensbeskrivning av ett vägprojekt måste innehålla en bedömning av bullerexponeringen och när situationen så motiverar även en kvantifiering av dess konsekvenser.
Redovisningen skall vara korrekt för delområden medan exponeringen för enskilda bostäder
inte kan förväntas vara lika exakt beräknad. Noggrannheten väljs således inte utifrån vad som
ger en rimlig beskrivning av nivån vid enskilda bostäder, utan vad som ger en rimlig beskrivning för delområdet. Systematiska fel måste således undvikas, medan fel som slumpvis
påverkar exponeringsvärdena i båda riktningarna kan man bortse ifrån. Genomsnittsnivåer
inom respektive delområde är därför ofta tillräckliga.
Bullerexponeringen kartläggs först och främst för bostäder och andra lokaler. Vidare kan även
exponeringen för gående och cyklande längs tungt trafikerade vägar beskrivas, liksom
nivåerna i områden för rekreation. Dessa tilläggsredovisningar görs endast översiktligt och
endast i den omfattning som är motiverat inom det aktuella projektet, vilket vanligtvis innebär
stadsnära områden med många användare. Då valet av en specifik vägsträckning har gjorts,
genomförs ofta detaljerade beskrivningar av aktuella områden och åtgärders effekt i
arbetsplanens MKB. En MKB för en vägutredning bygger däremot på en grövre kartläggning
i syfte att underlätta val av vägsträckning samt potentiella åtgärder för att minimera
konsekvenserna.
3.2.2 Ambitionsnivå
Beroende av vägprojektets storlek, vilket steg i processen man befinner sig i samt tillgången
på data och/eller verktyg kan olika ambitionsnivåer väljas för hur hälsokonsekvenserna skall
beskrivas. Om projektet endast motiverar en låg ambitionsnivå (exempelvis vid screening för
att reducera antalet intressanta alternativ) genomförs en grov kartläggning av
bullersituationen. En enklare kartläggning tar inte hänsyn till:
•
•
geografisk fördelningen av störda
områdes- eller befolkningsspecifika faktorer
22
•
tänkta förbättringsåtgärder
En högre ambitionsnivå innebär att bullernivåer, spridning och störningsförekomst tabuleras
och redovisas med hjälp av GIS (Geografiskt InformationsSystem). Detta med syftet att
snabbt och enkelt identifiera specifika vägsträckor/bostadsområden med varierade belastning
och således även olika grad av problem. Resultatet av bullerberäkningarna redovisas i två
delar: emissioner respektive dämpningsfaktorer.
Vid en ännu högre ambitionsnivå tas även hänsyn till faktorer som har betydelse för
bullerexponeringen (situationsspecifika faktorer - speciellt andra bullerkällor och
bullerbelastningen i omgivande miljöer) när antalet störda beräknas. I vissa situationer kan det
även vara aktuellt att göra korrektioner för andra miljöfaktorer (luftföroreningar, vibrationer),
byggnadstyper eller känsliga grupper.
3.2.3 Illustrationer av bullerexponering med GIS
Figur 3:2:1 Spridningskarta för buller, mörkare färg längs vägarna symboliserar höga bullernivåer.
För att beskriva bullerexponeringen genereras ofta bullerkartor där spridningen av
bullernivåer fördelas över ett geografiskt område. Dock redovisas sällan hur många som
beräknas vara berörda inom olika bullerintervall.
Med intermediär eller hög ambitionsnivå sammankopplas bullerutbredningskartor med
information om hur många människor som bor eller i framtiden beräknas bo inom olika
intervall. Med utgångspunkt från en sådan exponeringsbedömning kan sedan kvantifieringar
av hälsokonsekvenser göras med hjälp av välgrundande exponerings-responssamband. Dessa
samband ger information om vilka konsekvenser olika bullernivåer orsakar i befolkningen.
23
## #
##
## ### #
## #
## # ####
## ########
## #
## ##
##
#
##
###
# ###
##
#
#
#
#
##
#
## ##
### #
###
#
# # ####
#####
###
# ## ##
#### ######## #
##
##
##
#
# ##
##
##
##
#
##
##
### # # ##
#
#
#
#
#
####
#####
##
## ##
####
# ##
###
#
#
#
#
#
##
###
##
#####
##
#
##
# # ##
#
#
####
###
##
#
#
##
##
##
#
###
#
##
##
##
##
##
# ##
##
#
#
#####
#
### # ######## #
#
# ##
##
## # #
#
#
#
####
#
###
#
##
#
### ##
#
##
#
##
#
##
#
##
#
#
##
# ##
###
##
### #
####
#
##
##
#
#
#
####
# #
##
#
#
#########
####
#
## ## ####
##
#
###
#
#
## # #
##
######
##
##
#
# #
#
##
## #
#
##
#
#
####
#
####
#
#####
# #
#
#
#
##
##
##
#
# ##
# ##
#
#
#
#####
#
#
#
#
#
#
#
## ####
#
#
#
#
#
#
#
# #
# #
# ## ##
##
#
#
#
#
##
#####
##
##
#
#
#
#
#
#
#
#
# ##
#
#
#
##
#
#####
#
##
#
#
##
#
#
#
#
#
#
##
#####
#
#
#
#
#
###
####
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
##
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
# ### #
## ##
##
#####
# #### # # # # #
#
#
###
####
# ##
#
##
#
#
######
#
## # #
##### ## #
#
## # ## #
##
#
# #
##
# ## # ########
## ####
##
### ####
##
###
######
#
#
#
#
###
##
##
##
##
###
##
#
#### # ### ##
#
##### ####
## ##
# ##
# ##
#
# ##
###
###
#
#
#
## #
#
##
## ##
#
#
#
##
#
#
### # ### # #
#
##
###
##
##
#
#
##
#
#
# #
##
# #####
### ##
##
####
#
#### #
#
#
#
#
##
##
##
##
######
##
#
##
#
#
##
##
#### # #
#
#
##
# ## ##
#
#####
#
###
##
##
#
##
##
##
##
##
#
###
#
##
##
## ##
##
#
# ####
##
#
#
#
#
##
##
###
#
#
## ##
## ##
########
##
#
##### # #
###
####
###
#
####
###
#
##
#
##
#
# #
# ## #
#
##
#
##
#
#
#
#
# # # ## #
##
#
###
#
#
##
## #
##
##
#### # #
#######
#
#
####
##
#
##
##
# ###
# #
# #### # # ###
##
#
#
#
#
#
#
##
#
#
#
# ## ###
#
# ##
#
##
#
#
#
###
#
#
## #######
#
# ##
##
#####
## #
#
##
#
#
#
#
#
## #
###
######
##
##
#
##
#
##
#
#
##
##
##
#
#
#
## ##
##
#
#
#
#
# # ## # # # ###
##
#
###
###
#
####
#
#
#
##
##
##### ###
#
#####
##
##
#
##
#
#
#
####
##
###
#
# # ##
#
#
#
##
###
##
#
#
##
#
## ##
###
####
##
###
##
#
###
#
#
#####
##
#
#
#
###
# #
#
#
#
#
##
#
####
#
## # #
#
# ### # ## #
# ##
##
##
##
#
#
#
#
#
#
#
#
#
#
#
#
#
#
# ##
#
#
#
#
#
#
# # ## #
#
# # ##
#
#####
##
###
### #
##
## #
# ##
#
#
#
#
#
##
##
##
###
# # ###
#
# ## #
###
#
## #
#
#
#
#
# #
### #
### ###
##
##
# ###
###
# # ## #
## # # ##
####
##
#
# #######
# #
##
##
##
##
#
## ####
######
#
#
#
##
#
##
#
#
#
##
#
##
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
## #
## ##
#
#
#
####
#
#
#### ###
### #
##
#
######
#
###
#####
#
#####
#
#
#
# #
#
### # # # ##
## ##
#
#
#
#
###
#
#
##
#
###
##
#
## # ##
#
###
#
##### #
##
##
#
#####
###
#
#
###
#
# ##
#
##
##
##
#
#
#
#
#
#
#
#
#
#
###
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
####
####
#####
##### #
##
#
#
#
#
#
# #
## ###
#
##
#
###
### #
#
###
####
##
##
#
## #
### ###
#
#
######## ##
# # ## # #
####
#
##
###
##
#
##
#####
###
##
#
#
##
####
# ##
#
######
##
#
#
##
##
### #
##
##
#
##
## ##### #
#
##
#
###
#
###
##
## #
#
#
##
###
# ## #
#
#####
# ##
#
#
##
##
##
##
#
##
#
###
#
##
#
#
#
#
##
#
#
# ## ### #
##
##
# # ## # #####
#
#
#
#
##
#
#
####
# #
###
##
###
##
##
#
###
#
##
##
#
##
###
# ## ###
#
# ##
# ####
##
# ##
##
# ##
# ##
#
##
#
#
# #
##
## ##
#
# #########
# # #
###
#
#
#
#########
#
#
##
#
##
###
##
#
# ##
####
# ###
## # #
#
#
###
##
## #
##
# # ##
##
##
###
#
###
## ##
#
## ##
## #
#
###
# # ##
##
#
##
#### ####
#
#
##
##
#
####
#
# ##
###
#
##
#
## ###
###
## #
# # ##
####
###
####
#
#
##
#
#
#
#
#
# #
#
#
#
###
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
##
#
#
#
#
#
#
#
######## ##### ##
#
##
#
#
#
# #
#
##
## # ### #
# ###
##
#
# ### ####
#
#
###
# ## #
#
#
##
# ##
#
## #
#
#
#
#
# ##
## #
##
####
#
######
#
#
#
#
###
#
# #
#
#
#
#
#
#
#
#
#
#
#
#
#
##
#
### ## #
#
#
####
##
#
# ##
## ##
# # ##
#
#
#
#
###
#
######
#
#
# #
#
#
##
######
# ####
#
###
#
# # #
# #
#
##
# # ##
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
##
#
# # #
#
#
##
#####
## #
######### ####
#
#
#
#
#
##
#
#
#
######
#
#
#
###
#
# ##
##
# #### ## #
#
# #
##
#
###
#
##
##
#
####### # ###
## ##
#
#
#
### ###
#
#
##
#
##
##
# ##
# #
#
##
#
## #
# ## ##
######
#
#
# ##
#
#
#
# # #
#
#
#
# # ###
#### ###
#
####
##
#
#
#
#
## ##
##
#
# # #
#
## #
#
#
###
##
##### #
# # # ## # ###
##
##
# ##
#####
##
##
##
#
#
## # #####
##
#
## #
##
#
#
##
##
##
#
###
#####
# #
#
#
#
##
#
#
# ## ### # ## ##
# # ## #
#
#
## #
#
#
##
# #
##
##
##
##
###
##
##
# #
# ##
##
# # ## ######
##
#
# #
## #
# #
#
#
#
## ##
#
#
#
#
#
# ##
# ## #
#
#
#
##
# ##
# ###
# #### # #
##
###
###
#
# #
# ### #
#
#
#
#
#
#
#
#
##
###
#
#
#####
# # ##
##
##
#
###
####
#
#####
#
#### #
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
# #
##
##
#
## ## #### #
# #
#####
##
##
##
# # #
# #
####
# #
#
###
#
##
##
# # # # ### #
##
#
#
####
## # #
#
#
###
#
#
##
#######
###
##
##
#
##
#
#
#
#
##
#
#
#
##
#
##
##
## ##
#
##
#
#
### ###
#########
# # # ##
# ####
#
#
#
#
#
##
#
#
#
#
##
# ##
##
#
#
##
# ##
#####
# ### #
#
##
###
#####
###
#
#
##
#
#
#
#
#
##
# # # ####
## ###
#
#
#
#
#####
###
#
#
#
##
#
## # ## ## ## ##
#
###
#
#
#
##
## ##
#
#
#
##
##
#
#
####
##
#
##
# # ## #
#
#
####
## #
#
#
### ##
#
###
#
#
###
#
##
#
#
#
####
#
#
# #
##
#
##
# # ##
###
#
#
## # #
##
### # #
#
### #
# #
#
##
#
#
#
#
##
## ###
#
##
# ## ##
# #####
#
#
#
##
##
#
#
#
#
#
##
# #
## # #
##
###
#
##
#
# # # ####
#
# ##
#
#
#
##
#
#
#
#
#
####
#
#
#
#
#
#
#
##
#
##
#
#
#
# ###
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
##
# #
#
##
# ## ## #
##
#
#
#
##
# # ##
####
###
##
#
##
# #
##
#
#
#
#### ##
#
##
##
#
#####
##
## #
#
#
##
#
##
#
#
#
#
##
#
#
#####
#
#
#
#
#
#
#
#
#
###
# ###
###
##
##
##
###
##
########
#
##
# ##
### ##
#
#
## # # #
## #
#
##
###
# ##
####
# ##
#
## #
#
#
##
##
#
##
####
#########
#####
#
# # ### #
#
#
#
#
##
#
#
####
#
######
#
#
#
##
#
#
##
#
#
##
###### ##
#
######
#
###
#
##
##
#
###
## # # ## ###
##
#
##
#
###
##
#
##
#
#
###
#
####
#
##
###
#
#
#
####
###
##
## # #
#
##
# # # ########
#
##
#
#
#
#
###
#
##
#
#
##
##
##
###
#
#
#
#
#
## # #
##
###
### #
#########
#
#
###
##
###
#####
##
##
#
# ## ###
#
##
##
#
#
##
###
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
###
# # # ##
# #
##### # # #
#
# #
## ##
# #
##
### #
#
##
####
######
# # # #
##
###
#
#
######
#
#
#
## #
## #
##
###
#
# #
#
#
#
###
###
#
# ##
###
#
#
#
#
#
### # # # # # # #
###
###
#######
###
# #
#
### # #
## ###
#
#
#
###
#
#
#######
#####
##
##
# ## #
### ##
#
#
## ##
###
#
# # ####
##
#
#
#
##
#
##
#
### ####
##
#
#
##
##
##
###
#
###
#
##
### #
#
#
#
#
#
#
######
####
#
##
## #
#
###
##
# #
##
##
#
#
#
###
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
# ###
#
#
#### ## ##
# # ##
##
##
#
#
# ##
###
#
##
##
# # ###
### ##
#
###
#######
######
#
###
##
#
##
### ####
##
#
###
#####
#
##
####
##
#
####
#
#
#
##
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
# # #
##
## #
####### #
####
#
#
### # #### ### ###
# ##### ##
# ####
#######
## ###
#
###
# ##
#
###
#
##
# ####
##
###
#
#
# ####
## # ## #
# ## ##
##########
#### #
#####
# # ##
### #
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
## ####
##
##
######
########
##
##
# #
### ## ##
####
##
#
###
#
#
###
##
#####
##
##
#
######
###
#
#
#
##
#
###
# #### ##
######
##
#
## #
##
#
#
## #
##
# #
###
#
#
## ###
##
##
## #
# ##
####
###
# #####
#
## ##
##
# ##
##
#
#
#
#
# ###
##
#
##
## #
##
# ### ## #
#####
#####
# ##
# ####
##
#
####
##
# #
#
#
#
#####
##
##
#
##
#
#
# #
###### ##
##
###
## # # # #
#### ##
#
## #
###
###
#
#
###
### #
###
###
##
#
#
###
#
##
### #
###
##
##
##
##
#
###
#
##
#
# ##
#
##
##
## #
#
# ######
####
#
###### ###
#
#
##
#
#
#
##
#
##
##
##
###
#
######
#
## ##
# # ###
#
##
###
##
## #
#### ##
#
#
##
# ## #
## # ###
##
#
###
#
##
##
#####
#####
##
# ## #
##
####
##
#
####
###
###
##
##
#
###
#
##
# # #
##
##
#
#
# # # ####
#
#
# ###
###
####
#
##
##
#
# #
#
##### #
###
# ####
###
###
#
##
##
##
### ### #
####
## #
#
####
#
#
#
##
#
#
##
#
##
#
#
#
#####
#
##
# ###
#
#
#
##
#
####
## ######
#
# ## #
#######
#
#
# ###
##
#
###
###
##
###
###
#
##
#######
#
#
##
#
#
##
##
##
#
#
#
##
##
#
# ######
# # ####### ### # #
#
#######
#
##
## #
# ## #
#
##
# ##
##
##
##
###
######
#
#
##
#
# # #
##
#
##
##
#
###
#
##
###
# # ###
#
#
####
#
##
##
###
# #######
##
#
#
##
#
##
# ##
# ##
### # ## ### # ## ###
###
##
##
##
#
#
#
###
#
#
###
#
####
##
#
#
#
#
#
#
#
#
#
#
#
###
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
###
#
#
#
#
#
#
#
### # ###
##
######
# #
# ##
###
#######
## #
# # ##
## # # #
##
##
#
##
#
##
#
##
####
## #
##
#
#
##
#
###
##
##
#
##
###
# # ####
##
##
#
#### ###
#
## #
##
###
##
##
###
##
##
##
##
##
#
##
# ###
##
##
# ### ####
##
# ##
#
##
##
##
##
##
# ##
##
#
##
#
##
#
# ## ## #
#
##
##
# ## # ##
#
#
# ##
# #
#
##
### #
#
##
#####
####
##
##
###
##
##
##
##
##
##
# ########
#
#
# ####
# #
#
#
# #
##
# #
#
#
##
#
###
####
##
#
##
#
#
## #
#
#
##
###
#
##
###
##
#
#
###
###
#
##
#
###
# ### #
###
##
##
###### # #
#
#
#
#
#
#
#
##
##
##
#
#
##
#
#
##
#
##
####
#
##
# ## #
#
#
####
##
#######
###
#
###
###
#####
##
#
#
## ##
#
## ##
### ##
#
#
##
###
#
#
#####
##
#
##
#
#
#
#
###
#
#
#
#
#
#
#
#
#
#
#
###
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
##
### ### ## ##
#
##
###
###
##### ##
## #
###
###
#
##
##
#
#
#
#
###
#
##
# ####
## #
#
#
##
#
#
#### ##
#
# ######
##
##
####
# #
#
#
##
#
#
##
##
# # ## ## ### #
#
##
##
###
# ##
# ##
# # ##
##
# # # # ###
#
#
###
##
#
##
##
##
### ###
#
#######
####
##
##
##
##
#
##
#
##
# #
##
#
##
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
##
#
#
#
#
#
#
##
#
#
#
#
#
#
## ######## # #
#
# ### ### # #
##
# ###
# #
## #
# # # ##
# ## ##
#
#
#######
##
#
##### ###### # #
# ## #
## #
# ##
##
# # ##
#
####
# # ####
# #
##
#
###
##
#
###
#
##
##
#
##
##
### ##
#######
######## # ## # #
#### #
#
######
#
#
##
# ##
#####
## ##
# #
##
#
### # ##### #
####
###
##
###
##
##
##
### #
#
# #
#####
##
# ## #
#
##
###
# #
########
# # #
##
#
###
#######
##
##
# ## # # #
##
#
##
##
#
####
# ##
# ##
#
#
#
##
##
# #
## #
##
##
#### # ###
####
### # ##
# #
######
#
###
## ##
#####
# # ## #
###
# ####
# # # # ##
##
#
# # #
## #
### ##
#
#
#
#
#
#
## #
#
#
#
######
## ##
#
###### # ## ##
#
#
#############
#
# ##
#### # # ### # ##
# # # ###
####
#
#
#
# # #
###### #
#
##
#
##
## # ##
#
#
#
#
#
##
#
#
#
#
#
#
#
#
#
#
#
#
#
##
#
### ###
## # # #
#
# # # ### ##
#
###
#
#
#######
# # ## # #
#
#
# # ##
#
#
#
# ## ## # #
##
###
# ##
# ## ##
## ##
#####
# # #
## # # ##
## ########
##
#
###
#### #
##
#
# ##### #
##
#
##
#
#
##
###
#
#
#
# #
##
## #
### #
#
##
#
# # # # ####
# # ##
##
##
## # ###
###
##
###
###
#
#### #
#
## # ###
# ##
#
####
#
## ###
### ## ##
#
###
###
#
#
#
#
## #
#
#
##
###
# #
#
# # # ##
#
##
#
#
####
##
###
#
#
# # #
##
##
#
##
## #
# ## ##
##
# # ## ###
#### ##
#
#
#
#
# # ##
#
#
# #
##
#
#
#
####
## #
##
#
#
#
#
##
# ###
#
#
## # #
##
#
##
#
#
#
### ##
#
#
##
#
#
###
#
#
# ##
##
###
#
#
#
#
#
#
#
#
## ###
#
##
###
#
## #
#
#
#
##
#
#
##
###
##
##
#
#
#
#
#
#
#
#
#
#
#
#
#
##
# ##
#
#
#
#
#
# #
##
#
##
##
#
#
##
#
#
#
#
#
##
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
###
#
#
#
#
#
#
#
#
###
#
#
#
# #
###
## ####
#### # #
#
##
# ## ####
#
# # # ###
##
##
#
#
##
#
#
#
#
#
# #
#
#
#
#
###
##
#
#
#
#
# ##
# #
#
# #
####
######
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
##
#
#
#
#
#
###
#
#
#
#
# #
#### ## ###
#
# ##
##
## #
##
#
##
##### ### ## # #
###
### ##
####
### #
#
#
##
#
####
#
#
###
### #
#
##
##
#
###
#
#
## ## # ##
####
#
###
#
####
##
###
##
#
## #
#
###
##
## # #
# ##
##
#
##
####
#
#
#
##
#
#
#
##
#
#
#
#
#
#
#
#
###
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
###### # #
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
# # ###
# ## ## ### #
###
#
##
##
## # ## #
##
# ########
##
# ## ###
## #
##
#
# ## #
# ## ##
#
# ##
# ####
######
#
##
#
##
#
##
#
##
##
##
#
## ###
#
###
#
##
##
####
###
#
#
##
##
#
#
# #
#
#
#
###
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
## # # #####
#
#
#
#
#
#
#
#
#
#
#
#
# ###
# #
#
## ######
##
#
#
##
# ##
# ## #
##
## ## #
##
### ###########
##
# # ##### #
##
#
#
##
####
##
#####
##
####
#
#
# #
#
### #####
# ######
# ##
#
#
## ##
#
## # # ###
#
#
###
##
######
#
##
# ## ###
# #
####
# #
###
# ###### ##
# # ### ##
####
#
#
###
#
##
## #
##
####
## ## #
### ### ##
#####
#
## #
##
###
##
###
######
#
##
###
#
##
##
##
##
#
#
#
#
### #####
##
##
#
##### #
##
# ##
##
# #
##
##
########
#
##
########
##
##
# #####
#
#
####
###
#
#
###
#### # # ##
#
#
#
##
#######
# ## #
## ###
#
####
##
###
#
###
####
#
#
###
##
#
# ###
## #
#
# ####
##
#
##### # ##
# #
##
## ##
####
#
#
##
#
##
#
##
##
#
##
#
#
### #
##
#
###
###
##
## # #
### #
##
##
##
##
####### ## ####
##
##
##
#
#
#
# # ####
###
##
##
##
###
######
##
#
## # ####
#
###
##
#####
#
##
####
# ##
#
#
#
#
###
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
##
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
####
#
#
#
#
#
#
# #
# # ###
###
## #########
##
#
##
#
# # ##
#
####
# # ###### # ##
#
#
# ### #
##
#
####
####
## # #
#
#
##### #
##
#
#
####
##
##
#
##
###
### #####
#
#
##
##
# ##
# ###
####
## #
#
##
#######
# ###
## ##
# ####
##
#
### #####
##
####
### ### #
##
#
#
##
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
# #
#
#
##
## ##
# # ###
#
#
## #
# ## ###
#
##
#####
## ##
## #
# ### #
##
###
###
#
##
### # ##
# ##
##
##
#
##
#
#
##
###
##
###
####
###
###
## #
##
##
####
##
#
#
#
#
#
#
#
#
##
#
#####
#
#
#
#
#
#
##
##
###
#
####
#
# # ####
## ###
##
#
###
#
## #
###
#
#
##
##
#
#
#
###
## ##
###
## ###
#
##
### #### ##
#
#
#
#
#
#
#####
#
##
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
##
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#### ##
#
## ### ## ## # ##### #### ## ##
##
### #
##
#
#
#
## ## #
#
##
### ########
##
# ## #
# #
##
#
#
#
###
# ##
##
#
###
#
##
#
##
#
#
#### # ####
#####
# ## # ## # #
#
### #
#
#
#
###
#
#
###
## # ### #
#
####
#
#
#
####
##
# ## ## #
##
##
#
### ###
##
#
##
#############
#
####
#####
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
# ###
#
#
# # ## # # ######### ## ### #
##
# #
# # # # # ##
####### ## #
#
#
####
#####
#
# ### ##
##
#
## ##
#
## #
##
#
######
## ##
# # #####
#
## ## #
## #
#
#
##
#
# ##
# #####
### #
#
#
##
#
#
#### # #
#
##
######
###
##
## #
#
## #
##
# ### #
##
###
##
##
#####
#
## #
#
#######
# ##
#
##
##
### # #
##
##
#
### #
# ##
####
# ##
#
# # # ##
##
###
###
###
##
#
###
##
### #
#
####
# ##
#
##
#
#
#
# ###
### ####
## ##
##
#
#
###
#
#
##
###
#####
#
#
##
#
##
#
##
###
#
#
# ##
##
#
###
# ###
#
# ##
####
#
##
#
# #### #
# ### ###
##
## #
# # ## ###
#
## ##
#####
##
# ###
#
# ##
###
##
#######
# #
##
##
#
##
#
#
###
#
#
# # ## #
#
## # #
####
# ##
##
##
##
#
###
#
#
###
#####
### # # ##
######
# # #
##
##
#
#
##
# ###
#
####
##
#
#
##
#
### #
##
# #####
#
#
###
####
### # #
#
#
## # # #
##
#
#
# #
## #
##
### #
###
##
### #
#
#
##
# #####
##
#########
#
##
#
##
##
#
#
#####
#######
##
###
##
##
#
#
#
### #
#
##
#
#
###
## # ##
#
##
## # ##
##
##
##
####
#
##
#
## # # ### ###
## #
#
###
## ## #
###
#
##
#
## ###
##
#
##
# ## #
#
# ####
##
#
####
#### # ###
###
######
## ##
#
# #
###
## ##
### ######
####
##
# # ########
## # #
#
#
## #
# #
#
###
#
#
# # #######
####
# ##
#### ##
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
## ##
###
##
##### #
##
#
# ###
#
### # # # ###
###
# # ###
# # ####
## #### ###### ## ###
###
#
## ##
##
#
##
##
# # ## # #
## #
#
####
##
##
# #
# # ########## # # # #####
#
# # ##
####
#### #
# #
## ## ### #
##
#
#
##
## # ###
# #
#
#### # # # # #
## ### #### ###
##### #
### ##
###
#
## #
# ##
# # # ###
Dwelling (address point)
0 - 55
55 - 60
60 - 65
65 - 87.161
0
500
1000 Meters
Figur 3:2:2 Visualisering av bullernivån vid enskilda bostäder med enkla beräkningsmodeller. En utveckling
vore här att ”översätta” bullernivåerna till skattningar av bullerstörning. Figuren är hämtad från SSB: bullerkartläggning av Oslo, 2003.
Geografisk visualisering av bullerexponering kan visa inom vilka områden ett vägprojekt har
störst inverkan, och avslöja var det kan bli aktuellt med bullerdämpande åtgärder. Hälsokonsekvensbeskrivningar skall således inte vara en passiv reflexion av de alternativ som
utvalts, utan ett aktivt verktyg för att finna bra lösningar.
3.2.4 Olika bullerbidrag bör beskrivas separat
Om det är möjligt skall resultaten från bullerberäkningarna också upplysa om skillnader
mellan emissions- och immissionsvärden för varje enskild bostad. Kunskap om skillnaden gör
det enklare att (utan nya beräkningar) simulera effekter från ändringen i emission för varje
adress. Med sådana simuleringar kan effekten av hastighetsförändringar, förbud mot tunga
fordon mm beräknas och visualiseras.
I de fall det finns bidrag från flera olika dominerande bullerkällor bör bulleremissionsvärden,
och reduktion av emissionsvärden grundat på avstånd, skärmning mm redovisas för vart och
ett av bidragen.
Där det är möjligt skall hälsokonsekvensbeskrivningen illustrera betydelsen av individ-,
situations-, åtgärds-, byggnads- eller områdesspecifika faktorer som påverkar
bullersituationen. Viktigt är även att beskriva faktorer som styrs antingen av byggherren eller
politiskt, t.ex. hastighetsbegränsningar, vägbeläggning eller fordonsrestriktioner. Dessa
åtgärder kan väljas för att minska hälsokonsekvenserna där det är stor förbättringspotential
och det bor mycket människor.
3.2.5 Bullerindikatorer – Lden och Lnight
Som bullerindikatorer föreslås inom EU en övergång till användandet av Lden och Lnight (se
avsnitt 3.1.4), d.v.s. de mått som har beslutats användas för att kartlägga bullerproblemen i
medlemsstaterna (Miedema 2002). Båda måtten är ekvivalentmått, d.v.s. mått som tar hänsyn
24
till antalet bullertillfällen och nivån på varje enskilt tillfälle. Användandet av dessa indikatorer
rekommenderas även från en europeisk expertgrupp som på uppdrag av UNECE och WHO
föreslagit hur transportrelaterade hälsokonsekvenser ska beskrivas: www.thepep.org.
Införande av dessa mått i Sverige är dock inte beslutat.
Det bör dock noteras att Lnight underskattar bullertoppar i områden med lite trafik, varför Lmax
eller SEL är bättre mått i sådana situationer. I de områden som blir föremål för en miljökonsekvensbeskrivning antas Lnight i stor utsträckning vara korrelerad med dessa mått och kan
därmed användas. För närmare detaljer se Miedema (2002).
De spridningsmodeller som rutinmässigt används t.ex. för miljökonsekvensbeskrivningar, är
dåliga att predicera låga bullernivåer (Kihlman, Ögren och Kropp, 2002; Ögren och Kropp
2004). Därför föreslås att beräknade Lden-nivåer under 50 dB sätts till 50.
Studier talar för att man utöver bullernivån vid bostaden också gör ett tillägg för situationen i
grannskapet. Tillägget består i att ta hänsyn till bullernivån vid den högst trafikerade vägen
som inom 75 meter från bostaden bidrar till bullernivån. I situationer med ett dominerande
bidrag används bullernivån 10 meter från vägens mitt (Klæboe, 2005a).
3.2.6 Nordiska beräkningsmodellen
Beräkningarna av Lden och Lnight bör utföras med den nordiska beräkningsmodellen i väntan på
att en ny europeisk modell tas fram. I de fall det inte finns uppgifter om vägtyper och
dygnsfördelning av trafik, konverteras LAeq 24h till Lden med hjälp av en genomsnittlig
trafikfördelning.
3.2.7 Buller och hjärt-kärleffekter
Att buller som stressfaktor teoretiskt skulle kunna orsaka hjärt-kärleffekter såsom höjt
blodtryck och hjärtinfarkt är sedan länge en tämligen etablerad uppfattning, vilken baseras på
humanförsök, studier i arbetsmiljö, djurstudier samt ett fåtal epidemiologiska undersökningar.
Eftersom det epidemiologiska underlaget är relativt begränsat och inte helt samstämmigt, har
olika expertgrupper kommit till slutsatser som att det finns ”begränsat” eller ”tillräckligt” stöd
för att samband existerar mellan hjärt-kärlsjukdom och buller från trafik (flyg, vägtrafik). Nya
studier presenteras allt eftersom och därmed ökar underlaget för riskbedömningar om hjärtkärlsjukdom vid exponering för buller från olika trafikslag (van Kempen, 2002, Bluhm et al
2001, Babisch W et al, 2005 och Öhrström et al, 2005). En expertgrupp inom WHO [WHO
Technical meeting on noise and health indicators, Bonn 7 – 9 July 2004] har föreslagit att
beräknat antal dödsfall i hjärt-kärlsjukdom används som indikator på effekter av trafikbuller
och att beräkningarna grundas på de dos-respons-samband som publicerats i översiktsartiklar
från senare år [van Kempen et al 2002) Även om det i litteraturen presenterats exponeringsresponssamband för hjärt-kärleffekter eller förhöjt blodtryck (se exempel nedan), bör
kvantifieringar av effekter för närvarande undvikas i miljökonsekvensbeskrivningar. Motiven
är främst att exponerings-responssambanden för dessa effekter ännu är vetenskapligt osäkra
och torde vara marginella i de vanligen små populationer som får förändrad bullerexponering
till följd av ett vägprojekt. Totalt sett kan buller i samhället dock vara orsak till 2-3 procent av
hjärt-kärlsjukligheten om de funna sambanden är korrekt kvantifierade och utgör
orsakssamband.
25
Exponering-responssamband för buller och högt blodtryck respektive kranskärlssjukdom
Miedema, Vos och Paschmier-Vermeer, 2002.
Hypertension
rekommenderade av
RR=0.5+0.007*Lden
For Lden between 70 and 80 dB(A) for road traffic and aircraft noise.
RR is the average relative risk for hypertension
Ischaemic
RR=0.5+0.0008*Lden
Heart disease
For Lden between 70 and 80 dB(A) for road traffic and aircraft noise.
RR is the average relative risk for hospital admission due to myocardial infarction
I framtiden kan dessa typer av effekter komma att anses tillräckligt säkerställda och relevanta
att skatta. De kommer då att inkluderas vid uppdateringen av metodbeskrivningen.
Sammanfattningsvis så bör hälsokonsekvenser av buller i första hand beskrivas genom antalet
störda i och utanför bostaden, samt som andelen med sömnbesvär orsakade av buller.
3.2.8 Val av exponeringsmått och exponerings-responsfunktioner till MKB
Svenska och norska studier indikerar att befolkningen i de nordiska länderna kan vara mer
känsliga för trafikbuller än genomsnittet i övriga Europa. Trots detta rekommenderas för
närvarande att kvantifieringar baseras på de utifrån många studier sammanvägda samband
som presenterats av Miedema och Oudshoorn (2001), men att den möjliga underskattningen
påtalas. Nedan presenteras vilka antaganden som kan användas i MKB för vägprojekt.
Samband mellan vägtrafikbuller och olika grad av störning, enligt Miedema och Oudshoorn (2001).
% LA = -6.235 * 10-4 (Lden – 32)3 + 5.509 * 10-2 (Lden – 32)2 + 0.6693 (Lden – 32);
% A = 1.795 * 10-4 (Lden – 37)3 + 2.110 * 10-2 (Lden – 37)2 + 0.5353 * (Lden – 37);
% HA = 9.868 * 10-4 (Lden – 42)3 – 1.436 * 10-2 (Lden – 42)2 + 0.5118 (Lden – 42).
HA= mycket störd, A= störd, LA= lite störd LA
3.2.9 Andelen mycket störda ger stor vikt till höga bullernivåer
En sammanvägd indikator på bullerstörningar anses ibland vara att föredra. Först presenteras
dock här de två alternativen som oftast används, andelen mycket störda och andelen störda.
Traditionellt har utgångspunkten för att beräkna procentandel mycket störda (% HA), varit
funktionen mellan andelen störda och bullerexponeringen vid den mest exponerade fasaden.
På en skala från 0-100 räknas de 28 % mest störda vid en viss bullernivå som mycket störda.
Funktionen % HA, har störst lutning vid höga bullernivåer (75-80 dB) vilket innebär att den
beräknade effekten av åtgärder är störst vid höga bullernivåer och lägst vid låga. Således kan
åtgärder som minskar höga bullernivåer med t.ex. 5 dB prioriteras framför samma sänkning
av låga nivåer.
26
Figur 3:2:3 Kumulativa (adderade) andelen störda av buller i förhållande till bullernivå vid bostadens mest
utsatta fasad, LAeq24h från Mistraprogrammet ”Ljudlandskap för bättre hälsa” Öhrström, Skånberg, Svensson,
och Gidlöf Gunnarsson (2005).
Ovanstående resonemang om att se allvarligt på höga nivåer kan motiveras också av att de
möjliga effekterna på hjärtsjukdom och högt blodtryck verkar ha en nedre tröskelnivå på ca
65 dB. Resultat från socio-akustiska studier visar också att de som rapporterar sig mycket
störda av buller ofta även rapporterar att de är störda ”hela tiden”. Hypotesen om att det inte
nödvändigtvis är bullerexponeringen i sig som ger effekter på människan, utan bristen på
återhämtning, ger således ytterligare motiv för användandet av andel mycket störda som
konsekvensmått på effekter av buller.
När syftet är att beskriva effekten av olika tekniska förbättringsåtgärder, t.ex. fasadisolering,
kan fokus läggas på den specifika grupp till vilka åtgärderna främst riktats, vilket oftast är
gruppen mycket störda och för liknande specifika åtgärder kan % HA vara det bästa måttet.
3.2.10 Effekter av källreducerande åtgärder beskrivs bäst av andelen störda (% A)
Ett problem med att använda % HA är att måttet är lite känsligt för åtgärder som reducerar
bullerexponeringen vid måttliga höga och lägre bullernivåer. Källreducerande åtgärder bidrar
framför allt till en förbättrad bullersituation för dem som är måttligt störda vid lägre
exponeringsnivåer. Dessa åtgärder kommer därför stora befolkningsgrupper tillgodo. Vid
nivåer under 60 dB är andelen som är lite respektive måttligt störda av buller stor i
förhållande till de mycket störda, och det är denna andel som reduceras mest (starkast
lutning). Fördelen med mått som tar hänsyn till andelen störda, till skillnad mot andelen
mycket störda, är att måttet är känsligare för positiva konsekvenser av bullerförbättrande
åtgärder vid källan som kommer många till godo. Exempel på sådana åtgärder är hastighetsbegränsning och tyst vägbeläggning. När man väljer ett mått som också är känsligt för
förbättringar för stora befolkningsgrupper i vanliga stadsområden (mellan 55 och 65 dB), blir
det större förutsättningar att samhällsekonomiska beräkningar visar på lönsamhet för
åtgärderna. Används måttet andel störda (annoyed), % A, som indikator på bullerproblem, kan
förbättringar beskrivas även vid låga bullernivåer. Måttet skiljer dock inte mellan de som är
lite, mycket eller extremt mycket störda varför det finns risk för felprioriteringar. I princip
27
kommer man att kunna välja ett alternativ som leder till 250 störda (A) och 50 personer som
är mycket störda (HA) framför ett projekt som ger 200 störda och 99 mycket störda.
3.2.11 Viktad störningsskala
En alternativ lösning är att använda mått där olika grad av störning viktas samman. I Norge
används ett mått som kallas % SPI (stoyplageindex) vilket kan översättas till bullerstörningsindex (% BSI) för genomsnittlig störning. Med detta mått vägs andelen störda i olika
kategorier olika tungt. Andelen som störs mycket (% HA) viktas med 72 %, medan de som
störs (% A) viktas med 50 %.
Ett problem med denna typ av mått är att låg grad av störning tilldelas större vikt än vad som
av politiker och beslutsfattare kan tyckas rimligt. Vid låga bullernivåer kan upp till 40 % av
BSI-talet motsvaras av personer som inte störs (Klæboe, 2003).
% BSI
I ett första skede rekommenderas därför att man beräknar ett bullerstörningsindex där man ger
de tre översta störningskategorierna, oerhört mycket, mycket och ganska mycket vikterna 90
%, 70 % och 50 % och tilldelar personer som ej störs eller störs lite värdet 0. Exponeringresponskurvorna erhålls genom att multiplicera andelarna som störs i olika grad med vikterna.
Andelen som är oerhört störd kan erhållas med en formel i Miedema och Oudshoorn (2001).
100 %
Mycket
Mycketkänslig
känslig
Ganska
Ganskakänslig
känslig
Inte
särskilt
känslig
Inte särskilt känslig
Inte
alls
känslig
Inte als känslig
90 %
80 %
70 %
60 %
50 %
40 %
30 %
20 %
10 %
0%
45
50
55
Lden
60
65
dB
Figur 3:2:4 Reviderat bullerindex (%) för besvärsskala med 5 kategorier, uppdelat efter självrapporterad
bullerkänslighet samt totalt för samtliga personer. De två lägsta kategorierna har tilldelats vikten 0 (baserat på
Öhrström m.fl., 2005).
Det bör här tilläggas att om % BSI används som mått är det viktigt att också rapportera de
enskilda graderna av störning % A, % HA och eventuellt även % EA (Extremely annoyed) så
att resultaten också under en övergångsperiod rapporteras med mått som är välbekanta.
3.2.12 Korrigering för buller i grannskapet
Ett problem med konsekvenskurvor för buller är att de inte tar hänsyn till bostadens omgivning. Människor upplever sig mer störda av bullret vid bostaden om samtidigt bullernivån i
grannskapet är hög. Konsekvenskurvor som tagits fram utan hänsyn till bullernivåerna i
grannskapet, överskattar störningen vid ensidiga exponeringssituationer och underskattar i
28
mer komplicerade situationer. Exempel på ensidiga bullersituationer är husrader vända mot en
gata/väg, medan en mer komplicerad situation kan motsvaras av husraden innanför (Klaeboe,
2005a). Ett korrigerat bullerbelastningsmått kan beräknas utifrån information om bullernivån
vid den mest belastade fasaden och bullernivån inom 75-meter kring bostaden - se tabell
3:2:1. Baserat på de korrigerade bullerbelastningsmåtten kan man illustrera effekterna i form
av en störningskarta, se figur 3:2:5.
Inom ett omfattande MISTRA-projekt, ”Ljudlandskap för bättre hälsa” studeras också
betydelsen av tysta sidor (Slutrapport Berglund et al, 2004, www.soundscape.nu), vars
resultat kan komma att påverka hur bullerbelastningen bör beskrivas. Resultaten från detta
forskningsprogram visar att om det finns tillgång till en tyst sida som en totalnivå från trafik,
fläktar och liknande och i förekommande fall industri”) är störningen avsevärt lägre än om
bullernivån är lika vid båda sidor av bostaden. Bullernivån vid den mest exponerade sidan är
dock av störst betydelse för störningen. Tyst sida i urban bostadsbebyggelse definieras som en
sida med LAeq,24h <45 dB (frifältsvärde, med sambandet + 3dB 2m från fasad och +6 dB kloss
fasad) (Öhrström m fl 2005).
Tabell 3:2:1 Korrigerad bullernivå som funktion av bullernivå vid fasad Lden och hur mycket den högsta
ekvivalenta bullernivån inom 75 meter Ldiff överstiger bullernivån vid fasaden. Från Klaeboe R, 2005b.
Lden dB
Ldiff dB
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
0
45
46
47
49
50
51
52
54
55
56
57
59
60
61
62
64
65
66
67
69
70
71
72
1
46
47
48
49
50
52
53
54
55
57
58
59
60
62
63
64
65
67
68
69
70
72
73
2
46
47
48
50
51
52
53
55
56
57
58
60
61
62
63
65
66
67
68
70
71
72
73
3
47
48
49
50
51
53
54
55
56
58
59
60
61
63
64
65
66
68
69
70
71
73
74
4
47
48
49
51
52
53
54
56
57
58
59
61
62
63
64
66
67
68
69
71
72
73
74
5
48
49
50
51
52
54
55
56
57
59
60
61
62
64
65
66
67
69
70
71
72
74
75
6
48
49
50
52
53
54
55
57
58
59
60
62
63
64
65
67
68
69
70
72
73
74
75
7
49
50
51
52
53
55
56
57
58
60
61
62
63
65
66
67
68
70
71
72
73
75
76
8
49
50
51
53
54
55
56
58
59
60
61
63
64
65
66
68
69
70
71
73
74
75
76
9
50
51
52
53
54
56
57
58
59
61
62
63
64
66
67
68
69
71
72
73
74
76
77
10
50
51
52
54
55
56
57
59
60
61
62
64
65
66
67
69
70
71
72
74
75
76
77
11
51
52
53
54
55
57
58
59
60
62
63
64
65
67
68
69
70
72
73
74
75
77
78
12
51
52
53
55
56
57
58
60
61
62
63
65
66
67
68
70
71
72
73
75
76
77
78
13
52
53
54
55
56
58
59
60
61
63
64
65
66
68
69
70
71
73
74
75
76
78
79
14
52
53
54
56
57
58
59
61
62
63
64
66
67
68
69
71
72
73
74
76
77
78
79
15
53
54
55
56
57
59
60
61
62
64
65
66
67
69
70
71
72
74
75
76
77
79
80
16
53
54
55
57
58
59
60
62
63
64
65
67
68
69
70
72
73
74
75
77
78
79
80
17
54
55
56
57
58
60
61
62
63
65
66
67
68
70
71
72
73
75
76
77
78
80
81
18
54
55
56
58
59
60
61
63
64
65
66
68
69
70
71
73
74
75
76
78
79
80
81
19
55
56
57
58
59
61
62
63
64
66
67
68
69
71
72
73
74
76
77
78
79
81
82
29
20
55
56
57
59
60
61
62
64
65
66
67
69
70
71
72
74
75
76
77
79
80
81
82
Figur 3:2:5 Karta över bullerkonsekvenser för Oslo. Upplevda ljudlandskap, Engelien m fl, (2004).
3.2.13 Buller och sömnstörning
De konsekvenser som i första hand kan kvantifieras utöver antalet störda av buller i och
utanför bostaden är förekomst av sömnstörning. Skattningar av sömndjup och rörelse under
sömnen bör dock undvikas, eftersom det är oklart hur sådana effekter skall värderas.
Även när det gäller sömnproblem kan det vara aktuellt att väga samman de olika graderna av
störning till ett gemensamt index. I första hand bör vikterna för störningskategorier väljas på
samma sätt som för störning.
Samband mellan vägtrafikbuller och olika grad av sömnstörning från Miedema, 2002.
%HSD= 20.8-1.05Lnight+0.01486Lnight2
%SD= 13.8-0.85Lnight+0.01670Lnight2
%LSD= -8.4+0.16Lnight+0.01081Lnight2
HSD= mycket störd, SD= störd, LSD= lite störd
30
3.3 Exempel på konsekvensberäkningar och deras presentation
3.3.1 Introduktion
I detta avsnitt redovisas hur man i en MKB kan beskriva väntade konsekvenser av trafikbuller
i form av skattad störningsförekomst. Inledningsvis presenteras en jämförelse mellan en enkel
respektive mer detaljerad modellberäkning, därefter diskuteras hur exponering och befolkning
kan kopplas samman.
3.3.2 Jämförelse av resultat från förenklad och detaljerad modell – väg genom Mellerud
Antal fastigheter som utsätts för olika bullernivå, i detta fall utgående från väg 45 genom
Mellerud (Xstad), åskådliggörs först med en överskådlig figur, se figur 3:3:1 nedan. För att få
fram detaljerade uppgifter om bullernivåer behövs exakta lägesuppgifter, vilka kan erhållas
manuellt eller med hjälp av geografiska informationssystem (GIS) och digitala kartor.
Figur 3:3:1 Översiktskarta med bullerbelastning vid olika fastigheter.
31
Figur 3:3:1 Avstånd från vägen till varje hus kan bestämmas med datoriserade kartor. Avståndet bestämmer i
den förenklade modellen entydigt ljudreduktionen från vägens ljudemission till huset.
Tabell 3:3:1 Antal hus som utsätts för olika ljudnivå. Beräkning har skett med den förenklade modellen och den
nordiska beräkningsmodellen som används som den detaljerade modellen. Skillnaden mellan antal hus i olika
ljudnivåintervall för de två beräkningsmetoderna visas också.
Intervall
<40
41-45
46-50
51-55
56-60
61-65
66-
Antal hus vån 1
förenklad modell
44
31
20
11
36
7
Antal hus vån 1
detaljerad modell
46
37
35
15
21
22
5
Differens
7
-4
5
-10
14
2
Beräkning av antal störda respektive mycket störda personer har i detta fall skett med
exponering-responskurvor som utgår från den så kallade EU-kurvan (Miedema & Oudshoorn,
2001). Omräkningen beskrivs i delrapporten 1. I figur 3:3:3 visas kurvan för andelen mycket
störda. Lämpliga antaganden om exponering-responskurvor och index beskrivs utförligare i
avsnitt 3.2 i denna rapport.
32
Beräknat antal mycket störda i Mellerud (Xstad) visas i tabell 3:3:2.
Andel mycket störda [%]
50%
40%
30%
HA%
20%
10%
0%
40
50
60
70
Dygnsekvivalent ljudnivå [dB(A)]
Figur 2:3:3 Andel mycket störda omräknat från EU-kurvan enligt Miedema & Oudshoorn, 2001.
Tabell 3:3:2 Uppskattat antal mycket störda personer med de två beräkningsmodellerna. Flera våningar är
inräknade.
Intervall
41-45
46-50
51-55
56-60
61-65
66Summa
Antal mycket störda personer
Detaljerad modell
4.0
7.1
5.4
12.0
18.7
5.9
53
Förenklad modell
4.8
6.3
7.2
6.3
30.7
8.3
64
Med den förenklade beräkningsmodellen blir antal mycket störda totalt sett större än med den
detaljerade. Det visar att beräkningsmodellen i detta fall verkligen är ”konservativ”, d.v.s. i
vart fall inte underskattar störningen. I några nivåintervall underskattas störningen.
Viktigt att framhålla från denna beräkning är att även vid så låga ljudnivåer som 41-50 dBA
förväntas det finnas ett fåtal personer som känner sig mycket störda, men detta är sällan fallet
(personlig kommunikation: E Öhrström).
3.3.3 Redovisningar av resultaten vid en hypotetisk överflyttning av 10000 fordon/dygn
Ett ytterligare exempel på beräkningar och resultatpresentation har erhållits via en hypotetisk
fallstudie av en tänkt trafikomläggning där 10000 fordon per årsmedeldygn flyttas från
nuvarande Europaväg 4 genom centrala Umeå till Kolbäcksleden öster om centrala staden.
Med detta exempel vill vi lyfta fram metodfrågorna när befolkning och exponering ska
kopplas ihop. Av översiktskartorna nedan (figur 3:3:4 och figur 3:3:5) framgår hur den
modellberäknade ljudnivån i de berörda vägsträckornas närhet påverkas av trafikomläggningen.
33
Figur 3:3:3 Bullernivåer för det hypotetiska nollalternativet, d.v.s. före flytt av 10000 fordon/åmd.
Figur 3:3:4 Ett hypotetiskt alternativ där 10000 fordon/åmd flyttats från E4 till Kolbäcksleden i östra delen av
Umeå.
På de översiktliga bullerkartorna av detta slag kan det vara svårt att se skillnaderna mellan
alternativen. Med detaljbilderna som i figur 3:3:6 och 3:3:7 ser man tydligare förändringarna,
34
i figurerna hur antalet hus som utsätts för en ekvivalent ljudnivå över 55 dBA utomhus längs
Kolbäcksleden ökar efter trafikomläggningen om inte nya bullervallar etc. byggs upp.
Figur 3:3:5 Exempel på detaljbild från del av Kolbäcksleden med bullernivåer för nollalternativet, d.v.s. före
flytt av 10000 fordon/åmd.
Figur 3:3:6 Exempel på detaljbild från Kolbäcksleden med bullernivåer då 10000 fordon/åmd tillkommit.
35
Vi har tidigare nämnt att man ibland får nöja sig med schabloner för antal berörda personer
eftersom man inte har faktiska data. Den vanligaste situationen vid användande av faktisk
befolkningsinformation är att uppgifterna utgår ifrån fastighet. Befolkningen är skriven per
fastighet och fastigheterna har en mittkoordinat som ofta används för att beskriva
befolkningens geografiska fördelning. Med GIS-verktyg kan fastighetens mittpunkt och de
där skrivna personerna tillskrivas ett exponeringsvärde. Man kan också fördela befolkningen i
ett rutnät baserat på antagandet att befolkningen är jämt fördelad över fastighetens yta, och
dessutom beräkna exponeringsnivån i samma rutnät. Båda alternativen är främst aktuella när
man studerar stora områden, inte enskilda fastigheter.
I avsnitt 2.2 berördes att utnyttjandet av faktisk befolkningsinformation utifrån fastighetens
mittpunkt kan leda till problem främst vid skattningar av hälsokonsekvenser till följd av
buller, där förhållandena kan skilja sig tämligen avsevärt inom ett litet område. Vi har använt
Umeåexemplet för att visa hur resultaten kan skilja sig mellan den enklare metoden med
boende per fastighet och dess koordinatsatta mittpunkt som beräkningspunkt och en
beräkning där fastighetens befolkning fördelas ut proportionellt på bostadshusen efter
ungefärlig bostadsyta och tilldelats byggnadsmittens värde eller fasadens maximala värde.
Figur 3:3:8 visar en fastighet med stor yta intill den vägsträcka som i exemplet får 10 000
fordon fler per årsmedeldygn om trafikomläggningen genomförs. På fastigheten finns 672
personer skrivna och med den enklare metoden placeras alla i fastighetens gröna mittpunkt. I
själva verket finns de boende fördelade på 8 byggnader (blå punkter), vilka beräknas ha
vardera 84 boende. Mittpunkten beräknas få en höjning av Lden från 47,5 till 52,6 dB, medan
det mest exponerade husets mittpunkt får en ökning från 55,2 till 62,8. Vid beräkningarna har
värden under 50 dB satts till 50 enligt avsnitt 3.2.5.
Figur 3:3:8 Alternativa sätt beskriva exponering för en berörda fastighet.
36
Beräkningen av antal störda inom denna fastighet enligt 0-alternativet respektive alternativ 1
(ytterligare 10 000 fordon/åmd) svarar bara mot en liten del av beräkningarna som görs för
hela trafikleden, men ska illustrera skillnaderna mellan de två möjligheterna att placera de
boende.
Vi använder den s.k. EU-kurvan (Miedema & Oudshoorn, 2001), och i figur 3:3:9 motsvaras
den mittersta kurvan av andel störda, och bullernivån (Lden) enligt de två alternativen svarar
mot en beräknad andel störda. Situationen för byggnad 1 (den mest exponerade byggnaden)
visas i diagrammet och på rad 1 i tabellen. I denna byggnad beräknas 12 personer fler bli
störda enligt alternativ 1. Räknar man med fastighetens befolkning fördelad på dess
byggnader beräknas totalt 33,2 fler störda enligt alternativ 1, medan man beräknar 38 fler
störda om alla boende placeras på fastighetens mittpunkt.
Den mest detaljerade beräkningsmetoden tillämpades också för denna fastighet. I det fallet
fördelades befolkningen på byggnaderna (enligt ovan) och tillskrevs max Lden vid fasad med
korrigering för maximala nivån inom 75 m enligt tabell 3:2:1.
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
50
55
Exponerade
60
Lden 0
% störda
65
%besv
Antal
Lden1
70
% störda
% besv
75
Antal
Ändring
Bygg -1
84
55.2
16.9%
14.2
62.8
31.2%
26.2
12.0
Bygg -2
84
50.0
10.1%
8.5
51.6
12.0%
10.1
1.6
Bygg -3
84
50.0
10.1%
8.5
50.0
10.1%
8.5
0.0
Bygg -4
84
50.0
10.1%
8.5
50.0
10.1%
8.5
0.0
Bygg -5
84
50.0
10.1%
8.5
53.5
14.5%
12.2
3.7
Bygg -6
84
51.6
12.0%
10.0
62.0
29.7%
24.9
14.9
Bygg -7
84
50.0
10.1%
8.5
52.2
12.7%
10.7
2.1
Bggg -8
84
57.4
20.6%
17.3
56.6
19.3%
16.2
-1.1
117.3
33.2
50.0
7.6%
52.6
13.3%
89.3
38.0
S:a Bygg
672
Fast
672
84.1
51.3
Figur 3:3:9 Figuren visar andelen störda vid olika bullernivåer baserat på den sk EU-kurvan (Miedema &
Oudshoorn, 2001). I tabellen redovisas antal personer, bullernivåer och beräknat antal störda i samma fastighet
som i figur 3.3.8. Tabellen redovisar resultat för noll-alternativet respektive alternativ 1, d.v.s. en ökning av
antalet fordon med 10000 per årsmedeldygn.
Med den beräkningen skulle alternativ 1 ge 54,4 fler störda än 0-alternativet för den aktuella
fastigheten med 672 boende. Skillnaderna kan alltså bli stora beroende på metodik.
Motsvarande beräkningar gjordes för alla de berörda sträckorna, och i en MKB skulle
resultaten lämpligen områdesvis och som total skillnad mellan alternativen.
37
3.4 Referenser
Babisch W, Beule B, Schust M, Kersten N, Ising H. Traffic noise and risk of myocardial infarction. Epidemiology 2005;16:33-40.
Berglund, B, Kihlman T, Kropp W and Öhrström E. Soundscape Support to Health. Göteborg: Chalmers, MISTRA Final Report Phase 1, March 2004.
Bluhm G, Nordling E and Berglind N. (2001) Increased prevalence of hypertension in a
population exposed to road traffic noise. Ed. Boone R. In proceedings of the 2001
International Congress and Exhibition on Noise Control Engineering (Internoise 2001), The
Hague, The Netherlands 2001 August 27-30. Vol 3, 1563-1566.
Engelien, E, Klæboe, R and Steinnes, M, 2004. Neighbourhood sonoscapes - context sensitive
noise impact mapping. Documents no 12/2004, Statistics Norway, Oslo.
Kihlman, T, Ögren M and Kropp W, 2002. Preditiction of urban traffic noise in shielded
courtyards, Internoise, Dearborn, USA.
van Kempen E E, Kruize H, Boshuizen H C, Ameling C B, Staatsen B A and de Hollander A
E. (2002) The association between noise exposure and blood pressure and ischemic heart disease: a meta-analysis. Environ Health Perspect. Mar;110(3):307-17.
Klæboe, R, 2003. Samspill Trafikk, miljø og velferd. TØI rapport 645/2003.
Transportøkonomisk institutt, Oslo.
Klæboe, R, Kolbenstvedt M, Fyhri A, and Solberg S 2005a. The impact of the neighbourhood soundscape on road traffic noise annoyance. Acta Acoustica 2005;91:1039-1050.
Klæboe, R, Engelien, E and Steinnes, M. 2005b.
Context sensitive noise impact mapping. Submitted to Applied Acoustics
Miedema, H. M. E. 2002. Position Paper on dose response relationships between transportation noise and annoyance. European Commission.
Miedema, H. M. E. and Oudshoorn C. G. M.. Annoyance from transportation noise: Relationships with exposure metrics DNL and DENL and their confidence intervals. Environmental
Health Perspectives 2001;109 (4): 409-416.
Miedema, H. M. E., Passchier-Vermeer, W and Vos, H, 2002. Elements for a position paper
on night-time transportation noise and sleep disturbance. Report 2002-59. TNO Inro, Delft.
Miedema, H M E, Vos, H og Passchier-Vermeer, W, 2002. Relationships between environmental noise and health. Contribution to Internet symposium 2002 Transportation, annoyance
and health TNO Inro, Delft.
Ögren, M and Kropp, W. 2004. Road traffic noise propagation between two dimensional city
canyons using an equivalent sources approach. Acta Acustica United With Acustica 90, 293300.
38
Öhrström E , Skånberg A, Svensson H and Gidlöf-Gunnarsson A. Effects of road traffic
noise and the benefit of access to quietness. Submitted to J Sound Vib.
Öhrström E, Barregård L, Skånberg A, Svensson H, Ängerheim P, Holmes M och Bonde E.
(2005). Undersökning av hälsoeffekter av buller från vägtrafik, tåg och flyg i Lerums
kommun. Rapport Avd för Miljömedicin, Sahlgrenska Akademin vid Göteborgs universitet
och (Västra Götalandsregionens Miljömedicinska Centrum (VMC) ISSN 1400-5808, ISRN
GU-MMED-R-2005/1 SE
http://www.imm.ki.se/riskweb/bedomningar/buller.html
39
3.5 Appendix 1. Checklista för buller i MKB för vägprojekt
Förstudie
En förstudie behöver formellt inte innehålla en MKB enligt Vägverkets MKB-handbok. Den
bör däremot innehålla en miljödel som förbereder för MKB i vägutredning och arbetsplan.
Beskrivningen nedan motsvarar ”gul nivå” i vår delrapport 1.
Ge en översiktlig bild av bullerförhållandena utifrån existerande information.
o Sätt miljömål för buller i projektet. Ange vilka hälsoeffekter valda riktvärden kan ge
med hänvisning till exponerings-responssamband. Hälsoeffekterna kan i detta skede
anges som andel störda och mycket störda personer och andel personer som kan
förväntas få sömnstörningar.
o Avgör om buller kan bli en betydande miljöeffekt. Om bullersituationen inte antas
påverkas och bullernivåerna ligger klart under riktvärden är det ingen viktig effekt
enligt Vägverkets MKB-handbok. Om bullerriktvärden överskrids lika mycket med
som utan vägprojektet måste buller ändå anges vara en viktig aspekt.
o Föreslå minst ett alternativ med minskade hälsoeffekter och ett alternativ med positiva
konsekvenser för naturmiljö, kulturmiljö och friluftsliv.
o Kommentera översiktligt föreslagna alternativ med avseende på buller.
o Ange krav på den hur bullerfrågorna ska behandlas i den kommande MKB:n.
För att avgöra om bullernivåerna kan komma att överskrida riktvärdena kan det räcka att göra
en beräkning med den förenklade beräkningsmodellen om förutsättningarna är uppfyllda (se
delrapport 1).
Vägutredning
En vägutredning ska innehålla en MKB. Beskrivningen nedan motsvarar ”orange till röd
nivå” i vår delrapport 1.
o Fastställ miljömål tidigt i projektet. Det kan göras som riktvärden för ekvivalent
ljudnivå och maximal ljudnivå i olika typer av områden (t ex bostadsområden, skolor,
vårdinrättningar, arbetsplatser, parker, naturmiljö, kulturmiljö och friluftsområden)
och som begränsning eller mål för minskning av hälsoeffekter (antal störda och antal
sömnstörda).
o Tag hänsyn till frågor och synpunkter på buller i hela samrådsprocessen.
o Beräkna bullernivå översiktligt för att avgöra om det är risk att miljömålen inte klaras.
Bedömningen kan göras utifrån en förenklad beräkningsmetod som överskattar
bullernivån. Om sådan risk uppstår, gå vidare med detaljerade beräkningar enligt
punkt 4.
o Gör detaljerade beräkningar med den nordiska beräkningsmodellen för vägtrafikbuller.
Det är en fördel att använda ett beräkningsprogram där man kan använda en digital
karta med höjdinformation för terräng och byggnader. Om beräkning måste ske på ett
avstånd större än 300 m måste en beräkningsmetod som tar hänsyn till ljudets
dämpning vid olika frekvenser på större avstånd användas.
o Vägverket rekommenderar att beräkna samhällsekonomisk kostnad för buller baserat
på 24-timmars ekvivalentnivå. I Vägverkets publikation 2001:88
”Bullerskyddsåtgärder – allmänna råd för Vägverket” anges hur beräkningen ska
göras.
o Uppskatta hur många boende som utsätts för bullernivå i olika intervall ute och inne.
Underlag behövs på antal boende på olika platser vid planerat idrifttagande av vägen.
40
o
o
o
o
o
Detta kan göras med GIS-verktyg och exemplifieras senare i detta avsnitt. Om planer
finns på t ex nya bostadsområden efter idrifttagande ska dessa boende också
medräknas.
Beräkna hälsoeffekterna i form av antal störda och mycket störda samt förväntat antal
sömnstörda genom att utnyttja exponering-responssamband som beskrivs i ett särskilt
avsnitt. (Detta är inget Vägverket rekommenderar för närvarande. Syftet med vårt
projekt är dock att visa hur det kan göras.)
Beräkningarna görs för alla vägalternativ.
Föreslå översiktligt bullerskyddsåtgärder (vallar, bullerskärmar, förbättrad
fasadljudisolering, trafikreglering genom sänkt hastighet och förbud mot tung trafik
kväll och natt) och bedöm effekt på antal bullerstörda och sömnstörningar.
Bedöm och beskriv översiktligt miljöuppföljningsbehov.
Integrera bullerfrågorna i en sammanfattande bedömning.
Arbetsplan
Arbetsplanen skall innehålla en fördjupad MKB med detaljerad information om miljöeffekter,
konsekvenser, åtgärder och uppföljning, om inte miljöpåverkan blir obetydlig. Då kan miljökonsekvensbeskrivningen i regel göras enkel.
o Kontrollera miljömålen. Ska de förändras?
o Är alla synpunkter på buller från samrådsprocessen beaktade för det valda
alternativet? Om inte, tag fram argumenten varför.
o Studera i detalj vilka möjliga åtgärder det finns för att med bullerskyddsåtgärder och
trafikregleringar förebygga eller mildra störningar av buller.
o De detaljerade beräkningarna från vägutredningen måste ofta göras om för det valda
alternativet och dess utformningsalternativ. Räkna även på de olika åtgärdsfallen.
o Beräkna antalet boende vid idrifttagande och i framtiden med hänsyn till planerade
bostäder. Användande av GIS-verktyg kan underlätta.
o Uppskatta hur många boende som utsätts för bullernivå i olika intervall ute och inne.
o Beräkna hälsoeffekterna i form av antal störda och mycket störda samt förväntat antal
sömnstörda genom att utnyttja exponering-responssamband enligt kapitel 3.2 i rapport
för etapp 2.
o Planera uppföljning av bullersituationen. Förbered genom att säkerställa ”före-data”.
o Integrera bullerfrågorna i en sammanfattande bedömning.
Om bostäder planeras byggas i framtiden med risk för bullerstörning ska det i detaljplanen för
området framgå vilka krav som ställs. Möjligheterna till planering av bostadsområdet som
anges i rapporten ”Trafikbuller och planering II. Störningar från trafikbuller i nybyggda
bostäder”, Länsstyrelsen i Stockholms län och Miljöförvaltningen i Stockholms stad, 2004
kan tas tillvara. Se beskrivning i avsnittet Planering av bostäder och vägar i centralt belägna
områden.
41
3.6 Appendix 2. Riktvärden för buller.
Utdrag och exempel från svenska myndigheter, EU och WHO
Riksdagen antog regeringens infrastrukturproposition 1996/97:53, se Riksdagens protokoll
1996/97:82. Där anges att följande riktvärden för trafikbuller normalt inte bör överskridas vid
nybyggnation av bostadsbebyggelse eller vid nybyggnation eller väsentlig ombyggnad av
trafikinfrastruktur:
Utdrag ur regeringens infrastrukturproposition 1996/97:53
Regeringens bedömning: Följande riktvärden för trafikbuller bör normalt inte överskridas vid
nybyggnation av bostadsbebyggelse eller vid nybyggnation eller väsentlig ombyggnad av
trafikinfrastruktur:
30 dB(A) ekvivalentnivå inomhus,
45 dB(A) maximalnivå inomhus nattetid,
55 dB(A) ekvivalentnivå utomhus (vid fasad),
70 dB(A) maximalnivå vid uteplats i anslutning till bostad.
För utomhusnivån avses för flygbuller FBN 55 dB(A).
Vid tillämpning av riktvärdena vid åtgärder i trafikinfrastrukturen bör hänsyn tas till vad som är
tekniskt möjligt och ekonomiskt rimligt. I de fall utomhusnivån inte kan reduceras till nivåer
enligt ovan bör inriktningen vara att inomhusvärdena inte överskrids.
Vägverket har angett riktvärden i ”Bullerskyddsåtgärder - allmänna råd för Vägverket”, Publ
2001:88, 2002-02-05. Riktvärdena är desamma som Riksdagens, men de har kompletterats
med riktvärden för vårdlokaler, undervisningslokaler, rekreationsytor i tätbebyggelse,
arbetslokaler, friluftsområden och bostadsområden med låg bakgrundsnivå. Vägverkets skrift
innehåller också besked om hur man tolkar riktvärdet för maximalnivå. Vägverkets riktvärden
återges i utdrag nedan.
Naturvårdsverket har bland annat gett ut följande två publikationer som har konsekvenser för
vägprojekt: ”Riktvärden för trafikbuller vid nyanläggning eller väsentlig ombyggnad av
infrastruktur - Förslag till utveckling av definitioner.” Dnr 540-355-01 Rv, 2001-12-20 och
”Riktvärden för trafikbuller i andra miljöer än för boende, vård och undervisning.
Redovisning av regeringsuppdrag.” 2003-08-14 Dnr 544-1916-02 Rv.
I den första publikationen lämnas förslag på definition av
• Rums- och lokaltyper
• Mät- o beräkningspunkt (frifältsvärde, fasadreflex)
• Frekvensvägning A
• Tidsvägning
- dygnsekvivalent ljudnivå (typvärde för ett trafikårsmedeldygn)
- maximalnivå med instrumentinställning, fast för det fjärde mest bullrande fordonet
Tolkningen av begreppet maximalnivå är något strängare än den som Vägverket tillämpar.
I den andra publikationen anges definition av och mätetal för olika tysta områden. Dessutom
lämnas förslag på riktvärden för arbetslokaler, friluftsområden, parker och andra
rekreationsytor i tätorter. Dessa förslag är strängare än Vägverkets riktvärden.
42
Utdrag ur i ”Bullerskyddsåtgärder - allmänna råd för Vägverket”,
Publ 2001:88, 2002-02-05
1 Allmänna råd för Vägverket
Generaldirektören har genom beslut den 22 oktober 2001 antagit kapitel 1 som
allmänna råd 1 för Vägverket.
1.1 Riktvärden och åtgärdsprogram
1.1.1 Målsättning vid nybyggnad och väsentlig ombyggnad
Riktvärdena för bostadsbebyggelse är antagna av riksdagen och således bindande
när åtgärder vidtas. Övriga riktvärden är inte bindande.
Allmänt gäller för samtliga riktvärden nedan att hänsyn skall tas till vad som är
tekniskt möjligt och ekonomiskt rimligt. I de fall utomhusnivån inte kan reduceras
till nivåer enligt ovan bör inriktningen vara att inomhusvärdena inte överskrids.
Riktvärdena för utomhusmiljöer avser frifältsvärden utanför fönster/fasad eller till
frifältsförhållanden korrigerade värden. Riktvärdena förutsätter vidare beräknade
bullernivåer enligt den sk nordiska beräkningsmodellen. Vid bestämning av
bullernivåer är beräkning normalt sett mer tillförlitliga än mätningar.
Bostadsbebyggelse (permanent- och fritidshus)2
30 dBA ekvivalentnivå inomhus
45 dBA maximalnivå inomhus nattetid 3
55 dBA ekvivalentnivå utomhus (vid fasad)
70 dBA maximalnivå vid uteplats i anslutning till bostad 4
Vårdlokaler och undervisningslokaler samt rekreationsytor i tätbebyggelse
Utomhus: Riktvärde 55 dBA ekvivalentnivå (vid fasad för lokaler).
Inomhus vårdlokaler: Riktvärde 30 dBA ekvivalentnivå samt 45 dBA maxnivå (får
överskridas högst fem gånger per natt (22-06)).
Inomhus undervisningslokaler: Riktvärde 30 dBA ekvivalentnivå.
Arbetslokaler
Utomhus: Riktvärde 65 dBA ekvivalentnivå vid fasad.
Inomhus: Riktvärde 40 dBA ekvivalentnivå.
Friluftsområden
Riktvärde: 40 dBA ekvivalentnivå.
Bostadsområden med låg bakgrundsnivå
Riktvärde: 45 dBA ekvivalentnivå.
1. Allmänna råd är regler som skiljer sig från föreskrifter genom att de inte är bindande. Som
allmänna råd räknas t ex sådana regler som skall bidra till att praxis utvecklas i en viss
riktning men som inte formellt binder den som råden är riktade till.
2. Med bostadsbebyggelse avses även vårdlokaler där vårdtagare vistas under
bostadsliknande förhållanden.
3. Inget mer detaljerat uttalande från statsmakterna. Får enligt överenskommelse mellan
trafikverken överskridas högst fem gånger per natt (22-06).
4. Inget mer detaljerat uttalande från statsmakterna. Vägverkets interna rekommendation
(efter samråd med Boverket) är tillsvidare att riktvärdet får överskridas högst fem gånger per
timme.
Mätetal för bedömning av ljudkvalitet för tysta områden ges i följande utdrag ur
Naturvårdsverkets dokument. Mätetalen är inte riktvärden, men ska kunna användas i
kartläggning och inventering av befintliga miljöer och vara vägledande för bedömning av
områdets kvalitet.
43
Utdrag ur ”Riktvärden för trafikbuller i andra miljöer än för boende, vård och
undervisning. Redovisning av regeringsuppdrag.”2003-08-14 Dnr 544-1916-02 Rv
Mätetal för bedömning av ljudkvalitet föreslås för:
- Områden helt utan samhällsbuller:
Värdet 40 dBA – mätt som ekvivalentnivån för den enskilda bullerhändelsen – bör inte få
överskridas mer än 10 min per vecka.
- Områden med mycket begränsat samhällsbuller:
Värdet 40 dBA – mätt som ekvivalentnivån för den enskilda bullerhändelsen – bör inte få
överskridas mer än 5 min per dag.
Boverket anger, i Boverkets Byggregler BFS 1993:57 med ändringar t.o.m. BFS 1998:38,
bullerskyddsregler för byggnadsverk för bostäder och lokaler. För bostäder hänvisas till
Svensk standard SS 02 52 67 “Byggakustik – Ljudklassning av utrymmen i byggnader –
Bostäder”. Den kom i utgåva 3 SS 25267 i februari 2004. Det finns också en motsvarande
svensk standard för lokaler: SS 02 52 68 ”Ljudklassning av utrymmen i byggnader –
Vårdlokaler, undervisningslokaler, dag- och fritidshem, kontor och hotell. Boverkets
byggregler är under omarbetning. I standarden för bostäder anges krav och riktvärden för
högre ljudkvalitet med avseende på trafikbuller inomhus enligt nedanstående tabell.
Utdrag ur svensk standard SS 02 52 67, 1998
Ljudklass C är minimikrav vid nybyggnad och väsentlig ombyggnad av bostadshus. Ljudklass
B och A ger en bättre ljudmiljö i bostaden.
Boverket ställer också krav på ljudnivån utomhus (se tabell nedan). Kravet för uteutrymme
innebär att Boverket accepterar idén med en tyst sida av byggnaden.
44
Utdrag ur svensk standard SS 02 52 67, 1998
Olika kommuner kan ha egna riktvärden och åtgärdsprogram för vägtrafikbuller. Göteborgs
kommun hänvisar till riktvärdena antagna av riksdagen 1996/97. Åtgärdsprogrammet beskrivs
i följande utdrag:
Utdrag från www.miljo.goteborg.se
I Göteborg har Trafiknämnden som mål att skydda de mest bullerutsatta bostäderna utmed
stadens trafikleder. Detta innebär att år 2005 ska de bostäder som har en ljudnivå på över 40
decibel inomhus ha åtgärdats så att den kommer ner till max 30 decibel. Alla uteplatser som
har en ljudnivå på mer än 65 decibel ska åtgärdas så att ljudnivån blir max 60 decibel.
De flesta länder har egna riktvärden för trafikbuller. Världshälsoorganisationen, WHO, anger
följande riktvärden för samhällsbuller, vilka som synes anger även hälsoeffekter.
Utdrag från WHO http://www.who.int/docstore/peh/noise/ComnoiseExec.htm
Table 1: Guideline values for community noise in specific environments.
Specific environment
Outdoor living area
Critical health effect(s)
Serious annoyance, daytime and evening
Moderate annoyance, daytime and evening
Dwelling, indoors
Speech intelligibility & moderate annoyance, daytime & evening
Inside bedrooms
Sleep disturbance, night-time
Outside bedrooms Sleep disturbance, window open (outdoor
values)
School class rooms Speech intelligibility, disturbance of infor& pre-schools,
mation extraction, message communication
indoors
Pre-school
Sleep disturbance
55
50
35
30
Time
LAmax
fast
base
[hours] [dB]
16
16
16
45
8
45
8
60
35
during
class
-
30
sleeping 45
LAeq
[dB(A)]
45
bedrooms, indoor
School, playground
outdoor
Hospital, ward
rooms, indoors
Hospitals, treatment
rooms, indoors
Industrial, commercial shopping and
traffic areas, indoors and outdoors
Ceremonies, festivals and entertainment events
Public addresses,
indoors and outdoors
Music and other
sounds through
headphones/ earphones
Impulse sounds
from toys, fireworks
and firearms
Outdoors in parkland and conservations areas
Annoyance (external source)
55
Sleep disturbance, night-time
Sleep disturbance, daytime and evenings
Interference with rest and recovery
30
30
#1
Hearing impairment
70
-time
during
play
8
16
40
-
24
110
Hearing impairment (patrons:<5 times/year) 100
4
110
Hearing impairment
85
1
110
Hearing impairment (free-field value)
85 #4
1
110
Hearing impairment (adults)
Hearing impairment (children)
-
-
140
#2
120
#2
Disruption of tranquillity
#3
#1: As low as possible.
#2: Peak sound pressure (not LAF, max) measured 100 mm from the ear.
#3: Existing quiet outdoor areas should be preserved and the ratio of intruding noise to natural background
sound should be kept low.
#4: Under headphones, adapted to free-field values.
Europeiska unionen, EU, anger inga gemensamma riktvärden för samhällsbuller. Det finns
dock bulleremissionsgränser för olika fordon och produkter.
EU har utgivit ett direktiv för samhällsbuller. Det har beteckningen
”EUROPAPARLAMENTETS OCH RÅDETS DIREKTIV 2002/49/EG av den 25 juni 2002
om bedömning och hantering av omgivningsbuller”.
•
•
•
•
•
Direktivet syftar till att upprätta en gemensam ram för bedömning och hantering av
omgivningsbuller.
Direktivet innehåller inte några gemensamma gränsvärden.
En sammanställning skall göras av bullerexponeringsdata med hjälp av gemensamma
mätetal och bedömningsgrunder.
Allmänheten skall ges tillgång till information
Grund för handlingsplaner för bullerskyddsåtgärder på nationell/lokal nivå.
Direktivets anvisningar skiljer sig från svensk praxis framförallt när det gäller bullermått och
mottagarhöjd. I direktivet anges att bullermåttet LDEN ska användas. LDEN är en ekvivalent Avägd ljudtrycksnivå med 5 dB ”straff” för buller på kvällstid och 10 dB straff för buller på
natten.
Enligt direktivet ska kartläggning ske för mottagarhöjden 4 m.
46
I direktivet står det att senast 18 juli 2005 ska medlemsstaterna göra information enligt
nedanstående punkt 1 tillgänglig för kommissionen och allmänheten. EU-direktivets
tillämpning i Sverige är under utredning hos Miljödepartementet.
Från direktivet 2002/49/EG
1.Medlemsstaterna skall utse behöriga myndigheter och organ på lämplig nivå som skall ansvara
för genomförandet av detta direktiv, bland annat myndigheter med ansvar för
a) utarbetande och i förekommande fall godkännande av bullerkartor och handlingsplaner för
tätbebyggelse, större vägar, större järnvägslinjer och större flygplatser,
b) insamling av bullerkartor och handlingsplaner.
Aktuella riktvärden kan oftast hämtas på respektive myndighets hemsida:
Regeringen
http://www.regeringskansliet.se/
Riksdagen
http://www.riksdagen.se/
Vägverket
http://www.vv.se/
Naturvårdsverket
http://www.naturvardsverket.se
Boverket
http://www.boverket.se/
Socialstyrelsen
http://www.sos.se/
Världshälsoorganisationen
http://www.who.int/en/
Europeiska unionen lagar
http://europa.eu.int/eur-lex/sv/
Europeiska unionen kommissionen, miljö http://europa.eu.int/comm/environment/
Europeiska unionen kommissionen,
http://europa.eu.int/comm/environment/n
buller
oise/
47
4. Luftföroreningshalter och hälsoeffekter
4.1 Allmänt om luftföroreningar
Numera svarar motorfordonstrafik och arbetsmaskiner tillsammans för den helt övervägande
delen av de lokala luftföroreningsutsläppen på de allra flesta platser. På vissa orter kan dock
vedeldning eller industrier orsaka större eller mer påtagliga luftföroreningsproblem än
trafiken. För några årtionden sedan var den typiska situationen att värmeproduktion och
industrier svarade för den största delen av utsläppen. Miljöarbetet och kraven på att använda
effektiv reningsteknik, bättre förbränningsteknik, renare bränslen och önskemålet att minska
oljeanvändningen har därefter givit en bättre luftkvalitet i många städer. Fram till slutet av
1970-talet var lokaluppvärmningen en betydande källa till svaveldioxid och partiklar.
Fjärrvärmesystemens tillkomst och införandet av en högsta tillåtna svavelhalt i eldningsoljan
medförde tydliga minskningar av svavel- och sothalterna i svenska städer. Numera skapar
värmeproduktion lokala luftmiljöproblem bara där vedeldning sker i ogynnsamma lägen med
tät bebyggelse och/eller dålig utspädning av utsläppen. Vissa norrländska samhällen med
utbredd vedeldning kan faktiskt vintertid ha högre halt av bl a sotpartiklar än storstäderna.
4.1.1 Vanliga indikatorföroreningar
Motoravgaser innehåller ett mycket stort antal föroreningar. Även om många av dessa kan ha
betydelse ur hälsosynpunkt begränsas mätningar i omgivningsluft, av praktiska och
ekonomiska skäl, till ett mindre antal, representativa och enkelt mätbara, föroreningar som är
reglerade i miljökvalitetsnormer (MKN). I första hand mäter man ämnen som både har
skadlig verkan på miljön och/eller människan samt som på ett bra sätt indikerar nivån av en
viss typ av luftförorening. Kvävemonoxid (NO), kvävedioxid (NO2), bensen och kolmonoxid
(CO) brukar mätas som indikatorer på avgaser från motorfordon i städerna.
Svaveldioxid (SO2) har varit en vanlig indikator på utsläpp från olje- och kolförbränning, och
även för vissa industriella utsläpp, t ex från massafabriker och smältverk främst för
svavelhaltig malm. De numera låga svavelutsläppen i Sverige har lett till att SO2 allt tydligare
blivit en indikator på intransport av förorenade luftmassor. Nära stora färjelägen, hamnar och
farleder kan en förhöjd svaveldioxidhalt ibland konstateras som följd av utsläppen från fartyg.
För vägtrafiken är svaveldioxid ingen relevant förorening.
Ozon brukar användas som indikator på fotokemiska oxidanter eller ”sommarsmog”. Det
finns ingen direkt källa till ozonet i omgivningsmiljön, men trafiken släpper ut ämnen som
under inverkan av UV-ljus medverkar till ozonbildning, särskilt när solljuset är intensivt. I
avgasutsläppens omedelbara närhet är ozonhalterna dock låga, eftersom ozon förbrukas när
NO i avgaserna oxideras till NO2.
4.1.2 Partikelhalt
Halten av svävande partiklar uttrycks på olika sätt beroende på vilken mätprincip som
används. Sotmätningar har varit vanliga i Sverige liksom i Västeuropa. Mätning av sot bygger
på att man mäter i vilken grad ett pappersfilter svärtas av den luft som sugs igenom det.
Metoden kommer från Storbritannien och har ”black smoke” som engelsk benämning.
Genomsläppligheten av ljus för den exponerade filterytan avläses och utifrån värdet för den
insugna luftvolymen erhålls luftens koncentration av sotpartiklar (som µg/m3) ur en
standardkurva. Sot motsvarar inte partikelsammansättningen för t.ex. PM10 eller PM2.5 utan
48
representerar mörka partiklar. Sotpartiklarna är i huvudsak små och tillhör den s.k. fina
fraktionen (se nedan). I Sverige kommer sot främst från motorfordon (särskilt dieselbilar),
vedeldning och storskalig intransport av förorenade luftmassor. Nya metoder att mäta sot har
börjat introduceras, liksom metoder att mäta elementärt och organiskt kol.
Partikelhalten i luft brukar också anges utifrån den massa (vikt) som partiklarna har. De
största och därmed överlägset tyngsta partiklarna får då stor betydelse. När halten redovisas
som TSP (”total suspended particulates – totalt svävande partiklar”) så har massan av partiklar
upp till cirka 40 µm mätts. Ofta avskiljs numera vid mätningar de större partiklarna, som inte
kan tränga ned i luftvägarna, varvid man mäter halten av partiklar med en viss största
aerodynamisk diameter∗, t ex 10 eller 2,5 µm (PM10 respektive PM2.5). PM2.5 kallas ofta för
finfraktion eller ”respirabel” (inandningsbar) fraktion. I viss utsträckning sker även analyser
av partiklarnas kemiska sammansättning, t.ex. halten av polycykliska aromatiska kolväten
(PAH) och metaller, vattenlöslighet och surhetsgrad.
En tredje mätprincip för partiklar baseras på instrument som räknar antalet partiklar och anger
halten i antal partiklar/luftvolym, totalt eller för olika storleksfraktioner. De allra minsta
partiklarna benämns ofta ”ultrafina”, egentligen utan någon vedertagen definition, men
vanligen avses partiklar med en diameter mindre än 0,1 µm. Dessa ultrafina partiklar
dominerar vid antalsmätningar men påverkar partikelmassan ganska obetydligt. De ultrafina
och fina partiklarna har sitt ursprung främst i förbränningsprocesser, och består till stor del av
kolföreningar, metaller, sulfat och nitrat. Den grövre partikelfraktionen utgörs till större del av
mekaniskt bildade partiklar (mineralkorn, vägdamm etc.) och partiklar av biologiskt ursprung.
4.1.3 Cancerframkallande ämnen
Halten av cancerframkallande ämnen i omgivningsluften indikeras främst utav koncentrationen av några tyngre och till stor del partikelbundna polyaromatiska kolväten (PAH),
såsom bens(a)pyren, eller lättflyktiga kolväten som butadien och eten. Dessa ämnen bedöms,
liksom vissa miljögifter och metaller, kunna bidra till uppkomst av lungcancer och andra
cancerformer. Motorfordonstrafik, tillsammans med vedeldning, bedöms vara de viktigaste
lokala källorna för dessa luftföroreningar. Andra tyngre kolväten är framför allt långdistanstransporterade från källor utomlands. Det är dock tämligen komplicerat att mäta och analysera
samtliga dessa kolväten. Som en indikator på cancerframkallande ämnen från trafik och
förbränning är det mer vanligt att mäta bensen, som klassats som cancerframkallande (av
cancerforskningsinstitutet IARC) eftersom ämnet vid yrkesexponering i höga halter orsakat
leukemi. Långlivade föroreningar som PAH och vissa metaller kan även påverka växter och
vatten, för att sedan via näringskedjorna ansamlas i fiskar och vilt som kan bli människoföda.
4.1.4 Effekter av utspädningsförhållanden och väder
Halten av luftföroreningar, t ex bilavgaser, i utomhusluften beror naturligtvis på utsläppens
omfattning i tid och rum, men också av utspädningsförhållandena. Utsläpp i dåligt ventilerade
dalgångar och gaturum leder lättare till höga halter. Längs en bred ”öppen” gata eller väg,
utan närliggande huskroppar eller liknande, kan utspädningen av avgaserna vanligtvis ske
snabbt, se vidare i kapitel 4.2.3.
∗
den fallhastighetsekvivalenta diametern hos en klotformig partikel med tätheten 1 g/cm3
49
Vädret styr inte bara hur snabbt föroreningarna späds ut, det påverkar även bilmotorernas
utsläpp bl a genom att en kall motor har sämre förbränning och avgasrening. Ofta ser man de
högsta avgashalterna inne i tätorterna i samband med rusningstrafiken vintertid, då de flesta
fordonen startas kalla. Väder och vind har även betydelse i andra avseenden. Beroende på
markens fuktighet kommer olika mycket damm att virvla upp. Under våren när vägar och
gator som sandats under vintern torkar upp, kan uppvirvlingen förorsaka höga partikelhalter.
Partiklarna är stora och påverkar främst halten av TSP och PM10.
Marknära ozon är en sekundär luftförorening som inte emitteras till luft utan bildas genom
fotokemiska reaktioner, vilka inte är så omfattande på våra breddgrader. Ozonhalten nära
marken avgörs därför i Sverige huvudsakligen av vädersituationen och luftmassans ursprung.
Höga ozonhalter uppmäts främst vid fint väder under vår och sommar.
4.2 Metoder att uppskatta halter av luftföroreningar
I följande kapitel kommer olika metoder att uppskatta halter av luftföroreningar att
presenteras. En sammanställning med jämförelse av alternativa spridningsmodeller redovisas.
Metoder med olika ambitionsnivåer kommer att jämföras utifrån bl. a. erhållna resultat.
Validering av modeller med uppmätta halter är viktigt och ett exempel på validering beskrivs
i kapitel 4.2.4.
Som exempel har beräkningar utförts med olika metoder, nomogram, URBAN-modellen, två
olika spridningsmodeller (TAPM och MISKAM) för halten av NO2 i Örnsköldsvik (kapitel
4.2) och Umeå (kapitel 4.4).
4.2.1 Presentation av olika verktyg och spridningsmodeller
Den enklaste och vanligaste metoden att studera förändringar m a p luftföroreningar i
miljökonsekvensbeskrivningar (MKB) för vägtrafik har varit att jämföra beräknade utsläpp
till luft för olika alternativ, utifrån antal och sammansättning av fordon längs en vägsträcka.
I Vägverkets och Naturvårdsverkets handbok för vägtrafikens luftföroreningar, www.vv.se,
kan emissionsfaktorer erhållas för olika fordonsslag och sammansättningar.
Emissionsfaktorerna för partiklar inkluderar endast de avgasrelaterade utsläppen d.v.s. inte
uppvirvling från vägbanan som under vissa delar av året är mycket betydande för halterna,
och står för ett betydligt större lokalt haltbidrag på årsbasis.
För att översätta ett utsläpp till halt i luft behöver man utföra någon form av
spridningsberäkning, där hänsyn bland annat tas till utsläppens storlek, var de sker, vilken
meteorologi som råder och hur omgivningen ser ut. Spridningsmodeller kan användas som
”indikativa” verktyg, dels för att identifiera de mest belastade områdena, dels uppskatta vilka
föroreningsnivåer som kan uppstå. Där halter underskrider den nedre utvärderingströskeln
(NUT) kan, enligt MKN, beskrivning av föroreningssituationen i ett område ske med hjälp av
modeller. Vidare kan spridningsmodeller ge en mer fullständig bild av den geografiska
fördelningen av lufthalter än vad enbart mätningar kan göra, och de är också användbara som
planeringsverktyg i åtgärdsarbetet då t.ex. framtida utsläppssituationer kan beräknas. En
presentation av ett urval av spridningsmodeller finns samlade i Vägverkets och
Naturvårdsverkets ”Handbok för vägtrafikens luftföroreningar” (www.vv.se). I Tabell 4.2.1
presenteras också några av de modeller som vanligen används i Sverige.
En enklare empirisk modell för uppskattning av halter i såväl urban bakgrund som gaturum, är
exempelvis den vidareutvecklade URBAN-modellen (Haeger-Eugensson m.fl., 2002). I
modellen antas att emissionen i en ort är proportionell mot populationen. Uppmätta urbana
bakgrundshalter från ca 40 orter (huvudsakligen URBAN-mätnätet (Persson m.fl., 2006))
50
används tillsammans med uppmätt interpolerad regional bakgrundshalt, beräknade omblandningsförhållanden (blandningshöjd och vindhastighet) för hela Sverige (i 1x1 km rutnät) samt
ett beräknat samband för ventilationskorrelering till följd av tätortshalt och lokalspecifik
meteorologi. NO2-halter har beräknats för 1880 tätorter, ner till en population av 200
personer. Den regionala bakgrundshalten har interpolerats över hela Sverige. Därefter har en
avklingande tätortshalt från en urban bakgrundshalt ner till närliggande regional bakgrundshalt uppskattats (Sjöberg m.fl. 2004), se Figur 4.2.1.
Figur 4.2.1
Halter av NO2 som årsmedelvärde, i regional och urban
bakgrundsluft i Sverige, uppskattad med URBAN-modellen.
51
Generellt gäller att om en enklare spridningsberäkning skall göras över ett mindre område
med en eller ett fåtal källor, kan oftast en enklare Gaussisk modell användas om det inte råder
komplicerad topografi eller speciella lokala vindsystem inom området.
Skall en simulering av luftföroreningssituationen göras över ett vidare område (större än ca 1
km2) bör en mer avancerad modell användas där olika spridningsmetodik kombineras
(kombinationsmodell) för att bl.a. återge ett, över området, varierande vindfält och därmed
illustrera spridningen så korrekt som möjligt. Om t.ex. spridningen ska beräknas över en
större stad, för ett industriområde med många olika typer av källor i ett kustområde eller
område med viss topografisk skillnad bör lokala/mesoskaliga vindsystem (såsom land-sjöbris
eller omlandsbris samt avlänkning av vinden till följd av topografin) kunna simuleras.
Tabell 4.2.1
Exempel på olika spridningsmodeller till luft.
Namn
AirViro
Skala
lokal
ALARM
Dispersion
DNM
EMEP
Gassprid
MATCH
lokal/regional
lokal
MODEL-3
TAPM
Regional (Europa)
lokal
Regional
Sverige/Europa
Lokal och regional
Lokal och regional
Utdata
percentiler, medelvärden och
timvisa halter av valfritt inert
ämne
endast inerta ämne
percentiler, medelvärden och
timvisa halter av NO2, NO, NOx,
SO2, PM10, PM2.5, inerta ämnen
Typ av modell
Gaussisk
Kombination
Gaussisk
Eulersk
Kombination
Gaussisk (enkel)
Eulersk
Kombinations
Kombinations
För att kunna modellera halter i gaturum krävs en gaturumsmodell, se Tabell 4.2.2.
Utgångspunkten för dessa modeller är ofta slutna gaturum med symmetriskt utformade hus på
var sida. Detta är dock ej nödvändigt för MISKAM där byggnader kan vara asymmetriskt
fördelade.
Ett enkelt verktyg för att erhålla en uppskattning av halter i gaturum och för öppen väg är att
använda sig av de nomogram som SMHI, på uppdrag av Naturvårdsverket och Vägverket, har
tagit fram för kvävedioxid (NO2) och partiklar (som PM10) (Foltescu m.fl., 2001). Från
nomogrammen kan man utläsa det lokala haltbidraget som en väg/gata ger upphov till.
Nomogrammen bygger på beräkningar med den danska OSPM-modellen (Berkowicz, 1996)
för gaturum och SMHIs Dispersion/Road-modell för öppen väg. Ett nytt allmänt
modellsystem för beräkning av luftkvalitet i vägars närområde (SIMAIR) har nyligen tagits
fram av SMHI i samarbete med Vägverket och Vägverket Konsult på uppdrag av
Naturvårdsverket och Vägverket. Modellen kan användas för beräkningar av NO2, PM10,
bensen och CO.
52
Tabell 4.2.2
Exempel på gaturumsmodeller (www.vv.se)
Namn
Utdata
Airviro/Street
percentiler, medelvärden och timvisa halter av
valfritt inert ämne
Dispersion/Street
timvisa halter av NOx, NO2, CO och valfritt
inert ämne, percentiler och medelvärden
MISKAM
percentiler, max- och medelvärden för halter
av NOx, NO2, NO samt valfritt inert ämne
samt även deposition
OSPM
timvisa halter av NOx, NO2, CO och bensen
SimAir
percentiler och medelvärden av NO2, PM10,
bensen och CO
Utvecklad av
INDIC (Sverige)
SMHI (Sverige)
Institute for the Physics of the
Atmosphere - Mainz universitet
DMU (Danmark)
SMHI (Sverige)
4.2.2 Val av metod och ambitionsnivå
Valet av metod för att beskriva luftkvalitet i en MKB bör avgöras av de haltnivåer man
uppskattar eller vet förekommer på den plats som studeras. I Figur 4.2.2 har detta illustrerats
utifrån miljökvalitetsnormen (MKN) samt den övre- (ÖUT) och nedre utvärderingströskeln
(NUT). Den första frågeställningen är hur stort område som berörs och därmed är aktuellt att
studera, t.ex. om det är luftkvaliteten i gaturummet eller den mer generella luftkvaliteten i en
tätort, s.k. urban bakgrund, se vidare i kapitel 4.2.3. Då man vill bedöma
befolkningsexponeringen är det i första hand halten i den urbana bakgrunden som är av
betydelse eftersom den bäst speglar den genomsnittliga halten som människor utsätts för
under en längre period. De flesta epidemiologiska studier baseras också på urban
bakgrundshalt i tätorten eller bostadsområdet snarare än halterna i gaturummet. För att
jämföra förekommande halter med MKN och gränsvärden bör även halter i gatunivå beaktas,
eftersom de generellt är högre än i urban bakgrund och även i dessa miljöer ska MKN
uppfyllas.
1. Finns tillgång till mätningar finns det en självklar första vägledning om haltförhållandena
i det studerade området. Enklare verktyg såsom nomogram för gator och vägar (Foltescu
m.fl., 2001) och URBAN-modellen för urban bakgrund och gaturum, kan ge en första
uppskattning av haltnivåer. Eftersom dessa metoder är relativt grova bör de endast
användas om haltnivåerna klart understiger den nedre utvärderingströskeln (NUT), se
Figur 4.2.2.
2. För att erhålla en bättre helhetsbild, geografiskt och över tiden, av luftkvalitetssituationen
bör någon form av spridningsberäkning utföras. Det är dock viktigt vid val av
spridningsmodell att känna till olika modellers användbarhet och begränsningar,
beträffande t.ex. tidsupplösning och skala, för att kunna använda den mest lämpade
modellen för respektive fall, se Tabell 4.2.1 och 4.2.2.
3. För att förvissa sig om att man ej flyttar ett luftkvalitetsproblem från en plats till en annan
bör även en uppskattning göras av hur många människor som utsätts för de
beräknade/uppmätta haltnivåerna i de olika scenarierna. Detta kan göras med hjälp av
exponeringsberäkningar, se vidare kapitel 2.1 samt 4.5 om befolkningsviktad exponering.
Enligt MKN får ej heller luftkvaliteten, där den redan är god, försämras. En
exponeringsuppskattning bör alltid utföras om resultaten från mätningar eller
spridningsberäkningar visar att halterna överskrider den övre utvärderingströskeln.
53
Nivå
Urban bakgrund
Gaturum/Väg
Miljökvalitetsnormen
3
Exponeringsberäkning
Övre utvärderingströskeln
2
Spridningsmodell, exv TAPM
Spridningsmodell, exv Miskam
Nedre utvärderingströskeln
1
Mätningar eller enklare modell,
exv URBAN-modellen
Mätningar eller enklare uppskattning,
exv nomogram
Figur 4.2.2 Vägledning i val av ambitionsnivå med avseende på framtagande av luftföroreningshalter.
4.2.3 Exempel på haltberäkningar
En vägsträcka på 350 m av Central Esplanaden (E4:an) i Örnsköldsvik har valts som exempel
på hur en enkel haltuppskattning kan göras. Gatan trafikeras av 21000 fordon/dygn.
Sammansättningen av de olika fordonsslagen ger en emissionsfaktor för NO2 som är 1,2
g/km. Den utsläppta mängden NO2 blir därmed 3,2 ton/år, enligt beräkningen nedan:
21000 fordon/dygn*365 dygn*0,35 km*1,2 g/fordonskm = 3200 kg/år
Nomogram
Utifrån fordonsmängd, emissionsfaktorer och gatans bredd erhåller man det bidrag till halten
av NO2 som trafiken ger upphov till, se Figur 4.2.3, 20 µg/m3 i vårt exempel. För att erhålla
en totalhalt måste man även lägga till en urban bakgrund från den tätort man studerar. Om
man ej utifrån t. ex mätningar känner till den urbana bakgrundshalten för tätorten kan man
använda grova schabloner för olika tätorter, se Tabell 4.2.3, alternativt uppskattad urban
bakgrundshalt för den studerade tätorten från URBAN-modellen (Sjöberg, m.fl., 2004).
54
Gata- lokalt bidrag
Bredd 20m
Emissionsfaktor
(g/fordon km)
2.2
Bredd 40m
1.8
1.4
1.0
0.6
NO2 (µg/m3)
årsmedelvärde
40
50
Miljökvalitetsnorm: 40 µg/m3
per dygn
30
20
10
0
10000
Vägens bidrag = 20 µg/m3
urban bakgrund = 15 µg/m3
Årsmedelvärde = 35 µg/m3
98%-il dygn: 35*1.82
98%-il timme: 35*2.36
20000
30000
40000
Antal fordon = 21000
emissionsfaktor = 1.2 g/km
bredd: 20 m
64 µg/m3
83 µg/m3
Figur 4.2.3
Nomogramsberäkningar för exemplet, 21000 fordon/dygn, emissionsfaktorn 1,2 µg/m3 samt en
gatubredd på 20 m ger ett lokalt bidrag på 20 µg/m3.
Tabell 4.2.3
Schabloner för urban bakgrundshalt av NO2 som årsmedelvärde i en liten, medelstor respektive
stor tätort (Foltescu m.fl., 2001).
Liten tätort (<10 000 inv): 10 µg/m3
Medelstor tätort (10 000 - 250 000 inv): 15 µg/m3
Stor tätort (>250 000 inv): 20 µg/m3
Genom att summera den urbana bakgrundshalten i Örnsköldsvik enligt URBAN-modellen, 15
µg/m3, till det lokala bidraget, 20 µg/m3, erhålls ett uppskattat årsmedelvärde vid denna
vägsträcka på 35 µg/m3.
Kopplat till nomogrammen finns också en grov uppskattning av 98-percentil för dygn
respektive timme utifrån årsmedelvärde, vilka är framtagna ur empiriska samband, se Tabell
2.4 (Foltescu m.fl., 2001).
Tabell 4.2.4
Samband mellan årsmedelvärde och 98-percentil för dygn respektive timme för NO2 gällande
för både gaturum och öppen väg.
98-percentil, dygn = 1.82* (årsmedelvärde)
98-percentil, timme = 2.36*(årsmedelvärde)
55
Nomogrammetoden är ett grovt verktyg och därmed bör den stora osäkerheten beaktas i
bedömningen. Överskrider de beräknade halterna den nedre utvärderingströskeln (NUT), 26
µg/m3 som årsmedelvärde, bör en mer noggrann metod användas.
Gaturumsmodell
Eftersom NUT överskrids i exemplet från Örnsköldsvik har beräkningar utförts med en
gaturumsmodell, MISKAM, se Figur 4.2.4a-c.
MISKAM är en tredimensionell dispersionsmodell som kan beräkna vind- och haltfördelning
med hög upplösning i allt från gaturum och vägavsnitt till kvarter eller del av en tätort.
Modellen simulerar strömningsmönster runt bl.a byggnader på ett realistiskt sätt genom att
använda tredimensionella rörelseekvationer. Modellen tar även hänsyn till horisontell
transport (advektion) samt sedimentation och deposition.
Figur 4.2.4a
Beräknade årsmedelvärden av NO2 i gaturum i Örnsköldsvik. Den studerade länken, Central
Esplanaden, är inramad i figuren. Årsmedelvärdet är ca 45-50 µg/m3.
56
Figur 4.2.4b
Beräknade 98-percentil för dygn av NO2 i gaturum i Örnsköldsvik. Den studerade länken,
Central Esplanaden, är inramad i figuren. 98-percentilen för dygn är ca 65-70 µg/m3.
Figur 4.2.4c
Beräknade 98-percentil för timme av NO2 i gaturum i Örnsköldsvik. Den studerade länken,
Central Esplanaden, är inramad i figuren. 98-percentilen för timme är >100 µg/m3.
Eftersom haltberäkningarna indikerar att såväl ÖUT som MKN överskrids är det lämpligt att
även göra en uppskattning av befolkningsexponeringen, se vidare om exponeringsberäkningar
i kapitel 4.3.
57
Lokal spridningsberäkning för urban bakgrund
Med hjälp av samma spridningsmodell som tidigare, MISKAM, kan spridningen också
uppskattas över ett större område och generera halterna i urban bakgrund och "ovan tak".
Beräkningar för urban bakgrundsluft i Örnsköldsvik har även gjorts med The Air Pollution
Model, TAPM. Det är en prognostisk modell utvecklad av CSIRO Australien. Modellen
beräknar den meteorologi som sedan utgör indata till spridningsberäkningarna. Detta sker
genom beräkning av meteorologiska faktorer med timupplösning baserat på havstemperatur,
topografi, markanvändning och synoptisk (storskalig) väder m.m. Lokalspecifik meteorologi
erhålls därför utan indata i form av meteorologiska observationer. Modellen simulerar
spridningen av gaser, partiklar och aerosoler med timupplösning. Detta görs genom en
Eulersk gridmodul, en "plume rise" modul samt en Lagransk partikelmodul. Även viss kemi
inkluderas.
Tabell 4.2.5 utgör en sammanfattning av uppskattade halter vid Central Esplanaden i
Örnsköldsvik med ovanstående olika metoder. Som framgår av tabellen uppvisar TAPM och
MISKAM samma halt ovan tak. URBAN-modellen ger något högre halt, vilket bl.a. beror på
att beräkningarna i URBAN-modellen bygger på faktiska mätningar på lägre höjd än 15 m
(ovan tak), vilket här har använts i MISKAM och TAPM.
För beräkningarna gällande markplanet i gaturummet ser vi att den enklaste modellen,
nomogram, ger lägre halter än spridningsmodellen, MISKAM.
Tabell 4.2.5
Årsmv
(µg/m3)
Sammanfattande resultat mellan val av olika metoder att uppskatta halten av NO2 (µg/m3)
längs Central Esplanaden i Örnsköldsvik
Ovan tak/Urban bakgrund
Marknivå i gaturum
Miljökvalitetsnorm
MISKAM
TAPM
URBAN
-modell
Nomogram
MISKAM
MKN
ÖUT
NUT
8-9
8-9
12
35
45-50
40
32
26
98%-il
dygn
16-18
64
65-70
60
48
36
98%-il
timme
26-28
83
>100
90
72
54
Känslighetsanalys och validering av modeller
Enligt MKN gäller att halterna i alla miljöer, såväl gaturum som urban bakgrund, ska ligga
under föreskriven norm. För uppskattning av befolkningsexponering är det främst den s.k.
urbana bakgrunden som är av vikt, eftersom människor vanligen inte befinner sig i miljöer
såsom trafikerade gaturum mer än kortare perioder. Vidare avser epidemiologiska studiers
exponerings-responssamband vanligtvis inte halten i gaturummet utan genomsnittshalten för
större ytor. Urban bakgrund ska spegla medelbelastningen av de halter som förekommer i en
tätort. Inom Urbanmätnätet väljs punkten för mätning i urban bakgrund i centrum av tätorten
på en höjd av 5-8 m ovan mark. Mätplatsen ska ej påverkas direkt av närliggande källor och
därmed väljs ofta en gågata alternativt en park i centrum. I andra mätsammanhang, t.ex. vid
mätning med DOAS-instrument, är det vanligt att man väljer den urbana bakgrundspunkten i
centrum "ovan tak", vilket innebär en höjd av 15-30 m ovan mark. Modellberäkningar har
visat att denna höjdskillnad kan innebära stora haltskillnader även i mätpunkter som är
58
placerade geografiskt nära varandra men där ingen av dem är direkt påverkad av utsläpp från
trafik (Haeger-Eugensson m.fl., 2003).
I Figur 4.2.5 visas en jämförelse för spridningsberäkningar i olika typområden samt vid olika
höjder. Haltskillnaden mellan 5 m och 25 m ovan mark är störst vid ett trafikerat slutet
gaturum och lägst i urban bakgrund, t.ex. en gågata. För validering av modellberäkningarna
med TAPM och MISKAM har jämförelse gjorts med mätningar i den urbana bakgrunden och
en trafikerad öppen väg. Resultaten visar på en god överensstämmelse mellan uppmätta och
modellberäknade halter i gatunivå (”urbanpunkt” resp. ”öppet”). I figuren framgår också
tydligt de stora haltskillnader som kan erhållas vid en och samma höjd över marken i olika
typmiljöer, vilket illustrerar vikten av att man vid spridningsberäkningar och validering av
dessa vet vilken höjd beräkningar respektive mätningar representerar.
30
Miskam Urbanpunkt
TAPM Urbanpunkt (taknivå)
Miskam trafikerat gaturum
25
TAPM trafikerat gaturum (taknivå)
TAPM halvöppet trafikerat gaturum (taknivå)
20
Miskam halvöppet trafikerat gaturum
Höjd (m)
Miskam öppet trafikerat
Mätning Urbanpunkt (gatunivå)
15
Mätning öppet (gatunivå)
10
5
0
0
5
10
15
20
25
30
35
40
NO2 (µg/m3)
Figur 4.2.5
Halter på olika höjder över mark för olika typer av områden; exempel på jämförelse mellan
urban bakgrund, öppen och halvöppen väg samt ett slutet gaturum beräknade med
spridningsmodellerna MISKAM och TAPM samt validering med hjälp av utförda mätningar
(jämförande resultat inringade).
4.3 Luftkvalitet och exponering-responssamband
4.3.1 Kunskapsunderlag präglat av indikatorer
I miljökonsekvensbeskrivningar måste ett komplicerat underlag kring luftföroreningars
hälsoeffekter förenklas, men det är väsentligt att de ansvariga förstår att frågorna är komplexa,
och att experternas bedömningar gradvis revideras eftersom kunskaperna är under ständig
tillväxt. WHO har nyligen utgivit en översikt om exponering för och hälsoeffekter av
trafikföroreningar (WHO, 2005). I boken konstateras att trafikens föroreningar har satts i
samband med en lång rad hälsoeffekter, allt ifrån lindriga besvär till en ökad dödlighet i
främst hjärt- och lungsjukdom. Det är dock ännu svårt att säkert koppla specifika
föroreningskomponenter till specifika hälsoeffekter (WHO, 2003; WHO, 2005). Det finns
även svenska översikter (Forsberg & Bylin, 2001).
Kunskaperna om luftföroreningarnas hälsoeffekter bygger i hög grad på en sammanvägning
av resultat från två olika typer av studier. Dels epidemiologiska undersökningar som utnyttjar
59
de geografiska eller tidsmässiga variationer i människors exponering som faktiskt existerar.
Dels experimentella studier, vid vilka man däremot arrangerar en viss exponering under
kortare tid (vanligtvis några timmar). Om försöken utförs på människor får exponeringen
högst leda till övergående effekter. En avgörande skillnad mellan experimentella och
epidemiologiska studier är att experiment ofta bygger på exponering för en komponent i taget,
t.ex. ren kvävedioxid (NO2), och därför kan visa vilka slags effekter olika föroreningar har. I
de epidemiologiska studierna bör ofta en studerad förorening ses som en indikator för en viss
typ av föroreningar, t.ex. NO2 som ett mått på avgashalten. Detta beror på att föroreningar
från samma källa ofta har en stark samvariation. Av ekonomiska och praktiska skäl begränsas
ofta luftföroreningsmätningar till ett antal representativa, mätbara och/eller reglerade
föroreningar. Kvävedioxid och partiklar (främst PM10) brukar ofta användas. Mäts partiklarna
med filtermetod kan dessutom den kemiska sammansättningen studeras, och betydelsen av
olika källor bedömas.
Förhållandet att ett ämne används som exponeringsindikator i epidemiologiska studier,
behöver alltså inte innebära att det är ämnet i sig som förorsakar hälsoeffekterna. Sådana
bedömningar får göras med hjälp av experimentella data. De epidemiologiska studierna har
sin främsta styrka i att de kan användas för att beräkna effekternas omfattning i befolkningen,
inklusive grupper av barn, gamla och sjuka som inte kan ingå i experiment.
De epidemiologiska studiernas bruk av indikatorer talar för att man i MKB för vägprojekt bör
diskutera hälsokonsekvenser av trafikföroreningarna som helhet eller möjligen med uppdelning på avgaser respektive vägdamm (PM10), snarare än att beröra konsekvenserna till följd
av enskilda komponenter.
Luftföroreningsmåtten i de epidemiologiska studierna bygger vanligen på dygnsmedelvärden i
studier av korttidseffekter och årsmedelvärden i studier av långtidseffekter eller på liknande
medelvärden. Risker har mer sällan studerats i relation till exempelvis 98-percentilen för
dygns- eller timvärdena, varför denna utifrån normer ganska vanliga haltinformation är svår
att kombinera med exponerings-responsfunktioner för konsekvensberäkningar.
En potentiell svaghet i epidemiologiska studier utgörs av risken för att luftföroreningseffekter
förväxlas eller missbedöms genom inverkan av andra riskfaktorer som är positivt eller
negativt korrelerade till föroreningsexponeringen. I studier där exponeringskontrasterna
huvudsakligen utgörs av geografiska skillnader (oftast för långtidsexponering), kan skillnader
i levnadsvanor, yrkesexponering mm behöva beaktas. Detaljerad sådan individinformation
kan vara svår att erhålla. När studierna bygger på exponeringskontraster över tid (dygnveckor), kan man behöva ta hänsyn till främst epidemier (influensa) samt vädereffekter och
årstidsmönster, vilket ofta är tillräckligt att göra på befolkningsnivå.
Allvarlighetsgraden i de studerade hälsoeffekterna varierar, vilket gör att hälsokonsekvenser
av helt olika karaktär kan beskrivas. I en MKB bör man prioritera att ta upp de
hälsokonsekvenser som tillmäts störst vikt av såväl allmänheten som i samhällsekonomiska
kalkyler. Till dessa konsekvenser hör naturligtvis effekter på dödligheten beroende på
långtidsexponering för luftföroreningar. Korttidsvariationen i dödligheten beroende på
föroreningshalten föregående dagar-veckor är visserligen mer studerad men har en mindre
betydelse för överlevnad och livslängdsförlust. Vanligtvis brukar man vid
konsekvensberäkningarna beräkna långtidseffekter och anse att korttidseffekten på
dödligheten är inkluderad i långtidseffekten och därför inte skall adderas.
60
4.3.2 Kritiska effekter och känsliga grupper
Beroende på typ av luftföroreningar varierar de hälsoeffekter som kräver lägst exponeringsnivå för att uppkomma, s.k. kritiska effekter. För cancerframkallande ämnen brukar ofta varje
dosbidrag ses som bidragande till uppkomst av fall, eftersom man för dessa ämnen inte brukar
räkna med några tröskeleffekter. För andra luftföroreningar har man tidigare vanligtvis utgått
ifrån att en viss halt eller exponeringsnivå måste överskridas för att effekter skall uppstå. Det
är möjligt att så oftast är fallet på individnivå, men att man i stora befolkningsstudier ändå
totalt ser ett haltberoende ända ned till de lägsta föroreningsnivåerna som studeras. Senare års
epidemiologisk forskning med vanliga luftföroreningsindikatorer, främst partiklar, har ofta
funnit att dygnsvis antal dödsfall och sjukhusinläggningar tycks bero linjärt av halten från
låga halter och uppåt utan någon nedre tröskel. Världshälsoorganisationen (WHO) har därför
avstått ifrån att rekommendera några gränser för när partikelhalten ger hälsoeffekter (WHO,
2000). I stället har man redovisat hur exponerings (halt)-responssambanden utifrån litteraturen
bedöms se ut, d.v.s. procentuell ökning av antalet fall med stigande halt. På motsvarande sätt
har man hanterat kunskapsläget vad gäller långtidsexponeringens betydelse för dödligheten.
Bedömningen att även korttidshalterna av vissa luftföroreningar ger påtagliga effekter utan
tröskelnivåer av praktisk betydelse, innebär svårigheter att definiera kritiska effekter av våra
vanligaste luftföroreningar. Det är dock troligt att personer med hjärt- och lungsjukdom utgör
en betydande andel av de känsliga i en befolkning (WHO, 2003). Det finns exempelvis en
mängd studier som visar hur astmatiker försämras av förhöjda luftföroreningshalter. Likaså
kan konstateras att ökningen av antalet dödsfall korrelerad till luftföroreningshalter främst
gäller hjärt- och lungsjukdom, och för långtidsexponering även lungcancer. Barn brukar också
ses som en luftföroreningskänslig grupp, med bl.a. särskild risk för att luftföroreningarna
påverkar immunsystemets och lungornas utveckling. Vanliga luftföroreningars betydelse för
uppkomst av allergi och astma är dock ännu långt ifrån klarlagd. Barn med astma visar liksom
vuxna mer andningsproblem och fler vårdkontakter med stigande föroreningshalter.
Upplevelse av luften som besvärande och symtomframkallande anses som en lindrig men
också tidigt mätbar effekt, vilken kan påvisas även i ganska små befolkningsgrupper.
Astmatiker och andra luftvägskänsliga personer brukar löpa störst risk att besväras av
luftföroreningar.
4.3.3 Kvävedioxid – bilavgaser
Kvävedioxid i utomhusluft fungerar ofta som en indikator på halten av bilavgaser, och därför
kan de hälsoeffekter som i epidemiologiska studier satts i samband med kvävedioxid bero på
flera avgaskomponenter, inklusive avgaspartiklar (WHO, 2003). Betydelsen av andra
komponenter stöds av att det vid experiment med försökspersoner krävs höga halter av ren
NO2 för att ge en lätt påverkan av lungfunktionen och inflammatorisk reaktion i luftrören hos
friska personer. Den effekt av kvävedioxid som i sådana experiment uppträder vid lägst halt är
en ökad känslighet i luftrören hos astmatiker. Mycket höga halter av NO2 (2000 µg/m3) får
även friska försökspersoner att reagera med ökad luftvägskänslighet.
I epidemiologiska studier där kvävedioxid ingår som en komponent i en komplex men ofta
avgasdominerad föroreningsblandning, ses ofta samband mellan kvävedioxidhalten och hälsoutfall även vid ganska måttliga halter.
Dödlighet
En liten holländsk kohortstudie var den första att visa hur dödligheten totalt, samt i hjärt- och
lungsjukdom, var högre hos dem som bodde nära stark trafik och hade högre beräknad
exponering för kvävedioxid och sot (Hoek et al, 2002). Dödligheten bland knappt 4500
personer i åldern 55-69 år studerades från 1986 i cirka 8 år. Luftföroreningsexponeringen vid
61
bostadsadressen 1986 beräknades som ett medelvärde för 1987-1990, d v s första hälften av
uppföljningsperioden. Omkring 90 % av deltagarna hade dock 1986 bott minst 10 år på
aktuell adress. Bakgrundshalten av µg/m3 beräknades utifrån halten vid näraliggande
mätstationer och områdets urbaniseringsgrad. För de 5 % av deltagarna som bodde nära
motorvägar och stora genomfartsleder beräknades ett tillskott från den lokala trafiken på 11
respektive 8 µg/m3. Bostadsadressernas halt beräknades 15-67 µg/m3 NO2 med medelvärdet
37 µg/m3. När man i sambandsanalysen tog hänsyn till all bakgrundsinformation om
individerna (rökning, yrke, utbildning, kroppsmasseindex [BMI], kostvanor mm), fann man
för dödligheten totalt en relativ riskökning på 36 % (95% KI för RR = 0,93-1,98) per 30
µg/m3 ökad halt av NO2. Utifrån denna skattning skulle man för ett linjärt samband komma
till en exponerings-responskoefficient på 1,2 % per µg/m3.
En senare och mer än dubbelt så stor kohortstudie från Frankrike (med kortnamnet PAARC)
har från 1974-76 till 2001 studerat personer från 18 delområden med en diameter på 500 m till
2.3 km, vilka kunde beskrivas med likvärdiga mätstationer (Filleul et al, 2005). Halten av
NO2 skilde sig ungefär med en faktor 5 mellan lägst och högst belastat område (12-61 µg/m3).
Vid studiens början var deltagarna 25-59 år gamla, och under uppföljningsperioden dog cirka
2400 personer på grund av sjukdom. Efter justering för andra riskfaktorer som rökning, BMI,
yrkesexponering, utbildningsnivå etc, konstaterades att dödligheten (totalt exklusive yttre
orsaker)ökade med 1,4 % (95 % KI 0,3-2,5 %) per µg/m3 av NO2.
Storleksordningen på ökningen av dödligheten relaterad till trafikföroreningar stöds också av
en senare korrelationsstudie från Auckland, Nya Zeeland, med modellberäknad halt i 3
kilometersrutor. Efter justering för socioekonomiska förhållanden, ålder, etnicitet mm på
områdesnivå fann en ökning av dödligheten (totalt exklusive yttre orsaker) på 1,3 % (95 % KI
1,0-1,5 %) per µg/m3 (Scoggins et al, 2004).
En kohortstudie från Norge har analyserat samband mellan beräknade NOx-halten vid
bostaden och dödlighet för över 16 000 män i Oslo som inom en studie av hjärt-kärlsjukdom
började följas 1972-73 i en ålder av 40-49 år (Nafstad et al, 2004). Fram till 1998 hade över
25 % av dessa avlidit. Exponeringen har skattats för 1000-metersrutor men med ett skattat
tillägg för adresser vid de 50 mest trafikerade gatorna. När man använde den beräknade halten
av NOx 1974-78 som exponeringsmått (median = 10,7 µg/m3) erhöll man en relativ ökning av
dödligheten (exkl. yttre orsaker) på 0,8 % per µg/m3 (95 % KI 0,6-1,1%).
Utifrån dessa fyra studier kan man vid konsekvensuppskattningar av avgasbelastningens
långtidseffekt anta ett linjärt samband med 1,2-1,4 % ökad dödlighet per µg/m3 ökat
årsmedelvärde av kvävedioxid i bostadsområdet, eller för NOx 0,8 % per µg/m3.
Beräkningarna av årsmedelvärden bör ha rimlig upplösning för att matcha nämnda studier,
exempelvis 100-1000 metersrutor och inte avse direkta gaturumshalten.
En riskökning av liknande storlek som i ovan nämnda studier av dödlighet erhölls i en studie
från Stockholm som utnyttjade modellberäknade kvävedioxidhalter och fann att risken för
lungcancerinsjuknande hos män i Stockholms län 1985-1990 var förhöjd hos dem som enligt
beräkningarna haft en hög halt av NO2 vid bostaden 21-30 år tidigare. Med NO2 som
kontinuerlig variabel, och samtidig kontroll för beräknad halt av SO2, beräknades
riskökningen till ungefär 15 % per 10 µg/m3 (Nyberg et al, 2000).
En sammanvägning av resultaten från 32 studier som belyst korttidseffekterna av kvävedioxid
(med medelvärden på 20-103 μg/m3) på dagligt antal dödsfall bekräftar att studierna av
62
långtidsexponering ser betydligt större påverkan på dödligheten (Stieb et al, 2002).
Sammanvägningen visade en ökning av dagligt antal dödsfall på cirka 0,6-0,7 % per 10 μg/m3
kortvarig ökning av dygnsmedelvärdet av kvävedioxid. Med partikelhalten samtidigt
inkluderad i analyserna var effekten vanligtvis avsevärt svagare, sannolikt därför att
kvävedioxid och partiklar båda indikerar avgashalten och effekten av avgasföroreningarna
fördelas mellan båda indikatorerna.
Försämring och luftvägssymtom
Samband mellan förhöjda kvävedioxidhalter och försämring av astmatiker har rapporterats
från vissa epidemiologiska dagboksstudier, men en betydande del av studierna ser inga
samband, och studierna har så skiftande upplägg att resultaten är svåra att väga samman.
Samband har också rapporterats till förekomsten av luftvägsproblem som hosta och bronkit,
särskilt hos barn (WHO, 2003; WHO, 2005).
Sambanden mellan korttidshalten av kvävedioxid och dygnsvis antal inläggningar på sjukhus
eller akutbesök har bara ibland beräknats med både kvävedioxid och partiklar (PM10)
samtidigt inkluderade i analyserna. När man i studier har försökt beskriva effekten av NO2
separerad från effekten av PM10, har man för kvävedioxid vanligtvis funnit en ökning av
risken. Effekten tycks sammantaget ligga på ungefär 0,4-0,5 % ökning av antalet fall per 10
μg/m3 ökat dygnsmedelvärde av kvävedioxid. WHO:s beräkningsprogram för hälsokonsekvenser av luftföroreningar, AirQ (WHO, 2000b), antar att inläggningarna för olika
diagnosgrupper av sjukdomar i andningsorganen ökar med 0,2-0,6 % per 10 μg/m3 ökning av
dygnsmedelvärdet av kvävedioxid. Resultaten kommer till stor del från städer med
genomsnittliga kvävedioxidhalter på ungefär 45-55 μg/m3, men det finns inga tecken på
någon nedre tröskel för effekterna.
Besvärsupplevelse
Kvävedioxid användes som indikator på avgasbelastningen i en svensk enkätstudie
omfattande 55 orter (Forsberg et al, 1997). Enligt studien ökade andelen som dagligen eller
nästan dagligen upplever luften i bostadsområdet som irriterande med cirka 0,4
procentandelar per 1 µg/m3 ökning av långtidsmedelvärdet av kvävedioxid.
Vinterhalvårsmedelvärdet vid de 55 mätstationerna i undersökningen var 9-32 µg/m3. Det
visade sig även att frekventa problem med hosta, irritation i halsen etc. var signifikant mer
vanliga på den fjärdedel av orterna som hade högst kvävedioxidhalter, över 22 µg/m3, jämfört
med den hälft av orterna som hade lägst halter.
4.3.4 Partiklar
Beträffande partiklars effekter finns jämfört med gaser som kvävedioxid, ozon och
svaveldioxid ett mindre omfattande underlag från experiment på människor i miljökammare
Forsberg & Bylin, 2001; WHO, 2003). Utförda försök har främst omfattat partiklar i
dieselavgaser (ofta 200-300 µg/m3 i 1-2 timmar) vilka framkallat inflammation i luftvägarna
några timmar senare, en ökning av antalet blodplättar och en ökad av luftrörskänslighet
påföljande dag. I en amerikansk studie exponerades friska personer för partiklar som
koncentrerats från utomhusluften. Även då sågs också en inflammation i luftrören. Halten av
fibrinogen i blodet, vilken har betydelse för blodets koagulationsförmåga, steg också efter
exponeringen för partiklarna.
När personer med allergisk astma i en svensk experimentell studie under 30 minuter fick sitta
i en bil parkerad i en vägtunnel, med i genomsnitt 170 µg/m3 av PM10 och 95 µg/m3 av PM2.5,
63
blev astmareaktionen på inandat allergen större när personer exponerats för PM2.5-halter i
tunneln över genomsnittsvärdet 100 µg/m3.
Enligt WHO:s Air Quality Guidelines (WHO, 2000) minskar lungfunktionen uttryckt som
PEF (max utandningsflöde) i genomsnitt linjärt med 0,13 % per 10 μg/m3 ökad halt av PM10.
Effekterna drabbar inte alla individer lika, utan vissa reagerar mer kraftigt. Vuxna astmatiker,
barn med astma eller liknande luftvägsproblem och friska barn har i dagboksstudier drabbats
av mer astmasymtom och liknande besvär vid höjda partikelhalter. Enligt WHO ökar
sammantaget förekomsten av hosta, astmabesvär och användandet av luftrörsvidgande
medicin med 3-5 % per 10 μg/m3 ökad dygnshalt av PM10.
Att högre korttidshalter av partiklar ökar antalet akutbesök eller inläggningar för
lungsjukdomar, bl.a. astma, har konstaterats i ett stort antal studier från varierande miljöer.
WHO (2000) anger sammantaget en ökning av det dagliga antalet inläggningar för
lungsjukdom med 0,8 % per 10 μg/m3 ökad halt av partiklar mätt som PM10. WHO (2000b)
anger dessutom i sitt beräkningsprogram för hälsokonsekvenser av luftföroreningar att antalet
inläggningar för hjärtsjukdom ökar med 0,9 % per 10 μg/m3 ökad halt av PM10, men detta
samband är inte lika väl underbyggt som effekten på inläggningarna för lungsjukdom.
Det finns ett stort antal studier av hur korttidshalten av PM10 påverkar antalet dödsfall.
Sammantaget visar studierna på att en ökning av partikelhalten ger en större procentuell effekt
på dödligheten i lungsjukdom än på dödligheten i hjärt-kärlsjukdom. Då hjärt-kärldödsfallen
är så många fler till antalet kommer dock de flesta ”extra” dödsfallen att uppkomma inom
denna kategori. WHO (2000) anger att sammanvägt så ökar det dagliga antalet dödsfall per
dygn med i genomsnitt 0,7 %, antalet dödsfall i lungsjukdom med 1,2 % och antalet hjärtkärldödsfall med 0,8% per 10 μg/m3 ökad halt av partiklar mätt som PM10.
Långtidshalterna av partiklar (PM10) har i flera studier uppvisat samband med främst sänkt
lungfunktion och bronkitsymtom, men betydelsen för uppkomsten av allergi och astma är
oklar (WHO, 2003). Studierna har tolkats peka på att en ökad långtidsexponering av PM10 på
10 µg/m3 ger en ökad risk på cirka 10 % för kronisk bronkit hos vuxna. Hos Schweiziska barn
konstaterades sambandet till bronkit inom haltområdet 10-33 µg/m3 av PM10.
Det finns ett par amerikanska studier med omfattande data om olika riskfaktorer vilka under
längre tid följt dödligheten i relation till bostadsmiljöns luftföroreningshalt (WHO, 2003;
WHO 2005). I den mindre “Harvard Six Cities Study” gav en förhöjd långtidsexponering med
10 µg/m3 av PM2.5 en ökad dödlighet på 14 %. Den betydligt större studien ACS med fler
exponeringsnivåer fann en hälften så stor effekt, 10 µg/m3 av PM2.5 gav en ökad dödlighet på
7 % (Pope et al, 1995; Pope et al, 2002). Dessa två undersökningar har båda varit föremål för
en ny oberoende analys, vilken i allt väsentligt kom till samma slutsatser som de ursprungliga
analyserna. Utifrån dessa studier har för PM10 angivits en ökning på 4,3 % per 10 µg/m3.
Eftersom dessa studier jämfört amerikanska städer utan hänsyn till gradienter inom dessa, och
skillnaderna partikelhalt till stor del beror på sekundärt bildade partiklar (sulfater mm), är det
inte troligt att studierna ger rätt bild av hur lokala utsläpp från trafiken påverkar dödligheten
(Forsberg et al, 2005). För sådana beräkningar är det mer lämpligt att använda NO2 eller NOx
som indikator på trafikföroreningar. En senare analys av ACS inom Los Angeles fann att 10
µg/m3 av PM2.5 gav en ökad dödlighet på 17 %, och i detta fall beror skillnaderna i halt mer
på trafikrelaterade partiklar (Jerrett et al, 2005).
64
4.3.5 Carcinogena kolväten
Förbränningsavgaser, bl.a. från diesel- och bensinmotorer och vedeldning, liksom vissa
industriutsläpp innehåller kolväten som bedöms eller misstänks vara cancerframkallande.
Dessa kolväten antas ligga bakom en väsentlig del av den förhöjda lungcancerrisk på upp till
40-50 % som konstaterats i vissa förorenade områden (Forsberg & Bylin, 2001).
Till de lätta (gasformiga) kolvätena hör bensen, som kan öka risken för leukemi. Det finns en
handfull relevanta studier av bensen i omgivningsluft (trafikgenererad) och leukemi hos barn,
men resultaten ger sammantaget inga tydliga belägg för ett samband vid dessa nivåer.
Butadien bedöms vara cancerframkallande, men ämnet är reaktivt och därför föga studerat i
omgivningsmiljö, varför några epidemiologiska exponerings-responssamband inte föreligger.
Institutet för miljömedicin (IMM) har föreslagit 0,04-0,3 μg/m3 som lågrisknivå (beräknas
orsaka 1 fall per 100 000 personer under deras livstid) för långtidsexponering med hänvisning
till cancerrisken. Eten tillhör också de lätta kolväten som anses betydelsefulla ur cancerrisksynpunkt. IMM har för eten har föreslagit 1 μg/m3 som lågrisknivå.
PAH (Polyaromatiska kolväten) är tyngre och ofta partikelbundna i omgivningsluften. Dieseloch bensinmotorer och vedeldning ger lokalt förhållandevis stora utsläpp av PAH som
benso(a)pyren, vilket är det polyaromatiska kolväte som oftast används som PAH-indikator.
För benso(a)pyren har IMM föreslagit 0,0001 μg/m3 som lågrisknivå.
4.3.6 Andra relevanta luftföroreningar
Beroende på utsläppskällan, särskilt beträffande industrier, så kan det finnas anledning att ur
hälsosynpunkt rikta intresset även mot utsläpp av andra föroreningar än partiklar och de
övriga komponenter som ovan diskuterats. I Världshälsoorganisationens Air Quality
Guidelines (WHO, 2000) behandlas ett större antal föroreningar som inte diskuterats här, men
som kan ha betydelse ur hälsosynpunkt (www.euro.who.int/document/e71922.pdf). Till dessa
hör kolmonoxid, toluen, styren, vinylklorid och formaldehyd. Senare års forskning har
identifierat luftföroreningar som behöver uppmärksammas mer. Ur astmasynpunkt har det
amerikanska naturvårdsverket (EPA) särskilt nämnt aldehyder, nickel och krom.
65
4.4 Exempel på resultat och presentationer i en MKB
För att illustrera vad som kan redovisas när man gör en mer detaljerad beräkning av hur olika
alternativ väntas påverka exponering och hälsa, har vi valt två exempel. Det första är samma
hypotetiska exempel från Umeå som vi använt i kapitel 3 beträffande buller. Vi har
åtgärdsalternativet som innebär att trafiken minskas med 10 000 fordon per årsmedeldygn på
nuvarande E4:an genom centrala Umeå (med ca 25 000 fordon/årsmedeldygn). I vårt scenario
har vi antagit att år 2010 har istället trafiken ökat med 10 000 fordon/årsmedeldygn på
Kolbäcksleden när den minskat med 10000 fordon/dygn på nuvarande E4:an I exemplet
nedan illustreras uppskattade halter med hjälp av nomogram och URBAN-modellen,
spridningsberäkningar med TAPM (urbana bakgrundshalter) och MISKAM (gaturum) samt
beräkningar av befolkningsexponering.
4.4.1 Lokal spridningsberäkning för urban bakgrund
Den generella urbana bakgrundshalten uppskattad med URBAN-modellen är ca 14 µg/m3 i
Umeå. Även spridningsberäkningar med TAPM i urban bakgrund (10 m ovan mark) i centrala
Umeå ger ett högsta årsmedelvärde på 14 µg/m3 längs E4:an. En regional bakgrundshalt på 2
µg/m3, motsvarande halten på närliggande landsbygd, har inkluderats vid beräkningarna.
Beräkningar visar att i dagsläget är det ingen risk att vare sig MKN, ÖUT eller NUT för NO2
som årsmedelvärde i urban bakgrund överskrids, se Figur 4.4.1a. Som 98-percentil för dygn
ligger de högsta halterna strax under NUT, och som 98-percentil för timme ligger den högsta
halten strax över NUT.
Nollscenariot innebär att trafikflödena är de samma som år 2000, men med lägre
emissionsfaktorer till följd av planerade tekniska åtgärder på nya fordon (enligt underlag från
Vägverket). Enligt nollscenariot kommer halterna minska med ca 30%, se Figur 4.4.1b,
jämfört med nuscenariot
I Framtidsscenariot förväntas trafiken ha ökat med 10 000 fordon per dygn på Kolbäcksleden
och minskat med motsvarande mängd på nuvarande E4:an. Med emissionsfaktorer för år 2010
resulterar detta i minskade halter med ca 50% längs E4:an jämfört med Nuscenariot. Halterna
längs Kolbäcksleden ökar med ca 25-30%. Den förväntade sänkningen av haltnivåerna vid
smågatorna väster om E4:an i Framtidsscenariot framgår ej av beräkningsresultatet, till följd
av att ingen förändring har lagts in avseende trafiken på dessa gator jämfört med i
Nuscenariot. Vid en omläggning av trafiken längs de stora lederna skulle även situationen i
närliggande områden påverkas.
66
Figur 4.4.1 a
Årsmedelvärden av NO2 för
Nuscenario i Umeå.
Figur 4.4.1 b
Årsmedelvärden av NO2
för Nollscenario i Umeå
(emissionsfaktorer för
år 2010).
Figur 4.4.1 c
Årsmedelvärde av NO2
för Framtidsscenario i
Umeå (10 000 fordon
flyttade från E4 till
Kolbäcksleden).
67
4.4.2 Gaturumsberäkningen
För nuscenariet uppskattas, utifrån monogram, halterna vid E4:an (gaturum) och Kolbäcksleden
(öppen väg) till 39 respektive 23 µg/m3. Halterna minskar med cirka 35% vid E4:an i
Framtidsscenariet.
Gaturumsberäkningarna med MISKAM på en höjd av 5 m ovan mark, visar att i dagsläget är
halterna av NO2 dubbelt så höga längs E4:an som vid Kolbäcksleden till följd av att E4:an är
ett mer slutet gaturum samt att den i dag trafikeras med mer än dubbelt så många fordon/dygn,
se Figur 4.4.2.
Figur 4.4.2
Spridningsberäkning
av NO2 som årsmedelvärde i gatunivå med
MISKAM längs E4:an
och Kolbäcksleden i
Umeå.
E4:an
Kolbäcksleden
68
I Tabell 4.4.1 sammanfattas uppskattade haltnivåer längs E4:an och Kolbäcksleden för nurespektive framtidsscenariet, beräknade med de olika metoderna.
Den urbana bakgrundshalten underskrider klart NUT för NO2 som årsmedelvärde i Umeå
medan gaturumshalterna vid E4:an uppskattas överskrida ÖUT och eventuellt även MKN
enligt nuscenariet. Viss risk för överskridande av ÖUT råder sannolikt även vid E4:an enligt
framtidsscenariet.
Tabell 4.4.1
Sammanfattande tabell av de olika uppskattningarna av halter i Umeå längs E4:an och
Kolbäcksleden enligt nu- och framtidsscenariet.
Umeå
Urban bakgrund
Markplan
URBAN-modellen TAPM
Nomogram
MISKAM
(5-8 m ovan mark) (10 m ovan mark)
(5 m ovan mark)
2000
2000
2010
2000
2010
2000
årsmv
högsta
högsta
högsta årsmv
årsmv
årsmv
µg/m3
µg/m3
µg/m3
µg/m3
µg/m3
µg/m3
Umeå generellt
14
E4:an (gata)
14
7
39
25
30
Kolbäcksleden
6
7-8
23
23
15
(öppen väg)
4.5 Befokningsexponering
4.5.1 Utgångspunkter
För de flesta svenskar är utsläppen från motorfordon den lokala källa som mest påverkar
luftföroreningsexponeringen. Förutom att de svarar för stora andelar av utsläppen av
kväveoxider, kolväten och partiklar, så sker utsläppen på låg höjd och främst i miljöer där
många människor färdas och vistas. På så vis svarar motorfordonen för en ännu högre andel
av exponeringen än deras andel av utsläppsmängderna. För en detaljerad beskrivning av
befolkningens exponering skulle krävas information om befolkningens vistelsemönster och
halter i olika miljöer, utomhus och inomhus. Detta är information som är svår och kostsam att
erhålla. Därför bygger även epidemiologiska studier av luftföroreningseffekter ofta på mindre
detaljerad information, främst genomsnittlig utomhushalt på bostadsorten eller i bostadens
närområde. Härigenom blir ganska lätt åtkomlig information om hur många boende som finns
i respektive område eller ruta det som passar bäst att koppla ihop med exponeringsresponssambanden från de epidemiologiska studierna.
4.5.2 Umeåexemplet
Beräkningarna av hur luftkvaliteten i Umeå (se ovan) skulle påverkas av att 10 000 fordon
flyttas från nuvarande E4 genom staden till Kolbäcksleden i stadens utkant kan kombinerats
med aktuella befolkningsdata eller beräkningar av den framtida befolkningen. I detta fall har
aktuell befolkning förts till respektive fastighet, dessutom har bostadsytorna på fastigheterna
beräknats (utifrån bottenyta och våningshöjd). Befolkningen i exemplet har därefter fördelats
proportionellt efter bostadsyta (för mer detaljer se kapitel 3), och kan därmed tillskrivas
luftföroreningshalten för byggnadens mittkoordinat (som antas vara ett mer exakt alternativ
till att använda fastighetens mittkoordinat).
69
När nollalternativet och åtgärdsalternativet (minskning av 10 000 fordon på nuvarande E4
samt ökning av 10 000 fordon på Kolbäcksleden) jämförs med avseende på befolkningsexponering räknat utifrån de boendes fördelning blir skillnaderna små. Figur 4.5.1 nedan visar
hur många som utifrån bostadsfastigheternas beräknade årsmedelhalt får sin exponering olika
mycket ökad respektive minskad jämfört med nollalternativet.
För de närmare 70 000 personerna inom beräkningsområdet för luftföroreningarna minskar
exponeringen i genomsnitt med 0,13 µg/m3. Motsvarande minskning om man istället påför
halterna från fastigheternas mittpunkter blir 0,12 µg/m3. Skillnaderna mellan de två
metoderna är som synes obetydlig för kvävedioxidhalten, vilken uppvisar svagare gradienter
från vägar än exempelvis kvävemonoxidhalten eller buller.
30000
20000
10000
0
-2.00
-1.50
-1.75
-1.00
-1.25
-.50
-.75
.00
-.25
.50
.25
Figur 4.5.1. Staplarna visar hur många personer som får årsmedelhalten vid bostaden ökad respektive minskad
olika mycket (µg/m3) vid åtgärdsalternativet jämfört med nollalternativet.
Om man antar att dödligheten i en befolkning ökar (eller minskar) med 1,2 % per µg/m3
förändring av årsmedelvärdet för kvävedioxid i bostadsområdena, kommer en genomsnittlig
förändring på cirka 0,13 µg/m3 att innebära att antalet dödsfall väntas minska med 0,16 %.
För de cirka 70 000 personerna inom beräkningsområdet innebär det att man efter några år får
dödligheten minskad med ett dödsfall per år (allt annat oförändrat). Beräkningen bygger på
att man räknar med en typisk dödlighet på 1 dödsfall per 100 invånare och år.
Även om effekter på dödligheten väger tyngst, skulle man i Umeåexemplet lämpligen också
presentera hur antalet besvärade av luftföroreningar förändras. Se mer om en sådan beräkning
i avsnitt 4.5.3 med ett exempel från StorStockholm!
70
I detta fall bör man också påpeka att beräkningen inte tar hänsyn till att många människor
besöker centrala delarna av staden för att handla och arbeta. Minskningen av befolkningens
genomsnittliga exponering torde därför vara större än beräknat.
4.5.3 Exempel på beräkning med mycket stor berörd befolkning
I en särskild delstudie har tillsammans med Stockholm luft- och bulleranalys (SLB)
behandlats frågor kring användbara analys- och bedömningsmetoder för beslutssituationer där
stora befolkningskoncentrationer kan beröras av haltförändringar. Resultaten har i sin helhet
redovisats som en underlagsrapport till miljökonsekvensbeskrivningen för framtida
nordsydliga vägförbindelser i Stockholm. Här återges endast vissa delar av redovisningen,
med fokus på hur de beräknade hälsokonsekvenserna presenterats. Om de under processen
behandlade alternativen bör poängteras att ett s.k. kombinationsalternativ har innefattat andra
åtgärder än bara nya vägsträckningar, bl.a. införandet av trängselavgifter.
För MKB:n har i detta fall haltberäkningar avseende NO2 och PM10 genomförts med en
Gaussisk spridningsmodell med två olika upplösningar. Dels med 500 meters upplösning som
exakt motsvarar de ytor för vilka aktuella befolkningsdata (2001) har inköpts från SCB.
Dessutom även med 100 meters upplösning för att få en tydligare bild av gradienterna i
halterna utmed de större vägarna och vid mynningarna. Beräkningsområdet omfattar en
befolkning på befolkning om 1 417 827 personer.
De emissionsdata, d.v.s. utsläppsdata, som utgör indata för beräkningsmodellen vid framräkning av koncentrationer i luften kommer från Stockholm- och Uppsala läns luftvårdsförbunds länstäckande emissionsdatabas. Vägtrafikens utsläpp av kvävedioxid och
avgaspartiklar är beskriven med emissionsfaktorer för olika fordons- och vägtyper enligt
Vägverkets EVA-modell 2.3. Trafiksammansättningen avseende fordonsparkens avgasreningsgrad har beräknats utifrån prognoser för år 2015. Emissionsfaktorer för slitagepartiklar
baseras på kontinuerliga mätningar på Hornsgatan i centrala Stockholm, och har antagits vara
desamma 2015 som i dagsläget. Bidraget till halterna från källor utanför beräkningsområdet
har adderats i efterhand genom tillägg baserat på bakgrundsmätningar.
Skillnaderna i exponering mellan de olika alternativen kan uttryckas genom att beräkna ett
medelvärde över hela beräkningsområdet. Den berörda befolkningens exponering har
dessutom beräknats genom att för varje 500 x 500 meters yta vikta samman antal boende med
den beräknade årsmedelhalten vid respektive alternativ. Den befolkningsviktade
koncentrationen (medelvärdet) beräknades som:
Cviktad =
∑C ⋅ N
∑N
Alla ytor
Hela området
där N är antalet personer och C är koncentrationen i varje beräkningsruta (500 x 500 meter).
Hälsokonsekvensberäkningarna grundas på den befolkningsviktade exponeringen. Skillnaden
i exponering beräknades enbart utifrån boende befolkning, då hänsyn till ”dagbefolkningens”
(befolkningsfördelningen dagtid justerad utifrån SCB:s arbetställestatistik) något avvikande
geografiska fördelning i en tidigare hälsokonsekvensberäkning om trängselavgifter visat sig
ge försumbara skillnader för de allvarligaste effekterna. Det beror på att frekvenserna av
71
döds- och vårdfall är så låg i de yrkesarbetande åldrar, att relativa förändringar för dessa
åldrar blir små som absoluta tal.
72
Tabell 4.5.1. Sammanfattning av genomsnittshalter och befolkningsviktad exponering för de olika studerade
alternativen för nordsydliga förbindelser i Stockholm (µg/m3).
Kvävedioxid, NO2
Partiklar, PM10
Alternativ
Medelkoncentration
utan befolkningsviktn1)
Viktad efter befolkning
Medelkoncentration
utan befolkningsviktn
Viktad efter befolkning
Nuläge
Nollalternativet
Ålstensleden
Förbifart
Stockholm
Diagonal Ulvsunda
Kombinationsalt
7.89
5.31
5.30
5.28
12.71
7.50
7.45
7.37
13.61
14.00
14.00
13.97
15.09
15.90
15.85
15.74
5.28
5.17
7.40
7.18
13.94
13.84
15.72
15.59
1)
Medelkoncentration för hela beräkningsområdet.
Konsekvensberäkningarna för MKB:n omfattade i detta fall effekter på dödlighet, vissa typer
av akuta sjukhusinläggningar samt besvärsupplevelse. Beräkningarna beträffande sjukhusfall
visas inte här, eftersom de bedöms som mindre relevanta när långsiktiga effekter på
dödligheten redovisas. Oavsett haltförändringarnas storlek blir konsekvenserna för antalet fall
per år mindre för akuta sjukhusinläggningar än för dödsfallen. Förhållandet beror på att det
bara är den omedelbara effekten på sjukhusinläggningar som vi känner exponerings-responssambanden för. Det innebär att antalet vårdtillfällen beroende på föroreningarna kan vara av
en helt annan storleksordning om man tar hänsyn till att människor får hjärt- och
lungsjukdomar på grund av luftföroreningar och ibland behöver vård för dessa utan att
halterna just då är höga.
I detta fall har använts koordinatsatta uppgifter om befolkningen (2001) inhämtade från SCB
och fördelad på 10-årsklasser. Några uppskattningar av framtida förändringar i befolkningstal
eller frekvensen döds- och inläggningsfall har på grund av osäkerheten inte utförts.
De flesta skattningar av partikelhaltens konsekvenser på dödligheten baseras på två eller
endera av två amerikanska kohortstudier, och vi har valt att använda en koefficient utifrån
dessa resultat tillämpad bl.a. i ett par större europeiska studier, bl.a. av Kuenzli et al (2000)
och i EU-projektet APHEIS, www.apheis.net. Relativa ökningen av antal fall per 10 µg/m3
ökad halt har skattats till 1,043 (4,3 %), med ett 95 % konfidensintervall på 1,026-1,06.
Utifrån de underliggande studierna har föreslagits att detta samband tillämpas på antal
dödsfall i åldrarna 30 år och däröver, samt för totala dödligheten relaterad till sjukdom
(exklusive olyckor, våld etc).
Som tidigare nämnts beror exponeringskontrasterna (i partikelhalt) i dessa amerikanska
studier till stor del på skillnader i bakgrundshalten av sekundära partiklar, bl.a. sulfat och
nitrat. Dessa studier är troligen mindre relevanta som underlag för att bedöma konsekvenser
av förändringar i lokalt genererade trafikföroreningar (Forsberg et al, 2005). Liknande
exponerings-responssamband mer direkt kopplade till trafikrelaterade föroreningar har dock
saknats tills en mindre studie från Nederländerna (Hoek et al, 2002) lämnade sina första
resultat. Som en mer trafikrelevant indikator än PM10 har vi därför använt NO2 som indikator
och tillämpat ett linjärt samband med en ökad dödlighet på 1,2 % per µg/m3. Studier från
Auckland, Nya Zeeland och Frankrike har nyligen kommit till nästa samma resultat som den
holländska (1,3-1,4 % per µg/m3), se avsnitt 4.3.3 för detaljer.
73
De beräknade konsekvenserna på dödligheten av en förändrad partikelhalt (PM10) och en
förändrad kvävedioxidhalt bedöms inte som adderbara, utan resultaten ska här ses som
erhållna utifrån två alternativa indikatorer på luftkvaliteten, där NO2 bedöms som mer
relevant. I framtiden torde det med stöd av de nya studierna i liknande fall räcka att redovisa
resultat utifrån NO2 eller NOx.
För besvärsupplevelse har därför valt att skatta effekter utifrån en svensk studie från 55
områden som anger absolut förändring i förekomst (prevalens) per förändring av närmast
uppmätt 6-månadersmedelvärde. Andelen personer som dagligen eller nästan upplever
utomhusluften vid bostaden som irriterande ökade enligt regressionsanalysen antalet på detta
sätt besvärade med 0,43 per 100 personer (95% KI = 0,28-0,59) för varje µg/m3 ökad halt.
Som en restriktion utifrån studieområdenas haltomfång har inga förändringar av
årsmedelhalten under 9 µg/m3 beräknats ha någon effekt på antalet besvärade. Eftersom
studien enbart omfattade vuxna, har effekterna här inte beräknats för personer 19 år eller
yngre.
Resultaten i detta fall visar att konsekvenserna för dödligheten blir mer en dubbelt så stora
räknat utifrån den mer trafikspecifika indikatorn kvävedioxid jämfört med om PM10 används
som indikator. Beräkningarna visar också att trots ganska små haltskillnader blir det med en
så pass stor berörd befolkning (1,4 miljoner) effekter på dödligheten som är påtagliga
exempelvis i jämförelse med dödstal i trafiken.
Tabell 4.5.2. Beräknad minskning av årligt antal dödsfall vid en jämförelse mot nollalternativet utifrån NO2
respektive PM10 som indikator på luftkvaliteten.
RR för
Färre fall/år*
Alternativ
RR för
Färre fall/år*
PM10
NO2
1.012
7.9
1.0043
3.1
Ålstensleden
Förbifart Stockholm
”
22.2
”
9.8
Diagonal Ulvsunda
”
17.0
”
10.9
Kombinationsalt
”
53.7
”
19.1
*Beräknat utifrån en dödlighet på 1013 per 100 000 personer och år.
Beräkningarna beträffande betydelse för besvärsförekomst redovisades till MKB:n i detta fall både i
tabellform (redovisas dock ej här) och med figurer som utifrån 500 meters rutor visar var antalet
besvärade beräknas öka respektive minska med minst två personer per ruta. Figur 4.5.2 nedan avser
alternativet Diagonal Ulvsunda i jämförelse med noll-alternativet.
74
0
2.5
5
10 Kilometer
ökning med fler än 2 personer per 500-meters ruta
ingen eller liten effekt
minskning med fler än 2 personer per 500-meters ruta
Figur 4.5.2
Alternativet Diagonal Ulvsunda i jämförelse med nollalternativet.
Eftersom vissa av alternativen i detta fall innehåller långa tunnlar, har särskilda beräkningar
genomförts för de olika alternativens exponeringsbidrag genom färd i vägtunnlar, vilket har
redovisas i en separat rapport.
75
4.6 Referenser
Berkowicz, R., Palmgren, F., Hertel, O., Vignati, E. (1996), Using measurements of air pollution in streets for evaluation of urban air quality – meteorological analysis and model calculations. The Science of the Total Environment 189/190, p. 259-265.
Dockery D, Pope A, Xu X, Spengler J, Wae J, Fay M et al. An association between air pollution and mortality in six U.S.Cities. N Engl J Med 1993;329(24):1753-9.
Filleul L, Rondeau V, Vandentorren S, Le Moual N, Cantagrel A, Annesi-Maesano I, Charpin
D, Declercq C, Neukirch F, Paris C, Vervloet D, Brochard P, Tessier JF, Kauffmann F, Baldi
I. Twenty five year mortality and air pollution: results from the French PAARC survey.
Occup Environ Med. 2005 Jul;62(7):453-60.
Foltescu, V., Gidhagen, L. och Omstedt, G. (2001), Nomogram för uppskattning av halter av
PM10 och NO2 – reviderad version. SMHI Meteorologi Rapport Nr. 102, 2001.
Forsberg B, Bylin G. Uteboken – en bok för alla som bryr sig om en hälsosam utomhusluft.
Naturvårdsverket och Statens folkhälsoinstitut, 2001.
Forsberg B, Stjernberg N, Wall S. People can detect poor air quality well below guideline
levels - A prevalence study of annoyance reactions and air pollution from traffic. Occup Environ Med 1997;54:44-48.
Forsberg B, Hansson HC, Johansson C, Aureskoug H, Persson K. Järvholm B. Comparative
health impact assessment of local and regional particulate air pollutants in Scandinavia. Ambio 2005;34:11-19.
Haeger-Eugensson, M., Borne, K., Chen, D., Persson, K. (2002). Development of a New Meteorological Ventilation Index for Urban Air Quality Studies. IVL Report L02/70.
Haeger-Eugensson, M., Gustafsson, A., Sjöberg, K., Flodström, E. (2003). Spridningsberäkning avseende luftkvalitet i centrala Örnsköldsvik. IVL Rapport U 875.
Hoek G, Brunekreef B, Goldbohm S, Fischer P, van der Brandt P. The association between
mortality and indicators of traffic-related air pollution in a Dutch cohort study. Lancet 2002;
360: 1203 – 1209.
Jerrett M, Burnett RT, Ma R, Pope CA 3rd, Krewski D, Newbold KB, Thurston G, Shi Y,
Finkelstein N, Calle EE, Thun MJ. Spatial analysis of air pollution and mortality in Los Angeles. Epidemiology. 2005;16(6):727-36.
Künzli N, Kaiser R, Medina S et al. Public-health impact of outdoor and traffic-related air
pollution: a European assessment. The Lancet 2000; 356:795-801.
Nafstad P, Lund Håheim L, Wisloff T, Gram F, Oftedal B, Holme I, et al. Urban air pollution
and mortality in a cohort of Norwegian men. Environ Health Perspect 2004;112:610-615.
Nyberg F, Gustavsson P, Järup L, Bellander T, Berglind N, Jakobsson R, Pershagen G. Urban
Air Pollution and Lung Cancer in Stockholm. Epidemiology 2000;11(5):487-495.
76
Persson, K. m.fl. (2006). Luftkvaliteten i Sverige sommaren 2005 och vintern 2005/06 –
Resultat från mätningar inom URBAN-projektet. IVL Rapport B1690.
Pope A, Thun M, Namboodiri M, Dockery D, Evans J, Speizer F et al. Particulate air pollution as a predictor of mortality in a prospective study of U.S.Adults. Am J Respir Crit Care
Med 1995;151(3):669-74.
Pope A, Burnett R. Thun M, Calle E, Krewski D, Ito K, Thurston G. Lung cancer, cardiopulmonary mortality, and long-term exposure to fine particulate air pollution. JAMA.
2002;287:1132-1141.
Sjöberg, K., Haeger-Eugensson, M., Liljeberg, M., Blomgren, H. and Forsberg, B. (2004),
Quantification of general population exposure to nitrogen dioxide in Sweden. IVL report
1579.
Stieb DM, Judek S, Burnett RT. Meta-analysis of time-series studies of air pollution and mortality: effects of gases and particles and the influence of cause of death, age and season. J air
Waste Manage Assoc 2002 ;52 :470-484.
WHO. Air Quality Guidelines, 2nd edition. Geneva, 2000.
(http://www.euro.who.int/air/activities/20050223_3)
WHO European Centre on Environment and Health. AirQ Manual Version 1.1a, May 2000
(b).
WHO Regional Office for Europe. Health Aspects of Air Pollution with Particulate Matter,
Ozone and Nitrogen Dioxide. Report from WHO Working Group Meeting Bonn, 13 - 15
January 2003.
WHO. Health effects of transport related air pollution. WHO Regional Office for Europe,
Copenhagen, 2005.
77