Er is een kenniskloof wat betreft de klimaateffecten van de niet-CO2 uitstoot van de luchtvaart. Jin Maruhashi simuleerde hoe uitgestote stikstofoxiden (NOx) wereldwijd door de atmosfeer worden getransporteerd. Daarna gebruikte hij een neurowetenschappelijk machine learning algoritme om patronen in die data te ontdekken. Voor zijn onderzoek ontving hij de prijs voor Best Climate Action Paper van de TU Delft.

Als kind bracht Jin Maruhashi veel tijd door in vliegtuigen omdat zijn vader diplomaat was. Hij ontwikkelde een grote interesse voor de luchtvaart die uiteindelijk uitmondde in een afstudeerscriptie over de impact van turbulentie op vliegtuigen. Voor zijn promotie draaide hij dit om en kijkt hij naar hoe vliegtuigen de omgeving beïnvloeden. ‘Ik wil bijdragen aan een schonere luchtvaart en daarvoor moeten we alle factoren begrijpen die aan klimaatverandering bijdragen,’ zegt hij. ‘De uitstoot van NOx heeft zowel een afkoelend als een opwarmend effect, waarbij die laatste allesbehalve verwaarloosbaar is. Maar er zit nog een grote onzekerheid in die bijdrage, met name wat betreft welke atmosferische transportpatronen tot de grootste klimaatschade leiden*.’

Luchtpakketten

Zijn onderzoek begint met gedetailleerde wereldwijde simulaties van het transport van NOx-emissies door de atmosfeer. Daarvoor gebruikt hij een bestaand simulatiemodel dat is ontwikkelt door het Deutsches Zentrum für Luft- und Raumfahrt. ‘Dit model kijkt niet naar vaste punten, maar volgt luchtpakketten terwijl ze door de atmosfeer reizen,’ zegt hij. ‘Het modelleert ook hoe luchtpakketten tijdens hun reis met elkaar vermengen en de chemische reacties die erin plaatsvinden. Zoals de productie van het broeikasgas ozon, waar NOx aan bijdraagt. Opwarming van de aarde komt dus niet door NOx zelf, maar indirect door de productie van ozon.’

Jin deelde de wereld in vijf regio’s op en simuleerde het transport van NOx door de atmosfeer voor verschillende emissiepunten in elk van die regio’s. Dit deed hij voor zowel winterse als zomerse weerpatronen. Beide berekeningen duurden drie dagen op de nationale supercomputer Snellius. De volgende uitdaging was om de terabytes aan geproduceerde data te interpreteren.

Neurowetenschappelijk bundelen

Meerdere algoritmes die hij uitprobeerde bleken niet in staat om globale, betekenisvolle patronen in de data te vinden. Het kwartje viel pas toen hij in aanraking kwam met een machine learning algoritme dat neurowetenschappers vaak gebruiken om zenuwbanen in de hersenen te bundelen. ‘Voor mij hadden die lange, kronkelende patronen veel weg van de route die luchtpakketten in de atmosfeer afleggen – met natuurlijk wel een groot verschil in de schaal ervan.’

Het algoritme bundelt zenuwbanen puur aan de hand van hun geometrie – door de gemiddelde afstand ertussen te berekenen. Voor zijn luchtpakketten wilde hij dat het algoritme daarnaast ook rekening hield met hun relatieve opwarmende effect. Jin: ‘Omdat ik naar de klimaatimpact kijk, wilde ik er dus graag stralingsforcering aan toevoegen. Dat is een maat voor de balans tussen inkomende en uitgaande (warmte)straling. Het kostte me behoorlijk wat moeite om tot deze “atmosferische afstand” te komen.’

Wat we zien zijn (115) Lagrangiaanse trajecten die laten zien hoeveel door de luchtvaart veroorzaakte ozon aanwezig is na X aantal dagen en op een bepaalde hoogte. Beeld: TU Delft

Warmer, maar niet waar je vliegt

Met zijn onderzoek toonde hij onder meer aan dat de seizoenen een belangrijke rol spelen, met een groter opwarmend effect van NOx-emissies die in de zomer plaatsvinden. Daarnaast kunnen emissies in de ene regio hun grootste opwarmende effect juist in een geheel andere regio hebben. Hij liet ook zien dat vliegroutes bij neerwaartse atmosferische luchtstromen een kleinere bijdrage kunnen leveren aan het opwarmen van de aarde. ‘Dichter bij het aardoppervlak vinden meer dynamische processen plaats die ervoor zorgen dat NOx sneller uit de atmosfeer wordt verwijderd.’

Aerosolen

Zijn onderzoek naar het opwarmende effect van NOx leverde Jin de prijs voor Best Climate Action Paper op. Maar voor hem zelf was het een tussenstap op weg naar zijn daadwerkelijke doel: het toepassen van zijn methodologie op de nog-minder-begrepen klimaatimpact van aerosolen. ‘Een aerosol is een mengsel van stofdeeltjes of vloeistofdruppels en lucht (een gas). Ze ontstaan uit koolwaterstoffen en zwavelcompententen die in vliegtuigbrandstoffen zitten. Sulfaat-aerosolen beïnvloeden bijvoorbeeld de opwarming van de aarde door hun interacties met bewolking. Maar we zitten nog met heel veel vragen. We weten niet eens of deze indirecte effecten tot opwarming of juist tot afkoeling leiden.’

Om aan aerosolen te kunnen rekenenen moet Jin eerst het huidige model aanpassen waarmee hij de wereldwijde simulaties doet. ‘Het mengen en de chemische reacties van aerosolen verschilt van dat van NOx,’ zegt hij. ‘In vergelijking met gassen spelen er ook meer processen een rol, zoals het samenklonteren van deeltjes en druppelvorming door condensatie. Het is een enorme uitdaging om al deze dynamische processen nauwkeurig te modelleren.’

Meer dan brandstof

Met het einde van zijn PhD in zicht verwacht Jin dat hij daarna aan een groenere luchtvaart zal blijven werken. Hij weet alleen nog niet of dat aan de universiteit of in de luchtvaartindustrie zal zijn. Wat wel al vaststaat is dat zijn huidige onderzoek een rol zal kunnen gaan spelen bij het optimaliseren van vliegroutes en vlieghoogtes. ‘Op dit moment is brandstofverbruik daarbij veruit het belangrijkst,’ zegt hij. ‘Het zou mooi zijn als het klimaateffect daar ook bij wordt meegenomen.’ Dat is iets om even bij stil te staan, de volgende keer dat je met het vliegtuig reist. Jij gaat misschien naar Italië, maar je emissies niet.

Het verkleinen van de grootste onzekerheden in de klimaateffecten van de luchtvaart is een van de kerndoelen van het internationale “Advancing the Science for Aviation and Climate” (ACACIA) EU-project, waar Jin’s onderzoek deel van uitmaakt.