Upload
ambra-boscolo
View
219
Download
2
Embed Size (px)
Citation preview
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