To identify a climate trend, a lot of data is required for the conclusion to be accurate. A trend can require 30 years worth of measurements in order to say anything with certainty about how the climate is changing. It is therefore important to utilize every source of data in climate research. In this thesis, weather data from the Smart Stake weather stations on the Greenland ice sheet was reprocessed and utilized in analysis after not having been worked with since the early 2000s. Erroneous data was selectively discarded, and the remaining data was merged for each of the five Smart Stake stations. After being formatted, the data was adjusted and processed by filters in order to reduce the amount of noise in the measurements. The measured quantities, such as temperature, wind velocity and snow height, were plotted and compared in order to establish the causes of increased melting at certain stations. 2003 was found to be a year with more melt around the Smart Stake stations than other years, and 2004 was found to have particularly small amounts of melt occurring. A station at a lower elevation than others, experiencing higher than average temperatures, measured more melting. This implies a reliable data set which means that the data from the Smart Stake stations can be used in further research, in climate models and for verification purposes, as well as by legislators and for construction planning. / För att kunna identifiera en klimattrend krävs en stor mängd data. En trend kan kräva en mängd data som motsvarar 30 år av mätningar för att säkert kunna säga hur klimatet förändras. Det är därför viktigt att utnyttja all data som samlas in för att kunna skapa noggranna klimatmodeller och dra korrekta slutsatser. I denna avhandling bearbetades väderdata från fem Smart Stake väderstationer på Grönlands istäcke på nytt. Mätningarna från dessa väderstationerhar inte utnyttjats sedan de sattes upp under tidiga 2000-talet. Felaktiga mätningar blev selektivt bortplockade och resterande data formatterades och sammanfogades till en fil per väderstation. Datan justerades och bearbetades sedan med hjälp av filter för att reducera mängden brus i mätningarna och markera ytterligare felaktig data. De uppmätta storheterna, exempelvis temperatur, vindhastighet och snöhöjd, visualiserades i diagram och jämfördes med mängden smält is och snö för att identifiera orsaken till högre uppmätt mängd smält is kring vissa väderstationer. 2003 visade sig vara ett år då mer smältning uppmättes än andra år, och 2004 ett år då inte lika mycket smält is uppmättes av Smart Stake väderstationerna. En station belägen på en lägre höjd över havet, som upplevde högre medeltemperaturer, var också benägen att uppmäta mer smält is. Detta implicerar att mätningarna från Smart Stake stationerna är pålitliga och att de kan användas till vidare forskning och klimatmodellering samt av lagstiftare och till planering av infrastruktur och byggnadskonstruktion.

Efficient winter road maintenance is crucial for safety and societal function during the winter months in Sweden. This report aims to evaluate the MetCoOp ensemble system CMEPS and investigate its potential use as a basis for formulating criteria for snow removal that accounts for forecasted weather. Today the criteria for activating snow removal in Sweden are static, meaning they start after a set amount of snow and should end within a set time span. The verification metrics rank-histogram, continuously rankprobability score, reliability diagram, and Brier score were used to evaluate temperature and solid precipitation. Observations used as verification were taken at the measuring station Geocentrum in Uppsala during the winters of 2020/2021, 2021/2022, and November-December 2022. The analysis shows the temperature forecast to be under-dispersive and with a cold bias. The ensemble system is shown to be less reliable for predicting temperatures below 0 °C the first 24 hours after the forecast is issued. Still, the forecast generally performs better for short lead times. The forecast overestimates solid and liquid precipitation. The wet bias is greatest for short lead times and long accumulation times. Short lead times are most reliable regarding solid precipitation over 1mm and 3mm. The first 24-30 hours are most important for an application in winter road maintenance, and based on how the forecast system performs for these lead times in this study, it would need calibration. For larger amounts of snow, new criteria could help adjust the starting time and time limits. Before implementing such criteria, practical questions as if dynamic criteria would lead to an improvement and how high the probability threshold should be must be answered. The sample size is also found to be too small, and further analysis is required, especially with data allowing for evaluation of higher thresholds. / En ensembleprognos består av flera prognoser som genom att baseras på något olika information beskriver ett antal möjliga framtida väderutfall. Idag används sannolikhetsprognoser i många delar av samhället då det ger möjligheten att se vilken sannolikhet en viss väderhändelse har. I det här arbetet har ensembleprognosen bestående av 30 medlemmar från MetCoOp utvärderats för temperatur och snö. I rapporten diskuteras även om det finns potential för att sannolikheter om det framtida vädret kan användas i kriterier för att bestämma när åtgärder för snö och is ska påbörjas och avslutas. Effektiv snöröjning och halkbekämpning är samhällsviktiga uppdrag som är kostsamma och kräver mycket planering. Sannolikhetsprognoser används redan som en hjälp för de som jobbar med vinterväghållning, främst för halkbekämpning, men kriterierna är idag fasta och snöröjning påbörjas när en viss mängd snö är uppmätt. Observationer av temperatur, nederbörd och nederbördstyp från mätstationen Geocentrum i Uppsala för vintrarna 2020/2021, 2021/2022 samt november-december 2022 har använts som verifikation. Prognosen har utvärderats med hjälp av rank-histogram, CRPS, reliability diagram och Brier score. Det framgick att temperaturprognosen hade liten och otillräcklig spridning, speciellt för korta ledtider. Ensemblesystemet visade samtidigt ofta för låga temperaturer. Analysen indikerade att mängden fast nederbörd överskattades av prognosen speciellt för 24-timmar ackumulation. Prognosen visade sig vara mest pålitlig för att prognosticera snö över 1mm och 3mm för korta ledtider. Studien visade även på att modellen överskattade regn vilket innebär att ensemblen har svårt att uppskatta nederbörd i allmänhet och inte snö i synnerhet. Prognosen visade sig inte vara pålitlig för att förutsäga om temperaturen 12 och 24 timmar efter observerat snöfall var konsekvent under 0 °C. Analysen är mindre pålitlig på grund av få snöfall under perioden i Uppsala. För att dra säkra slutsatser behöver ytterligare data analyseras med fler snöfall. Det finns dock potential att använda ensemblen från MetCoOp för att formulera kriterier för snöröjning, speciellt om den kalibreras. Med dynamiska kriterier skulle start- och sluttider kunna justeras så att de var anpassade till större snömängder. Det krävs ytterligare undersökning om hur inställningen bland yrkesverksamma ser ut och hur kriterierna skulle se ut i praktiken.

The Swedish Armed Forces setup of the Weather Research and Forecasting Model (WRF) has problems to forecast low clouds in stably stratified conditions when the ground is covered by snow. The aim of this thesis is to understand what causes this deficit. Simulations during January and February 2018 are here compared with observations from Sodankylä in northern Finland. It is revealed that neither type of planetary boundary layer parameterization chosen nor vertical or horizontal interpolation are responsible for the deficiency. Instead, our experiments show that, to first order, poor initialization of Stratocumulus (Sc) clouds from the host model, Atmospheric Model High Resolution (HRES), of the Integrated Forecast System (IFS) is the missing link. In situations when Sc clouds are missing in the IFS analysis, although they exist in reality, we use information from vertical soundings from Sodankylä. In the initialization process we used the fact that liquid potential temperature is constant in a well-mixed cloud. Initializing cloud water and cloud ice from IFS HRES and from soundings with different methods improves the model performance and the formation of very low artificial clouds at the first model level is prohibited.

In this project warm extreme temperature events in the Arctic region during the spring months March, April and May were identified and analysed. In the analysis daily average NCEP reanalysis data from NOAA/OAR/ESRL PSL format was used. The extreme events were retrieved as the highest positive temperature anomalies from the climatological mean, and the synoptic scale plots for the 50 most extreme events were created to identify what patterns caused the extreme warming over the Polar region. By contouring the areas of statistical significance, the regions with a reoccuring pattern were identified. The results conclude that cyclonic activity over the high Arctic extending down over Greenland and northern Canada combined with anomalously high geopotential height over the north Pacific ocean, over the Arctic, and towards Siberia cause the high temperatures over the pole. A weaker Polar Vortex causes perturbations in the jet stream, ridges in these Rossby waves can act as a pathway for warm and moist air from the oceanic regions which has a warming effect in the Arctic. Further analysis can be done to investigate what teleconnections these spring-time extreme events have on a global scale. / Under detta projekt har extremt varma temperaturevent i Arktisområdet under vårmånaderna Mars, April och Maj identifierats samt analyserats, genom att använda daglig medelvärdes NCEP reanalys data från NOAA/OAR/ESRL PSL i NetCDF format. De extrema händelserna identifierades genom att ta de största positiva temperaturavvikelserna från ett klimatologiskt medelvärde, storskaliga avvikelseplottar skapades för de 50 mest extrema händelserna för att kunna identifiera meteorologiska mönster som ovanligt varma Arktisdagar. De områden med mest återkommande mönsterna var statistiskt signifikanta  och markerades med svarta konturer. Resultaten visar att lågtrycksaktivitet i Arktis som sträcker sig ner över Grönland samt norra Kanada kombinerat med höga geopotentialhöjdavvikelser över Stilla havet och Sibirien som sträcker sig upp mot Nordpolen orsakar ovanligt höga temperaturer i Arktis. En svag polarvirvel orsakar störningar i jetströmmen, dessa ryggar i jetströmmen kan transportera varm fuktig luft från haven mot polen vilket kan ha en värmande effekt. Vidare forskning kan utföras för att identifiera de exakta kopplingarna och konsekvenserna som dessa varma extrema Arktishändelser har globalt.

As a complement to existing weather forecast products for aviation, a prototype of a new product is presented and evaluated. It shows the atmosphere in a vertical cross section along the intended route. This Vertical Route Forecast introduces the possibility to examine the vertical distribution of cloud layers, wind, precipitation, turbulence and more along the flight path. Through a market research with 166 participating Swedish pilots it was found that the demand for the product is high and that 90 % of the participants would use it if available. The Vertical Route Forecast is inspired by the existing product GRAMET by Ogimet (Ballester Valor, n.d) but instead of using forecasts from the weather prediction model GFS (Global Forecast System) at 0.5° (56 km) resolution it uses data from the 2.5 km resolution model HARMONIE-AROME. The latter is operational at SMHI (Swedish Meteor-ological and Hydrological Institute) and because of its high resolution it enables more detailed structures of the weather to be presented. The product differs further from GRAMET by showing only the lower parts of the atmosphere so as to be of more use to small aircraft pilots flying at low levels. To assess the accuracy of the forecasts, a model evaluation of HARMONIE-AROME has been conducted through a case study in which the model was verified and compared to GFS over Sweden. The two models were verified against their own analyses at four different atmospheric pressure levels in terms of bias, root mean square error, standard deviation and correlation. HARMONIE-AROME performed best for temperature while GFS had the best forecasts of relative humidity. Wind speed and direction were also evaluated with insignificantly better results for GFS. However, the weather did not vary very much during the study as the two weeks were dominated by high pressure systems. Other evaluations made of HARMONIE-AROME by e.g. the HIRLAM consortium (2016a) have shown good or adequate performance of the model. It was concluded that HARMONIE-AROME would be well suited as the forecast producing model for this Vertical Route Forecast. / För att piloter ska kunna planera en säker flygning behöver de tillgång till bra och användbara väderprognoser. Med de prognosprodukter som finns tillgängliga idag kan det dock vara svårt att få en detaljerad uppfattning om hur vädret kommer vara längs med vägen. Här presenteras och utvärderas därför ett förslag till en ny prognosprodukt som visar atmosfären i en sidovy längs en valfri sträcka. Med den kan piloten granska utbredningen av bland annat molntäcken, vind, nederbörd och turbulens i höjdled längs den planerade färdvägen. Denna vertikala ruttprognos är inspirerad av den redan befintliga produkten GRAMET från Ogimet (Ballester Valor, n.d) men visar mer detaljerade prognoser som är bättre anpassade till flygningar på låga höjder. Vid en marknadsundersökning utförd med 166 medverkande svenska piloter stod det klart att efterfrågan på produkten är hög och 90 % av de medverkande påstod att de skulle använda den om den fanns tillgänglig. För att bedöma prognosernas precision har en utvärdering gjorts av den prognosmodell som använts till produkten. Modellen används annars hos SMHI (Sveriges Meteorologiska och Hydrologiska Institut) och kallas HARMONIE-AROME. I en fallstudie jämfördes den med modellen GFS som skapar prognoserna för GRAMET. Studien täckte Sverige och sträckte sig över 14 dagar i början av februari, 2017. HARMONIE-AROME visade bäst resultat för temperatur medan GFS gjorde de bästa fuktighetsprognoserna. Vindhastighet och vindriktning undersöktes också och för dem var modellerna ungefär lika bra. Vädret varierade dock inte så mycket under tvåveckorsperioden som dominerades av högtryck. Andra utvärderingar som gjorts av HARMONIE-AROME togs också i beaktande och modellen verkar generellt sett göra bra prognoser. Från samtliga resultat drogs slutsatsen att prognos-produkten skulle underlätta för småplanspiloter samt att HARMONIE-AROME är en lämplig modell att använda för att skapa dess prognoser.

Temperaturprognoser är av stor betydelse för många i dagens samhälle, både privatpersoner och diverse olika sektorer. Förväntan på att prognoserna håller hög träffsäkerhet är stor och god kvalitet på dessa är viktigt av många olika aspekter. De numeriska vädermodellerna, som används för att göra väderprognoser, har brister som i stort sätt alltid leder till systematiska fel i prognoserna. Bristerna beror exempelvis på dålig representation av atmosfärens fysikaliska processer och för att korrigera och reducera dessa fel efterbehandlas prognoserna med olika metoder, så kallad post-processing. För att minimera de systematiska felen och öka träffsäkerheten för prognoserna pågår ständigt en utveckling och förbättring av både modellerna och post-processingmetodiken. Uppföljning och utvärdering av prognoser är av stor nytta för denna utveckling som ska leda till minimering av prognosfel och optimering av modell och metodik. I denna studie har temperaturprognosdata, med prognoslängd 0-12 timmar, från Sveriges Meteorologiska och Hydrologiska Institut (SMHI) och norska Meteorologisk institutt (met.no) jämförts med uppmätta värden för 2 m-temperatur. Observerad temperaturdata från 22 olika synoptiska väderstationer på platser utspridda över hela Sverige har använts i studien och perioden som studien är baserad på är 20 februari till 31 maj 2018. Statistiska mått, med mest fokus på korrelationskoefficient och bias, har analyserats och jämförts för att undersöka likheter och skillnader i temperaturprognoserna från de två olika väderinstituten. Resultaten av studien visar att temperaturprognoserna från met.no generellt sett har något högre träffsäkerhet än SMHI:s för de allra flesta av de 22 geografiska platserna. Båda institutens prognoser har för flertalet av stationerna i fjällen samt norra Sverige generellt sett lägre träffsäkerhet för februari än för mars, april och maj. / Temperature forecasts are of great importance for many different reasons in today's society, both for private individuals and various sectors. The expectations that the forecasts maintain high accuracy and good quality is important in many different aspects. The weather models, which are used to make the forecasts, have deficiencies which in large part always lead to systematic errors in the forecasts. The deficiencies are for example, due to poor representation of the physical processes of the atmosphere and to correct and reduce these errors, the forecasts are post-processed by various methods. To minimize the systematic errors and increase the accuracy of the forecasts, there is an ongoing development and improvement of both the models and the post-processing methods. Evaluation of forecasts is of great benefit to this development, which will lead to minimization of forecast errors and optimization of the model and methodology. In this study, temperature forecast data, with a forecast length of 0-12 hours, from the Swedish Meteorological and Hydrological Institute (SMHI) and the Norwegian Meteorological Institute (met.no) were compared with measured 2 m-temperature values. Observed temperature data from 22 different weather stations in locations scattered all over Sweden have been used in the study and the period on which the study is based is from the 20th of February to 31st of May, 2018. Different statistical measures have been analyzed and compared to examine similarities and differences in temperature forecasts from the two different weather institutes. The results of the study show that met.no's temperature forecasts generally have slightly higher accuracy than SMHI's for most of the 22 locations. For any of the stations in the mountains and northern Sweden forecasts from both institutes generally have lower accuracy for February than March, April and May.

One of the worst wildfires in Portugal in 2017 on June17- 21 started at the central part of Pedrógão Grande and spread fast to the surrounding areas Góis, Pampilhosa da Serra and Arganil. The wildfire took 64 lives and a large smoke plume was observed. The interest in smoke plumes from wildfires is partly due to their emitting of greenhouse gases (CO2), a large source of aerosols, CO, oxides of nitrogen and other trace gases that can affect the air quality at local and regional scale. The regional scale can be affected because the smoke from wildfires can get elevated and be transported into the free troposphere and the lower stratosphere by either pyro convection or radiative driven convection and can be transported long distances, for example from Canada to Germany. This thesis investigates how the emission source height in a model affects the transport of the smoke plume and compares the simulations with observations. Observations of transport of emissions from wildfires are often done with satellites and in this thesis data from the second modern-era retrospective analysis for research and applications (MERRA2) is used as the observations. In this thesis the numerical model FLEXPART 10.02 is used to calculate the transportation of CO from the wildfire in Pedrógão Grande. The altitude of the emission source top height and bottom height in FLEXPART was changed to see how it affected the smoke plume in the simulation. The agreement between plumes from the observations and the simulation plumes were calculated with the structural similarity (SSIM) index and the change of SSIM index was investigated. The results were that the best similarity for horizontal images was with an emission source height of 100- 300 m, for vertical images at 40°N with an emission source height 0- 1500 m and for vertical images at 41°N with an emission source height 100- 1200. The overall best simulation was the simulation with emission source height 100- 1200 m (average of the three similarity calculations). Some uncertainty occurs in the results due to for example differences in resolutions between MERRA2 and FLEXPART and the weather condition may have contributed. To improve the results there is a need to compare simulations with more wildfires to see that the SSIM index behaves the same. / En av de värsta skogsbränderna i Portugal 2017 var den 17–21 juni och började i centrala Pedrógão Grande och spred sig snabbt till de omgivande områdena Góis, Pampilhosa da Serra och Arganil. Skogsbranden tog 64 liv och stora rökplymer observerades. Rökplymer från skogsbränder är intressanta därför att de bland annat är en källa av växthusgaser till exempel koldioxid (CO2), aerosoler, kolmonoxid (CO) och andra spårgaser som kan påverka luftkvaliteten på lokal och regional skala. Den regionala skalan kan påverkas eftersom rök från skogsbränder kan sprida sig upp till den fria troposfären och den nedre stratosfären med konvektion. Konvektion är när luften blir varm av olika skäl och stiger, luften kyls av när den stiger och blir då tyngre och till slut sjunker luften. Det som kan driva konvektion vid en brand är branden själv och strålning och kan transportera röken från branden långa avstånd, till exempel från Kanada till Tyskland. Den här uppsatsen undersöker hur utsläppshöjden (mellan vilka höjder röken släpps ut från) påverkar transporten av rök och jämför beräkningarna med observationer. Observationer av transport av utsläpp från bränder sker ofta med satelliter och i denna uppsats används data från en återanalys av en samling observationer från MERRA2 (the second modern-era retrospective analysis for research and applications) som observationer. En återanalys är ett dataset som räknas med en modell från i tid och rum oregelbundna observationer från historiska och nutida data. I denna uppsats används den numeriska transportmodellen FLEXPART 10.02 för att beräkna transport av kolmonoxid från skogsbranden i Pedrógão Grande. Höjden av utsläppskällans topphöjd och bottenhöjd i FLEXPART ändrades för att se hur det påverkat rökplymen i simuleringen. Likheten mellan rökplymen från observationerna och simuleringarna beräknades sedan med ett test kallat SSIM och förändringen av SSIM indexet undersöktes. Resultaten var att den bästa simuleringen för de horisontella bilderna med en utsläppshöjd på 100– 300 m, för de vertikala bilderna på 40°N en utsläppshöjd på 0– 1500 m och för de vertikala bilderna på 41°N en utsläppshöjd på 100– 1200 m. Totalt sett (medelvärde från de tre simuleringarna) hade emissions höjden 100- 1200 m den bästa likheten med observationerna. Det finns en osäkerhet i resultaten på grund av tillexempel att det är olika upplösning i MERRA2 och FLEXPART och att väderförhållanden kan ha påverkat beräkningarna. För att förbättra resultatet så kan man göra simuleringar av fler skogsbränder för att se om SSIM indexet uppför sig densamma.

Storms can be both destructive and valuable at the same time. They expose coastal areas to various risks but can also enhance the supply of wind energy and provide marine ecosystems with oxygen rich water. As the North Atlantic Oscillation (NAO) is known to have a significant impact on the wind climate in Europe, investigating its interconnection to storm frequency and intensity under global warming circumstances in the Northern Baltic Sea region was of interest in this study. Wind speed data series of annual storm counts were obtained from five meteorological stations along with PC-based NAO values over the period 1960-2017. The data series were analysed in Microsoft Excel and modelled using a Poisson regression or negative binomial regression model in SPSS Statistics. The results display an unsystematic spatial pattern both in the association to the NAO as well as in the overall storm frequency. However, storm (≥ 21 m s-1) frequency has generally been decreasing, whereas the proportion of severe storms (≥ 24 m s-1) has slightly been increasing, suggesting a tendency toward stronger but fewer storms. Even though only certain data series display statistically significant findings (p ≤ .05), a majority of the winter storms and severe winter storms display a positive association, indicating that a higher NAOI is related to a greater number of winter storms. The spatial and temporal variability in the obtained results can partially be explained by storm tracks and prevalent wind directions. Nevertheless, inhomogeneities do presumably affect the wind speed observations through internal and external influences and changes related to the meteorological stations. Future research should, therefore, also consider integrating other storm related parameters, such as direct air pressure measurements, wave heights and storm surges, as well as implement different data homogenization methods and techniques.

Populärvetenskaplig sammanfattning Optimering av dammbindning på Hornsgatan med NORTRIP modellen Massan av luftburna partiklar med en diameter mindre än 10 µm (PM10) är en av de tuffaste miljökvalitetsnormerna att uppnå i Sverige. PM10 kommer från flera olika källor, både naturliga som havssalt och sand, samt antropogena som vägslitage, däckslitage, bromsslitage och avgaser. En stor uppkomstkälla till PM10 i luften slitage på grund av dubbdäcksanvändning. Uppvirvlingen är som störst i mars och april efter att snön smält, temperaturen stigit och vägbanan torkat upp. För att minska PM10 halten i luften kan en dammbindande saltlösning med lägre fryspunkt än vatten läggas ut på vägbanan. I Stockholm används saltlösningen CMA (kalciummagnesiumnitrat). Det är en typ av salt med liten påverkan på den urbana miljön. Vintersäsongen 2016–2017 lades CMA ut tre gånger i veckan på några utvalda gator i Stockholm mellan november och maj. En av dessa gator är Hornsgatan, som har undersökts i denna rapport. CMA är dyrt och resurskrävande att lägga ut. För att optimera utläggningen av CMA i Stockholm har spridningsmodellen NORTRIP (non-exhaust road traffic induced particle emissions) använts. Modellen använder meteorologiska data, trafikdata och data rörande saltning, sandning och städning för att räkna ut halten PM10 som spridits till luften. Den här modellen har använts för att testa några olika dammbindande scenarion på Hornsgatan i vilka CMA har lagts ut. Det har också testats, i NORTRIP, om PM10 halten i luften skulle minska genom utläggning av vatten på vägen. Vatten lades endast ut i modellen efter 15 mars med antagandet att temperaturen inte skulle sjunka under 0 °C efter datumet ifråga. De olika scenariona var utformade för att se om det var möjligt att minimera användandet av CMA men ändå hålla nere PM10 halten i luften. Alla scenarion jämfördes med scenariot där varken CMA eller vatten lades ut för att jämföra om PM10 i luften minskade. Ett resultat visade att det var bättre att lägga ut CMA varje dag under dammiga perioder än att sikta in sig på bara de dammigaste dagarna. PM10 i luften 2016 minskade med 4,7% när de 45 dammigaste dagarna behandlades med CMA. Det kan jämföras med en minskning på 6,5% när CMA applicerades under dammiga perioder under samma år. En annan slutsats var att det ger större effekt att lägga ut CMA i mars och april än mellan november och mars. PM10 i luften 2016 minskade med 2,1% om man började lägga ut CMA 1 november som planerat, och med 1,7% om utläggningen började i slutet av februari, när den dammiga säsongen börjar. Det resulterar i att endast en liten minskning av PM10 halten uppnåddes genom att börja behandla vägbanan med CMA den 1 november istället för i slutet av februari. Att börja lägga ut CMA i slutet av februari istället för 1 november skulle minska kostnaderna betydligt för staden. Resultaten visade även att ett tunt lager vatten (0,3 mm) utlagt på vägbanan mellan ordinarie dagar för dammbindning hade en betydande effekt på PM10 halten i luften. Vid vattenutläggning mellan dagarna för CMA utläggning efter 15 mars 2016 minskar PM10 i luften under 2016 med 1,4% utöver vad den skulle minskat med om inget vatten lagts ut. Den här rapporten visar att det är möjligt att optimera utläggningen av CMA på Hornsgatan. / Abstract Optimization of dust-binding on Hornsgatan with the NORTRIP model The mass of airborne particles with a diameter smaller than 10 µm (PM10) is one of the most difficult environmental quality standards addressed in Sweden. PM10 particles originates from a variety of sources; natural, like sea salt and sand, and human made like road wear, tire wear, brake wear and exhaust. A significant source of PM10 in the air is the usage of studded tires. The suspension typically occurs in March and April when the snow layer melts, temperature rises and the streets dry. A dry street is crucial for the road dust to suspend into the air. A way to prevent road dust to suspend in to the air is spraying the road with a salt solution that does not freeze at temperatures below 0 °C. In Stockholm a dust-binding substance called CMA (Calcium Magnesium Acetate) is used. It is a of salt with minimal negative side effects on the urban environment. CMA was applied on some specific streets in Stockholm three times a week between November and May winter season 2016–2017. One of the streets that gets treated with CMA is Hornsgatan which is the topic of this paper. Dust-binding substances are expensive and time consuming to apply to the streets. To optimize the appliance of CMA in Stockholm a non-exhaust road traffic induced particle emissions (NORTRIP) model has been used. The model uses meteorological data, traffic data combined with data on salting, sanding and cleaning to calculate PM10 suspension to the air. This model has been used to test different dust-binding scenarios on Hornsgatan in which CMA was applied. It has also been tested, in NORTRIP, if spraying the road with water could have a reductive effect on PM10 in the air. Water was only added to the model after the 15th of March because it was assumed the temperature would not sink below 0 °C after this date. The different scenarios were formed to see if it was possible to minimize the usage of CMA and still keep the PM10 level low. All scenarios were compared with the scenario of not applying any CMA or water to see how much PM10 in the air was reduced. One result showed that it is better to apply CMA every day during dusty periods rather than just manage to target the dustiest days alone. PM10 in the air 2016 was reduced by 4.7% when the 45 dustiest days were treated with CMA. This could be compared to a 6.5% reduction when CMA was applied during dusty periods. Another conclusion made was that applying CMA in March and April has a greater effect then applying CMA in November, December, January and February. PM10 in the air 2016 was reduced by 2.1% if the CMA treatment started on the 1st of November as planned, and by 1.7% if the treatment started in the end of February when the dusty season starts. That means there is only a small decrease of PM10 if the appliance of CMA starts in the end of February rather than the 1st of November. Reducing the days of CMA treatment would reduce the cost significantly for the city. It was also shown that a thin layer of water (0.3 mm) applied to the street between ordinary dust-binding days has a significant effect on PM10 in the air. Adding water to the street in between days of dust-binding after the 15th of March 2016 reduced suspended PM10 2016 in the air by 1.5% beyond what it would have been reduced without the water. This paper shows that it is possible to optimize the appliance of CMA.

Successful wind power projects start with a realistic representation of the surface, more specifically the surface roughness of the site. This thesis investigates the use of airborne laser scans to model the surface roughness around a new wind farm. Estimations are made to find out how forest management and tree growth affects roughness length and displacement height. Data from scans two years apart for a specific site is provided by the Swedish governmental land registration authority. Next, tree height and plant area index methods are applied and analyzed using MATLAB. The results shows a difference of roughness length between 10.34% and 36.21% during an eight year period. WindPRO/WAsP is used to import roughness lengths for four specific cases. Height contour lines and meteorological data is taken from a long term corrected MESO data set. The results indicate a reduction in uncertainty in annual energy production between 0.79% and 2.89% across four different cases. This effect becomes significantly larger (12.76%) when comparing with classical land cover maps. Further on, effects of turbulence intensity are simulated.Finally, the results of a survey, sent to three large forest land owners in Sweden, show there is an interest in adapting forest management plans in favor of wind energy production if benefits can be shared.