SVILUPPO DI UNA CATENA MODELLISTICA PER LO

STUDIO DELL’INQUINAMENTO SECONDARIO SU UN

DOMINIO A SCALA REGIONALE

Universita’ del Piemonte OrientaleDipartimento di Scienze e Tecnologie Avanzate (DISTA)

Alessandria

Alessia Balanzino

Enrico Ferrero

Partecipanti:

Universita’ Piemonte Orientale

Universita’ di Torino

Universita’ di Napoli

CNR (Torino)

CSI Piemonte (Torino)

Collaborazioni:

Regione Piemonte (Torino)

Arpa Piemonte (Torino)

CESI - RICERCA (Milano)

Fondi CIPE – Regione Piemonte

Valutazione integrata di impatto

Inventario Emissioni

ModellisticaRete di monitoraggio

OBIETTIVO DEL PROGETTO

Valutare sul lungo periodo (anno di simulazione: 1999)

l’inquinamento secondario in aree a basso livello emissivo

(pianura del Piemonte orientale), contigue ad aree fortemente

emissive (triangolo industriale: Milano – Torino – Genova)

mediante l’utilizzo di strumenti modellistici.

Dominio e dati di ingresso al modello fotochimico

Catena modellistica

Risultati

Conclusioni

SOMMARIO

Dominio di studio. Superficie: 250 km x 250 km. Risoluzione spaziale: 5 km

Modello ECMWF (previsioni a grande scala e dati meteorologici) Dati geografici e

geofisici

Modello Meteorologico (RAMS)

Moduli di Interfaccia (RAMS-CAMx)

Modello Fotochimico (CAMx)

Campi di concentrazione

(calcolati)

Inventario Emissioni

Processore Emissioni - disaggregazione spaziale - profili di speciazione (VOC e PM) - disaggregazione temporale

Condizioni iniziali e al contorno

kvwater vaporcould/rain

z-pwindtemp

Campi di concentrazione

(misurati)

Reperimento dati di emissione

Situazione ottimale

disporre di un inventario predisposto esattamente sul proprio dominio e per il periodo di simulazione

Questo raramente accade pertanto solitamente o lo si ricava da inventari esistenti, adattandolo alle esigenze specifiche, oppure lo si realizza ex-novo.

Per ogni singola regione italiana si e’ utilizzato l’inventario regionale (piu’

dettagliato di quello nazionale)

Per l’estero e per la porzione di mar Mediterraneo, situata davanti alla Liguria,

i dati sono stati reperiti dal sito EMEP

Disaggregazione spaziale

comune

griglia

Modulazionetemporale

anno

mese

ora

Speciazione

totale

splitting

lumping

ETH

ETOH

CRES

ALD2 FORM

PAR

TOL

OLE2

OLE

XYL

MEOH

MGLY

ISOP

VOC

coarse

PM

fine

PNO3PSO4PNH4POASOA1SOA2SOA3SOA4PECFPRMFCRSNACPRMPCLCCRS

RAMS (Regional Atmospheric Modelling System)

Codice numerico sviluppato per simulare e prevedere i fenomeni meteorologici

Inizializzato e guidato dai dati del centro meteorologico europeo (ECMWF)

Il modello RAMS_v4.4

• sistema completo di equazioni dinamiche e termodinamiche non idrostatiche

• conservazione della massa e delle quantita’ scalari

• sistema di coordinate “terrain influenced”: simulare siti ad orografia complessa

• configurare le opzioni operative delle simulazioni

• interpolare i valori provenienti da diversi database

Run di prova

confronti valori simulati – centraline (1 griglia e 2 griglie)

MODULI di INTERFACCIA

Modulo di interfaccia RAMS - CAMx:

1. altezza/pressione

2. componenti orizzontali del vento

3. temperatura

4. coefficienti di diffusione

5. vapore acqueo

6. nubi e pioggia

7. topografia e uso del suolo

8. ratei di fotolisi

Altri moduli:

CAMx (Comprehensive Air Quality Model with extensions)

Meccanismo chimico utilizzato: CB-IV

• Euleriano (suddivisione del dominio in celle)

• Risoluzione dell’equazione di continuitàequazione di continuità in un sistema a celle in griglie 3D

Evoluzione dei composti chimici in ogni punto della griglia

(set semplificato di equazioni cinetiche chimiche, CB-IV)

Il modello CAMx_v4.20

DOMINIO + RETE DI STAZIONI DI MONITORAGGIO

VARESE

MOTTA V.

TORINO L.

TORINO C.

LIMITO

PIEVE DI TECO

MIGNANEGO

DONNASBIELLA

MILANO J.

MEDA

11

14

1513

MAGENTA

16VIMERCATE

9COSSATO

VERRONE

12PONZONE

10

• Griglia 250 x 250 km2

5 km step

14 livelli verticali

• Meteo RAMS-ECMWF (Mellor and Yamada scheme 2.5)

• IC - BC CAMx (mesoscala)

• Emissioni inventari regionali su base comunale + EMEP1999

0

20

40

60

80

100

120

140

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

hours

O3 [m

g/m

3]

CAMx_5 Measured

GIORNO TIPO 03 (URBANO)

0

20

40

60

80

100

120

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

hours

NO

2 [m

g/m

3]

CAMx_5 Measured

0

20

40

60

80

100

120

140

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

hours

O3 [m

g/m

3]

CAMx_5 Measured

0

20

40

60

80

100

120

140

160

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

hours

Ox [m

g/m

3]

CAMx_5 Measured

GIORNO

TIPO

TORINO

NO2 mean day, on June, at urban site

Ox mean day, on June, at urban site

O3 mean day, on June, at urban site

Table 1. O 3 indices computed on the daily maximum 8-hourly

stations MEAN_meas (mg/m3) MEAN_camx (mg/m3) R NMSE FBURBAN 117.5 108.0 0.6 0.1 0.1SUBURBAN 116.5 113.8 0.6 0.04 0.02RURAL 106.2 113.3 0.6 0.04 -0.1

Table 2. NO 2 indices computed on the mean daily concentration

stations MEAN_camx (mg/m3) MEAN_camx (mg/m3) R NMSE FBURBAN 17.2 15.3 0.5 0.1 -0.1SUBURBAN 29.8 24.3 0.3 0.2 0.2RURAL 17.2 15.3 0.2 0.2 0.2

Indici statistici: O3 e NO2

sovrastimasottostima

MEDIA GIORNALIERA PM10

0

10

20

30

40

50

60

70

80

90

10 12 3 4 6 9 13 14 15 16

stations

PM

10 [m

g/m

3]

camx_5 meas

0

10

20

30

40

50

60

70

80

90

100

10 12 3 4 6 9 13 14 15 16

stations

PM

10 [m

g/m

3]

camx_5 meas

GENNAIO – FEBBRAIO – MARZO1999

OTTOBRE – NOVEMBRE – DICEMBRE1999

PM10 indici statistici

(media giornaliera)

Table 3. PM 10 indeces computed on the mean daily concentration (winter time)

stations quarter MEAN_meas (mg/m3) MEAN_camx (mg/m3) R NMSE FBfirst 59.4 35.2 0.7 0.6 0.5second 71.3 49.4 0.2 0.6 0.4first 26.0 24.4 0.3 0.6 0.1second - - - - -

B.URBAN

B.SUBURBAN

sottostima

PM10 – NO2 – SO2

• buona “corrispondenza” tra precursore (NO2) e specie secondaria prodotta (PM10):

miglioramento/peggioramento di NO2 > miglioramento/peggioramento di PM10

• comportamento opposto tra precursore (SO2) e specie secondaria prodotta (PM10):

miglioramento/peggioramento di SO2 > peggioramento/miglioramento di PM10

coefficiente correlazione R, NO2 vs PM10

NO2 PM10 NO2 PM10

4 0.489 0.485 0.134 0.1296 0.648 0.420 0.506 -9 0.662 0.471 0.520 -10 0.437 0.290 0.496 -11 0.168 - 0.047 0.42012 0.646 0.440 0.527 -13 0.374 0.493 - 0.19314 0.641 0.703 0.333 0.24215 0.556 0.566 0.092 0.21516 0.656 0.683 0.140 0.206

stazione1o trimestre 2o trimestre

NO2 PM10 NO2 PM10

4 0.382 0.554 0.047 0.3296 0.464 0.232 0.250 -9 0.509 0.173 0.076 -

10 0.300 0.022 -0.009 -11 0.419 - 0.390 0.51512 0.383 0.177 0.034 -13 0.458 0.559 - 0.39314 0.165 0.722 0.105 0.59215 0.295 0.425 -0.045 0.14616 0.350 0.641 0.037 0.382

stazione1o trimestre 2o trimestre

fractional bias FB, NO2 vs PM10

SO2 PM10 SO2 PM10

4 0.091 0.485 0.360 0.1296 - 0.420 - -9 - 0.471 - -

10 - 0.290 - -11 0.226 - 0.258 0.42012 - 0.440 - -13 -0.006 0.493 0.095 0.19314 - 0.703 - 0.24215 0.465 0.566 0.496 0.21516 - 0.683 - 0.206

stazione1o trimestre 2o trimestre

coefficiente correlazione R, SO2 vs PM10

SO2 PM10 SO2 PM10

4 -1.197 0.554 -0.987 0.3296 - 0.232 - -9 - 0.173 - -

10 - 0.022 - -11 -0.277 - -1.202 0.51512 - 0.177 - -13 -1.329 0.559 -1.357 0.39314 - 0.722 - 0.59215 -0.760 0.425 -0.815 0.14616 - 0.641 - 0.382

stazione1o trimestre 2o trimestre

fractional bias FB, SO2 vs PM10

Media trimestrale (luglio – agosto – settembre) O3

95o percentile O3 (max giornaliero media mobile 8 ore, luglio – agosto – settembre)

Media trimestrale (dicembre – gennaio – febbraio) PM10

95o percentile PM10(media giornaliera, dicembre – gennaio – febbraio)

CONCLUSIONI

O3 – NO2 – Ox

• il modello riproduce abbastanza bene l’andamento delle misure, sia per l’ozono che

per il biossido di azoto:

- valori alti di O3 attorno alle grandi citta’ e vicino al mare ( > 120 μg/m3 )

• la curva dei valori simulati di ozono, in certi periodi, sottostima i valori massimi

(probabile causa: emissioni di VOC)

• il modello sovrastima le misure di biossido di azoto

(probabile causa: sottostima della turbolenza verticale)

• il modello ben riproduce l’andamento giornaliero e stagionale della specie Ox

(ridotti gli effetti locali di ozono e biossido di azoto)

PM10 – NO2 – SO2

• il modello riproduce bene una certa ciclicita’ settimanale del PM10, dovuta alle emissioni

• il modello ricostruisce correttamente alcuni casi critici del PM10

• il modello e’ in grado di distinguere il contesto urbano del PM10 da quello suburbano:

- valori elevati in prossimita’ dei centri urbani ( > 100 μg/m3 )

- concentrazioni dell’ordine di 50 μg/m3 in zone rurali

• esiste una buona “corrispondenza” tra precursore (NO2) e specie secondaria prodotta

(PM10): miglioramento/peggioramento di NO2 > miglioramento/peggioramento di PM10

• esiste un comportamento opposto tra precursore (SO2) e specie secondaria prodotta

(PM10): miglioramento/peggioramento di SO2 > peggioramento/miglioramento di PM10

In conclusione...

• alla risoluzione adottata (5 km), e’ possibile descrivere piu’ correttamente il quadro

emissivo e quindi migliorare la rappresentazione dell’evoluzione temporale sia degli

inquinanti primari che degli inquinanti secondari

• i risultati per l’ozono sono, in generale, migliori rispetto a quelli per il particolato

(difficolta’ nella rappresentazione modellistica del particolato)

• per quanto riguarda il particolato, l’effetto della risoluzione incide più sul “fractional

bias” (FB) che sulla correlazione (R)

Sviluppi futuri…

• analisi approfondita sul ruolo dei diversi fattori di input al modello di dispersione:

campi meteorologici

campi emissivi (inventari delle emissioni, processori delle emissioni)

meccanismo chimico selezionato

• stime di scenari emissivi (aree di probabile rischio per la salute umana)

• simulazioni sul lungo periodo per differenti anni (2005) emissioni puntuali Piemonte???

28/10/2005, Centro Incontri Regione Piemonte, TorinoAlessia Balanzino, Enrico Ferrero, Mauro Causà, Emanuele Orlando, Paolo Trivero, Veronica Sesia, Guido Pirovano, Cesare PertotPoster: “Realizzazione di un pre-processore delle emissioni per modelli fotochimici” Workshop: “La valutazione integrata e la gestione della qualita’ dell’aria in Piemonte alla luce delle normative europee”  22/02/2006, Universita’ del Piemonte Orientale “A.Avogadro”, Dipartimento di Scienze e Tecnologie Avanzate (DISTA), AlessandriaAlessia BalanzinoSeminario su invito: “Modelling systems for photochemical pollution in Northern Italy” Workshop: "One day on complexity"  18-23/09/2006, Dipartimento di Fisica, TorinoAlessia Balanzino, Enrico Ferrero Comunicazione orale: “Valutazione modellistica dell’inquinamento fotochimico nell’Italia settentrionale” XCII Congresso Nazionale SIF

27-29/03/2007, CiproA. Balanzino, C.Pertot, G.Pirovano, M.Causa', E.Ferrero, S.Alessandrini, M.P.CostaComunicazione orale: “Intercomparison between national and regional scale photochemical pollution simulations over Northern Italy”Proceedings UAQ 2007, 6th International Conference on Urban Air Quality, edited by Sokhi R.S. and Neophytou M. (University of Hertfordshire, UK)

PUBBLICAZIONI

Agosto 2006Alessia Balanzino, Enrico Ferrero “Modelling system for photochemical pollution in northern Italy”Il Nuovo Cimento, vol. 121 B, n.8, 857-866  11-15/06/2007, IschiaA.Balanzino, C.Pertot, G.Pirovano, M.Causa', E.Ferrero, S.Alessandrini, M.P.CostaPoster: “Simulazione dell’inquinamento fotochimico nell’Italia settentrionale”Convegno nazionale di fisica della terra fluida e problematiche affini

2-5/07/2007, Cambridge (UK)A. Balanzino, M.Causa', E.Ferrero, C.Pertot, G.PirovanoPoster: “Photochemical pollution modelling in complex terrain” Proceedings, 11th International Conference on Harmonisation within Atmospheric Dispersion Modelling for Regulatory Purposes, edited by David J.Carruthers and Christine A.McHugh

24-29/09/2007, Dipartimento di Fisica, PisaA. Balanzino, E.Ferrero, C.Pertot, G.Pirovano, M.Riva, M.Causa'Comunicazione: "Sviluppo di una catena modellistica per lo studio dell’inquinamento secondario su un dominio a scala regionale”XCIII Congresso Nazionale SIF

6-9/10/2008, Cavtat (Croazia)A. Balanzino, G.Pirovano, M.G. Riva, E.Ferrero, M.Causa'Poster: “PM10 transport and diffusion in Northern Italy” Proceedings, 12th International Conference on Harmonisation within Atmospheric Dispersion Modelling for Regulatory Purposes, published as a special issue of the Croatian Meteorological Journal, edited by Croatian Meteorological Society, Zagreb