Valutazione Modellistica della Qualità dell'Aria anno 2016
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
Valutazione Modellistica della Qualità dell’Aria anno 2016 SETTORE MONITORAGGI AMBIENTALI U.O. MODELLISTICA DI QUALITÀ DELL’ARIA E INVENTARI
Titolo del rapporto “Valutazione Modellistica della qualità dell’aria - anno 2016 “ ARPA Lombardia – Agenzia Regionale per la Protezione dell’Ambiente della Lombardia U.O. Modellistica di qualità dell’aria e Inventari – Settore Monitoraggi Ambientali Via Rosellini, 17 - 20124 Milano Autori: Edoardo Peroni, Giuseppe Fossati, Maria Rosaria Abbattista - U.O. Modellistica di qualità dell’aria e inventari - Settore Monitoraggi Ambientali Direttore Settore Monitoraggi Ambientali - ARPA Lombardia: Silvia Anna Bellinzona Responsabile U.O. Modellistica di qualità dell’aria e inventari - Settore Monitoraggi Ambientali: Elisabetta Angelino Data No di pagine: 19 01 Dicembre 2017
La normativa europea e nazionale richiedono l’utilizzo di tecniche di modellazione quale supporto per la conoscenza e la gestione della qualità dell’aria. ARPA Lombardia si è dotata da diversi anni di un sistema atto a simulare le concentrazioni di inquinanti gassosi e di particolato; nel presente lavoro si riportano i risultati ottenuti per la valutazione modellistica della qualità dell’aria relativa all’anno 2016. Nel rapporto si richiama brevemente il sistema modellistico utilizzato (cap. 1), si descrivono i dati e le principali ipotesi assunte (cap. 2, cap. 3) ed i risultati ottenuti nelle simulazioni condotte (cap. 4). La valutazione dei risultati è basata sul confronto tra i dati di concentrazione misurati dalle postazioni di monitoraggio di qualità dell'aria ed i valori simulati estratti per la cella della griglia di calcolo contenente la centralina di misura, sia appartenenti che non al Piano di Valutazione; le prestazioni sono state inoltre quantificate sulla base dei più comuni indici statistici utilizzati nel settore.
Indice 1. Descrizione del sistema modellistico Pag. 2 2. I dati utilizzati per la simulazione Pag. 4 4. I risultati Pag. 5 APPENDICI A. Confronto tra concentrazioni misurate e calcolate su singole postazioni per il 2016 Pag. A-I A.1 Medie annuali di particolato PM10 A.2 Medie annuali di particolato PM2.5 A.3 Medie annuali di biossido d’azoto (NO2) A.4 Massimi annuali di biossido d’azoto (NO2) A.5 Massimi assoluti annuali di ozono troposferico (O3) A.6 Massimi assoluti annuali media mobile 8 ore di ozono troposferico (O3) B. Indicatori di prestazione circa le concentrazioni di inquinanti simulate per l’anno 2016 Pag. B-I B.1 Indicatori di prestazione per PM10 B.2 Indicatori di prestazione per NO2 B.3 Indicatori di prestazione per O3
1. Descrizione del sistema modellistico Il sistema modellistico utilizzato anche per la simulazione di qualità dell’aria 2016 è ARIA Regional, sviluppato dalla società AriaNET srl, ed applicato presso la U.O. Modellistica di qualità dell’aria ed inventari del Settore Monitoraggi Ambientali di ARPA Lombardia. Il nucleo del sistema, il modello euleriano FARM, appartiene alla famiglia di modelli che vanno sotto il nome di Chemical Transport Models (CTM), in grado cioè di trattare i principali processi di natura chimico-fisica di formazione e rimozione degli inquinanti, oltre al trasporto ed alla dispersione per azione del vento e del rimescolamento atmosferico. Il sistema è costituito dai seguenti moduli (Figura 1.1): - modello di trasporto, diffusione e chimica dell’atmosfera (FARM, tratta inquinanti gassosi e particolato aerodisperso primario e secondario); - processori per l’organizzazione delle misure meteorologiche; - modello diagnostico per la ricostruzione dei campi di vento, temperatura e umidità (SWIFT); - modello per la stima dei parametri che descrivono la turbolenza atmosferica, per la determinazione della velocità di deposizione secca degli inquinanti gassosi e per la determinazione delle costanti di chiusura delle equazioni euleriane (SURFPRO); - modulo per l’elaborazione di inventari di emissione e la preparazione dell’input emissivo al modello FARM (EMission MAnager); - moduli per la preparazione delle condizioni iniziali ed al contorno al modello FARM appoggiantesi al database regionale di qualità dell'aria ed ai campi simulati a scala continentale dal modello CHIMERE. Il cuore del sistema, il modello FARM, è lo stesso incluso nella catena che ENEA, su incarico del Ministero per l’Ambiente ed in collaborazione con AriaNET srl e IIASA (International Institute for Applied Systems Analysis), ha sviluppato nell’ambito del progetto MINNI; lo stesso modello è inoltre utilizzato da diverse agenzie regionali per la protezione dell’ambiente. Per armonizzare le concentrazioni misurate con quelle calcolate, vengono utilizzate tecniche di interpolazione tra campi simulati e misure. Gli algoritmi alla base di questo procedimento (SCM – Successive Corrections Method) fanno sì che in un opportuno intorno di alcuni punti di misura, scelti in modo da essere rappresentativi di un’area sufficientemente ampia, i valori calcolati vengano “avvicinati” al valore misurato, in modo da compensare eventuali errori sistematici nel calcolo derivanti da carenze nella stima delle emissioni o della meteorologia, oppure per ridurre l’effetto di diffusione delle emissioni introdotto dal passo di grigliato. In questo procedimento, detto di data fusion, si sono utilizzati i valori riportati da alcune postazioni di misura, tutte classificate come di fondo (urbano, suburbano, rurale). Il sistema appena descritto è utilizzato correntemente da ARPA Lombardia per più scopi, quali la ricostruzione di episodi critici di ozono e particolato PM10 e l’analisi dell’impatto sulla qualità dell’aria di scenari emissivi. Su richiesta dei Dipartimenti provinciali ARPA, inoltre, è utilizzato per estrarre risultati su porzioni del territorio o per essere applicato con risoluzione maggiore per analisi di ricadute locali. Infine, dal 2008 il sistema viene quotidianamente utilizzato per la costruzione e la pubblicazione sul sito di ARPA di mappe di inquinamento giornaliere [si veda http://www.arpalombardia.it/sites/QAria/_layouts/15/QAria/IModelli.aspx]. 2
Uso del suolo Misure rete INEMAR Tabelle Orografia Radiosondaggi ISPRA disaggregazione ECMWF EMEP speciazione SWIFT EMISSION Emissioni SURFPRO u,v,w,T,P, MANAGER su griglia Q Sottosistema emissivo Vd,KH,Kv Sottosistema meteorologico FARM CHIMERE BC Campi di VALUTAZIONE Sottosistema condizioni al contorno QUALITÀ DELL’ARIA concentrazione Sottosistema di postprocessing Sottosistema modello qualità dell’aria Figura 1.1: schematizzazione del sistema modellistico 3
2. I dati utilizzati Il sistema modellistico è stato applicato ad un dominio di calcolo di 236x244 km2 centrato sulla Regione Lombardia (figura 2.1), coperto da un grigliato di passo 4 Km e 11 livelli verticali estesi da 10 a circa 6000 m di quota. Per la ricostruzione dell’input emissivo si sono utilizzati i seguenti dataset: 1) INEMAR 2012 versione definitiva per le emissioni relative al territorio lombardo (a livello comunale); 2) ISPRA 2010 disaggregato a livello provinciale a partire dal nazionale) per le emissioni relative alle regioni circostanti; 3) EMEP 2010 (griglia di 50 km di lato) per le emissioni relative al territorio svizzero. È da osservare che non viene trattato il risollevamento delle deposizioni secche, mentre si conteggiano le emissioni dovute all’usura delle parti mobili dei veicoli su strada e del manto stradale. La preparazione per il modello delle emissioni diffuse relative al territorio in esame, ottenute integrando i diversi inventari utilizzati, richiede un procedimento di disaggregazione spaziale su cella, ottenuta attraverso l’uso del suolo CORINAIR ed. 2010. La disaggregazione temporale delle emissioni annuali è stata ottenuta considerando modulazioni mensili, giornaliere ed orarie; la speciazione dei COVNM e del particolato totali nelle classi di composti considerati dal modello fotochimico è stata ottenuta mediante profili relativi a ciascuna attività emissiva. Per la costruzione dei file meteorologici il sistema si interfaccia al database di ARPA Lombardia che raccoglie i dati delle reti di qualità dell’aria, meteorologica ed idrogeologica. L’input meteo viene costruito assimilando ai campi forniti dallo European Centre for Medium-Range Weather Forecast (ECMWF), trattati come profili verticali per ciascun punto della griglia del modello, i dati raccolti su base oraria da un sottoinsieme di stazioni delle reti locali e dai radiosondaggi fini di Linate mediante il modello mass-consistent Swift. I parametri di turbolenza atmosferica e le velocità di deposizione degli inquinanti sono poi stimati con il processore Surfpro. Le condizioni al contorno ed iniziali sono ricavate a partire dalle elaborazioni quotidiane fornite dal sistema Prev’air (CHIMERE continentale). Per quanto riguarda un’analisi meteorologica del 2016, si rimanda alla sintesi meteoclimatica redatta dal Servizio Meteorologico Regionale di ARPA Lombardia all’indirizzo www2.arpalombardia.it/siti/arpalombardia/meteo/download/Pagine/download.aspx. Figura 2.1: il dominio delle simulazioni 4
3. I risultati La valutazione dei risultati si basa sul confronto quantitativo tra i dati di concentrazione misurati dalle postazioni di monitoraggio di qualità dell'aria ed i dati simulati estratti per la cella della griglia di calcolo in corrispondenza delle coordinate delle stazioni, sul confronto grafico tra i campi di concentrazione al suolo ottenuti per i diversi inquinanti, sull’analisi della distribuzione temporale delle concentrazioni misurate e calcolate. Le postazioni della rete di qualità dell’aria della Lombardia sono state scelte in base alla tipologia di stazioni, indicata dalla U.O. Qualità dell’aria, alla distribuzione geografica ed alla completezza della serie di dati. Si è ritenuto di focalizzare l’attenzione su ozono, biossido d’azoto e particolato PM10 in quanto questi sono gli inquinanti che presentano superamenti dei limiti di legge sul territorio regionale. Si riportano inoltre alcuni confronti anche per il particolato PM2.5. Il rispetto degli obiettivi di qualità dei dati è stato valutato confrontando il diagramma di dispersione dei valori simulati ed osservati di ogni inquinante con l’intervallo di incertezza specifico fissato dalle norme e con la valutazione di indici comunemente riportati nella letteratura specializzata e nei rapporti tecnici della comunità europea. Essi sono stati calcolati per ogni stazione di misura per i vari inquinanti e sono riportati nelle tabelle di sintesi in appendice B. La figura 3.1 presenta le concentrazioni medie annuali 2016 misurate presso le postazioni (in ascissa) e quelle estratte dalla simulazione annuale (ordinata) per la cella corrispondente. Ogni punto si riferisce ad una singola postazione; vengono inoltre presentati i risultati del modello puro e dell’interpolazione tra modello e dati misurati. Il cono tratteggiato rappresenta l’intervallo di qualità dei dati per la media su base annuale e rispettivamente pari a ±50% per PM10, PM25 ed O3, ±30% per l’NO2. Per una più immediata interpretazione si è riportato in forma grafica in appendice A il valore medio annuale (o massimo assoluto nel caso dell’ozono) misurato e calcolato per ciascuna postazione considerata. Anche in questo caso sono rappresentati i confronti fra concentrazioni misurate e simulate con e senza l’utilizzo delle tecniche di data fusion per consentire di valutarne la diversa influenza in relazione alle varie postazioni. Per quanto riguarda il particolato PM10 si evidenzia una lieve tendenza alla sottostima dei valori medi giornalieri e medi annuali. Tuttavia per tutte le postazioni il modello fornisce risultati che rientrano abbondantemente nell’intervallo di qualità dei dati per la media annuale. L’introduzione delle tecniche di data fusion è molto efficace e consente di portare i valori ancora più vicini alla bisettrice per la maggior parte delle postazioni. Com’è da attendersi, ed il discorso vale anche per gli altri inquinanti considerati, le prestazioni del modello nel riprodurre il dato misurato decrescono per quelle postazioni fortemente influenzate da fonti di emissione locali che il modello diluisce su un volume più ampio; il confronto tra dato modellato e misurato va infatti effettuato tenendo sempre presente che il modello di qualità dell’aria fornisce la concentrazione media stimata su celle (in questo caso) di 16 km2, mentre la postazione di misura restituisce un valore puntuale dalla rappresentatività più o meno ampia in base alle caratteristiche del sito e delle sorgenti emissive presenti. Per il particolato PM2.5 si osserva un migliore riproduzione del valore calcolato rispetto al dato misurato e,semmai, una leggera tendenza alla sovrastima; la sottostima riscontrata per il PM10, quindi, in parte può essere dovuta alla ripartizione delle emissioni di particolato primario - a livello di inventario il particolato viene già suddiviso tra frazione fine (PM2.5) e grossolana (PM[10-2.5]) e quest’ultima frazione potrebbe essere leggermente sottostimata – ed al fatto che il contributo dovuto alla risospensione delle deposizioni non viene conteggiato. In generale a livello di componenti principali del PM2.5 si osserva una leggera sovrastima del particolato secondario operata dalla chimica parametrizzata dal modello, più evidente in alcune postazioni durante il periodo autunnale e invernale (per esempio, si veda la figura 3.2b) ed attribuibile principalmente al nitrato d’ammonio. 5
La media annuale di biossido di azoto simulata è molto variabile fra le postazioni, con un discreto numero di postazioni di misura per le quali non risulta soddisfatto l’obiettivo di qualità dei dati per una sovrastima del valore simulato rispetto al misurato o, in alcuni casi, viceversa. Le caratteristiche di questo inquinante sembrano rendere necessario l’uso di un passo di griglia più fine o procedimenti interpolativi che non escludano l’uso dei dati derivanti dalle postazioni da traffico urbano e suburbano. Il confronto tra i valori giornalieri massimi stimati e misurati di ozono (sia assoluti che relativamente alla media mobile su otto ore), figura 3.1c, mette in luce una leggera tendenza alla sovrastima, come anche evidenziato in figura 3.2d per un esempio relativo ad una postazione rappresentativa della pianura lombarda. Infine, l’informazione sulla distribuzione spaziale delle concentrazioni è fornita dalle mappe in figura 3.3 per tutto il territorio regionale e in figura 3.4 a dettaglio provinciale. Confronto PM10 misurato e calcolato Confronto PM10 misurato e calcolato 2016 senza data fusion 2016 con data fusion 50 50 40 40 calcolato 30 calcolato 30 20 20 10 10 0 0 0 10 20 30 40 50 0 10 20 30 40 50 misurato misurato Confronto PM2.5 misurato e calcolato Confronto PM2.5 misurato e calcolato 2016 senza data fusion 2016 con data fusion 40 40 30 30 calcolato calcolato 20 20 10 10 0 0 0 10 20 30 40 0 10 20 30 40 misurato misurato Figura 3.1a: diagramma di dispersione delle concentrazioni medie annuali relative al 2016 di PM10 e PM2.5 misurate e simulate con (dx) e senza (sx) tecniche di data fusion. 6
Confronto NO2 (valori medi) misurato e Confronto NO2 (valori medi) misurato e calcolato 2016 senza data fusion calcolato 2016 con data fusion 80 80 70 70 60 60 50 50 calcolato calcolato 40 40 30 30 20 20 10 10 0 0 0 10 20 30 40 50 60 70 80 0 10 20 30 40 50 60 70 80 misurato misurato Confronto NO2 (valori massimi) misurato Confronto NO2 (valori massimi) misurato e calcolato 2016 senza data fusion e calcolato 2016 con data fusion 300 300 250 250 200 200 calcolato calcolato 150 150 100 100 50 50 0 0 0 50 100 150 200 250 300 0 50 100 150 200 250 300 misurato misurato Figura 3.1b: diagramma di dispersione delle concentrazioni medie e massime annuali relative al 2016 di NO2 misurate e simulate con (dx) e senza (sx) tecniche di data fusion. 7
Confronto O3 (valori massimi) misurato Confronto O3 (valori massimi) misurato e calcolato 2016 senza data fusion e calcolato 2016 con data fusion 350 350 300 300 250 250 calcolato calcolato 200 200 150 150 100 100 50 50 0 0 0 50 100 150 200 250 300 350 0 50 100 150 200 250 300 350 misurato misurato Confronto O3 (media mobile 8 ore) Confronto O3 (media mobile 8 ore) misurato e calcolato 2016 senza data misurato e calcolato 2016 con data fusion fusion 300 300 250 250 200 200 calcolato calcolato 150 150 100 100 50 50 0 0 0 50 100 150 200 250 300 0 50 100 150 200 250 300 misurato misurato Figura 3.1c: diagramma di dispersione delle concentrazioni massime e massime media mobile 8 ore annuali di O3 misurate e simulate con (dx) e senza (sx) tecniche di data fusion. 8
200 150 100 50 0 01/01/2016 16/01/2016 31/01/2016 15/02/2016 01/03/2016 16/03/2016 31/03/2016 15/04/2016 30/04/2016 15/05/2016 30/05/2016 14/06/2016 29/06/2016 14/07/2016 29/07/2016 13/08/2016 28/08/2016 12/09/2016 27/09/2016 12/10/2016 27/10/2016 11/11/2016 26/11/2016 11/12/2016 26/12/2016 Milano - Pascal Città Studi calcolato calcolato_df Figura 3.2a: confronto delle concentrazioni medie giornaliere di PM10 relative al periodo 1 gennaio - 31 dicembre 2016 per la postazione di Milano Pascal (stazione urbana di fondo) misurate e simulate con e senza tecniche di data fusion. Le concentrazioni sono espresse in µg/m3. 140 120 100 80 60 40 20 0 01/01/2016 16/01/2016 31/01/2016 15/02/2016 01/03/2016 16/03/2016 31/03/2016 15/04/2016 30/04/2016 15/05/2016 30/05/2016 14/06/2016 29/06/2016 14/07/2016 29/07/2016 13/08/2016 28/08/2016 12/09/2016 27/09/2016 12/10/2016 27/10/2016 11/11/2016 26/11/2016 11/12/2016 26/12/2016 Milano - via Senato calcolato calcolato_df Figura 3.2b: confronto delle concentrazioni medie giornaliere di PM2.5 relative al periodo 1 gennaio - 31 dicembre 2016 per la postazione di Milano Senato (stazione urbana da traffico) misurate e simulate con e senza tecniche di data fusion. Le concentrazioni sono espresse in µg/m3. 9
100 150 200 250 100 120 140 100 150 100 120 0 50 0 20 40 60 80 0 50 0 20 40 60 80 01/01/2016 01/01/2016 01/01/2016 01/01/2016 16/01/2016 16/01/2016 16/01/2016 16/01/2016 31/01/2016 31/01/2016 31/01/2016 31/01/2016 15/02/2016 15/02/2016 15/02/2016 15/02/2016 01/03/2016 01/03/2016 01/03/2016 01/03/2016 16/03/2016 16/03/2016 16/03/2016 16/03/2016 31/03/2016 31/03/2016 31/03/2016 31/03/2016 concentrazioni sono espresse in µg/m3. 15/04/2016 15/04/2016 15/04/2016 15/04/2016 30/04/2016 30/04/2016 30/04/2016 30/04/2016 15/05/2016 15/05/2016 15/05/2016 15/05/2016 Lacchiarella (1) Lacchiarella (2) 30/05/2016 30/05/2016 30/05/2016 30/05/2016 Milano - viale Marche (2) Milano - viale Marche (1) 14/06/2016 14/06/2016 14/06/2016 14/06/2016 29/06/2016 29/06/2016 29/06/2016 29/06/2016 14/07/2016 14/07/2016 14/07/2016 14/07/2016 calcolato calcolato 29/07/2016 29/07/2016 29/07/2016 29/07/2016 calcolato calcolato 13/08/2016 13/08/2016 13/08/2016 13/08/2016 28/08/2016 28/08/2016 28/08/2016 28/08/2016 12/09/2016 12/09/2016 12/09/2016 12/09/2016 calcolato_df calcolato_df 27/09/2016 27/09/2016 27/09/2016 27/09/2016 calcolato_df calcolato_df 12/10/2016 12/10/2016 12/10/2016 12/10/2016 27/10/2016 27/10/2016 27/10/2016 27/10/2016 11/11/2016 11/11/2016 11/11/2016 11/11/2016 26/11/2016 26/11/2016 26/11/2016 26/11/2016 11/12/2016 11/12/2016 11/12/2016 11/12/2016 26/12/2016 26/12/2016 26/12/2016 26/12/2016 Marche (stazione urbana da traffico, massimo giornaliero) misurate e simulate con e senza tecniche di data fusion. Le dicembre 2016 per la postazione di Milano Lacchiarella (stazione suburbana di fondo, media giornaliera) e Milano viale 10 Figura 3.2c: confronto delle concentrazioni medie (1) e massime (2) giornaliere di NO2 relative al periodo 1 gennaio - 31
100 150 200 250 100 150 200 250 0 50 0 50 01/01/2016 01/01/2016 16/01/2016 16/01/2016 31/01/2016 31/01/2016 15/02/2016 15/02/2016 01/03/2016 01/03/2016 16/03/2016 16/03/2016 31/03/2016 31/03/2016 15/04/2016 15/04/2016 30/04/2016 30/04/2016 15/05/2016 15/05/2016 30/05/2016 30/05/2016 Porto Mantovano (2) 14/06/2016 Porto Mantovano (1) 14/06/2016 29/06/2016 29/06/2016 14/07/2016 14/07/2016 calcolato calcolato 29/07/2016 29/07/2016 13/08/2016 13/08/2016 28/08/2016 28/08/2016 12/09/2016 12/09/2016 simulate con e senza tecniche di data fusion. Le concentrazioni sono espresse in µg/m3. 27/09/2016 27/09/2016 calcolato_df calcolato_df 12/10/2016 12/10/2016 27/10/2016 27/10/2016 11/11/2016 11/11/2016 26/11/2016 26/11/2016 11/12/2016 11/12/2016 26/12/2016 26/12/2016 al periodo 1 gennaio - 31 dicembre 2016 per la postazione di Porto Mantovano (stazione suburbana di fondo) misurate e Figura 3.2d: confronto delle concentrazioni massime giornaliere (1) e della massima media mobile 8 ore (2) di O3 relative 11
(a) (b) Figura 3.3: (a) mappe delle concentrazioni medie annuali di PM10, PM2.5, NO2, e dell’indice AOT40 per l’ozono e (b) numero di superamenti del limite di 50 μg/m3 per la media giornaliera di PM10; simulazioni condotte con il modello FARM e con successivo processo di data fusion per le stazioni di fondo, anno 2016. 12
BG BS CO CR LC LO MB MI MN PV SO VA Figura 3.4a: mappa delle concentrazioni medie annuali di PM10 per le province lombarde, simulate con il modello FARM e successivo procedimento di data fusion con le sole stazioni di fondo, anno 2016. 13
BG BS CO CR LC LO MB MI MN PV SO VA Figura 3.4b: mappa delle concentrazioni medie annuali di PM2.5 per le province lombarde, simulate con il modello FARM e successivo procedimento di data fusion con le sole stazioni di fondo, anno 2016. 14
BG BS CO CR LC LO MB MI MN PV SO VA Figura 3.4c: mappa delle concentrazioni medie annuali di NO2 per le province lombarde, simulate con il modello FARM e successivo procedimento di data fusion con le sole stazioni di fondo, anno 2016. 15
BG BS CO CR LC LO MB MI MN PV SO VA Figura 3.4d: mappa del numero di superamenti del limite di 50 μg/m 3 per la media giornaliera di PM10 per le province lombarde, simulate con il modello FARM e successivo procedimento di data fusion con le sole stazioni di fondo, anno 2016. 16
Puoi anche leggere