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.
7Confronto 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.
8200
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.
9100
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 - 31100
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.
12BG 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.
13BG 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.
14BG 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.
15BG 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.
16Puoi anche leggere
