Dati di inquinamento atmosferico dell`area metropolitana milanese e

Transcript

Fondazione Lombardia per l’Ambiente
Dati di inquinamento
atm o s f eri c o d ell ’area
metropolitana
milanese
e m eto d o l ogie
pe r l a gestione
della qualità dell’aria
a cura di
Bruno Rindone
Paolo Beltrame
Ada Lucia De Cesaris
Bruno Rindone è professore di Chimica
Organica presso l’Università degli Studi di
Milano. Membro della Società Chimica Italiana, della American Chemical Society, della Chemical Society, della International Society for the Study of Xenobiotics, della International Ozone Association, della International Association on Water Quality. Coordinatore del programma di ricerca “Uptake
and Nitration of Phenols in the Tropospheric Aqueous Phase”, del Programma “Environment and Climate” della Comunità Europea. È uno dei fondatori del Dipartimento
di Scienze dell’Ambiente e del Territorio dell’Università di Milano dove svolge le sue attività di ricerca nel campo del comportamento dei composti chimici nell’ambiente e della
chimica “pulita”. Ha al suo attivo 140 pubblicazioni scientifiche e 6 libri.
Paolo Beltrame, laureato in Chimica Industriale presso l’Università degli Studi di Milano nel 1954, vi è ora titolare di Processi e Impianti Industriali Chimici II per il Corso di
Laurea in Chimica Industriale. Si occupa di
ricerca presso il Dipartimento di Chimica Fisica ed Elettrochimica, con studi di cinetica
chimica applicata su reazioni di interesse industriale. È autore o coautore di oltre 140
pubblicazioni scientifiche. Una dozzina di
queste si riferiscono a studi cinetici sulla biodegradazione del fenolo in effluenti acquosi
mediante fanghi attivi e sull’azione inibitrice
di cloro- e nitro-fenoli in tale processo.
Ada Lucia De Cesaris, avvocato in Milano.
Ha svolto studi e ricerche in materia di politiche e normative ambientali, comunitarie e
nazionali, in particolare si è occupata di VIA,
inquinamento idrico, acustico, rifiuti, ecolabel, ecoaudit ecc.
Svolge attività di consulenza per l’amministrazione nazionale e locale e affianca la formazione di operatori nei settori collegati alla
normativa ambientale.
Dati di inquinam e nto
atm o s f eri c o d ell ’area
metropolitana
milanese
e metodologie
pe r l a gestione
a cura di
B runo Rindone
Paolo Beltrame
Ada Lucia De Cesaris
Fondazione Lombardia per l’Ambiente
Foro Bonaparte 12 - 20121 Milano
tel. +39(2)809169
fax +39(2)72002398
[email protected]
http: //www.flanet.org
Consiglio di Amministrazione
Presidente: Giovanni Bottari
Vicepresidente: Achille Cutrera
Consiglieri: Giordano Cassetta, Massimo Donati, Salvatore Giannella,
Paolo Mantegazza, Emilio Massa, Roberto Schmid
Comitato scientifico
Silvio Garattini, Angelo Cavallin, Renzo Compiani, Emilio Gerelli,
Giorgio Guariso, Alfredo Liberatori, Gianfranco Mascazzini, Paola Vita Finzi
Coordinatore Scientifico: Antonio Ballarin Denti
Programma editoriale ideato e curato da: Salvatore Giannella
Coordinamento editoriale: Rosa Maria Panattoni
Revisione: Diana Borio
Progettazione e fotocomposizione: Studio Tabloid, Milano
Stampa: Arti Grafiche by Juri Iodice, Sannazzaro (PV)
© 1998 Copyright Fondazione Lombardia per l’Ambiente
Proprietà letteraria riservata
Nessuna parte di questo volume può essere riprodotta o utilizzata sotto nessuna forma, senza permesso
scritto, tranne che per brevi passaggi in sede di recensione e comunque citando la fonte.
Indice
Prefazione
pag.
9
Introduzione
11
Premessa
17
Capitolo 1
REPERIMENTO E ORGANIZZAZIONE DEI DATI ESISTENTI
DI INQUINAMENTO ATMOSFERICO RELATIVI ALL’AREA MILANESE
di Giorgio Catenacci e Antonio Negri
1.1
1.2
Introduzione
CATALOMB: un catalogo per l’accesso ai dati
dell’area metropolitana milanese
Appendice - Schede riepilogative delle informazioni
contenute nei data-set reperiti
21
22
22
29
Capitolo 2
IL MODELLO EMISMOB2 PER LA STIMA
DELLE EMISSIONI DA TRAFFICO
di Michele Giugliano, Stefano Cernuschi e Andrea Cemin
2.1
2.2
Il modello EMISMOB2
2.1.1 Introduzione
2.1.2 I fattori di emissione CORINAIR
2.1.3 Caratteristiche del modello
2.1.4 Modalità di applicazione del modello
Applicazione del modello EMISMOB2 alla stima dell’evoluzione
delle emissioni da traffico nell’area urbana di Milano
2.2.1 Evoluzione del parco circolante
2.2.2 Suddivisione dell’area di studio per regimi di traffico
e ripartizione del parco circolante
37
38
38
39
39
42
44
44
45
5
2.2.3 Stima dell’evoluzione delle emissioni
Bibliografia
pag.
47
49
Capitolo 3
L’APPROCCIO A RECETTORE
3.1
3.2
3.3
3.4
3.5
3.6
Statistica descrittiva
3.1.1 Disponibilità e serie analizzate
3.1.2 Analisi della statistica descrittiva
3.1.3 Le distribuzioni delle serie annuali
3.1.4 Composti organici volatili
Rispetto degli standard e analisi delle tendenze
3.2.1 Rispetto dei limiti di qualità dell’aria
Modelli statistici
3.3.1 Modelli statistici per la distribuzione di CO
3.3.2 Modelli semiempirici
3.3.3 Valori estremi della distribuzione
3.3.4 Modelli empirici per il numero di superamenti
dello standard di qualità dell’aria
Modelli statistici per la distribuzione di NO2
3.4.1 Modello empirico
Relazioni a lungo termine tra NO2 ed NOx
3.5.1 Relazione tra le medie annuali di NO2 ed NOx
3.5.2 Relazione tra le medie mensili di NO2 ed NOx
Modelli statistici per la distribuzione di O3
3.6.1 Modello semiempirico di Weibull
51
52
52
53
58
60
62
62
71
72
73
80
83
85
85
88
97
97
104
106
106
Capitolo 4
STIMA DELLE RIDUZIONI DELLE EMISSIONI
4.1.
4.2
6
Introduzione
4.1.1 Modelli roll-back
4.1.2 Stima della riduzione per il rispetto dello standard per il CO
4.1.3 Stima della riduzione per il rispetto dello standard per NO2
4.1.4 Le osservazioni di fine settimana
per la stima degli effetti della riduzione di NOx
Il contributo delle sorgenti di NOx ai dati di qualità dell’aria
4.2.1 Valutazione qualitativa basata
sull’analisi del rapporto NO2/NOx
109
110
111
113
114
116
124
124
4.2.2 Applicazione dell’analisi cluster
pag.
4.2.3 Valutazione quantitativa basata su un modello concettuale
4.2.4 Applicazione del modello concettuale
per la stima del contributo delle sorgenti
4.2.5 Applicazione probabilistica del modello concettuale
Bibliografia
132
133
135
136
141
Capitolo 5
UN SISTEMA DI SUPPORTO ALLA SCELTA DI MODELLI URBANI
di Giovanna Finzi
5.1
Introduzione
5.1.1 Rassegna dei modelli di dispersione in area urbana
5.1.2 Organizzazione e caratteristiche del sistema
145
146
146
151
Capitolo 6
ALCUNI MECCANISMI CHIMICI PRESENTI NEI MODELLI
PER LA SIMULAZIONE DELLA QUALITÀ DELL’ARIA
di Luigi Fortina
Introduzione: meccanismi chimici e meccanismi
fisici nei modelli di qualità dell’aria
6.2
Scopo del lavoro
6.3
Criteri per la scelta del modulo chimico
6.3.1 Adeguatezza del modello
6.3.2 Livello di sofisticazione dei modelli
6.4
Le trasformazioni chimiche
6.5
Confronto tra otto meccanismi chimici fondamentali
6.5.1 Meccanismo di Seinfeld
6.5.2 Meccanismi CB III, CB IV e CB EX
6.5.3 Meccanismo ALW
6.5.4 Meccanismo di Dodge
6.5.5 Meccanismo SAPCR
6.5.6 Meccanismo RADM2
6.5.7 Parametri richiesti da alcuni dei meccanismi
6.6
Assemblaggio del database
6.6.1 Struttura del database
6.6.2 Tabella: elenco delle specie chimiche
6.6.3 Tabella delle reazioni
6.7
Considerazioni
6.8
Conclusioni
Bibliografia
157
6.1
158
159
160
161
161
162
163
164
164
164
164
164
164
165
167
168
168
169
170
172
174
7
Capitolo 7
APPLICAZIONE DEL MODELLO CALGRID
ALL’AREA URBANA DI MILANO
di Giovanna Finzi
7.1
7.2
Introduzione
Il modello CALGRID
7.3
Applicazione del modello all’area milanese
7.3.1 Scelta del periodo su cui svolgere la simulazione
7.3.2 Caratterizzazione meteorologica
7.3.3 Stima delle emissioni
7.3.4 Condizioni iniziali e al contorno
7.3.5 Risultati delle simulazioni
Bibliografia
181
182
183
183
189
189
191
193
193
195
207
Capitolo 8
L’INQUINAMENTO DELL’ARIA E LA VALUTAZIONE
DEI DANNI: UN APPROCCIO METODOLOGICO
di Giorgio Panella e Sergio Ascari
8.1
8.2
8.3
8.4
211
212
214
216
Premessa
L’inquinamento atmosferico: il quadro di riferimento teorico
La definizione di costo sociale
Gli impatti ambientali imputabili ai trasporti
e le metodologie di valutazione
8.4.1 Procedure di valutazione diretta
8.4.2 Procedure di valutazione indiretta
8.5
Gli effetti sulla salute umana: gli studi epidemiologici
8.6
La dimensione quantitativa dei danni dell’inquinamento
atmosferico derivanti dal trasporto
8.6.1 Incidenti alle persone
8.6.2 Inquinamento acustico
8.6.3 Inquinamento atmosferico locale
8.6.4 Congestione
8.6.5 Utilizzo del suolo
8.6.6 Costi totali esterni dei trasporti
Bibliografia
223
223
225
226
228
230
230
233
Sintesi delle attività di progetto
237
Indice analitico
251
8
218
219
220
221
Prefazione
Q
uesto volume appartiene a una nuova serie di pubblicazioni, nuova nel contenut
nella veste grafica, che la Fondazione Lombardia per l’Ambiente inaugura a conclu sione del programma di valorizzazione dei risultati dei tre importanti progetti da es sa promossi e finanziati fra il 1994 e il 1997. Si tratta di ricerche che, facendo perno sulla pre valente collaborazione di istituti universitari e di altri enti di ricerca della nostra regione, sono
state proposte e sostenute dalla Fondazione per affrontare importanti questioni di inquina mento e degrado ambientale nel contesto del territorio regionale.
Le tematiche affrontate riguardavano rispettivamente:
1. la gestione del territorio in relazione allo smaltimento dei rifiuti tossico-nocivi (coordina tore Prof. Giuseppe Marchetti, Università di Pavia);
2. gli effetti dell’inquinamento sui sistemi agricoli e forestali (coordinatore Prof. Sergio Co cucci, Università di Milano);
3. la qualità dell’aria nell’area metropolitana milanese e i suoi riflessi sulla salute dell’uomo
(coordinatore Prof. Paolo Beltrame, Università di Milano).
I progetti, una volta conclusi, sono stati oggetto di un’attenta opera di valutazione al fine del
trasferimento dei loro risultati e della valorizzazione del know how maturato nel loro svolgi mento. Questo processo è stato affidato a un gruppo di studio formato dai professori Demetrio
Pitea (progetto 1), Francesco Sartori (progetto 2) e Bruno Rindone (progetto 3) e dall’avvoca to Ada Lucia De Cesaris, esperta in diritto ambientale, per tutti gli aspetti relativi ai rapporti
con la Pubblica Amministrazione.
In questo ambito, infatti, si erano voluti individuare gli “utilizzatori finali” dell’azione di
trasferimento, secondo una metodologia adottata in sede comunitaria europea, volta a trasmet -
9
tere i risultati della ricerca scientifica a coloro che sul piano istituzionale (e in seconda istanza
anche professionale e produttivo) hanno responsabilità nelle decisioni in campo ambientale. Si
è pertanto impostato un programma di auditing, grazie anche al proficuo rapporto di collabo razione con l’assessorato all’Ambiente della Regione Lombardia, con le strutture tecnico-am ministrative e regionali, per mettere a punto contenuti e finalità del programma di ricerca.
La pubblicazione di questo volume (accanto agli altri otto libri delle tre serie in pubblica zione) conclude questa fase di valorizzazione dei primi tre grandi progetti coordinati di ri cerca che consideriamo di sicura rilevanza scientifica, sviluppati dalla nostra Fondazione.
Rivolgiamo un caloroso ringraziamento ai professori Demetrio Pitea, Bruno Rindone e
Francesco Sartori e all’avvocato Ada Lucia De Cesaris che hanno diretto con impegno e
competenza l’intero programma di valorizzazione insieme con il coordinatore scientifico
della Fondazione Prof. Antonio Ballarin Denti. Siamo altresì riconoscenti per l’efficace col laborazione fornita dai funzionari della Regione Lombardia, responsabili dei settori oggetto
delle singole opere, e che ringraziamo più specificatamente nelle pagine introduttive dei va ri volumi. Gli uni e gli altri hanno fornito un prezioso contributo al nostro programma di mostrando – in coerenza con un paradigma culturale della nostra Fondazione – che scienza
e azione politico-amministrativa nel campo ambientale possono trovare un terreno serio e
costruttivo di collaborazione e sviluppo comune.
Il Presidente
Giovanni Bottari
10
Introduzione
G
li obiettivi del Progetto di ricerca “La qualità dell’aria nell’area metropolitana mi
nese e i suoi riflessi sulla salute dell’uomo” del quale sono stato coordinatore scienti fico comprendono:
• reperimento, organizzazione ed elaborazione dei dati esistenti di inquinamento atmo sferico, con speciale riferimento ai microinquinanti, e metodologie per la gestione della qua lità dell’aria;
• rilevamento ambientale dei microinquinanti;
• qualità dell’aria e sue implicazioni per la salute dell’uomo;
• analisi e sperimentazione sugli effluenti gassosi prodotti dalla termodistruzione dei rifiuti;
• aspetti economici del controllo dell’inquinamento atmosferico urbano: una politica d’inter vento.
Per la realizzazione di questi obiettivi le attività sono state articolate su cinque linee di ri cerca:
La linea 1 coordinata dal Prof. Michele Giugliano, Dipartimento di Ingegneria Idraulica,
Ambientale e del Rilevamento, Politecnico di Milano, e avente come obiettivo: “Reperimento,
organizzazione ed elaborazione dei dati esistenti di inquinamento atmosferico, con speciale ri ferimento ai microinquinanti, e metodologie per la gestione della qualità dell’aria”.
La linea 2 coordinata dal Dr. Roberto Fanelli, Istituto di Ricerche Farmacologiche “Mario
Negri“ e avente come obiettivo: “Rilevamento ambientale dei microinquinanti”.
La linea 3 coordinata coordinata dal Prof. Marco Maroni, Istituto di Medicina del Lavoro,
Università di Milano, e avente come obiettivo “Qualità dell’aria e sue implicazioni per la salu te dell’uomo”.
La linea 4 coordinata dal Prof. Paolo Carniti, Dipartimento di Chimica Fisica ed Elettrochi mica, Università degli Studi di Milano, e avente come obiettivo: “Analisi e sperimentazione su gli effluenti gassosi prodotti dalla termodistruzione dei rifiuti”.
11
La linea 5 coordinata dal Prof. Giorgio Panella, Centro Ricerca Economia Ambiente, Uni versità degli Studi di Pavia, e avente come obiettivo: “Aspetti economici del controllo dell’in quinamento atmosferico urbano: una politica d’intervento”.
La natura tipicamente interdisciplinare dei problemi da affrontare richiede competenze spe cifiche nei campi della chimica, della statistica, della biologia, della medicina, dell’economia, del
diritto, della fisica, delle scienze ambientali.
Per soddisfare queste esigenze sono state attivate 14 Unità Operative (UO) facenti capo al l’Università degli Studi di Milano, all’Università degli Studi di Pavia, al Politecnico di Mila no, all’Istituto di Ricerche Farmacologiche “Mario Negri”, al CISE, alla Stazione Sperimenta le per i Combustibili, all’Istituto per l’Inquinamento Atmosferico del CNR, alla Fondazione
Clinica del Lavoro, al Centro di Ricerca Economia e Ambiente.
Le ricerche hanno avuto inizio il 1 settembre 1994 e si sono concluse il 1 settembre 1996, a
eccezione di quelle di argomento economico, che sono terminate un anno prima.
Complessivamente alle attività di ricerca hanno partecipato 40 ricercatori, 4 ricercatori a
contratto con la Fondazione Lombardia per l’Ambiente, 11 borsisti e 16 tecnici.
Di seguito sono riportati i dati relativi alle linee di ricerca e alle Unità Operative. Nell’allegato,
sono schematicamente riassunte le attività di ricerca e i risultati ottenuti da ciascuna UO.
Coordinatore del Progetto
Prof. Paolo Beltrame
Università degli Studi di Milano,
Dipartimento di Chimica Fisica
ed Elettrochimica.
LINEEDI
RICERCA E
UNITÀ OPERATIVE
Le tematiche della linea 1 sono:
• Elaborazione dei dati di qualità dell’aria per il supporto alle decisioni metodologiche e parametri per la valutazione delle emissioni da traffico in aree urbane
Dipartimento di Ingegneria Idraulica, Ambientale e del Rilevamento Politecnico di Milano (UOPOLIMI-1)
Responsabile: Prof. Michele Giugliano
• Un sistema di supporto alle decisioni per la valutazione della qualità dell’aria
in area urbana. Implementazione e applicazione alla città di Milano
Dipartimento di Ingegneria Idraulica, Ambientale e del Rilevamento Politecnico di Milano (UOPOLIMI-2)
Responsabile: Prof. Giovanna Finzi
• Analisi dei parametri e dei meccanismi di trasformazione e rimozione degli inquinanti in atmosfere urbane
Dipartimento di Ingegneria Idraulica e Ambientale Università degli Studi di Pavia (UOUNIPV)
Responsabile: Prof. Luigi Fortina
12
• Organizzazione e analisi dei dati di qualità dell’aria nell’area urbana di Milano
CISE - Segrate (UOCISE)
Responsabile: Ing. Antonio Negri
• Identificazione e misura di inquinanti volatili da traffico nell’aria di Milano
Istituto di Ricerche Farmacologiche “Mario Negri” (UOMANE-1)
Responsabile: Dr. Roberto Fanelli
• Valutazione della concentrazione nell’aria di Milano dei microinquinanti
organici volatili, tra cui benzene, butadiene e aldeidi ad alta rilevanza tossicologica
Stazione Sperimentale per i Combustibili - San Donato Milanese (Milano) (UOCOMB)
Responsabile: Dr. Antonio Rolla
• Profilo qualitativo/quantitativo di metalli in traccia e ultratraccia nel particolato ambientale nella città di Milano
Fondazione Clinica del Lavoro - Pavia (UOCLPV-1)
Responsabile: Dr. Anna Maria Ronchi
• Evoluzione chimica e fisica degli inquinanti atmosferici nella città di Milano
Istituto dell’Inquinamento Atmosferico CNR, Area della Ricerca di Roma (UOCNR)
Responsabile: Dr. Antonio Febo
• Caratterizzazione dell’esposizione a inquinanti atmosferici aerodispersi in
soggetti residenti a Milano
Istituto di Medicina del Lavoro - Università degli Studi di Milano (UOCLMI)
Responsabile: Prof. Marco Maroni
• Indicazione di dose esterna e di dose interna nella valutazione dell’esposizione ambientale a metalli e a idrocarburi policiclici aromatici in residenti della
città di Milano
Responsabile: Dr. Claudio Minoia
• Misura degli addotti all’emoglobina di inquinanti atmosferici specifici come
indice di esposizione e di rischio
Responsabile: Prof. Carlo La Vecchia
• Eliminazione di effluenti tossici gassosi nella termodistruzione di rifiuti e
scarti industriali
13
Dipartimento di Chimica Fisica ed Elettrochimica Università degli Studi di Milano (UOCFMI)
Responsabile: Prof. Paolo Carniti
• Caratterizzazione di microinquinanti organici nelle emissioni di impianti sperimentali di combustione e di trattamento di materiali plastici
Responsabile: Dr. Emilio Benfenati
• Aspetti economici del controllo dell’inquinamento atmosferico urbano: una
politica di intervento
Centro Ricerca Economia Ambiente Università degli Studi di Pavia (UOCREAPV)
Responsabile: Prof. Giorgio Panella
I risultati prodotti da questo progetto di ricerca sono stati numerosi e ricchi di informazioni,
dati e proposte di sicuro interesse. Si è quindi deciso di procedere alla loro valorizzazione con la
seguente metodologia:
• esame dettagliato dei rendiconti di attività presentati da ciascuna Unità Operativa, al fine
di individuare i risultati ottenuti e di valutare le metodologie utilizzate;
• individuazione di risultati e/o metodologie studiate parallelamente da Unità Operative col locate in diverse linee, e quindi operanti con ottiche diverse, allo scopo di accorparne i risultati
valorizzando così la eventuale valenza multidisciplinare del lavoro svolto e la sua ricchezza me todologica;
• classificazione dei risultati ottenuti in cinque tipologie:
a) risultati di prevalente carattere di ricerca applicata, e quindi adatti all’utilizzazione come
prodotti per la comunità scientifica;
b) risultati di prevalente carattere di ricerca tecnologica, e quindi adatti all’utilizzazione co me contributi alla Best Available Technology;
c) risultati trasferibili come informazioni per l’Amministrazione Pubblica in forma di ma nuali tecnici, materiale informativo per gli amministratori, materiale informativo per l’utente;
d) risultati utilizzabili nel quadro delle attività di formazione dell’Amministrazione Pub blica;
e) risultati utilizzabili per attività di informazione e sensibilizzazione verso l’opinione
pubblica.
• Individuazione dei soggetti destinatari e delle forme specifiche di valorizzazione dei risultati.
I temi scelti nelle tipologie a-c per le iniziative editoriali di valorizzazione sono stati:
• dati di inquinamento atmosferico dell’area metropolitana milanese e metodologie
per la gestione della qualità dell’aria;
• il benzene e altri composti aromatici: monitoraggio e rischi per l’uomo;
• le emissioni industriali in atmosfera: inventario e trattamento.
Per il primo tema, dopo una dettagliata descrizione dei dati attualmente disponibili per la Re gione Lombardia, ci si propone di discutere il ruolo dell’approccio statistico e deterministico
nella gestione dell’inquinamento atmosferico.
14
Per quanto riguarda l’approccio statistico, in particolare, ci si propone di evidenziare come esso
possa essere utilizzato nell’ambito della risoluzione di problematiche connesse con l’individuazio ne degli obiettivi di riduzione delle emissioni richiesti dalla stesura di piani di risanamento. Per
l’approccio deterministico, invece, dopo la presentazione di un “sistema esperto” che consente a un
utente non esperto di individuare il modello più idoneo alle sue problematiche, ci si propone di di scutere l’attuale stato di conoscenze delle emissioni da traffico nell’area metropolitana milanese e di
presentare i risultati di un’applicazione preliminare del modello CALGRID su questa stessa area.
Occorre anche valutare la dimensione dei danni alla salute umana derivanti dall’inquina mento atmosferico. Vi è quindi la necessità di definire il livello ottimale di inquinamento, come
punto di eguaglianza fra i costi marginali del disinquinamento e i suoi benefici marginali.
Le tematiche in questione hanno trovato spazio nelle linee 1 e 5 del Progetto“La qualità del l’aria nell’area metropolitana milanese e i suoi riflessi sulla salute dell’uomo”. In particolare,
si valorizza il contributo dato sui seguenti argomenti:
1) La costituzione di una banca dati relativa alla qualità dell’aria nella zona di Milano.
2) L’elaborazione statistica dei dati, con particolare attenzione alle emissioni da traffico.
3) La raccolta di informazioni bibliografiche sulle reazioni chimiche atmosferiche che inte ressano gli inquinanti.
4) La costituzione di una banca modelli e l’organizzazione di un "sistema esperto" per l’im piego di modelli matematici dei fenomeni.
5) Lo studio del danno economico derivante dall’inquinamento atmosferico, con particolare
riferimento alla salute umana.
6) La proposta di strumenti operativi di controllo e la valutazione dei costi.
Il primo volume è dotato di un supporto informatico* ove è raccolto il seguente software:
• catalogo informatizzato sull’inquinamento in Lombardia;
• modello EMISMOB;
• un sistema di supporto alle decisioni;
• database meccanismi chimici.
Per il secondo tema, rilevamenti di benzene vengono condotti in Lombardia da circa cinque
anni e, anche se essi sono stati sviluppati spesso in modo poco organico e in termini metodolo gici diversi, appare indiscutibile che le concentrazioni di questo inquinante possano raggiun gere, soprattutto in zone caratterizzate da forti emissioni e in presenza di condizioni meteoro logiche sfavorevoli alla dispersione degli inquinanti, livelli di assoluto rilievo.
Analogamente, è importante la determinazione dei livelli di altre categorie di composti aro matici, quali policlorodibenzodiossine, policlorodibenzofurani, policlorobifenili emessi da sva riate fonti e con impatto tossicologico molto diversificato.
Si pone quindi l’obiettivo di fare il punto sulle attuali conoscenze circa le concentrazioni di
questi inquinanti nella Regione Lombardia nonché di valutarne le tendenze future e i poten ziali effetti sulla salute dell’uomo.
Negli ultimi anni molti sforzi a livello di comunità scientifica sono stati compiuti per effet tuare campagne di raccolta dati, individuare le tecniche più adatte e la loro standardizzazione,
per valutare i dati ottenuti, le correlazioni con i parametri meteorologici, l’individuazione di
biomarker per controllarne l’esposizione personale.
*
Per la consultazione dei dati citati nel primo volume vedere il sito Internet nell’area di down load. Il sito è
www. flanet. org
15
Un obiettivo è quindi la razionalizzazione dello stato delle conoscenze, in modo da forni re sia all’operatore pubblico che privato un manuale il più possibile completo ed esauriente
per campionare, analizzare, valutare la quantità di composti aromatici in atmosfera e il lo ro effetto sulla salute umana.
A tale scopo, è stato necessario aggiungere due capitoli su argomenti non trattati nel proget to di ricerca originale:
1) microinquinanti organici in atmosfera;
2) campionamento e analisi dei composti organici volatili (COV).
L’inserimento di questi capitoli ha reso comprensibile il successivo impianto scientifico.
Le tematiche in questione hanno trovato spazio nelle linee 2 e 3 del Progetto “La qualità del l’aria nell’area metropolitana milanese e i suoi riflessi sulla salute dell’uomo”. In particolare,
viene valorizzato il contributo dato sui seguenti argomenti:
1) il campionamento e la misura di microinquinanti (policlorodibenzodiossine e analoghi,
idrocarburi policiclici aromatici, sostanze organiche volatili) da traffico e da altre fonti;
2) determinazioni analitiche di inquinanti utilizzando un mezzo mobile;
3) il miglioramento delle tecniche analitiche per i microinquinanti, incluso il monitoraggio
ad alta frequenza con un prototipo di nuova strumentazione;
4) lo studio sulla popolazione per quanto riguarda l’esposizione a (e l’assorbimento di) com posti organici volatili, altri inquinanti e radon.
Per il terzo tema, il controllo dei reflui gassosi dell’industria è una naturale componente de gli interventi per il risanamento della qualità dell’aria nelle grandi conurbazioni. In Lombar dia, il contributo dei reflui industriali all’inquinamento atmosferico è stimato essere circa un
terzo di quello derivante dal traffico automobilistico. Riesce però difficile affrontare questo pro blema in maniera sufficientemente rappresentativa, se non si possiede un inventario delle emis sioni, aggiornato e realistico. Infatti, le modificazioni dei cicli tecnologici, e quindi delle loro
emissioni, sono spesso più rapide della frequenza delle campagne di monitoraggio.
È stato quindi necessario aggiungere due capitoli, non previsti nel progetto di ricerca origi nale, dedicati ai seguenti argomenti:
1) i composti organici volatili (COV) e gli inventari delle emissioni;
2) le emissioni industriali di composti organici volatili (COV) in Lombardia: studi disponibili.
In questo modo è stato possibile descrivere gli inventari delle emissioni industriali attual mente disponibili in Lombardia, indicando i parametri che possono essere usati per raggruppa re le emissioni in gruppi rappresentativi. Ciò ha valorizzato il contenuto dei capitoli successi vi, dove vengono esposte alcune considerazioni derivanti dagli studi preliminari effettuati nel
corso della ricerca per il controllo dei reflui nelle attività produttive.
Le tematiche in questione hanno trovato spazio nella linea 4 del Progetto “La qualità dell’a ria nell’area metropolitana milanese e i suoi riflessi sulla salute dell’uomo”. In particolare, vie ne valorizzato il contributo dato sui seguenti argomenti:
1) lo studio di processi di combustione e di conversione termo-catalitica di rifiuti solidi, con
particolare attenzione ai polimeri sintetici, in impianti continui di laboratorio o a carattere pi lota, nonché la caratterizzazione e determinazione analitica dei microinquinanti prodotti in ta li processi di combustione e conversione;
2) lo studio della distruzione dei composti organici volatili mediante l’impiego di catalizza tori associati eventualmente con ozono;
3) l’eliminazione degli ossidi di azoto, tipici prodotti nei processi di combustione, con reazio ni catalitiche che utilizzino riducenti alternativi all’ammoniaca, come gli idrocarburi.
16
Premessa
L
o sviluppo di varie reti di monitoraggio e la realizzazione di numerose campagne di m
sura ha reso disponibile una grande quantità di dati sull’inquinamento atmosferico re gistrato nella Regione Lombardia.
Questa forte disponibilità di dati rappresenta una grande risorsa di conoscenze che non vie ne sempre utilizzata al pieno delle potenzialità. Infatti spesso le elaborazioni condotte sui dati
si limitano all’esigenza istituzionale di verifica dei limiti di legge, mentre è noto che, laddove la
popolazione e la qualità dei dati lo consentono, con approcci orientati “al recettore” si possono
ricavare informazioni di grande utilità nella gestione della qualità dell’aria e in particolare nel l’impostazione dei piani di risanamento. L’uso di questo approccio statistico, tuttavia, richiede
una integrazione con un approccio deterministico. Quest’ultimo, benché probabilmente più no to e consolidato, presenta ancora numerosi aspetti problematici sia per la difficoltà di reperire
dati affidabili sulle emissioni degli inquinanti e sui parametri meteorologici sia perché i codici
disponibili sono stati generalmente ideati per situazioni ambientali molto differenti da quelle
caratteristiche della Regione Lombardia.
In questo contesto il presente lavoro, dopo una dettagliata descrizione dei dati attualmente
disponibili per la Regione Lombardia, si propone di discutere il ruolo dell’approccio statistico e
deterministico nella gestione dell’inquinamento atmosferico.
Per quanto riguarda l’approccio statistico, in particolare, ci si propone di evidenziare come
esso possa essere utilizzato nell’ambito della risoluzione di problematiche connesse con l’indi viduazione degli obiettivi di riduzione delle emissioni richiesti dalla stesura di piani di risana mento. Per l’approccio deterministico, invece, viene presentata una simulazione dell’inquina mento atmosferico in una zona della Lombardia e un “sistema esperto” che consente a un uten te non esperto di individuare il modello più idoneo alle sue problematiche.
Il materiale raccolto è diretto a tre fondamentali gruppi di utenti:
• i tecnici del settore pubblico che hanno compiti di istituto in materia di controlli sulla qua -
17
lità dell’aria. Gli argomenti trattati sono sicuramente noti. Questa pubblicazione intende però
fornirli in una versione organizzata e di semplice consultazione. Si intende così facilitare il
compito a chi ha necessità di reperire un particolare dato durante lo svolgimento dell’attività
lavorativa quotidiana.
• I tecnici dei settori produttivi coinvolti nella gestione del controllo delle emissioni in atmo sfera degli impianti. Si è trattato di fornire loro informazioni sulle metodologie di lettura dei
dati di qualità dell’aria in riferimento alla normativa. Questo dato è utile per definire lo scena rio in cui si colloca un particolare impianto.
• Gli amministratori locali che hanno compiti di vigilanza e di controllo sulla qualità dell’a ria, e che sono chiamati a prendere delle decisioni, spesso di grande peso per la collettività, a
fronte dell’evoluzione di certi parametri di qualità dell’aria. Essi sono espressione del territorio
e dei suoi bisogni, oltre che testimoni diretti degli eventi che generano un miglioramento (o un
peggioramento) della qualità dell’aria. Fornirli di strumenti agili di conoscenza e documenta zione è sembrato un servizio per la collettività.
Sulla base di queste considerazioni, questi sono gli argomenti trattati nei singoli capitoli:
1. Il primo capitolo rende disponibili agli addetti e ai ricercatori dati e informazioni, preve dendo una fase di analisi e di organizzazione, per valutarne la relativa completezza, affidabi lità, comparabilità e utilizzabilità. Il relativosoftware è disponibile nel sito Internet nell’area di
down load*.
2. Un completamento di questo approccio è costituito dal secondo capitolo, in cui ci si occu pa della valutazione delle emissioni da traffico, che esige stime sempre più accurate delle sue
emissioni anche in relazione alla definizione di strategie di risanamento. In questo contesto è
stato aggiornato e sviluppato il modello di calcolo EMISMOB. Questo modello implementa la
metodologia di calcolo del progetto CORINAIR e la adatta a situazioni specifiche della moto rizzazione italiana. Il relativo software è disponibile nel sito Internet nell’area di down load*.
3. Il terzo capitolo considera le serie annuali dei dati di concentrazione registrate dalle 27 sta zioni della rete di rilevamento regionale operanti nell’area omogenea di Milano nel periodo
1989-1994. Si sono calcolati i principali parametri della statistica descrittiva, e, per descrizio ni più raffinate delle distribuzioni, si sono utilizzati modelli statistici empirici che possono con sentire descrizioni anche molto precise dei valori estremi, e risultano quindi di particolare uti lità per l’area del rilevamento. Il relativo software è disponibile nel sito Internet nell’area di
down load*.
4. Complementare a queste argomentazioni è il contenuto del quarto capitolo, in cui si indi vidua una procedura di valutazione, partendo dall’acquisizione dei dati di qualità dell’aria. Se
lo standard è superato si fanno delle ipotesi di riduzione delle emissioni e la media risultante,
calcolata con il modello roll-back sulla base di tali ipotesi, viene interpretata dai modelli stati stici per valutare se l’ipotesi di riduzione ha avuto successo. Nella modellistica della qualità del l’aria in ambito urbano, come del resto in diversi altri settori della modellistica dei sistemi am bientali, esiste una proliferazione di modelli e relativi packages, atti a simulare le più svariate
situazioni.
5. Il quinto capitolo mostra la realizzazione di un sistema che, fissato e circoscritto un certo
ambito applicativo, risulti in grado di supportare l’utente “inesperto” nella fase di scelta del
modello, fornendogli il maggior numero possibile di informazioni riguardo lo stato dell’arte
* Il sito è www.flanet.org
18
corrente. Questo sistema, è disponibile nel sito Internet nell’area di down load* e può essere
facilmente installato su un personal computer.
6. Il sesto capitolo raggruppa i dati disponibili per la costruzione della parte chimica di un
modello previsionale di qualità dell’aria. Si tratta di una raccolta di informazioni sulle trasfor mazioni dei composti chimici emessi in atmosfera da utilizzare nella modellistica troposferica.
Anche questo capitolo è dotato di una banca dati su supporto informatico.
7. Il modello CALGRID, di derivazione californiana, è utilizzato nel settimo capitolo per
modellare la qualità dell’aria in una porzione del territorio lombardo. Questo modello ap partiene alla classe dei modelli Euleriani che sono basati sulla conservazione della massa
espressa in funzione del tempo e delle coordinate di un sistema di riferimento fisso. Vengo no così effettuati diversi confronti tra la concentrazione calcolata e quella misurata per al cuni importanti inquinanti.
8. L’ottavo capitolo pone il problema della conoscenza sia della funzione dei costi di disinqui namento che di quella dei danni all’ambiente. Ciò significa, in altri termini, valutare la curva
di domanda di aria pulita. Esistono infatti delle tecniche che permettono di valutare, diretta mente o indirettamente, la disponibilità a pagare dei consumatori per ottenere un dato bene,
nella fattispecie l’aria pulita. Esse vengono esaminate insieme ai problemi teorici ed empirici
che derivano dalla loro applicazione.
Complessivamente, statistica, modellistica e valutazione economica del fenomeno e degli in terventi sono il contenuto di questo volume e del materiale fornito su supporto informatico.
Bruno Rindone
e Ada Lucia De Cesaris
19
Capitolo 1
Reperimento e organizzazione
dei dati esistenti
di inquinamento atmosferico
relativi all’area milanese
Giorgio Catenacci e Antonio Negri
D A T ID I
INQUINAMENTO A T M O S F E R I C OD E L L ’ AREA M E T R O P O L I T A N AM I L A N E S E
E METODOLOGIE PER LA G E S T I O N ED E L L A Q U A L I T ÀD E L L ’ ARIA
Sommario
L’area metropolitana milanese è probabilmente la zona per la quale è stata effettuata la più in tensa attività di rilevamento dell’inquinamento atmosferico in Italia. A questa attività, nel cor so degli ultimi 30 anni, hanno contribuito soggetti di varia natura e, accanto a enti come le am ministrazioni provinciali e i PMIP che hanno svolto i loro rilievi per scopi istituzionali, hanno
operato anche numerosi enti di ricerca e società, sia pubbliche che private.
I dati prodotti nell’ambito di questa articolata attività di misura non sono purtroppo sempre
facilmente accessibili. Infatti, se enti come la Regione Lombardia hanno investito forti risorse
per realizzare strumenti informatici che consentissero una rapida ed efficiente diffusione dei da ti, altri hanno adottato scelte differenti e conseguentemente i dati da loro raccolti non hanno po tuto avere grande diffusione.
In questo contesto uno degli obiettivi della ricerca è stato quello di raccogliere, organizzare e
rendere disponibili tutti i dati relativi sia ai macro che ai microinquinanti raccolti nell’area me tropolitana milanese nel periodo 1987/95.
Nel capitolo vengono evidenziati i risultati di questa attività e viene presentato il catalogo
CATALOMB per l’accesso ai dati dell’area metropolitana milanese.
1.1 Introduzione
La ricerca si è posta l’obiettivo di raccogliere, organizzare e rendere disponibili tutti i
dati relativi sia ai macro che ai microinquinanti raccolti nell’area metropolitana milanese nel periodo 1987/95.
La tabella 1.1 evidenzia un quadro sintetico di questi dati, mostrando, accanto a dati
facilmente accessibili come quelli disponibili negli archivi informatici regionali, anche
una significativa quantità di dati non disponibili su archivi di facile accesso.
1.2 CATALOMB: un catalogo per l’accesso
ai dati dell’area metropolitana milanese
Nell’ambito del progetto questi dati sono stati memorizzati in un archivio informatico, realizzato in formato ASCII così da rendere del tutto generale la possibilità di lettura ed elaborazione degli stessi. È stato anche sviluppato un Catalogo Informatizza to* che permette di visualizzare in modo semplice e immediato quali dati sono disponibili in archivio e di accedere a essi.
Lo scopo con cui è stato progettato il catalogo è quello di consentire la consultazione di Schede Riepilogative, permettendo così di effettuare ricerche mirate al fine di selezionare in modo semplice i dati di interesse dell’utente.
In particolare, le ricerche possibili nell’ambito del catalogo sono le seguenti:
1. scelta del composto inquinante all’interno di una lista prestabilita;
2. scelta del periodo temporale;
* Per la consultazione dei dati citati vedere il sito Internet nell’area di down load.Il sito è www.flanet.org
22
Capitolo 1 REPERIMENTOEORGANIZZAZIONE
DEIDATI ESISTENTI
DIINQUINAMENTO ATMOSFERICO RELATIVIALL ’AREAMILANESE
3. scelta della tipologia dei rilievi, distinta in:
• misure con strumentazione automatica “puntuale”;
• misure con strumentazione automatica “di area”;
• misure “integrate”, ovvero tramite prelievo e successiva analisi di laboratorio.
Soggetto fornitore
dei dati
Inquinanti/metodi
misura
Sito
di rilevamento
Periodo
temporale
Regione
Lombardia,
Settore Ambiente
ed Ecologia
Progetto
“ARIANNA”
concentrazioni
orarie degli
inquinanti
regolamentati
dal DPCM
28/3/1983
220 stazioni fisse,
ubicate sul
territorio regionale
1989/94
Enel Spa,
DSR/CRAM
Milano
Ist. Fisica Generale
Applicata, Univ.
degli Studi, Milano
concentrazioni
orarie degli
inquinanti
regolamentati
dal DPCM
28/3/1983
Torre di Brera (MI)
1987/93
PMIP - USSL 75/III
UO Fisica
campagne di
misura con
strumentazione
DOAS
Milano centro,
Milano Linate,
Cornaredo,
Corsico
periodidiscreti,
compresi tra
il 1992e il 1994
PMIP - USSL 75/III
UO Fisica
campagne di
misura con
Laboratorio Mobile
(DPCM 28/3/1983)
Milano e
comuni dell’area
omogenea
periodidiscreti,
compresi tra
il1989 e i l1 9 9 5
PMIP - USSL 75/III
UO Chimica
campagne di
misura di VOC
(aromatici)
Milano,
Via Juvara
e Viale Marche
periodidiscreti,
compresi tra
il1992eil 1995
CNR Ist.
Inquinamento
Atmosferico,
Roma
campagne di
misura con
strumentazione
DOAS
Milano
febbraio1993
CNR Ist.
Inquinamento
Atmosferico,
Roma
campagne
di misura
VOC, IPA,
acido nitroso, SO2,
NOx, O3, CO, 226Rn
Milano
febbraio- marzo
1994
CISE Spa,
Segrate (MI)
Fond. Clinica del
Lavoro, Pavia
campagne
di misura SO2, NOx,
O3, CO, HC,
particolato,
aromatici, aldeidi,
fibre
Milano
Piazza Diocleziano,
Piazza Aquileia,
Via Senato
periodidiscreti,
compresi tra
il1988 eil 1989
(segue)
23
D A T ID I
Soggetto fornitore
dei dati
Inquinanti/metodi
misura
Sito
di rilevamento
Periodo
temporale
CISE Spa,
Segrate (MI)
campagne
di misura SO2, NOx,
O3, CO, HC,
particolato, HCl,
metalli su
particolato PM10
Milano, Corsico
periodidiscreti,
compresi trail 1989
e il1990
CISE Spa,
Segrate (MI)
campagne di
misura SO2, NOx,
O3, CO, HC,
particolato, HCl
Milano,
Via Mecenate
e Via Carabelli
1990/92
CISE Spa,
Segrate (MI)
elementi in
traccia sul
particolato
Milano,
Torre Brera
1986/91
Tabella 1.1 - Dati raccolti nell’ambito del Progetto “La qualità dell’aria a Milano e i suoi riflessi
sulla salute”; per una descrizione più dettagliata dei dati riportati in questa tabella si rimanda al l’Appendice 1.
Una volta effettuata la ricerca l’utente ottiene una stampa riepilogativa contenente
informazioni circa i dati a disposizione, nonché l’indicazione del file in cui tali dati sono archiviati. Il catalogo permette inoltre all’utente l’effettiva estrazione dei file di archivio dati in formato ASCII.
Il catalogo è stato sviluppato per personal computer IBM-DOS compatibili, in ambiente Microsoft EXCEL 5.0, supportato da una versione WINDOWS almeno 3.1. Il
software può quindi essere direttamente richiamato da un’icona WINDOWS, in presenza del pacchetto MS-EXCEL.
La figura 1.1 mostra la schermata di avvio del catalogo, mentre la figura 1.2 mostra la
schermata relativa alla selezione dei dati desiderati.
Nelle successive figure 1.3-1.6 sono mostrate le schermate relative rispettivamente alla selezione dell’ente esecutore dei rilievi, del periodo temporale di riferimento, dell’inquinante di interesse e del tipo di misura (automatica, puntuale o di area,
integrata).
Si noti che, in tale fase, il lasciare un campo vuoto comporta che la selezione sarà condotta dal sistema in modo indipendente dal campo stesso; si noti, inoltre, che, nel caso
si effettui una ricerca con più di una condizione, la selezione verrà effettuata in modo
da soddisfare tutti i requisiti impostati. Per esempio, se si scelgono due composti inquinanti, il sistema selezionerà i dati in cui compaiono entrambi i composti indicati.
Utilizzando il tasto VISUALIZZA SCHEDE, si ottiene una scheda riepilogativa dei
dati selezionati (figura 1.7).
Nella schermata di figura 1.7 sono possibili diverse alternative, tra cui:
ESTRAI FILE: qualora l’utente desideri estrarre l’archivio dati; i file verranno resi disponibili su una directory di lavoro (C:\CATAL\TMP), insieme ai file read, che specificano il tipo di tracciato record di lettura dei file di dati;
24
DEIDATI ESISTENTI
SCHEDA SUCCESSIVA: per consultare le ulteriori schede eventualmente presenti
nella selezione;
RICOMINCIA: per effettuare una nuova ricerca di dati.
Una volta estratti, i dati sono disponibili in formato ASCII e possono essere elaborati dall’utente mediante gli strumenti informatici che egli ritiene più opportuni.
Nell’elaborare questi dati è comunque necessario che l’utente utilizzi una certa cautela in quanto essi, come tutti i dati sperimentali, possono contenere errori sia accidentali sia sistematici. Per una valutazione accurata del grado di affidabilità dei dati
contenuti nell’archivio precedentemente descritto si consiglia di contattare direttamente gli enti che hanno condotto le misure e le persone di riferimento indicate nelle
schede riportate in Appendice 1.
25
D A T ID I
Figura 1.1 - Schermata di avvio del catalogo.
Figura 1.2 - Schermata relativa alla selezione dei dati desiderati.
26
DEIDATI ESISTENTI
Figure 1.3 - Schermata relativa alla selezione dell’ente esecutore dei rilievi.
Figura 1.4 - Schermata relativa alla selezione del periodo temporale di riferimento.
27
D A T ID I
Figura 1.5 - Schermata relativa all’inquinante di interesse.
Figura 1.6 - Schermata relativa al tipo di misura (automatica, puntuale o di area, inte grata).
28
DEIDATI ESISTENTI
Figura 1.7 - Stampa riepilogativa dei dati selezionati.
Appendice - Schede riepilogative delle informazioni
contenute nei data-set reperiti
Nel seguito vengono riportate alcune schede contenenti informazioni sui principali
dati disponibili sul sito Internet nell’area di down load.*
Le schede evidenziano anche tutti quei dati che possono permettere all’utente di individuare l’ente e la persona di riferimento per un eventuale aggiornamento dei dati
e/o per informazioni di maggior dettaglio.
Scheda No. 1: rete regionale di rilevamento della qualità dell’aria
Ente:
Persona di riferimento:
Periodo:
Dati:
Regione Lombardia, Settore Ambiente ed Energia
Ing. Nicola Quaranta
1989/94
valori orari di concentrazione di: SO2,ossidi di azoto,
CO, O3, idrocarburi totali e CH4 e particolato totale sospeso
Questi dati sono stati rilevati presso 220 stazioni equipaggiate con strumentazione
automatica ai sensi dell’Appendice 10 del DPCM 28 marzo1983. Essi costituiscono la
base essenziale per la conoscenza della distribuzione spaziale e temporale degli inquinanti nell’area metropolitana milanese; informazioni ulteriori su questi dati possono essere ottenute mediante strumenti molto noti come ARIANNA o il bollettino
* Il sito è www.flanet.org.
29
D A T ID I
elettronico che l’Ufficio Sistemi Informatici della Regione Lombardia pubblica con cadenza annuale. Recentemente peraltro questi sistemi sono stati messi a disposizione
anche in Internet presso il sito della Regione Lombardia.
L’elevato livello di sviluppo dell’archivio dati regionale rende oggi l’accesso a questi dati molto semplice e pertanto essi possono venire facilmente aggiornati dall’utente che ne abbia interesse.
Scheda No. 2: stazione di qualità dell’aria Torre di Brera
Ente:
Periodo:
Dati:
ENEL SpA/DSR/CRAM
Dr. Pietro Bacci
1987/93
valori orari di concentrazione di: SO 2, ossidi di azoto,
CO e O3
La stazione di misura della qualità dell’aria “Torre di Brera” è ubicata sulla torre
maggiore di Palazzo Brera, a Milano, a una quota di 25 metri dal livello del suolo ed è
gestita congiuntamente dall’ENEL SpA/DSR/CRAM e dall’Istituto di Fisica Generale e Applicata dell’Università degli Studi di Milano.
Presso questo sito di misura sono stati condotti anche numerosi campionamenti di
aerosol atmosferici, tipicamente su periodi di sei ore, che sono poi stati analizzati per
la determinazione dei seguenti elementi: Al, Si, S, Cl, K, Ca, Ti, V, Cr, Mn, Fe, Ni, Cu,
Zn, Se, Br, Rb, Sr, Zr, Pb.
Il prelievo del particolato è stato effettuato su filtri tipo Nuclepore, secondo le indicazioni dell’Appendice 2 del DPCM 28 marzo1983, con una durata tipica del campionamento pari a sei ore. La determinazione degli elementi in traccia è stata effettuata
mediante la tecnica PIXE (Proton Induced X-ray Emission), irraggiando i campioni con
un fascio di particelle cariche (protoni) e rivelando la conseguente emissione X, alla
lunghezza d’onda tipica di ciascuna specie di interesse.
Scheda No. 3: PMIP Milano, Unità Operativa Fisica
e Tutela dell’Ambiente dati DOAS
Ente:
Periodo:
Dati:
PMIP Milano
Dr. Roberto Gualdi
gennaio 1992-dicembre 1994
valori ogni 6 minuti di concentrazione di: SO2, NO2,O3,
benzene, toluene, formaldeide e acido nitroso.
I rilievi sono stati effettuati mediante lo spettrometro DOAS OPSIS mod.ER150.
Le campagne sono state effettuate nelle seguenti località:
• 15/01/92 - 31/08/93 - Milano, Piazza Beccaria;
30
DEIDATI ESISTENTI
31
D A T ID I
32
DEIDATI ESISTENTI
• 09.03.93 - 17.10.93 - Aeroporto di Milano Linate;
• 03.12.93 - 09.03.94 - Cornaredo, Piazza Libertà;
• 06.09.94 - 31.10.94 - Corsico, SP Vigevanese.
Scheda No. 4: PMIP Milano, Unità Operativa Chimica dati VOC
Ente:
Periodo:
Dati:
PMIP Milano
Prof. Aldo Cavallaro
settembre 1992-marzo 1995
si veda il prospetto riportato nelle pagine precedenti,
che riassume, per le due postazioni di Via Juvara e
Viale Marche, i composti misurati, i relativi intervalli
di mediazione e i periodi di esecuzione dei rilievi.
Le determinazioni di COV effettuate sino a tutto il 1994 hanno visto l’esecuzione di
prelievi su fiala di carbone attivo (Supelco ORBO-32), a un flusso di 1 l/min, la successiva estrazione con solvente (CS2 esente da benzene) in bagno a ultrasuoni e l’analisi per GC/FID.
Con riferimento al prospetto riportato nella tabella 1.2, la tipologia dei prelievi è stata la seguente:
• dati contrassegnati con la sigla 02H: due prelievi/giorno, di tre ore ciascuno, rispettivamente dalle 7.30 alle 10.30 e dalle 16.30 alle 19.30;
• dati contrassegnati con la sigla 08H: otto prelievi/giorno, di tre ore ciascuno, che
coprono tutte le 24 ore;
• dati contrassegnati con la sigla 03H: tre prelievi/giorno, di otto ore ciascuno, rispettivamente dalle 6.00 alle 14.00, dalle 14.00 alle 22.00 e dalle 22.00 alle 6.00.
Dal 1995 i sistemi con fiale di prelievo sono stati sostituiti con strumentazione automatica, e precisamente (sempre con riferimento al prospetto riportato in tabella 1.2):
• dati contrassegnati con la sigla ETA: valori semi-orari, ottenuti con l’analizzatore
DANI mod.ETA;
• dati contrassegnati con la sigla BTX: valori orari, ottenuti con l’analizzatore Chrompack mod.BTX.
Scheda No. 5: PMIP Milano, Unità Operativa Fisica (dati Laboratorio Mobile)
Ente:
Periodo:
Dati:
PMIP Milano
Dr. Roberto Gualdi
periodi discreti, dal 1989 al 1995
valori medi orari di concentrazione di: SO2, ossidi di
azoto, CO, O3 e idrocarburi totali e metano
I rilievi sono stati effettuati mediante l’impiego di Laboratori Mobili, ai sensi del
DPCM 28 marzo 1983, secondo lo schema indicato nella seguente tabella.
33
D A T ID I
Num. progr.
Sito dei rilievi
Periodo di effettuazione
inizio
fine
Milano, Niguarda
26/6/89
14/10/89
2
Milano, Piazzale Dateo
01/1/90
04/2/90
3
Milano, Via Giambellino
09/2/90
01/3/90
4a
Cormano, Via Garibaldi
05/3/90
26/3/90
4b
Cormano, Via Bergamo
26/3/90
17/4/90
4c
Cormano, Via Martiri della Libertà
17/4/90
23/4/90
4d
Cormano, Via Martiri della Libertà
23/4/90
08/5/90
4e
Cormano, Via Bergamo
08/5/90
04/6/90
5
Milano, Viale Sarca
26/6/90
30/11/90
6
Cormano, Via Garibaldi
21/12/90
12/2/91
7
Senago
12/2/91
12/3/91
8
Milano, Via Valtellina
09/4/91
23/4/91
9a
Cologno M/, Via Boccaccio
12/3/91
03/4/91
9b
Cologno M/, Via Emilia
23/4/91
21/5/91
10
Seregno
21/5/91
24/6/91
11
Segrate, Via delle Regioni
24/6/91
24/7/91
12
Lodi, Piazza Zaninelli
24/7/91
23/8/91
13
Arcore
23/8/91
24/9/91
14
Cinisello Balsamo
24/9/91
24/10/91
15
Giussano
24/10/91
25/11/91
16
Segrate, Via delle Regioni
25/11/91
03/1/92
17
Milano, ITIS Molinari
03/1/92
22/1/92
18
Lodi, Piazza Zaninelli
22/1/92
24/2/92
19
Besana Brianza
24/2/92
24/3/92
20
Vimercate
24/3/92
04/5/92
21
Arluno, Via Toscanini
04/5/92
29/5/92
22
Arluno, Piazza Bonomelli
29/5/92
24/6/92
23
Vedano al Lambro
24/6/92
16/7/92
24
Milano, Via Rombon
16/7/92
23/7/92
25
Bertonico
23/7/92
25/8/92
26
Cassano d’Adda
25/8/92
30/9/92
1
(segue)
34
DEIDATI ESISTENTI
Num. progr.
Sito dei rilievi
27
Seveso
Periodo di effettuazione
inizio
fine
30/9/92
02/11/92
28a
Lissone, Via Martiri della Libertà
02/11/92
01/12/92
28b
Lissone, Via Don Minzoni
01/12/92
07/1/93
29
Busto Garolfo
07/1/93
18/2/93
30a
Melegnano, Piazza Risorgimento
18/2/93
18/3/93
30b
Melegnano, Via Emilia
18/3/93
22/4/93
31
Bresso
22/4/93
01/6/93
32
Desio
01/6/93
19/7/93
30c
Melegnano, Piazza Risorgimento
19/7/93
30/8/93
32a
Milano Linate, sito 1
01/9/93
20/9/93
32b
Milano Linate, sito 2
20/9/93
19/10/93
33
Magenta
22/10/93
23/11/93
34
Cornaredo
23/11/93
10/1/94
35
Gorgonzola
13/1/94
15/2/94
36
Abbiategrasso
15/2/94
11/4/94
37
Milano, Via Farini
12/4/94
09/5/94
38
Lainate
12/5/94
09/6/94
39
Renate
09/6/94
08/8/94
40
Vaprio d’Adda
11/8/94
27/9/94
41
San Donato Milanese
30/9/94
21/11/94
42
Milano, Via Gattamelata-Via Colleoni
21/11/94
12/12/94
43
Pieve Emanuele
12/12/94
16/1/95
44
Milano, Tunnel Stazione Centrale
09/2/95
05/3/95
45
Carnate
06/3/95
27/4/95
46
Muggiò
12/5/95
26/6/95
Tabella 1.3 - Campagne di misura effettuate dal PMIP Milano, Unità Operativa Fisica, tramite
Laboratorio Mobile.
35
D A T ID I
Scheda No. 6: altri dati
altri interessanti dati contenuti nel database sono stati raccolti dai seguenti enti:
Ente:
CNR, Istituto per l’Inquinamento Atmosferico, Roma
Prof. Ivo Allegrini
Ente:
Comune di Milano (committente)
CISE, Fondazione Clinica del Lavoro di Pavia (esecutori)
Comune di Milano: Assessore al Settore Igiene e Sanità
CISE: Dr. Paolo Frigieri,
Fondazione Clinica del Lavoro di Pavia: Dr. Claudio
Minoia
Ente:
Ente:
36
AMSA Milano (committente)
CISE (esecutore)
AMSA: Direzione Tecnica
CISE: Dr. Paolo Frigieri
Aem Milano (committente)
CISE (esecutore)
Aem: Ing. Dario Merlini
CISE: Dr. Paolo Frigieri
Capitolo 2
Il modello EMISMOB2
per la stima
delle emissioni da traffico
Michele Giugliano, Stefano Cernuschi e Andrea Cemin
D A T ID I
Sommario
Il traffico veicolare costituisce attualmente la sorgente di inquinanti più rilevante nelle aree ur bane e pertanto la definizione di eventuali strategie di risanamento necessita di strumenti in
grado di evidenziare in modo dettagliato l’impatto di eventuali interventi sulle emissioni do vute a questa sorgente.
In questo contesto il capitolo presenta il modello EMISMOB2 che permette il calcolo delle
emissioni complessive di un’area in un determinato intervallo di tempo e consente la stima del l’effetto di eventuali interventi di regolazione del traffico o del parco circolante.
Nel capitolo viene discusso il modello e viene presentata una sua applicazione alla stima del l’evoluzione delle emissioni da traffico nell’area urbana di Milano nel corso del periodo
1996-2001 con l’obiettivo di verificare l’effetto del progressivo rinnovamento del parco circo lante lungo un arco temporale di cinque anni.
2.1 Il modello EMISMOB2
2.1.1 Introduzione
L’ampio numero di variabili coinvolte nel processo di emissione da traffico motorizzato ne rende alquanto complessa la valutazione. D’altra parte il ruolo sempre
più rilevante assunto da questa sorgente nei problemi di qualità dell’aria esige stime sempre più accurate delle sue emissioni anche in relazione alla definizione di
strategie di risanamento.
In questo contesto è stato aggiornato e sviluppato il modello di calcolo EMISMOB2.
Questo modello, messo a punto nell’ambito del progetto AMES e impiegato per lo studio “Il progetto veicolo elettrico nell’area di Milano”, implementa la metodologia di
calcolo del progetto CORINAIR e la adatta a situazioni specifiche della motorizzazione italiana.
Come noto, la valutazione delle emissioni si basa su tre elementi fondamentali: il numero di veicoli circolanti, la distanza da questi percorsa nell’unità di tempo considerata e il fattore di emissione, cioè la massa di inquinante emessa dal veicolo riferita a
una percorrenza unitaria. L’algoritmo generale di calcolo è quindi definito come:
Ei =
Σ FE
c
i,c
• pc • N c
(2.1)
dove:
Ei [g/t]:
emissione dell’inquinante (i) nell’unità di tempo (t) considerata;
FEi,c [g/km]: fattore di emissione dell’inquinante (i) per i veicoli di categoria c;
pc [km/t]:
percorrenza media dei veicoli di categoria c nell’unità di tempo (t)
considerata;
Nc [-]:
numero di veicoli di categoria c.
Questa relazione può essere utilizzata con diversi livelli di disaggregazione per tenere conto in maniera il più possibile dettagliata delle differenze che intervengono a
caratterizzare l’emissione per tipo di veicolo e modalità di percorso.
38
Capitolo 2 ILMODELLO EMISMOB2 PER LA STIMADELLEEMISSIONI
DATRAFFICO
2.1.2 I fattori di emissione CORINAIR
Come già accennato, la CEE ha promosso e coordinato un progetto per la stima delle
emissioni di inquinanti atmosferici. La prima fase di tale progetto, denominato CORINAIR (Coordination of Informations on the Environment Air), si è conclusa nel 1989 ed era
costituita dalla realizzazione di un inventario prototipo delle emissioni dei principali
macroinquinanti (SO 2, NO x, polveri, CO e COV) per l’anno 1985 e per tutti i paesi
membri della CEE. In tale ambito sono state messe a punto delle formulazioni per i fattori di emissione da combustioni mobili, caratterizzandole secondo il carburante utilizzato (benzina, gasolio, GPL), il regime di traffico (urbano, extraurbano, autostradale) e varie tipologie di veicoli.
Per la tipologia più rilevante per l’inquinamento nelle aree urbane (veicoli a benzina leggeri), l’ampia disponibilità di dati sperimentali e il progressivo restringimento
dei limiti all’emissione con le diverse normative comunitarie emanate negli ultimi 20
anni (tabella 2.1) avevano suggerito un’ulteriore suddivisione della categoria in base a
tre classi di cilindrata (< 1400 cc, 1400-2000 cc, > 2000 cc) e all’applicazione delle regolamentazioni ECE (PRE ECE, ECE 15/00-01, ECE 15/02, ECE 15/03, ECE 15/04).
Una seconda fase del progetto CORINAIR è stata sviluppata negli anni successivi,
allo scopo di aggiornare i fattori di emissione per l’inventario del 1990. In questo contesto sono state inserite nuove classi di veicoli per tenere conto dell’evoluzione tecnologica successiva al 1985. In particolare in seguito alla diffusione delle marmitte catalitiche, sono state introdotte nella tipologia veicoli a benzina leggeri tre nuove classi:
Improved Conventional, Open Loop e Closed Loop che tengono conto della situazione presente in quelle nazioni che hanno introdotto limiti alle emissioni più restrittivi rispetto alla normativa comunitaria ECE 15/04.
Direttiva CEE
Regolamento ECE
Recepimento in Italia
70/220
15/00 (1970)
1975
74/290
15/01 (1974)
77/102
15/02 (1977)
1977
78/265
15/03 (1978)
1979
83/351
15/04 (1981)
1984
83 (1988)
1989
88/76
91/441
1992
Tabella 2.1 - Direttive CEE in materia di emissioni da autoveicoli.
Il modello EMISMOB2 (Calcolo delle EMISsioni da fonti MOBili, versione 2) impiega,
come si è detto, l’algoritmo generale di calcolo descritto dall’equazione (2.1). Esso viene fornito su supporto informatico. Di seguito vengono riportate informazioni più
specifiche sul metodo di calcolo dei fattori di emissione per le varie classi di veicoli e di
regimi di marcia.
39
D A T ID I
2.1.3.1 La suddivisione del parco circolante in categorie di veicoli
Il modello EMISMOB2 adatta i parametri del progetto CORINAIR alla situazione italiana considerando le categorie di veicoli riportate in tabella 2.2. Rispetto alla metodologia CORINAIR, viene considerato un minor numero di categorie di veicoli, ritenute
adeguate a descrivere la situazione attuale del parco nazionale e la relativa evoluzione nel breve e medio periodo.
Per quanto riguarda la suddivisione in classi di età, vengono tralasciate le vetture
corrispondenti alle normative antecedenti alla ECE 15/03, entrata in vigore nel 1979,
in quanto si ritiene che l’esiguo numero di tali vetture ancora circolanti sia tale da non
influenzare significativamente le emissioni complessive; per le vetture dell’ultima generazione, dotate di marmitta catalitica, viene fatto riferimento alla categoria più restrittiva considerata dal progetto CORINAIR, denominata Closed Loop, in quanto è l’unica che rispetta i limiti previsti dalla direttiva CEE 91/441 recepita dalla normativa
italiana (DM Ambiente 7 gennaio 1992).
2.1.3.2 Fattori di emissione allo scarico per gli inquinanti considerati
I risultati della seconda fase del progetto CORINAIR contengono una descrizione
accurata dell’andamento delle emissioni con le condizioni di guida per i veicoli passeggeri. Per questi veicoli, in particolare, sono disponibili parametrizzazioni in funzione della velocità dei fattori di emissione dei principali inquinanti (CO, COV e
NOx) e del consumo specifico di carburante. Per quanto riguarda le altre classi di
veicoli, i fattori di emissione sono definiti più semplicemente in base al tipo di percorso del veicolo, distinto nelle tre configurazioni di marcia urbana, extraurbana e
autostradale. La suddivisione in categorie di veicoli adottata dal modello EMISMOB2 è riportata in tabella 2.2.
Per un’analisi di dettaglio dei fattori di emissione CORINAIR relativi alle varie classi di veicoli e di regime di marcia che vengono utilizzati dal modello EMISMOB2 si rimanda a Giugliano et al., 1996.
Le emissioni di inquinanti dovute al traffico veicolare, oltre che dalle tipologie dei veicoli e dai regimi di marcia, dipendono anche dalla frazione dei veicoli funzionanti con
motore “freddo”, dallo stato di manutenzione dei veicoli e dalle emissioni evaporative.
1. emissioni in condizione di motore freddo
Il motore viene per definizione considerato “caldo” o “freddo” a seconda che la temperatura del liquido di raffreddamento superi o meno i 70°C. L’emissione a freddo
viene calcolata, a partire dall’emissione a caldo, in base alla relazione:
EFi,j = βj • mj • ec • (ef/ec - 1)
(2.2)
dove:
EFi,j [g/t]:
βj [ - ]:
mj [km/t]:
ec [g/km]:
ef/ec [ - ]:
40
emissione a freddo, nell’unità di tempo (t), dell’inquinante (i) per il
veicolo di categoria j;
frazione di percorrenza effettuata con motore freddo;
percorrenza, nell’unità di tempo(t), del veicolo di categoria j;
fattore di emissione a caldo
rapporto emissione a freddo/emissione a caldo.
DATRAFFICO
Il parametro βj dipende dalla temperatura ambientale t a [°C] e dalla lunghezza del
viaggio medio ltrip [km] secondo la relazione:
βj = 0,647 - 0,025 • ltrip - (0,00974 - 0,000385 • ltrip) • ta
(2.3)
2. Valutazione dell’effetto della cattiva manutenzione dei veicoli
Un’accurata messa a punto del motore, mediante periodici interventi di manutenzione, può ridurre sensibilmente le emissioni allo scarico.
Veicoli passeggeri (< 2,5 ton)
Veicoli leggeri (2,5-3,5 ton)
Benzina
13
Benzina
1
ECE 15/03 < 1400 cc
14
Diesel
2
ECE 15/03 1400 cc - 2000 cc
3
ECE 15/03 > 2000 cc
Veicoli pesanti (3,5-16 ton)
4
ECE 15/04 < 1400 cc
15
Benzina
5
ECE 15/04 1400 cc - 2000 cc
16
Diesel
6
ECE 15/04 > 2000 cc
Veicoli pesantissimi (> 16 ton)
7
Catalizzate < 1400 cc
8
Catalizzate 1400 cc - 2000 cc
9
Catalizzate > 2000 cc
17
Diesel
Diesel
Motocicli
10
< 2000 cc
18
Ciclomotori < 50 cc
11
> 2000 cc
19
Motocicli > 50 cc a 2 tempi
20
Motocicli > 50 cc a 4 tempi
12
GPL
Tabella 2.2 - Suddivisione in categorie di veicoli adottata dal modello EMISMOB2.
Attualmente i parametri richiesti per un’adeguata valutazione del fenomeno sono
difficilmente reperibili; il modello prevede comunque la possibilità di considerare un
incremento delle emissioni dovuto a una frazione di automezzi circolanti in condizioni di cattiva manutenzione. Il valore dell’incremento viene calcolato per i veicoli passeggeri e leggeri (< 3,5 t) a partire dalla frazione di veicoli circolanti in stato di cattiva
41
D A T ID I
manutenzione e dal rapporto tra le emissioni del veicolo prima e dopo l’intervento di
manutenzione definito per ogni inquinante e ogni categoria di veicoli.
3. Emissioni evaporative
Le emissioni evaporative riguardano solo i composti organici volatili e vengono generate quasi esclusivamente dai veicoli a benzina, data la maggiore volatilità che ne
caratterizza il combustibile rispetto al gasolio dei veicoli diesel. Anche per queste la
carenza di dati non ha permesso di trattare tutte le categorie di veicoli, si hanno quindi i valori solo per i veicoli a benzina passeggeri e leggeri (< 3,5 t) e per i motocicli.
Le emissioni evaporative possono essere suddivise in quattro categorie:
• perdite in movimento: avvengono quando il veicolo è in uso; esse sono dovute al
riscaldamento del serbatoio provocato dai condotti di scarico dei gas, dall’aria riscaldata nel comparto motore che fluisce sotto il veicolo, dal combustibile caldo di
ritorno dal comparto motore e dal calore irradiato dal manto stradale;
• perdite diurne: sono causate dalle variazioni di temperatura del serbatoio dovute
all’escursione termica giornaliera dell’ambiente;
• emissioni hot soak: sono generate dal riscaldamento del sistema di alimentazione
del combustibile dovuto al calore disperso dal motore e dai condotti di scarico dei
gas quando il veicolo viene spento. Il calore proveniente dal motore può causare
l’aumento della temperatura del combustibile nel carburatore a un valore di circa
70°C, causando l’evaporazione della frazione più leggera della benzina;
• emissioni da rifornimento: sono dovute ai vapori di benzina espulsi dal serbatoio
dal carburante immesso durante il rifornimento. Esse dipendono, oltre che dall’entità del rifornimento, dalla temperatura del liquido nel serbatoio.
Il modello EMISMOB2 consente la valutazione delle emissioni evaporative secondo
una relazione che considera le perdite in movimento, le perdite diurne e le emissioni
hot soak.
2.1.4 Modalità di applicazione del modello
Il modello EMISMOB2 può essere applicato in due configurazioni di calcolo: la prima,
tipica delle valutazioni a scala medio-grande, è relativa al traffico diffuso in un’area
mentre la seconda si riferisce al traffico incanalato negli assi viari di una rete stradale,
caratteristico di valutazioni a scala più ridotta.
L’opzione di valutazione delle emissioni diffuse trova la sua applicazione nel calcolo delle emissioni complessive di un’area in un determinato intervallo di tempo e nella stima dell’effetto su queste di eventuali interventi di regolazione del traffico o del
parco circolante considerati nel loro complesso (per esempio limitazioni alla circolazione o introduzione di particolari dispositivi antinquinamento). A tale scopo è anche
possibile suddividere l’area di studio in sottosettori, caratterizzati da distinte condizioni di traffico (velocità media) e da diverse composizioni del parco circolante (per
esempio per limitazioni alla circolazione di alcune categorie di veicoli, come i camion
o i veicoli privi di marmitta catalitica, in alcune zone).
Lo schema di calcolo adottato dal modello in questa configurazione viene riportato
in figura 2.1. L’opzione di valutazione delle emissioni relative a singoli assi viari è molto simile, differenziandosi solo nei dati di input che, anziché riferirsi al complesso di
un’estesa area, devono riferirsi a singoli tratti di strada.
42
I Numero totale di veicoli
DATRAFFICO
I Categorie di veicoli
Composizione del parco
circolante per categorie di veicoli
Sì
Veicoli
passeggeri
No
% di veicoli per tipologia
(urbana, extraurbana,
autostradale)
% veicoli per classi
di velocità media
% di veicoli
in marcia a freddo
Sì
% di veicoli con
cattiva manutenzione
Veicoli
leggeri
No
Distribuzione del parco circolante
in classi distinte per categorie
di veicoli, tipo di marcia
e stato di manutenzione
I Percorrenza media per
il veicolo di ogni classe
Percorrenza totale di
ogni classe di veicoli
I Fattori di emissione
per classi di veicoli
O Emissioni per ogni classe di veicoli
Figura 2.1 - Schematizzazione della procedura di calcolo delle emissioni diffuse da un singolo trat to stradale.
43
D A T ID I
2.2 Applicazione del modello EMISMOB2 alla stima dell’evoluzione
delle emissioni da traffico nell’area urbana di Milano
La metodologia di calcolo sviluppata è stata applicata alla stima dell’evoluzione delle emissioni da traffico nell’area di Milano nel periodo 1996-2001 allo scopo di verificare l’effetto del progressivo rinnovamento del parco circolante lungo un arco temporale di cinque anni. La superficie considerata ricopre un quadrato di 18 km di lato e
comprende l’area urbana della città e il sistema di tangenziali che la circonda.
2.2.1 Evoluzione del parco circolante
In tabella 2.3 viene riportata una stima dell’evoluzione delle percorrenze giornaliere complessive nell’area urbana di Milano per categoria di veicoli ricavata dal Piano Urbano del Traffico formulato per la città (Comune di Milano, 1995). Come si
può osservare, nel periodo considerato dallo studio, a eccezione di un leggero aumento dei chilometri percorsi dalle autovetture il primo anno, si prevede una progressiva riduzione delle percorrenze complessive, in quanto si ritiene che l’eventuale incremento della domanda di spostamenti possa venire assorbito dal potenziamento della rete di trasporto pubblico elettrico e dalle relative infrastrutture
(parcheggi di scambio).
1996
1997
1998
1999
2000
2001
Auto
14.212.500
14.259.000
14.155.750
14.052.500
13.949.250
13.846.000
Moto
470.000
469.000
463.750
458.500
453.250
448.000
Merci
1.995.000
1.995.000
1.995.000
1.995.000
1.995.000
1.995.000
171.500
170.000
168.250
166.500
164.750
163.000
Bus
Tabella 2.3 - Percorrenze complessive giornaliere nell’area urbana di Milano per tipo di veicolo in
una giornata tipo invernale feriale dalle ore 0 alle 24.
Per quanto riguarda il tipo di combustibile utilizzato nello studio in esame, la ripartizione tra mezzi alimentati a benzina, gasolio e gas è stata effettuata secondo le percentuali relative a un campione significativo del parco automobilistico nazionale. Alla stessa fonte è stato fatto riferimento per la suddivisione dei veicoli passeggeri in base alla cilindrata.
L’evoluzione della composizione del parco dei veicoli passeggeri a benzina per classe di anzianità, legata alla progressiva introduzione di vetture dotate di convertitore
catalitico a seguito delle imposizioni normative entrate in vigore nel 1991, è stata stimata a partire dalla ripartizione per classi di anzianità, ricavata sulla base di rilevamenti statistici condotti sia in provincia di Milano che a livello medio nazionale e applicata per ogni anno.
I risultati ottenuti, riportati in figura 2.2, prevedono un incremento del 70% circa
di vetture catalizzate al 2001, a fronte del 40% che caratterizzava il parco circolante
nel 1996.
44
< 1984 (convenzionali)
DATRAFFICO
1984/91 (convenzionali)
> 1991 (catalizzatori)
80%
60%
40%
20%
0%
1996
1997
1998
1999
2000
2001
Figura 2.2 - Evoluzione temporale della composizione per classi di anzianità
del parco circolante dei veicoli passeggeri a benzina.
2.2.2 Suddivisione dell’area di studio per regimi di traffico
e ripartizione del parco circolante
Nel contesto dell’applicazione del modello EMISMOB2, l’area urbana milanese è stata suddivisa in quattro settori, differenziati per modalità di circolazione e individuati
da un’indagine sperimentale condotta per la valutazione dei cicli di guida rappresentativi dell’area stessa. La ripartizione del traffico per questi settori e le rispettive velocità medie rappresentative sono riportate in figura 2.3.
Figura 2.3 - Ripartizione dei veicoli circolanti nei quattro settori e velocità rap presentative.
Per i veicoli pesantissimi (TIR) la valutazione è stata condotta separatamente, ipotizzando la loro presenza esclusivamente sulle tangenziali esterne caratterizzate da un
regime di traffico autostradale.
45
D A T ID I
46
DATRAFFICO
I fattori di emissione utilizzati per CO, NOx e COV, corrispondenti ai rispettivi regimi di marcia, sono riportati in tabella 2.4.
Le emissioni dei veicoli passeggeri circolanti con motore freddo sono state calcolate
per una temperatura ambientale di 12°C (media annua per l’area di Milano), secondo
uno schema descritto in Giugliano et al., 1996. In base alla relazione (2.2), per una lunghezza media dello spostamento pari a 7,8 km, la percentuale di veicoli circolanti con
motore freddo è stata valutata del 37,1%.
2.2.3 Stima dell’evoluzione delle emissioni
Con le assunzioni precedenti, nello studio in esame è stata calcolata l’evoluzione temporale delle emissioni degli inquinanti nell’area urbana milanese a partire dalla situazione del 1996. Le figure 2.4 , 2.5 e 2.6 evidenziano, a titolo di esempio le stime relative
al CO, ai COV e agli ossidi totali di azoto.
Dall’analisi delle simulazioni si può osservare come l’incremento dei veicoli dotati di dispositivi antinquinamento (marmitta catalitica) porti, nell’arco temporale
considerato dallo studio, a una riduzione di più del 30% delle emissioni di CO; riduzioni inferiori (attorno al 20%) sono attese per gli NO x, sui quali il catalizzatore
ha un effetto minore, e per i COV, per i quali è stata assunta invariata la quota
emessa per evaporazione. Per quanto riguarda gli altri inquinanti considerati dallo studio e i consumi di combustibile complessivi la riduzione attesa è meno significativa e corrisponde sostanzialmente alla variazione dei chilometri percorsi dai
veicoli.
Per N 2O e ammoniaca, presenti all’emissione delle vetture catalizzate come sottoprodotti della riduzione degli NOx, è viceversa atteso un incremento progressivo
delle emissioni stesse, in linea con l’aumento della frazione catalizzata del parco
circolante.
CO
150.000
100.000
50.000
0
1996
1997
1998
1999
2000
2001
Anno
Figura 2.4 - Evoluzione temporale delle emissioni annue di CO.
47
D A T ID I
COV
25.000
20.000
15.000
10.000
5000
0
1996
1997
1998
1999
2000
2001
Anno
Figura 2.5 - Evoluzione temporale delle emissioni annue di COV.
NOx
10.000
8000
6000
4000
2000
0
1996
1997
1998
1999
2000
Anno
Figura 2.6 - Evoluzione temporale delle emissioni annue di NOx .
48
2001
Capitolo 2 B IBLIOGRAFIA
Bibliografia
Cilione, M., Pennisi, L. 1996. Valutazione degli
inquinanti per la circolazione di autovetture in
alcuni comuni. Un’applicazione. Convegno:
“L’informazione statistica per il governo dell’ambiente”; Roma 29-30 gennaio 1996.
Avella, F. 1989. Stato di manutenzione, traffico
urbano ed emissioni inquinanti di vetture a
benzina. La Rivista dei Combustibili, vol. XLII,
283- 315.
Bocola, W., Cirillo, M. C., Gaudioso, D., Trozzi, C., Vaccaro, R., Napolitano, C. 1989. Progetto CORINAIR. Inventario delle emissioni di inquinanti dell’aria in Italia nell’anno 1985.
ENEA RTI/Studi - VASA (89) 8.8.
Cemin, A. 1995. Valutazione delle emissioni da
traffico: metodologia e analisi modale. Tesi di
dottorato. Politecnico di Milano - DIIAR.
Comune di Milano 1995. Piano Urbano del
Traffico.
Degobert, P. 1992. Automobile et Pollution.
Éditions Tecnip.
Eggleston, H. S., Gaudioso, D., Gorissen, N.,
Joumard, R., Rijkeboer, R. C., Samaras, Z., Zierock, K. H. 1991. CORINAIR Working Group
on Emission Factors for Calculating 1990 Emissions from road Traffic - Volume 1 Methodology and Emission Factors. Commission of the
European Communities.
agosto 1992 - 4 settembre 1992. 6, IU-14A.10.
Giugliano, M., Cernuschi, S., Cemin, A. 1992.
The contribution of electric vehicles to air quality mainteinance in large urban areas. The 11th
International Electric Vehicle Symposium, Florence, Italy, 27-30 settembre 1992. 1, 3.06.
Giugliano, M., Cernuschi, S., Maja, R., Giovannini, I., Andretta, M., Cere, A. 1993. Progetto AMES - PARTE I: Il modulo per la valutazione delle emissioni da traffico e della qualità dell’aria. IA - Ingegneria Ambientale, vol. XXII, n°1112, 598-608.
The potential impacts of electric vehicles to air
quality in large urban areas. Milan case study. International Symposium on Air Pollution, Monterrey, Mexico, 23-25 febbraio 1993, 551-562.
Statistica dei dati di qualità dell’aria - area omogenea di Milano. Relazione n° 494.69911100
DIIAR, Politecnico di Milano.
Hickman, A. J. 1994. Vehicle maintenance and
exhaust emissions. The Science of the Total Envi ronment, 146/147, 235-243.
MVA - Systematica, 1994. TRIPS - Manuali d’uso e documentazione allegata.
Giugliano, M., Cemin, A., Cernuschi, S. 1992.
Evoluzione delle emissioni da traffico in un
area urbana europea. Il caso di Milano. Ingegne ria Ambientale, vol. XXI, n° 11-12, 648-654.
Podestà, C. 1993. Strategie di intervento sul traffico autoveicolare in aree metropolitane per il
contenimento dell’inquinamento atmosferico.
Politecnico di Milano, Dipartimento di Sistemi
di Trasporto e Movimentazione - Rapporto Interno.
Atmospheric emissions impact of electric vehicles: Milan case study. 9th World Clean Air
Congress & Exhibition, Montreal, Canada, 30
Provincia di Milano, Assessorato all’Ambiente, 1990. Studio modellistico sull’inquinamento
atmosferico da traffico autoveicolare nell’area
urbana di Milano.
49
Capitolo 3
L’approccio a recettore
D A T ID I
Sommario
Lo sviluppo di varie reti di monitoraggio e la realizzazione di numerose campagne di misura ha
reso disponibile una grande quantità di dati sull’inquinamento atmosferico registrato nella Re gione Lombardia.
Questa forte disponibilità di dati rappresenta una grande risorsa di conoscenze che non vie ne sempre utilizzata al pieno delle potenzialità. Infatti spesso le elaborazioni condotte sui dati
si limitano all’esigenza istituzionale di verifica dei limiti di legge, mentre è noto che, laddove la
popolazione e la qualità dei dati lo consentono, con approcci orientati “al recettore” si possono
ricavare informazioni di grande utilità nella gestione della qualità dell’aria.
In questo contesto il capitolo si propone di evidenziare come una dettagliata conoscenza del le distribuzioni dei dati e delle relazioni tra i vari parametri delle stesse permetta di esprimere
grandezze di difficile modellizzazione come, per esempio, il 98° percentile delle concentrazioni
orarie di biossido di azoto in termini di grandezze molto più semplici da trattare.
3.1 Statistica descrittiva
3.1.1 Disponibilità e serie analizzate
Figura 3.1 - Collocazione delle stazioni della rete regionale di rilevamento
nell’area omogenea.
52
Capitolo 3 L’ APPROCCIOA
RECETTORE
Si sono considerate nell’analisi le serie annuali dei dati di concentrazione registrate
dalle 27 stazioni della rete di rilevamento regionale operanti nell’area omogenea di
Milano (AO) nel periodo 1989-1994 (figura 3.1).
Sono disponibili per il periodo considerato 627 serie annuali di dati per i seguenti inquinanti: CO, NO, NO 2, NOx, O3, polveri e SO 2. Per ciò che riguarda invece i dati di
COV (Carbonio Organico Volatile) essi non risultano registrati in modo organico e
continuativo. Si dispone comunque dei risultati di una serie di campagne di misura
condotte dal PMIP di Milano con l’Unità Chimica (stazioni fisse di Via Juvara e Viale
Marche) e con l’Unità Fisica (Unità mobile e strumentazione DOAS). Alcuni rilevamenti dispongono inoltre della speciazione dei componenti dei COV, fra cui il benzene. Per la natura particolare della popolazione dei dati di COV disponibili, le elaborazioni per questa classe di inquinanti sono state sviluppate a parte.
Le serie sono state sottoposte a una valutazione preliminare per identificarne la
significatività ai fini della loro utilizzazione nelle elaborazioni successive. A tale
scopo, ogni serie, memorizzata in un singolo file di dati orari/biorari, è stata caratterizzata con un codice alfanumerico costituito da un singolo carattere che ne identifica il livello di affidabilità, valutato sulla base della disponibilità di dati validi nel
periodo di riferimento (pari a 1 anno, indipendentemente dall’effettivo periodo di
attivazione della stazione); i risultati di tale classificazione sono riportati nella ta bella 3.1.
Si è convenuto di ritenere statisticamente rappresentative le serie annuali di dati che
dispongono almeno del 75 % dei dati validi in base anche al criterio adottato dalla
normativa per la valutazione del rispetto dei limiti di qualità dell’aria (DPR, 1988).
Delle 627 serie disponibili nell’AO in esame, solo 385 presentano tale caratteristica; di
queste, 60 riguardano il monossido di carbonio, 67 gli ossidi di azoto, 25 l’ozono, 29 le
polveri e 67 l’anidride solforosa.
3.1.2 Analisi della statistica descrittiva
Per ogni serie e per diversi tempi di integrazione che vanno da quello minimo del dato rilevato (1-2 ore) all’anno, si sono calcolati, oltre alla percentuale di dati validi, i
principali parametri della statistica descrittiva: minimo e massimo dei valori di concentrazione, media e deviazione standard, media geometrica e deviazione geometrica
standard, σ e λ di Weibull, percentili della distribuzione dei dati con particolare risoluzione per i valori estremi.
Tutte le valutazioni di cui sopra sono state precedute da una elaborazione preliminare per la correzione dei valori al di sotto della soglia di rilevabilità dell’apparecchiatura (indicati con zero nelle serie temporali) e per l’integrazione dei dati per tempi diversi dal tempo di campionamento.
Secondo una prassi consolidata, si sono sostituiti gli “zeri” con i valori pari alla metà
della soglia di rilevabilità di ciascun parametro (0,1 µg m-3 per il monossido di carbonio, 0,1 µg m-3 per tutti gli altri inquinanti monitorati). Tale operazione, necessaria per
la stima dei parametri geometrici, è preferibile a metodi più complessi quali quelli basati su criteri distribuzionali o di massima verosimiglianza, che non appaiono maggiormente affidabili ai fini delle successive stime parametriche.
L’integrazione temporale delle serie è stata effettuata operando una media mobile
con passo pari al tempo di integrazione, ottenendo così una nuova serie di numerosità
53
D A T ID I
54
RECETTORE
nt i = ntc • tc • ti-1
nella costruzione di tali serie si sono considerati validi i soli valori derivanti da aggregazioni che comprendessero almeno la metà dei possibili valori validi nel periodo di
integrazione.
L’elaborazione preliminare è stata condotta anche per le serie annuali contenenti
meno del 75% di dati validi, mentre le successive fasi di analisi sono state limitate alle
sole serie caratterizzate dalla presenza di almeno il 75% di dati validi, e quindi con parametri statistici rappresentativi.
La tabella 3.2riporta un esempio dei risultati delle elaborazioni effettuate per la serie
annuale del monossido di carbonio della stazione di Milano-Verziere nel corso del
1994. Nella tabella si indica con t (h) il tempo di integrazione in ore, con DV la percentuale di dati validi, con Min, Max, M a, Sa, Ma ed Sa rispettivamente la concentrazione
minima e massima, la media aritmetica e la deviazione standard, la media geometrica
(in mg m-3 per il CO e µg m-3 per gli altri inquinanti) e la deviazione geometrica standard. I valori σ e λ sono i parametri della distribuzione di Weibull e P% sono i percentili della distribuzione. I risultati delle analoghe valutazioni per tutte le altre serie temporali disponibili sono contenuti nella BDA (Banca Dati Ambientale, in allegato su
supporto magnetico) in files identificati dalla sigla ???STPRC.XLS, dove “???” indica
la sequenza di 3 caratteri che identifica ciascun inquinante (“CO -”, “NO -”, “NO 2”,
“NOX”, “O3 -”, “PTS”, “SO2”).
Il confronto tra i valori medi dei vari anni e delle diverse stazioni consente di valutare su scala climatologica la variabilità spazio-temporale delle grandezze esaminate e
contribuisce a fornire un primo livello di informazioni circa la possibilità di considerare tra loro omogenee le diverse serie di dati ai fini delle elaborazioni successive. Il
confronto tra i valori della deviazione geometrica standard – parametro adimensionale in grado di eliminare il fattore di scala della distribuzione e di isolarne la sola dispersione – è invece in grado di fornire indicazioni circa l’omogeneità dei fenomeni di
emissione, trasformazione, trasporto e diffusione dei diversi inquinanti monitorati, tra
le diverse stazioni nel corso degli anni. Nella tabella 3.3 sono riportate, per ciascun inquinante, le medie e le deviazioni standard dei parametri statistici.
Gli aspetti più interessanti di questa valutazione, che saranno poi sviluppati nelle
analisi successive, riguardano le stazioni di Milano-Marche, Senato e Statuto che fanno registrare i massimi livelli di concentrazione dell’AO per tutti gli inquinanti monitorati, mentre Agrate, Arese e Settimo risultano essere le stazioni caratterizzate dai livelli più bassi. Per caratteristiche diametralmente opposte vanno poi segnalate le stazioni di Cinisello Balsamo e di Limito: la prima stazione fa registrare concentrazioni
tra le più elevate dell’AO per tutti i parametri monitorati eccettuato l’ozono, per il quale si colloca a livelli al di sotto della media areale, mentre nella stazione di Limito si registrano i minimi livelli di concentrazione dell’intera area per tutti gli inquinanti tranne che per le polveri e l’ozono (per quest’ultimo in particolare, la cui concentrazione
media sull’intero periodo supera di oltre il 65% quella media dell’AO).
Nonostante le differenze, anche ragguardevoli, riscontrate tra i livelli di concentrazione dei diversi inquinanti e tra le diverse stazioni, l’analisi dei valori delle deviazioni geometriche standard permette di ritenere ragionevolmente omogenei tra loro i diversi siti di campionamento per gli aspetti che regolano la dispersione dei dati, cioè il
55
D A T ID I
56
RECETTORE
57
D A T ID I
Ma
Sa
Mg
Sg
CO
3,7 ± 1,0
2,7 ± 0,7
2,9 ± 0,8
2,1 ± 0,5
NO
154,9 ± 48,3
182,1 ± 49,2
79,1 ± 36,2
4,7 ± 4,4
NO2
101,6 ± 18,6
51,2 ± 11,9
89,1 ± 17,5
1,8 ± 0,8
NOx
257,5 ± 63,4
217,0 ± 55,1
191,1 ± 51,2
2,3 ± 1,0
O3
23,3 ± 8,3
28,0 ± 8,3
11,8 ± 4,2
3,7 ± 1,5
PTS
80,3 ± 18,0
49,9 ± 12,3
65,2 ± 17,1
2,1 ± 0,8
SO2
29,3 ± 12,5
35,8 ± 16,8
12,8 ± 6,2
6,1 ± 3,7
Tabella 3.3 - Media e deviazione standard dei parametri della statistica descrittiva per tutte le se rie annuali dell’AO (mg m-3 per CO; µg m-3 per gli altri inquinanti).
regime delle fonti e la meteorologia. Fatta eccezione per i dati di anidride solforosa e,
in misura minore, per il monossido di azoto, la deviazione geometrica standard risulta infatti sostanzialmente costante per tutte le serie annuali analizzate. Un tale comportamento della deviazione geometrica standard conferisce alla popolazione di dati
una certa omogeneità che consente di allargare la base per la formulazione di modelli
statistici sviluppati successivamente.
3.1.3 Le distribuzioni delle serie annuali
Per tutte le serie disponibili si è valutata la possibilità di descrizione con semplici modelli di distribuzione definiti in termini di pochi parametri e con utili proprietà di stima; in particolare si è valutata l’adattabilità delle distribuzioni lognormale a 2 parametri, già utilizzate in analoghe applicazioni.
Per i dati orari di concentrazione di ciascuna serie annuale, le corrispondenti distribuzioni teoriche di frequenza cumulata sono state valutate dai parametri della
statistica descrittiva e poste a confronto in apposite carte di probabilità con le distribuzioni osservate. Il confronto, oltre che della rappresentazione grafica, si avvale del test non parametrico di Kolmogorov-Smirnov, che fornisce indicazioni circa il livello di confidenza con cui si può accettare l’ipotesi di distribuzione formulata: la valutazione viene effettuata confrontando il massimo scarto tra le frequenze cumulate osservata e calcolata con l’analogo valore massimo stimato sulla base
del livello di affidabilità prescelto (99% nel caso della presente applicazione) e della numerosità del campione valutato.
Esaminando il massimo scostamento – in valore assoluto – tra le frequenze cumulate osservate e quelle stimate per le due distribuzioni valutate (D fmax;L e D fmax;W
per la distribuzione lognormale e di Weibull, rispettivamente) e dell’esito del test
di Kolmogorov-Smirnov effettuato per entrambe le distribuzioni con livello di confidenza richiesto pari all’1% (TKol;L;1% e TKol;W;1%), fatta eccezione per il biossido di azoto e per gli ossidi di azoto totali, per cui si riscontra una discreta incidenza del numero di serie adeguatamente descritte dalla distribuzione lognormale, gli esiti del
test non paiono fornire sufficienti indicazioni per ritenere ragionevolmente affidabili né l’una né l’altra distribuzione teorica.
58
RECETTORE
Ulteriori indicazioni a favore della distribuzione lognormale derivano dall’analisi
degli scarti tra le distribuzioni osservate e stimate: in particolare per il monossido di
carbonio e per le polveri il valore medio dello scarto assoluto nella stima delle frequenze cumulate risulta sensibilmente inferiore rispetto all’analogo valore ricavato
con la distribuzione di Weibull. Per gli altri inquinanti, anche l’analisi degli scarti non
fornisce indicazioni definitive circa la migliore possibilità di descrizione.
Distribuzione lognormale
99,99
99,95
99,90
99,50
99,00
98,00
95,00
90,00
80,00
70,00
60,00
50,00
40,00
30,00
20,00
10,00
1
10
100
CO (mg m-3)
Distribuzione di Weibull
99,99
99,95
99,90
99,50
99,00
95,00
90,00
80,00
70,00
60,00
50,00
40,00
30,00
20,00
10,00
1
10
100
CO (mg m-3)
Figura 3.2 - Monossido di carbonio: confronto tra le distribuzioni calco late dai parametri della statistica descrittiva e le distribuzioni osservate.
Stazione di Milano-Verziere 1994, tempo di integrazione di 1 ora.
59
D A T ID I
Come si è detto, sono state effettuate anche valutazioni di tipo grafico, confrontando
le distribuzioni teoriche delle singole serie annuali e le corrispondenti frequenze cumulate dei dati osservati. In linea generale, tutte le serie mostrano una tendenza alla
sovrastima degli alti percentili con la distribuzione lognormale e a una corrispondente sottostima da parte della distribuzione di Weibull, come è bene evidenziato dall’esempio mostrato nella figura 3.2 per il monossido di carbonio. Tale tendenza conferisce alla prima quelle caratteristiche di cautelatività che la rendono maggiormente indicata nella formulazione di modelli statistici per la valutazione delle esigenze di risanamento della qualità dell’aria.
3.1.4 Composti organici volatili
3.1.4.1 Dati del PMIP - Unità Operativa Fisica - Laboratorio Mobile
Le campagne effettuate dall’Unità Operativa Fisica del PMIP mediante Laboratorio
Mobile sul territorio comunale di Milano sono complessivamente quattro:
• Via Valtellina: dal 9 al 23 aprile 1991;
• ITIS Molinari (Via Crescenzago angolo Via Monfalcone): dal 3 al 22 gennaio 1992;
• Via Rombon (zona Lambrate): dal 16 al 23 luglio 1992;
• incrocio Via Gattamelata - Via Colleoni: dal 21 novembre al 12 dicembre 1994.
I dati disponibili riguardano inquinanti convenzionali, quali CO, NO/NO2/NOx, O3
ed SO2, e idrocarburi: CH4, NMHC (idrocarburi non metanici), HC (idrocarburi totali), espressi rispettivamente in mg m-3, µg m-3 e ppm.
Le elaborazioni effettuate riguardano la statistica (tabella 3.4) e la distribuzione delle concentrazioni degli idrocarburi non metanici, degli idrocarburi totali e dei loro
rapporti con gli ossidi di azoto: la durata e la copertura delle campagne effettuate rendono infatti trascurabile il contributo dei dati di inquinanti convenzionali alla conoscenza e alla formulazione di modelli nell’AO rispetto alle serie provenienti dalla rete
regionale di rilevamento.
Min
Max
Ma
Sa
Mg
Sg
HC
(µg m )
1410,000
5052,000
2101,444
545,444
2042,933
1,258
NMHC
(µg m )
64,000
2752,000
483,751
302,457
412,468
1,748
NMHC/HC
(µg m /
µg m-3)
0,068
0,567
0,213
0,077
0,200
1,430
HC/NOx
(µg m-3/
(µg m-3)
1,916
50,813
10,325
6,876
8,619
1,806
(ppm/ppm)
4,286
152,474
26,665
20,600
21,190
1,938
0,525
20,400
2,014
1,349
1,727
1,712
1,435
77,375
6,431
5,018
5,285
1,829
-3
-3
-3
NMHC/NOx (µg m /
(µg m-3)
-3
(ppm/ppm)
Tabella 3.4 - PMIP - Unità Operativa Fisica - Laboratorio Mobile: statistica descrittiva comples siva delle serie registrate in Milano città.
60
RECETTORE
Le figure 3.3-3.4 riportano in scala di log-probabilità la distribuzione dei dati di concentrazione degli idrocarburi totali e non metanici. La distribuzione lognormale risulta chiaramente ben descrivere le distribuzioni osservate; unica eccezione è costituita
dagli idrocarburi totali le cui code di distribuzione risultano nettamente sottostimate.
99,99
99,95
99,90
99,50
99,00
98,00
95,00
90,00
80,00
70,00
60,00
50,00
40,00
30,00
20,00
10,00
5,00
2,00
1,00
0,50
0,10
0,05
0,01
1000
10.000
HC ( g m-3)
Figura 3.3 - Idrocarburi totali: confronto tra la distribuzione lognor male calcolata dai parametri della statistica descrittiva e la distribuzio ne osservata. Tutte le campagne del Laboratorio Mobile a Milano città,
tempo di integrazione di 1 ora.
99,99
99,95
99,90
99,50
99,00
98,00
95,00
90,00
80,00
70,00
60,00
50,00
40,00
30,00
20,00
10,00
5,00
2,00
1,00
0,50
0,10
0,05
0,01
10
100
1000
NMHC ( g m-3)
10.000
Figura 3.4 - Idrocarburi non metanici: confronto tra la distribuzione lo gnormale calcolata dai parametri della statistica descrittiva e la distribu zione osservata. Tutte le campagne del Laboratorio mobile a Milano città,
tempo di integrazione di 1 ora.
61
D A T ID I
3.2 Rispetto degli standard e analisi delle tendenze
3.2.1 Rispetto dei limiti di qualità dell’aria
3.2.1.1 Inquinanti convenzionali (CO, NO2, O3, polveri, SO2)
L’analisi del rispetto degli standard di qualità dell’aria è stata condotta con riferimento sia ai valori limite che ai valori guida previsti dal DPCM 28 marzo 1983 e dal DPR 24
maggio 1988, n. 203; com’è noto, il loro superamento comporta l’attivazione dei piani
di risanamento introdotti negli stessi decreti e definiti dal DM 20 maggio 1991. I valori dei limiti e le caratteristiche che li definiscono (parametro statistico, periodo di riferimento e tempo di integrazione) sono riportati in tabella 3.5.
Inquinante
Periodo
di rilevamento
Tempo
di integrazione
Valore limite
Valore guida
CO
-
8h
1h
Max = 10 mg m-3
Max = 40 mg m-3
-
NO2
Anno (gen-dic)
1h
”
-
”
1h
P98 = 200 µg m-3
-
Anno (gen-dic)
24 h
”
Anno (apr-mar)
Giorno
”
24 h
24 h
Anno (apr-mar)
24 h
”
Inverno (ott-mar)
Giorno
”
24 h
24 h
O3
PTS
SO2
Max = 200 µg m-3(+)
P98 = 135 µg m-3
P50 = 50 µg m-3
-
Ma = 150 µg m-3 (*)
P95 = 300 µg m-3 (*)
M a = 40-60 µg m-3 (*)
Ma = 100-150 µg m-3(*)
P50 = 80 µg m-3
P98 = 250 µg m-3
Ma = 40-60 µg m-3
P50 = 250 µg m-3
Ma=100-150 µg m-3
(*) rilevati per analisi gravimetrica; (**) rilevati con il metodo dei fumi neri; (+) da non superare più di una volta al mese
Tabella 3.5 - Standard di qualità dell’aria (DPCM 1983, DPR 1988).
Ma = media aritmetica; Max = massimo; Pi = i-esimo percentile
Un’ulteriore verifica, limitata alla sola analisi degli episodi di superamento congiunto dei livelli di attenzione e di allarme per il monossido di carbonio e per il biossido di azoto, è stata sviluppata con riferimento ai corrispondenti limiti definiti dai
DM 12 novembre 1992 e 25 novembre 1994 e riportati nella tabella 3.6.
La verifica degli standard ha interessato tutte le serie annuali disponibili. Per il monossido di carbonio l’analisi è disaggregata per mese e per periodo della giornata mentre per
il biossido di azoto sono valutate anche le frequenze di superamento dei limiti, intese come percentuale di dati rilevati che risultano superiori ai valori limite stessi, e la data di
raggiungimento del limite, intesa come momento dell’anno in cui risulta esaurito il tempo
di superamento ammesso. Per quanto riguarda gli episodi di superamento congiunto dei
livelli di attenzione e di allarme di CO ed NO2, l’analisi è disaggregata per stazione, mese
e anno oltre che per numero di episodi registrati su più stazioni contemporaneamente.
62
Inquinante
Livello
di attenzione
RECETTORE
Periodo
di rilevamento
Tempo
di integrazione
Livello
di allarme
CO
(‡)
1h
Ma = 15 mg m-3
NO2
(‡)
1h
Ma = 200 µg m-3 Ma = 400 µg m-3
O3
(‡)
1h
Ma = 180 µg m-3 Ma = 360 µg m-3
PTS
(‡)
24 h
Ma = 150 µg m-3 (*) Ma = 300 µg m-3 (*)
SO2
(‡)
24 h
Ma = 125 µg m-3 Ma = 250 µg m-3
Ma = 30 µg m-3
(‡)
(*)
ciclo di 24 ore, con ora di inizio tra le 08.00 e le 15.00, predeterminato dall’autorità competente per la zona urbana
rilevati per analisi gravimetrica
Ma = media aritmetica
Tabella 3.6 - Standard di qualità dell’aria (DM 1992, 1994).
I risultati ottenuti indicano, a livello generale, superamenti dei limiti per CO (figura
3.5) ed NO2 (figura 3.6), particolarmente rilevanti per il primo in riferimento al tempo di
integrazione di otto ore, ma con una tendenza temporale verso situazioni di maggior rispetto per entrambi gli inquinanti. Nell’ultimo biennio considerato, in particolare, l’NO2
dispone di diverse stazioni in cui il limite viene rispettato, con le residue situazioni di superamento che presentano valori assai prossimi a esso, mentre il limite relativo al CO
per il tempo di integrazione di 1 ora è rispettato in tutte le stazioni dell’area. La tendenza osservata trova riscontro anche nell’analisi del rispetto congiunto dei livelli di attenzione e di allarme, il cui numero mostra una decisa diminuzione a partire dal 1991.
120
100
80
60
40
20
0
1
3
5
7
9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59
1990
1991
1992
1993
1994
Standard
Figura 3.5 - Monossido di carbonio: rispetto degli standard per tutte le serie annuali. Nu mero di superamenti annui. Tempo di integrazione di 8 ore.
63
D A T ID I
400
350
300
250
200
150
100
50
0
1
3
5
7
9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59
1989
1990
1991
1992
1993
1994
Standard
Figura 3.6 - Biossido di azoto: rispetto degli standard per tutte le serie annuali. Valore del 98°
percentile. Tempo di integrazione di 1 ora.
Anche per quanto riguarda le polveri (figure 3.7-3.8) e l’SO2 (figure 3.9-3.10) la situazione, caratterizzata dal completo rispetto dei limiti, mostra una significativa tendenza al miglioramento dei parametri regolati dagli standard corrispondenti.
160
140
120
100
80
60
40
20
0
1
2 3
4
5
6
7
8
9
1990
10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
1991
1992
1993
1994
Standard
Figura 3.7 - Polveri: rispetto degli standard per tutte le serie annuali. Media annuale sul pe riodo gennaio-dicembre. Tempo di integrazione di 24 ore.
64
RECETTORE
350
300
250
200
150
100
50
0
1
2
3
4
5
6
7
8
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
1990
1991
1992
1993
1994
Standard
Figura 3.8 - Polveri: rispetto degli standard per tutte le serie annuali. Valore del 95° per centile sul periodo gennaio-dicembre. Tempo di integrazione di 24 ore.
Per l’ozono, viceversa, la situazione appare meno definita (figura 3.11) in relazione
anche alla complessità che ne caratterizza i processi di formazione a partire dalle emis-
100
80
60
40
20
0
1
3
5
7
9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59
1991
1992
1993
1994
Standard
Figura 3.9 - Anidride solforosa: rispetto degli standard per tutte le serie annuali. Me diana sul periodo aprile-marzo. Tempo di integrazione di 24 ore.
65
D A T ID I
300
250
200
150
100
50
0
1
3
5
7
9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59
1991
1992
1993
1994
Standard
Figura 3.10 - Anidride solforosa: rispetto degli standard per tutte le serie annuali. Va lore del 98° percentile sul periodo aprile-marzo. Tempo di integrazione di 24 ore.
60
50
40
30
20
10
0
1 2 3
4
5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
1989
1990
1991
1992
1993
1994
Standard
Nota: non si registrano serie che, pur rispettando gli standard mensili, siano caratterizzate da un numero annuale di superamenti maggiore di 1.
Figura 3.11 - Ozono: rispetto degli standard per tutte le serie annuali. Numero di supera menti annui. Tempo di integrazione di 1 ora.
66
RECETTORE
sioni primarie. Pur se lo standard appare rispettato per circa la metà delle serie disponibili, non è possibile identificare con sufficiente chiarezza alcuna tendenza: i dati mostrano infatti un miglioramento nel periodo 1989-1991 e un graduale peggioramento
nel triennio successivo.
3.2.1.2 Idrocarburi non metanici
Per quanto riguarda gli idrocarburi non metanici (NMHC), la normativa vigente
(DPCM, 1983) impone un valore limite di 200 µg m-3 come concentrazione massima su
un tempo di integrazione di 3 ore, da adottarsi nelle zone e i periodi dell’anno nei quali si verifichino superamenti significativi dello standard relativo all’ozono.
L’analisi del rispetto di tale limite è stata effettuata utilizzando i dati rilevati durante le campagne di misura del PMIP - Unità Operativa Fisica che, pur non avendo registrato alcun superamento dello standard per l’ozono (anche perché condotte, in qualche caso, in periodi invernali che ne limitano ulteriormente la produzione per via fotochimica), risultano le uniche disponibili.
140
120
100
83,58%
99,09%
96,33%
80
60
40
83,33%
20
0
Via Valtellina
ITIS Molinari
Via Rombon
Dati che non rispettano lo standard
Via Gattamelata
Dati disponibili
Figura 3.12 - NMHC: numero di dati disponibili e numero di superamenti dello stan dard per le 4 campagne con laboratorio mobile dal PMIP-Unità Operativa Fisica. Tem po di integrazione di 3 ore.
I risultati ottenuti sono riportati in figura 3.12 in termini di numero complessivo dei
superamenti (indipendentemente dai corrispondenti valori di ozono, quando disponibili), e di percentuale di dati sul totale delle misure effettuate che eccedono il valore
limite. Nelle quattro campagne effettuate lo standard è risultato sempre superato da
oltre l’80% dei dati.
67
D A T ID I
3.2.1.3 Analisi delle tendenze
Con questa elaborazione si è inteso evidenziare, a livello complessivo dell’area, l’andamento della qualità dell’aria rispetto ai singoli inquinanti analizzati, allo scopo di
cogliere anche gli effetti di almeno due importanti evoluzioni in atto: il rinnovo del
parco circolante con autovetture catalizzate e il programma di ispezione e manutenzione dei veicoli messo in atto dalla Regione Lombardia (bollino blu).
Al fine di poter trarre delle indicazioni estendibili all’area nel suo complesso si sono calcolati i valori medi di concentrazione sull’intera AO pesando le concentrazioni medie
delle singole stazioni con la numerosità dei dati validi disponibili per ognuna di esse.
I valori medi areali su cui effettuare l’analisi sono stati calcolati sia su base annuale
(gennaio-dicembre) che semestrale (settembre-febbraio e marzo-agosto) al fine di verificare eventuali differenze stagionali dei livelli di riduzione.
La tabella 3.7 e la figura 3.13 riassumono le concentrazioni medie annuali così valutate per l’intera AO e la loro corrispondente variazione rispetto al valore di riferimento
del 1990. È evidente la presenza di un andamento decrescente più o meno marcato per
le concentrazioni di CO, NO2 ed SO 2 e, con presenza di dati in controtendenza, per
quelle di NO ed NOx; i dati delle polveri presentano oscillazioni tali da non ritenere significativo, al momento, l’andamento rilevato a partire dal 1993, mentre una tendenza crescente, particolarmente accentuata è infine riscontrabile per i dati di ozono a partire dal 1992, in accordo con quanto già osservato, ma meno evidente nella precedente analisi del rispetto degli standard.
Gli andamenti sin qui analizzati non sono stati depurati dagli effetti della meteorologia che potrebbe svolgere un ruolo significativo modificando il reale andamento delle concentrazioni e determinando la tendenza generale alla diminuzione osservata per i livelli medi di concentrazione. Al fine di valutarne il possibile effetto è
stata sviluppata un’analisi dell’andamento delle concentrazioni medie invernali ed
estive di CO: tale inquinante, poco reattivo in atmosfera ed emesso principalmente
da un’unica tipologia di sorgente con un regime continuo durante l’anno, si configura infatti come un tracciante della diversa capacità dispersiva dell’atmosfera per
analisi di lungo periodo. Per compiere questa elaborazione sono stati individuati
dei periodi pienamente rappresentativi sia delle condizioni meteorologiche tipiche
stagionali che dell’attività delle fonti di emissione che caratterizza normalmente la
stagione considerata. Si è così riscontrato come i bimestri gennaio-febbraio e giu-
CO
mgm
-3
NO
NO2
%90 µg m %90 µg m
-3
193,2
-3
115,6
NOX
O3
PTS
%90 µg m %90 µg m %90 µg m
-3
3,9,0
-3
-3
25,9
SO2
%90 µg m-3 %90
1990
4,5
81,1
1991
4,0 -11,0% 180,2 -6,7% 111,0 -4,0% 290,6 -5,9% 19,8 -23,4% 83,5
1992
3,6 -19,3% 146,5 -24,2% 101,2 -12,4% 247,6 -19,9% 22,3 -13,9% 89,8 10,8% 30,2 -23,6%
1993
3,5 -21,8%150,0%-22,4% 95,2 -17,6% 245,6 -20,5% 23,0 -11,4% 78,0 -3,8% 24,8 -37,3%
1994
3,1 -29,9% 110,1 -43,0% 83,8 -27,4% 194,3 -37,1% 26,0
0,4
39,6
3,0%
37,2 -6,1%
75,3 -7,1% 19,2 -51,5%
Tabella 3.7 - Concentrazioni medie annuali sull’intera AO. %90 = variazione rispetto al 1990 (%).
68
RECETTORE
+20%
+10%
+0%
-10%
-20%
-30%
-40%
CO
-50%
-60%
1990
NO
NO2
NO X
C3
PTS
SO2
1991
1992
1993
1994
Anno
Figura 3.13 - Variazione percentuale delle concentrazioni medie annuali dell’AO con riferi mento alla figura 3.14.
gno-luglio siano i periodi che meglio rappresentano, rispettivamente, le stagioni
invernale ed estiva.
Per ciascuna stazione sono stati pertanto individuati gli andamenti giornalieri delle
concentrazioni orarie di CO (giorno tipo) rappresentativi di entrambe le stagioni, calcolando la media ora per ora dei valori di concentrazione registrati nei bimestri di riferimento negli anni 1990-1994. Considerando la finestra temporale compresa tra le
ore 6:00 e le ore 22:00, periodo durante il quale l’attività delle fonti di emissione è più
intensa, si è valutato il valore medio della concentrazione di CO del giorno tipo invernale ed estivo: la media invernale ed estiva riferite a tutta l’AO per ogni anno del quinquennio 1990-1994 sono state infine calcolate come media aritmetica delle concentrazioni medie stagionali del giorno tipo delle singole stazioni di monitoraggio.
L’andamento temporale dei valori così ottenuti è riportato nella tabella 3.8, in cui sono indicati anche i valori del rapporto K tra la media invernale ed estiva. Sia la concentrazione media rappresentativa della stagione invernale sia quella della stagione
estiva presentano andamenti decrescenti analoghi a quello della media annuale, pur
se contraddistinti da una minore regolarità. Si può notare una riduzione più marcata
delle concentrazioni medie invernali, che si attesta sul 36,2% al 1994, mentre la riduzione delle concentrazioni medie estive risulta più prossima a quella registrata per le
medie annuali e pari al 27,6%.
Elaborazioni analoghe alla precedente sono state effettuate anche con riferimento al
solo valore massimo giornaliero delle concentrazioni orarie del giorno tipo stagionale, osservando andamenti complessivi per l’AO del tutto analoghi a quelli relativi alla
69
D A T ID I
Media
annuale
(mg m-3)
Media
invernale
(mg m-3)
Media
estiva
(mg m-3)
K
1990
4,48
6,04
2,72
2,23
1991
3,99
5,43
2,62
2,07
1992
3,61
5,24
2,48
2,12
1993
3,50
4,81
2,11
2,28
1994
3,14
3,95
1,89
2,09
Tabella 3.8 - Monossido di carbonio: andamento delle concentrazioni medie
annue, invernale ed estiva relative a tutta l’AO e valori del rapporto K tra la
media invernale ed estiva nel periodo 1990-1994.
Max 8
(mg m-3)
7
Inverno
Estate
6
5
4
3
2
1
0
1990
1991
1992
1993
1994
Anno
Figura 3.14 - Monossido di carbonio: andamento dei valori massi mi di concentrazione come media dell’intera AO nel periodo 19901994.
media annua e alle medie stagionali (figura 3.14). L’entità delle riduzioni riferite all’intera AO tra il 1990 e il 1994 per le stagioni invernale ed estiva risultano pressoché
identiche, pari rispettivamente al 32,9% e al 31,6%, e prossime al valore riscontrato per
la media annuale. Dal momento che le concentrazioni massime giornaliere risultano
maggiormente rappresentative del regime emissivo, in quanto solitamente corrispondenti al momento di più intensa attività delle fonti, tale risultato permette di ipotizzare che l’osservata riduzione dei livelli di concentrazione sia principalmente dovuta a
un’effettiva riduzione delle emissioni di CO, con un ruolo sostanzialmente trascurabile dell’elemento meteorologico. Tale ipotesi è altresì ben supportata dall’andamento annuale delle emissioni di CO da sorgenti mobili stimato sulla base di rinnovo del
parco circolante con vetture dotate di marmitta catalitica.
70
RECETTORE
Ulteriore conferma a questa prima indicazione risulta fornita dall’analisi dell’andamento temporale dei valori del rapporto K tra le concentrazioni medie invernale
ed estiva, che risulta praticamente costante tra il 1990 e il 1994. L’ampiezza temporale dell’intervallo considerato costituisce una base di dati sufficientemente ampia,
in grado di attenuare eventuali anomalie di breve periodo. La sostanziale costanza
nel tempo del valore del rapporto K mostra che nell’intervallo di tempo esaminato
non si sono verificate stagioni meteorologicamente anomale e caratterizzate da capacità dispersive dell’atmosfera significativamente discoste dai valori medi areali.
Le analisi effettuate consentono così di ritenere sostanzialmente trascurabile il ruolo dell’elemento meteorologico sull’andamento delle concentrazioni medie annuali
degli inquinanti nel periodo di rilevamento considerato. Pur tuttavia è evidente che
casi di inquinamento acuto, con l’accumulo di inquinanti in atmosfera, possono comunque essere favoriti da particolari situazioni meteorologiche.
Su questa base le tendenze osservate per i livelli medi di concentrazione nell’area,
riportate in figura 3.13, possono considerarsi depurate dall’effetto meteorologico e imputabili ai soli andamenti delle emissioni.
3.3 Modelli statistici
Come già osservato nella parte dedicata alla statistica descrittiva, la distribuzione dei
dati di inquinamento atmosferico può essere vantaggiosamente descritta con modelli
teorici, soprattutto se questi ultimi hanno utili proprietà e consentono rappresentazioni grafiche e parametriche semplici e flessibili. Largamente documentato per i dati
di inquinamento atmosferico è, a tale proposito, l’impiego dei modelli di descrizione
lognormale a 2 e a 3 parametri, del modello di Weibull e del modello gamma. L’adattabilità della distribuzione lognormale a 2 parametri e del modello di Weibull ai dati in
esame è già stata valutata nelle sezioni precedenti.
L’elevata variabilità intrinseca dei valori estremi, alimentata anche dal malfunzionamento dei sistemi di misura, difficilmente però ne consente la descrizione con
semplici modelli, senza invocare complesse teorie sull’asintoticità degli stessi valori estremi; d’altra parte, questo particolare settore della distribuzione risulta di interesse predominante perché correlato di norma agli standard di qualità dell’aria e
comunque alle situazioni di effetto acuto dell’inquinamento atmosferico.
Per descrizioni più raffinate delle distribuzioni, soprattutto per quanto riguarda il settore delle concentrazioni più elevate, possono così risultare utili modelli
statistici empirici che, se da una parte non dispongono di teoria e hanno una validità limitata al sistema emissione-qualità dell’aria che ha generato la popolazione di dati analizzata, dall’altra possono consentire descrizioni anche molto precise dei valori estremi, e risultano quindi di particolare utilità per l’area del rilevamento.
Per l’area di Milano, in particolare, approcci per la formulazione di modelli statistici empirici delle serie temporali di concentrazioni di SO2 hanno messo in evidenza il ruolo assolutamente dominante della media aritmetica su lungo termine, valore semplice e di facile acquisizione, eventualmente anche con modelli di trasporto e diffusione, per la descrizione dei valori estremi della distribuzione e di para-
71
D A T ID I
metri anche molto raffinati quali la durata delle alte concentrazioni. La possibilità
di descrivere in modo piuttosto preciso i valori estremi, oggetto dello standard, in
funzione della sola media aritmetica a lungo termine (tipicamente annuale) ha così
consentito l’impiego nei modelli roll-back di un parametro stabile e affidabile come
quest’ultimo, in luogo di dati aleatori come i valori estremi, per la stima della riduzione delle emissioni occorrente per il rispetto dello standard della SO 2. È proprio
con lo scopo di stimare le riduzioni delle emissioni occorrenti per il rispetto dello
standard di CO e NO 2, largamente disattesi nell’area di Milano, che si sono formulati, con approcci simili a quelli già utilizzati per la SO 2, modelli statistici empirici in
grado di descrivere le cospicue popolazioni di dati disponibili.
3.3.1 Modelli statistici per la distribuzione di CO
Le elaborazioni hanno utilizzato le serie storiche delle concentrazioni di CO registrate nelle stazioni di monitoraggio dell’AO nel periodo 1989-1994 e che dispongono di
almeno il 75% dei dati validi.
3.3.1.1 Modello empirico
L’analisi di 60 serie annuali di dati di CO, registrate in 19 stazioni di rilevamento situate nell’area omogenea di Milano nel periodo 1990-1994, ha consentito di evidenziare il ruolo dominante svolto dalla media annuale sulle statistiche di maggior interesse per la descrizione della qualità dell’aria. Dalle elaborazioni sono stati esclusi i dati relativi alle serie storica Brera Quota 1992, in quanto il posizionamento in quota della stazione di monitoraggio rende poco confrontabili con quelli delle altre stazioni i
valori delle medie annuali, che fanno infatti registrare valori sensibilmente inferiori a
quelli risultanti nell’area nel suo complesso. Si è quindi proceduto ad analizzare la dipendenza dei percentili di concentrazione CF (mg m–3) dalla frequenza cumulata F (%)
che li definisce, dalla media aritmetica annuale Ma (mg m–3) e dal tempo di integrazione t (h). Sono stati presi in considerazione i percentili corrispondenti a 12 valori di frequenza cumulata tra l’80 e il 99,9% per 5 tempi di integrazione (1, 4, 8, 12 e 24 ore) relativi alle 59 serie annuali, caratterizzate ciascuna da una concentrazione media Ma.
Come si può osservare, l’analisi riguarda soprattutto i percentili estremi della distribuzione.
La dipendenza dei percentili considerati, sempre piuttosto regolare rispetto alla frequenza cumulata e al tempo di integrazione, ha consentito di sviluppare un modello
analitico con la seguente formulazione:
CF = k • Fb • Ma • td
(3.1)
dove k, b e d sono costanti numeriche.
La struttura del modello risulta molto simile alla formulazione messa a punto per la
descrizione delle alte concentrazioni di SO2 nell’area urbana milanese.
Con la tecnica della regressione lineare si è messa in evidenza la sostanziale indipendenza del parametro d dalle variabili in esame, con un valore medio pari a -0,08 e
un errore medio di 0,003; al contrario i valori dei parametri k e b hanno mostrato una
significativa dipendenza dalla frequenza cumulata, soprattutto per i valori estremi superiori al 99º percentile.
72
RECETTORE
Per acquisire tale dipendenza del modello, senza complicarne ulteriormente la formulazione, il campo di applicazione è stato suddiviso in due parti con valori diversi
delle costanti numeriche k e b, salvaguardando sia l’accuratezza che la semplicità della descrizione. Sono stati così ricavati i valori delle costanti numeriche k e b e le formulazioni del modello da utilizzare nei due seguenti intervalli di frequenza cumulata:
( )
( )
CF = 3,037 •
F
100
2,908
CF = 4,840 •
F
100
35,451
Ma • t -0,08
Ma • t -0,08
per F ≤ 98,6%
(3.2)
per F > 98,6%
(3.3)
La rappresentazione grafica del modello messo a punto è esemplificata nella figura
3.15, che riporta i valori dell’80°, 90°, 95° e 98° percentile in funzione della media annuale per il tempo di integrazione di 8 ore; la linearità del legame, particolarmente
marcata per i percentili più bassi, presenta una maggiore dispersione attorno alla retta del modello empirico per il 98º percentile, che si accentua ulteriormente per i percentili più elevati.
16
14
12
10
8
6
4
2
0
0
P80
1
P90
2
P95
P98
3
Modello empirico
4
5
6
Media annuale (mg m-3)
Figura 3.15 - Monossido di carbonio: dipendenza dei percentili dalla media annuale Ma e confronto
con i modelli empirici descritti nelle equazioni (3.2) e (3.3) per il tempo di integrazione di 8 ore.
Con l’obiettivo invariato di descrivere le distribuzioni dei dati osservati nell’area in
funzione della media annuale, è stata valutata l’adattabilità di alcune distribuzioni
teoriche comunemente utilizzate per la descrizione di serie di concentrazioni di inquinanti atmosferici. Le distribuzioni prese in considerazione sono la distribuzio-
73
D A T ID I
ne lognormale a 2 parametri, la distribuzione di Weibull e la distribuzione esponenziale. Le elaborazioni sono state sviluppate con riferimento ai dati relativi al
tempo di integrazione di 8 ore, di particolare interesse in quanto lo standard di qualità dell’aria stabilito per tale tempo di integrazione risulta frequentemente disatteso nell’AO. Per quanto riguarda le distribuzioni lognormale e di Weibull, sono stati preventivamente calcolati i rispettivi parametri statistici che descrivono completamente la popolazione dei dati di ciascuna serie storica, analizzando quindi la loro relazione con la media annuale corrispondente. La stima dei parametri della distribuzione esponenziale è stata effettuata con riferimento ai percentili della distribuzione osservata delle concentrazioni, calcolati per ciascuna serie storica. Con tecniche di regressione lineare applicate ai logaritmi della frequenza di superamento
dei rispettivi percentili sono stati determinati i valori dei parametri per ciascuna serie storica, analizzando quindi anche in questo caso la relazione tra i valori così ottenuti e la corrispondente media annuale.
La verifica dell’adattamento dei dati osservati alle distribuzioni è stata infine effettuata, per ciascuna serie di dati, con riferimento ai percentili della distribuzione osservata delle concentrazioni mediate sulle 8 ore.
6
Mg = 0,858Ma - 0,062
2
R = 0,955
5
4
3
2
1
0
0
1
2
3
4
5
6
Figura 3.16 - Monossido di carbonio: dipendenza della media geometrica dalla media annuale
(aritmetica) e retta di regressione.
3.3.2.1 Modello semiempirico lognormale
Nelle figure 3.16 e 3.17 sono rappresentati i diagrammi a dispersione dei valori dei parametri della distribuzione lognormale in funzione della media annuale. Mentre i valori della media geometrica sono descritti con buona approssimazione da una funzione
lineare della media annuale, quelli della deviazione geometrica standard Sg appaiono
74
RECETTORE
3
2
1
0
0
1
2
3
4
5
6
Figura 3.17 - Monossido di carbonio: dipendenza della deviazione geometrica standard dalla me dia annuale (aritmetica).
del tutto indipendenti da quest’ultima. Nelle applicazioni della distribuzione lognormale si può pertanto assumere costante il valore di Sg e pari alla media geometrica dei
valori ottenuti per le singole serie costituenti la popolazione di dati: la media geometrica ha dato infatti risultati migliori della media aritmetica nella stima dei percentili.
3.3.2.2 Modello semiempirico di Weibull
Nelle figure 3.18 e 3.19 sono rappresentati i diagrammi a dispersione dei valori dei parametri della distribuzione di Weibull in funzione della media annuale. I valori del parametro di locazione σ sono ben descritti da una dipendenza di tipo lineare, mentre si
può escludere ogni possibile correlazione tra i valori del parametro di dispersione λ e
la media annuale stessa. Con considerazioni analoghe a quelle già illustrate per la distribuzione lognormale il valore di tale parametro è stato assunto costante e pari alla
media geometrica dei valori delle singole serie storiche.
3.3.2.3 Modello semiempirico esponenziale
Si è valutata la possibilità di descrivere i dati relativi ai soli alti percentili con una distribuzione di tipo esponenziale:
F = 1 - exp (α • C + β)
(3.4)
dove F è la frequenza cumulata, C (mg m -3) è la concentrazione non superata, e α
e β sono costanti numeriche stimate per ciascuna serie storica con la regressione lineare applicata ai logaritmi della frequenza di superamento dei rispettivi percentili considerati (80°-99°). Dall’analisi della dipendenza dei parametri α e β dalla concentrazione media annuale si ricava che i valori del parametro α presentano un an-
75
D A T ID I
7
σ = 1,133Ma - 0,059
2
R = 0,997
6
5
4
3
2
1
0
0
1
2
3
Figura 3.18 - Monossido di carbonio: dipendenza del parametro
4
5
6
di Weibull dalla media annuale
3
2
1
0
0
1
2
3
le (aritmetica).
76
4
5
6
di Weibull dalla media annua -
0
1
2
3
4
5
RECETTORE
6
0
-0,2
-0,4
-0,6
α = 0,093Ma - 0,884
-0,8
-1
-1,2
ziale dalla media annuale (aritmetica) e retta di regressione.
della distribuzione esponen -
4
3
2
1
0
-1
-2
0
1
2
3
ziale dalla media annuale (aritmetica).
4
5
6
della distribuzione esponen -
77
D A T ID I
damento lineare crescente con la media annuale, caratterizzato però da una sensibile dispersione intorno alla retta interpolante (figura 3.20 ). Tuttavia, poiché l’interpolazione dei valori di α con curve di ordine superiore o trascendenti comporta
una maggiore complessità del modello e non determina stime dei percentili apprezzabilmente migliori, per l’espressione del parametro α in funzione della media
annuale è stata utilizzata la forma lineare, nonostante il basso valore del coefficiente di correlazione (0,536).
I valori del parametro β non presentano alcuna correlazione con la media annuale (figura 3.21): nelle applicazioni del modello semiempirico esponenziale se ne è
pertanto assunto costante il valore, pari alla media aritmetica dei valori delle singole serie storiche. In questo caso infatti la media aritmetica dei valori di β ha dato
risultati migliori della media geometrica nella stima dei percentili.
3.3.2.4 Stima delle prestazioni dei modelli semiempirici
Le elaborazioni svolte hanno consentito di formulare una serie di espressioni per le
distribuzioni dei dati, tutte completamente definite da due parametri, correlati in
maniera più o meno robusta alla media annuale, che sono riportati nella tabella 3.9.
La curva delle frequenze cumulate F(C), che fornisce il valore del percentile dei
dati che non superano la concentrazione C, assume pertanto le seguenti formulazioni:
Modello
Parametri
Lognormale
Mg = 0,858 · M a - 0,062
S g = 1,830
Weibull
σ = 1,133 · M a - 0,059
λ = 1,715
Esponenziale
α = 0,093 · M a - 0,884
β = 1,020
Tabella 3.9 - Monossido di carbonio: parametri dei modelli semiempirici per la descrizione delle di stribuzioni per il tempo di integrazione di 8 ore.
modello lognormale
F(C) =
in cui
z=
t
exp (- ) dt
∫
√2π
2
1
z
2
∞
(3.5)
ln C - ln (0,858 Ma - 0,062)
ln (1,830)
Dal momento che non esiste soluzione analitica all’equazione (3.5), si rende necessario il ricorso a tabelle di probabilità o a formulazioni approssimate che permettono
di ricavare la frequenza cumulata corrispondente a un valore C di concentrazione o,
viceversa, il valore di C cui corrisponde una prefissata frequenza cumulata.
78
modello di Weibull
F(C) = 1 - exp
[(
C
-
1,133 Ma - 0,059
)]
RECETTORE
1,715
(3.6)
modello esponenziale F(C) = 1 - exp [(0,093 Ma - 0,884) C + 1,020]
(3.7)
Poiché il modello esponenziale è stato espressamente approntato per la sola descrizione degli alti percentili, mentre i modelli lognormale e di Weibull sono in grado di descrivere l’intera distribuzione, la verifica comparativa della capacità dei modelli semiempirici di descrivere la distribuzione dei dati osservati è stata effettuata valutando per ciascuna serie storica il coefficiente di correlazione (r) tra i valori osservati e quelli calcolati,
nonché l’errore medio Em e l’errore quadratico medio Eqm corrispondenti, limitatamente ai percentili superiori all’80°. I valori medi di tali parametri (tabella 3.10) evidenziano
Modello
Empirico
Semiempirico
lognormale
Semiempirico
Weibull
Semiempirico
esponenziale
0,975
0,981
0,980
0,983
Em (mg m-3)
0,176
-1,654
1,078
0,410
Eqm (mg m )
1,542
2,758
1,834
1,524
r
-3
Tabella 3.10 - Monossido di carbonio: prestazioni dei modelli empirico e semiempirici sviluppati
per la descrizione degli alti percentili per il tempo di integrazione di 8 ore.
99.90
99.50
99.00
98.00
95.00
90.00
Romolo 1993 (3,79 mg m -3)
Cinisello Balsamo 1993 (4,91 mg m-3)
Villasanta 1993 (2,77 mg m-3)
80.00
1
10
CO (mg m-3)
100
Figura 3.22 - Monossido di carbonio: distribuzione degli alti percentili per il tempo
di integrazione di 8 ore e confronto con il modello semiempirico esponenziale.
79
D A T ID I
prestazioni superiori per il modello esponenziale, seguito dal modello di Weibull, da
quello lognormale e da quello empirico, nonostante una leggera tendenza alla sottostima
dei valori associati alle alte frequenze. La descrizione degli alti percentili con il modello
semiempirico esponenziale è riportata in figura 3.22 per tre stazioni caratterizzate da valori rappresentativi di tutto il campo di variazione della media annuale (1,2-5,6 mg m–3).
3.3.3 Valori estremi della distribuzione
La normativa vigente sulla qualità dell’aria stabilisce dei valori massimi di concentrazione per il CO, pari a 40 (mg m–3) e a 10 (mg m–3) rispettivamente per il tempo di integrazione di 1 e di 8 ore, che non devono essere mai superati.
Mentre lo standard relativo a 1 ora è generalmente rispettato, lo standard relativo al
tempo di integrazione di 8 ore risulta largamente disatteso, sia in termini di numero
che di entità dei superamenti, nella quasi totalità delle serie storiche disponibili. Soltanto in 3 casi su 60 (“Brera 1992”, “Pero 1994”, “Settimo 1994”), infatti, non si sono registrati superamenti del limite, mentre nelle rimanenti 57 serie storiche si è rilevato almeno 1 superamento, con un valore medio di 30,86 superamenti annui e un massimo
di 107 per la serie “Senato 1991”, pari al 9,94% dei dati annuali per il tempo di integrazione di 8 ore.
3.3.3.1 Stima del valore massimo della distribuzione
Dal momento che i modelli sviluppati per la descrizione della distribuzione delle concentrazioni non si dimostrano adatti per la stima del valore massimo, anche perché esso
è spesso determinato da situazioni anomale rispetto a quelle che generano la popolazione complessiva dei dati, lo studio della sua dipendenza dalla concentrazione media annuale è stato condotto separatamente. L’osservazione qualitativa preliminare dei dati di40
35
30
25
20
15
10
5
0
0
1
2
3
4
5
6
Figura 3.23 - Monossido di carbonio: valori massimi di concentrazione per il tempo di integrazio ne di 8 ore in funzione della media annuale.
80
RECETTORE
sponibili per le 60 serie, pur evidenziando un certo grado di correlazione tra di essi, mostra tuttavia dispersioni particolarmente ampie in tutto l’intervallo dei dati, tali da rendere poco praticabile l’utilizzo di qualunque dipendenza funzionale eventualmente messa a punto. Escludendo la possibilità di correlare il valore massimo con la media annuale
è stata così valutata la possibilità di descrivere in funzione di quest’ultima il secondo valore estremo della distribuzione delle concentrazioni di 8 ore (figura 3.23). Anche il secondo valore massimo risulta infatti significativo ai fini dello standard di qualità dell’aria,
in quanto soltanto il 6,7% delle serie storiche rispetta il limite di legge con tale valore: alle tre serie storiche già citate, per le quali non si osservano superamenti del limite, si aggiunge la sola serie “Villasanta 1991” che presenta un secondo massimo pari a 9,7 mg m–3.
Modello
r
Em (mg m-3)
Eqm (mg m-3)
empirico
0,809
0,488
2,418
semiempirico
lognormale
0,778
-4,582
5,793
semiempirico
di Weibull
0,801
2,445
3,331
semiempirico
esponenziale
0,748
0,151
2,446
Tabella 3.11 - Monossido di carbonio: prestazioni dei diversi modelli sviluppati per la stima del 2°
massimo di concentrazione per il tempo di integrazione di 8 ore.
25
20
15
10
5
0
0
5
10
15
20
25
2° Max (mg m-3) - valori osservati
Figura 3.24 - Monossido di carbonio: valori osservati e calcolati con il modello empirico descritto
nell’equazione (3.3) del 2° massimo di concentrazione.
81
D A T ID I
3.3.3.2 Stima del secondo massimo di concentrazione
Dopo aver determinato il valore della frequenza cumulata corrispondente al secondo
valore massimo, sulla base del numero di dati disponibile per ciascuna serie, il modello empirico descritto nell’equazione (3.3) e i modelli semiempirici già sviluppati sono
stati utilizzati per stimare il secondo valore estremo delle distribuzioni. Dal confronto
delle stime così ottenute con i dati osservati si rileva che il modello empirico presenta il
massimo coefficiente di correlazione e il minimo errore quadratico medio, che i modelli esponenziale e di Weibull hanno prestazioni simili, mentre il modello lognormale ha
prestazioni meno buone, sovrastimando sistematicamente i dati osservati (tabella 3.11).
Il modello empirico risulta comunque il più idoneo per minore tendenza alla sottostima dei valori osservati e per l’errore quadratico medio più ridotto (figura 3.24).
3.3.3.3 Stima del secondo massimo di concentrazione con modelli empirici dedicati
Sempre con lo scopo di descrivere i soli valori estremi della distribuzione, senza ricorrere a modelli generali più adatti per l’intera popolazione di dati, è stata analizzata la possibilità di adottare modelli puramente empirici che interpretano il legame tra il secondo massimo e la media annuale correlando statisticamente in modo
diretto tali grandezze.
L’osservazione qualitativa dei dati (figura 3.25), ha limitato la scelta delle possibili
dipendenze funzionali alle due espressioni seguenti:
modello lineare
2° Max = α • Ma + β
(3.8)
2° Max = α • (Ma)β
(3.9)
modello di potenza
25
20
15
10
5
0
0
1
2
3
4
5
6
Figura 3.25 - Monossido di carbonio: 2° massimo di concentrazione in funzione della media an nuale e confronto con il modello empirico di potenza.
82
Modello
Parametri
RECETTORE
r
Em (mg m - 3)
Eqm (mg m - 3)
lineare
3
3,9
0,817
-0,020
2,119
di potenza
5,863
0,725
0,821
0,003
2,099
Tabella 3.12 - Monossido di carbonio: parametri dei modelli lineare e di potenza per la descrizione del
2° valore massimo di concentrazione per il tempo di integrazione di 8 ore e relative prestazioni.
Per la stima dei parametri del modello di potenza, pur essendo possibile ricorrere alla
linearizzazione, si è preferito operare direttamente sulle grandezze al fine di ottenere
una valutazione più precisa e affidabile. Le prestazioni dei due modelli, riportate nella
tabella 3.12, indicano per il modello di potenza una capacità di descrizione lievemente
superiore rispetto a quella del modello lineare, evidenziata dal maggior coefficiente di
correlazione lineare tra i valori osservati e calcolati e dai valori più contenuti dell’errore
quadratico medio e dell’errore medio. Entrambi i modelli risultano migliori dei modelli semiempirici per la stima dei valori del secondo massimo di concentrazione, ma le loro prestazioni sono assolutamente confrontabili a quelle del modello empirico generale
descritto nell’equazione (3.3), che dimostra così la sua estrema affidabilità.
3.3.4 Modelli empirici per il numero di superamenti dello standard di qualità dell’aria
Dal momento che i modelli generali fin qui sviluppati risultano poco affidabili nella
descrizione dei valori massimi della distribuzione delle concentrazioni, peraltro poco
correlati alla media annuale, è stata condotta una analisi diretta della relazione tra il
numero annuo di eventi di superamento dello standard di qualità dell’aria per il tempo di integrazione di 8 ore (10 mg m–3) e la concentrazione media annuale corrispondente. Per descrivere le dipendenze osservate i legami funzionali più idonei sono risultati di tipo trascendente, rappresentati dalle seguenti equazioni:
modello esponenziale
Ns = α • exp (β • Ma)
(3.10)
Ns = α • (Ma)β
(3.11)
modello di potenza
In entrambi i casi la stima dei parametri è stata condotta direttamente sui dati con il metodo dei minimi quadrati, senza ricorrere alla linearizzazione, considerando soltanto le
57 serie storiche in cui lo standard non è stato rispettato. Poiché i due modelli risultano
del tutto equivalenti quando se ne esaminano le prestazioni, riassunte nella tabella 3.13, la
Modello
Parametri
r
Em (mg m - 3)
Eqm (mg m - 3)
esponenziale
0,721
0,895
0,908
-0,422
12,442
di potenza
0,112
3,957
0,908
0,021
12,452
Tabella 3.13 - Monossido di carbonio: parametri dei modelli per la descrizione del legame tra il numero di
superamenti dello standard e la media annuale per il tempo di integrazione di 8 ore e relative prestazioni.
83
D A T ID I
più semplice formulazione del modello di potenza lo rende preferibile a quello esponenziale, sebbene il suo errore quadratico medio risulti leggermente più elevato.
1000
100
10
1
1
10
Figura 3.26 - Monossido di carbonio: legame tra il numero di superamenti dello standard
e la media annuale per il tempo di integrazione di 8 ore e confronto con il modello empirico
descritto nell’equazione (3.11).
120
100
80
60
40
20
0
0
20
40
60
80
100
120
N° superamenti - valori osservati
Figura 3.27 - Monossido di carbonio: numero di superamenti dello standard osservati e sti mati con il modello empirico descritto nell’equazione (3.11) per il tempo di integrazione di
8 ore.
84
RECETTORE
Si segnala comunque che a fronte di un elevato coefficiente di correlazione lineare tra il
numero di superamenti osservati e quelli calcolati con il modello, pari a 0,908, e di un errore medio prossimo a 0, la dispersione dei dati comporta un errore quadratico medio
(12,4 superamenti) pari al 41,6% del numero medio dei superamenti osservati (29,62). Le
capacità descrittive del modello empirico descritto nell’equazione (3.11) sono rappresentate nella figura 3.26, mentre nel diagramma di dispersione di figura 3.27 si confrontano il
numero di superamenti osservato e quello calcolato con il modello stesso.
3.4 Modelli statistici per la distribuzione di NO2
Le elaborazioni hanno utilizzato le serie storiche delle concentrazioni di NO2 registrate nel periodo 1989-1994 che dispongono di almeno il 75% dei dati validi.
3.4.1 Modello empirico
L’analisi di 69 serie annuali di dati di NO 2 registrate in 19 stazioni di rilevamento situate nell’area omogenea di Milano nel periodo 1989-1994, ha consentito di confermare anche per questo inquinante il ruolo dominante svolto dalla media annua sulle statistiche di maggior interesse per la descrizione della qualità dell’aria. Si è quindi proceduto ad analizzare la dipendenza dei percentili di concentrazione CF (µg m–3) dalla
frequenze cumulata F (%) che li definisce, dalla media aritmetica annuale Ma (µg m–3)
e dal tempo di integrazione t (h). Sono stati presi in considerazione i percentili corrispondenti a 8 valori di frequenza cumulata (50, 60, 70, 80, 90, 95, 98 e 99%) per 5 diversi tempi di integrazione (1, 3, 6, 12 e 24 ore) relativi alle 69 serie annuali caratterizzate
ciascuna da una concentrazione media Ma. Come si può osservare, l’analisi comprende i percentili di particolare interesse corrispondenti alla frequenza cumulata del 50%
e del 98%, oggetto dello standard di qualità dell’aria.
La dipendenza dei percentili considerati, sensibilmente più lineare rispetto alla media annua di quanto osservato per il CO e sempre piuttosto regolare rispetto alla frequenza cumulata e al tempo di integrazione, ha consentito di sviluppare un modello
analitico di formulazione analogo a quello messo a punto per la descrizione delle alte
concentrazioni di CO ed SO2:
CF = k • F b • Ma • td
(3.12)
in cui k, b e d sono costanti numeriche.
Con la tecnica della regressione lineare si è messa in evidenza la sostanziale indipendenza del parametro (d) dalle variabili in esame, con un valore medio pari a -0,025
e un errore medio di 0,002, al contrario dei valori dei parametri (k) e (b) che hanno mostrato una significativa dipendenza dalla frequenza cumulata, soprattutto per i valori
estremi di quest’ultima.
Tale dipendenza, osservata anche per il CO, rende il modello di fatto poco adatto a
descrivere con una espressione unica l’intero campo di variabilità di F, se non a scapito dell’accuratezza. Per non complicare ulteriormente la struttura della (3.12), si è preferito dividere il campo di applicazione in due parti con valori diversi delle costanti
numeriche (k) e (b), salvaguardando sia l’accuratezza che la semplicità della descri-
85
D A T ID I
zione. Sono stati così ricavati i valori delle costanti numeriche (k) e (b) da utilizzare nei
due seguenti intervalli di frequenza cumulata:
( )
( )
CF
F
= 1,705 •
Ma • t -0,025
100
0,894
CF
F
= 2,420 •
Ma • t -0,025
100
3,786
per F ≤ 87,5%
(3.13)
per F > 87,5%
(3.14)
3
2,5
2
1,5
1
Senato 1992
0,5
Juvara 1993
Villasanta 1994
0
40
50
60
70
80
90
100
Frequenza cumulata (%)
Figura 3.28 - Biossido di azoto: legame tra concentrazione non superata e frequenza cumu lata per il tempo di integrazione di 1 ora (le serie selezionate permettono di coprire l’intero
range dei valori delle medie annuali osservate).
La rappresentazione grafica della dipendenza del termine a primo membro dalla
frequenza cumulata è riportata nella figura 3.28 ove sono indicati i percentili relativi a
tre valori rappresentativi della popolazione delle medie annuali, rispettivamente il valore minimo, il valore massimo e il valore prossimo alla media delle 69 concentrazioni annue per il tempo di integrazione di 1 ora. Si può osservare la precisione nella descrizione dei percentili più bassi considerati e una maggiore dispersione dei dati relativi ai percentili estremi.
La rappresentazione grafica del modello approntato per i distinti tempi di integrazione considerati è riportata nella successiva figura 3.29, che riporta i valori del 50°,
70°, 90° e 98° percentile in funzione della media annua per il tempo di integrazione di
1 ora; si può osservare l’evidente linearità del legame, particolarmente marcata per i
percentili più bassi, mentre i valori del 98° percentile presentano una maggiore dispersione attorno alla retta rappresentativa del modello empirico.
Dal momento che la normativa in vigore sulla qualità dell’aria prende in considerazione, per quanto riguarda il biossido di azoto, il 50° e il 98° percentile delle concen-
86
RECETTORE
400
350
300
250
200
150
100
50
0
0
P50
20
P70
40
P90
60
80
P98
100
Modello empirico
120
140
160
Media annuale ( g m-3)
Figura 3.29 - Biossido di azoto: dipendenza dei percentili dalla media annuale Ma e con fronto con il modello empirico descritto nelle equazioni (3.13) e (3.14) per il tempo di in tegrazione di 1 ora.
400
350
200
150
50
0
40
60
80
100
120
140
P50 ( g m-3) - valori osservati
Figura 3.30 - Biossido di azoto: valori del 50° percentile delle concentrazioni orarie osser vati e stimati mediante il modello empirico descritto nell’equazione (3.13).
trazioni orarie, nelle figure 3.30 e 3.31 viene riportato il confronto tra percentili osservati e calcolati per il tempo di integrazione di 1 ora, mentre per i medesimi percentili
e per il campione completo costituito da 50°, 70°, 90° e 98° percentile, nella tabella 3.14
87
D A T ID I
350
300
250
200
150
100
100
150
200
250
300
350
400
P98 ( g m-3) - valori osservati
Figura 3.31 - Biossido di azoto: valori del 98° percentile delle concentrazioni orarie osservati
e stimati mediante il modello empirico descritto nell’equazione (3.13).
Percentile
Intero
campione
P5 0
P 98
0,967
0,978
0,857
Em (µg m )
-1,791
0,860
-11,264
Eqm (µg m )
15,485
3,680
28,182
r
-3
-3
Tabella 3.14 - Biossido di azoto: modello empirico (3.12) per
la stima dei percentili delle concentrazioni orarie, tempo di
integrazione di 1 ora.
sono riassunte le prestazioni complessive del modello, espresse in termini di errore
quadratico medio (Eqm), errore medio (Em) e coefficiente di correlazione (r) tra i valori osservati e calcolati. Risulta evidente la sensibile differenza delle prestazioni del
modello quando si prendono in considerazione i soli valori del 98° percentile, con un
errore quadratico medio che passa dal 3,99% del valore medio dei 50° percentili
all’11,9% del valore medio dei 98° percentili.
Con lo scopo di descrivere le distribuzioni di dati dell’area in funzione di un parametro unificante di facile acquisizione quale la media aritmetica si è valutata l’adattabilità
di modelli teorici i cui parametri si potessero esprimere in funzione della media aritmetica. Sono state prese in considerazione le distribuzioni teoriche comunemente
88
RECETTORE
adattabili alle serie di concentrazioni di inquinanti atmosferici: la distribuzione lognormale, la distribuzione di Weibull e la distribuzione esponenziale.
La stima dei parametri delle distribuzioni e la successiva verifica dell’adattamento dei
dati osservati a ciascuna di esse è stata effettuata con riferimento ai parametri della statistica descrittiva e ai percentili della distribuzione osservata delle concentrazioni orarie,
preventivamente calcolati per ciascuna serie storica. Per quanto riguarda le distribuzioni
lognormale e di Weibull, si è analizzato il legame tra i parametri statistici che descrivono
completamente la popolazione dei dati di ciascuna serie storica e la media annuale corrispondente. Per la distribuzione esponenziale sono stati dapprima stimati i parametri per
ciascuna serie storica con tecniche di regressione lineare applicate ai logaritmi della frequenza di superamento dei rispettivi percentili considerati; successivamente è stata analizzata la relazione tra i valori così stimati e la corrispondente media annua.
3.4.2.1 Modello semiempirico lognormale
Nelle figure 3.32 e 3.33 sono rappresentati i diagrammi a dispersione dei valori dei
parametri della distribuzione lognormale in funzione della media annuale. Dalle
elaborazioni sono stati esclusi i dati relativi alle serie storiche “Arese 1992” e “Pero
1992”, caratterizzati da valori della media geometrica e della deviazione geometrica standard sensibilmente discosti da quelli calcolati per le altre serie storiche, a
causa della presenza di diversi dati nulli nelle serie stesse. Mentre i valori della media geometrica sono descritti con buona approssimazione da una funzione lineare
della media annuale, quelli della deviazione geometrica standard Sg appaiono del
tutto indipendenti da quest’ultima. Nelle applicazioni della distribuzione lognormale si può pertanto assumere costante il valore di Sg e pari alla media geometrica
dei valori della deviazione geometrica standard delle singole serie storiche costituenti la popolazione di dati: la media geometrica ha dato infatti risultati migliori
della media aritmetica nella stima dei percentili.
Sfruttando le proprietà della distribuzione lognormale, la relazione tra la media aritmetica e la media geometrica può essere valutata in funzione della deviazione geometrica standard Sg con la seguente formula:
Mg = Ma exp
(
-
ln2 Sg
2
)
(3.15)
che per Sg = 1,679 fornisce la relazione:
Mg = 0,874 Ma
(3.16)
Risultando più compatta della relazione empirica e non introducendo sensibili differenze nella stima della media geometrica, quest’ultima relazione è stata utilizzata
per le successive applicazioni del modello semiempirico lognormale.
3.4.2.2 Modello semiempirico di Weibull
Nelle figure 3.34 e 3.35 sono rappresentati i diagrammi a dispersione dei valori dei parametri della distribuzione di Weibull in funzione della media annuale. Anche in questo caso, i valori del parametro di locazione sono ben interpolati da una funzione li-
89
D A T ID I
150
140
Mg = 0,864Mg + 1,937
2
R = 0,960
130
120
110
100
90
80
70
60
50
50
60
70
80
90
100
110
120
130
140
150
Figura 3.32 - Biossido di azoto: legame tra media geometrica e annuale (aritmetica) per la sti ma dei parametri del modello semiempirico lognormale e retta interpolante.
2,5
2
1,5
1
50
60
70
80
90
100
110
120
130
140
150
Figura 3.33 - Biossido di azoto: legame tra deviazione geometrica standard e media annuale (arit metica) per la stima dei parametri del modello semiempirico lognormalee retta interpolante.
90
RECETTORE
200
α = 1,122Ma + 0,382
2
R = 1,000
175
150
125
100
75
50
50
60
70
80
90
100
110
Figura 3.34 - Biossido di azoto: dipendenza del parametro
120
130
140
150
di Weibull dalla media annuale
3
2,5
2
1,5
1
50
60
70
80
90
100
110
120
130
140
150
Figura 3.35 - Biossido di azoto: dipendenza del parametro
nuale (aritmetica).
di Weibull dalla media an -
91
D A T ID I
neare della media annuale, mentre quelli del parametro di dispersione presentano una
dispersione tale da escludere ogni possibile correlazione. Con considerazioni analoghe
a quelle effettuate per la distribuzione lognormale, il valore di tale parametro può essere assunto costante e pari alla media geometrica dei valori delle singole serie storiche.
3.4.2.3 Modello semiempirico esponenziale
Si è valutata anche la possibilità di descrivere i dati relativi agli alti percentili con una
distribuzione di tipo esponenziale:
F = 1 - exp (α • (C + β))
(3.17)
dove F è la frequenza cumulata, C (µg m–3) è la concentrazione non superata e α e β
sono delle costanti numeriche, stimate per ciascuna serie storica con tecniche di regressione lineare applicate ai logaritmi della frequenza di superamento dei rispettivi
percentili considerati (50°, 60°, 70°, 80°, 90°, 95°, 98° e 99° percentile). Dall’analisi della dipendenza dei parametri α e β dalla concentrazione media annuale si ricava che i
valori del parametro α presentano un andamento lineare crescente con la media annuale, con un coefficiente di correlazione pari a 0,738 (figura 3.36).
Analoghe considerazioni valgono per il parametro β, per il quale si apprezza un
valore leggermente superiore del coefficiente di correlazione, che risulta pari a
0,775 ( figura 3.37). Si osserva che il termine costante presente nell’espressione del
parametro β risulta molto piccolo rispetto al termine dipendente dalla media annuale ed è quindi possibile, senza gravi imprecisioni, semplificare l’espressione del
50
0
-0,01
60
70
80
90
100
110
120
130
140
150
α = (0,20Ma - 42)/1000
2
R = 0,544
-0,02
-0,03
-0,04
Figura 3.36 - Biossido di azoto: dipendenza del parametro della distribuzione esponen ziale dalla media annuale (aritmetica) e retta di regressione.
92
50
-20
60
70
80
90
100
110
120
130
140
RECETTORE
150
-30
-40
-50
β = -0,5Ma + 1
2
R = 0,601
-60
-70
-80
-90
Figura 3.37 - Biossido di azoto: dipendenza del parametro della distribuzione esponenzia le dalla media annuale (aritmetica) e retta di regressione.
Modello
Parametri
lognormale
Mg = 0,874 · M a
S g = 1,679
Weibull
σ = 1,123 · M a + 0,382
λ = 2,103
esponenziale
α = (0,02 · M a - 4)/100
β = - 0,5 · M a
Tabella 3.15 - Biossido di azoto: parametri dei modelli se miempirici per la descrizione delle distribuzioni delle con centrazioni orarie in funzione della media annuale.
parametro trascurando la costante additiva: le stime dei percentili così ottenute non
si scostano infatti in maniera apprezzabile da quelle fornite dall’espressione non
semplificata.
3.4.2.4 Stima delle prestazioni dei modelli semiempirici
Le elaborazioni svolte hanno consentito di formulare una serie di espressioni per le
distribuzioni dei dati, tutte completamente definite da due parametri, correlati in
maniera più o meno robusta alla media annua, che sono riportati nella tabella 3.15.
La curva delle frequenze cumulate F(C), che fornisce il valore del percentile dei dati che non superano la concentrazione C, assume pertanto le seguenti formulazioni:
modello lognormale
F(C) =
t
exp (- ) dt
∫
√2π
2
1
z
∞
2
(3.18)
93
D A T ID I
in cui
z=
ln C - ln (0,874 Ma)
ln (1,679)
Poiché non esiste soluzione analitica della equazione (3.18), si rende necessario il ricorso a tabelle di probabilità o a formulazioni approssimate che permettono di ricavare la frequenza cumulata corrispondente a un valore C di concentrazione o, viceversa,
il valore di C cui corrisponde una prefissata frequenza cumulata.
modello di Weibull
F(C) = 1 - exp
modello esponenziale F(C) = 1 - exp
[(
[(
C
-
100
)
• (C
(3.19)
]
(3.20)
2,103
1,123 Ma - 0,382
0,02 Ma - 4
)]
- 0,5 Ma)
Diversamente dai modelli lognormale e di Weibull, in grado di descrivere l’intera
distribuzione, il modello esponenziale, approntato per la descrizione degli alti percentili, ha un campo di applicazione limitato a valori di concentrazione superiori alla
metà della media annuale, che per le serie storiche considerate corrispondono ai percentili superiori al 20°. Pertanto, la verifica comparativa della capacità dei modelli semiempirici di descrivere la distribuzione dei dati osservati è stata effettuata valutando
per ciascuna serie storica il coefficiente di correlazione (r) tra i valori osservati e quelli calcolati, nonché l’errore medio Em e l’errore quadratico medio Eqm corrispondenti, solamente per i percentili superiori al 20°. I rispettivi valori medi (tabella 3.16) evidenziano prestazioni simili per i modelli messi a punto. Va tuttavia sottolineato che,
mentre il modello semiempirico di Weibull tende a sottostimare i valori degli alti percentili, i modelli esponenziale e lognormale ne effettuano una sovrastima, che risulta
Modello
lognormale
Weibull
esponenziale
0,998
0,989
0,997
Em (µg m )
-5,483
4,321
-5,519
Eqm (µg m )
16,428
16,793
17,018
r
-3
-3
Tabella 3.16 - Biossido di azoto: prestazioni dei modelli se miempirici sviluppati per la descrizione delle distribuzioni
delle concentrazioni orarie.
più contenuta nel caso del modello lognormale: quest’ultimo deve pertanto considerarsi più idoneo a descrivere la distribuzione complessiva dei dati. La descrizione dei
percentili attendibile con il modello semiempirico lognormale è illustrata in figura 3.38
per tre stazioni caratterizzate da valori rappresentativi di tutto il campo di variazione
della media annuale (64,5-145,6 µg m–3).
94
RECETTORE
99,00
98,00
95,00
90,00
80,00
Juvara 1993
70,00
Villasanta 1994
60,00
MI-Senato 1991
50,00
40,00
(139,69 µg m-3)
S.S. Giovanni 1993 (98,77 µg m-3)
Limito 1993
10
(74,16 µg m-3)
100
NO2 ( g m-3)
1000
Figura 3.38 - Biossido di azoto: distribuzione degli alti percentili per il tempo di integrazio ne di 1 ora e confronto con il modello semiempirico lognormale.
3.4.2.5 Confronto tra le prestazioni del modello empirico e dei modelli semiempirici per la
stima del valore mediano e dei percentili estremi delle distribuzioni delle concentrazioni
orarie di NO 2
I modelli messi a punto sono stati utilizzati per la stima dei valori del 50° e del 98° percentile delle concentrazioni orarie di NO2, di particolare interesse per il controllo della qualità dell’aria. Le formulazioni assunte dal modello empirico (3.9) e dai modelli
semiempirici per la stima di tali percentili sono riportate rispettivamente nelle tabelle
3.17 e 3.18, mentre le relative prestazioni sono poste a confronto nelle tabelle 3.19 e 3.20
Modello
Formulazione
empirico
P50; NO2 = 0,917 M a; NO2
semiempirico lognormale
P 50; NO2 = 0,874 M a; NO2
semiempirico di Weibull
P50; NO2 = 0,943 M a; NO2 + 0,321
semiempirico esponenziale
P50; NO2 = 0,5 Ma; NO2 +
69,315
4 - 0,02 M a; NO
Tabella 3.17 - Biossido di azoto: formulazione dei modelli empirici e semiem pirici per la descrizione del 50° percentile delle distribuzioni orarie.
95
D A T ID I
Modello
Formulazione
empirico
P98; NO2 = 2,242 M a; NO2
semiempirico lognormale
P98; NO2 = 2,534 M a; NO2
semiempirico di Weibull
P98; NO2 = 2,147 M a; NO2 + 0,731
semiempirico esponenziale
P98; NO2 = 0,5 M a; NO2 +
391,202
4 - 0,02 M a; NO
Tabella 3.18 - Biossido di azoto: formulazione dei modelli empirici e semiem pirici per la descrizione del 98° percentile delle distribuzioni orarie.
Modello
Empirico
Semiempirico
lognormale
Semiempirico
di Weibull
Semiempirico
esponenziale
0,978
0,978
0,978
0,970
Em (µg m )
-0,860
3,514
-3,820
4,896
Eqm (µg m )
3,680
5,005
5,298
6,419
r
-3
-3
Tabella 3.19 - Biossido di azoto: prestazioni dei modelli empirici e semiempirici per la descrizione
del 50° percentile delle distribuzioni orarie.
Modello
Empirico
Semiempirico
lognormale
Semiempirico
di Weibull
0,857
0,857
0,857
0,851
Em (µg m )
11,264
-18,489
20,023
-18,648
Eqm (µg m )
28,182
31,985
32,806
33,949
r
-3
-3
Semiempirico
esponenziale
Tabella 3.20 - Biossido di azoto: prestazioni dei modelli empirici e semiempirici per la descrizione
del 98° percentile delle distribuzioni orarie.
in termini di coefficiente di correlazione, errore medio ed errore quadratico medio tra
valori osservati e calcolati.
In entrambi i casi la stima più accurata è fornita dal modello empirico, mentre il modello semiempirico esponenziale, nonostante le buone prestazioni nel descrivere le distribuzioni nel loro complesso illustrate al precedente paragrafo, fa registrare le stime
meno accurate. Per quanto riguarda i modelli semiempirici lognormale e di Weibull, il
primo fornisce una stima più precisa per il 50° percentile, mentre il secondo risulta migliore per il 98° percentile. L’errore quadratico medio registrato dal modello empirico nei
due casi è, sia in valore assoluto che percentuale, minore per la stima del 50° percentile:
esso è infatti pari al 3,99% della media dei 50° percentili (pari a 92,2 µg m–3), e all’11,79% di
quella dei 98° percentili (pari a 238,9 µg m–3).
96
RECETTORE
3.5 Relazioni a lungo termine tra NO2 ed NOx
3.5.1 Relazione tra le medie annuali di NO2 ed NOx
È noto che la relazione che lega le concentrazioni di NO2 ed NOx è descrivibile, nella
bassa troposfera e in condizioni di equilibrio, dal ciclo fotostazionario che coinvolge
la radiazione solare come fonte di energia e la presenza di O3 come ulteriore prodotto
secondario. Il ciclo fotostazionario è a sua volta inserito in un sistema più complesso di
reazioni che coinvolgono i composti organici reattivi (COV) e una serie di prodotti tra
cui principalmente ossidanti organici, acido nitroso e nitrati. I modelli proposti per la
descrizione del sistema hanno generalmente lo scopo prevalente di stimare la possibilità di controllo dei livelli di O3, che eccedono lo standard in molte importanti aree, ma
riferiti in generale alla fotochimica della qualità dell’aria, risultando per questo strumenti complessi e di non facile impiego.
In tutte le versioni concettuali proposte (a scatola, a traiettoria, a griglia, anche con
possibilità di aggregazione tra le celle mediante tecniche di regressione multipla) i modelli richiedono infatti dettagliati dati di input relativi alla meteorologia, alle condizioni iniziali e al contorno di qualità dell’aria e, soprattutto, alle emissioni di inquinanti primari da sorgenti fisse puntuali, areali e da sorgenti mobili. Gli inventari e la
mappatura di queste ultime, come è noto, non sono quasi mai di facile acquisizione, in
particolare per quanto riguarda i COV, emessi prevalentemente da sorgenti diffuse sia
di origine antropica sia, in misura tutt’altro che trascurabile, di origine naturale. Purtroppo le analisi di sensitività condotte con modelli di ampio impiego evidenziano come proprio i COV reattivi, e in particolare la loro speciazione, risultino essere i principali parametri in grado di influenzare sensibilmente i risultati delle valutazioni.
Le considerazioni svolte implicano, soprattutto in aree complesse come quelle metropolitane, l’impossibilità di conseguire previsioni accurate in mancanza di precisi inventari di emissioni e senza una valutazione attendibile delle condizioni iniziali e al contorno.
La situazione di Milano risulta emblematica di molte aree urbane complesse, sia per
la scarsa disponibilità di inventari completi delle emissioni, e in particolare di dati sui
COV globali e sulla loro speciazione, sia per la improcrastinabile necessità di avviare
i piani di risanamento, e quindi di operare scelte strategiche e tattiche senza poter disporre di tutte le informazioni necessarie a permettere l’applicazione pratica di modelli fotochimici di qualità dell’aria. Stante pertanto l’impossibilità di ricorrere in tempi brevi a modelli deterministici, estremamente esigenti in fatto di dati di input, e la
necessità di operare scelte rapide e affidabili per il recupero e il mantenimento della
qualità dell’aria in zone di mancato rispetto degli standard, importanti indicazioni
possono essere ricavate dall’impiego di modelli statistici in grado di descrivere empiricamente le relazioni tra i parametri di primario interesse, con l’obiettivo prioritario
di stimare il livello degli interventi occorrenti per il rispetto degli standard.
Questo tipo di approccio, che impegna risorse di input relativamente modeste, può fornire indicazioni molto utili per il progetto e la pianificazione iniziale degli interventi, senza che peraltro risulti preclusa alcuna possibilità di adeguamento o affinamento degli
stessi qualora ciò sia consentito da una maggiore e più completa disponibilità di dati. Le
applicazioni statistiche sviluppate sinora hanno riguardato inquinanti stabili e hanno
prodotto in prevalenza parametri di input per modelli roll-back. Approcci empirici sono
stati impiegati anche per la descrizione del rapporto tra NO2 ed NOx a breve termine.
97
D A T ID I
150
140
130
120
110
100
90
80
70
60
50
100
150
200
250
300
350
400
Ma;NOx ( g m-3)
Figura 3.39 - Biossido di azoto: legame della media annuale con la corrispondente gran dezza di NO x e confronto con il modello empirico descritto nell’equazione (3.23).
Sulla base di indicazioni di letteratura, di una analisi qualitativa del diagramma a
dispersione di figura 3.39 e dei risultati di precedenti elaborazioni applicate a un campione costituito da 67 serie storiche di concentrazioni medie annue di NOx ed NO2 registrate nelle stazioni dell’AO nel periodo 1989-1994, il legame tra la media annuale di
NOx ed NO2 può essere ragionevolmente descritto con le due formulazioni seguenti:
Ma; NO2 = α Maβ; NOx
Ma; NO2 =
(3.21)
α Ma; NOx
(3.22)
Ma; NOx + β
dove Ma;NO2 ed Ma;NOx sono rispettivamente le medie annuali di NO2 ed NOx.
Modello
di potenza
iperbolico
α
2,752
292
β
0,651
472
0,880
0,882
Em (µg m )
0,016
-0,040
Eqm (µg m )
8,867
8,796
r
-3
-3
Tabella 3.21 - Biossido di azoto: parametri e prestazioni dei modelli
per la descrizione del legame tra le medie annuali di NOx ed NO2.
98
RECETTORE
La struttura dei modelli proponibili consente di tenere debitamente conto della tendenza alla saturazione che si osserva per le concentrazioni di NO2 all’aumentare delle
concentrazioni di NOx, fenomeno fisicamente dovuto alla disponibilità limitante di ossidanti già evidenziato sia nel caso di altre realtà urbane sia in ambiti extraurbani.
La stima dei parametri dei due modelli, nel seguito denominati rispettivamente come “modello di potenza” e “modello iperbolico”, è stata effettuata con il metodo dei
minimi quadrati operando direttamente sui modelli stessi, senza ricorrere alla linearizzazione che, pur determinando una notevole semplificazione nella stima dei parametri e una conseguente maggiore rapidità di calcolo, potrebbe introdurre errori di
approssimazione difficilmente stimabili e talora anche rilevanti.
La verifica della capacità descrittiva della relazione tra le medie annue di NOx ed
NO2 dei due modelli considerati, riportata in tabella 3.21 con i valori dei parametri α e
β, evidenzia prestazioni molto simili per tutti i parametri statistici con valori soddisfacenti sia per quanto riguarda il coefficiente di correlazione lineare che per l’errore
quadratico medio. Il coefficiente di correlazione lineare tra i valori osservati e calcolati è superiore a 0,88, mentre l’errore quadratico medio risulta inferiore all’8,7% del valore medio delle concentrazioni medie annue di NO2 per le 67 serie storiche considerate (101,6 µg m–3), variabili nell’intervallo 64,5-145,6 µg m–3. Il modello iperbolico presenta prestazioni lievemente migliori di quelle del modello di potenza a eccezione dell’errore medio, parametro comunque meno significativo degli altri in quanto può risultare contenuto anche a fronte di sensibili errori sulle singole valutazioni.
La maggiore semplicità applicativa, la migliore affinità con la realtà dei fenomeni di
saturazione e le prestazioni leggermente migliori, fanno ritenere più adeguato per la
descrizione del legame esaminato il modello iperbolico (3.22) che assume la seguente
formulazione:
Ma; NO2 = 292
Ma; NOx
Ma; NOx + 472
(3.23)
che sarà pertanto utilizzata per tutte le successive elaborazioni.
La figura 3.39 riporta il grafico a dispersione dei valori osservati delle concentrazioni medie annuali di NOx ed NO2 e il modello empirico descritto nell’equazione (3.23)
che descrive il legame esistente, mentre la figura 3.40riporta il grafico a dispersione dei
valori osservati e calcolati della media annuale di NO2 attorno alla retta di perfetta corrispondenza. L’affidabilità del modello è confermata dalla omogenea distribuzione
degli errori di stima lungo tutto il campo di applicazione del modello stesso. Il valore
medio dell’errore percentuale di stima è pari allo 0,74% con un errore di stima massimo inferiore a ± 20% del valore effettivamente misurato; soltanto 5 serie presentano
errori superiori al 15%.
3.5.1.1 Relazione tra la media annuale di NOx e i parametri controllati dallo standard
La combinazione del modello iperbolico empirico descritto nell’equazione (3.23) che
descrive la relazione tra le medie annuali di NO2 ed NOx con i modelli che descrivono
la distribuzione, e in particolare i percentili controllati dallo standard di qualità dell’aria, in funzione della media annuale di NO2, ha portato alla formulazione di modelli che esplicitano il legame tra i parametri di interesse e la media annuale di NOx.
99
D A T ID I
150
140
130
120
110
100
90
80
70
60
50
50
60
70
80
90
100
110
120
130
140
150
Ma;NO2 ( g m ) - valori osservati
-3
Figura 3.40 - Biossido di azoto: valori delle concentrazioni medie annuali osservate e stima te con il modello empirico descritto nell’equazione (3.23).
La struttura generale dei modelli risultanti, che riflette sia il legame iperbolico tra le
medie annuali di NO 2 ed NOx, sia la linearità del legame che intercorre nel modello
empirico e in quelli semiempirici tra i valori dei percentili di interesse e la media annuale di NO2, assume la seguente formulazione generale:
P x (%); NO2 = αx
Ma; NOx
Ma; NOx + β
+ γx
(3.24)
in cui β è la costante numerica del modello (3.23), mentre αx e γx sono costanti numeriche caratteristiche per ciascun modello e legate al valore x del percentile considerato. La
combinazione del modello iperbolico empirico descritto nell’equazione (3.23) con il modello semiempirico esponenziale porta a dei modelli di struttura più complessa:
Px (%); NO2 = αx
Ma; NOx
Ma; NOx + β
- γx
Ma; NOx + β
Ma; NOx - δ
(3.25)
con l’introduzione di una ulteriore costante numerica δ.
I valori dei parametri e le prestazioni dei modelli così approntati per la stima del 50°
e del 98° percentile delle concentrazioni orarie di NO2 sono riportati rispettivamente
nelle tabelle 3.22 e 3.23.
Si può osservare che la combinazione del modello empirico descritto nell’equazione
(3.13) con il modello empirico descritto nell’equazione (3.23) fornisce delle stime contraddistinte dai valori più bassi dell’errore quadratico medio e dell’errore medio,
100
Modello
empirico
semiempirico
lognormale
semiempirico
di Weibull
RECETTORE
semiempirico
esponenziale
α
268
255
275
β
472
472
472
472
γ
-
-
0,3
-37,7
δ
-
-
-
1027
0,867
0,867
0,867
0,862
Em (µg m )
-0,708
3,663
-3,721
5,427
Eqm (µg m )
8,521
9,255
9,290
10,203
r
-3
-3
146
Tabella 3.22 - Biossido di azoto: parametri e prestazioni dei modelli per la stima del 50° percentile
delle concentrazioni orarie a partire dalle concentrazioni medie annuali di NOx.
Modello
empirico
semiempirico
lognormale
semiempirico
di Weibull
semiempirico
esponenziale
α
654
β
472
472
472
472
γ
-
-
1,40
213
δ
-
-
r
740
627
-
146
1027
0,741
0,741
0,741
0,731
Em (µg m )
10,386
-19,397
18,523
-17,145
Eqm (µg m )
35,311
39,159
38,549
38,863
-3
-3
Tabella 3.23 - Biossido di azoto: parametri e prestazioni dei modelli per la stima del 98° percentile
delle concentrazioni orarie a partire dalle concentrazioni medie annuali di NOx.
mentre i modelli semiempirici mostrano delle prestazioni tra loro simili. La struttura
dei modelli ottenuti comporta eguale valore del coefficiente di correlazione lineare tra
i valori osservati e calcolati, con l’eccezione del modello esponenziale per il quale si registrano valori più contenuti.
Nella figura 3.41 è riportato il grafico a dispersione dei valori del 50° percentile di
NO2 in funzione della media annuale di NOx e il modello empirico che meglio descrive il legame tra tali grandezze e che assume la seguente formulazione:
P50; NO2 = 268
Ma; NOxx
(3.26)
Ma; NOx + 472
mentre nella figura 3.42 è rappresentato il grafico a dispersione dei valori osservati e
calcolati attorno alla retta di perfetta corrispondenza. L’affidabilità del modello è testimoniata dall’omogenea distribuzione dei valori lungo tutto l’intervallo di applica-
101
D A T ID I
150
140
130
120
110
100
90
80
70
60
50
100
150
200
250
300
350
400
Ma;NOx ( g m-3)
Figura 3.41 - Biossido di azoto: valori del 50° percentile delle concentrazioni orarie in fun zione della corrispondente media annuale di NOx e confronto con il modello empirico descrit to nell’equazione (3.26).
150
140
130
120
110
100
90
80
70
60
50
50
60
70
80
90
100
110
120
130
140
150
P50;NO2 ( g m-3) - valori osservati
e stimati con il modello empirico descritto nell’equazione (3.26).
zione del modello e dal valore dell’errore quadratico medio percentuale, pari al 9,2%
del valore medio dei percentili considerati (92,5 µg m–3). L’errore percentuale di stima
risulta sempre inferiore a ± 22,8%, con 60 serie su 67 per cui risulta inferiore al 15%.
Le prestazioni del modello empirico per la stima del 98° percentile di NO2 a partire
dalla media annuale di NOx risultano inferiori a quelle fornite per la stima del valore
mediano della distribuzione delle concentrazioni orarie di NO2. La maggiore disper-
102
RECETTORE
400
350
300
250
200
150
100
100
150
200
250
300
350
400
Ma;NOx ( g m-3)
Figura 3.43 - Biossido di azoto: valori del 98° percentile delle concentrazioni orarie in funzione del la corrispondente media annuale di NOx e confronto con il modello empirico descritto nell’equazio ne (3.27).
400
350
300
250
200
150
100
100
150
200
250
300
350
400
P98;NO2 - valori osservati
e stimati con il modello empirico descritto nell’equazione (3.27).
103
D A T ID I
sione dei valori del 98° percentile determina infatti un minor valore del coefficiente di
correlazione lineare tra i valori osservati e calcolati e un errore quadratico medio percentuale riferito alla media dei valori del 98° percentile più elevato e pari al 14,8%. Gli
errori percentuali medio e massimo delle stime risultano rispettivamente del 2,8% e
del 30,8%, mentre 19 delle 67 serie presentano errori di stima superiori al 15%.
Nella figura 3.43 è riportato il grafico a dispersione dei valori del 98° percentile di
NO2 in funzione della media annuale di NOx con il modello risultante che meglio descrive il legame tra tali grandezze:
P 50;NO2 = 268
Ma; NOx
(3.27)
Ma; NOx +472
mentre nella figura 3.44 è rappresentato il grafico a dispersione dei valori osservati e
calcolati con tale modello attorno alla retta di perfetta corrispondenza. Anche in questo caso si può osservare l’omogenea distribuzione dei punti attorno a tale retta, ma
anche la sottostima dei valori più elevati del 98° percentile, compresa nell’intervallo
17,1-30,8 % per valori di concentrazione maggiori di 330 µg m–3.
3.5.2 Relazione tra le medie mensili di NO2 ed NOx
Un approccio che affina la descrizione della relazione NO2-NOx recuperando l’effetto
ciclico della meteorologia sul processo di ossidazione dell’NO2 può basarsi sullo svi200
Marzo
Giugno
Settembre
Dicembre
180
160
140
120
100
80
60
40
20
0
0
100
200
300
400
500
NOx ( g m-3)
600
700
800
Figura 3.45 - Biossido di azoto: andamento dei valori osservati e stimati dal modello per
la descrizione delle concentrazioni medie mensili in funzione della media mensile di NOx.
104
RECETTORE
Milano città
Comuni limitrofi
Area omogenea
0,89
0,86
0,86
Em (µg m )
-5,67
1,83
-0,73
Eqm (µg m )
13,53
15,80
15,06
r
-3
-3
Tabella 3.24 - Biossido di azoto: struttura e prestazioni del modello per la descrizione delle con centrazioni medie mensili relative alle singole serie.
luppo della equazione (3.22) su base mensile. Analisi effettuate hanno evidenziato come sia sufficiente modulare la sola costante (a) per descrivere con ragionevole precisione gli effetti, caratteristici di ogni mese, con cui la temperatura, l’irraggiamento e
l’attività delle emissioni governano il processo di ossidazione.
In base all’analisi per tutta l’AO delle serie temporali delle concentrazioni medie mensili (che ha considerato le sole serie che presentano una disponibilità di almeno il 75% dei
valori teoricamente disponibili sul mese), risulta proponibile una modifica della (3.22)
che sviluppi il parametro (a) in una semplice espressione sinusoidale funzione del mese:
[NO2] = α1 + α2 sen2
( )
mn
12
π
•
[NOx]
(3.28)
β + [NOx]
in cui mn è il mese espresso in numeri (1-12); la figura 3.45visualizza l’andamento del
200
175
150
125
100
75
50
25
Città
Comuni limitrofi
0
0
25
50
75
100
125
150
175
200
225
250
NO2 ( g m ) - valori osservati
-3
Figura 3.46 - Biossido di azoto: confronto tra i valori osservati e stimati dal modello per la de scrizione delle concentrazioni medie mensili relative alle singole serie.
105
D A T ID I
modello per alcuni mesi rappresentativi ponendo a confronto le curve di stima con i valori osservati. La tabella 3.24 e la figura 3.46 evidenziano le prestazioni del modello.
[NO2] =
{
300 + 219 sen2
( )}
mn
π
12
•
[NOx]
650 + [NOx]
3.6 Modelli statistici per la distribuzione di O3
Sono analizzate le serie storiche delle concentrazioni di O3 registrate nel periodo 19891994 che dispongono di almeno il 75% dei dati validi.
Le analisi illustrate nella parte iniziale di questo capitolo non avevano consentito di
operare alcuna selezione sul tipo di distribuzione teorica più adatta per la descrizione
delle concentrazioni orarie. Valutazioni di tipo grafico effettuate su un campione più
ampio di dati hanno tuttavia permesso di individuare la possibilità di una descrizione
semiempirica mediante una distribuzione di Weibull, distinta per valori di frequenza
cumulata superiori al 95% e compresi tra il 40 e il 95%.
3.6.1 Modello semiempirico di Weibull
La stima della dipendenza dei parametri della distribuzione di Weibull per le due classi di
frequenza cumulata si è innanzitutto incentrata sulla possibilità di correlarne il valore a
quello della sola media annuale mediante un legame di potenza. I risultati di tale stima, effettuata con il criterio dei minimi quadrati applicato ai percentili delle distribuzioni, sono
riportati in tabella 3.25, insieme alle grandezze che caratterizzano la precisione ottenuta.
Le figure 3.47 e 3.48 riportano rispettivamente un esempio di applicazione del modello sviluppato per 3 diversi livelli di concentrazione media annuale rappresentativi
dell’intero campione e il diagramma di dispersione dei valori stimati dal modello per
tutte le serie e delle corrispondenti grandezze osservate. La semplicità e la precisione
evidenziate dal modello sviluppato, tenuto conto delle caratteristiche fortemente reattive dell’inquinante che ne rendono difficoltosa la descrizione, permettono di non ritenere necessari ulteriori affinamenti dello stesso.
( )
F = 1- exp [ -
x
σ
x =σ
]
[ ( )]
40% ≤ F ≤ 95%
F > 95%
σ = 0,39 (M a) 5/4
σ = 1,59 M a
λ = 0,34 (M a) 1/4
λ = 0,44 (Ma)1/3
0,99
0,89
Em (µg m )
0,31
0,55
Eqm (µg m )
3,60
25,16
r
-3
-3
ln
Tabella 3.25 - Ozono: struttura e prestazioni del modello semiem pirico di Weibull differenziato per classi di frequenza cumulata.
106
1
1 −F
RECETTORE
99,9
99,5
99,0
95,0
90,0
80,0
70,0
60,0
Limito 1990 (42,6 µg m-3)
Juvara 1991 (21,9 µg m-3)
50,0
40,0
Monza 1991 (14,4 µg m-3)
1
10
100
1000
O3 ( g m-3)
Figura 3.47 - Ozono: distribuzione degli alti percentili per il tempo di integrazione di 1
ora e confronto con il modello semiempirico della distribuzione di Weibull.
300
250
200
150
100
50
F > 95%
40 < F < 95%
0
0
50
100
150
200
O3 ( g m-3) - valori osservati
250
300
Figura 3.48 - Ozono: confronto tra i valori dei percentili delle distribuzioni orarie osserva ti e calcolati con il modello semiempirico di Weibull.
107
Capitolo 4
Stima delle riduzioni
delle emissioni
D A T ID I
Sommario
Nel capitolo viene evidenziato come la conoscenza del comportamento delle distribuzioni dei
dati degli inquinanti atmosferici discusse nel capitolo precedente permetta di utilizzare model li estremamente semplici come i modelli roll-back per la risoluzione di problematiche connes se con l’individuazione degli obiettivi di riduzione delle emissioni richiesti dalla stesura di pia ni di risanamento. In particolare mediante questi modelli viene stimata la riduzione delle emis sioni necessaria per il rispetto degli standard di qualità dell’aria per il monossido di carbonio e
per il biossido di azoto nell’area metropolitana milanese.
4.1 Introduzione
L’elemento unificante delle analisi sviluppate per i modelli statistici è la ricerca di
correlazioni affidabili tra i parametri controllati dallo standard e un dato statisticamente robusto e di facile acquisizione, anche tramite modelli, quale la media aritmetica a lungo termine (Capitolo 3). In questo ambito è stato possibile descrivere in
termini statistici e con buoni risultati anche la relazione tra i percentili di NO 2, parametri oggetto dello standard, e la concentrazione media annuale di NO x. Il complesso degli ossidi di azoto NO x si può ritenere, così come il CO, sostanzialmente
stabile per le scale di tempo coinvolte nel percorso sorgente-recettore e correlato in
modo abbastanza lineare con la forza delle sorgenti, quando se ne considera la media a lungo termine.
Le medie annuali di CO ed NOx, dati stabili, nel senso che poco soggetti a situazioni
meteorologiche particolari e ai guasti dei sistemi di misura, possono quindi essere utilizzate a pieno titolo come parametri di qualità dell’aria in modelli proporzionali (rollback) di seguito descritti, per stimare l’effetto della riduzione delle emissioni. Naturalmente in base ai modelli statistici descritti nel Capitolo 3 le medie vengono a essere direttamente rappresentative dei percentili, dei superamenti e di ogni altro parametro
coinvolto nello standard, senza però avere il carattere aleatorio dei parametri osservati, che potrebbe compromettere la precisione della stima.
Dati di qualità dell’aria
Modelli statistici
Medie annuali ridotte
Parametri dello standard
OK
Modello roll-back
Sì
Confronto
con lo standard
CO8ore P98; NO2
No
Ipotesi di riduzione
delle emissioni
Figura 4.1 - Schema della procedura utilizzata per la valutazione delle riduzioni delle
emissioni per il rispetto degli standard.
110
Capitolo 4 STIMA DELLEEMISSIONI
Nello schema della procedura di valutazione, riportato in figura 4.1, si parte dall’acquisizione dei dati di qualità dell’aria: se lo standard è superato si fanno delle ipotesi
di riduzione delle emissioni e la media risultante, calcolata con il modello roll-back sulla base di tali ipotesi, viene interpretata dai modelli statistici in termini dei parametri
regolati dallo standard che, confrontati con il valore dello standard stesso, indicano se
l’ipotesi di riduzione ha avuto successo.
4.1.1 Modelli roll-back
I modelli roll-back sono probabilmente i modelli più semplici che consentono di fare
delle valutazioni quantitative sull’effetto di riduzioni nelle emissioni di inquinanti atmosferici a partire dai livelli di concentrazione osservati. Successivamente alla iniziale formulazione la tecnica roll-back è stata sviluppata per superare parte delle primitive limitazioni di applicazione e una completa formulazione statistica della teoria dei
modelli roll-back è stata recentemente presentata.
Assunzione fondamentale dei modelli roll-back per la stima delle riduzioni da apportare alle emissioni per il conseguimento di prefissati obiettivi di qualità dell’aria è
la linearità della relazione tra le quantità di inquinanti emessi e la qualità dell’aria rilevata nella zona di influenza delle emissioni stesse. Questa ipotesi si dimostra ragionevolmente corretta quando sono rispettate le seguenti condizioni:
• che gli inquinanti siano conservativi o scarsamente soggetti a fenomeni di rimozione o trasformazione e quindi le loro concentrazioni in atmosfera siano regolate
dai soli fenomeni di trasporto e di diffusione, a parità di emissione;
• che il dato di qualità dell’aria sia un valore medio a lungo termine, tipicamente la
media annuale, per soddisfare la condizione di base di conservazione della massa
per inquinanti non reattivi e per eliminare l’influenza che la possibile presenza di
errori strumentali comporterebbe sull’affidabilità del dato stesso e sulle conseguenti valutazioni.
Nella sua formulazione più semplice, il modello roll-back assume che la concentrazione di un inquinante persistente in uno specifico sito di campionamento è data dalla somma della concentrazione di fondo e di una funzione lineare delle emissioni totali
dell’area che influenzano la qualità dell’aria del punto in esame, secondo la seguente
espressione:
C=F+
ΣK E
i
i
(4.1)
i
dove:
C è l’indice di qualità dell’aria (generalmente una concentrazione media a lungo
termine quale la media annuale);
F la concentrazione di fondo;
Ki il fattore di proporzionalità tra la concentrazione nel sito di campionamento e l’emissione delle diverse sorgenti che influenzano la qualità dell’aria nel sito stesso,
dipendentemente dalla meteorologia locale, dalla posizione reciproca di sorgenti e recettore e da tutti gli altri fattori che possono influenzare il rapporto sorgente-recettore;
Ei l’emissione totale delle diverse sorgenti attive nell’area in esame.
111
D A T ID I
Esprimendo l’equazione (4.1) in termini di emissioni globali si ottiene:
C = F + KE
avendo posto
E=
ΣE
e K=
i
(4.2)
ΣK E
i
i
i
E
i
Indicate con i pedici A ed R rispettivamente le grandezze relative alla situazione attuale di riferimento e a una situazione in cui le emissioni di tutte le fonti attive nell’area vengono uniformemente ridotte di un fattore r, l’equazione (4.2) assume le seguenti formulazioni:
CA = F + KEA
(4.3)
CR = F + KER = F + KrEA
(4.4)
Risolvendo rispetto a K le equazioni (4.3) e (4.4) e uguagliando si ottiene:
CR - F
r=
(4.5)
CA - F
da cui, essendo R(%) = 100 x (1- r) la riduzione in percentuale delle emissioni delle
sorgenti, si ha:
CA - CR
R (%) = 100
(4.6)
CA - F
L’equazione (4.6), note la concentrazione relativa alla situazione attuale e la concentrazione di fondo, consente di ricavare il valore in percentuale della riduzione omogenea che deve essere applicata a tutte le fonti di emissione attive nell’area per conseguire un prefissato obiettivo di qualità dell’aria CR. Nelle valutazioni di seguito sviluppate, la relazione (4.6) è stata utilizzata per stimare il valore di qualità dell’aria CR,
espresso i termini di concentrazione media annuale, che corrisponde a diversi scenari
di riduzione R, uniformemente estesa a tutte le sorgenti:
CR = CA
(
1-
R
100
)
+
RF
100
(4.7)
Il valore di C R così stimato può quindi essere correlato ai parametri regolati dallo
standard di qualità dell’aria tramite i modelli empirici descritti nel Capitolo 3, in modo tale da valutare gli effetti delle diverse ipotesi di riduzione delle emissioni sullo
112
standard e identificare la riduzione necessaria per il rispetto dello standard stesso in
tutti i punti di campionamento dell’area in esame. Tali valutazioni relative al CO e al
complesso degli NOx sono di seguito riportate.
Prima di procedere all’applicazione dei modelli roll-back per la stima delle riduzioni
delle emissioni, si è reso necessario valutare i livelli di fondo per i singoli inquinanti
da applicarsi nell’equazione (4.7). La concentrazione di fondo dell’AO è stata assunta
pari alla minima concentrazione media mensile registrata per tutte le fasce orarie, i
mesi dell’anno e le stazioni relativamente al tempo di integrazione di 1 ora. Al fine di
disporre di una valutazione quanto più possibile affidabile, per ogni fascia oraria e stazione si sono considerate le sole serie mensili aventi almeno il 50% di dati validi e i soli valori medi derivanti da una disponibilità di almeno 4 serie mensili sull’intero periodo analizzato (1989-1994).
4.1.2 Stima della riduzione per il rispetto dello standard per il CO
Dal momento che lo standard relativo al tempo di integrazione di 1 ora risulta sostanzialmente rispettato nelle stazioni di rilevamento dell’AO, la stima della riduzione con
il modello roll-back è stata effettuata soltanto in riferimento allo standard relativo al
tempo di integrazione di 8 ore, largamente non rispettato (Capitolo 3).
Si è assunta quale situazione attuale di riferimento la concentrazione media annuale CA relativa al 1994 delle 13 stazioni che in quell’anno hanno registrato più del 75%
dei dati validi. Applicando la relazione (4.7) si è calcolato il valore della media annuale per diversi scenari di riduzione delle emissioni di CO uniformemente estese a tutte
le sorgenti nell’intervallo 0-100%, dove lo scenario di riduzione 0% rappresenta la situazione attuale del 1994 e lo scenario 100% rappresenta la totale eliminazione delle
emissioni. Tramite la relazione (3.11), si è quindi stimato il corrispondente numero di
superamenti dello standard di 8 ore atteso per ciascuna stazione.
Vista la sostanziale omogeneità delle stazioni esaminate, la percentuale di stazioni in cui,
per i diversi livelli di riduzione, si registra il mancato rispetto dello standard è stata quindi assunta come indice della probabilità di non rispetto del limite di legge nell’intera AO.
R
0%
5%
10%
15%
20%
25%
30%
Max
24
16
14
11
9
7
6
Mancato
Nº
11
11
11
11
11
10
9
rispetto
%
84,6%
84,6%
84,6%
84,6%
84,6%
76,9%
69,2%
35%
40%
45%
50%
55%
60%
65%
Max
5
3
3
2
1
1
0
Mancato
Nº
8
7
7
5
5
3
0
rispetto
%
61,5%
53,8%
53,8%
38,5%
38,5%
23,1%
0,0%
NS
R
NS
Tabella 4.1 - Stima degli effetti di diversi livelli di riduzione delle emissioni di CO uniformemente
applicati all’AO. Valore massimo del numero di superamenti del limite di 10 mg m–3 per il tempo
di integrazione di 8 ore, numero e percentuale di stazioni che non rispettano lo standard in funzio ne del livello di riduzione.
113
D A T ID I
I risultati ottenuti sono riportati nella tabella 4.1 nei termini della frequenza di mancato rispetto dello standard. Come si può osservare, nel 1994, assunto quale anno di
riferimento, l’84,6% delle stazioni non rispettava lo standard relativo alle 8 ore per il
CO. Riduzioni omogenee delle emissioni inferiori al 20% non hanno alcun effetto sulla probabilità di rispetto dello standard e soltanto con una riduzione dell’ordine del
45% si apprezza una probabilità di mancato rispetto dello standard prossima al 50%.
Una riduzione delle emissioni del 65% consente di raggiungere il rispetto dello standard in tutta l’AO.
4.1.3 Stima della riduzione per il rispetto dello standard per NO 2
Per quanto riguarda l’NO2, è stata effettuata la stima con il modello roll-back della riduzione delle emissioni di NOx per il raggiungimento tanto dello standard relativo al
tempo di integrazione di 1 ora, 200 µg m–3 come valore del 98° percentile delle concentrazioni, che dei valori guida di qualità dell’aria pari a 50 e a 135 µg m–3 per il 50° e il
98° percentile rispettivamente.
Si è assunta quale situazione attuale di riferimento la concentrazione media annuale CA relativa al 1994 delle 14 stazioni che in quell’anno hanno registrato più del 75%
dei dati validi. Applicando la relazione (4.7) si è calcolato il valore della media annuale per diversi scenari di riduzione uniforme delle emissioni di NO x compresi nell’intervallo 0-100%. Tramite le relazioni (3.26) e (3.27), si sono quindi stimati i corrispondenti valori del 50° e del 98° percentile delle concentrazioni orarie di NO2 attesi per ciascuna stazione. Analogamente al caso del CO, la percentuale di stazioni in cui, per i diversi livelli di riduzione, si registra il superamento del valore di concentrazione fissato dallo standard è stata infine assunta come indice della probabilità di non rispetto
dello standard stesso nell’intera AO.
R
0%
1%
2%
3%
4%
5%
6%
Max
221,8
221,0
217,8
218,7
217,6
216,4
215,3
Mancato
Nº
4
3
3
3
3
3
3
rispetto
%
28,6%
21,4%
21,4%
21,4%
21,4%
21,4%
21,4%
7%
8%
9%
10%
11%
12%
13%
214,1
212,9
211,8
210,6
209,4
208,2
207,0
P98
R
P98
Max
Mancato
Nº
3
3
3
3
3
3
3
rispetto
%
21,4%
21,4%
21,4%
21,4%
21,4%
21,4%
21,4%
14%
15%
16%
17%
18%
19%
Max
205,8
204,6
203,4
201,2
201,0
199,7
Mancato
Nº
3
3
3
3
3
0
rispetto
%
21,4%
21,4%
21,4%
21,4%
21,4%
0,0%
R
P98
Tabella 4.2 - Stima degli effetti di diversi livelli di riduzione delle emissioni di NOx uniformemen te applicati all’AO. Valore massimo del 98° percentile delle concentrazioni orarie di NO2, numero
e percentuale di stazioni che non rispettano lo standard in funzione del livello di riduzione.
114
I risultati ottenuti sono riportati nella tabella 4.2 sempre nei termini della frequenza
di mancato rispetto dello standard dell’NO 2 nei diversi scenari di riduzione delle
emissioni di NOx. Come si può osservare, diversamente dal caso del CO, nel 1994 soltanto il 28,6% delle stazioni non rispettava lo standard relativo all’NO2; contenute riduzioni omogenee delle emissioni di NOx non mostrano effetti significativi nel diminuire la probabilità di superamento dello standard, ma una riduzione delle emissioni
del 20% è già sufficiente per consentirne il rispetto in tutta l’AO.
I risultati delle stime di riduzione delle emissioni di NOx necessarie al raggiungimento dei valori guida di qualità dell’aria sono riportati nelle tabelle 4.3-4.5. Per
quanto riguarda il rispetto del valore guida fissato per il 98° percentile (135 µg m -3
di NO2) si osserva che, nella situazione di riferimento relativa al 1994, esso risultava superato nella totalità delle stazioni. Gli effetti sulla probabilità di rispetto del
valore guida iniziano a manifestarsi per riduzioni delle emissioni di NO x dell’ordine del 20%, mentre a una riduzione del 50% corrisponde ancora una frequenza di
R
0%
5%
10%
15%
20%
25%
30%
Max
221,8
216,4
210,6
204,6
198,5
192,2
185,7
Mancato
Nº
14
14
14
14
13
13
13
rispetto
%
100,0%
100,0%
100,0%
100,0%
92,9%
92,9%
92,9%
35%
40%
45%
50%
55%
60%
65%
Max
179,0
172,1
165,0
157,8
150,3
142,5
134,6
Mancato
Nº
12
10
8
7
6
4
0
rispetto
%
85,7%
71,4%
57,1%
50,0%
42,9%
28,6%
0,0%
P98
R
P98
e percentuale di stazioni che non rispettano il valore guida in funzione del livello di riduzione.
R
0%
5%
10%
15%
20%
25%
30%
35%
Max
90,2
88,7
86,3
83,9
81,3
78,7
76,1
73,3
Mancato
Nº
14
14
14
14
14
14
14
14
rispetto
%
100,0%
100,0%
100,0%
100,0%
100,0%
100,0%
40%
45%
50%
55%
60%
65%
70%
75%
P50
R
P50
100,0% 100,0%
Max
70,5
67,6
64,7
61,6
58,4
55,1
51,8
48,3
Mancato
Nº
13
13
12
9
7
6
3
0
rispetto
%
92,9%
92,9%
85,7%
64,3%
50,0%
42,9%
21,4%
0,0%
e percentuale di stazioni che non rispettano il valore guida in funzione del livello di riduzione.
115
D A T ID I
mancato rispetto del 50%; per il raggiungimento del valore guida in tutta l’AO si
stima necessaria una riduzione delle emissioni di NOx del 65%.
Le analoghe elaborazioni sviluppate per il valore guida relativo al 50° percentile
delle concentrazioni orarie di NO 2 (50 µg m -3) evidenziano come nel 1994 esso non
sia stato rispettato in tutte le 14 stazioni. Riduzioni delle emissioni di NO x inferiori
al 40% non mostrano effetti apprezzabili su tale situazione, mentre solo riduzioni
del 75% sono in grado di ricondurre l’area nel suo complesso al rispetto del limite.
Il valore guida per il 50° percentile appare così più conservativo di quello relativo al
98° percentile della distribuzione.
4.1.4 Le osservazioni di fine settimana per la stima degli effetti della riduzione
di NO x
Si può ragionevolmente ritenere che nei giorni festivi si verifichino riduzioni più o
meno consistenti nelle emissioni di NOx in seguito alla corrispondente diminuzione del traffico motorizzato. Questa particolare situazione, soprattutto se documentata con una larga base di dati disponibili, può fornire utili indicazioni circa l’effetto a breve termine della variazione di emissioni di NO x sulla presenza di NO 2 e circa la tipologia delle stazioni rispetto all’influenza delle sorgenti mobili. È possibile
naturalmente che festività con traffico per qualche motivo sostenuto e che situazioni meteorologiche molto differenti tra il giorno festivo e quello lavorativo seguente, tipicamente domenica e lunedì, possano stravolgere le indicazioni attese, ma acquisizioni statistiche basate su ampie popolazioni di dati dovrebbero mettere al riparo da tali anomalie.
L’analisi della relazione tra la variazione della concentrazione di NO x ed NO 2 in
tali situazioni è stata effettuata per 20 stazioni dell’AO valutando separatamente le
stagioni invernale ed estiva, rappresentate rispettivamente dai bimestri gennaiofebbraio e giugno-luglio, per il periodo 1990-1994. Per ciascuna stazione sono state
prese in considerazione le coppie formate dai giorni domenica-lunedì successivi e
sono state valutate le variazioni percentuali DNO x e DNO2 delle concentrazioni dei
due inquinanti:
∆NOi =
(NOi)lunedì - (NOi)domenica
(NOi)lunedì
(4.8)
in cui ∆ rappresenta la media delle concentrazioni di NOx ed NO2 osservate tra le
ore 6:00 e le 22:00. I valori così determinati sono stati rappresentati graficamente in
un piano cartesiano avente in ascissa e in ordinata rispettivamente le riduzioni percentuali -DNO x e -DNO 2 delle concentrazioni medie di NOx ed NO2. Nella figura 4.2
è riportata la rappresentazione grafica risultante per una delle stazioni analizzate.
Come si può osservare la maggior parte dei punti è confinata nel primo quadrante,
a significare una larga e ricorrente concomitanza della riduzione delle concentrazioni di NOx ed NO2 tra il giorno festivo e quello feriale successivo. Si osservano comunque, per i motivi di disturbo già segnalati, situazioni in cui a una riduzione della concentrazione di NOx corrisponde un aumento della concentrazione di NO 2, si-
116
tuazioni in cui le concentrazioni domenicali sono più alte di quelle del lunedì successivo e, molto più raramente, situazioni di aumento della concentrazione di NOx
e riduzione di quelle di NO 2, tutte comunque di frequenza largamente inferiore a
quella della riduzione concomitante.
100%
80%
60%
40%
20%
0%
-20%
-40%
-60%
-80%
-100%
-120% -100% -80% -60%
-40% -20%
0%
20%
40%
60%
80% 100%
Riduzione NO2 (%)
Figura 4.2 - Riduzione percentuale delle concentrazioni medie di NO x ed NO 2 osservate il
lunedì e la domenica precedente nel periodo 1990-1994; stazione Milano-Marche, dati in vernali ed estivi.
Nei grafici riportati nelle figure 4.3-4.4 sono rappresentati gli episodi di riduzione
concomitante delle concentrazioni di NOx ed NO2 osservati in tutte le stazioni dell’AO
nelle stagioni estiva e invernale e la retta interpolante determinata con la tecnica di regressione ai minimi quadrati. Nonostante la dispersione dei dati, si possono riconoscere chiaramente distinti due tipi di relazioni tra le riduzioni di NOx ed NO 2 per le
due stagioni considerate. In entrambi i casi il coefficiente angolare della retta interpolante risulta inferiore a 1, a indicare che una riduzione della concentrazione di NOx, direttamente correlabile alle emissioni, si traduce in una riduzione delle concentrazioni
di NO2 pari al 50% nel regime invernale e al 70% circa in quello estivo. Questa differenza è spiegata dalla maggiore capacità ossidativa dell’atmosfera durante la stagione
estiva, per cui a parità di concentrazione di NOx è presente una maggiore quantità di
NO2. La diversità stagionale così evidenziata relativa ai dati medi delle concentrazioni giornaliere è in accordo con la relazione non lineare che intercorre tra le medie annuali di NOx ed NO2 (Capitolo 3).
117
D A T ID I
80%
∆ NO2 = 0,495∆ NOx + 0,039
60%
40%
20%
0%
0%
20%
40%
60%
80%
100%
Riduzione NOx (%)
Figura 4.3 - Riduzione percentuale delle concentrazioni medie di NOx ed NO2 osservate il lu nedì e la domenica precedente nel periodo 1990-1994 in tutte le stazioni dell’AO; episodi inver nali di concomitante riduzione di NOx ed NO2.
100%
∆ NO2 = 0,735∆ NOx + 0,050
80%
60%
40%
20%
0%
0%
20%
40%
60%
80%
100%
Riduzione NOx (%)
Figura 4.4 - Riduzione percentuale delle concentrazioni medie di NO x ed NO2 osservate il lu nedì e la domenica precedente nel periodo 1990-1994 in tutte le stazioni dell’AO; episodi estivi
di concomitante riduzione di NOx ed NO2.
118
I risultati delle interpolazioni dei dati relativi alle singole stazioni per la stagione
estiva e invernale sono riportati nella tabella 4.5, dove sono indicati il numero di dati disponibili e i valori dei parametri delle rette interpolanti gli episodi di riduzione
concomitante delle concentrazioni di NO x ed NO 2. Per la stagione invernale si osservano sensibili differenze nei valori del coefficiente angolare, compreso tra 0,20 e
0,73, mentre i valori dell’intercetta sono tutti prossimi a 0 con la sola eccezione delle stazioni Milano-Senato e Arese, per la quale il limitato numero di dati determina però un sensibile errore nella stima dei parametri. Nelle figure 4.5-4.6 sono riInverno
Estate
N° dati
pendenza
intercetta
N° dati
pendenza
intercetta
MI-Aquileia
19
0,436
0,081
12
0,864
-0,002
MI-Cenisio
23
0,487
0,051
11
0,689
0,082
MI-Juvara
25
0,521
0,023
33
0,907
-0,012
MI-Marche
26
0,392
0,077
35
1,018
-0,128
MI-Romolo
13
0,424
0,061
19
0,737
0,018
MI-Senato
21
0,430
0,101
22
0,871
-0,027
MI-Statuto
15
0,540
0,032
12
0,890
-0,087
MI-Verziere
24
0,532
0,005
31
0,500
0,178
MI-Zavattari
25
0,272
0,098
32
0,760
0,001
Agrate B.
21
0,593
-0,008
34
0,665
0,141
Arese
8
0,207
0,184
8
0,818
-0,043
Cinisello B.
31
0,547
0,030
23
0,942
-0,069
Corsico
24
0,345
0,071
24
0,690
0,007
Limito
10
0,643
0,016
23
0,722
0,083
Monza
29
0,596
-0,005
32
0,672
0,030
Pero
18
0,375
0,051
20
0,653
0,106
Rho
11
0,420
0,031
14
0,893
0,049
S. S. Giovanni
30
0,683
-0,048
29
0,821
0,030
Settimo M.
13
0,553
0,025
20
0,782
0,030
Villasanta
20
0,730
-0,010
37
0,73
0,090
Milano città
Comuni limitrofi
Tabella 4.5 - Numero di dati e parametri delle rette interpolanti le riduzione percentuale delle con centrazioni medie di NOx ed NO2 osservate il lunedì e la domenica precedente nel periodo 1990-1994
in tutte le stazioni dell’AO; episodi invernali ed estivi di concomitante riduzione di NOx ed NO2.
119
D A T ID I
80%
60%
40%
20%
0%
0%
20%
40%
60%
80%
100%
Riduzione NOx (%)
Figura 4.5 - Riduzione percentuale delle concentrazioni medie di NOx ed NO2 osservate il lunedì
e la domenica precedente nel periodo 1990-1994 nella stazione Limito; episodi invernali di con comitante riduzione di NOx ed NO2.
80%
60%
40%
20%
0%
0%
20%
40%
60%
80%
100%
Riduzione NOx (%)
e la domenica precedente nel periodo 1990-1994 nella stazione di Sesto San Giovanni; episodi in vernali di concomitante riduzione di NOx ed NO2.
120
portati i grafici relativi alle stazioni Limito e Sesto San Giovanni per la stagione invernale, rappresentative dell’intero campo di variazione delle riduzioni osservate,
dai quali emerge come una medesima diminuzione della concentrazione media di
NOx determini diversi effetti di riduzione di NO 2.
L’esame dei valori dei parametri delle rette interpolanti relativi alla stagione estiva mostra valori del coefficiente angolare maggiori di quelli invernali con valori superiori a 0,8 per 9 delle 20 stazioni considerate, a dimostrazione dello sviluppo più
completo dei fenomeni ossidativi atmosferici. Il valore di poco superiore a 1 del
coefficiente angolare calcolato per la stazione di Milano-Marche e i valori dell’intercetta sensibilmente discosti da 0 osservati in alcune stazioni sono dovuti alla dispersione dei dati. Le sensibili differenze tra i valori estivi e invernali che si riscontrano in particolare per le stazioni situate nella città di Milano trovano spiegazione
nei diversi livelli medi di concentrazione osservati nelle due stagioni, confermando così la non linearità della relazione tra NO x ed NO 2 già evidenziata e acquisita
con i modelli statistici sviluppati nel precedente capitolo per descriverne le dipendenze osservate. Nelle figure 4.7-4.8 sono riportati i grafici relativi alle stazioni Limito e Sesto San Giovanni per la stagione estiva, dai quali si può apprezzare la diversità degli effetti a livello locale di una medesima riduzione di NOx che interviene in estate e in inverno.
I risultati delle interpolazioni sono stati utilizzati per valutare le riduzioni percentuali delle concentrazione medie di NO2 attese nelle singole stazioni per diversi
scenari di riduzione delle concentrazioni di NO x. Le stime così ottenute per le sta-
100%
80%
60%
40%
20%
0%
0%
20%
40%
60%
80%
100%
Riduzione NOx (%)
e la domenica precedente nel periodo 1990-1994 nella stazione di Limito; episodi estivi di conco mitante riduzione di NOx ed NO2.
121
D A T ID I
100%
80%
60%
40%
20%
0%
0%
20%
40%
60%
80%
100%
Riduzione NOx (%)
e la domenica precedente nel periodo 1990-1994 nella stazione di Sesto San Giovanni; episodi esti vi di concomitante riduzione di NOx ed NO2.
gioni invernale ed estiva sono riportate nella tabella 4.6 e, pur mostrando un sostanziale accordo con i risultati delle analoghe valutazioni sviluppate tramite i modelli statistici formulati per le correlazioni NO x-NO2, vanno comunque interpretate con dovuta cautela a causa dell’elevata dispersione dei dati.
In inverno riduzioni di NO x del 10% determinano riduzioni di NO2 comprese nell’intervallo 2,3-7,4% (media 4,9%), mentre a riduzioni del 25% corrispondono valori compresi tra il 5,4 e il 18,4%, con una media per l’intera AO del 12,2%. In estate si osservano riduzioni maggiori rispetto ai medesimi scenari invernali di contenimento delle concentrazioni di NO x, con valori rispettivamente compresi nell’intervallo 5,2-10,1% (media 7,8%) e nell’intervallo 12,7-25,3% (media 19,6%).
A conclusione di queste elaborazioni si può pertanto osservare che riduzioni parziali delle emissioni di NOx, tipicamente determinate dalla circolazione a targhe alterne o da altre restrizioni del traffico, producono effetti diversi sulla presenza di
NO2 nei due regimi stagionali, con apprezzabili differenze tra le diverse stazioni in
ragione della loro esposizione alle fonti di emissione primarie. Le indicazioni così
ottenute sull’effetto di una riduzione delle emissioni di NO x, valutate sulla base
dell’incremento delle concentrazioni osservate tra la domenica e il lunedì successivo, potrebbero comunque non rispecchiare le reali conseguenze di una effettiva riduzione delle emissioni che intervenga in occasione di episodi di elevati livelli di
concentrazione, in quanto non si esclude che l’inerzia del sistema atmosferico possa impedire di apprezzare appieno gli effetti di riduzioni delle emissioni su scala
temporale ridotta. I risultati dell’analisi della relazione tra la variazione delle con-
122
Inverno
Estate
Riduzione percentuale NOx
Riduzione percentuale NOx
10
25
50
75
10
25
50
75
MI-Aquileia
4,4
11,0
21,9
32,8
8,6
21,6
43,2
64,8
MI-Cenisio
4,9
12,2
24,4
36,6
7,0
17 3
34 5
51,7
MI-Juvara
5,2
13,0
26,1
39,1
9,1
22 7
45 4
68,0
MI-Marche
4,0
9,9
19,7
29,5
10,1
25,3
50,8
76,2
MI-Romolo
4,3
10,7
21,2
31,8
7,4
18,4
36,9
55,3
MI-Senato
4,4
10,9
21,6
32,3
8,7
21,7
43,5
65,3
MI-Statuto
5,4
13,5
27,1
40,6
8,8
22,2
44,4
66,6
MI-Verziere
5,3
13,3
26.6
39,9
5,2
12,7
25,2
37,7
MI-Zavattari
2,8
6,9
13,7
20,5
7,6
19,0
38,0
57,0
Agrate B.
5,9
14,8
29,6
44,5
6,8
16,8
33,4
50,0
Arese
2,3
5,4
10,5
15,7
8,1
20,4
40,8
61,3
Cinisello B.
5,5
13,7
27,4
41,1
9,4
23,5
47,0
70,6
Corsico
3,5
8,7
17,3
25,9
6,9
17,3
34,5
51,8
Limito
6,5
16,1
32,2
48,3
7,3
18,1
36,2
54,2
Monza
6,0
14,9
29,8
44,7
6,7
16,8
33,6
50,4
Pero
3,8
9,4
18,8
28,2
6,6
16 4
32,7
49,1
Rho
4,2
10 ,5
21,0
31,5
9,0
22,4
44,7
67,0
S. S. Giovanni
6,8
17,0
34,1
51,2
8,2
20,5
41,1
61,6
Settimo M.
5,6
13,9
27,7
41,5
7,9
19,6
39,1
58,7
Villasanta
7,4
18,4
36,8
55,2
7,4
18 3
36,6
54,9
Media AO
4,9
12,2
24,4
36,5
7,8
19,6
39,1
58,6
Milano città
Comuni limitrofi
Tabella 4.6 - Riduzioni delle concentrazioni medie giornaliere di NO 2 in funzione di prefissa te riduzioni delle concentrazioni di NO x nelle stazioni dell’AO per le stagioni invernale ed
estiva.
centrazioni di NO x ed NO 2 sono stati utilizzati anche nel tentativo di caratterizzare le singole stazioni di monitoraggio con riferimento al ruolo delle fonti di emissione sulla qualità dell’aria registrata, senza però ottenere indicazioni particolarmente significative.
123
D A T ID I
4.2 Il contributo delle sorgenti di NOx ai dati di qualità dell’aria
Nelle strategie di intervento per la riduzione strutturale delle emissioni e nelle tattiche di gestione della qualità dell’aria per il controllo di episodi acuti, l’identificazione del contributo delle sorgenti è di primaria importanza. Le incertezze che di
frequente caratterizzano gli inventari delle emissioni e la complessità del sistema
sorgente-recettore, rendono spesso di particolare utilità le acquisizioni che su questi aspetti si possono ricavare dall’elaborazione dei dati di qualità dell’aria con tecniche di modelli al recettore. Classici problemi di aree complesse dal punto di vista
delle emissioni, che si affrontano di norma con analisi statistiche multivariate dei
dati di concentrazione, sono le identificazioni del contributo delle sorgenti al materiale particolato, ai COV e agli NO x.
Per l’AO l’identificazione del contributo delle fonti di NOx alle concentrazioni rilevate dagli analizzatori è di particolare importanza, dal momento che lo standard per
l’NO2 è largamente disatteso (Capitolo 3). Tenendo conto, poi, che il rilevamento è utilizzato anche per il controllo di episodi acuti segnalati dal superamento dei livelli di
attenzione e di allarme, la conoscenza del contributo delle sorgenti rende conto degli
effetti attesi dagli interventi e tipicamente dalle restrizioni del traffico. Nelle valutazioni di seguito riportate la caratterizzazione dei punti di rilevamento rispetto all’esposizione alle due sorgenti di NO x si basa sull’analisi del rapporto stagionale
NO2/NOx, in termini qualitativi, e su un modello concettuale, che utilizza il CO come
tracciante del peso relativo con cui l’elemento meteorologico interviene in regime estivo e invernale, in termini quantitativi. Tutte le elaborazioni del presente capitolo sono
state sviluppate in termini di concentrazioni espresse in ppb in quanto tale unità di
misura consente di eliminare l’influenza dei diversi pesi molecolari delle specie che
costituiscono gli ossidi di azoto (NO+NO2).
Per la valutazione qualitativa della tipologia delle stazioni è stata anche impiegata
la tecnica dell’analisi cluster.
4.2.1 Valutazione qualitativa basata sull’analisi del rapporto NO 2/NOx
Un importante tracciante della tipologia del punto di rilevamento rispetto all’attività
delle fonti di NOx è il rapporto R tra la quota ossidata NO2 e il complesso degli NOx. In
generale, bassi valori di tale rapporto sono caratteristici delle ore in cui l’attività delle
sorgenti è particolarmente intensa, quando soprattutto in prossimità di queste ultime
prevale largamente la componente primaria NO. Valori contenuti del rapporto R si osservano inoltre nei periodi di limitata capacità dispersiva e di rimescolamento dell’atmosfera, che determinano l’accumulo delle emissioni sovraccaricando la capacità ossidativa dell’atmosfera stessa, con la conseguente predominanza degli inquinanti primari su quelli secondari. La concomitanza delle condizioni sopra citate durante le ore
di punta nel periodo invernale tende a determinare i bassi valori di R caratteristici di
tali periodi. Infine, quando le misure vengono effettuate in prossimità delle sorgenti,
non consentendo alla cinetica relativamente lenta dei processi ossidativi di svilupparsi completamente, si osservano bassi valori del rapporto R che tendono al valore caratteristico con cui gli NOx sono emessi dalle sorgenti stesse. Quest’ultima situazione
risulta particolarmente evidente nel regime estivo, allorché si registrano i valori più
alti in assoluto del rapporto in esame. Infatti, le maggiori velocità di ossidazione esti-
124
ve hanno comunque minore effetto sul rapporto R in quelle stazioni di monitoraggio
situate nelle immediate vicinanze delle fonti di emissione primarie, quali per esempio
le stazioni poste in prossimità di assi viari a elevato volume di traffico. In queste situazioni, valori contenuti del rapporto R sono osservabili sia nella stagione invernale
che in quella estiva e le differenze tra le due stagioni risultano molto meno marcate, a
significare il ruolo preponderante delle emissioni locali di NOx. Al contrario, l’effetto
dei processi di ossidazione, che determina l’incremento di R, risulta molto più evidente nelle stazioni poste lontano dalle sorgenti primarie, dove si osservano sempre
valori abbastanza uniformi di R che tendono all’unità. Anche nel periodo invernale
valori di R, decisamente maggiori di quelli osservati in stazioni urbane, caratterizzano
questi siti, per i quali si può ipotizzare l’esistenza di uno stato di equilibrio fotostazionario o quasi fotostazionario fra NO, NOx e O3 per gran parte dell’anno.
Sulla base delle considerazioni sin qui esposte è possibile effettuare una prima classificazione qualitativa delle stazioni di monitoraggio dell’AO per mettere in luce le
eventuali differenze con riferimento al posizionamento delle stazioni rispetto al contributo delle due sorgenti di NOx. Per ciascuna stazione sono stati rappresentati in un
piano cartesiano NO2-NOx i punti corrispondenti alle concentrazioni orarie registrate
tra le ore 6:00 e le 22:00 negli anni compresi tra il 1990 e il 1994. Per la stagione invernale sono stati presi in considerazione i mesi rappresentativi di gennaio e febbraio,
mentre per quella estiva il bimestre giugno-luglio. Il piano NO 2-NOx è stato quindi
suddiviso con 5 rette passanti per l’origine, di coefficiente angolare pari a 1, 2, 10/3, 10
e 20 che delimitano, rispettivamente, 6 settori individuati in senso orario dai seguenti
intervalli di valori del rapporto R:
R<0,05 ; 0,05<R<0,1 ; 0,1<R<0,3 ; 0,3 <R<0,5 ; 0,5<R<1 ; R>1
Vista la differenza nel numero di dati disponibili per le singole stazioni, al fine di poter effettuare un confronto omogeneo e non limitato a una semplice analisi qualitativa
dei diagrammi ottenuti, è stata successivamente calcolata la ripartizione percentuale
dei punti sperimentali nei vari settori del piano così definiti per entrambe le stagioni
considerate. I risultati di tali elaborazioni sono analizzati di seguito, distinguendo tra
stagione invernale ed estiva.
4.2.1.1 Regime invernale
L’esame dei risultati relativi alla stagione invernale, riportati in tabella 4.7, evidenzia
per tutte le stazioni di monitoraggio una frequenza massima di osservazioni nel settore del piano individuato da valori di R compresi tra 0,1 e 0,3, seguita dal settore definito dall’intervallo 0,3<R<0,5 e quindi, salvo alcune eccezioni, da quello in cui
0,5<R<1. La percentuale delle osservazioni comprese nel settore R<0,05 è sempre inferiore allo 0,5%, mentre percentuali maggiori si collocano nella fascia 0,05<R<0,1, in
particolare per le stazioni Milano-Marche, Corsico e Milano-Aquileia. Tornando alle
frequenze massime, si nota che in ben 14 stazioni su 20 esse risultano superiori al 50%,
mentre in altre 5 sono comprese tra il 43,3 e il 49,5%; soltanto nella stazione Rho si registra una percentuale nettamente inferiore, pari al 35,4%. In queste ultime 6 stazioni,
come peraltro nelle stazioni Arese e Milano-Cenisio, si osserva una maggiore uniformità nella distribuzione delle osservazioni, che si collocano con percentuali significa-
125
D A T ID I
tive anche nelle zone del piano definite da valori di R superiori a 0,3. Per la stazione
Rho, la percentuale relativa alla zona 0,5<R<1 risulta addirittura superiore a quella
della zona 0,3<R<0,5 e prossima al valore massimo.
Stazione
Nº dati
< 0,05
0,05-0,1
0,1-0,3
0,3-0,5
0,5-1
MI-Aquileia
5066
0,10
3,26
51,40
33,89
11,35
MI-Cenisio
6268
0,00
0,03
56,19
31,30
12,48
MI-Juvara
6584
0,24
2,17
53,19
28,36
16,04
MI-Marche
6542
0,20
5,11
70,47
19,43
4,80
MI-Romolo
4197
0,00
2,38
61,00
27,69
8,93
MI-Senato
5737
0,00
0,49
71,69
22,66
5,16
MI-Statuto
3882
0,00
0,13
67,70
25,24
6,93
MI-Verziere
6472
0,02
0,12
50,23
37,81
11,82
MI-Zavattari
6365
0,41
1,90
67,65
24,01
6,03
Agrate B.
5507
0,02
1,34
44,43
30,69
23,52
Arese
2758
0,04
2,25
51,70
24,29
21,72
Cinisello B.
6890
0,04
1,94
70,35
23,77
3,89
Corsico
6464
0,09
4,97
57,77
25,85
11,32
Limito
4898
0,12
2,20
43,32
31,69
22,66
Monza
6305
0,00
0,98
65,95
26,88
6,19
Pero
4804
0,02
0,42
47,79
26,31
25,46
Rho
2850
0,00
0,35
35,37
29,19
35,09
S. S. Giovanni
6832
0,03
0,60
49,39
32,60
17,39
Settimo M.
2689
0,00
0,86
49,50
31,35
18,30
Villasanta
5405
0,07
1,26
62,11
30,03
6,53
Milano città
Comuni limitrofi
Tabella 4.7 - Ripartizione percentuale delle concentrazioni orarie di NO2 ed NOx nei settori del pia no NO2-NOx definiti dai valori del rapporto R= NO2/NOx - periodo invernale.
Le stazioni con larga prevalenza di osservazioni nel settore 0,1<R<0,3, cioè con
valori di R prossimi al rapporto NO 2/ N O x delle sorgenti di emissione primaria,
possono ritenersi sostanzialmente omogenee rispetto agli ambiti territoriali che
controllano e rappresentative di punti di campionamento nelle vicinanze delle
emissioni primarie. All’interno di tale omogeneità è possibile identificare alcuni
126
sottogruppi di stazioni che presentano caratteristiche simili. Un primo gruppo, formato dalle stazioni Cinisello Balsamo, Milano-Marche, Senato, Statuto e Zavattari,
nelle quali si registrano frequenze massime dell’ordine del 70%, può ritenersi fortemente influenzato dalle sorgenti primarie; in particolare, si può notare come le ultime 4 stazioni siano tutte situate nella città di Milano in corrispondenza di percorsi a traffico intenso, talora in contesti di tipo canyon. Un secondo gruppo, contraddistinto da valori delle frequenze massime inferiori al 50% e costituito dalle stazioni Agrate Brianza, Limito, Pero, Rho, Sesto San Giovanni e Settimo Milanese, appare poco influenzato dalle emissioni primarie e con le concentrazioni orarie di NO 2
che si mantengono comunque generalmente al di sotto della soglia di 200 µg m -3;
tutte queste stazioni si trovano al di fuori della città di Milano. Tutte le rimanenti
stazioni, infine, costituiscono un gruppo caratterizzato da una situazione intermedia, in cui, accanto all’influenza delle emissioni primarie appare anche una apprezzabile esposizione all’NO 2. Nelle figure 4.9-4.10 sono riportati i grafici relativi
alle stazioni Milano-Senato e Limito, rappresentative, rispettivamente, delle stazioni prossime e distanti dalle fonti di emissione primarie, per la stagione invernale. I diagrammi evidenziano le sensibili differenze che caratterizzano le due stazioni sia in termini dei livelli di concentrazione osservati che delle ripartizioni del rapporto tra NO 2 ed NO x.
1750
R = 0,05
R = 0,1
1500
R = 0,3
1250
1000
R = 0,5
750
500
R=1
250
0
0
50
100
150
200
250
300
350
400
NO2 (ppb)
Figura 4.9 - Grafico a dispersione delle concentrazioni invernali orarie di NO2 ed NO x e ri partizione del rapporto R= NO2/NOx - Stazione Milano-Senato: 5737 osservazioni.
127
D A T ID I
1750
R = 0,05
R = 0,1
1500
R = 0,3
1250
1000
R = 0,5
750
500
R=1
250
0
0
50
100
150
200
250
NO2 (ppb)
300
350
400
Figura 4.10 - Grafico a dispersione delle concentrazioni invernali orarie di NO2 ed NO x e ri partizione del rapporto R= NO2/NOx - Stazione Limito: 4898 osservazioni.
4.2.1.2 Regime estivo
I risultati relativi alla stagione estiva, riportati nella tabella 4.8, mostrano in generale
uno spostamento dell’insieme delle osservazioni verso settori individuati da valori
del rapporto R superiori a 0,3, confermando così la più intensa attività ossidativa dell’atmosfera in questo periodo dell’anno.
In tutte le stazioni, infatti, più dell’80% delle osservazioni si colloca nel settore di
piano contraddistinto da valori di R superiori a 0,3 con le frequenze massime che si
registrano per valori di R compresi tra 0,5 e 1, a eccezione della sola stazione Milano-Senato, ove la frequenza massima si verifica per 0,3<R<0,5 (figura 4.11 ). Inoltre,
in ben 18 delle 20 stazioni la frequenza massima supera il 50%. Nei restanti settori
si osservano valori percentuali molto contenuti: per valori di R<0,3 si registrano
percentuali inferiori al 4% nella maggior parte delle stazioni, mentre frequenze più
significative, dell’ordine del 6-15%, si apprezzano soltanto in quelle stazioni che
nella stagione invernale presentano le frequenze in assoluto più elevate nella fascia
0,1<R<0,3. Quest’ultima osservazione conferma quanto emerso dall’analisi della
stagione invernale: infatti, nelle stazioni Cinisello Balsamo, Milano-Marche, Senato, Statuto e Zavattari le percentuali superiori al 30% registrate in estate nel campo
0,3<R<0,5 e quelle abbastanza significative riscontrate nel campo 0,1<R<0,3 evidenziano ulteriormente il predominante contributo delle sorgenti primarie, e in
particolare del traffico automobilistico.
128
Stazione
N° dati
< 0,05
0,05-0,1
0,1-0,3
0,3-0,5
0,5-1
MI-Aquileia
2.947
0,00
0,03
2,54
17,75
79,67
MI-Cenisio
2.269
0,00
0,00
0,53
7,84
91,63
MI-Juvara
6.140
0,00
0,00
1,89
11,21
86,91
MI-Marche
6.607
0,03
0,11
9,02
31,10
59,74
Milano città
MI-Romolo
4.095
0,00
0,00
6,13
28,16
65,71
MI-Senato
4.601
0,04
0,00
8,63
55,36
35,97
MI-Statuto
2.174
0,00
0,00
9,71
32,98
57,31
MI-Verziere
5.196
0,10
0,54
1,79
16,78
80,79
MI-Zavattari
6.045
0,08
0,07
11,65
39,29
48,92
Agrate B.
6.113
0,08
0,23
2,54
18,85
78,31
Arese
3.322
0,00
0,00
0,87
7,89
91,24
Cinisello B.
4.373
0,27
0,66
14,75
29,02
55,29
Corsico
5.945
0,03
0,27
8,06
23,73
67,91
Limito
4.964
0,00
0,02
1,33
7,03
91,62
Monza
6.062
0,02
0,03
3,93
25,11
70,92
Pero
4.995
0,00
0,26
1,84
9,17
88,73
Rho
2.911
0,00
0,21
1,00
9,76
89,04
S. S. Giovanni
4.839
0,00
0,00
0,50
8,89
90,62
Settimo M.
3.434
0,06
0,03
1,54
11,18
87,19
Villasanta
6.814
0,18
0,19
5,50
35,65
58,48
Comuni limitrofi
Tabella 4.8 - Ripartizione percentuale delle concentrazioni orarie di NO2 ed NOx nei settori del pia no NO2-NOx definiti dai valori del rapporto R= NO2/NOx - periodo estivo.
In particolare, poi, la stazione Milano-Senato risulta essere quella soggetta in misura più rilevante alle emissioni delle sorgenti mobili. Come si deduce dalla tabella
4.9 e dalle figure 4.11-4.12, le osservazioni in regime estivo confermano anche per
gli altri siti, seppur con minore evidenza, le acquisizioni derivanti dalla valutazione del regime invernale. Infatti le stazioni che durante l’inverno sono meno influenzate dalle emissioni primarie mostrano, come tali, valori estivi di R tra i più
elevati in assoluto, dell’ordine del 90% nel settore 0,5<R<1 (figura 4.12), confermando così la minore esposizione diretta alle fonti di emissione. Le stazioni che in
regime invernale erano state classificate come intermedie (cioè con una esposizione
a emissioni primarie e ossidate sostanzialmente equivalente) presentano valori si-
129
D A T ID I
900
R = 0,05
800
R = 0,1
R = 0,3
700
R = 0,5
600
500
400
R=1
300
200
100
0
0
50
100
150
200
250
300
NO2 (ppb)
Figura 4.11 - Grafico a dispersione delle concentrazioni estive orarie di NO2 ed NOx e riparti zione del rapporto R= NO2/NOx - Stazione Milano-Senato: 4601 osservazioni.
900
R = 0,05
800
R = 0,1
R = 0,3
700
R = 0,5
600
500
400
R=1
300
200
100
0
0
50
100
150
200
250
300
NO2 (ppb)
Figura 4.12 - Grafico a dispersione delle concentrazioni estive orarie di NO2 ed NOx e riparti zione del rapporto R= NO2/NOx - Stazione Limito: 4964 osservazioni.
130
gnificativi delle frequenze delle osservazioni nel settore 0,5<R<1. La suddivisione
delle stazioni nei gruppi definiti secondo le considerazioni sin qui sviluppate è rappresentata in tabella 4.9, dove nella parte sinistra le stazioni sono ordinate secondo
valori decrescenti della percentuale di osservazioni registrate in inverno nel settore 0,1<R<0,3, mentre in quella destra secondo valori crescenti della percentuale di
osservazioni estive nel settore 0,5<R<1.
Inverno
Estate
0,1 < R < 0,3
0,5 < R < 1
MI-Senato
71,69
MI-Senato
35,97
MI-Marche
70,47
MI-Zavattari
48,92
Cinisello B.
70,35
Cinisello B.
55,29
MI-Statuto
67,70
MI-Statuto
57,31
MI-Zavattari
67,65
Villasanta
58,48
Monza
65,95
MI-Marche
59,74
Villasanta
62,11
MI-Romolo
65,71
MI-Romolo
61,00
Corsico
67,91
Corsico
57,77
Monza
70,92
MI-Cenisio
56,19
Agrate B.
78,31
MI-Juvara
53,19
MI-Aquileia
79,67
Arese
51,70
MI-Verziere
80,79
MI-Aquileia
51,40
MI-Juvara
86,91
MI-Verziere
50,23
Settimo M.
87,19
Settimo M.
49,50
Pero
88,73
S. S. Giovanni
49,39
Rho
89,04
Pero
47,79
S. S. Giovanni
90,62
Agrate B.
44,43
Arese
91,24
Limito
43,32
Limito
91,62
Rho
35,37
MI-Cenisio
91,63
Stazioni direttamente interessate dalle emissioni primarie
Stazioni lontane dalle sorgenti primarie
Stazioni in posizione intermedia
Tabella 4.9 - Classificazione delle stazioni sulla base dei valori del rapporto R delle concentrazioni
orarie di NO2 ed NOx invernali ed estive.
131
D A T ID I
Si può osservare come i gruppi siano abbastanza chiaramente delineati dalla loro
posizione nella tabella, con le stazioni direttamente interessate dalle sorgenti primarie collocate nella parte alta, le stazioni di caratteristiche intermedie nella parte centrale e quelle situate più lontano dalle sorgenti nella parte più bassa.
4.2.2 Applicazione dell’analisi cluster
Sempre con l’obiettivo di classificare le stazioni di monitoraggio dell’AO con riferimento alla loro esposizione alle sorgenti di emissione primarie, le percentuali di ripartizione delle osservazioni nei settori del piano definiti dai valori del rapporto R sono state sottoposte ad analisi cluster, sviluppata sia per le singole stagioni che su base
annuale. Le indicazioni più chiare emergono dall’analisi della stagione invernale, con
una sostanziale conferma delle acquisizioni già conseguite (figura 4.13). Le stazioni
precedentemente classificate come prossime e distanti rispetto alle fonti di NOx risultano accorpate anche con questo approccio in due gruppi chiaramente distinti, mentre
le rimanenti stazioni (a eccezione di Rho) si aggregano a partire da essi in cluster meno
correlati. L’intrinseca incertezza dell’analisi non consente, tuttavia, di ritenere particolarmente significative tali aggregazioni in mancanza di ulteriori riscontri di natura
quantitativa.
Pero
Arese
Limito
Agrate B.
MI-Juvara
MI-Cenisio
Settimo M.
Sesto S. G.
MI-Verziere
MI-Aquileia
Villasanta
MI-Romolo
Corsico
MI-Statuto
Monza
MI-Zavattari
Cinisello B.
MI-Senato
MI-Marche
Rho
1,00
0,99
0,98
0,97
0,96
Coefficiente di correlazione
Figura 4.13 - Dendrogramma risultante dall’analisi cluster delle percentuali di ripartizione
delle osservazioni invernali nei settori del piano NO2-NOx interrotta per r < 0,96.
132
4.2.3 Valutazione quantitativa basata su un modello concettuale
Il modello concettuale predisposto per la stima del contributo delle sorgenti a partire
dai dati di qualità dell’aria registrati si fonda sull’ipotesi di linearità della relazione tra
la quantità di inquinanti emessi e la qualità dell’aria rilevata nell’area di influenza delle sorgenti di emissione in termini di medie a lungo termine, tipicamente la media annuale. Questa ipotesi è ragionevolmente corretta per inquinanti poco reattivi quali il
CO e il complesso degli NOx, le cui concentrazioni sono regolate in prevalenza dai soli fenomeni di trasporto e diffusione in atmosfera, oltre naturalmente che dal regime
delle emissioni.
Sulla base di questa assunzione il legame tra concentrazione ed emissione è dato
da:
(C)i = k’ [(E)i + (Ef)i]
(4.9)
in cui (C) i ed (E) i sono rispettivamente la concentrazione e l’emissione dell’inquinante i, (Ef)i rappresenta l’emissione di fondo del medesimo inquinante, mentre k’ è
una costante di proporzionalità che tiene conto della modalità di emissione e della capacità dispersiva dell’atmosfera.
Il valore non conosciuto della emissione di fondo può essere agevolmente inglobato nella costante di proporzionalità k:
k = k’
[
1+
(Ef)i
(E)i
]
(4.10)
che risulta così tener conto sia degli effetti della meteorologia che delle emissioni
di fondo; l’equazione (4.9) si riduce pertanto alla semplice relazione di proporzionalità:
(Ci) = k(E)i
(4.11)
Come si è detto l’ipotesi di linearità tra concentrazione ed emissioni risulta ragionevole per medie a lungo termine; nel caso in esame l’equazione (4.11) è stata applicata
per gli NOx su base stagionale, considerando separatamente il periodo estivo e quello
invernale, durante i quali agiscono due diverse capacità dispersive dell’atmosfera,
identificate dalle due costanti kE e kI, e due tipologie di fonti di emissione (sorgenti fisse e sorgenti mobili). Per il periodo estivo, in cui si ritiene attiva la sola fonte mobile, e
per il periodo invernale, in cui agiscono entrambe le sorgenti, si ottengono rispettivamente le due relazioni:
(CE)NOx = kE (EM)NOx
(4.12)
(CI)NOx = kI (EM + EF)NOx
(4.13)
in cui (E M)NOx e (E F)NOx indicano rispettivamente le emissioni di NO x delle sorgenti
mobili e fisse, e i pedici E, I contraddistinguono l’estate e l’inverno.
133
D A T ID I
Dividendo membro a membro le espressioni (4.12) e (4.13) si ha:
( ) ( ) ( )
(4.14)
( ) ( )
(4.15)
CI
CE
=
NO x
kI
EM + EF
kE
EM
=
NOx
kI
Er
kE
EM
NOx
e quindi:
EM
=
ET
NO x
kI
CE
kE
CI
NO x
L’espressione (4.15), dove (E T)NOx indica l’emissione complessiva di NOx dalle due
sorgenti, correla la quota delle emissioni di sorgenti mobili rispetto al totale con il
rapporto delle concentrazioni medie di NOx misurate in estate e in inverno attraverso il rapporto kI/kE. Il rapporto fra le costanti di proporzionalità del regime invernale ed estivo kI/kE può convenientemente ricavarsi dalle serie di concentrazioni di CO. Come già indicato al Capitolo 3 l’andamento delle concentrazioni di questo inquinante, scarsamente reattivo in atmosfera, emesso quasi esclusivamente dal
traffico e con un regime sostanzialmente costante in un’analisi di lungo periodo,
può essere considerato come un tracciante delle differenti condizioni esistenti nei
due regimi meteorologici. Dalla relazione (4.11) applicata al CO per il periodo estivo e invernale si ricava:
(CE)CO = kE (EE)CO
(4.16)
(CI)CO = kI (EI)CO
(4.17)
da cui, dividendo membro a membro le espressioni (4.16) e (4.17) e potendo assumere costante il regime delle emissioni:
(EI)CO = (EE)CO
si ottiene:
( )
CI
CE
=
CO
(4.18)
kI
(4.19)
kE
Sostituendo la (4.19) nella (4.15) si ottiene:
( ) ( )( )
EM
ET
=
NO x
CI
CE
CE
CI
CO
(4.20)
NOx
che consente di stimare il contributo delle sorgenti mobili alla concentrazione di
NOx solamente sulla base delle concentrazioni osservate di CO ed NOx.
134
4.2.4 Applicazione del modello concettuale per la stima del contributo delle
sorgenti
La stima con l’equazione (4.20) del contributo percentuale delle sorgenti mobili al
livello totale delle concentrazioni di NO x, per i punti dell’AO che dispongono contemporaneamente dei dati di CO ed NO x, ha riguardato 17 stazioni. Sempre considerando quali periodi rappresentativi delle stagioni invernale ed estiva i bimestri
gennaio-febbraio e giugno-luglio, per ciascuna stazione sono stati individuati gli
andamenti del giorno tipo per le concentrazioni di CO ed NOx, assumendo per ciascuna ora di tale giornata il valore medio dei dati registrati nel periodo 1990-1994
(figure 4.14-4.15). Per il calcolo con l’espressione (4.20) della quota delle emissioni
da sorgenti mobili nell’arco dell’intera giornata, si è considerata la finestra temporale compresa tra le ore 8:00 e le 20:00 in cui le fonti di emissione sono effettivamente attive. I risultati ottenuti sono riportati nella tabella 4.10, in cui sono indicati
il valore medio della quota in percentuale, la deviazione standard e il coefficiente
di variazione.
6000
5000
4000
3000
2000
1000
Inverno
100
Estate
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Ora
Figura 4.14 - Monossido di carbonio: giornate tipo estiva e invernale per la stazione di
Milano-Cenisio.
Si osserva che solo le stazioni Arese e Sesto San Giovanni, con un contributo in percentuale dell’emissione da traffico inferiore al 50%, si identificano come stazioni poco
esposte a questo tipo di emissione, mentre le stazioni Corsico e Milano-Senato, con un
contributo prossimo al 90%, risultano essere le stazioni più largamente dominate dalle emissioni mobili. Nelle rimanenti stazioni si registrano valori compresi nell’intervallo 54-78%, con una media riferita a tutta l’AO del 66%. I valori della deviazione
standard risultano generalmente inferiori al 20%.
135
D A T ID I
400
350
300
250
200
Inverno
100
150
Estate
100
50
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Ora
Figura 4.15 - Ossidi di azoto: giornate tipo estiva e invernale per la stazione di MilanoCenisio.
Stazione
M
DS
CV
Milano città
Stazione
M
DS
CV
Comuni
limitrofi
MI-Aquileia
75,4
13,8
0,183
Arese
45,1
7,6
0,169
MI-Cenisio
52,7
5,5
0,105
Cinisello B.
70,2
5,6
0,080
MI-Marche
55,6
2,4
0,044
Corsico
89,7
10,8
0,121
MI-Romolo
61,1
3,6
0,059
Monza
65,7
4,0
0,062
MI-Senato
80,9
10,4
0,129
Pero
64,1
7,6
0,118
MI-Statuto
68,9
11,6
0,168
Rho
52,8
9,1
0,172
MI-Verziere
72,5
7,9
0,109
S. S. Giovanni
44,7
4,6
0,103
MI-Zavattari
58,6
18,0
0,308
Settimo M.
55,5
8,7
0,157
Villasanta
77,7
5,6
0,072
Media AO
64,2
12,3
0,191
M = contributo medio giornaliero; CV = coefficiente di variazione dei valori orari; DS = deviazione standard dei valori
Tabella 4.10 - Stima del contributo in percentuale delle sorgenti mobili alle concentrazioni globali
di NOx nelle stazioni dell’AO.
4.2.5 Applicazione probabilistica del modello concettuale
Le acquisizioni precedenti sul contributo delle sorgenti, basate sulle singole concentrazioni orarie del giorno tipo, possono confrontarsi con i risultati di un altro
136
approccio, che in luogo dei singoli valori medi ne considera le distribuzioni. In questo caso, le operazioni dell’espressione (4.20) sono sviluppate, con tecniche di tipo
Monte Carlo, in termini di combinazione probabilistica dei valori di concentrazione coinvolti. Il risultato del prodotto tra la distribuzione del rapporto k I/kE (figura
4.16) e la distribuzione delle concentrazioni estive (figura 4.17), che risultano entrambe ben descritte dal modello lognormale, rappresenta la distribuzione stimata
delle concentrazioni invernali dovute alle sole emissioni da sorgenti mobili. Nella
figura 4.18 sono riportate la distribuzione così ottenuta e la distribuzione osservata
delle concentrazioni invernali di NO x.
In seguito, per ciascun dato della distribuzione osservata, che identifica un’ora
del giorno tipo della singola stazione, si è valutato sulla retta della distribuzione stimata il corrispondente punto di uguale frequenza cumulata. La concentrazione associata a tale punto viene ragionevolmente a costituire la quota attribuibile al traffico i cui valori in percentuale sono riportati nella tabella 4.11. Potendo ritenere la
distribuzione del rapporto kI / kE un tracciante meteorologico valido per l’intera
AO, è stato possibile stimare il contributo del traffico anche per quelle stazioni
(Agrate Brianza, Milano-Juvara, Limito) che non dispongono delle registrazioni dei
dati relativi al CO e che pertanto non sono state considerate nella precedente applicazione del modello concettuale.
100
100
99
98
95
90
80
70
60
50
40
30
20
10
5
2
1
1
0
1
2
3
4
5
Rapporto k1/kE
Figura 4.16 - Monossido di carbonio: distribuzione osservata dei valori del rapporto k I/kE
tra le concentrazioni dei giorni tipo invernale ed estivo relativamente alla finestra tempo rale 8-20 e distribuzione lognormale che ne descrive i valori.
137
D A T ID I
100
100
99
98
95
90
80
70
60
50
40
30
20
10
5
2
1
1
0
10
2
3
4
5
6 7 8
9100
2
3
4
5
6
7 8 91000
Concentrazione estiva NOx (ppb)
Figura 4.17 - Ossidi di azoto: distribuzione delle concentrazioni del giorno tipo esti vo relativamente alla finestra temporale 8-20 e distribuzione lognormale che ne de scrive i valori.
100
100
99
98
95
90
80
70
60
50
40
30
20
Distribuzione stimata
da sorgenti mobili
10
5
2
1
1
Distribuzione
osservata
0
10
2
3
4
5
6 7 8
9100
2
3
4
5
6
7 8 91000
Concentrazione invernale NOx (ppb)
Figura 4.18 - Ossidi di azoto: distribuzione delle concentrazioni del giorno tipo in vernale relativamente alla finestra temporale 8-20, distribuzione lognormale che ne
descrive i valori e distribuzione stimata delle concentrazioni attribuibili alle sole emis sioni da sorgenti mobili.
138
Stazione
M
DS
CV
Milano città
Stazione
M
DS
CV
Comuni
limitrofi
MI-Aquileia
64,0
5,1
0,079
Agrate B.
58,5
4,7
0,080
MI-Cenisio
60,4
3,5
0,058
Arese
62,4
10,4
0,167
MI-Juvara
64,2
7,8
0,121
Cinisello B.
67,4
7,3
0,109
MI-Marche
71,5
12,5
0,175
Corsico
62,9
6,1
0,096
MI-Romolo
58,7
5,8
0,100
Limito
56,9
4,1
0,073
MI-Senato
76,7
9,3
0,122
Monza
70,7
8,0
0,113
MI-Statuto
76,9
15,0
0,195
Pero
57,7
6,6
0,114
MI-Verziere
60,8
3,2
0,053
Rho
54,0
5,1
0,095
MI-Zavattari
67,0
7,9
0,117
S. S. Giovanni
60,7
4,6
0,076
Settimo M.
54,5
7,0
0,128
Villasanta
58,5
3,7
0,064
Media AO
63,2
6,5
0,103
Media AO*
63,8
6,8
0,106
*escluse le stazioni: Agrate B., MI-Juvara, Limito
M =contributo medio giornaliero; CV =coefficiente di variazione dei valori orari; DS =deviazione standard dei valori
Tabella 4.11 - Ossidi di azoto: stima del contributo in percentuale delle sorgenti mobili alle con centrazioni globali di NOx nelle stazioni dell’AO con approccio probabilistico.
Si può osservare che il contributo in percentuale del traffico risulta compreso nell’intervallo 54-77%, con quattro sole stazioni in cui è superiore al 70% (Milano-Marche, Senato, Statuto e Monza), e un valore medio riferito a tutta l’AO del 63%. I valori della deviazione standard risultano generalmente inferiori al 16% della corrispondente media, a eccezione di tre stazioni per cui essa risulta comunque inferiore al 20%. Di particolare interesse è la netta evidenza che il contributo del traffico
aumenta con le alte concentrazioni, raggiungendo valori superiori al 90% per concentrazioni attorno a 400 ppb. Si conferma così il ruolo pressoché determinante del
traffico nello sviluppo di episodi acuti di elevate concentrazioni di NOx a breve termine.
Il confronto tra i risultati forniti dai due differenti approcci sviluppati è riportato
graficamente nella figura 4.19. Per quanto riguarda il contributo medio riferito all’intera AO si osservano stime del tutto coincidenti a parità di stazioni considerate;
a livello delle singole stazioni si registra un buon accordo per 10 di esse, e in ogni
caso per la quasi totalità delle stazioni urbane. Differenze talora anche sensibili, comunque tutte inferiori al 30%, si apprezzano soprattutto per alcune stazioni della
periferia industriale, dove l’attività di sorgenti fisse di NO x attive durante tutto
139
D A T ID I
l’anno perturba la valutazione. Le valutazioni quantitative del contributo delle sorgenti mobili di NOx, e in particolare quelle fornite dall’applicazione probabilistica,
mostrano altresì un ottimo accordo con le indicazioni qualitative precedentemente
mostrate sia per quanto riguarda le stazioni più direttamente interessate dalle sorgenti primarie che per quelle situate più lontano da esse.
100
100
90
90
80
80
70
70
60
60
50
50
40
40
30
30
Figura 4.19 - Confronto tra le stime del contributo in percentuale delle sorgenti mobili alle
concentrazioni globali di NOx nelle stazioni dell’AO. L’altezza dei rettangoli attorno al valor
medio giornaliero del contributo (rombo nero) rappresenta l’ampiezza della deviazione stan dard rispettivamente per il modello concettuale (rettangolo grigio) e per la sua applicazione
probabilistica (rettangolo bianco). La linea continua e quella tratteggiata rappresentano il con tributo medio per l’intera AO stimato con il modello concettuale e con la sua applicazione pro babilistica.
140
Bibliografia
Bilger, R. W. 1978. The effect of admissing fresh
emission on the photostationary state relationship in photochemical smog. Atm. Env., 12,
1109-1118.
Georgopoulos, P. G., Seinfeld, J. H. 1 9 8 6 .
Mathematical modelling of turbulent reactive
plumes - II. Application to the NO-NO 2- O3
system. Atm. Env., 20, 1809-1818.
Bower, J. S., Lampert, J. E., Stevenson, K. J.,
Atkins, D. H. F., Law, D. V. 1991. A diffusion
tube survey of NO2 levels in urban areas of the
UK Atm. Env., 25B, 255-265.
Giugliano, M. 1975. La precisione dei campionamenti di SO2 nell’area urbana di Milano. Ing.
Amb. 4, 483-491.
Bower, J. S., Broughton, G. F. J., Dando, M. T.,
Lees, A. J., Stevenson, K. J., Lampert, J. E., Sweeney, B. P., Parker, V. J., Driver, G. S., Waddon, C.
J., Wood, E. J. 1991. Urban NO2 concentrations in
the UK in 1987. Atm. Env., 25B, 267-283.
Cole, H. S., Summerhays, J. E. 1979. A review
of technics available for estimating short-term
NO2 concentrations. Jour. Air Poll. Contr. Ass.,
29, 812-817.
Crystal-Ball Version 3.0 User Manual. Decisioneering, Denver, Colorado, 1993.
Giugliano, M.1983. La réduction des émissions
de SO2 et les standards de qualité de l’air dans
une atmosphère urbaine. Proc. 6th World Congress on Air Quality, Paris, France.
Giugliano, M., Cernuschi, S., Marzolo, F. 1995.
NO2 and CO nonattainment areas: a pragmatic
approach to source reduction assessment. Proc.
10th World Clean Air Congress, Espoo, Finland,
3, 562.
Hallez, S., Derouane, A. 1982. Nouvelle méthode de traitment de séries de données troquées
dans l’étude de la pollution atmosphérique. Sci.
Tot. Env., 22, 115-123.
Cupelin, F., Landry, J. C., Lehmann, P., Despot, F. 1995. Modèle statistique pour la gestion
de la qualité de l’air. Sci. Tot. Env., 169, 45-52.
Helsel, D. R. 1990. Less than obvious.Env. Sci.
& Tech., 24, 1766-1774.
Drufuca, G., Giugliano, M. 1978. Relationship
between maximum SO 2 concentration, averaging time and average concentration in an urban area. Atm. Env., 12, 1901-1905.
Khalil, M. A. K., Rasmussen, R. A. 1988. Carbon monoxide in an urban environment: application of a receptor model for source apportionment. Jour. Air Poll. Contr. Ass., 38, 901-906.
Finlayson-Pitts, B. J., Pitts, J. N. Jr. 1993. Atmospheric chemistry of tropospheric ozone formation: scientific and regulatory implications. Air
& Waste, 43, 1091-1100.
Khalil, M. A. K., Rasmussen, R. A. 1989. Urban
carbon monoxide: contributions of automobiles
and wood burning. Chemosphere, 19, 1383-1386.
Georgopoulos, P. G., Seinfeld, J. H. 1982. Statistical distributions of air pollutant concentrations. Env. Sci. & Tech.,16, 401A-406A.
Laird, A. R., Miksad, R. W., Middleton, P.
1982. A simple model for urban ozone impact
prediction. Jour. Air Poll. Contr. Ass., 32, 12211225.
141
D A T ID I
Larsen, R. J. 1961. A method for determining
source reduction required to meet air quality
standards. Jour. Air Poll. Contr. Ass., 11, 71-76.
Larsen, R. J. 1967. Determining reduced-emission goals needed to achieve air quality goals A hypotetical case. Jour. Air Poll. Contr. Ass., 17,
823-828.
Larsen, R. J. 1969. A new mathematical model
of air pollutant concentration averaging time
and frequency. Jour. Air Poll. Contr. Ass., 1 9 ,
24-30.
Leighton, P. A.1961. The Photochemistry of
Air Pollution. Academic Press. Inc., New
York, N.Y.
A critical review. Jour. Air Poll. Contr. Ass., 38,
616-645.
Seinfeld, J. H. 1989. Urban air pollution: state of
the science. Science, 243, 745-752.
Van Egmond, N. D., Kesseboom, H. 1985. A
numeric mesoscale model for long-term average NO x and NO 2 concentration. Atm. Env ., 19,
587-595.
Williams, M. L., Broughton, G. F. J., Bower, J.
S., Drury, V. J., Lilley, K., Powell, K., Rogers, F.
S. M., Stevenson, K. J. 1988. Ambient NOx concentrations in the UK 1976-1984 - a summary.
Atm. Env., 22, 2819-2840.
O’Brien, R. J. 1974. Photostationary state in
photochemical smog studies. Env. Sci. & Tech.,
8, 579-583.
Regione Lombardia. Individuazione sperimentale di area intercomunale omogenea relativa al
comune di Milano e a comuni viciniori prevista
dalla direttiva regionale per la salvaguardia
della qualità dell’aria di cui alla DGR 27 novembre 1990 n. 2709. Criteri per l’esercizio delle funzioni di cui all’art.32, comma 3, della legge 23
dicembre 1978 n. 833, da parte del Presidente
della Regione.
Parrish, D. D., Murphy, P. C., Albritton, D. L.,
Fehsenfel,d F. C. 1983. The measurement of
photodissociation rate of NO2 in the atmosphere. Atm. Env., 17, 1365-1379.
Regione Lombardia. Interventi regionali per la
prevenzione e il contenimento delle emissioni
da gas di scarico degli autoveicoli. BURL n. 51
del 20 dicembre.
Riveros, H. G., Tejeda, J., Ortiz, L., Julián-Sánchez, A., Riveros-Rosas, H. 1995. Hydrocarbons and carbon monoxide in the atmosphere
of Mexico City. Jour. Air Waste Man. Ass., 45,
973-980.
Ambiente 12 novembre 1992. Criteri generali
per la prevenzione dell’inquinamento atmosferico nelle grandi zone urbane e disposizioni per
il miglioramento della qualità dell’aria. GU n.
272 del 18 novembre 1992.
Roberts, E. M. 1979. Review of statistics of extreme values with applications to air quality data - Part I Review. Jour. Air Poll. Contr. Ass., 29,
632-637.
Ambiente 25 novembre 1994. Aggiornamento
delle norme tecniche in materia di limiti di concentrazione e di livelli di attenzione e di allarme
per gli inquinanti atmosferici nelle aree urbane
e disposizioni per la misura di alcuni inquinanti di cui al decreto ministeriale 15 aprile 1994.
GU n. 2902 del 13 dicembre 1994.
Leone, J. A., Seinfel,d J. H. 1985. Comparative analysis of chemical reaction mechanisms
for photochemical smog. Atm. Env. 19, 437464.
Roberts, E. M. 1979. Review of statistics of extreme values with applications to air quality data - Part II Applications. Jour. Air Poll. Contr.
Ass., 29, 733-740.
Seinfeld, J. H. 1986. Atmospheric chemistry
and physics of air pollution. J. Wiley & Sons,
New York - Toronto.
Seinfeld, J. H. 1988. Ozone air quality models.
142
Ambiente e Sanità 20 maggio 1991. Criteri per
l’elaborazione dei piani di risanamento e la tutela della qualità dell’aria. GU n. 126 del 31
maggio 1991.
28 marzo 1983. Limiti massimi di accettabilità
delle concentrazioni e di esposizione relativi a
inquinanti dell’aria nell’ambiente esterno. GU
n. 120 del 25 maggio 1983.
24 maggio 1988, n. 203. Attuazione delle direttive CEE n. 80/779, 82/884, 84/360 e 85/203 con-
cernenti norme in materia di qualità dell’aria,
relativamente a specifici agenti inquinanti, e di
inquinamento prodotto dagli impianti industriali, ai sensi dell’art.15 della legge 16 aprile
1987, n. 183. GU n. 140 del 16 giugno 1988.
143
Capitolo 5
Un sistema di supporto
alla scelta di modelli urbani
Giovanna Finzi
D A T ID I
Sommario
Nella modellistica della qualità dell’aria esiste una proliferazione di modelli atti a simulare le più
svariate situazioni. Questi strumenti sono ormai accessibili a una vasta utenza, ma non è al trettanto diffuso l’insieme delle conoscenze necessarie alla loro scelta e al loro corretto utilizzo.
In questo contesto il capitolo descrive un sistema esperto in grado di supportare, attraverso
una serie di domande poste in modo interattivo, un utente inesperto nella fase di scelta di un
modello adeguato alla sue esigenze.
5.1 Introduzione
Nella modellistica della qualità dell’aria in ambito urbano, come del resto in diversi
altri settori della modellistica dei sistemi ambientali, esiste una proliferazione di modelli e relativi packages, atti a simulare le più svariate situazioni. Questi strumenti, disponibili per varie classi di calcolatori (e in particolare PC), sono ormai accessibili a
una vasta utenza, ma non è altrettanto diffuso l’insieme delle conoscenze modellistiche necessarie a una loro scelta e al loro corretto utilizzo. Il problema spesso si presenta non tanto nei termini della concezione di un nuovo modello, ma quanto in quelli della scelta del modello più appropriato per il caso in esame tra quelli già esistenti.
La questione risulta in generale di non facile risoluzione, in special modo da parte di
un utente non in possesso delle conoscenze modellistiche necessarie a discriminare.
A questo scopo, nell’ambito della ricerca è stato realizzato un sistema che, fissato e
circoscritto un certo ambito applicativo, risultasse in grado di supportare l’utente inesperto nella fase di scelta del modello, fornendogli il maggior numero possibile di
informazioni riguardo lo stato dell’arte corrente.
Questo sistema è disponibile sul sito internet nell’area down load* e può essere facilmente installato su un PC.
5.1.1 Rassegna dei modelli di dispersione in area urbana
La prima fase della realizzazione del sistema di supporto alla scelta dei modelli per la
gestione della qualità dell’aria in ambiente urbano realizzata nell’ambito del precedente progetto è stata un’ampia rassegna della letteratura scientifica di settore, svolta
concentrando l’attenzione sui soli modelli deterministici.
A questo proposito le fonti esaminate possono essere riassunte principalmente nelle
riviste: Atmospheric Environment, Il nuovo Cimento, Journal of Applied Meteorology, Journal
of Air Pollution Control Association (poi Journal of Air and Waste), Journal of the Atmospheric
Sciences e Boundary Layer Meteorology. Nel corso della rassegna bibliografica sono stati
consultati anche i manuali d’uso di modelli già codificati, presenti anche nella Guida US
EPA stilata dall’Ente Governativo di Protezione Ambientale degli Stati Uniti.
Le scale spaziali considerate vanno dalla microscala (diffusione nei pressi di una singola arteria o incrocio stradali, o all’interno di un canyon urbano) alla scala urbana (dispersione degli inquinanti originanti dall’intera rete stradale), alla mesoscala (intero
*
Il sito è www.flanet.org
146
Capitolo 5 UN SISTEMADISUPPORTO
ALLA SCELTADIMODELLI URBANI
bacino in cui l’area urbana è sita; aree di dimensioni trasversali dell’ordine del centinaio di chilometri). Sono stati considerati modelli che trattano sia inquinanti chimicamente inerti che inquinanti reattivi.
I modelli individuati nell’ambito di questa rassegna bibliografica presentano una
grande varietà anche dal punto di vista del loro sviluppo e della loro disponibilità: per
alcuni di essi è nota soltanto la formulazione matematica e non è disponibile alcuna
implementazione; per altri invece esiste una versione, acquisibile sotto forma di codice sorgente o di package eseguibile. Laddove disponibili, nell’ambito dello studio in
esame sono state raccolte anche le informazioni riguardo i rispettivi codici e la loro reperibilità.
Il numero complessivo dei modelli urbani esaminati è stato pari a 54. Essi vengono
classificati nel seguito in riferimento alle loro caratteristiche matematiche.
5.1.1.1 Modelli euleriani - Modelli K
L’approccio euleriano è basato sulla conservazione della massa di una singola specie di inquinante, espressa in funzione dell’istante di tempo e delle coordinate di un
sistema di riferimento fisso. L’equazione differenziale alle derivate parziali che ne
deriva descrive il trasporto e la diffusione turbolenta della specie, ed è poi risolta
con diverse tecniche numeriche. Per la formulazione della componente turbolenta
vengono adottate diverse ipotesi semplificative, tra cui una delle più utilizzate è la
cosiddetta “teoria K”, che fa dipendere la diffusione turbolenta dal gradiente di
concentrazione.
Se sono coinvolte reazioni chimiche, per ognuna delle specie chimiche trattate viene
scritta una equazione differenziale, in cui il termine di sorgente tiene conto dell’interazione chimica con le specie rimanenti.
Una certa considerazione meritano quantità e qualità dei dati in ingresso al modello. La matrice dei coefficienti di diffusione orizzontale e verticale è per esempio uno
degli elementi da cui dipende maggiormente l’esito delle simulazioni. Le più recenti
parametrizzazioni (si vedano i modelli CALGRID e Gronskey & Walker) a questo proposito fanno largamente uso delle grandezze di scala del PBL: velocità di attrito, lunghezza di Monin-Obukov, velocità convertiva di scala, altezza dello strato rimescolato. Questo permette un estremo realismo nella capacità di descrizione dei fenomeni, a
patto che si possa disporre fondamentalmente di:
• campi di vento tridimensionali, ricavabili da strumenti tipo SODAR Doppler,
comprendenti anche misure di varianza delle componenti della velocità dei vento,
fondamentali per il calcolo dei parametri di turbolenza;
• misure di profili verticali della temperatura e di gradiente termico, in diverse condizioni di stabilità atmosferica;
• nel caso si usino dei modelli dinamici, una corretta valutazione del campo di concentrazione iniziale e un inventario delle emissioni comprendente eventuali variazioni nel tasso di emissione delle medesime con il tempo;
• per i modelli che trattano la chimica, un inventario delle emissioni dettagliato per
categoria di inquinante (spesso le specie chimiche coinvolte sono un centinaio),
misure di radiazione solare e di campi tridimensionali di temperatura sull’intero
dominio di integrazione; queste ultime si possono ottenere a partire dalle misure
ricavate da strumenti tipo RASS.
147
D A T ID I
I modelli recensiti che rientrano in questa categoria sono:
• CALGRID
• Danard
• Egan
• Eschroeder
• Gronskey
• IMPACT
• Ku & Rao
• Liu & Goodin
• Maddukuri
• Mc Rae & Russel
• MROAD 2
• Ragland
• ROADS
• Shie & Shieh
• UAM
5.1.1.2 Modelli analitici
Sono modelli molto semplici e richiedono un modesto numero di dati di ingresso. La
loro caratteristica fondamentale è di considerare condizioni stazionarie e di essere
usati generalmente per dare valutazioni immediate dell’impatto di una sorgente sul
territorio. Il più noto modello analitico è quello gaussiano, ricavato per integrazione
dell’equazione di trasporto e diffusione sotto le ipotesi seguenti:
• la velocità del vento è costante nel tempo e nello spazio;
• la diffusione turbolenta dell’inquinante nella direzione del vento è trascurabile rispetto al trasporto operato dal medesimo;
• i coefficienti di diffusione sono costanti nel tempo e nello spazio;
• il termine di sorgente è costante nel tempo.
Le limitazioni di questa impostazione sono evidenti, dato che condizioni stazionarie non esistono nella realtà. Un’altra fondamentale limitazione è data dal fatto che il
modello non può per sua natura trattare le calme di vento.
Altre soluzioni analitiche si possono dare e sono presenti in letteratura per varie tipologie di sorgenti, a partire dalle assunzioni dei gaussiani: lineari, areali, volumetriche.
Si danno anche soluzioni analitiche più complesse, che pur ipotizzando condizioni
stazionarie nel tempo, considerano queste non stazionarie nello spazio: è il caso del
modello di Chrysikopoulos, che suppone un profilo di vento variabile con l’altezza,
per trattare meglio sorgenti areali al suolo, che hanno un meccanismo diffusivo differente da quelle in quota. La tendenza della letteratura scientifica recente è comunque
di rendere per quanto possibile più realistica la descrizione, pur nei limiti intrinseci
dei modelli analitici; significativo in questo senso per IITCO e HPDM, la parametrizzazione delle sigma mediante i parametri di scala del PBL. I risultati, se confrontati
con i modelli gaussiani precedenti, sono incoraggianti.
Il calcolo dei parametri di dispersione, se non segue quest’ultima strada, è fornito
dalla letteratura scientifica in funzione della classe di stabilità atmosferica.
Un’altra categoria dei modelli analitico-gaussiani, è quella dei modelli a puff: in essi la nuvola di inquinante viene suddivisa al momento dell’emissione in una serie di
148
oggetti aventi la massa distribuita secondo una gaussiana tridimensionale. Il centro di
ogni puff viene trasportato in accordo alla direzione puntuale del vento al centro della massa; la concentrazione di inquinante in ogni punto dello spazio viene poi calcolata mediante sovrapposizione degli effetti dei singoli puff.
Questa formulazione permette di aggirare uno dei limiti del gaussiano, consentendo di trattare anche situazioni di vento non stazionarie e non omogenee.
L’insieme dei dati in ingresso ai modelli analitici è generalmente modesto:
• misure di vento puntuali, o al massimo profili di vento verticale;
• misure di varianza nella velocità del vento ricavabile con l’uso di SODAR Doppler;
• classe di stabilità atmosferica (a seconda dello schema di classificazione adottato
saranno necessarie di volta in volta misure di velocità o varianza del vento, di copertura nuvolosa, di gradiente di temperatura verticale);
• nel caso dei modelli analitici più recenti, se fanno uso di parametri caratteristici del
PBL, sono necessarie misure relative alla determinazione di questi ultimi (radiazione solare, fluttuazioni della velocità del vento, ecc.).
• AIRPOL 4
• APRAC 3
• AQDM
• ATDL
• CALINE
• CDM
• COMPTER
• Crysikopoulos
• Drivas & Shair
• ERTAQ
• GM
• Goumans
• HIWAY
• IITCO
• IMM
• ISC
• IITLT
• Holzworth
• HPDM
• Jea
• Middleton
• OMG
• PAL-DS
• PEM
• PLUME 5
• PPSP
• RAM
• SCSTER
• SHORTZ
149
D A T ID I
• TCM-2
• TEM-8
• TEXIN 2
• TUNNEL
5.1.1.3 Modelli a box
I modelli a box costituiscono l’approccio matematico più semplice, perché ignorano la
struttura spaziale dei fenomeni. Essi descrivono l’inquinamento prodotto da un insieme di sorgenti complesse (come per esempio un’area urbana) assumendo che gli inquinanti siano distribuiti uniformemente all’interno di un parallelepipedo. Dal punto
di vista teorico questo equivale ad assumere coefficienti di diffusione infiniti che provocano una propagazione istantanea dell’inquinante immesso nel box considerato.
L’inquinante presente nel box proviene da sorgenti interne o da contributi esterni
trasportati dal vento o fluisce attraverso la sommità in conseguenza delle variazioni
di altezza del box stesso che generalmente coincide con l’altezza dello strato di rimescolamento dell’atmosfera.
I modelli a box possono essere sia numerici che analitici, a seconda del livello di trattazione scelto. Nei più utilizzati si considerano condizioni stazionarie, ovvero si pongono a zero tutte le derivate rispetto al tempo e si considera nulla la concentrazione di
fondo.
L’insieme delle variabili meteorologiche che vengono prese in considerazione è solitamente molto limitato (per esempio velocità del vento, altezza di mescolamento).
Modelli di questo genere, sfruttando la semplicità della formulazione matematica,
sono applicati a inquinanti chimicamente reattivi; diventano cioè dei modelli fotochimici, che possono in questo modo includere in notevole quantità le reazioni tipiche
dell’ambiente urbano, che hanno una complessità notevole.
Un approccio più avanzato nella tipologia box è la categoria degli slug models; essi
permettono che la concentrazione vari lungo la direzione in cui spira il vento, e in direzione verticale, pur continuando ad assumere che non ci sia variazione nella direzione trasversale al vento.
• CPBM
• Nicholson
• PBM
5.1.1.4 Modelli a box lagrangiani
I modelli a box lagrangiani sono simili a quelli euleriani presentati nella sezione precedente, con la differenza che un box lagrangiano (o una colonna verticale composta
di più box sovrapposti) si muove trasportato dal vento medio presente nella zona.
Questa classe di modelli conta pochi esponenti nella letteratura scientifica recente,
in campo urbano: l’unico modello recensito è ATM (Aerosol Trajectory Model), di tipo
fotochimico e di struttura analoga a quanto poco sopra illustrato.
5.1.1.5 Modelli a particelle
I modelli a particelle, tra i più recenti e avanzati strumenti numerici per la simulazione al calcolatore dei sistemi dinamici, sono particolarmente adatti a simulare la dina-
150
mica di un fluido turbolento. L’uso di questi modelli nel campo della diffusione di inquinanti in atmosfera si sta dimostrando di notevole utilità. L’interesse suscitato da
questo tipo di approccio si può spiegare sia per la sua semplicità concettuale, che per
la capacità di modellare convenientemente situazioni reali anche complesse (share
verticali di vento, inversioni di temperatura in quota, evoluzioni temporali ecc...).
La diffusione di inquinante viene simulata attraverso il moto di particelle le cui
traiettorie permettono di costruire il campo di concentrazioni della sostanza emessa.
La velocità di ogni particella viene scomposta in una componente deterministica, che
simula i fenomeni di trasporto, e in una stocastica che simula gli effetti della turbolenza. La stima della concentrazione media è ottenuta contando il numero di particelle
che vengono a trovarsi in un certo volume contenente il punto dato.
• Pitts & Lyons
• Tielin
5.1.1.6 Preprocessori meteorologici
I preprocessori meteorologici sono utilizzati con i modelli di diffusione degli inquinanti essenzialmente per fornire a questi ultimi i dati di input necessari per la simulazione o la previsione degli episodi di inquinamento, con speciale riferimento ai dati di
vento, temperatura e umidità. Sono essenziali a tipologie di modelli quali i modelli K
e i modelli a particelle o a box lagrangiani, per i quali una mediocre stima o previsione dei dati meteorologici pregiudica le prestazioni finali.
I modelli meteorologici si possono dividere in diagnostici e prognostici: i primi
sono basati su una semplice analisi dei dati meteorologici disponibili, che vengono sottoposti a una operazione di interpolazione e non contengono termini che dipendono dal tempo; il loro compito è quello di fornire una “fotografia” a tre dimensioni dei campi di temperatura e di vento medio, e delle loro fluttuazioni turbolente.
I modelli prognostici, invece, sono usati per predire l’evoluzione nel tempo del sistema atmosferico, attraverso l’integrazione nel tempo e nello spazio delle equazioni
di conservazione della massa, del calore, della quantità di moto, dell’umidità. L’insieme completo di equazioni da risolvere sarebbe tuttavia eccessivamente oneroso, se
non intervenissero delle approssimazioni nel calcolo.
5.1.2 Organizzazione e caratteristiche del sistema
Come già accennato, nell’ambito del Progetto di ricerca “La qualità dell’aria nell’area
metropolitana milanese e i suoi riflessi sulla salute dell’uomo”, tutte le informazioni
raccolte nella rassegna bibliografica precedentemente descritta sono state sistematizzate e organizzate in un sistema esperto volto a orientare l’utente nella scelta del modello di dispersione più adatto alle sue esigenze.
Il sistema, grazie all’integrazione di un database relazionale e di un motore inferenziale basato su regole, permette all’utente finale di accedere alle informazioni in
esso contenute con modalità diverse, a seconda del livello di conoscenza posseduto circa il dominio di applicazione. Esso è stato implementato per essere utilizzato
su PC MS-DOS, ed è dotato di una interfaccia utente che ne rende molto semplice
l’utilizzo.
151
D A T ID I
Esperto del dominio
Strumento
di mantenimento
Banca
modelli
Base di
conoscenza
Strumento
di consultazione
utente
finale
Figura 5.1 - Architettura del sistema esperto.
5.1.2.1 Architettura del sistema
Le componenti principali del sistema sono (figura 5.1):
• la banca modelli;
• la base di conoscenza;
• tool di consultazione;
• tool di manutenzione.
La banca modelli contiene le schede descrittive di ciascun modello, nella quale si ritrovano informazioni circa il campo di applicabilità (tipologia degli inquinanti trattati, sorgenti, morfologia del terreno, scala temporale, condizioni di stabilità atmosferica), gli input necessari, gli output forniti, la disponibilità dell’eventuale codifica
software, gli autori, gli studi di validazione compiuti e, infine, una breve illustrazione
della formulazione matematica del modello.
La base di conoscenza è articolata in diverse componenti, e ha la funzione di associare i modelli disponibili ai possibili scenari fisici che questi sono in grado di trattare.
A questo proposito i possibili scenari applicativi sono stati sistematizzati e de-
152
scritti formalmente attraverso un certo numero di “chiavi” (keywords), in grado anche di discriminare sufficientemente all’interno dell’insieme dei modelli; le chiavi
utilizzate sono:
• AREA OF INTEREST
• TERRAIN MORPHOLOGY
• URBAN MORPHOLOGY
• POLLUTANT CHEMISTRY
• DRY DEPOSITION MODELING
• WET DEPOSITION MODELING
• TEMPORAL DESCRIPTION
• TIME SCALE
• OUTPUT TIME AVERAGE
• SOURCE NUMBER AND GEOMETRY
• EMISSION TYPE
• PLUME BEHAVIOUR
• STACK DOWNWASH MODELING
• BUILDING DOWNWASH MODELING
• ATMOSPHERIC STABILITY
• HIGH LEVEL INVERSION MODELING
• TREATMENT OF FUMIGATION
• TREATMENT OF WIND CALMS
• OUTPUT CONCENTRATIONS
• WIND DIRECTION IN THE STREET
• BUILDING HEIGHT
• BUILDING DENSITY
• ROAD EMISSIONS DISTRIBUTION
• CONCENTRATION DISTRIBUTION
• STREET LENGTH
• ROAD RECEPTOR POSITION
• SETTLEMENT DIMENSION
A ciascuna chiave sono associati diversi “valori” o “attributi” (per esempio, per la
chiave SOURCE NUMBER AND GEOMETRY, possibili valori sono SINGLE POINT
SOURCE, MULTIPLE POINT SOURCE, LINE SOURCE ecc.). Un determinato scenario fisico viene specificato assegnando un insieme di coppie “chiave-valore”, e più scenari possono essere utilizzati per descrivere l’ambito di applicabilità di un determinato modello. La base di conoscenza contiene quindi innanzitutto queste associazioni
scenari-modelli, permettendo la ricerca, in fase di consultazione, dei modelli più appropriati per un dato scenario di interesse per l’utente.
Un secondo elemento che concorre a delineare la base di conoscenza è dato dalle regole che codificano le nazioni necessarie a definire alcuni elementi dello scenario (coppie “chiave-valore”). Le regole sono scritte in un semplice linguaggio logico e risultano generalmente espresse nella forma:
• IF ipotesi
• THEN conclusione
Esse vengono utilizzate in fase di consultazione tramite un expert helper, un motore
153
D A T ID I
inferenziale che consente all’utente di essere guidato nella scelta dei valori più appropriati per le chiavi il cui significato è di non immediata comprensione.
La base di conoscenza è completata da una serie di “reti semantiche” le quali mettono in relazione tra loro i valori attribuibili a una stessa chiave. Infatti, nell’insieme dei
valori assumibili da una determinata chiave si possono, a volte, ritrovare delle relazioni di dominanza (per esempio, MULTIPLE POINT SOURCE domina, cioè gode di
maggiore generalità, SINGLE POINT SOURCE). Le reti semantiche tengono appunto
conto di tali relazioni con un duplice scopo: da una parte aumentano l’espressività
della consultazione poiché permettono di individuare anche i modelli associati a scenari di complessità superiore rispetto a quello definito dall’utente, ma che lo dominano in conseguenza alla loro maggiore generalità; dall’altra consentono una maggiore
compattezza della base di conoscenza.
A questo insieme di conoscenze si accede con degli strumenti che possono essere o
di consultazione o di manutenzione.
I primi sono pensati per l’utente finale, che ha tipicamente a che fare con un determinato scenario fisico e vuole conoscere i possibili modelli utilizzabili e confrontare le
loro caratteristiche.
I secondi sono utilizzati dal modellista “esperto del dominio” per l’aggiornamento
del sistema: inserimento di nuovi modelli, aggiornamento delle schede descrittive esistenti, creazioni o modifiche riguardanti le reti semantiche, aggiunta di nuove chiavi o
nuovi valori, revisione della base di regole.
5.1.2.2 Consultazione del sistema
La consultazione permette all’utente finale di cercare il modello o i modelli più adatti
alla situazione reale che egli intende simulare attraverso una serie di domande interattive. L’utente descrive lo scenario fisico di interesse attribuendo gli opportuni valori a un insieme di chiavi selezionate tra quelle proposte: a ogni passo della consultazione, il sistema fornisce all’utente l’elenco delle possibili chiavi utilizzabili, e per ogni
-
Domain
Consultation
key words
AREA OF INTEREST
TERRA IN MORPHOLOGY
URBAN MORPHOLOGY
SOURCE NUMBER AND GEOME
POLLUTANT CHEMISTRY
DRY DEPOSITION MODELING
WET DEPOSITION MODELING
TEMPORAL DESCRIPTION
TIME SCALE
OUTPUT TIME AVERAGE
OUTPUT CONCENTRATION
EMISSION TYPE
PLUME BEHAVIOUR
ATMOSPHERIC STABILITY
HIGH LEVEL INVERSION MOD
Maintenance
urban settlement + industries
urban canyon
urban road network
highway crossing with traffic-light
urban canyon crossing with traffic-light
urban canyon crossing with road signs
ground level highway
elevated highway
road tunnel
settlement * surroundings
urban settlement
underground highway
highway crossing with road signs
Esc Exit
Figura 5.2 - Esempio di consultazione del sistema: definizione di una coppia chiave-valore.
154
chiave la lista dei valori effettivamente sceglibili (figura 5.2); scelta una coppia chiavevalore, il sistema ricava dalla base di dati l’insieme di tutti i modelli che soddisfano la
specifica, e questo diventa l’insieme di modelli corrente. Il procedimento può essere
iterato, raffinando progressivamente la descrizione dello scenario, fino a quando l’insieme dei modelli individuati non soddisfi.
Alcune chiavi utilizzate nella classificazione dei modelli possono richiedere conoscenze specifiche, non in possesso dell’utente: in questi casi è possibile invocare l’aiuto dell’expert helper, che guida alla corretta scelta delle coppie chiave-valore attraverso
una serie strutturata di domande.
È possibile anche una seconda modalità di consultazione che permette un accesso
diretto alle informazioni riguardanti ogni singolo modello. In tal modo, selezionato un
modello, si possono immediatamente ricavare le caratteristiche degli scenari ai quali
esso si rivolge e valutare, quindi, se queste corrispondono alle caratteristiche della situazione reale che si intende analizzare.
155
Capitolo 6
Alcuni meccanismi
chimici presenti
nei modelli
per la simulazione
Luigi Fortina
D A T ID I
Sommario
I composti chimici presenti in atmosfera si trasformano in molteplici modi, subendo fenomeni
di decadimento o reagendo tra loro, sia per via termica sia per via fotochimica e pertanto i mo delli di qualità dell’aria che si pongono l’obiettivo di descrivere il comportamento di inquinan ti reattivi devono comprendere un modulo chimico che descriva questi processi.
In questo contesto nel capitolo viene presentato un database realizzato con l’obiettivo di per mettere il confronto tra otto diversi meccanismi chimici utilizzati dai modelli maggiormente
impiegati nell’ambito di problematiche connesse con la gestione della qualità dell’aria.
La disponibilità di questo database accoppiata alle conoscenze sperimentali disponibili sul
territorio può costituire un utile strumento per stabilire quale sia il meccanismo chimico più
adatto alla descrizione dei fenomeni di inquinamento di una determinata zona di interesse.
6.1 Introduzione: meccanismi chimici e meccanismi fisici nei modelli di
qualità dell’aria
Per la corretta simulazione dei fenomeni di inquinamento atmosferico mediante l’uso
di modelli matematici è necessario che siano adeguatamente descritti sia i fenomeni
fisici legati al trasporto e alla diffusione degli inquinanti, sia i fenomeni chimici conseguenti alla reattività dei composti stessi.
I composti chimici presenti in atmosfera si trasformano infatti in molteplici modi,
subendo fenomeni di decadimento o reagendo tra di loro, sia per via termica sia per
via fotochimica; quando si studia lo smog fotochimico, per esempio, si può osservare
una serie di reazioni chimiche che hanno luogo tra NOx e i composti contenenti carbonio, come le paraffine (alcani), le olefine (alcheni), le aldeidi, i chetoni e i composti aromatici. Contemporaneamente ai fenomeni chimici, si osserva il trasporto e il mescolamento dei reagenti e dei prodotti grazie all’azione dei venti e della turbolenza.
I due aspetti della questione, la fisica e la chimica dei fenomeni che regolano la qualità dell’aria, possono essere svincolati l’uno dall’altro, in quanto:
• se si considera un composto poco reattivo, qual è per esempio il biossido di zolfo
(SO2) in particolari condizioni, allora diventa trascurabile il chimismo atmosferico
e, di conseguenza, tale inquinante può essere trattato come una specie chimica che
subisce unicamente fenomeni di trasporto e diffusione;
• se invece si ipotizza che la parte di atmosfera oggetto di studio si comporti come
un reattore nel quale il fluido è perfettamente miscelato, allora, per simulare ciò
che avviene, è sufficiente risolvere le equazioni differenziali che descrivono matematicamente le reazioni chimiche tra i composti presenti, trascurando completamente la fisica del fenomeno.
I principali modelli matematici per la simulazione dell’inquinamento atmosferico
sono dunque costituiti da due moduli fondamentali:
• uno che rappresenta il meccanismo fisico, descrivendo quindi i fenomeni di trasporto e diffusione delle sostanze;
• uno che rappresenta il meccanismo chimico, incorporato nel primo, che descrive le
trasformazioni chimiche e fotochimiche che queste sostanze subiscono.
Nelle situazioni in cui sia possibile sopprimere uno dei due moduli (come nei due
158
Capitolo 6 ALCUNI MECCANISMICHIMICI
PRESENTINEI MODELLI PERLA SIMULAZIONEDELLA QUALITÀDELL ’ARIA
casi riportati in precedenza) si ottengono evidenti vantaggi e semplificazioni, soprattutto per il fatto che diminuiscono notevolmente gli oneri di calcolo.
È opportuno distinguere i due moduli anche al fine di una analisi delle possibili cause dell’errore eventualmente riscontrato nella risposta del modello di qualità dell’aria:
errori numerici e di simulazione possono essere infatti introdotti a seguito delle numerose ipotesi semplificative imposte per risolvere contestualmente sia le equazioni
chimiche sia le equazioni di diffusione. La possibilità di trattazione separata dei moduli chimico e fisico del modello è quindi essenziale per determinare eventuali fonti
di errore nella simulazione introdotte da semplificazioni grossolane o inadeguate.
Per meglio identificare le fonti di errore si può fare uso di modelli semplificati di
tipo gaussiano per descrivere trasporto e diffusione; più complesso risulta invece il
discorso per i meccanismi cinetici (chimici). Premesso che un trattamento esplicito
di tutte le reazioni che avvengono in atmosfera è virtualmente impossibile nella
pratica questi debbono a loro volta essere condensati a livelli di complessità diversi sia per conformarsi ai dati sperimentali disponibili che per evitare eccessivi oneri di simulazione.
Un altro caso in cui la distinzione suddetta risulta opportuna si ha quando è necessario analizzare in dettaglio un meccanismo chimico incorporato nel modello di qualità dell’aria, per porre in evidenza quali sono le trasformazioni che in esso sono trattate in modo più o meno completo e quali sono invece le reazioni che sono completamente trascurate perché ritenute poco importanti.
Molti meccanismi enfatizzano infatti fenomeni specifici, quali per esempio l’accumulo di ozono, essendo stati sviluppati allo scopo di studiarli e gestirli. In fase di applicazione di un modello va tuttavia verificato che i fenomeni descritti con maggior
dettaglio siano effettivamente rappresentativi del caso in esame in quanto diverse
condizioni climatologiche e di emissione nel caso reale possono comportare situazioni completamente diverse rispetto a quelle ben rappresentabili dal modello stesso. In
questo caso l’analisi del meccanismo chimico e il suo confronto con la situazione reale diventano due aspetti fondamentali per scegliere il modello di qualità dell’aria che
più si adatta a essere utilizzato per le simulazioni; la scelta cadrà ovviamente su quel
modello nel quale sia presente un meccanismo chimico che descrive nel modo più realistico il caso reale.
6.2 Scopo del lavoro
Nel paragrafo precedente è stata evidenziata la necessità di analizzare il modulo chimico incorporato in un modello di qualità dell’aria, per verificare quali siano i fenomeni chimici che il meccanismo sviluppa in modo prioritario al fine di verificare se
questi coincidono con i dati critici dell’ambiente da modellare. A questo scopo è stato
sviluppato un database che permetta il confronto tra i diversi meccanismi chimici considerati (otto tra i più utilizzati) per verificare l’adeguatezza di questi a un caso reale di
interesse. Esso è fornito in supporto informatico.
Vista l’importanza rivestita dalla tipologia del modello chimico adottato sul risultato finale sono stati messi in luce alcuni criteri che dovrebbero consentire di rendere il
più possibile oggettiva la fase di scelta tra i possibili modelli attualmente disponibili.
159
D A T ID I
In questo lavoro sono quindi stati acquisiti alcuni modelli di qualità dell’aria di cui sono stati analizzati in dettaglio i meccanismi chimici, estraendo da questi le reazioni e i
relativi parametri cinetici. Tutta questa mole di informazioni è stata sintetizzata in un
database, descrittivo delle specie chimiche e delle reazioni che le coinvolgono.
La disponibilità di questo strumento di supporto accoppiato alle conoscenze sperimentali disponibili sul territorio e/o da acquisirsi sul campo mediante specifiche
campagne permetterà di stabilire volta per volta quale sia il meccanismo chimico
più adatto alla descrizione dei fenomeni di inquinamento di una determinata zona
di interesse.
6.3 Criteri per la scelta del modulo chimico
Quando si deve definire la struttura del modulo chimico da utilizzare in modelli a scala regionale, occorre definire in modo appropriato gli scopi della modellazione e i tipi
di previsione che si desidera fare in vista delle politiche di controllo da adottare.
I moduli chimici sono costituiti dalle specie chimiche immesse e/o prodotte nell’atmosfera in seguito ai processi che in essa si verificano. Le specie chimiche possono essere inorganiche od organiche; le più importanti sono, oltre a quelle che compongono
la cosiddetta “atmosfera standard”, gli ossidi di zolfo e quelli di azoto (e i relativi acidi), l’ozono, l’ossido di carbonio. La chimica di questi composti è piuttosto ben caratterizzata e le reazioni che li coinvolgono (chimica inorganica) sono praticamente presenti in tutti i modelli in uso.
Più complessa è la situazione riguardante i cosiddetti Composti Organici Volatili,
detti comunemente COV o VOC. La loro importanza deriva dal ruolo che svolgono
nella formazione fotochimica dell’ozono sia su scala urbana che regionale, nelle trasformazioni di tipo radicalico degli ossidi di zolfo e di azoto, che portano poi alla formazione degli acidi corrispondenti responsabili delle cosiddette “piogge acide”, nei
fenomeni che portano allo “smog fotochimico”.
È pertanto importante che il modulo chimico rappresenti nel modo migliore possibile il chimismo che interessa l’insieme dei composti immessi o prodotti nell’atmosfera. Purtroppo i composti organici che possono essere immessi nell’atmosfera da parte
di sorgenti naturali o di attività antropiche è molto grande, dell’ordine di parecchie
centinaia, anche se normalmente in quantità molto variabile da una specie all’altra.
Le reazioni, poi, che possono interessare questa folla di composti possono essere
dell’ordine delle migliaia. È chiaro che non è possibile tenere conto di tutta questa
realtà che, in pratica, è spesso conosciuta in maniera molto limitata. Si pone allora il
problema di come strutturare un modulo chimico che possa ragionevolmente rappresentare una situazione reale.
In pratica i modelli correntemente in uso trattano un insieme di qualche decina di specie chimiche. Il problema che allora ci si pone è quello di scegliere un metodo per rappresentare centinaia di composti con poche decine di specie. Le scelte che sono state fatte sono molteplici, come si può rilevare dalle tabelle contenute nei file forniti su supporto informatico, in cui sono riportate in dettaglio le specie chimiche e le reazioni di interesse. Ognuna delle scelte tenta di conciliare gli scopi della modellazione, la disponibilità delle informazioni di partenza e le risorse disponibili per effettuare le simulazioni.
160
Un problema di notevole peso è quello che si presenta quando una specie chimica del modello rappresenta un numeroso gruppo di composti “affini”. Infatti in
questo caso, se si conoscono le caratteristiche della cinetica dei singoli composti, si
pone il problema della definizione di tali caratteristiche per la “specie modello”.
Qui si differenziano i vari modelli, che tentano di definire queste “costanti cinetiche” sulla base di quelle note di alcuni composti concreti e di pesi scelti in modo opportuno e ragionevole.
Esempi dettagliati e interessanti di queste tecniche sono contenuti nei lavori di
Stockwell e collaboratori. Come conclusione delle loro ricerche, essi fanno rilevare
che per l’applicazione della tecnica da loro descritta e sperimentata svolgono un
ruolo fondamentale la disponibilità e la qualità dei dati di emissione: spesso, infatti, ci si trova nella condizione di essere costretti a disaggregare, piuttosto che ad aggregare, le informazioni disponibili sui COV. È chiaro perciò che, se si vuole utilizzare un modello che includa un numero notevole di classi di COV mentre si dispone solo di valutazioni globali di COV emessi o di categorie di COV emessi per varie
sorgenti, si rende necessario operare una disaggregazione dei dati mediante l’impiego di fattori di disaggregazione, facendo riferimento a raccolte statistiche, qualora disponibili, per la regione in esame.
6.3.1 Adeguatezza del modello
Il grado col quale uno specifico modello per la qualità dell’aria può essere considerato adatto per l’utilizzo nella valutazione dell’impatto di una sorgente di inquinanti
sull’ambiente dipende da numerosi fattori, quali, per esempio, le complessità meteorologiche e topografiche dell’area, il livello di dettaglio e l’accuratezza richiesta dall’analisi, le risorse disponibili e il dettaglio e l’accuratezza della base dati relativa alle
emissioni e alla meteorologia. Una volta assemblata la base dati si deve verificare se
questa sia in grado di soddisfare le richieste del modello; qualora un modello richiedesse un dettaglio e una precisione dei dati di ingresso eccedenti le effettive disponibilità, sarebbe opportuno riconsiderare la possibilità di utilizzarlo.
Le basi dei dati e le conseguenti procedure adottabili per la stima dei parametri di
input costituiscono una parte integrante della procedura di modellazione. In fase di
svolgimento di questi studi è necessario utilizzare sempre i dati disponibili più appropriati, poiché le concentrazioni stimate dipendono strettamente dai dati meteorologici e di emissione utilizzati; la principale fonte di incoerenze è costituita dai dati da
cui si parte per l’analisi.
Lo stato dell’arte per quanto concerne i modelli di qualità dell’aria ne consente l’applicazione con soddisfacente accuratezza e un accettabile grado di incertezza nelle simulazioni di valori medi di concentrazione degli inquinanti, primari e secondari, per
lunghi periodi e per aree a topografia da relativamente semplice a mediamente complessa. Vale tuttavia la pena rilevare che sono stati realizzati anche modelli in grado di
trattare situazioni meteorologiche e topografiche complesse, che richiedono, però, notevole esperienza e abbondanti risorse di calcolo, e di cui a oggi è noto un limitato numero di applicazioni.
6.3.2 Livello di sofisticazione dei modelli
Il grado di sofisticazione del modello utilizzato deve quindi essere commisurato al-
161
D A T ID I
l’obiettivo dell’applicazione, fatta salva la disponibilità di dati. In una applicazione tipo è sovente opportuno procedere per livelli sequenziali a complessità crescente.
Un primo livello consiste nell’applicazione di tecniche generali, relativamente semplici e basate su modelli di dispersione che forniscono stime conservative dell’impatto sulla qualità dell’aria di una sorgente concreta, o di una categoria di sorgenti. Il risultato ottenibile da questo screening dovrebbe costituire una approssimazione per eccesso che permetta di non ricorrere a strumenti più complessi qualora i risultati indichino che l’emissione in esame non provoca superamenti dei livelli di inquinamento
previsti dalla legislazione, delle norme che si desidera rispettare o, più semplicemente, che consentono di raggiungere obiettivi prefissati.
Qualora non si verifichino tali ipotesi, si rende necessaria l’applicazione di modelli
che forniscano una descrizione più dettagliata dei processi fisici e chimici che si svolgono nell’atmosfera: questa tipologia di modelli richiede in ingresso dati più dettagliati e precisi e fornisce, qualora applicata in modo corretto, stime più accurate delle
concentrazioni degli inquinanti nello spazio e nel tempo.
6.4 Le trasformazioni chimiche
Per quanto riguarda la parte del modello che calcola le trasformazioni chimiche a cui
possono essere soggette le varie sostanze inquinanti immesse nell’atmosfera, si deve
tenere presente la notevole sensibilità delle velocità di reazione e trasformazione dalle condizioni locali. L’importanza che possono assumere dette trasformazioni sulla
concentrazione degli inquinanti primari e secondari è, inoltre, strettamente correlata
ai tempi caratteristici dei fenomeni (costanti cinetiche di velocità delle reazioni raffrontata all’estensione spazio-temporale del dominio di studio); due o più fenomeni
concomitanti possono infatti svolgere ruoli significativi nello stesso contesto solo se i
loro “tempi caratteristici” sono paragonabili.
Per esempio, si può assumere che la trasformazione chimica di SO 2 emesso da
sorgenti puntiformi o da singoli impianti industriali siti in zone rurali sia relativamente poco influente nella valutazione della sua concentrazione massima al suolo
quando il tempo di percorrenza tra luogo di emissione e recettore è di alcune ore.
Al contrario, in aree urbane, allorché effetti sinergici tra gli inquinanti presenti possono assumere ruoli rilevanti, le velocità di trasformazione chimica possono rivestire interesse fondamentale. Se disponibili tramite valutazioni eseguite per realtà
locali, si possono in loro vece utilizzare i relativi tempi di semitrasformazione. In
applicazioni urbane, può essere adottato per l’analisi delle emissioni di SO 2 u n
tempo di semitrasformazione di 4 ore.
Quando si utilizzano tecniche di screening per modellare le emissioni di ossidi di
azoto da sorgenti puntiformi, si presuppone la completa trasformazione di NO in
NO2 per qualsiasi tempo di percorrenza. Nel caso vengano utilizzati modelli gaussiani, e si disponga di dati relativi alle variazioni stagionali delle variazioni delle
concentrazioni massime di ozono, viene raccomandato l’uso dell’Ozone Limiting
Method.
Per analisi più raffinate, possono essere utilizzate velocità di conversione basate su
studi appropriati del sito in esame.
162
Questo vale per l’utilizzo di modelli che incorporano meccanismi complessi di trasformazioni chimiche, utilizzo che va studiato e giustificato nella sua applicazione con
considerazioni relative al sito e alle sue caratteristiche.
Vale la pena di rimarcare che i modelli cinetici complessi richiedono un set di dati analitici in ingresso normalmente ben più ampio di quelli disponibili; il livello di
dettaglio deve essere commisurato alla effettiva disponibilità di dati sperimentali
presenti sul territorio.
In generale questi modelli complessi non sono stati progettati per studiare l’influsso di una sola sorgente, ma per valutazioni a livello regionale.
6.5 Confronto tra otto meccanismi chimici fondamentali
È già stato osservato in precedenza come la simulazione dei fenomeni che avvengono
nell’atmosfera, a causa della loro complessità, presenti diverse difficoltà, soprattutto in
termini numerici, quando si devono risolvere onerosi sistemi di equazioni differenziali;
questo avviene sia per il grande numero di reazioni coinvolte, sia per l’estrema variabilità delle costanti cinetiche, sia per l’incertezza della determinazione di alcune di queste.
Per ottenere un modello di simulazione il cui impiego risulti ragionevole in termini
di oneri di calcolo, si possono quindi adottare alcune ipotesi semplificative, che vengono discusse in seguito.
Un’ipotesi ricorrente è quella detta PSSA (Pseudo-Steady State Approximation), cioè
l’ipotesi di pseudostazionarietà; in questo caso, viene ipotizzato che un certo composto, che non ha in realtà concentrazione costante, venga prodotto e consumato, attraverso reazioni chimiche e fotochimiche, così velocemente, che le variazioni nel tempo
della sua concentrazione si possono ritenere trascurabili, per cui si assume che la sua
concentrazione sia costante.
Questa ipotesi può essere mantenuta anche per quei composti che sono presenti in
grande eccesso nell’atmosfera, per cui anche in questo caso si può considerare costante la loro concentrazione.
Modelli di simulazione basati sui meccanismi sopra citati vengono applicati con l’obiettivo di quantificare la complessa e non lineare relazione tra le emissioni di inquinanti primari (NOx, COV) e la massima concentrazione di O3.
Le tre ipotesi semplificative fondamentali generalmente utilizzate nei diversi modelli di qualità dell’aria, per diminuire il numero delle reazioni chimiche che vengono
simulate e rappresentare un certo processo di interesse semplificando la modellizzazione, secondo la proposta di Leone e Seinfeld, suddividono i vari meccanismi chimici nelle categorie seguenti:
a) si utilizzano poche specie di idrocarburi opportunamente scelte, ognuna delle
quali funge da rappresentante della propria classe, grazie alla tecnica dei “meccanismi
surrogati”;
b) si rappresentano meccanismi a “molecole raggruppate” (lumped), in cui idrocarburi della stessa classe vengono assemblati, e viene così definita una specie ipotetica
per rappresentare ciascuna classe;
c) si considerano i meccanismi di “legame carbonio” (carbon bond), la cui classificazione viene basata sui legami chimici degli idrocarburi e sulla loro reattività.
163
D A T ID I
Dunque i vari meccanismi chimici vengono classificati in base al modo in cui sono raggruppati insieme diversi tipi di VOC (Volatile Organic Compound), e si distinguono in:
a) meccanismi surrogati;
b) meccanismi a struttura lumped (a struttura ammassata);
c) meccanismi a molecola lumped (a molecola ammassata).
Nel presente studio sono stati esaminati 8 meccanismi chimici, alcuni dei quali sono
incorporati in modelli di qualità dell’aria di uso abbastanza diffuso:
1. meccanismo di Seinfeld;
2. meccanismo CB IV (presente in UAM);
3. meccanismo SAPCR (presente in CALGRID);
4. meccanismo di Dodge;
5. meccanismo CB III;
6. meccanismo ALW;
7. meccanismo CB EX (presente in UAM);
8. meccanismo RADM2.
Nel seguito viene riportata una brevissima descrizione dei meccanismi suddetti.
6.5.1 Meccanismo di Seinfeld
Il meccanismo di Seinfeld è il più semplice tra tutti quelli considerati, e non appartiene a nessuna delle tre categorie sopra specificate, in quanto considera esclusivamente
la chimica della formaldeide e degli alcani; di conseguenza è costituito soltanto da 21
reazioni e non risulta necessaria alcuna semplificazione nel meccanismo chimico.
6.5.2 Meccanismi CB III, CB IV e CB EX
Sia il meccanismo CB III sia i meccanismi CB IV e CB EX, utilizzati nel modello della
Environmental Protection Agency statunitense UAM (Urban Airshed Model) (CB EX appartiene alla versione più recente), sono classificati tra i modelli a “struttura ammassata”, in quanto trattano la chimica degli idrocarburi in base al tipo di legame chimico
che caratterizza le varie sostanze.
6.5.3 Meccanismo ALW
Il meccanismo di Atkinson-Lloyd-Winges (ALW) è un meccanismo a molecola lum ped, cioè a “molecola ammassata”.
6.5.4 Meccanismo di Dodge
Il meccanismo di Dodge, nella versione migliorata di Zimmerman-Dodge, appartiene
alla categoria dei “meccanismi surrogati”.
6.5.5 Meccanismo SAPCR
Il meccanismo SAPCR, incorporato in CALGRID, è un meccanismo simile ai CB, cioè
è un meccanismo a “struttura ammassata”.
6.5.6 Meccanismo RADM2
Questo meccanismo, sviluppato da Stockwell, mette in evidenza l’importanza del radicale ed è un meccanismo “surrogato”.
164
6.5.7 Parametri richiesti da alcuni dei meccanismi
Nella tabella 6.1 viene presentato un confronto tra i parametri richiesti da alcuni dei
meccanismi fotochimici presi in considerazione nel presente lavoro.
Dalla tabella si nota come per procedere alla taratura e alla verifica di tutti i modelli
chimici presi in considerazione sia richiesta una notevole mole di dati.
Per quanto concerne i composti inorganici, NO, NO2, NOx e O3 (il cui monitoraggio
è consolidato) sono comuni a tutti meccanismi presi in considerazione; unica particolarità si osserva a proposito del meccanismo ad aggregazione Carbon Bond (CB IV) implementato nel codice di calcolo Urban Airsheed Model (UAM) che tra i parametri in ingresso non prevede l’ozono.
La conoscenza della concentrazione del monossido di carbonio è richiesta esclusivamente dai meccanismi CB IV e SAPCR, modulo chimico del codice CALGRID; quest’ultimo prevede anche l’impiego delle concentrazioni dell’HNO3 e dell’HNO2.
Le principali differenze, si osservano a carico dei composti organici in quanto le
modalità di aggregazione dei composti chimici potenzialmente presenti in atmosfera sono diverse.
L’utilizzo del meccanismo CB IV implica la conoscenza, oltre a quella degli alcani
(legame semplice C-C) e degli alcheni (legame doppio C=C), delle concentrazioni di
un numero limitato di composti chimici il cui comportamento può essere sia indicativo di una classe sia specifico del composto stesso, nel caso in cui la sua reattività si discosti in modo marcato da quella degli altri composti caratterizzati dal medesimo
gruppo funzionale. La formaldeide è un tipico esempio di composto appartenente a
quest’ultimo gruppo, mentre l’acetaldeide è rappresentativa della reattività del gruppo funzionale carbonilico C=O. Le altre specie di cui si deve disporre di dati sono: metanolo ed etanolo (gruppo funzionale alcolico ROH), toluene e xilene (gruppo funzionale aromatico) e infine etilene e isoprene che, pur con un chimismo già rappresentato dagli alcheni, presentano reattività diversa (etilene) oppure sono dotati di notevole
rilevanza ambientale in quanto indicatori di emissioni naturali (isoprene).
Un maggior livello di aggregazione dei composti organici è raggiunto solo dal meccanismo surrogato di Dodge; in questo caso le uniche specie utilizzate sono: formaldeide (chimismo specifico del composto), butano (alcani), propilene (alcheni) e ALD2
(aldeidi con due o più atomi di carbonio).
Meccanismi
meccanismo
CB IV
(UAM)
meccanismo
SAPCR
(CALGRID)
toluene
C6H5CH3
toluene
ARO1
formald.
HCHO
formaldeide
formaldeide
CO
CO
meccanismo
di Dodge
meccanismo meccanismo
CB III
ALW
Parametri
CO
formaldeide
ARO
toluene
formaldeide
formaldeide
(segue)
165
D A T ID I
Meccanismi
meccanismo
CB IV
(UAM)
meccanismo
SAPCR
(CALGRID)
meccanismo
di Dodge
meccanismo meccanismo
CB III
ALW
NO
NO
NO
NO
NO
NO
NO2
NO2
NO2
NO2
NO2
NO2
O3
O3
O3
O3
NOx
NOx
NOx
NOx
ARO
ARO
benzene
ARO
ARO
xilene
ARO
ARO
Parametri
O3
NOx
NMHC
benzene C6H6
paraxilene
xilene
1,2,4trimetilbenzene
alcani
(paraffine C-C)
alcani
ALK1
ALK2
butano
alcani
propano
alcheni
(olefine C=C)
alcheni
OLE1
propilene
OLE
propilene
etilene
etilene
etilene
etilene
ALD2
RCHO
acetaldeide
CH3CHO
RCHO (aldeidi
acetaldeide
superiori)
isoprene
isoprene
etanolo
etanolo
metanolo
metanolo
HNO3
HNO3
HONO
HONO
CH4
ALD2
CH4
CCHO (aldeidi)
CCHO
metiletilchetone
CH3C(O)C2H5
MEK
non reattivi
MEK
NR
trans-2-butene
BUTE
acetone
ACET
Tabella 6.1 - Parametri richiesti da alcuni meccanismi fotochimici.
166
Il meccanismo SAPCR presenta una struttura abbastanza analoga a CB IV; rispetto
a quest’ultimo risultano meno utilizzati i singoli composti e maggiormente suddivisa
la struttura delle pseudospecie chimiche: gli alcani sono suddivisi in due gruppi in
funzione del numero di atomi di carbonio e lo stesso si ha per i composti aromatici. Il
gruppo funzionale carbonile viene suddiviso dal punto di vista della reattività in aldeidi superiori e in chetoni (indicatore metiletilchetone). La formaldeide e il CH4 vengono trattati come molecole a sé stanti in quanto il loro chimismo è diverso rispetto ai
loro omologhi superiori.
Definire un criterio oggettivo e univoco che, sulla base del criterio di aggregazione
prescelto, consenta di stabilire quali tra i modelli presentati sia il migliore è praticamente impossibile; indubbiamente i meccanismi CB IV e SAPCR sono quelli maggiormente consolidati e oggetto di verifiche sperimentali.
Nella pratica, come messo in evidenza da Stockwell il concetto di “modello ottimale” risulta essere dipendente dagli scopi che ci si prefigge di ottenere mediante
il suo impiego e, soprattutto, dai dati sperimentali disponibili nell’area in esame.
Accanto alle problematiche connesse all’aggregazione dei composti realmente presenti in atmosfera, da effettuarsi senza che le relazioni cinetiche perdano di significatività, non va trascurata infatti quella relativa alla disaggregazione dei dati chimici da inserire nel modello.
È da tenere presente che le metodiche di disaggregazione, se da una parte permettono di effettuare un’analisi più dettagliata, dall’altra necessariamente si basano su
informazioni derivate da conoscenze pregresse sul comportamento ambientale rilevato nella zona.
Anche il miglior modello porta infatti a simulazioni la cui significatività non può mai
superare quella delle informazioni di partenza, essendo spesso notevolmente inferiore.
6.6 Assemblaggio del database
Gli otto meccanismi sopra specificati sono stati confrontati tra di loro nell’intento di
creare un database utile per identificare immediatamente, come già detto, il modello
più adatto ai diversi possibili casi reali, nei casi in cui si intenda applicare uno dei suddetti modelli di qualità dell’aria.
Nei meccanismi chimici, come già sottolineato, vengono sempre ipotizzate alcune
semplificazioni, per rendere gestibile dal punto di vista matematico la risoluzione dei
sistemi; tali ipotesi semplificative sono frutto anche delle particolari condizioni nelle
quali il modello è stato ideato, e possono essere conseguenza dello scopo che si desidera raggiungere.
Nello sviluppare il modello si deve tenere presente la realtà concreta in esame, rappresentata dai dati sperimentalmente rilevati. Infatti questi possono suggerire il tipo
di fenomeno che caratterizza l’ambiente; per esempio, se si ritiene che l’ozono sia l’indicatore di una situazione di cattiva qualità dell’aria, si svilupperà il modello in modo
tale da esaltare le reazioni che coinvolgono questo composto.
Per questo motivo risulta particolarmente interessante analizzare i meccanismi chimici, classificando le specie chimiche e le reazioni che vi compaiono; l’analisi è stata
condotta grazie alla costruzione di un database, la cui struttura è descritta nel seguito.
167
D A T ID I
6.6.1 Struttura del database
Il database è costituito da due tabelle elaborate utilizzando il foglio elettronico Excel:
• nella prima tabella (tabella: elenco delle specie chimiche) vengono elencate tutte le specie presenti nei meccanismi; alcune specie sono presenti in tutti i modelli nella
stessa forma, altre sono sempre presenti ma vengono indicate in modi diversi, altre non vengono dappertutto considerate. In totale risultano individuate 224 specie, ma non di tutte è identificabile in modo univoco il significato chimico.
• nella seconda tabella (tabella delle reazioni) sono riportate tutte le reazioni presenti
nei meccanismi considerati, classificate in base alle tipologie indicate nel seguito;
si ottiene un elenco di 593 reazioni.
6.6.2 Tabella: elenco delle specie chimiche
La tabella è costituita da quattro colonne, così specificate:
• colonna 1: numero d’ordine della specie;
• colonna 2: simbolo della specie (simbolo chimico o sigla particolare utilizzata all’interno del meccanismo);
• colonna 3: descrizione della specie;
• colonna 4: indicazione del meccanismo in cui la specie è presente.
Ciascun meccanismo viene identificato dal proprio numero d’ordine, cioè:
• n° 1 = Seinfeld
• n° 2 = CB IV (UAM)
• n° 3 = SAPCR (Carter)
• n° 4 = Dodge (1977)
• n° 5 = CB III (1982)
• n° 6 = ALW
• n° 7 = Carbon Bond EX
• n° 8 = RADM2
Le specie chimiche presenti in ciascun meccanismo sono state così suddivise:
6.6.2.1 Chimica inorganica:
a) composti azotati
b) ossidanti
c) composti solforati
d) composti del carbonio (CO, CO2)
e) idrogeno
f) atomi
g) radicali
h) specie presenti in abbondanza
6.6.2.2 Chimica organica:
a) alcani
b) alcheni
c) aromatici
d) prodotti degli aromatici
e) carbonili (aldeidi e chetoni)
f) composti nitro-organici
168
g) perossidi e ossidi organici
h) acidi organici
i) radicali perossidi dagli alcani
j) radicali dagli alcani
k) radicali perossidi dagli alcheni
l) radicali perossidi dagli aromatici
m) radicali dagli aromatici
n) radicali perossidi con gruppi carbonili
o) radicali nitro-organici
p) composti intermedi
q) alcoli
r) eteri
s) gruppi non identificati
6.6.2.1 Osservazioni e note
• le specie contenute nell’elenco dei “gruppi non identificati” appartengono soprattutto al meccanismo n° 3 (SAPCR).
• all’interno della prima tabella sono indicate delle note, invisibili sulla stampa ma
identificabili nel file grazie a un puntino rosso; per attivare le note e leggerne il testo
è sufficiente aprire la Finestra informazioni di Excel, che si trova nel menù di schermo
Strumenti - opzioni - finestra informazioni.
6.6.3 Tabella delle reazioni
La tabella è costituita da numerose colonne, suddivise in gruppi così specificati:
• gruppo 1: numero d’ordine della reazione;
• gruppo 2: gruppo dei reagenti e dei coefficienti stechiometrici dei reagenti
(ci = coeff. stech. del reagente Ri, i =1,...3);
• gruppo 3: gruppo dei prodotti e dei coefficienti stechiometrici dei prodotti
(ki = coeff. stech. del prodotto Pi, i =1,...10);
• gruppo 4: indicazione del meccanismo in cui la reazione è presente;
• gruppo 5: costante cinetica della reazione (espressa sia in unità cm, mol, s sia in
unità ppm, min)
I gruppi sono identificabili all’interno del file grazie ai colori:
• n° 1 = bianco
• n° 2 = grigio
• n° 3 = giallo
• n° 4 = verde
• n° 5 = azzurro
Le reazioni presenti nei diversi meccanismi sono state classificate in base al criterio
precedentemente esposto per le specie, per cui sono presenti due blocchi principali; il
primo contiene tutte le reazioni che coinvolgono i composti inorganici, il secondo riporta il chimismo dei composti organici.
Nel blocco che comprende le reazioni dei composti inorganici (primo blocco) esiste
solo la distinzione tra le reazioni fotochimiche e le reazioni termiche.
Il secondo blocco, che riporta tutte le reazioni dei composti organici, è così suddiviso:
a) reazioni fotochimiche
169
D A T ID I
b) reazioni con OH
c) reazioni con HO2
d) reazioni con O
e) reazioni con NO
f) reazioni con NO2
g) reazioni con NO3
h) reazioni di decadimento
i) reazioni con O3
j) reazioni con O2
k) reazioni tra idrocarburi
l) reazioni con H2O
m) reazioni con i composti solforati
n) chimica degli operatori
6.6.3.1 Osservazioni e note
• All’interno della tabella delle reazioni sono indicate delle note, invisibili sulla stampa ma identificabili nel file grazie a un puntino rosso; per attivare le note e leggerne il testo è sufficiente aprire la Finestra informazionidi Excel, che si trova nel menù
di schermo Strumenti - opzioni - finestra informazioni.
• Le note all’interno del file sono utili soprattutto per evidenziare anomalie quali la
presenza di coefficienti stechiometrici negativi e il mancato rispetto della stechiometria delle reazioni; tali anomalie il più delle volte coesistono.
• Molte reazioni sono presenti in diversi meccanismi ma sono scritte in modo diverso; spesso utilizzano coefficienti stechiometrici diversi.
• Le costanti di velocità delle reazioni termiche sono state calcolate per T = 298 K per
tutti i meccanismi tranne il n° 8 (Stockwell), nel quale sono state calcolate per T =
300 K.
• Le costanti di velocità delle reazioni fotochimiche non sono state calcolate per tutti i
meccanismi; sono presenti solo le costanti del meccanismo n° 8 (Stockwell), calcolate
per angolo zenitale pari a 40°, latitudine pari a 40°N e giorno dell’anno 21 giugno.
• Per il meccanismo n° 3 le costanti non sono disponibili.
6.7 Considerazioni
L’analisi del database prodotto mette in evidenza alcuni aspetti che rendono estremamente difficoltoso l’impiego di questi strumenti non solo a fini predittivi a breve termine, ma anche quale punto di partenza per la elaborazione di strategie atte a
ridurre la concentrazione dei generatori di radicali liberi nell’atmosfera. Parte di
questi problemi derivano dalla struttura stessa dei modelli, parte dalla disponibilità di serie storiche di dati chimici e meteorologici effettivamente utilizzabili al fine di tarare il modello stesso.
Per quanto concerne la struttura dei modelli chimici deterministici presi in considerazione, è evidente la loro complessità derivante da un lato da un numero molto elevato di reazioni, dall’altro da un altrettanto elevato numero di pseudo-composti che
implica l’integrazione di un pari numero di equazioni differenziali.
170
A ogni pseudo-reazione chimica è associata una costante cinetica che, nel caso dei
processi fotochimici che stanno alla base del fenomeno oggetto della presente relazione (smog fotochimico), è funzione di parametri meteorologici la cui conoscenza diventa quindi di rilevanza fondamentale.
Le difficoltà di calcolo insite nella integrazione numerica di un numero di equazioni differenziali ha portato da un lato alla necessità di ridurre il numero di variabili
(pseudo-composti presenti nel modello) e dall’altro a sviluppare procedure ampiamente basate su ipotesi di meccanismo quasi stazionario in modo da sostituire a un
numero il più elevato possibile di equazioni differenziali delle equazioni algebriche la
cui gestione risulta notevolmente semplificata.
La riduzione del numero di variabili, come riportato nei paragrafi precedenti, si basa su interpolazioni del comportamento chimico dei composti effettivamente presenti nell’atmosfera; in alcuni casi si è supposto per esempio che le aldeidi (a esclusione
della formaldeide) si comportino tutte nel medesimo modo, in altri casi le aldeidi sono state suddivise in due o tre classi diverse in funzione del numero di atomi di carbonio costituenti. È ovvio che la scelta di fare uso di un modello più o meno semplificato implichi potenzialità descrittive sensibilmente diverse che costituirebbero senza
dubbio un vantaggio nel caso in cui la conoscenza sperimentale delle concentrazioni
delle specie presenti nel modello fosse effettiva e che invece si traducono in un arbitrario aumento dei gradi di libertà del modello stesso nel caso, molto più probabile a
verificarsi, di mancanza di tali dati.
La scelta delle modalità di clustering delle specie chimiche fa sì che reazioni formalmente uguali possano presentare costanti cinetiche diverse in quanto il significato fisico associato ai composti che in esse compaiono non è il medesimo; questo implica
ogni volta una taratura delle costanti cinetiche modello per modello.
A proposito della notevole rilevanza insita nelle scelte di clustering e dei gradi di libertà a esse associate, vale la pena di ricordare i risultati ottenuti da Dechaux et al. che
hanno messo in evidenza, per tutti i modelli da loro presi in considerazione, la notevole capacità di descrivere correttamente dati sperimentali forniti al modello in fase di
taratura (interpolazione), ma anche la limitata capacità di effettuare previsioni (estrapolazione) coerenti con i dati sperimentali.
D’altro canto, la possibilità di sviluppare modelli fortemente orientati a descrivere
particolari serie storiche di dati sperimentali (NO ed NO2 piuttosto che O3) in grado di
porre in evidenza fenomeni specifici, messa in luce da Stockwell, pur implicando una
scelta tanto delle reazioni da inserire nel modello quanto della importanza da attribuire alla conoscenza a priori delle costanti cinetiche a esse associate, rappresenta senza dubbio una potenzialità che merita di essere tenuta presente.
Nella simulazione della qualità dell’aria nella città di Milano, sulla base dei dati attualmente disponibili, sembra più realistico fermare l’attenzione sugli inquinanti primari.
Dall’analisi dei dati di inquinamento rilevati nella città, si osserva infatti che:
• i valori di inquinamento misurati risentono fortemente della situazione del traffico, soprattutto nelle zone del centro, in quanto le centraline sono poste a livello del
piano stradale;
• in conseguenza del primo punto (che comunque evidenzia lo stato della qualità
dell’aria respirata dalle persone) risulta notevolissimo dall’analisi il peso degli inquinanti primari (NO, NO2), mentre non si rileva una forte presenza di O3;
171
D A T ID I
• alti livelli di O3 si misurano a Limito, alla periferia della città.
Nel caso di Milano pare dunque molto più appropriato un modello empirico di simulazione dell’inquinamento, piuttosto che un complesso modello fotochimico, in
quanto l’esigenza principale rimane quella di controllare gli inquinanti primari. La discussione dunque si concentra piuttosto sull’opportunità del controllo dei soli NOx o
anche dei COV, che sono il motore della produzione di inquinanti secondari e quindi
dello smog fotochimico.
6.8 Conclusioni
Nel caso specifico di Milano e della zona omogenea i dati attualmente disponibili
per quanto concerne le specie organiche sono estremamente pochi sia per quanto
concerne i termini di generazione sia per quanto attiene alla loro concentrazione
nell’atmosfera; questo implica la necessità di disaggregare più che di aggregare le
informazioni sui COV. Si sottolinea inoltre la scarsa conoscenza delle caratteristiche quali-quantitative delle emissioni, fatto che rende problematico tanto definire
le condizioni al contorno quanto disaggregare i COV al punto da renderli utilizzabili da parte del modello.
Accanto a questi problemi, l’analisi dei dati ha messo in evidenza l’inadeguatezza
degli stessi al fine di un loro utilizzo su scala regionale, scala minima a cui i modelli attualmente disponibili possono essere ragionevolmente utilizzati a causa della ubicazione delle centraline di rilevamento. Queste ultime sono infatti per la maggior parte
poste a livello del piano stradale e in prossimità delle principali arterie di scorrimento
del traffico cittadino, per cui le specie chimiche rivelate sono da considerarsi primarie
e, pertanto, poco correlate per esempio con l’ozono. Fa eccezione la stazione di rilevamento di Brera che, per essere localizzata relativamente lontano dalle sorgenti, mostra
una qualche correlazione indicativa di trasformazioni in atto, anche se ancora lontane
dall’equilibrio. Questo fatto, per l’analisi dei dati della maggior parte delle centraline
di Milano (posizionate al suolo), rende praticamente inutile il modulo chimico in
quanto i tempi caratteristici delle reazioni che coinvolgono i vari composti presenti in
atmosfera sono ben superiori a quelli necessari affinché essi, dal punto di emissione,
raggiungano il rilevatore.
A conferma di quanto sopra vi è il fatto che i dati raccolti evidenziano da un lato concentrazioni elevate di NOx cui non corrispondono concentrazioni di O 3 in linea con
quanto prevedibile sulla base dei modelli chimici di tipo stazionario.
Questo è confermato dall’analisi statistica delle serie temporali relative agli ossidi di
azoto e all’ozono.
Sulla base di queste considerazioni sembrerebbe quindi ragionevole impostare il
problema previsionale come ricerca di correlazioni tra grandezze chimiche misurate e intensità del contributo delle diverse sorgenti, emissioni da traffico in primo
luogo ed eventualmente emissioni da impianti di riscaldamento. In ogni caso, proprio a causa della scala spaziale e temporale del problema, l’applicazione di modelli di simulazione della fotochimica atmosferica tipo CALGRID non risulterebbe
di grande utilità, se non in circostanze del tutto particolari, come nel caso di blocco
locale (isola di calore), per cui l’intera area metropolitana potrebbe essere conside-
172
rata racchiusa, a causa della presenza di inversioni termiche, in una “bolla” che annulli gli scambi di materia, e quindi di inquinanti, attraverso la superficie di contorno. Solo in un tale ambiente isolato e supposto perfettamente miscelato, infatti,
l’applicazione di un modulo chimico, quale quello di CALGRID, sarebbe giustificata. Negli altri casi la predominanza dei termini di trasporto avvettivo suggerirebbe l’utilizzo di strumenti previsionali e di controllo strettamente locali, basati
sul monitoraggio delle emissioni.
La struttura del modulo chimico di CALGRID è di per sé abbastanza elastica da
consentire un adattamento alla quantità e qualità dei dati disponibili sulle specie
misurate dalla rete di rilevamento; quando esso venga applicato a un caso di inversione totale (la “bolla” precedentemente menzionata), esso non necessita di informazioni particolari sulle condizioni al contorno in quanto l’ambiente risulta assimilato a un reattore discontinuo perfettamente miscelato. Nel caso, più realistico,
di interconnessione tra zone diverse del dominio di studio, l’utilizzo di modelli tipo UAM e CALGRID richiede invece informazioni relativamente dettagliate sulla
distribuzione delle emissioni e sulle condizioni al contorno, la cui completezza e attendibilità deve essere attentamente valutata data la sua influenza sulla determinazione delle concentrazioni delle specie nello spazio e nel tempo. Le risposte ottenute in questo caso sono relative a distribuzioni di ordine regionale, solitamente su
archi temporali annuali.
173
Bibliografia
Riferimenti generali
Chimica nella troposfera
Servizio Meteorologico Aeronautica Militare,
Caratteristiche diffusive dei bassi strati dell’atmosfera - Vol. 2, Lombardia.
Becker, K. H. et al. 1993. Studies on the formation of H2O2 in the ozonolysis of alkenes. Atmos.
Env., Vol. 27/A, 1, 57-61.
Finzi, G., Brusasca, G. 1991. La qualità dell’aria:
modelli previsionali e gestionali. Masson, Milano.
Blatchley, E. R. et al. 1993. Evaluation of ozonealkylpyridine reaction kinetics using spectroscopic measurements.Atmos. Env., Vol. 27/A, 1,
113-116.
Fortina, L., Capodaglio, A. G., Baldi, M., Valenti, N. 1993. Modello matematico di diffusione e
ricaduta delle emissioni gassose Convenzione
AgipRaffinazione - Amministrazione Comunale
di Sannazzaro de’ Burgondi, PROGETTO AMBIENTE 1991-1993. Università degli Studi di Pavia, Dip. di Ingegneria Idraulica e Ambientale
della Facoltà di Ingegneria.
Giuliacci, M. 1989. Climatologia statica e dinami ca della Val Padana. CNR.
Seinfeld, J.H. 1986. Atmospheric Chemistry and
Physics of Air Pollution. John Wiley & Sons.
Stern, A.C. 1962. Air pollution. Academic press,
New York.
Vismara, R. 1989. Ecologia Applicata. Hoepli.
Zannetti, P. 1990. Air Pollution Modeling .
Computational Mechanics Publication,
Southampthon.
Chimica dell’atmosfera
Berbach, A. et al.1994. Atmospheric chemistry of
unsaturated carbonyls: Butenedial, 4-oxo-2-pentenal, 3-Hexene-2, 5-Dione, Maleic Anhydride, 3
H-Furan-2-one, and 5-Methyl-3H-furan-2-one.
Environ. Sci. Technol., Vol. 28, 715-729.
Cape, J. N. et al. 1993. The reaction of nitrogen
dioxide at low concentrations with natural waters. Atmos. Env. Vol. 27/A, 16, 2613-2621.
De Bock, L. A. et al. 1994. Individual aerosol
particle composition variations in air masses
crossing tho North Sea. Environ. Sci. Technol.,
Vol. 28, 1513-1520.
Edney, E. O. et al. 1994. Laboratory investigations of interactions of irradiated oxylene/NOx/SO2 air mixtures with aqueous
media containing sodium fluoride, sodium trifluoroacetate, ammonium nitrate and hydrogen
peroxide Atmos. Env. Vol. 28, No. 6, 1189-1196.
Faust, B. C. et al., 1994. Photochemistry of
clouds, fogs, and aerosols. Environ. Sci. Technol.,
Vol. 28, 5, 217/A.
Fenomeni di trasporto
Fortezza F. et al. 1993. Transport of photochemical oxidants along the northwestern adriatic
coast. Atmos. Env., Vol. 27/A, 15, 2393-2402.
Grosjean, D. et al. 1994. Atmospheric chemistry
of olefins: a product study of the ozone-alkene
reaction with cyclohexane added to scavenge
OH. Environ. Sci. Technol., Vol. 28, 186-196.
175
D A T ID I
Harrison, R. M. et al. 1994. Atmospheric chemical transormations of nitrogen compounds
measured in the North Sea experiment, September 1991. Atmos. Env., Vol. 28, 9, 1593-1599.
Holzmann, M. et al. 1994. On the pressure dependence of the NO2 product yield in the reaction of NO 3 radicals with selected alkenes. At mos. Env., Vol. 28, 16, 2677-2683.
Horst, E. et al. , 1994. Kinetics and mechanism
of the oxidation of sulfur (IV) by peroxomonosulfuric acid anion. Atmos. Env., Vol. 28, 3,
443-448.
Kelly, T. J. et al., 1994. Concentrations and transformations of hazardous air pollutant. Environ.
Sci. Technol., Vol. 28, 8, 378/A.
Kirchner, F., Stockwell, W. R. 1996. Isoprene
and terpene oxidation mechanisms in Borrell
P.M., Borrell P., Seiler W. (eds.) Proceedings of
the EUROTRAC Symposium 1996.
Kutsuna, S. et al. 1993. Heterogeneous photochemical reactions between volatile chlorinated
hydrocarbons (trichloroethene and tetrachloroethene) and titanium dioxide. Atmos. Env.,
Vol. 27/A, 4, 599-604.
Fonti di inquinanti
Altshuller, A. P. 1993. Production of aldehydes
as primary emissions and from secondary atmospheric reactions of alkenes and alkanes during the night and early morning hours. Atmos.
Env., Vol. 27/A, 1, 21-32.
Ciccioli, P. et al. 1993. Ubiquitous occurrence of semi-volatile carbonyl compounds in
tropospheric samples and their possible
s o u r c e s. Atmos. Env., Vol. 27/A, 12, 18911901.
Hildemann, L. M. et al. 1994. Sources of urban
contemporary carbon aerosol. Environ. Sci. Te chnol., Vol. 28, 6: 1565.
Miller, C. A. et al. 1994. Emissions of organic
hazardous air pollutants from the combustion
of pulverized coal in a small-scale combustor.
Westerholm, R. et al. 1994. A multivariate statistical analysis of fuel-related polycyclic aromatic hydrocarbon emissions from heavyduty diesel vehicles., Environ. Sci. Technol.,
Vol. 28, 965-972.
Processi di rimozione
Kwok, E.S.C. et al. 1994. Reactions of gas-phase
phenanthrene under simulated atmospheric
conditions. Environ. Sci. Technol., Vol. 28, 521527.
Lagrange, J. et al. 1993. Electrolyte effects on
aqueous atmospheric oxidation of sulfur dioxide by hydrogen peroxide. Atmos. Env., Vol.
27/A, 2, 129-137.
Mozurkewich, M. 1993. The dissociation constant of ammonium nitrate and its dependence
on temperature, relative humidity and particle
size. Atmos. Env., Vol. 27/A, 2, 261-270.
Seigneur, C. et al. 1994. A chemical kinetic mechanism for atmospheric inorganic mercury.
Skov, H. et al. 1994. Epoxide formation in the
reactions of the nitrate radical with 2,3-dimethyl-2-butene, cis- and trans-2-butene and
isoprene.Atmos. Env., Vol. 28, 9, 1583-1592.
176
Bartell, U. et al., 1993. COS and H2S fluxes over a
wet meadow in relation to photosynthetic activity: an analysis of measurements made on 6
september 1990. Atmos. Env., Vol. 27/A, 12,
1851-1864.
Lee, D. S., 1993. Spatial variability of urban precipitation chemistry and deposition: statistical
association between constituents and potential
removal processes of precursor species. Atmos.
Env., Vol. 27/B, 3, 321-337.
Proprietà dei composti e delle particelle
Grosjean, D. et al., 1994. Peroxysobutyryl nitrate. Environ. Sci. Technol., Vol. 28, 167-172.
Johnson, B. J. et al. , 1994. Seasonal trends of
nitric acid, particulate nitrate, and particulate
solfate concentrations at a southwestern US
mountain site. Atmos. Env., Vol. 28, 6, 11751179.
Pei-Ming Wu et al., 1994. Nature of coarse nitrate particles in the atmosphere - a single pactice
approach. Atmos. Env., Vol. 28, 12, 2053-2060.
Russel, A., Milford, J., Bergin, M. S., MacBride
S. , MacNair, L., Yang, Y., Stockwell, W. R.,
Croes, B. 1995. Urban Ozone Control and Atmospheric Reactivity of Organic Gases, Science,
Vol. 269.
Simonic, S. L. et al. 1994. Vegetation-atmosphere partitioning of polycyclic aromatic hydrocarbons. Environ. Sci. Technol., Vol.28, 939-943.
Venkataraman, C. et al. 1994. Size distribution
of Polycyclic Aromatic Hydrocarbons and Elemental Carbon. 2. Ambient Measurements and
effects of atmospheric processes., Environ. Sci.
Technol., Vol. 28, 563-572.
Yang, Y. J. , Stockwell, W. R., Milford, I. B.,
1995. Uncertainties in Incremental Reactivities
of Volatile Urban Compounds. Environ. Sci. Te ch., Vol. 29.
Yokouchi, Y. 1994. Seasonal and diurnal variation
of isoprene and its reaction products in a semi-rural area. Atmos. Env., Vol. 28, 16, 2651-2658.
Misure e metodi di misura
Balsley, B. B. et al. 1994. Vertical Profiling of the
atmosphere using high-tech kites. Environ. Sci.
Technol., Vol. 28, 9, 422/A.
Bezuglaya, E. Yu. et al. 1993. Air pollution index
and interpretation of measurements of toxic
pollutant concentrations Atmos. Env., Vol.
27/A, 5, 773-779.
Blanchard, C. L. et al. 1993. Precipitation-chemistry measurements from the california acid deposition monitoring program, 1985-1990. At mos. Env., Vol. 27/A, 11, 1755-1763, 1993.
Hart, K. M. et al. 1994. High volume air sampler
for particle and gas sampling. 2. Use of backup
filters to correct for the adsorption of gas-phase
polycyckic aromatic hydrocarbons to the front
filter. Environ. Sci. Technol., Vol. 28, 655-661.
Henry, R. C. et al. 1994. Vehicle related hydrocarbon source compositions from ambient data:
the GRACE-SAFER method. Environ. Sci. Tech nol., Vol. 28, 823-832.
Huang, X. et al. 1994. Emissions of trace elements from motor vehicles: potential marker
elements and source composition profile. At mos. Env., Vol. 28, 8, 1385-1391.
Krieger, M. S. et al., 1994. Measurement of
polychlorinated biphenyls and polycyclic aromatica hydrocarbons in air with a diffusion
denuder. Environ. Sci. Technol., Vol. 28, 11291133.
Lamb, D. et al., 1994. Comparability and precision of maps and NADP/NTN precipitation chemistry data at an acidic site in eastern north america.Atmos. Env., Vol. 27/A, No. 13, 1993-2008.
Lawrence, J. E. et al. 1994. Measurement of atmospheric formic and acetic acids: methods
evaluation and results from field studies. Envi ron. Sci. Technol., Vol. 28, 957-964.
Marshall, T. L. et al. 1994. An introduction to
open-path FT-IR atmospheric monitoring. Envi ron. Sci. Technol., Vol. 28, 5, 224/A.
McElroy, J. L. et al. 1993. Creation and fate of
ozone layers aloft in Southern California. At mos. Env., Vol. 27/A, 12, 1917-1929.
Muradov, N. Z., 1994. Spectrophotometric
method for nitroglycerine analysis in air. Envi ron. Sci. Technol., Vol. 28, 388-393.
Cadle, S. H. et al. 1994. Remote sensing of vehicle exhaust emissions. Environ. Sci. Technol.,
Vol. 28, 6.
Parrish, D. D. et al. 1994. Routine, continuous
measurement of carbon monoxide with parts
per billion precision. Environ. Sci. Technol., Vol.
28, 1615-1618.
Farmer, C. T. et al. 1994. Continuous hourly
analysis of C 2-C10 Non-Methane Hydrocarbon
Compounds in Urban Air by GC-FID. Environ.
Sci. Technol., Vol. 28, 238-245.
Schorran, D. E. et al., 1994. Semicontinuous
method for monitoring SO2 at low Parts-pertrillion concentrations. Environ. Sci. Technol.,
Vol. 28, 1307-1311.
177
D A T ID I
Spicer, C. W. et al. 1994. A Laboratory in the
sky. Environ. Sci. Technol., Vol. 28, 6, 412/A.
Voyksner, R. D. 1994. Atmospheric pressure ionization LC/MS.Environ. Sci. Technol., Vol. 28, 3, 118/A.
Seiler, W., Hahn, J., Scoenemeyer, Th. 1996.
Contribution of Traffic Emissions to the Formation and Distribution of Surface Ozone. In: Borrell, P.M., Borrell, P., Seiler, W. (eds.). Proceedings of the EUROTRAC Symposium 1996.
Wienke, D. et al.1994. Visual neural mapping technique for locating fine airborne particles sources. Environ. Sci. Technol., Vol. 28, 1015-1022.
Zhang, Y. et al. 1994. Automobile emissions are
statistically g-distributed. Environ. Sci. Technol.,
Vol 28, 1370-1374.
Ying Xie et al. 1994. Airborne particle classification with a combination of chemical composition and shape index utilizing an adaptive resonance artificial neural work. Environ. Sci. Tech nol., Vol. 28, 1921-1928.
Modelli e applicazioni
Allott, R. W. et al. 1994. A model of environmental behaviour of contaminated dust and its
application to determining dust fluxes and residential times. Atmos. Env., Vol. 28, 4, 679-687.
Studi particolari
Brian, K. E. et al. A characterization of the spatiotemporal variability of non-urban ozone concentrations over the easternunited states. At mos. Env., Vol. 27/A, 16, 2645-2668.
Colvile, R. N. et al. Observation on great dun fell of
the pathways by wich oxides of nitrogen are converted to nitrate. Atmos. Env., Vol. 28, 3, 397-408.
Friedlander, S. K. et al. 1994. Revising the particulate ambient air quality standard. Environ.
Sci. Technol., 3, 148/A.
Grousset, F. E. et al. Transient Pb isotopic signatures in the Western European atmosphere. En viron. Sci. Technol., Vol. 28, 1605-1608.
Jacoby, W. A. et al. 1994. Products, intermediates, mass balances, and reaction pathways for
the oxidation of trichloroethylene in air via heterogeneous photocatalysis. Environ. Sci. Tech nol., Vol 28, 1661-1668.
Modellistica
Emissioni da traffico
Alexopoulos, A. et al. 1993. Model for traffic
emissions estimation. Atmos. Env., Vol. 27/B, 4,
435-446.
Eerens, H. C. et al. 1993. The car model: the Dutch method to determine city street air quality.
Atmos. Env., Vol. 27/B, 4, 389-399.
178
Catenacci, G. et al. 1995. Utilizzo di un modello
fotochimico per lo studio della dispersione di
inquinanti reattivi in atmosfera. Atti del convegno “Pollution in large cities”, Padova.
Chock, D. P. et al. 1994. A comparison of advection algorithms coupled with chemistry. Atmos.
Env., Vol. 28, 16, 2659-2675.
Christakos, G. et al. 1993. The intrinsic random
field model in the study of sulfate deposition processes. Atmos. Env., Vol. 27/A, 10, 1521-1540.
Cirillo, M. C., e Cagnetti, O. 1982. DIMULA Modello di DIffusione MULtisorgente Atmosferica.
ENEA RT2/STUDI/VALSAMB(82)8.
De Valk, J. P. J. M. M. 1994. A model for
cloud chemistry: a comparison between model
simulations and observations in stratus and
cumulus. Atmos. Env., Vol. 28, 9, 1665-1678.
Derwent, R. G. et al. 1994. Modeling the impact
of NOx or hydrocarbon control on photochemical ozone in Europe. Atmos. Env., Vol. 28, 12,
2039-2052.
Fekete, K. E. et al. 1993. Regional scale transport
model for ammonia and ammonium. Atmos.
Env., Vol. 27/A, 7, 1099-1104.
Fujita, E. M. et al. 1994. Validation of the chemical mass balance model applied to hydrocarbon
source apportionment in the Southern California air quality study. Environ. Sci. Technol., Vol.
28, 1633-1649.
Gronskei, K. E. et al., 1993. Evaluation of a model for hourly spatial concentration distributions. Atmos. Env., Vol. 27/B, 1, 105-120.
Harley, R. A. et al. 1994. Modeling the concentrations of gas-phase toxic organic pollutants:
direct emissions and atmospheric formation.
Kirchner, F., Stockwell, W. R. 1996. A Revised
Gas-phase Chemical Mechanism for Regional
Air Quality Modeling. In: Borrell, P.M., Borrell,
P., Seiler, W. (eds.). Proceedings of the EUROTRAC Symposium 1996.
Jiang, D. et al. 1993. An eulerian model for a
slowly moving cold frontal system with sulfur
chemistry: model description and application.
Atmos. Env., Vol. 27/A, 16, 2623-2644.
Middleton, P., Stockwell, W. R., Carter, W. P. L.
1990. Aggregation and Analysis of Volatile Organic Compound Emissions for Regional Modelling. Atmos. Env., Vol. 24A(5) I, V. non, 1107-1133.
Padro, J. 1993. Seasonal contrasts in modelled
and observed dry deposition velocities of O 3,
SO2 and NO 2 over three surfaces. Atmos. Env.,
Vol. 27/A, 6, 807-814.
Pankov, J. F. 1993. A simple box model for the
annual cycle of partitioning of semi-volatile organic compound between the atmosphere and
the earth’s surface. Atmos. Env., Vol. 27/A, 7,
1139-1152.
Scire, J. S., Insley, E. M., Yamartino, R. J. 1990.
Model Formulation and User’s Guide for the
CALMET Meteorological Model, California Air
Resource Board, report n° A025-1.
Scire, J. S., Yamartino, R. J., Carmichael, G. R.,
Chang, Y. S. 1989. CALGRID:A mesoscale Photochemical Grid Model. Volume II: User’s Guide. Appendicies, Final Report on Contract A6215-74 for the California Air resource Board, Sacramento, CA.
Scire, J. S., Yamartino, R. J., Carmichael, G. R.,
Chang, Y. S. 1989. CALGRID: A mesoscale Photochemical Grid Model. Volume II: User’s Guide., Final Report on Contract A6-215-74 for the
California Air resource Board, Sacramento, CA.
Scire, J. S., Yamartino, R. J., Strimaitis, D. G.
1990. Model formulation and User’s guide for
the CALPUFF dispersion model. Report No.
A025-2 prepared for CARB.
Stockwell, W. R., Middleton, P., Chang, J.S.
1990. The second generation acid deposition
model chemical mechanism for regional air
quality modelling. Journal Geophys. Res., Vol.
95(D10), 16343-16367.
Stockwell, W. R. 1996. Chemical Modelling of
Pollutants: current Status and Limitations. In:
Proceedings, 3rd Symposium on Traffic Induced
Air Pollution.
Stockwell, W. R., Kirchner, F., Milford, J. B.
1996. Sensitivity and Uncertainty in Mechanisms for Atmospheric Chemistry. In: Borrell,
P.M., Borrell, P., Seiler, W. (eds.) Proceedings of
the EUROTRAC Symposium 1996.
Weihs, D. et al. 1993. An approximate model of
atmospheric plumes produced by large area fires. Atmos. Env., Vol. 27/A, 1, 73-82.
Aspetti matematici
Gong, W. et al. 1993. A numerical scheme for
the integration of the gas-phase chemical rate
equations in three-dimensional atmospheric
models. Atmos. Env., Vol. 27/A, 14, 2147-2160.
Jacobson, M. Z. et al. 1994. SMVGEAR: a sparse-matrix vectorized gear code for atmospheric
models. Atmos. Env., Vol. 28, 2, 273-284.
Studi di sensitività dei modelli
De Valk, J. P. J. M. M. et al. 1994. A model
for cloud chemistry processes suitable for
use in long range transport models: a sensitivity study. Atmos. Env., Vol. 28, 9, 1653-1663.
Dechaux, J. C. et al. 1994. Sensitivity analysis of
the requirement of rate coefficients for the operational models of photochemical oxidants formation in the troposphere. Atmos. Env., Vol. 28,
2, 195-211.
Dowdell, D. C. et al. 1994. An investigation into
the sensitivity of the atmospheric chlorine and
bromine loading using a globally averaged
179
D A T ID I
I N Q U I N A M E N T OA T M O S F E R I C O DELL’ AREA M E T R O P O L I T A N AM I L A N E S E
E METODOLOGIE PER L AG E S T I O N E D E L L AQ U A L I T ÀD E L L ’ ARIA
mass balance model. Atmos. Env., Vol. 28, 12,
1989-1999.
diation in the atmosphere and identifying the aerosol structure. Atmos. Env., Vol. 28, 5: 777-783.
Maryon, R. H. et al. 1994. Diffusion in a
lagrangian multiple particle model: a sensitivity study. Atmos. Env., Vol. 28, 12, 2019-2038.
Sanchez, M. L. et al. 1994 Application of discriminant analysis to interpret the behaviour of
photochemical oxidants in an urban area. At mos. Env., Vol. 28, 6, 1147-1157.
Roelofs, G. J. H. 1993. A cloud chemistry sensitivity study and comparison of explicit and
bulk cloud model performance. Atmos. Env.,
Vol. 27/A, 15, 2255-2264.
Sanders, K. et al. 1993. A simple method to
asses the susceptibility of polynuclear aromatic Hydrocarbons to photolytic decomposition.
Atmos. Env., Vol. 27/A, 2, 139-144.
Vilà-Guerau de Arellano, J. et al. 1993. An observational study on the effects of time and space averaging in photochemical models. Atmos.
Env., Vol. 27/A, 3, 353-362.
Zimmerman, V. 1989. Simulation numérique
de la formation de l’ozone et des oxydants photochimiques dans la troposphère: validation
d’un modèle physico-chimique et étude des caractéristiques structurales et cinetiques des mécanismes chimiques associés. Tesi per ottenere
il titolo di Dottore in Chimica, Università di
Scienza e Tecnica di Lilla.
Casi particolari
Cheng Kang Li et al. 1993. The use of polycyclic
aromatic hydrocarbons as source signatures in
receptor modeling. Atmos. Env., Vol. 27/A, 4,
523-532.
Kocifaj, M. 1994. Solving the diffusion of solar ra-
180
UAM e modelli EPA
Guideline on Air Quality Models (revised).
EPA-450/2-78-027R.
Procedures for applying city-specific EKMA.
EPA-450/4-89-012.
Scheffe, R. D. et al. 1993. A review of the development and application of the urban airshed
model. Atmos. Env., Vol. 27/B, 1, 23-39.
Shengxin Jin et al. 1993. A fotochemical box
model for urban air quality study. Atmos. Env.,
Vol. 27/B, 4, 371-387.
Wilson, R. B.1993. Review of development and
application of CRSTER and MPTER models. At mos. Env., Vol. 27/B, 1, 41-57.
Generalità sui modelli
Hansen, D. A. et al. 1994. The quest for an advanced regional air quality model. Environ. Sci.
Technol., Vol. 28, 2, 71/A.
Confronto fra modelli
Chock, D. P. et al. 1994. Comparison of stiff chemistry solvers for air quality modeling. Environ.
Sci. Technol, Vol. 28, 1882-1892.
Capitolo 7
Applicazione del modello
CALGRID all’area
urbana di Milano
Giovanna Finzi
D A T ID I
Sommario
Esperienze recentemente effettuate in diversi paesi hanno evidenziato l’importanza dell’utiliz zo dei modelli matematici per quantificare le relazioni esistenti tra le emissioni dei precursori e
le concentrazioni in aria dei prodotti secondari, anche allo scopo di poter valutare l’impatto di
eventuali interventi di riduzione delle emissioni degli inquinanti primari su quel complesso in sieme di composti che caratterizzano le situazioni di acuto inquinamento fotochimico.
In questo contesto il capitolo presenta un’applicazione preliminare del modello CALGRID a
un’ampia zona centrata sull’area metropolitana milanese. Lo scopo principale che si è posta
questa attività è stato quello di valutare la possibilità di utilizzare correttamente un modello
matematico per ricostruire lo “stato attuale della qualità dell’aria nel contesto metropolitano
milanese”, in modo da valutarne il possibile utilizzo come strumento di pianificazione di stra tegie di controllo.
7.1 Introduzione
L’inquinamento fotochimico nelle aree urbane italiane, e in particolare in quelle
lombarde, ha assunto, negli ultimi anni, una sempre maggiore rilevanza ambientale, sfiorando spesso i contorni di una vera e propria situazione di emergenza. La
complessità dei fenomeni che caratterizzano tali situazioni richiede un elevato grado di conoscenza delle cause, degli effetti e delle loro mutue interazioni per garantire efficaci strategie di intervento, finalizzate al risanamento dell’atmosfera urbana
e delle aree circostanti.
A tale scopo è fondamentale disporre innanzitutto di un’efficiente rete di monitoraggio, in grado non solo di fotografare lo stato attuale della qualità dell’aria, ma anche di gettare una luce sui meccanismi che governano la dinamica degli inquinanti. La
pianificazione delle azioni di risanamento tuttavia non può prescindere anche da una
dettagliata conoscenza del quadro emissivo e dal ruolo che le condizioni meteorologiche giocano su trasporto, diffusione, trasformazione e rimozione degli inquinanti.
Esperienze recentemente effettuate in diversi paesi, in comprensori con dimensioni
e problematiche analoghe a quello milanese, hanno evidenziato l’importanza dell’utilizzo dei modelli matematici per quantificare le relazioni esistenti tra emissioni dei
precursori e concentrazioni in aria dei prodotti secondari, e per poter successivamente valutare l’impatto di interventi programmati (per esempio: riformulazione dei combustibili, gestione della mobilità, decentramento dei poli di attrazione, pianificazione
delle scelte energetiche).
In questo contesto si è provveduto alla implementazione e all’applicazione preliminare di un modello di dispersione-trasformazione di inquinanti nell’area milanese
(CALGRID), individuato sulla base degli elementi acquisiti nella ricerca volta alla realizzazione del sistema di supporto alla scelta di modelli deterministici per la gestione
dell’inquinamento atmosferico in ambiente urbano descritta nel Capitolo 5. Lo scopo
principale di questa attività è stato quello di valutare la possibilità di utilizzare correttamente un modello matematico per ricostruire lo “stato attuale della qualità dell’aria
nel contesto metropolitano milanese”, in modo da poterlo poi utilizzare come strumento di pianificazione di strategie di controllo.
182
Capitolo 7 APPLICAZIONEDELMODELLO CALGRID ALL’AREAURBANA
DI
MILANO
7.2 Il modello CALGRID
Il modello CALGRID è stato valutato come il più idoneo per la situazione in esame in
base alle seguenti considerazioni:
• oltre alla facilità di reperimento del programma, esso offre la possibilità di accedere facilmente al codice per comprenderne a fondo il funzionamento, oltre che
per apportarvi eventuali piccole modifiche. Inoltre la struttura del codice è realizzata secondo criteri di modularità che, oltre a facilitarne la comprensione, rendono possibili future aggiunte di parti senza cambiarne la struttura;
• visto che la ricerca si proponeva di rappresentare un primo approccio al problema
dell’inquinamento fotochimico urbano, si è ritenuto utile concentrare l’attenzione
sulla chimica in fase gassosa, rimandando a eventuali studi successivi l’approfondimento della parte riguardante le reazioni in fase eterogenea. Nonostante queste
esigenze di semplicità, si è cercato comunque di reperire un prodotto abbastanza
completo e con buoni schemi numerici;
• date le dimensioni dell’area in esame, ci si è indirizzati verso un modello in grado
di rispondere alle esigenze delle problematiche di scala regionale;
• si è giudicata favorevolmente l’esistenza di preprocessori meteorologico (CALMET) e chimico (PREPEMIT) che generassero in uscita dei file in formato compatibile con CALGRID, senza bisogno di ulteriori elaborazioni;
• è stata valutata la possibilità di far funzionare il modello su una macchina di medie dimensioni (IBM Risc 6000) senza impiegare tempi di calcolo esageratamente
alti (per una simulazione di 120 ore su una griglia di 25x25x10 celle il tempo impiegato è stato di circa 15 ore).
Come visto nel Capitolo 5, il modello CALGRID appartiene alla classe dei modelli euleriani che sono basati sulla conservazione della massa espressa in funzione del tempo
e delle coordinate di un sistema di riferimento fisso. In questi modelli il trasporto e la
diffusione degli inquinanti viene descritto mediante un’equazione differenziale che si
ottiene formulando in linguaggio matematico questa legge di conservazione e si risolve con diverse tecniche numeriche, spesso dopo aver introdotto varie ipotesi di semplificazione.
Una importante semplificazione introdotta dal modello CALGRID è quella di descrivere in modo separato fenomeni che nella realtà avvengono contemporaneamente, in quanto la loro trattazione simultanea darebbe luogo a un sistema di equazioni la
cui soluzione risulterebbe difficile da un punto di vista numerico e onerosa in termini
di tempo di calcolo e di memoria occupata, risultando così intrattabile per una macchina di normali dimensioni.
Esistono varie tecniche di “scissione” o splitting per limitare gli errori numerici che
inevitabilmente si introducono con tale approssimazione. Esse consistono in particolari accorgimenti riguardo all’ordine di integrazione delle varie componenti, o a particolari scomposizioni del passo temporale di integrazione.
Nel modello CALGRID viene adottato lo schema di splitting suggerito da Marchuk
(1975):
Cn+1 = Axy Az Ac Ac Az Axy Cn
183
D A T ID I
dove:
Cn = concentrazione al passo n-esimo
Axy = operatore di trasporto e diffusione orizzontale
Az = operatore di trasporto e diffusione verticale, deposizione e sorgente
Ac = operatore chimico
A ogni passo temporale vengono eseguiti in sequenza i tre operatori per una durata
pari a metà del passo temporale e successivamente essi vengono eseguiti in ordine invertito per il tempo rimanente. Questo accorgimento permette l’eliminazione di errori del primo ordine, fornendo al modello una precisione del secondo ordine per quanto riguarda il passo temporale.
La lunghezza del passo temporale deve essere stabilita all’inizio della simulazione
in modo da rispettare, per tutta la sua durata, la condizione:
ν=
∆t
∆x
≤1
dove (v) è il massimo valore della velocità media del vento che si riscontra durante
la simulazione, (t) è la durata del passo temporale, che corrisponde alla metà di quello su cui viene operato lo splitting degli operatori, e (x) è la lunghezza del lato delle celle della griglia, che per CALGRID devono essere quadrate.
7.2.1.1 Il trasporto e la diffusione orizzontale
Per il calcolo dei coefficienti di diffusione orizzontale vengono offerte dal modello
quattro opzioni:
1. fornire in ingresso al modello un valore di diffusività diverso, fissato a priori, per
ognuna delle classi di stabilità atmosferica di Pasquill-Gifford;
2. come il metodo 1, corretto moltiplicando i coefficienti così ottenuti per la velocità
media del vento;
3. diffusività calcolate secondo il metodo di Smagorinsky che tiene conto dell’influenza, sulla diffusione orizzontale, delle variazioni spaziali del campo di vento
orizzontale:
K = α02 |∆|∆t
|D| =
[(
∂ν
∂x
+
con α0 = 0,28
)(
∂u
∂y
+
∂u
∂x
+
∂ν
)]
2
1/2
∂y
4. somma delle diffusività ottenute con i metodi 2 e 3.
7.2.1.2 Il trasporto e la diffusione verticale
Il modello utilizza un sistema di coordinate che segue l’andamento della superficie
(terrain following), per poter trattare località con orografia complessa; se chiamiamo
184
DI
MILANO
(Z) la quota nel sistema di riferimento e (z) la quota assoluta sul livello del mare, si
ha:
Z(x, y) = z(x, y) - h(x, y)
in cui h(x,y) rappresenta la quota del terreno sul livello del mare.
Per quanto riguarda le modalità di suddivisione verticale della griglia il modello
prevede tre opzioni:
1. numero prefissato di livelli, con spaziatura uniforme, al di sopra e al di sotto dell’altezza di rimescolamento; poiché questa varia di ora in ora e da una cella all’altra,
i livelli vengono ricalcolati a ogni ora di simulazione e sono variabili nello spazio;
2. suddivisione automatica dei livelli con andamento verticale logaritmico;
3. suddivisione arbitraria stabilita all’inizio della simulazione, costante nello spazio
e nel tempo.
In tutti e tre i casi il primo livello termina alla quota di 20 m da terra, per consentire
una corretta trattazione della deposizione secca nello strato superficiale.
A causa dell’utilizzo del sistema di coordinate terrain following, la componente verticale del vento da utilizzare nell’equazione differenziale (W) non è sempre pari alla
componente verticale reale (w), ma deve essere corretta per tenere conto del contributo al trasporto verticale della componente orizzontale della velocità del vento la quale
può generare, a causa del terreno complesso, spostamenti di massa tra diversi livelli
verticali della griglia:
∂h
∂h
W=w-u
- ν
∂x
∂y
Inoltre gli spessori dei vari livelli verticali possono variare nel tempo e nello spazio,
a causa delle variazioni spazio-temporali dell’altezza di rimescolamento e quindi può
essere necessario sommare alla velocità così ottenuta le pseudo-velocità dovute a queste variazioni.
Per la componente verticale la diffusione è predominante rispetto al trasporto e richiede quindi una particolare attenzione nella sua parametrizzazione. In CALGRID
viene utilizzata, a questo proposito, la schematizzazione suggerita da Holtslag e
Nieuwstadt (1986).
7.2.1.3 Emissione di inquinanti
Con CALGRID è possibile prendere in considerazione emissioni puntiformi e areali.
Le emissioni puntiformi possono essere fisse o mobili (per esempio i camini delle navi) e quelle fisse possono essere a loro volta cicliche (con cicli giornalieri e settimanali)
o variabili nel tempo in maniera arbitraria.
Per tutte le sorgenti puntuali viene calcolato il sovrainnalzamento del pennacchio
mediante le formule di Briggs, quindi viene attribuito all’emissione un diametro di
apertura verticale pari a 1,2 volte il sovrainnalzamento e l’inquinante viene subito diluito nelle celle in cui si colloca il pennacchio alla fine di queste operazioni .
Questa diluizione può provocare una sottostima o una sovrastima delle concentrazioni
nelle celle adiacenti all’emissione, il che costituisce un problema per tutti i modelli a griglia.
185
D A T ID I
Le emissioni areali possono essere distribuite su più livelli con flussi di inquinante
differenti e per esse non viene calcolato il sovrainnalzamento.
7.2.1.4 Deposizione secca
La deposizione secca è un processo di rimozione fisica dell’inquinante, caratteristico
dello strato più basso dell’atmosfera (qualche decina di metri di profondità), dovuto
alla capacità della superficie di trattenere molecole di gas e particelle solide. La deposizione è legata soprattutto alle caratteristiche della superficie (natura e rugosità) e
della vegetazione eventualmente presente, alle proprietà dell’inquinante e alle condizioni atmosferiche.
Il fenomeno può essere quantificato molto semplicemente come:
Fs = Cs • νds
dove F s [g/m2 s] rappresenta il flusso di inquinante rimosso, C s [g/m 3] è la concentrazione della specie s in prossimità del suolo e vds [m/s] è la velocità di deposizione.
CALGRID offre diverse opzioni per il calcolo delle velocità di deposizione delle varie specie chimiche:
1. la specie non viene depositata;
2. la specie viene depositata come un gas e vds è calcolata con un modello a resistenza descritto più avanti;
3. la specie viene depositata come particolato e vds è calcolata con il modello a resistenza;
4.la velocità di deposizione vds viene stabilita a priori per ogni ora del giorno.
Nei casi 1 e 2 il termine di velocità è variabile sia temporalmente che spazialmente,
con l’opzione 3 la variazione è solo temporale.
Il modello a resistenza implementato in CALGRID adotta formulazioni diverse a seconda che la specie venga depositata come gas o come particolato. Il fenomeno è schematizzato considerando tre strati di atmosfera, in prossimità del suolo, in grado di influenzare in maniera differente il processo.
Nel caso dei gas, per ogni strato viene calcolato un termine ri [s/m], che quantifica la
sua opposizione al movimento dell’inquinante dall’atmosfera verso la superficie. Gli
strati considerati sono:
• Strato superficiale (Surface layer), il cui termine di resistenza ra è legato alla turbolenza atmosferica (tramite la lunghezza di Monin-Obukhov e la velocità d’attrito)
e alle caratteristiche del terreno (tramite la rugosità superficiale). L’estremo superiore di questo strato coincide con la fine del primo livello della griglia di CALGRID (posta sempre a 20 metri).
• Superficie di contatto (Deposition layer), posto sotto lo strato superficiale, nel quale i meccanismi preponderanti di deposizione sono la diffusione molecolare e la
diffusione browniana. Il termine di resistenza rd è espresso in funzione del numero di Schmidt (viscosità dell’aria divisa per la diffusività del gas) .
• Strato vegetato (Vegetation Layer), il cui termine di resistenza r c tiene conto della
capacità della vegetazione, dei suoli nudi o degli specchi d’acqua di trattenere le
molecole di gas.
186
DI
MILANO
La velocità di deposizione è inversamente proporzionale al termine di resistenza
globale dei tre strati, quindi si ottiene:
νds = (ra + rd + rc)-1
La deposizione del particolato viene schematizzata in modo leggermente diverso.
La velocità è definita come:
νds = (ra + rd + rardνg)-1 + νg
[m/s]
dove vg è la componente gravitazionale della velocità di deposizione, che nel caso
del particolato diventa rilevante. Il termine ra è calcolato con la stessa espressione utilizzata per i gas mentre rd, ancora relativo alla superficie di contatto, è ora espressione
di fenomeni diversi, che dipendono dalle dimensioni delle particelle. Infatti per particelle di diametro inferiore a 0,1 mm la deposizione è legata prevalentemente alla diffusione browniana, per diametri compresi tra 2 e 20 mm le particelle si depositano per
sedimentazione, sopra i 20 mm è predominante l’effetto gravitazionale e tra 0,1 e 2
mm nessun fenomeno è significativo e la velocità è minima. Il termine rc è posto a zero perché si suppone che la capacità di attrazione della vegetazione nei confronti delle particelle sia molto elevata e quindi che la resistenza esercitata sia trascurabile.
7.2.1.5 Modulo chimico
Per simulare al calcolatore tutte le reazioni che avvengono in atmosfera sarebbero necessari tempi di calcolo e capacità di memoria molto elevati, al di sopra delle capacità
della maggior parte delle macchine esistenti. Per questo sono stati sviluppati dei meccanismi semplificati che considerano solo alcune delle specie chimiche coinvolte e
compattano le reazioni esistenti in forme sintetiche.
All’interno del CALGRID viene attualmente utilizzato un meccanismo denominato
COND2243, una versione condensata del SAPRC90, che a sua volta deriva dal meccanismo dettagliato SPRC88 preparato da Carter.
Il meccanismo dettagliato (SAPRC88) consiste di 60 specie chimiche, che prendono
parte a circa 160 reazioni.
Per quanto riguarda la chimica inorganica la trattazione è abbastanza completa, dato il modesto numero di specie coinvolte. Si ritrovano tutte le principali reazioni in fase gassosa: il ciclo fotochimico degli ossidi di azoto, le reazioni di formazione dei radicali inorganici, le reazioni di formazione degli acidi, la chimica di radicale nitrato e
di N2O5. Poiché il meccanismo tratta esclusivamente la chimica in fase gassosa, viene
messa in secondo piano la chimica dello zolfo, che si svolge principalmente in fase acquosa, mentre è trattata ampiamente la chimica degli ossidi di azoto e delle varie classi di composti organici che con essi interagiscono.
Tuttavia anche per la chimica dell’azoto vi sono alcune reazioni in fase acquosa che
sono importanti, relative in particolare all’acido nitroso, all’acido nitrico, al radicale
nitrato che vengono trascurate dal modello.
Per quanto riguarda la chimica organica, a causa del grande numero di composti
organici esistenti in natura e dell’impossibilità di trattarli singolarmente nel meccanismo, essi vengono raggruppati in classi omogenee, che contengono specie chi-
187
D A T ID I
miche che reagiscono tutte secondo lo stesso meccanismo (il gruppo degli alcani,
quello degli alcheni, quello degli aromatici) e con velocità di reazione simili. Queste
classi vengono trattate come vere e proprie specie chimiche e vengono fatte reagire
con le altre sostanze presenti in atmosfera. Poiché non si tratta di composti realmente esistenti, non è possibile ricavare sperimentalmente la loro velocità di reazione; inoltre, trattandosi di aggregati di specie chimiche con formula bruta differente, anche i prodotti di reazione non sono gli stessi (almeno quantitativamente)
per ognuna di esse.
Il codice PREPEMIT, sviluppato da Carter ha la funzione di calcolare le costanti cinetiche e le quantità di prodotti delle reazioni di queste specie-gruppo come medie pesate delle stesse grandezze relative alle singole specie (che possono essere valutate
sperimentalmente). I pesi da usare nel calcolo delle medie sono dati dalle quantità di
ognuna delle singole specie chimiche presenti nell’atmosfera del sito in cui si effettua
la simulazione.
Oltre a queste specie-gruppo vi sono altre specie chimiche che raccolgono al loro
interno più di una sostanza presente in natura (per esempio RCHO, che raggruppa
tutte le aldeidi con tre o più atomi di carbonio, o MEK, che contiene tutti i chetoni e
non solo il Metil-Etil-Chetone, da cui prende il nome). Per queste ultime, però, i parametri (velocità di reazione e quantità di prodotti) non vengono calcolati come medie pesate di quelli relativi ai singoli composti, ma sono assunti pari a quelli relativi
alla specie più importante o più diffusa del gruppo stesso, che viene considerata come rappresentativa di tutte le altre.
Inoltre vengono introdotte delle specie chimiche fittizie, chiamate operatori, che
rappresentano gli effetti delle reazioni delle specie organiche con i radicali presenti in atmosfera. Per esempio si è visto che l’effetto della reazione degli alcani con il
radicale OH è quello di trasformare un certo numero di molecole di NO in NO2 o,
secondo altri meccanismi, di portare alla formazione di nitrati organici RONO2. Nel
meccanismo chimico di Carter la reazione degli alcani con il radicale OH genera, tra
i prodotti, una certa quantità degli operatori RO 2-R, RO 2-N, R2O2; questi, a loro volta, vengono fatti “reagire” (ma non si tratta di una reazione che avviene effettivamente) con NO dando luogo, rispettivamente, alla produzione di NO2 e di HO2, alla produzione di nitrati organici o alla produzione del solo NO2. In questo modo è
possibile riprodurre complessi meccanismi reattivi, composti da molte reazioni a
catena, utilizzando poche semplici reazioni.
Il meccanismo utilizzato dal modello CALGRID, come già accennato, è una versione condensata di quello descritto e contempla un numero inferiore di specie chimiche e di reazioni, per ridurre ulteriormente il tempo di calcolo e la richiesta di
memoria. La condensazione consiste nel trascurare alcune reazioni che si ritiene abbiano un effetto irrilevante sui risultati che si vogliono ottenere o nel non trattare
alcune specie chimiche in maniera esplicita, inglobandole in altre categorie e ipotizzando che il loro modo di reagire (meccanismo e velocità di reazione) non sia sostanzialmente differente da quello delle specie di cui vanno a far parte. Tale operazione, ovviamente, aggiunge ulteriori approssimazioni a quelle già introdotte dal
meccanismo dettagliato, tanto maggiori quanto più spinto è il livello di condensazione operato; si tratta quindi di trovare il miglior compromesso tra il livello di accuratezza che si vuole ottenere e il tempo che si vuole impiegare per la simulazione.
188
DI
MILANO
7.3 Applicazione del modello all’area milanese
Come già accennato, nell’ambito della ricerca è stata sviluppata un’applicazione del
modello CALGRID.
Il dominio di calcolo adottato in questa simulazione è costituito da una griglia quadrata di 100 km di lato, centrata sulla città di Milano e contenente per intero la provincia di Milano, e in parte le province di Varese, Como, Bergamo, Cremona, Novara,
Pavia e Piacenza. La dimensione delle celle è stata fissata pari a 4 km, un compromesso tra l’esigenza di dettagliare il più possibile le informazioni (per esempio i pennacchi
uscenti dalle centrali termoelettriche) e la necessità di non rendere troppo onerosa la
simulazione in termini di memoria occupata e di tempo di calcolo impiegato.
Verticalmente la griglia è stata suddivisa in 10 strati, per un’altezza complessiva di
5000 m. Essendo le emissioni del dominio in esame situate essenzialmente al suolo, si è
preferito dettagliare la spaziatura dei livelli più prossimi al terreno (fino a 2000 m), lasciando invece strati di spessore più elevato in quota. I livelli, costanti nello spazio e nel
tempo per tutta la simulazione, sono stati quindi fissati a 20, 50, 110, 200, 360, 620, 1050,
1800, 3000 e 5000 m. Come si può notare, si è cercato di evitare dei gradienti di livello
troppo alti, che comprometterebbero la qualità dei risultati simulati.
7.3.1 Scelta del periodo su cui svolgere la simulazione
Il periodo più idoneo su cui svolgere queste simulazioni è stato individuato mediante
un’analisi dettagliata dei dati ambientali messi a disposizione dal Centro di Calcolo
della Regione Lombardia. A questo proposito sono stati analizzati dati relativi agli anni che vanno dal 1989 al 1993 e a 29 stazioni di misura, tutte comprese nel dominio di
studio.
Per individuare il periodo di simulazione nello studio, si è limitata l’attenzione alle
sole stazioni in grado di rilevare le concentrazioni di ozono, essendo questo l’inquinante più significativo dal punto di vista fotochimico. Nella provincia di Milano, le
centraline di rilevamento per l’ozono nel precedente periodo erano solo sette:
• Cinisello Balsamo
• Corsico
• Legnano
• Limito
• Monza
• MI-Juvara
• MI-Verziere
La scelta del periodo di simulazione è stata impostata sulla base di due criteri, uno di
carattere chimico-fisico e uno meteorologico. Con il primo si è richiesto sia che la media giornaliera di ozono superasse il valore medio mensile, sia che tali superamenti
venissero registrati simultaneamente sul maggior numero di centraline, in modo da
descrivere un episodio di inquinamento diffuso su tutta l’area in esame. Con il secondo si è richiesta l’assenza di precipitazioni nell’arco del periodo da simulare; in caso
di pioggia, infatti, le concentrazioni di inquinanti non raggiungono livelli tali da innescare le condizioni di smog fotochimico. Per questo motivo il modello CALGRID, essendo finalizzato alla ricostruzione di episodi di inquinamento fotochimico, non considera le reazioni in fase eterogenea né la deposizione umida.
189
D A T ID I
Tali requisiti vengono soddisfatti dal periodo compreso tra lunedì 1 luglio e venerdì
5 luglio dell’anno 1991.
L’esame dei dati registrati in questo periodo dalle centraline di monitoraggio evidenzia una globale situazione di inquinamento fotochimico che ha interessato, per la
durata dei cinque giorni selezionati, l’intera area urbana di Milano e del territorio suburbano a essa adiacente.
La disponibilità dei dati relativamente ai soli principali macroinquinanti non permette di costruire nel dettaglio le fasi evolutive del fenomeno, tuttavia le elevate concentrazioni di ozono, di seguito descritte, e i rapporti non fotostazionari fra le concentrazione di NO ed NO2 sono evidenti segni di una atmosfera fortemente ossidativa e di
condizioni atmosferiche non all’equilibrio.
Osservando i valori di ozono registrati sperimentalmente dalle stazioni di controllo, si osserva che, complessivamente, durante l’intervallo di tempo preso in esame, vi
sono stati quattro casi di superamento della soglia limite di legge. Il superamento che
O3 - Concentrazioni orarie
(Limito)
120
100
80
60
40
20
0
1 luglio
2 luglio
3 luglio
4 luglio
5 luglio
Figura 7.1 - Andamento orario dell’ozono a Limito dall’1 al 5 luglio.
presenta il valore più elevato, intorno a 110 ppb (205 g/m3), è stato registrato nella stazione di Limito (figura 7.1) il giorno 3 luglio.
Nell’area urbana le concentrazioni sono risultate più contenute, con massimi pari a
circa 70 ppb.
Per quanto riguarda il monossido d’azoto i valori massimi di concentrazione (dell’ordine dei 100 ppb) si sono osservati in concomitanza con le ore di maggior traffico,
a conferma del fatto che l’andamento della concentrazione di questo inquinante è
strettamente dipendente dall’attività emissiva.
190
DI
MILANO
Per quanto riguarda il biossido di azoto si sono osservate in più centraline concentrazioni massime orarie superiori allo standard. In alcune stazioni le concentrazioni di
questo inquinante sono risultate così elevate da dare luogo anche a concentrazioni medie giornaliere superiori al limite di accettabilità fissato per i valori orari massimi giornalieri. A Cinisello Balsamo, per esempio, il 2 e il 3 luglio la media delle concentrazioni di questo inquinante sulle 24 ore è risultata essere, rispettivamente, di 111,1 e di
115,6 ppb (figura 7.2).
NO2 - Concentrazioni orarie
(Cinisello Balsamo)
200
180
160
140
120
dati mancanti
100
80
60
40
20
1 luglio
2 luglio
3 luglio
4 luglio
5 luglio
Figura 7.2 - Andamento orario del biossido di azoto a Cinisello Balsamo.
7.3.2 Caratterizzazione meteorologica
Per la ricostruzione della situazione meteorologica del periodo scelto per le simulazioni è stato utilizzato il modello meteorologico CALMET, sviluppato presso il CARB
(Californian Air Resources Board). Tale modello consiste di un modulo diagnostico finalizzato alla ricostruzione dei campi di vento e temperatura e di un modulo micrometeorologico che consente di stimare i parametri che descrivono il boundary layer.
Per la determinazione di tali parametri è necessario fornire al modello CALMET le
seguenti informazioni meteorologiche al suolo:
• velocità [m/s] e direzione [°N] del vento
• copertura nuvolosa, ossia altezza della nuvola più bassa in metri e percentuale di
cielo coperta da nuvole
• temperatura dell’aria [K]
191
D A T ID I
• umidità relativa [%]
• pressione a livello della stazione [mbar]
e le seguenti informazioni meteorologiche in quota:
• velocità [m/s] e direzione [°N] del vento
• pressione [mbar]
• temperatura [K]
In aggiunta a queste informazioni, occorre fornire i campi bidimensionali contenenti l’orografia e l’uso del suolo all’interno dell’area di indagine. Il modello CALMET utilizza la seguente classificazione dell’uso del suolo:
1. urbano o terreno edificato
2. terreno agricolo non irrigato
3. terreno agricolo irrigato
4. pascolo
5. foresta
6. acqua
7. terreno paludoso
8. terreno sterile
9. tundra
10. neve perenne o ghiaccio
Relativamente alle informazioni meteorologiche al suolo, sono stati utilizzati i messaggi SYNOP di frequenza trioraria forniti dal Servizio Meteorologico dell’Aeronautica Militare per le stazioni di:
• Cameri
• Linate
• Lugano (CH)
• Malpensa
• Monte Bisbino
• Orio al Serio
Per quanto riguarda le informazioni meteorologiche in quota, è stato utilizzato il
messaggio TEMP-A, con frequenza di sei ore, fornito anch’esso dal Servizio Meteorologico dell’Areonautica per la stazione di Linate.
Le informazioni relative all’orografia e all’uso del suolo sono state ricavate mediante strumenti informatici e banche dati messe a disposizione da CISE e ENEL-CRAM.
A partire da queste informazioni, CALMET è in grado di fornire, per ogni ora dei
cinque giorni scelti, le seguenti informazioni:
• i campi tridimensionali di vento, valori di velocità e direzione del vento, necessari a CALGRID per il calcolo della componente di trasporto degli inquinanti da una
cella all’altra;
• i campi tridimensionali di temperatura, che CALGRID utilizza per il calcolo delle
costanti cinetiche delle reazioni;
• i campi bidimensionali di u* (velocità di attrito), w * (velocità convettiva), L (lunghezza di Monin-Obukhov), classe di stabilità (secondo la classificazione di Pasquill-Gifford-Turner) e altezza dello strato rimescolato, necessari anch’essi per
stimare il contributo diffusivo della dispersione degli inquinanti;
• i valori di temperatura superficiale, radiazione solare a onde corte, densità dell’aria e umidità relativa per ognuna delle stazioni di misura precedentemente elen-
192
DI
MILANO
cate. Questi dati sono indispensabili a CALGRID per la risoluzione dell’operatore
chimico.
7.3.3 Stima delle emissioni
La stima delle emissioni degli inquinanti sulla zona in esame è stata condotta con una
metodologia ad hoc, che prende spunto da quella CORINAIR, ma se ne discosta in funzione delle peculiarità del sito in esame e del tipo di dati disponibili.
Il punto di partenza di questa metodologia è il valore aggregato di emissione annuale provinciale fornito dall’inventario CORINAIR. Il grosso inconveniente di un
dato di questo tipo è il fatto di essere aggregato a livello provinciale e annuale. In
questo contesto la metodologia sviluppata consente di affrontare i seguenti passaggi:
1. effettuare la disaggregazione spaziale, cioè assegnare, partendo dal dato di emissione aggregato a livello provinciale, le emissioni a ogni cella del dominio di calcolo;
2. effettuare la disaggregazione temporale, ossia arrivare a un valore di emissione
oraria partendo da un valore annuale;
3. per quanto riguarda i soli Composti Organici Volatili (COV), fare la cosiddetta
“speciazione”, ossia distinguere esattamente con quale percentuale ogni inquinante organico partecipa all’emissione globale di COV.
7.3.4 Condizioni iniziali e al contorno
Nel modello CALGRID i valori delle concentrazioni all’istante iniziale in ogni cella,
per tutte le specie chimiche possono essere specificati secondo due diverse opzioni:
1. per ogni specie chimica vengono forniti i valori di concentrazione, uno per ogni
strato verticale della griglia. Con questa opzione non è possibile definire condizioni
iniziali variabili nelle direzioni X e Y;
2. per ogni specie chimica viene fornito un valore di concentrazione per ogni cella
del dominio di calcolo. In questo modo è possibile definire in maniera più precisa la
condizione iniziale a patto, naturalmente, di disporre di informazioni molto dettagliate sulle concentrazioni degli inquinanti.
Nell’ambito della simulazione in esame è stata scelta quest’ultima opzione in quanto più flessibile. In particolare, la griglia di calcolo è stata suddivisa in due grandi tipologie: urbana e non urbana. Per le celle urbane, ossia quelle occupate da comuni con
più di 20.000 abitanti, è stato assegnato come condizione iniziale il valore medio misurato all’istante di inizio della simulazione nelle centraline di monitoraggio urbane.
Per le celle extraurbane, invece, non avendo a disposizione dati rilevati da stazioni di
misura, si è fatto riferimento a valori di letteratura derivati da campagne di misura effettuate in zone rurali. Anche per quanto riguarda i COV, inquinanti non rilevati nel
1991 dalle centraline della Regione, sono stati utilizzati dati di letteratura. In tabella 7.1
sono riportati i valori di concentrazione utilizzati.
Per quanto riguarda le condizioni al contorno, i valori di concentrazione delle varie
specie chimiche, per ogni ora, nelle celle di frontiera della griglia possono essere specificati al modello nei seguenti modi:
1. le condizioni al contorno sono indipendenti dal tempo. Si deve assegnare ogni colonna del contorno a un “tipo” (i tipi possono essere, al limite, tanti quante sono le cel-
193
D A T ID I
Nome della specie
Condizioni iniziali [ppm]
urbane
non urbane
CO2
0
0
SULF
0
0
-C
0
0
O3
0,030
0,030
NO
0,040
0,001
NO2
0,050
0,030
ALK1
0,010
0,010
ALK2
0,001
0,001
ARO1
0,001
0,001
ARO2
0,001
0,001
MEOH
0
0
ETOH
0
0
MTBE
0
0
ETHE
0,001
0,001
OLE1
0,001
0,001
OLE2
0,001
0,001
OLE3
0,001
0,001
HCHO
0,005
0,005
CCHO
0,001
0,001
RCHO
0
0
MEK
0,001
0,001
CRES
0,001
0,001
MGLY
0
0
AFG2
0
0
NO3
0
0
N2O5
0
0
HNO3
0
0
HONO
0
0
HNO4
.
HO2
0
0
0
0
CO
3
2
(segue)
194
Nome della specie
non urbane
H2O2
0
0
SO2
0,001
0,001
0
0
RO2
.
CCO-O2
0
0
C2CO-O2
0
0
-OOH
0
0
RNO3
0
0
PAN
0
0
PPN
0
0
.
MILANO
Condizioni iniziali [ppm]
urbane
.
DI
Tabella 7.1 - Condizioni iniziali al suolo.
le del contorno). Dopodiché, per ogni specie e per ogni tipo, va specificato un valore
di concentrazione per ogni strato verticale. Ciò permette il massimo grado di dettaglio
spaziale delle concentrazioni al contorno;
2. scegliendo questa opzione è possibile fornire al programma delle condizioni al
contorno funzioni del tempo oltre che delle coordinate spaziali. Per ogni ora della simulazione vanno forniti i valori di concentrazione per ogni specie chimica, organizzati in gruppi (tanti quanti sono i livelli verticali) di quattro vettori ciascuno (un vettore per ogni lato del contorno);
3. come condizioni al contorno vengono utilizzate le concentrazioni fornite dal file
delle condizioni iniziali per le celle più esterne. In questo caso, ovviamente, le condizioni al contorno sono indipendenti dal tempo.
Nella simulazione in esame, sulla base della considerazione che la griglia di calcolo
è stata posizionata in modo da comprendere al suo interno le sorgenti inquinanti più
significative del territorio lombardo, si è ritenuto accettabile attribuire valori di concentrazione al contorno pari a quelli di background tipici di un ambiente poco inquinato. Pertanto si è deciso di utilizzare la prima opzione. In tabella 7.2 sono riportati i
valori delle condizioni al contorno (al suolo) adottati.
7.3.5 Risultati delle simulazioni
I risultati del modello CALGRID consistono sostanzialmente nella ricostruzione dei
campi di concentrazione dei vari composti considerati. L’analisi delle sequenze temporali di questi campi di concentrazione permette di seguire l’evoluzione delle distribuzioni di un ampio numero di inquinanti.
Un esempio di campo di concentrazione ricostruito dal modello per l’inquinante O3
in una fase particolarmente critica dell’episodio di acuto inquinamento fotochimico
del periodo 1-5 luglio 1991 viene riportato nella figura 7.3.
Se per un inquinante primario come il monossido di azoto questi campi appaiono
195
D A T ID I
Nome della specie
Condizioni al
contorno [ppm]
Nome della specie
Condizioni al
contorno [ppm]
CO2
0
MEK
0,001
SULF
0
CRES
0,001
-C
0
MGLY
0
O3
0,030
AFG2
0
NO
0,001
NO3
0
NO2
0,035
N2O5
0
ALK1
0,010
HNO3
0
ALK2
0,001
HONO
0
ARO1
0,001
0
ARO2
0,001
HNO4
.
HO2
MEOH
0
CO
0,500
ETOH
0
H2O2
0
MTBE
0
0
ETHE
0,001
SO2
.
RO2
OLE1
0,001
0
0,001
.
CCO-O2
.
0
OLE2
0,001
C2CO-O2
0
OLE3
0,001
-OOH
0
HCHO
0,005
RNO3
0
CCHO
0,001
PAN
0
RCHO
0
PPN
0
Tabella 7.2 - Concentrazioni al contorno al suolo.
molto realistici, per un inquinante secondario come l’ozono, pur riproducendo in modo interessante fenomeni come la caratteristica modulazione giornaliera e la presenza
di massimi di concentrazione sottovento alle grandi aree urbane, essi sembrano risentire della troppo ridotta estensione spaziale del dominio di applicazione del modello.
Il confronto dei campi ricostruiti dal modello con i dati sperimentali va effettuato tenendo conto dei seguenti aspetti:
• i dati sperimentali, per la loro natura puntuale, possono essere fortemente influenzati da fenomeni locali e di breve intensità che il modello non è in grado di ricostruire completamente (risoluzione della griglia di calcolo pari a 4 km);
• la disposizione delle centraline è tale per cui l’informazione fornita non è rappresentativa della situazione media di area, ma è finalizzata all’individuazione dei fenomeni di inquinamento più acuti;
196
DI
MILANO
5080,0
5060,0
5040,0
5020,0
5000,0
480,0
field: C3 [ppb]
500,0
level:
520,0
X - UTM (Km)
0 m - dote: 03/07/1991
540,0
560,0
time: 14 pm
Figura 7.3 - Mappa di isoconcentrazione di O3 calcolata alle ore 14:00 del giorno 3 luglio.
• l’informazione fornita dalle centraline è parziale, in quanto vengono monitorati
solamente alcuni inquinanti primari, trascurando per esempio i composti organici;
• i dati rilevati dalle centraline all’inizio degli anni Novanta presentavano spesso
errori sistematici di un certo rilievo; per l’ozono, per esempio, essi tendevano generalmente a sottostimare le concentrazioni ambientali.
Tenendo conto di queste limitazioni, il confronto dovrebbe essere effettuato
cercando di estrarre dal set di dati sperimentali quegli elementi che caratterizzano il fenomeno dell’inquinamento nel suo complesso e che quindi abbiano una
valenza non solamente locale e presentino una dinamica temporale di durata significativa.
Un importante inquinante che, almeno parzialmente (soprattutto durante le ore
diurne), soddisfa questi requisiti è l’ozono.
197
D A T ID I
Come già sottolineato precedentemente, i dati sperimentali di ozono sono disponibili, per il periodo relativo allo studio in esame, solo per sette centraline di tipologia
urbana o suburbana e quindi in esso non è stato possibile affrontare in modo esaustivo il confronto anche in ambiente rurale.
Per tutte le centraline il confronto misurato-calcolato ha mostrato risultati interessanti in quanto sia gli andamenti temporali che i valori medi di concentrazione sono
risultati fra loro abbastanza sovrapponibili. Alcuni esempi vengono riportati nelle fi gure 7.4-7.6.
Queste figure evidenziano come il modello CALGRID riesca a ricostruire il tipico
andamento giorno-notte, simulando con buona sovrapposizione i tracciati sperimentali e fornendo una efficace ricostruzione del profilo di crescita e di decrescita dell’ozono, con pendenza uguale a quella dell’andamento misurato.
È interessante notare, nelle prime ore del mattino, la presenza nei dati sperimentali di un picco di ozono di circa 30 ppb non completamente ricostruito dal modello. Questo fenomeno è generalmente stato osservato su tutte le centraline disponibili, quindi, probabilmente, è causato da una serie coincidente di fattori non connessi a fenomeni puramente locali. Inoltre, l’assenza di attività solare durante queste ore, esclude la possibile formazione di ozono per i meccanismi chimici indotti
dalla presenza di luce.
Si ritiene che la climatologia della città giochi a questo proposito un ruolo prevalente: nelle prime ore del mattino, infatti, il gradiente termico tra la città e le zone a
essa circostanti è massimo e si generano movimenti verticali di masse d’aria calda
sopra la città che hanno come effetto indotto l’introduzione dall’esterno di masse
d’aria più fredda.
O3 misurato - calcolato
MI-Juvara
90
80
70
60
50
40
30
20
10
0
0 6 12 18 0 6 12 18 0 6 12 18 0 6 12 18 0 6 12 18
1/7
2/7
3/7
4/7
5/7
ore
misurato
calcolato
Figura 7.4 - Ozono misurato e calcolato a Milano (Via Juvara).
198
DI
MILANO
Legnano centro
90
80
70
60
50
40
30
20
10
0
0 6 12 18 0 6 12 18 0 6 12 18 0 6 12 18 0 6 12 18
1/7
2/7
3/7
4/7
5/7
ore
misurato
calcolato
Figura 7.5 - Ozono misurato e calcolato a Legnano centro.
Limito
120
100
80
60
40
20
0
0 6 12 18 0 6 12 18 0 6 12 18 0 6 12 18 0 6 12 18
1/7
2/7
3/7
4/7
5/7
ore
misurato
calcolato
Figura 7.6 - Ozono misurato e calcolato a Limito.
199
D A T ID I
Poiché la concentrazione media notturna di ozono nelle zone rurali è maggiore rispetto a quella della città, ne deriva che tale fenomeno provochi un apporto di ozono
destinato a consumarsi mediante processi di ossidazione quando l’emissione di ossidi di azoto tende ad aumentare per il sopraggiungere del giorno. Il modello riesce a ricostruire in parte tale fenomeno, tuttavia non con sufficiente precisione per caratterizzarlo in termini quantitativi.
Se l’ozono soddisfa almeno parzialmente i requisiti richiesti per poter operare confronti con i dati sperimentali, la situazione è molto più complessa per inquinanti come
il monossido di azoto e il monossido di carbonio (figure 7.7 e 7.8).
Per questi inquinanti, infatti, anche se il modello riesce a ricostruire il picco mattutino e quello serale, tipici dell’andamento bimodale del traffico urbano, esso non simula i forti picchi osservati nei dati sperimentali dovuti a episodi locali, di forte e breve
intensità, che vengono registrati dalle centraline e che non possono essere evidentemente ricostruiti dal modello.
Per il biossido di azoto si osserva una situazione intermedia tra quella relativa a un
inquinante secondario come l’ozono e quella tipica di inquinanti primari come il monossido di azoto e il monossido di carbonio.
A prescindere dalla qualità dei campi di concentrazione ricostruiti e dalla loro aderenza ai dati sperimentali (questioni che allo stato attuale presentano comunque ancora molti aspetti problematici sia per la grande estensione spaziale e temporale su
cui si sviluppano gli episodi di acuto inquinamento fotochimico sia per l’incertezza
nei dati relativi alle emissioni e ai parametri meteorologici) l’applicazione di un modello come CALGRID è comunque di estremo interesse in quanto, attraverso l’analisi
e il confronto tra gli andamenti dei diversi composti coinvolti nelle reazioni descritte
NO misurato - calcolato
MI-Verziere
120
100
80
60
40
20
0
0 6 12 18 0 6 12 18 0 6 12 18 0 6 12 18 0 6 12 18
1/7
2/7
3/7
4/7
5/7
ore
misurato
calcolato
Figura 7.7 - Monossido di azoto misurato e calcolato a Milano (Via Verziere).
200
DI
MILANO
CO misurato - calcolato
MI-Statuto
11
10
9
8
7
6
5
4
3
2
1
0
0 6 12 18 0 6 12 18 0 6 12 18 0 6 12 18 0 6 12 18
1/7
2/7
3/7
4/7
5/7
ore
misurato
calcolato
Figura 7.8 - Monossido di carbonio misurato e calcolato a Milano (Via Statuto).
dal modello, consente di avere indicazioni molto utili per una migliore comprensione
delle dinamiche connesse con l’inquinamento fotochimico.
A questo proposito è interessante evidenziare e discutere gli andamenti dei principali inquinanti coinvolti nel processo fotochimico ricostruiti per l’intero periodo
di simulazione nella cella della griglia di calcolo che contiene il centro urbano di
Milano.
A questo proposito vengono considerate dapprima le reazioni che si verificano nel
corso della notte e, successivamente, quelle relative alla chimica diurna.
7.3.5.1 Situazione notturna
La chimica notturna è prevalentemente governata da processi di tipo ossidativo e
in assenza di fenomeni emissivi significativi, i rapporti tra inquinanti tendono a stabilizzarsi, raggiungendo una condizione di equilibrio. In ambiente urbano, tuttavia, la seppur ridotta attività emissiva notturna introduce nell’atmosfera specie che
alterano i rapporti tra gli inquinanti e, ossidandosi, continuano a perturbare il sistema.
In particolare, l’emissione più significativa è quella relativa al monossido di azoto, il
cui contributo decresce, in ragione della diminuzione del traffico, dalle ore 20:00 alle
ore 4:00. Tale comportamento è riscontrabile analizzando la figura 7.9, in cui si nota la
progressiva diminuzione della concentrazione di NO, giustificabile sia, come già precedentemente enunciato, per la diminuzione delle emissioni, sia perché l’NO è impegnato nelle seguenti reazioni di ossidazione:
201
D A T ID I
Inorganici - Chimica notturna (2-3 luglio)
80
3,5
70
3
60
50
2,5
40
2
30
20
1,5
10
0
1
18
19
20
21
22
23
0
ore
NO
NO 2
HNO3
RNO3
1
2
3
4
5
6
O3
Figura 7.9 - Chimica notturna dei composti inorganici.
NO + O3
NO + RO2
NO + OH
NO2 + O2
RNO3
HNO2
che comportano l’aumento della concentrazione di NO2 e degli alchilnitrati.
Il biossido di azoto, a sua volta, è coinvolto in una serie di reazioni di ossidazione
che sono responsabili della formazione di acido nitrico e di N2O5, secondo le seguenti
trasformazioni:
NO2 + O3
NO2 + NO3
NO2 + OH
NO3 + O2
N2O5
HNO3
Quando il contributo derivante dall’ossidazione di NO non è più in grado di bilanciare
le reazioni che provocano il consumo di NO2, la concentrazione di NO2 inizia a decrescere (figura 7.9). Tale tendenza, inevitabilmente, influenza le concentrazioni di N2O5 e NO3,
che decrescono fino a raggiungere le minime concentrazioni nelle prime ore del mattino .
A seguito sia della reazione di ossidazione con NO2 sia della reazione con N2O5
N2O5 + H2O
2HNO3
la concentrazione di acido nitrico cresce anche se, in parte, esso si deposita al suolo
per effetto della deposizione secca, mentre la concentrazione dell’acido nitroso si mantiene stabile.
Infine il ciclo inorganico è anche influenzato dalla presenza di composti organici
emessi in atmosfera.
202
DI
MILANO
Gli idrocarburi sono responsabili della formazione di radicali RO2 attraverso i seguenti meccanismi di ossidazione:
R. + H2O
RO2.
RH + OH
R. + O2
I composti ossigenati, in generale, manifestano una moderata reattività, mantenendo valori di concentrazione costanti.
L’effetto complessivo delle reazioni notturne in ambiente urbano si traduce in una
diminuzione della concentrazione dell’ozono che tende a stabilizzarsi su valori molto
bassi.
7.3.5.2 Situazione diurna
La chimica diurna è prevalentemente regolata dalla fotochimica, cioè dai processi di
fotolisi che portano, come termine ultimo di lunghe e complesse trasformazioni chimiche, alla formazione di ossigeno dispari, termine comune che comprende l’O3, l’ossigeno atomico, e il radicale OH..
Il contributo di tali reazioni incrementa la capacità ossidativa dell’atmosfera, favorendo, a partire da precursori primari, la formazione di inquinanti secondari,
quali O 3 e PAN la cui presenza è ormai assunta come indice di episodi di smog fotochimico.
Gli andamenti dei profili di concentrazione degli inquinanti ricostruiti dal modello
per il periodo in esame evidenziano questo fenomeno (figura 7.10).
Smog fotochimico
100
3
90
2,5
80
70
2
60
50
1,5
40
1
30
20
0,5
10
0
0
1 luglio
2 luglio
3 luglio
O3
4 luglio
5 luglio
PAN
Figura 7.10 - Episodio di smog fotochimico, O3 e PAN.
203
D A T ID I
Tali andamenti sono giustificabili considerando che, come noto, gli idrocarburi e i
principali composti ossigenati emessi in atmosfera tendono a fotodegradarsi, trasformandosi negli omologhi a struttura più semplice, e infine, generando specie ad alta attività ossidante. L’intensa attività fotochimica aumenta, dunque, la capacità ossidativa dell’atmosfera, favorendo le condizioni di accumulo dell’O3, specie ossidante meno
reattiva rispetto agli altri radicali.
L’apice dell’attività chimica diurna si raggiunge intorno alle 14, quando le concentrazioni di O 3 e di PAN raggiungono i valori più alti. Parallelamente le specie fotodegradabili, quali NO 2, HNO 2, manifestano i più bassi valori di concentrazione
(figura 7.11), mentre il monossido di azoto presenta un flesso corrispondente alla fine e all’inizio delle emissioni dei flussi di traffico, rispettivamente, del mattino e del
pomeriggio. Anche l’acido nitrico, circa tra le ore 12 e 14, manifesta una diminuzione della concentrazione a causa dell’aumentata deposizione che, intorno a quelle ore, registra i valori più alti.
Il profilo giornaliero delle concentrazioni delle aldeidi (figura 7.12) evidenzia un andamento simile a quello degli idrocarburi (figura 7.13). Entrambe le specie sono fotodegradabili e quindi, in corrispondenza della massima insolazione, registrano i più
bassi valori di concentrazione.
Coerentemente, a una diminuzione dei precursori corrisponde un aumento delle
concentrazioni dei prodotti secondari, quali PAN, PPN e radicali.
Infine, a partire dalle ore 14:00 circa, si attiva quella che, schematicamente, si può definire la terza fase, che introduce alla chimica notturna. Le reazioni di fotodegradazione perdono di intensità proporzionalmente al diminuire dell’attività solare e cineticamente incominciano a essere più favorite le reazioni di ossidazione. La concentrazio-
Inorganici - Chimica diurna (2 luglio)
80
70
60
50
40
30
20
10
0
6
8
10
12
ore
14
NO 2
NO
O3
HNO3
HNO2
RNO3
Figura 7.11 - Chimica diurna degli inorganici.
204
16
0,1
0,09
0,08
0,07
0,06
0,05
0,04
0,03
0,02
0,01
0
18
DI
MILANO
ne dell’O3, mentre quelle dell’NO e NO2 registrano un aumento, a causa l’uno dell’inizio dell’emissione del ciclo pomeridiano di traffico e l’altro del contributo derivante
dall’ossidazione del monossido di azoto.
Aldeidi - Chimica diurna (2 luglio)
8
7
6
5
4
3
2
1
0
6
8
10
12
ore
HCNO
CCHO
PAN
PPN
14
16
18
4,5
4
3,5
3
2,5
2
1,5
1
0,5
0
RCHO
Figura 7.12 - Chimica diurna delle aldeidi e dei perossiacilnitrati.
Idrocarburi - Chimica diurna (2 luglio)
30
8
7
25
6
20
5
15
4
3
10
2
5
0
1
0
6
8
10
12
ore
14
OLE1
OLE2
ALK1
ALK2
RNO3
HCHO
16
18
Figura 7.13 - Chimica diurna degli idrocarburi.
205
D A T ID I
Le concentrazioni delle specie ossigenate e degli idrocarburi crescono per via delle emissioni, mentre PAN e PPN decrescono, anche a causa dell’azione termica di
distruzione.
206
Bibliografia
Allegrini, I., Febo, A., Perrino, C. 1994. Role
of nitrous acid in the oxidation processes in
the Mediterranean area. In: Physico-chemical
behaviour of atmospheric pollutants.
Proceedings of the Sixth European Symposium, Varese, 1, 293-299.
Atkinson, R. 1988. Gas phase atmospheric
chemistry of organic compounds. Appendix A
of final report prepared by SAPRC on contract
A5-122-32 for the Californian Air Resources
Board, Sacramento, CA.
Avella, F., Casalini, A., Mascherpa, A., Rolla,
A., Tiellag 1993. Valutazione degli inquinanti
regolamentati e non, nei gas di scarico di autoveicoli a benzina. La Rivista dei Combustibili, 47,
7-8, 301-318.
Bailey, J. C., Schimidl, B., Williams, M.L.
1990. Speciated hydrocarbon emissions from
vehicles operated over the normal speed range on the road. Atmospheric Environment, 24A,
1, 43-52.
Bassanino, M., Bertolacci, M. A., Brusasca, G.,
Cirillo, M. C., Finzi, G., Fortezza, F., Graziani,
G., Mamolini, G., Marani, A., Tamponi, M.,
Tirabassi, T. 1993. Modelli a integrazione delle
reti per la gestione della qualità dell’aria, ISTISAN 93/36.
Bocola, W., Cirillo, M. C., Gaudioso, D., Trozzi,
C., Vaccaro, R., Napolitano, C. 1989. Progetto
CORINAIR - Inventario delle emissioni di inquinanti dell’aria in Italia nell’anno 1985, ENEA.
Borgarello, M., Catenacci, G., Riva, G. M., Silibello, C. 1994. Progetto ENVINET - Implementazione e studio di modelli previsionali per l’ambiente atmosferico. Rapporto CISE SAA-94-65.
Brjantseva, Z. I. 1951. Emission of volatile
organics into air from living plants. U c h e n .
Zap. gorkov. gos. Univ. 21, 149-156.
Carioni, T., Catenacci, G., Fraternali, D. 1989.
Censimento delle sorgenti e stima quantitativa
delle emissioni di inquinanti atmosferici nella
città di Brescia. Rapporto CISE 4844.
Carlier, P., Hannachi, H., Mouvier, G. 1986.
The chemistry of carbonyl compounds in the
atmosphere - A Preview. Atmospheric Environ mental, 20, 11, 2079-2099.
Cavallari, A., Genova, M. 1993. Area urbana di
Milano: valutazioni energetiche e ambientali,
Rapporto CISE DSM-93-39.
Chang, J.S., Brost, R.A., Isaksen, I.S.A.,
Madronich, S., Middleton, P., Stockwell, W.
R., Walcek, C.J. 1987. A three-dimensional
Eulerian acid deposition model: Physical concepts and formulation. Journal of Geophysical
Research, 92, 14681-14700.
Crapanzano, G., Pirovano, G. 1994. Applicazione di un modello fotochimico per lo studio
della dispersione di inquinanti in atmosfera,
Milano.
Derwent, R.G., Jenkin, M.E. 1990. Hydrocarbon involvement in Photo-Chemical ozone
formation in Europe. Modeling Assessment
Group, Environmental Medical Sciences
Division, Harwell. AERE-R-13736.
Ebel, A. 1991. General report on EUMAC, EUROTRAC, Annual report 1990.
E P R I 1990. Status of Subregional and
Mesoscale Models, Volume 1: Air Quality
207
D A T ID I
Models, Rapporto EN-6649, Volume 1,
Research Project 2434-6, Palo Alto, CA.
USA using a simple forest canopy model.
Atmosferic Environment, 27A, 11, 1673-1690.
EURAD 1989. Das EURAD-Modell: Aufbau
und erste Ergebnisse. Ed. by A. Ebel, F. M.
Neubauer, E. Raschke, P. Speth, 65, Institute of
Geophysics and Meteorology, University of
Cologne.
Lorenzini, G. 1983. Le piante e l’inquinamento del l’aria. Edagricole, Bologna.
E U R O T R A C 1994. Symposium 1994.
Transport and Trasformation of Pollutants in
the Troposphere. Abstract of Lectures and
Posters.
Febo, A. 1994. Nitrous acid in the oxidation
processes in urban areas. In: Physico-chemical
behaviour of atmospheric pollutants,
Proceedings of the Sixth European Symposium, Varese, 1, 277-285.
Finzi, G., Brusasca, G. 1991. La qualità dell’aria:
modelli previsionali e gestionali. Masson, Milano.
Hass, H. 1991. Description of the EURAD chemistry transport-model version 2 (CTM2). Ed.
by A. Ebel, F. M. Neubauer, P. Speth, Institute
of Geophysics and Meteorology, University of
Cologne.
Hesstvedt, E., Hov, O., Isaksen, I.S.A. 1978.
Quasi-steady-state approximations in air pollution modeling. Comp. J. chem. Kinet, X, 971-994.
Isidorov, V. A., Zenkevich, I.G., Ioffe, B.V.
1985. Volatile organic compounds in the atmosphere of forests. Atmospheric Environment, 19,
1, 1-8.
Iversen, T., Halvorsen, N. E., Mylona, S.,
Sandnes, H. 1991. Calculated budgets for airborne acidifying in components in Europe.
1985, 1987, 1988, 1989 and 1990, EMEP MSCW Report 1/91, Technical Report n°91, DNMI,
Oslo, Norway.
Kumar, N., Russell, A., Tesche, T., McNally,
D. E. 1994. Evaluation of CALGRID using two
different ozone episodes and comparison to
UAM results. Atmospheric Environment, 28, 17,
2823-2848.
Lamb, B., Gay, D., Westberg, H. 1993. A biogenic hydrocarbon emission inventory for the
208
Mennella, C. 1967. Il clima d’Italia. Volume 1,
Fratelli Conte Editore, Napoli, 166-167.
Mennella, C. 1967. Il clima d’Italia. Volume 2,
Fratelli Conte Editore, Napoli, 288-289.
Morris, R. E., Myers, T. C. 1990. User’s Guide
for the Urban Airshed Model. Volume I:
User’s Manual for UAM (CB-IV), EPA 450/490-007A, Research Triangle Park, NC.
Morselli, L. 1991. Deposizioni acide - I precursori. L’interazione con l’ambiente e i materiali.
Maggioli editore, Rimini.
Moussipoulos, N. 1990. The EUMAC
Zooming Model. Model Structure and
Applications. EUROTRAC Report.
N A P A P 1991. Acidic deposition: state of
sciences and technology. In: Emissions, atmospheric processes and deposition, National
acid precipitation assessment program,
Washington DC, 1.
NUVOLA 1992. ENEL, Codice di calcolo per
l’integrazione dei codici US-EPA ISC-ST e
COMPLEX-1 ai fini della valutazione previsionale degli indici statistici previsti dalla vigente normativa in materia di qualità dell’aria, 13-15.
Pepper, D.W., Kern, C.D., Long, P.E. Jr.
1979. Modeling the dispersion of atmospheric pollution using cubic splines and chapeau
functions. Atmospheric Environment, 13, 223237.
Pilinis, C., Kassomenos, P., Kallos, G. 1993
Modeling of photochemical pollution in
Athens, Greece. Application of the RAMSCALGRID modeling system. A t m o s p h e r i c
Environment, 27B, 4, 353-370.
Sanadze, G.A. 1961. Emissions of volatile
organics from plants. Edited by Tbilisi, The
Academy of Science of the Georgian SSR.
Seinfeld, J. H. 1986. Atmospheric chemistry
and physics of air pollution.
Seinfeld, J. H. 1988. Ozone air quality models
- A critical review, Pasadena, CA.
Seinfeld, J. H. 1989. Urban air pollution: state
of the science. Science, 243.
Sigsby, J.E.Jr., Tejada, S., Ray, W., Lang, J.
M., Duncan, J. W. 1987. Volatile organic
compound emissions from 46 in-use passenger cars. Environment al Science Technology 21,
5, 466-475.
Stevens, C. S. 1987 The NO/NO2/O3 photostationary state and rate of photolisys of NO2 in
central Johannesburg. Atmospheric Environment,
21, 4, 799 - 805.
Tebaldi, G. 1991. Inquinamento atmosferico
nella provincia di Milano: situazione attuale e
prospettive future. In: Inquinamento atmosferico, Centro scientifico Internazionale, Milano.
Tesche, T.W.
Photochemical
Modelling. Ed.
Computational
Southampton.
1992. Applications of
Models, Environmental
by P. Melli e P. Zannetti,
Mechanics Publications,
UK 1993. United Kingdom Photochemical Oxidants Review Group, Ozone in the United
Kingdom.
Tamponi, M., Angelino, E., Tebaldi, G., Belloni, E. 1992. Studio modellistico sull’inquinamento atmosferico da traffico e da riscaldamento nell’area metropolitana milanese.
Gualdi, G., Pasquali, M., Puglisi, F. 1993. Studi
per la valutazione della qualità dell’aria nella
provincia di Milano, Milano.
209
Capitolo 8
L’inquinamento dell’aria
e la valutazione dei danni:
un approccio metodologico
Giorgio Panella e Sergio Ascari
D A T ID I
Sommario
La valutazione economica dei danni dovuti all’inquinamento atmosferico e l’analisi dei costi da
sostenere per avviare eventuali interventi di riduzione delle emissioni sono aspetti essenziali
per una efficace programmazione di politiche di risanamento.
In questo contesto il capitolo, oltre a discutere da un punto di vista metodologico i problemi
connessi con l’applicazione di tali metodi di analisi, presenta una stima economica complessi va dei danni dovuti al traffico veicolare.
8.1 Premessa
Il deterioramento della qualità dell’aria dei centri urbani rappresenta una delle
principali preoccupazioni sia a livello nazionale che internazionale, soprattutto per
i danni che esso causa alla salute umana. L’inquinamento atmosferico ha infatti
raggiunto nei centri urbani dimensioni ragguardevoli avendo superato, in molte situazioni, gli standard di qualità dell’aria fissati dall’operatore pubblico. Le cause
sono molteplici, principalmente le emissioni autoveicolari, le emissioni da riscaldamento domestico e da insediamenti industriali e le emissioni derivanti dalla produzione di energia elettrica.
È soprattutto il traffico autoveicolare a essere messo sotto accusa, in particolare quello privato su gomma. Nelle aree urbane si localizzano infatti più del 60% del trasporto merci e più dell’80% del trasporto privato. Ed è per questo che la finalità principale
di questa ricerca consiste nel determinare la dimensione dei danni derivanti dall’inquinamento atmosferico nei centri urbani, con particolare riferimento a quelli sulla salute umana provenienti appunto dal traffico autoveicolare.
La funzione dei danni che ci si propone di valutare è importante ai fini della definizione delle politiche ambientali. Essa dovrebbe costituire una delle informazioni a disposizione dell’operatore pubblico per definire il livello ottimale di inquinamento. Tale livello dovrebbe infatti essere determinato in base all’eguaglianza fra i costi marginali di disinquinamento e i benefici marginali di disinquinamento (danni evitati). Se
così non fosse, si avrebbe uno spreco di risorse (quelle destinate al disinquinamento
potrebbero risultare superiori a quelle che vengono salvaguardate).
A causa delle difficoltà di valutazione, che di solito si incontrano nel valutare la funzione dei danni (l’ambiente non è un bene di mercato per il quale esistono dei prezzi),
il problema viene risolto dall’operatore pubblico stabilendo in modo esogeno il livello ottimale d’inquinamento da tollerare, cercando quindi di minimizzare la funzione
dei costi di disinquinamento. Quest’ultimo approccio non permette di stabilire se la
collettività è in grado di ottenere un vantaggio netto. Per fare ciò occorrerebbe conoscere, come già detto, sia la funzione dei costi di disinquinamento che quella dei danni all’ambiente.
Il problema che viene affrontato in questa ricerca è dato appunto dalla valutazione
di quest’ultima funzione. Ciò significa, in altri termini, valutare la curva di domanda
di aria pulita. Il problema è che tale bene presenta le caratteristiche di bene pubblico.
L’aria pulita è un bene né esclusivo né rivale: è difficile impedire a una persona di beneficiare di essa, e inoltre, se noi sfruttiamo l’aria pulita ciò non impedisce che lo fac-
212
Capitolo 8 L’INQUINAMENTODELL ’ARIA ELA
VALUTAZIONEDEI DANNI: UNAPPROCCIO METODOLOGICO
ciano anche gli altri. A causa di tali caratteristiche risulta difficile stimarne la domanda da parte degli individui e pertanto, non si ha la possibilità di ottenere dei prezzi di
mercato direttamente osservabili che possano essere interpretati come il saggio al quale la gente desidera scambiare aria pulita per altri beni. Tuttavia, in assenza di un mercato, possiamo ottenere delle stime del prezzo dell’aria pulita utilizzando altri strumenti. Esistono infatti delle tecniche che permettono di valutare direttamente o indirettamente, la disponibilità a pagare dei consumatori per ottenere un dato bene, nella
fattispecie l’aria pulita.
Nella prima parte della ricerca vengono esaminate tali tecniche e i problemi teorici
ed empirici che derivano dalla loro applicazione. Detto in altri termini sono stati analizzati i vari metodi di stima delle funzioni dei danni derivanti dall’inquinamento atmosferico e, successivamente, sono stati presi in considerazione i metodi che meglio
si prestano per valutare la funzione dei danni derivanti dall’inquinamento atmosferico alla salute umana in relazione a un’area metropolitana: quella milanese.
In particolare, di seguito viene presentato un algoritmo che permette di valutare gli
effetti sulla salute umana derivanti dall’inquinamento atmosferico da polveri, ossidi
di azoto, anidride solforosa e benzene, provenienti dal traffico autoveicolare. Le emissioni del parco circolante generano variazioni nelle concentrazioni atmosferiche e, attraverso queste, danni alla salute umana in termini di mortalità acuta e cronica e di
morbilità, che vengono quantificati per mezzo di funzioni dose-reazione ricavate dai
più recenti studi epidemiologici o sperimentali. Alla stima quantitativa dei danni alla
salute viene sovrapposta una valutazione monetaria, basata sul criterio della disponibilità a pagare per una riduzione del rischio (nel caso della mortalità) e sui costi di cura (per la morbilità).
La metodologia che è stata utilizzata ha il vantaggio di poter essere trasferita a altre realtà territoriali. Le funzioni epidemiologiche utilizzate per quantificare i danni alla salute umana sono state elaborate a livello internazionale e rappresentano
l’attuale stato dell’arte. Tali funzioni sono certamente suscettibili di miglioramenti;
in tale caso è sufficiente procedere alla loro sostituzione nell’ambito del processo di
stima senza dovere modificare l’intero metodo. Date le funzioni dose-reazione, i
dati addizionali necessari per estendere il metodo di stima ad altre realtà sono costituiti dai consumi dei combustibili e dal numero medio di chilometri percorsi dal
parco veicoli. La disponibilità di tali dati permette di calcolare le emissioni e quindi le concentrazioni degli inquinanti e, da queste, tramite le funzioni dose-reazione, i danni alla salute umana.
Le stime in termini monetari dei danni rappresentano un parametro di riferimento
per la valutazione di politiche di contenimento del traffico, di tipo strutturale e in condizioni di emergenza. Le stime consentono di valutare l’efficacia di strumenti quali,
per esempio, la tassazione dei carburanti, i permessi di circolazione a pagamento per
le aree urbane, o gli interventi tecnologici sul parco circolante.
Nel valutare l’efficacia di tali strumenti occorre tenere presente che il miglioramento dell’efficienza dei carburanti e degli autoveicoli può essere più che compensata in termini di emissioni dall’aumento del parco automobili e dal numero di chilometri percorsi. In altri termini, occorre fare riferimento a politiche sia di breve che
di lungo periodo che tengano conto, oltre che degli standard delle emissioni anche
di quelli ambientali. In tale contesto occorre valutare politiche di intervento che
213
D A T ID I
prendano in considerazione la riduzione dell’uso degli autoveicoli e dei chilometri
percorsi in date zone, il miglioramento dell’efficienza o la sostituzione dei carburanti, la diversificazione delle modalità di trasporto.
8.2 L’inquinamento atmosferico: il quadro di riferimento teorico
L’inquinamento atmosferico viene definito a livello economico come un effetto esterno negativo (esternalità negativa), a causa del quale si verifica una divergenza tra costi privati e costi sociali, causando come conseguenza finale delle distorsioni nell’allocazione delle risorse.
Considerando il traffico autoveicolare, la decisione di effettuare un determinato percorso di solito viene presa da parte dell’automobilista sulla base dei costi privati relativi all’uso dell’automobile, trascurando quelli esterni (i danni derivanti dall’inquinamento). Si verifica così una divergenza tra i costi sociali del trasporto (i costi che derivano alla collettività dall’uso dell’automobile) e quelli privati. La divergenza è appunto rappresentata dalle esternalità.
Nel caso specifico, poiché il costo privato è inferiore a quello sociale, l’automobilista, che non sopporta i costi esterni associati all’inquinamento ma anche quelli dovuti
ad altre forme di esternalità, adotterà un livello di mobilità inefficiente, superiore a
quello che adotterebbe se dovesse tener conto delle esternalità. Occorre pertanto che
coloro che generano tali esternalità se ne facciano carico in modo da ricreare l’uguaglianza tra i costi marginali privati e quelli sociali.
Rimanendo sempre nell’ambito delle esternalità connesse al traffico autoveicolare
un ulteriore problema che contribuisce alla questione dell’inquinamento atmosferico
è dato dalla congestione del traffico. Esso si verifica in relazione a quei beni pubblici i
quali, oltre a un determinato livello di consumo, perdono la caratteristica di non rivalità, dando luogo a un costo opportunità. In altri termini, quando si giunge a un livello di saturazione del bene o servizio, può accadere che insorgano delle interferenze determinando costi addizionali, e cioè costi di congestione.
Nel caso del trasporto la congestione viene intesa come un problema puramente tecnologico, dipendente dalle caratteristiche delle strade e rappresentato dall’aumento
dei costi marginali di breve periodo conseguente a un loro uso intensivo. Date le infrastrutture di trasporto, oltre una determinata soglia di traffico, i veicoli cominciano
a ostacolarsi reciprocamente, determinando una diminuzione della velocità di circolazione e un aumento dei tempi di percorrenza. Anche in questo caso gli utenti prendono in considerazione solo i costi che sopportano direttamente trascurando quelli
che impongono ad altri utenti a causa del rallentamento della velocità di circolazione.
A causa di ciò si avrà, ancora una volta, una divergenza fra costo marginale privato e
costo marginale sociale del trasporto.
Il problema economico consiste dunque nel valutare le esternalità derivanti dal traffico e nel fare in modo che i soggetti se ne prendano carico. La congestione si genera
infatti in larga parte a causa dell’assenza di prezzi di efficienza per una data rete stradale che è a disposizione degli utenti in forma quasi totalmente gratuita. Prendersi carico delle esternalità non significa comunque eliminarle completamente ma, in base ai
criteri di convenienza economica occorre, come già anticipato in precedenza, ridurle
214
fino al punto in cui i benefici marginali derivanti da un loro controllo risultano uguali ai costi marginali associati a tale riduzione.
Il livello ottimale d’uso della strada è quello in corrispondenza del quale si verifica
l’uguaglianza tra domanda e costo marginale sociale. Si tratta di estendere l’uso della
strada fino a quando le risorse, che vengono usate per un incremento unitario del suo
uso (cmg), hanno un valore non superiore al prezzo che l’utente marginale è disposto
a pagare (il valore del percorso per l’utente marginale). Rispettando questa regola si
rende massimo il valore netto dell’uso della strada per la collettività, costituito dalla
differenza tra la rendita lorda del consumatore, ottenuta dagli utenti della strada e il
costo complessivo connesso all’uso della strada stessa.
Nella figura 8.1 viene rappresentata la condizione di efficienza descritta in precedenza. La curva CMgp rappresenta la funzione del costo marginale privato del trasporto, mentre la curva D rappresenta la domanda di trasporto stradale per la collettività.
L’intersezione delle due curve, CMGP e D, determina il livello di trasporto q* richiesto dalla collettività. Tale livello non corrisponde a un’allocazione efficiente delle risorse, dato che a partire dal livello q° si verificano costi di congestione, rappresentati
dalla curva CMGE, che andrebbero addizionati alla curva CM GP, in modo da determinare il costo marginale sociale del trasporto: la funzione CMGS.
Il fatto che q* sia maggiore di q° significa che la collettività è disposta a sopportare
un certo livello di congestione, in quanto i benefici che gli individui ne traggono sono
superiori ai costi che devono subire. Tuttavia, il livello di traffico q* generato dal mercato non è ottimale; non è un livello di traffico che consente alla collettività di trarre il
CMG
D
CMGS1
CMGS
CMGP
CMGE1
CMGE
O
q0
qS1 qS q*
Q
Figura 8.1 - La congestione del traffico urbano e l’inquinamento .
215
D A T ID I
massimo vantaggio. Tale livello viene determinato trascurando i costi esterni dovuti
alla congestione, all’inquinamento e alle altre esternalità di tipo ambientale. La funzione da prendere in considerazione è quella dei costi marginali sociali, CMGS , data
dalla somma dei costi marginali privati e dei costi marginali esterni. Il livello di traffico ottimale dal punto di vista della collettività sarà allora qs, inferiore a q*, ma superiore a q°.Alcune esternalità non ricadono sul sistema della mobilità, ma su quello ambientale, e anch’esse costituiscono elementi di costo sociale il cui effetto è quello di
causare un’ulteriore traslazione verso l’alto dell’intera curva dei costi marginali sociali, nonché di anticipare l’inizio dell’aumento della curva dei costi marginali. Considerando, oltre alla curva dei costi marginali esterni dovuti alla congestione, anche
quella relativa all’inquinamento, e all’occupazione dello spazio urbano avremo un
punto di equilibrio ottimale diverso dal precedente. Riprendendo l’analisi della figura
8.1, l’equilibrio ottimale sarà dato da qs1, inferiore a qs, ottenuto dall’intersezione della
curva di domanda con la curva dei costi marginali sociali CMGS1 comprensivi dei costi
di congestione CMGE, e dei costi di inquinamento e, in genere, dei costi ambientali
CMGE1 dovuti all’uso dell’automobile.
Occorre dunque determinare la quantità ottimale di traffico. Tale quantità si ha
quando il prezzo di domanda, che misura il valore che il percorso ha per l’utente marginale, è uguale al valore delle risorse che la collettività sopporterebbe in conseguenza dell’effettuazione del percorso da parte dello stesso utente. Da ciò consegue che l’operatore pubblico, una volta determinata la quantità ottimale di traffico, deve attuare
un sistema di razionamento che ne impedisca il superamento, o direttamente o imponendo agli utenti, in aggiunta ai costi privati variabili, un prezzo che rifletta i restanti
costi sociali che si verificano in corrispondenza del valore ottimale del flusso autoveicolare, e cioè i costi variabili di manutenzione della strada, i costi di congestione e
quelli dovuti all’inquinamento e, in genere, tutti i costi esterni.
8.3 La definizione di costo sociale
La valutazione dei costi esterni associati al trasporto pone non pochi problemi sia di
natura teorica che empirica. Come si è visto tale valutazione è importante ai fini della
determinazione del costo sociale, concetto che pone non pochi problemi di interpretazione. Di seguito ci soffermeremo su alcuni di questi problemi.
Di solito, per determinare il costo sociale dei trasporti, occorre prendere in considerazione tutte le spese che la collettività sopporta a causa dei trasporti. Esso è così costituito dalla somma dei costi di tutte le esternalità più le spese sostenute dai privati e
dall’operatore pubblico per realizzare le attività di trasporto. Pertanto, in base a questa definizione, si dovranno prendere in considerazione i seguenti elementi:
• le spese sopportate dall’operatore pubblico per la costruzione e la gestione delle
infrastrutture;
• le spese delle imprese che gestiscono le attività di trasporto;
• le spese sopportate dagli utilizzatori dei trasporti;
• i costi causati ad altri soggetti in conseguenza delle attività di trasporto.
Le difficoltà che derivano da tale definizione consistono nel considerare tutti gli impatti derivanti dalle attività di trasporto e nel valutarli in termini monetari.
216
(q)
CT
DT
T (N)
C (N)
O
D (N)
N*
INQ.N
Figura 8.2 a - Il costo sociale del rumore.
Così, per esempio, nel caso del rumore bisognerà valutare, oltre alle spese dell’operatore pubblico per ridurre il rumore dovuto alla circolazione e quelle delle imprese
che gestiscono le infrastrutture per rendere i veicoli meno rumorosi, anche le spese che
effettuano gli altri soggetti per insonorizzare gli appartamenti, per curare gli effetti
sulla salute e quelle riguardanti le perdite di produttività che derivano dal rumore.
La valutazione comporta la presa in considerazione del valore dei danni causati dal
rumore e delle spese che risultano necessarie per sopprimerli. Nella figura 8.2 a dove in
ascissa viene rappresentato il livello di rumore e in ordinata i danni totali e i costi totali
di controllo del rumore, viene raffigurato tale concetto.
D(N) rappresenta la funzione dei danni causati dal rumore. C(N) descrive la funzione delle spese necessarie per ridurre il rumore. T(N) è la funzione del costo sociale
del rumore, ed è data dalla somma delle due funzioni C(N) e D(N).
Il costo sociale è al minimo nel punto N*, in corrispondenza del minimo della funzione T(N). In relazione al punto N*, come risulta dalla figura 8.2 b, dove vengono rappresentati i danni e i costi marginali, il danno marginale dD/dN (o la disponibilità
marginale a pagare per ridurlo) risulta uguale al costo marginale relativo alla sua riduzione dC/dN. Sempre in tale punto il livello di rumore ottimale corrisponde al costo sociale del rumore minimo; coloro che sono colpiti dal rumore sono disposti a pagare l’equivalente dell’area I per ridurre il rumore al livello N* e il costo per fare ciò è
dato dall’area II. In genere la definizione restrittiva del costo ambientale fa riferimento ai costi di controllo dell’inquinamento (area II), ma l’approccio più estensivo dovrebbe comprendere anche la disponibilità a pagare per ridurre l’inquinamento residuo (area I).
217
D A T ID I
(b)
CMG
DMG
d D/dN
d C/dN
I
O
II
N*
NM
INQ.N
Figura 8.2 b - Il costo sociale del rumore.
8.4 Gli impatti ambientali imputabili ai trasporti e le metodologie di
valutazione
Definito il costo sociale del trasporto, analizziamo di seguito alcuni degli elementi che
concorrono a determinarlo, in particolare i vari impatti che derivano sia dalla costruzione e manutenzione delle infrastrutture che dall’utilizzo dei mezzi di trasporto. Gli
impatti sono moltissimi, caratterizzati da dimensioni temporali e spaziali diverse.
Molti di essi sono difficili da quantificare e presentano margini di incertezza notevoli.
Si pensi per esempio alla relazione tra sostanze inquinanti ed effetti sulla salute umana; in questo settore le conoscenze scientifiche sono ancora limitate e presentano notevoli gradi di indeterminatezza.
I principali effetti sono comunque connessi con l’inquinamento atmosferico, il rumore, le vibrazioni, gli incidenti stradali, l’intrusione visiva, la distruzione delle risorse naturali, l’occupazione del suolo urbano e rurale sia da parte dei veicoli che delle
infrastrutture.
L’inquinamento atmosferico dei centri urbani, causato dal traffico autoveicolare è
certamente da considerarsi fra i problemi più preoccupanti. Come evidenziato nella
tabella 8.1 i trasporti sono responsabili delle principali forme di inquinamento atmosferico che a causa delle anomalie del settore sono destinate ad aumentare.
In Italia, anche se la dinamica di sviluppo del trasporto risulta in linea con quella degli altri paesi europei, essa presenta due anomalie riguardanti rispettivamente il trasporto delle merci e il trasporto delle persone in ambito urbano. Per il trasporto delle
merci, la quota stradale in tonnellate-km è del 92% (in costante aumento), a fronte del
218
65% della Francia, del 45% della Germania e del 40% dell’Olanda. Per quanto riguarda la mobilità urbana, la quota di utilizzazione del trasporto collettivo (bus + tram +
metropolitana) nelle maggiori città italiane oscilla appena tra il 35 e il 45% nelle ore di
punta, mentre nelle principali città europee (Londra, Vienna, Monaco) essa supera il
70%.
La valutazione delle funzioni dei danni dovuti all’inquinamento atmosferico è difficile da effettuare. Per esempio vi sono notevoli difficoltà per la rilevazione fisica delle
emissioni di agenti inquinanti, nonché per l’individuazione delle relazioni tra emissioni e danno. A queste difficoltà si aggiunge inoltre quella di natura economica, consistente nel tradurre in termini monetari le funzioni dei danni.
Nella maggior parte dei casi relativi all’ambiente, non esiste un mercato in cui
vengono scambiati beni quali l’aria pura, l’acqua pulita ecc. e, quindi, essi non possono essere facilmente monetizzati. In assenza di un prezzo di mercato che ci permetta di attribuire loro un valore occorre fare riferimento ad altri strumenti di valutazione.
Gli approcci più comunemente utilizzati per la valutazione dei beni ambientali in
assenza di mercato possono essere classificati in due categorie: procedure di valutazione diretta e procedure di valutazione indiretta. Tali procedure hanno in comune
l’obiettivo di definire i valori individuali, espressi in termini di disponibilità a pagare
per un miglioramento ambientale o di disponibilità ad accettare una compensazione
per un peggioramento dell’ambiente.
Emissioni di trasportoa (1000 tonnellate)
% su totale
emissioni
ultimo anno
1970
1975
1980
1985
1989
1990
1991
734
734
753
907
1.137
993
-
50
87
118
170
147
199
-
-
40
monossido di carbonio (CO) 3678
4315
4990
5305
5043
5609
-
79
composti organici
493
599
827
907
975
-
51
ossido di azoto (NO)
particolati
volatili (VOC)
a
402
b
biossido di carbonio (CO2)c 70.000 75.300 86.900 93.200 107.100 108.500 111.000
27
Tabella 8.1 - Inquinamento dell’aria derivante dalle attività di trasporto (1.000 t) (Fonte: OECD,
1988).
8.4.1 Procedure di valutazione diretta
Rientrano in questa prima categoria tutte le metodologie che cercano di misurare
direttamente il valore monetario dei miglioramenti ambientali attraverso tecniche
miranti a ottenere l’espressione delle preferenze degli individui. Gli economisti
hanno sviluppato diverse tecniche di analisi per la stima della disponibilità a pagare, solitamente raggruppate nella costruzione di mercati artificiali (valutazione
219
D A T ID I
contingente), e nell’analisi di mercati strettamente collegati a quello per i servizi
ambientali (mercati surrogati).
Con la valutazione contingente, si domanda direttamente agli interessati quanto sono disposti a pagare per la qualità ambientale ipotizzata; con le analisi dei mercati surrogati, la disponibilità a pagare è invece dedotta da quanto si spende per goderne: per
esempio, a partire da quanto vale una casa situata in zone con minore inquinamento
atmosferico, a parità di tutte le altre caratteristiche che ne influenzano il prezzo (prezzi edonici). In entrambi i casi, le tecniche di valutazione, anche se ormai affermate, sono piuttosto complesse e richiedono grande cautela sia nell’acquisizione dei dati che
nella loro elaborazione.
8.4.2 Procedure di valutazione indiretta
La metodologia indiretta consiste invece nel procedere alla valutazione scientifica delle esternalità, fino al punto in cui i danni individuati siano passibili di valutazione a
prezzi di mercato, o (in mancanza di questi ultimi) ad attendibili valutazioni di effetti
ben determinati, effettuate con tecniche di simulazione del mercato.
In relazione al vastissimo dibattito tra metodologie dirette e indirette di valutazione
conviene ricordare che alla base dei due approcci vi sono diverse concezioni del principio della disponibilità a pagare che è alla base dell’analisi costi-benefici, nonché del
ruolo delle politiche pubbliche. Infatti, scopo di alcuni è semplicemente quello di superare gli ostacoli che, nel caso delle esternalità ambientali, impediscono ai consumatori di manifestare le loro preferenze analogamente a quanto avviene per i beni privati. Da questo punto di vista, non ha alcuna importanza che la disponibilità a pagare
manifestata per trasferire l’impatto inquinante, purché correttamente misurata, sia o
meno correlata all’effettivo danno arrecato all’impatto.
D’altra parte, la metodologia indiretta non nega che in ultima analisi i valori dei
danni ambientali siano da ricondursi alle preferenze dei consumatori, ma si propone
di utilizzare per quanto possibile le conoscenze scientifiche, di cui condivide peraltro
i limiti, per giungere a isolare nel modo più preciso possibile gli oggetti su cui raccogliere i valori attribuiti dai consumatori. In questo senso, essa è portatrice di un maggiore sforzo di razionalizzazione, e pertanto si presta meglio alla definizione di criteri
oggettivi di politica ambientale ed è maggiormente coerente con l’adozione di criteri
paternalistici nella scelta delle politiche pubbliche.
Peraltro, la scelta delle metodologie è spesso influenzata da considerazioni relative
al tipo di danno o agli scopi dell’esercizio di valutazione. In alcuni casi, le metodologie
dirette possono offrire risultati ibridi e di scarso valore al di là del caso specifico in cui
sono stati rilevati, perché è difficile per il consumatore distinguere, per esempio, tra
un impatto sulla salute, sul paesaggio, sui valori delle proprietà ecc.: in questi casi è
possibile solamente una stima dell’impatto complessivo, rinunciando peraltro ad attribuire ai valori ottenuti un significato generale relativo a uno dei parametri considerati (per esempio le emissioni gassose).
D’altra parte, talvolta i costi esterni sono difficilmente riconducibili alla somma di
talune componenti, mentre sono prevalenti aspetti psicologici, sociologici o ideologici. È questo probabilmente il caso di una discarica di rifiuti urbani, nella quale è difficile distinguere, fra i fattori determinanti dell’avversione tipicamente manifestata dai
vicini, l’inquinamento ambientale da emissioni, il fastidio degli odori e dell’accresciu-
220
to traffico stradale, la stessa componente di stima legata alla presenza di un simile impianto nella zona. La metodologia diretta allora, per quanto imprecisa, deve essere
scelta per ottenere stime sufficientemente complete.
Prescindendo da ulteriori considerazioni teoriche, non si può fare a meno di osservare che in pratica gli studi che ricorrono a metodi diretti si sono diffusi molto più rapidamente, anche in Italia, di quelli basati su metodi indiretti. Non sembra che ciò dipenda da una scarsa desiderabilità di questi ultimi: da più parti si invoca infatti l’opportunità di condurre studi che comprendano da un lato un’accurata analisi scientifica dell’impatto ambientale, e che dall’altro siano sintetizzabili in indici dell’impatto,
tra i quali la valutazione monetaria, pur non essendo l’unico metro di paragone, è certamente una delle possibilità principali. La ragione può invece ritrovarsi piuttosto nel
crescente specialismo delle accademie, che in economia come in altre discipline favoriscono gli studi di carattere monodisciplinare su quelli interdisciplinari, talvolta a
scapito della rilevanza e dell’unità pratica dell’analisi.
8.5 Gli effetti sulla salute umana: gli studi epidemiologici
Come messo in evidenza nel paragrafo precedente gli effetti sulla salute umana costituiscono una parte rilevante del costo sociale delle attività di trasporto. Gli epidemiologi hanno individuato nell’inquinamento una delle principali determinanti dell’aumento dei tassi di mortalità e di morbilità.
Moltissimi ricercatori hanno tentato di studiare in primo luogo l’effettiva relazione
fisica tra inquinamento e salute, cercando di calcolare in che misura i tassi di mortalità
e di morbilità diminuiscono al migliorare della qualità dell’aria. In genere ciò è stato
fatto utilizzando procedure di valutazione indirette, perché l’ipotesi predominante
nelle scienze economiche è che gli individui non sono consapevoli degli effetti dell’inquinamento sulla salute umana e perciò non li prendono in considerazione nell’assumere le loro decisioni. Se si tiene conto di ciò, il modo più appropriato nel valutare
questo tipo di benefici è proprio quello di stimare una relazione dose-reazione tra i
danni alla salute e l’inquinamento e poi assegnare un valore monetario alla diminuzione prevista negli indici di mortalità e morbilità. La “dose” è l’esposizione al rischio,
la “reazione o risposta” è la frazione di popolazione esposta.
In questo tipo di rappresentazione la dose è immaginata come una minaccia che
deprezza lo stock di salute di un individuo: la mortalità si verifica quando questo
stock scende al di sotto di un dato livello critico. Il processo è probabilistico perché
la quantità iniziale di salute o il livello critico sono casualmente distribuiti nella popolazione a rischio. Man mano che la dose aumenta, il deprezzamento cresce, una
più grande proporzione supera il livello critico e la probabilità di una conseguenza
avversa aumenta.
Solitamente gli autori fanno riferimento a tutti i fattori che possono influenzare gli
indici riguardanti la salute. Questi metodi sono talvolta definiti “macroepidemiologici” perché si servono di un insieme di informazioni molto più vasto di quelli a cui solitamente ricorrono gli epidemiologi.
Nella grande maggioranza dei casi, il modello consiste nello stabilire un’equazione di regressione multivariata che mette in relazione i danni alla salute o la mor-
221
D A T ID I
talità a numerose variabili esogene come le caratteristiche fisiche della popolazione
(età, sesso), le caratteristiche socio-economiche (reddito, fattori occupazionali, densità, migrazioni), le caratteristiche personali (regime alimentare, livello di istruzione, consumo di sigarette, quantità e qualità di cure mediche, esercizio fisico, storia
genetica) e le variabili ambientali (elementi climatici, fattori domestici come il tipo
di riscaldamento e il combustibile usato, radiazioni e soprattutto gli agenti inquinanti).
L’esecuzione dell’analisi di regressione multipla consente di stimare un coefficiente
che lega gli indicatori di salute all’inquinamento. La quasi totalità degli studi macroepidemiologici che stabiliscono un legame tra inquinamento atmosferico e salute umana sono stati realizzati negli Stati Uniti. Per esempio hanno cercato di analizzare la correlazione tra morte prematura e inquinamento. Per evidenziare questa correlazione
sono ricorsi a un’analisi di regressione multivariata al fine di controllare i fattori che
possono provocare la morte. Interessanti i coefficienti riguardanti le polveri totali sospese e il valore minimo dei solfati in termini di elasticità:
e = (DMS/DSM) + (DMP/DPM) = 0,116
dove:
M mortalità media 9,022 decessi per 1000 abitanti;
S media delle concentrazioni minime di zolfo 3,462 (µg/m3);
P media delle concentrazioni di polveri totali sospese 95,58 (µg/m3).
In base a questa analisi una riduzione dell’1% delle concentrazioni dei fattori inquinanti determinerebbe una riduzione di quasi lo 0,12% della mortalità.
Dopo i lavori di Lave e Seskin altri contributi hanno cercato di migliorare le analisi,
considerando nuove variabili, utilizzando formulazioni differenti della relazione inquinamento-mortalità e ricorrendo a tecniche statistiche supplementari. Nel lavoro di
Lipfert il coefficiente relativo allo zolfo diminuisce quando si introducono nuove variabili e diventa in alcuni casi non significativo. Per contro il coefficiente dei particolati, pur diminuendo, rimane significativo.
Quando le analisi hanno preso in considerazione gli effetti di morbilità, la maggior parte degli studi epidemiologici lo hanno fatto cercando di verificare la capacità di forti peggioramenti di breve periodo della qualità dell’aria di influire sulla
salute umana provocando malattie acute o croniche. Le prime sono dovute a brevi
esposizioni occasionali a concentrazioni particolarmente elevate e sono caratterizzate da attacchi improvvisi, in genere di breve durata, e possono essere reversibili.
Gli effetti cronici sono invece dovuti a esposizioni prolungate a determinati livelli
di concentrazione nell’aria dei fattori inquinanti. In genere essi sono irreversibili
causando talvolta morti premature.
In alcuni studi vengono valutati gli effetti di breve periodo sulla salute umana provocati dall’inquinamento atmosferico derivante dalle fonti mobili, in particolare gli
ossidanti fotochimici. In altri studi sono stati presi in considerazione i livelli di particolato sospeso, il biossido di zolfo, i solfati e altre variabili riguardanti il vento, la temperatura, le precipitazioni, la densità urbana ecc. Va sottolineato come i coefficienti relativi allo zolfo risultano in genere poco significativi.
222
Salvo rare eccezioni, la letteratura ha dedicato scarsa attenzione allo studio del possibile ruolo dell’inquinamento nel provocare malattie croniche respiratorie. In questi
studi viene evidenziata l’esistenza di correlazione, anche se non sempre significativa, fra ozono e malattie croniche respiratorie e le polveri totali sospese.
8.6 La dimensione quantitativa dei danni dell’inquinamento atmosferico
derivanti dal trasporto
Nonostante i grandi progressi verificatisi a livello di procedure di valutazione, notevoli sono ancora i problemi teorici da risolvere. L’uso di metodologie di valutazione
diverse comporta molte volte risultati univoci notevolmente divergenti i quali, tuttavia, possono essere attribuiti anche alla qualità delle informazioni utilizzate nel processo di valutazione.
È comunque a causa dei problemi teorici insoluti e della difficoltà di ottenere dati
sufficientemente affidabili che per quanto riguarda l’inquinamento atmosferico manca ancora un quadro di insieme generale sufficientemente attendibile. Di seguito, prima di affrontare il problema della valutazione dei danni alla salute umana derivanti
dall’inquinamento atmosferico, cercheremo di fornire, sulla base di alcune ricerche effettuate a livello internazionale, un’idea dell’ordine di grandezza dei danni complessivi derivanti dal settore del trasporto.
8.6.1 Incidenti alle persone
La valutazione degli incidenti può essere effettuata facendo riferimento alla disponibilità a pagare per evitare l’incidente oppure, in modo indiretto, moltiplicando il numero di morti, di feriti e dei danni materiali per il rispettivo valore unitario. Quest’ultimo metodo è quello più seguito.
Il costo sociale degli incidenti viene posto uguale ai costi generati dagli incidenti meno i premi assicurativi. I costi comprendono:
• il danno ai veicoli, alle infrastrutture, agli edifici e all’ambiente;
• i costi legali, di polizia o dei servizi di soccorso;
• le spese mediche e funerarie;
• le perdite di produzione.
È possibile rappresentare i vari elementi del costo sociale mediante un unico modello dal quale ottenere il costo esterno marginale riguardante gli incidenti. Poiché la
valutazione del costo sociale viene a dipendere da alcune ipotesi e da parametri di difficile determinazione, la sua dimensione presenta notevoli margini di errore:
CTS = (a+c+d) rF
(8.1)
dove:
a costo atteso per l’utilizzatore della strada e dei passeggeri nel caso di incidenti;
c costi amministrativi e spese mediche;
d danni pagati dalle persone che causano incidenti;
r rischio dell’utilizzatore della strada di incorrere in un incidente per auto/km;
F flusso dei veicoli per unità di tempo.
223
D A T ID I
Il numero atteso di incidenti per chilometri è una funzione crescente del flusso di
traffico. Maggiore è la densità del traffico, maggiori le probabilità di incidenti. È così
possibile rappresentare tale funzione come di seguito:
R = b f¡
(8.2)
Specificatamente, il raddoppio dell’intensità del traffico determina un raddoppio
del rischio, allora la relazione tra (r) ed (F) è del tipo lineare e (i) è uguale all’unità. Tuttavia tale relazione soffre di grande incertezza. Sostituendo la relazione precedente
nella funzione del costo totale sociale si ottiene:
CTS = (a+c+d) b f 1+¡
(8.3)
Il costo marginale sociale è semplicemente:
CMGS = (¡+1) (a+c+d) bF¡
(8.4)
CMGP = CPm = (a+d) r = (a+d) bF¡
(8.5)
Il costo marginale privato (CM GP) è dato dai costi privati attesi di un incidente riguardanti l’ultimo chilometri percorso. Tuttavia non esiste una particolare ragione per
cui si debba ritenere che l’autista che percorre l’ultimo chilometri sia più sicuro di ogni
altro utilizzatore della strada; allora il costo marginale privato sarà uguale al costo medio privato (CPm). In questo caso viene ipotizzato che gli utilizzatori della strada percepiscano correttamente il rischio connesso alla guida e che omettano i costi coperti
dall’assicurazione. Il costo marginale esterno (CmGE) sarà dato dal costo marginale sociale meno il costo marginale privato moltiplicato per il flusso di traffico:
CmGE = (CMGS-CMGP) F
La valutazione dei danni alle persone richiede dunque prioritariamente che si attribuisca un valore alla vita umana. Come si vedrà in modo più analitico nei paragrafi
successivi tale valore varia da paese a paese, ma tale variazione è da attribuirsi prevalentemente al metodo di stima utilizzato. In genere, le stime basate sul metodo della
disponibilità a pagare danno valori più elevati e, per contro, quelle basate sul metodo
del capitale umano valori meno rilevanti.
Nella tabella 8.2 vengono riportati i costi attribuiti agli incidenti in percentuale del
prodotto nazionale lordo. Va sottolineato come il costo sociale degli incidenti differisce notevolmente in base alle modalità di trasporto. Per esempio, tenuto conto della
distanza percorsa, il costo degli incidenti dovuti agli autobus è stato stimato essere un
decimo di quello delle automobili. Comunque i costi sociali dovuti agli incidenti automobilistici sono in genere parzialmente internalizzati dai premi pagati per le assicurazioni. Il costo sociale dovrebbe perciò comprendere solo le voci escluse dai premi
assicurativi quali, per esempio, la perdita del valore umano nella forma di disturbo, le
cure mediche, i servizi di polizia, il soccorso, i costi legali ecc. In alcuni casi viene considerato il costo psicologico del dolore e della sofferenza.
224
Paese
Costo strada
Incidenti
ferrovia
%PNL
Fonte
Anno
Belgio
2.335
8
1,60
Hansson
Marckham
1986
Danimarca
635
5
0,65
-
1989
Germania
14.033
1,32-1,31
-
-
Finlandia
1.649
60
1,92
-
-
Francia
7.423
51
1,00
-
-
UK
11.879
86
1,57
-
-
60
1-0,92
-
-
1.130
5
0,56
-
-
359
5
0,47
-
-
1.973
34
1,74
-
-
152
2
0,39
-
-
Svezia
2.020
21
1,24
-
-
Svizzera
2.137
99
1,45
-
-
Spagna
4.426
10
1,26
-
-
Lussemburgo
Olanda
Norvegia
Austria
Portogallo
Tabella 8.2 - Costo degli incidenti attribuiti al trasporto (Fonte: OECD, 1994).
8.6.2 Inquinamento acustico
Vari sono i metodi di valutazione del rumore: prezzi edonici, costi di prevenzione,
valutazione dei danni provocati alla salute. Molte valutazioni fanno riferimento al
metodo dei prezzi edonici, consistenti nell’isolare la perdita di valore degli immobili dovuta al peggioramento o miglioramento delle condizioni ambientali. Tale
metodo soffre del problema di individuare le principali variabili che influiscono sul
prezzo delle abitazioni e della presenza di distorsioni nel mercato delle abitazioni.
Altri ancora hanno basato la stima del costo del rumore sulla base delle spese di
prevenzione prendendo in considerazione le spese di insonorizzazione individuali (doppi vetri, insonorizzazione ambientale) e collettive (costruzione tunnel, barriere antirumore ecc.).
Seguendo l’approccio del consumo di risorse alcuni autori stimano il costo del rumore prendendo in considerazione:
• la perdita di produttività (dovuta alla perdita di concentrazione, alle difficoltà di
comunicazione, alla fatica conseguente alla diminuzione delle ore di sonno);
• le spese sanitarie (per ritrovare il sonno, per recuperare l’udito, per la cura dello
stress);
• i costi dovuti alla perdita della serenità psicologica.
Le valutazioni risentono dei limiti di tale metodo, in particolare del fatto che il rumore dipende dal grado di urbanizzazione e dalla struttura delle aree urbanizzate.
225
D A T ID I
Paese
%PNL
Fonte
Anno
Metodo
Norvegia
0,06
Ringheim
1983
Prezzi edonici
Francia
0,08
Lambert
1986
_
Olanda
0,02
Opschoor
1986
_
Germania
1,4
Weinberger
1992
Disponibilità a
pagare
e danni salute
Francia
0,2-0,6
Ocse
1990
Spese controllo
Francia
1,5
Merlin
1989
Tutti i metodi
Finlandia
0,3
Himanen et al.
1989
Costo protez.
USA
0,2
The going rate
1992
“
USA
0,10
Bouladon
1990
“
Svezia
0,4
Hansson
Marckham
1992
Prezzi edonici
Germania
0,15
Planco
1985
Costo protez.
55db
Tabella 8.3 - Danni da inquinamento acustico (Fonte: OECD,1994).
Poiché risulta difficile isolare le spese connesse al rumore da quelle originate da altre
cause, notevoli sono le differenze nei risultati a cui pervengono le varie ricerche.
Nella tabella 8.3 vengono riportati i risultati di alcune ricerche: evidente risulta la dispersione dei valori. Si può comunque assumere come valore medio lo 0,2%. Il problema sorge nel ripartire il costo del rumore in relazione alle varie modalità di trasporto. Ancora una volta le varie ricerche attribuiscono valori che variano notevolmente da paese a paese. Il libro verde della Commissione delle Comunità Europee
(1992) riporta la seguente suddivisione: strada 64%; ferrovia 10%; trasporto aereo 26%.
8.6.3 Inquinamento atmosferico locale
I metodi utilizzati per la valutazione sono generalmente quelli indiretti, basati sull’approccio del consumo di risorse e perdita di prodotto, consistenti dapprima nella
valutazione della funzione fisica dei danni e quindi nella traduzione in termini monetari di tale funzione.
Il modello su cui si basa la stima dei costi esterni dovuti all’inquinamento dell’aria
comporta due fasi: la prima consiste nell’identificare gli effetti dell’inquinamento sull’ambiente compreso l’uomo e quindi, in secondo luogo, nel valutare tali effetti in termini monetari.
L’identificazione degli effetti sulla salute umana derivanti dalle emissioni delle sostanze inquinanti ritiene di individuare la concentrazione nell’aria delle stesse sostanze inquinanti, il numero di persone esposte e l’effetto di una unità di sostanze inquinanti su ogni persona esposta. Ciò può essere espresso come di seguito:
226
D Hij = bij PODAjt
dove:
Hi impatto (i) sulla salute (i);
j
particolare tipo di sostanza inquinante;
t
tipo di carburante;
bij inclinazione della funzione dose - risposta dell’impatto i dovuto alla sostanza
inquinante (j).
La funzione descrive la variazione della salute umana (risposta) in conseguenza di
una data dose di sostanze inquinanti;
PO popolazione esposta alla sostanza inquinante (j);
Ajt concentrazione ambientale della sostanza inquinante (j).
La seconda fase del modello richiede la valutazione in termini monetari della variazione dello stato di salute della popolazione. Ciò può essere espresso con la seguente
funzione:
Pi D Hij = Pi bij PODAjt
dove:
Pi prezzo attribuito alla variazione della salute in conseguenza dell’impatto (i).
In genere, le valutazioni comprendono oltre ai danni sulla salute umana, anche
quelli riguardanti il patrimonio immobiliare e la vegetazione. Nella tabella 8.4 vengono riportati i risultati di alcune ricerche e, ancora una volta, si nota come le stime ottenute mediante l’uso di metodi di valutazione diretta siano più rilevanti di quelle effettuate con metodi di valutazione indiretta. Tranne alcuni valori che si discostano notevolmente, quello medio è dell’ordine dello 0,4% del PNL.
Salute
Costo
% PNL
danni cose
Vegetaz.
Totale
Ricerca
Anno
Germania
0,11-0,42
0,05-0,06
0,03-0,15
0,19-0,63
Grupp
1986
Germania
0,07-0,18
0,05-0,09
0,13-0,21
0,25-0,48
Planco
1990
Paese
Germania
0,59
0,07
0,26-0,41
0,92-1,05
UPI
1991
Svizzera
0,02-0,06
0,21
0,18-0,41
0,41-0,68
Pillet
1988
Svizzera
0,01-0,03
0,07-0,16
0,16-0,45
0,24-0,64
Infras
1992
Svezia
0,02-0,06
0,00-0,03
0,00-0,02
0,03-0,11
Gunnar
1986
Olanda
0,16-0,29
0,08-0,13
0,14-0,18
0,38-0,6
VROM
1985
Tabella 8.4 - Danni derivanti dall’inquinamento atmosferico (Fonte: OECD, 1994).
227
D A T ID I
Problemi di identificazione della relazione dose-risposta sorgono nella valutazione
dei danni alla salute, visto che le malattie derivano spesso da un concorso di cause (inquinamento, ma anche cattive condizioni abitative ecc.).
8.6.4 Congestione
I costi riguardanti l’uso della strada sono costituiti da tre elementi:
• il costo riguardante l’uso delle strade non congestionate (tempo, carburante, rischi
ecc.);
• il costo di congestione sopportato dall’utilizzatore marginale della strada (aumenta all’aumentare del traffico);
• il costo di congestione imposto dall’utilizzatore marginale della strada ad altri
soggetti.
Rappresentiamo tali costi nella figura 8.3. I primi due elementi di costo sono rappresentati dalla curva dei costi sociali medi CM S mentre quelli di congestione imposti a
terzi dalla curva CMGE. Viene ipotizzato che il costo sociale medio aumenti all’aumentare del numero di autoveicoli e pertanto la curva del costo marginale giace al di sopra
di quella del costo medio. Il flusso di traffico ottimale è dato dal punto B dove i costi
marginali sociali risultano uguali alla curva di domanda.
In un mercato non sottoposto a regolamentazione la tendenza consiste nell’espandere il flusso del traffico fino al punto F determinato dall’intersezione della curva del
costo medio con la curva di domanda. In quel punto il costo privato sopportato dall’ultimo automobilista è uguale al beneficio ottenuto; egli non considera i costi di congestione imposti agli altri utenti. Il punto di ottimo è, come già visto, determinato dal
punto B. Per i punti superiori e inferiori a B i benefici ottenuti dall’utilizzatore della
strada (curva di domanda) sono inferiori ai costi che vengono imposti agli altri utenti
(i costi marginali esterni).
A
CMG
D
CMGS
G
B
C
D
E
CMS
F
CMGE
O
Figura 8.4 - Le esternalità dovute alla congestione del traffico.
228
Traffico
Se risulta facile rappresentare geometricamente i costi di congestione difficile è la loro quantificazione, a causa soprattutto della relazione tra velocità e flusso (quantità di
veicoli o numero di passeggeri per auto/h).
Occorre innanzitutto stabilire per una data strada la relazione che descrive il costo
marginale privato per chilometri come funzione della velocità (v) misurato in km:
CMGP = CM = a+b/v
(8.6)
dove (b) è il valore dell’unità di tempo per gli occupanti dell’autoveicolo e (a) il costo fisso per km.
CMGP rappresenta il costo aggiuntivo percepito dall’utilizzatore della strada che sceglie di percorrere un chilometri addizionale. Esso rappresenta anche il costo medio
(CM) del veicolo per chilometri. Non si vede infatti perché debba esistere una differenza tra l’ultimo utilizzatore della strada e gli altri utenti.
Successivamente occorre stabilire un relazione tra velocità e flusso (F). Normalmente viene ipotizzata l’esistenza di una relazione lineare:
v = a-b F
(8.7)
Si può sostituire questa relazione nella espressione (8.6) in modo da renderla funzione di F:
CMGP = CM = a (b/a-b F)
(8.8)
Moltiplicando l’equazione (8.8) per il flusso del traffico si ottiene il costo totale sociale CTS:
CTS = aF+ bF/(a- b F)
(8.9)
Differenziando la (8.9) rispetto al flusso del traffico si ottiene il costo marginale sociale CMGS:
CMGS = a + a b/(a-b F)2
(8.10)
Sottraendo il costo marginale privato dal costo marginale sociale e moltiplicando
per F si ottiene il costo marginale esterno CMGE :
CMGE = (CMGS-CMGP) F
Anche in questo caso vari sono i metodi utilizzati nella letteratura per valutare i vari elementi di costo. Il metodo a cui si fa normalmente riferimento consiste nel confrontare il tempo utilizzato per il trasporto con quello che potrebbe essere impiegato in
situazione senza traffico. La congestione si può misurare anche indirettamente facendo riferimento al rapporto fra densità dei veicoli e capacità stradale o al numero di ingressi in una o più zone predefinite.
Stime di larga massima del danno monetario arrecato ogni anno a livello nazionale
229
D A T ID I
forniscono un ordine di grandezza di 10.000 miliardi. La rilevanza del problema è dovuta agli effetti cumulativi che derivano dalla congestione riguardanti l’incremento
dell’inquinamento atmosferico, la decentralizzazione delle attività economiche e il
problema del pendolarismo.
8.6.5 Utilizzo del suolo
Uno dei problemi che sorge quando si deve valutare il costo sociale del trasporto urbano è se prendere in considerazione anche l’uso del suolo urbano. La teoria non è
sempre d’accordo, dato che per il terreno utilizzato per la costruzione delle infrastrutture stradali viene di solito pagato un prezzo, per cui non dovrebbe essere considerato un effetto esterno. Considerarlo come tale significa che il prezzo del suolo non riflette la scarsità sociale della risorsa.
In relazione alla stima del consumo di suolo urbano dovuto alla sosta dei veicoli di
solito vengono proposti tre metodi di stima:
a) il costo-opportunità dello spazio stradale costruito;
b) la disponibilità a pagare manifestata dagli automobilisti;
c) il costo-opportunità in relazione ai flussi di traffico.
Il primo metodo pone problemi soprattutto in relazione all’identificazione del valore dello spazio stradale che dipende principalmente dalla localizzazione e dalla densità dell’area. La determinazione della disponibilità a pagare, ricavabile dalle tariffe
per i parcheggi e dal valore di un posto macchina in un garage, è posta in relazione al
livello di controllo e sanzionamento del divieto di parcheggio illegale, al periodo e alla localizzazione del parcheggio. Il terzo metodo stima invece il rallentamento del traffico sulla base di un modello di simulazione della velocità di percorrenza in relazione
alla larghezza della strada. Sono ovviamente necessarie ipotesi sulla distribuzione del
flusso di traffico nell’arco della giornata e una stima del valore del tempo.
8.6.6 Costi totali esterni dei trasporti
Alcuni studi hanno cercato di quantificare il costo sociale dei trasporti. Per esempio,
secondo uno studio condotto da ECOTEC (1994) riguardante i paesi della comunità
economica europea, le esternalità derivanti dall’uso dei trasporti su gomma (inquinamento atmosferico, rumore, incidenti, altri effetti ambientali) risultano equivalenti a
circa il 2% del PIL dei paesi presi in considerazione (Francia, Germania, Italia, Olanda, Inghilterra e Spagna). La percentuale non comprende i costi di congestione e in relazione ai costi degli incidenti viene considerata solo la quota non compresa nei premi
di assicurazione (perdita di produzione, costi legali, perdita di valore umano in termini di dolore ecc.). Volendo applicare tale percentuale alla realtà italiana e considerando anche i costi di congestione, stimati pari al 2,1% del PIL, si ottiene una dimensione dei costi esterni equivalente al 4% del PIL e cioè in valori assoluti circa 65.000 miliardi di lire 1994.
Il dato a cui si fa riferimento è certamente grossolano e va preso in considerazione
solo come grandezza di prima approssimazione, da utilizzarsi quindi con estrema
cautela. Come risulta infatti dalla tabella 8.5, dove vengono riportati i risultati di alcune ricerche riguardanti la valutazione dei costi esterni relativi al trasporto, l’elemento
caratterizzante è costituito dalla loro estrema variabilità. I dati assumono infatti valori compresi tra 1% e 10% del PIL.
230
Inq. aria
Rumore
Altri c.e.
Grupp, 1986
0,41
0,08
0,08
0,79
-
1,35
Placo, 1990
0,67
0,09
0,18
1,08
-
2,06
Upi, 1991
1,39
1,98
3,34
3,16
-
9,86
Ecoplan,
1992
0,68
0,52
0,21
0,28
0,07
1,76
Infras, 1992
0,72
0,71
0,47
0,26
0,21
2,36
MacKenzie,
1992
0,71
0,17
0,48
1,05
1,91
4,32
0,27-0,38
0,06
0,49
0,14
1,02
Ce, 1988
Willeke,
1990
0,90
Cetur,1984
0,35
Cost, 313
Ecoplan, 1991
Incidenti Congestione
Totale
0,36-0,78
0,57
Tabella 8.5 - Costi esterni dovuti al trasporto % PIL (Fonte: T&E, Getting the price right, 1993).
Va sottolineato come altre ricerche riguardanti la valutazione del costo sociale del
trasporto attribuiscano a tale attività stime ancora più elevate. Per esempio, in una rassegna effettuata dall’OCSE (OECD, 1994), la valutazione dei danni derivanti dal trasporto è significativamente più elevata variando tra 1,5 e 10,7 del PNL così suddivisi:
• incidenti
• rumore
• inquinamento locale
• congestione:
1,5-2%
0,3%
0,4%
2-3% tempo addizionale di un percorso urbano
confrontato con situazione senza traffico
I dati citati sono valori medi ottenuti sulla base dei risultati di varie ricerche condotte a livello internazionale utilizzanti metodologie di valutazione diverse. Ancora una
volta, tali dati rappresentano valori approssimativi e devono essere utilizzati con cautela. Essi forniscono comunque un ordine di grandezza a cui fare riferimento.
231
D A T ID I
232
Bibliografia
Agence Internationale de l’energie , 1992.
L’utilisation rationelle de l’énergie et de l’environnement. Paris, OCDE.
Agence Internationale de l’energie, 1993.
Taxing energy: why and how? Paris, OECD.
Arnott, R., Kraus, M. 1993. The Ramsey Problem for Congestible Facilities. Journal of Public
Economics, 50: 371-396.
Barde, J. P., Button, K. (eds.) 1990. Transport
Policy and the Environment, Earthscan
Publications.
Bateman et al. 1994. Extending Cost Benefit
Analysis of UK Highway Proposals.
Environmental Evaluation and Equity. Project
Appraisal, 8, 4, 213-224.
Bayliss, D. 1990. Urban Traffic Management.
In: ECMT e OECD (eds.).
Blomquist, G. 1979. Value of Life Saving:
Implications of Consumption Activity. Journal
of Political Economy, 78, 3.
Bruno, S., Mazzocchi, G. (a cura di) 1973. La
congestione del traffico: effetti e rimedi. Angeli,
Milano.
Button, K. 1990. Environmental externalities
and transport policy. Oxford Review of
Economic Policy, 6, (2), 61-75.
Button, K. 1992. Alternatives to Road Pricing.
In: Frey e Langloh.
Button, K. 1993. Transport Economics.
Edward Elgar, Cheltenham.
Cameron, M . 1991. Transportation Efficiency:
Tackling Southern California’s Air Pollution
and Congestion, Environmental Defence Fund,
Regional Institute of Southern California.
Cellerino, R. 1995. Effetti ambientali del settore
trasporti e provvedimenti fiscali. Unicrea, Pavia.
Chillemi, O. 1994. Una Stima del Valore per l’Italia del Valore Economico di una Vita Umana
Anonima. Economia Pubblica, 6, 299-303.
Commission of the European Communities
1991. CORINAIR Working Group on Emission
Factors for Calculating 1990 Emissions from
Road Traffic, Bruxelles.
Commission of European Communities
1992. Green Book on the Impact of Transport
on the Environment, Brussel.
Dahl, C., Sterner, T. 1991. Analysing Gasoline
Demand Elasticity: A Survey, Energy
Economics.
Danielis, R.1993. Trasporti e ambiente: tendenze e politiche nel Regno Unito. Economia Pubbli ca, 6, 267-279.
Danielis, R. 1995. La valutazione del costo sociale dei trasporti: metodi e risultati. Economia
pubblica, 2, 75-101.
Deakin, E. 1990. The United States. In: Barde,
J. P. e Button, K.
Dehez, P. e Drèze, J. 1982. State Dependent
Utility, the Demand for Insurance and the Value
of safety. In Jones-Lee M. (eds.). The Value of
Life and Safety, North-Holland, Amsterdam.
233
D A T ID I
Dockery, D.W. et al. 1993. An Association
between Air Pollution and Mortality in US
Cities. New England Journal of Medicine, 329:
1753-59.
Downs, A. 1962. The Law of Peak-Hour
Expressway Congestion. Traffic Quarterly, 16:
393-409.
Dublin, L.I. e Lotka, A.J. 1946. The Money
Value of a Man, London, Ronald Press.
ECMT 1994. Charging for the Use of Urban
Roads. OECD, Paris.
ECMT e OECD 1990. Transport Policy and the
Environment. ECMT Ministerial Session, Paris.
Ecotec 1994. Cost Benefit Evaluation of the Fifth
Environmental Action Programme: Transport
Sector. Final Report to the Commission of the
European Communities, Brussel.
Externe Project 1995. Externalities of Fuel
Cycles. Commission of European Communities,
DGXII Working Document, Brussel.
Frankel, M. 1979. Hazard Opportunity and
the Valuation of Life, Unpublished Manuscript. Department of Economics, University
of Illinois, Champaign-Urbana, IL.
Frey, R., Langloh, P. (eds.) 1992. The Use of
Economic Instruments in Urban Travel
Management, WWZ, Basel.
Ghosh, D., Lees, D., Seal, W. 1975. Optimal
Motorway Speed and Some Valuation of Time
and Life. Manchester School of Economic and
Social Studies, 43, 134-143.
Hansson, L. Marckham, J. 1992. Internalization of External Effects in Transportation.
IRU, Paris.
Jones-Lee, M. 1976. The Value of Life: An
Economic Analysis. University of Chigaco
Press, Chicago.
Jones-Lee, M. 1979. Trying to Value a Life:
Why Broome do not Sweep Clean? Journal of
Public Economics, 10, 249-256.
Jones-Lee, M. 1990. The Value of Transport
Safety. Oxford Review of Economic Policy, 6, 2,
39-58.
Jones-Lee, M., Hammerton, M., Philips, P.
1985. The Value of Transport Safety: Results of
a National Sample Survey. The Economic
Journal, 95, 49-72.
Kanafani, A. 1983. The Social Cost of Road
Transport. OECD, Paris.
Kling, C. 1994. Emission Trading vs. Rigid
Regulations in Control of Veichle Emissions.
Land Economics, May, 74-118.
Lave, L., Seskin, E. 1973. An Analysis of the
Association between US Mortality and Air
Pollution. Journal of the American Statistical
Association, 68, 342, 284-290.
Lave, L., Seskin, E. 1977. Air Pollution and
Human Health . Johns Hopkings University
Press, Baltimore.
Le Net, M. 1992. Le Prix de la Vie Humaine,
Report for General Commission for the Plan,
Paris.
Lipfert, F.W. 1984. Air Pollution and
Mortality: Specification Searches Using SMSABased Data. Journal of Enviromnental Econ. and
Management, 11, 371-382.
Litai, D. 1980. A Risk Comparison Methodology for the Assessment of Acceptable Risk.
PhD Thesis, MIT.
Hurley, F. 1994. Health Effects: Air Pollution
from Power Generation. Mimeo, Institute of
Occupational Medicine, Edinburgh.
M&T 1991. Revisioni delle auto in linea con
l’Europa, marzo, 8-12.
Jansson, J.O. 1994. Accident Externality
Charges. Journal of Transport Economics and
Policy, 28, 31-43.
Maclean, A. 1979. The Value Of Public Safety:
Results of a Pilot Scale Survey. Home Office
Scientific Advisor Branch, London.
234
Maddala, G. S. 1977. Econometrics. McGraw
Hill, New York.
Maddison, D. et al. 1996. The True Costs of
Road Transport. Earthscan, London.
Maier, G., Gerking, S., Weiss, P. 1989. The
Economics of Traffic Accidents on Austrian
Roads: Risk Lovers or Policy Deficit? Mimeo,
Wirtschaftuniversitaet, Vienna.
Marin, A., Psacharopoulos, G. 1982. The
Reward for Risk in the Labour Market:
Evidence from United Kingdom and a
Reconciliation with Other Studies. Journal of
Political Economy, 904, 827-853.
May, A. 1986. Traffic Restraint: a Review of
the Alternatives. In: Button.
Melinek, S. 1974. A Method for Evaluating
Human Life for Economic Purposes. Accident
Analysis and Prevention, 6, 103-114.
Ministero dell’Ambiente 1992. Relazione sullo
stato dell’ambiente. Istituto Poligrafico e Zecca
dello Stato, Roma.
Mishan, E. J. 1971. Cost benefit Analysis. London, George Allen and Unwin.
Needleman, L. 1980. The Valuation of Change
in the Risk of Death by Those at Risk. University of Waterloo, Working Paper n. 103.
Newbery, D. M. 1990. Pricing and Congestion: Economic Principles Relevant to Pricing
Roads. Oxford Review of Economic Policy, vol. 6,
2, 22-38.
OECD 1988. Transport and the environment.
Paris.
OECD 1992. Market and Government Failures
in Environmental Management. The Case of
Transport, Paris.
OECD 1994. Internalising the Social Cost of
Transport. ECMT, Paris.
OECD 1995. Motor Vehicle Pollution. Reduction Strategies Beyond 2010, Paris.
ORNL/RFF 1992. US-EC fuel Cycle Study:
Background Document to the Approach and Issue. Prepared by Oak Ridge National Laboratory and Resources for the Future ORNL/M2500, November.
Ostro, B. 1983. The Effects of Air Pollution on
Work Loss and Morbidity. Journal of Environmen tal Economics and Management, 10, 371-382.
Ostro, B. 1987. Air Pollution and Morbidity
Revisited : a Specification Test. Journal of
Environmental Economics and Management, 14,
87-98.
Pearce, D., Crowards, T. 1995. Assessing the
Health Costs of Particulate Air Pollution in the
UK. CSERGE Working Paper, London.
Pearce, D., Bahn, C., Georgiou, S. 1991. The
Social Cost of Fuel Cycle. Report to the UK
Department of Energy, CSERGE, University
College London and University of East Anglia. Also referenced in an earlier version as
1991.
Pearce, D., Markandya, A. 1989. Environmental Policy Benefits: Monetary Valuation. OECD,
Paris.
Persson, U. 1989. The Value of Risk Reduction: Results of a Swedish Sample Survey.
Mimeo, The Swedish Institute of Health
Economics.
Peterlini, E.M. 1993. Gestione integrata della
domanda di trasporto stradale: il Road Pricing.
Economia Pubblica, 6, 281-288.
Piacentino, D. 1987. La tassazione dell’automobilismo in Italia. Economia pubblica, 12, 611625.
Pierantoni, I. 1987. La valutazione della vita
umana nella giurisprudenza. Quaderni per la
ricerca, Serie Studi 13, Istituto di Studi sulle Regioni, CNR, Roma.
Pierantoni, I. 1989. La valutazione del danno
alla salute: il punto di vista economico, Quaderni per la ricerca, Serie Studi 17, Istituto di Studi
sulle regioni, CNR, Roma.
235
D A T ID I
Pigou, A.C. 1932. The Economics of Welfare,
London. Mac Millan trad. it., 1953, L’economia
del benessere, Torino, UTET.
Polidori, G. 1970. Congestione urbana: alcune
questioni sulla tassazione per l’uso delle strade.
Economia Pubblica, 19, 16-25.
Pompili, T. 1995. Road pricing: uno strumento
contro i costi della congestione del traffico urbano, (dattiloscritto). Università di Pavia.
Pompili, T. 1997. Aspetti Economici del Road
Pricing. Economia Pubblica, 3, 117-136.
Ponti, M. 1993. Elementi innovativi nelle analisi
di fattibilità dei progetti: tre ricerche nel settore dei
trasporti. Economia Pubblica, 7-8, 359-364.
Portney, P., Mullahy, J.1983. Ambient Ozone and
Human Health: an Epidemiological Analysis. Environmental Protection Agency, Washington.
Portney, P., Mullahy, J. 1986. Urban Air Quality and Acute Respiratory Illness. Journal of Ur ban Economics, 13.
Quinet, E. 1990. Le Cot Social des Transports
Terrestre, Monographies sur l’Environnement.
OCDE, n. 32.
Quinet, E. 1991. Pour une Définition de la Notion du Cot Social de l’Environnement, Economie Appliquée, 4, 67-77.
Quinet, E. 1994. The Social Costs of Transport:
Evaluation and Links with Internalisation Policies. In: OECD, 31-73.
Road transport Research 1985. Co-ordinated
urban transport pricing. OECD, Paris.
Robotti, L. 1985. Aspetti del trattamento fiscale
dell’energia. Economia pubblica, luglio-agosto,
363-372.
Rothengatter, W. 1990. Economic Aspects. In:
ECMT, OECD.
Schelling, T.C. 1968. The life you safe may be
your own, in Chase, S.B. Jr. 1978. Problems in
Public Expenditure Analysis, Washington, DC,
The Brookings Institution.
236
Seskin, E. 1979. An Analysis of Some ShortTerm Health Effects of Air Pollution in the
Washington DC Metropolitan Areas. Journal of
Urban Economics, 6, 275-291.
Shultz, F. 1987. The Economic Cost of Air
Pollution. Seminario The Future for Forest,
Londra.
Starr, C. 1976. General Philosophy of Risk
Benefit Analysis. In: Ashley, Rudman.
Tasgian, A. 1980. La valutazione economica
della vita umana. Aspetti teorici ed empirici,
Università di Torino, Giappichelli, Torino.
Tedeschi, P., Corielli, F . , F r i g i e r i , P . ,
Messori, A. 1995. Hedonic Prices and Air
Pollution in Milan. Terza Riunione
Scientifica degli Economisti Ambientali
Italiani, Pavia.
Thompson, J.M. 1977. Great Cities and their
Traffic. London, Peregrine (eds.).
Tietenberg, T. 1988. Environmental and
Natural Resource Economics. Glenview,
Illinois, Scott, Foresman and Co.
U S E P A 1986. Environmental Protection
Agency, Health Effects Assessment Summary
Tables, Washington DC.
Vigotti, M.A. et al. 1995. Inquinamento atmosferico e mortalità giornaliera nei residenti a Milano 1980/89. Risultati preliminari. Epidemiolo gia e Prevenzione, 19, 85-89.
Walters, A. 1961. The Theory and Management of Private and Social Cost of Highway
Congestion. Econometrica, 29, 676-699.
Weitzman, M.L. 1977. Is the Price System or
Rationing More Effective in Getting a
Commodity to Those who Need it Most. Bell
Journal of Economics, 8.
Whipple (eds.) Energy and Environment: A
Risk-Benefit Approach, Pergamon, Oxford.
Wilson J. 1983. Optimal Road Capacity in the
Presence of Unpriced Congestion. Journal of
Urban Economics, 13.
Sintesi delle attività
del progetto
D A T ID I
Coordinamento del Progetto
Responsabile:
Collaboratori:
Prof. Paolo Beltrame
Dr. Claudia Bianchi, Dr. Claudia Chiodaroli
Dipartimento di Chimica Fisica ed Elettrochimica Università di Milano
Unità operativa No. 1
Responsabile:
Collaboratori:
Tema:
Prof. Michele Giugliano
Dr. Stefano Cernuschi, Dr. Andrea Cemin, Dr. Francesco Marzolo, Dr. Giovanni Lonati
Dipartimento di Ingegneria Idraulica, Ambientale e
del Rilevamento - Politecnico di Milano (UOPOLIMI-1)
Elaborazione dei dati di qualità dell’aria per il supporto alle decisioni metodologiche e parametri per la valutazione delle emissioni da traffico in aree urbane
Risultati ottenuti:
Il corpus di dati elaborati comprende tutti i rilevamenti effettuati dalla rete regionale di monitoraggio della qualità dell’aria per il periodo 1989/94 nell’area omogenea di
Milano. Tale area è stata identificata in via sperimentale, stanti i rischi per la salute
pubblica dovuti al verificarsi di episodi acuti di inquinamento atmosferico nel territorio del comune di Milano e dei comuni viciniori, sulla base dei dati storici, meteoclimatici, dei dati riguardanti la densità della popolazione e della topografia del territorio interessato, nella Deliberazione della Giunta Regionale della Regione Lombardia
11 gennaio 1991, V/4780 e successivamente formalizzata in maniera definitiva nella
legge regionale 16 dicembre 1991, n. 36.
L’acquisizione dei principali parametri della statistica descrittiva delle serie temporali di dati ha permesso una prima valutazione della variabilità spazio-temporale delle grandezze in esame, fornendo inoltre delle indicazioni che hanno consentito di considerare tra loro omogenee le serie di dati utilizzate nelle successive elaborazioni. Questa iniziale valutazione ha anche evidenziato significative differenze tra i livelli di concentrazione dei diversi inquinanti osservati nelle stazioni di
monitoraggio, individuando gruppi di stazioni caratterizzate da livelli di concentrazione simili. La possibilità di descrivere le serie annuali dei dati orari di concentrazione con modelli di distribuzione teorici è stata verificata considerando l’adattabilità ai dati osservati della distribuzione lognormale a due parametri e della distribuzione di Weibull. Test statistici e valutazioni di tipo grafico hanno portato a
ritenere preferibile il modello lognormale in quanto più cautelativo nella stima dei
valori estremi delle distribuzioni osservate.
La dipendenza osservata è risultata ben descrivibile con una semplice formulazione
di tipo empirico, la cui struttura considera adeguatamente la natura dei principali
meccanismi di trasformazione fotochimica che ne determinano i livelli di concentrazione relativi in atmosfera.
238
SINTESI DELLE ATTIVITÀ DELPROGETTO
Con tecniche svariate, di cui si è valutato anche il riscontro nei risultati, basate sul
rapporto NO2/NOx e su approcci di tipo “modelli al recettore”, si è stimato il contributo delle fonti di NOx in ciascun punto di misura dell’area.
Sull’ipotesi di quasi fotostazionarietà a lungo termine è stato sviluppato un modello semiempirico per la descrizione delle concentrazioni medie annuali di O3 in funzione della corrispondente grandezza per gli NOx, mentre con approccio totalmente empirico ne è stato formulato un successivo affinamento per la stima delle concentrazioni su base mensile. Con il medesimo approccio è stato infine messo a punto un modello per la descrizione del numero mensile di superamenti dello standard in funzione della corrispondente concentrazione media mensile di ozono.
Responsabile:
Collaboratori:
Tema:
Prof. Giovanna Finzi
Dr. Giuseppe Calori, Dr. Carlo Mazzola, Dr. Antonio
Visioli, Dr. Luisa Volta
Dipartimento di Ingegneria Idraulica, Ambientale e del
Rilevamento - Politecnico di Milano (UOPOLIMI-2)
Un sistema di supporto alle decisioni per la valutazione della qualità dell’aria in area urbana. Implementazione e applicazione alla città di Milano
Risultati ottenuti:
Oggetto dello studio è l’analisi del fenomeno dell’inquinamento fotochimico in un’area
di circa 100 km2 centrata sulla città di Milano, interessata da un’intensa attività antropica.
L’obiettivo fondamentale del lavoro è consistito nell’esaminare, attraverso un approccio modellistico, il problema fotochimico nella sua globalità, studiando la correlazione fra lo spettro emissivo inquinante e le principali reazioni chimico-fisiche inorganiche e organiche presenti in atmosfera.
Tale approccio può costituire uno strumento essenziale per il controllo dell’inquinamento, la pianificazione del territorio e la programmazione delle attività industriali e urbane, la valutazione dello stato attuale della qualità dell’aria e la progettazione
di interventi mirati al risanamento.
Parallelamente la ricostruzione del campo meteorologico e termodinamico ha messo in evidenza che il periodo scelto per la simulazione era contraddistinto da una debole circolazione anemologica, con direzione dei venti prevalente S SO e da assenza di
precipitazioni, forte irraggiamento solare e conseguenti significative inversioni termiche in quota durante il giorno.
I risultati ottenuti simulando l’episodio di inquinamento estivo della durata di cinque giorni hanno mostrato un buon accordo con i dati sperimentali disponibili, evidenziando una significativa correlazione sia per quanto riguarda i trend evolutivi che
per i valori assoluti dei livelli di concentrazione al suolo dei diversi inquinanti.
Particolarmente interessanti si sono rivelati i risultati relativi all’ozono, comunemente assunto come indicatore della presenza di smog fotochimico, e quelli delle specie acide, di particolare importanza nelle problematiche ambientali urbane.
239
D A T ID I
La simulazione ha messo inoltre in evidenza una certa sottostima dei livelli di concentrazione del monossido di carbonio, pari in alcuni casi anche al 100% del valore misurato. La causa di tale discordanza è prevalentemente da attribuire alla difficoltà di
effettuare una corretta ricostruzione delle emissioni da traffico, in quanto il profilo
emissivo di CO dipende fortemente (varia di due o tre volte) anche dallo stato di manutenzione dei veicoli, parametro non facilmente quantificabile.
Un altro risultato emerso dalle simulazioni è lo stretto legame fra il trasporto delle
masse d’aria inquinate e la loro trasformazione chimica a seconda che attraversino siti urbani o rurali.
La simulazione, inoltre, ha evidenziato la possibilità di ricostruire e comprendere i
rapporti e le correlazioni fra i fattori meteorologici, i contributi emissivi e gli equilibri
cinetici e termodinamici che si instaurano fra le specie chimiche prese in esame, e
quindi l’influenza relativa fra zone a diverso grado di urbanizzazione.
Responsabile:
Tema:
Prof. Luigi Fortina
Dipartimento di Ingegneria Idraulica e Ambientale Università degli Studi di Pavia (UOUNIPV)
Analisi dei parametri e dei meccanismi di trasformazione e rimozione degli inquinanti in atmosfere urbane
Risultati ottenuti:
Nel caso specifico di Milano e della zona omogenea i dati attualmente disponibili relativamente alle specie organiche sono estremamente pochi sia per quanto concerne i
termini di generazione sia per quanto attiene alla loro concentrazione nell’atmosfera;
questo implica la necessità di disaggregare più che di aggregare le informazioni sui
COV. Si sottolinea inoltre la scarsa conoscenza delle caratteristiche quali-quantitative
delle emissioni, fatto che rende problematico definire tanto le condizioni al contorno
quanto disaggregare i COV al punto da renderli utilizzabili da parte del modello.
Responsabile:
Collaboratore:
Tema:
Ing. Antonio Negri
Dr. Giorgio Catenacci
CISE-Segrate (UOCISE)
Organizzazione e analisi dei dati di qualità dell’aria
nell’area urbana di Milano
Risultati ottenuti:
Il territorio della provincia di Milano è sede di un’articolata rete di monitoraggio automatica, che conta qualche decina di stazioni ed è in funzione, con continui aggiornamenti, da circa un ventennio.
240
Inoltre, la qualità dell’aria nell’area urbana di Milano è stata oggetto, specialmente a
partire dagli anni Ottanta, di intense attività di studio e di rilievo sul campo, condotte
da numerosi enti e istituti, sia pubblici che privati.
Va sottolineato che le ricerche condotte durante gli ultimi vent’anni hanno prodotto una notevole mole di dati, sicuramente indispensabili a completare il panorama
delle conoscenze sull’area milanese, ma certamente non omogenei tra loro e non tutti
disponibili e di facile accesso.
Si è ritenuto, pertanto, che fosse un obiettivo utile al miglioramento delle conoscenze tecnico-scientifiche in materia di qualità dell’aria il reperire e rendere disponibili
agli addetti e ai ricercatori tali dati e informazioni, ma anche che occorresse, a valle del
loro reperimento, prevederne una fase di analisi e di organizzazione, che implicasse
la loro classificazione e la valutazione della relativa completezza, affidabilità, comparabilità e utilizzabilità ai fini del progetto.
La ricerca in oggetto è dunque finalizzata a censire, raccogliere, organizzare e valutare criticamente le informazioni esistenti, rendendole, infine, disponibili, in formato
quanto più generalizzato possibile, a tutti i soggetti interessati.
Responsabile:
Collaboratore:
Tema:
Dr. Roberto Fanelli
Dr. Enrico Davoli
Istituto di Ricerche Farmacologiche “Mario Negri”
(UOMANE-1)
Identificazione e misura di inquinanti volatili da traffico nell’aria di Milano
Risultati ottenuti:
L’obiettivo di questa ricerca è stato quello di ottenere dati sulle concentrazioni di
alcuni inquinanti presenti comunemente nelle aree urbane ad alta intensità di traffico e per i quali esiste una carenza di informazione per l’area metropolitana di Milano. È da ricordare che la scarsità di informazioni è in genere legata al fatto che
composti come quelli oggetto dell’indagine quali idrocarburi policiclici aromatici
(IPA), policlorobifenili (PCB), policlorodibenzo-p-diossine (PCDD), policlorodibenzofurani (PCDF) e, fino a poco tempo fa, il benzene non sono attualmente regolamentati nell’atmosfera; l’ottenimento di dati sulle concentrazioni atmosferiche di
questi composti è quindi generalmente frutto di iniziative sporadiche di ricerca
che, per quanto non sistematiche, possono dare informazioni utili a determinare
seppure con approssimazione lo stato dell’atmosfera in termini di rischio tossicologico.
È stata programmata una settimana di campionamenti con inizio il martedì 16 e termine la domenica 21 maggio 1995. Il campionamento veniva effettuato in continuo per
il benzene e il toluene e dalle ore 7:00 alle ore 19:00 di ogni giorno, fascia oraria in cui
si registrava la maggior densità di traffico autoveicolare.
È stato inoltre monitorato il volume del traffico, in questa settimana, dalle ore 6:00
alle ore 22:00, con una telecamera in postazione fissa.
241
D A T ID I
È stata effettuata la campagna invernale di monitoraggio durante il periodo tra il 19
e il 27 febbraio 1996. Le attività di rilevamento sono state svolte presso l’Istituto “Mario Negri” come nella campagna precedente.
È stato reso operativo il monitoraggio del benzene su di un mezzo mobile. Sono infatti state eseguite delle modifiche allo strumento automatico perché potesse funzionare a batterie, ed è stato approntato un veicolo elettrico, a zero emissioni, che permettesse un rilevamento delle concentrazioni di benzene nella cabina di guida durante la circolazione nel traffico cittadino.
Responsabile:
Tema:
Dr. Antonio Rolla
Stazione Sperimentale per i Combustibili - San Donato Milanese (Milano) (UOCOMB)
Valutazione della concentrazione nell’aria di Milano dei microinquinanti organici volatili, tra cui benzene, butadiene e aldeidi ad alta rilevanza tossicologica
Risultati ottenuti:
Si può affermare che le determinazioni eseguite in due distinte campagne di misura,
nell’estate 1995 e nella primavera 1996, hanno evidenziato valori di qualità dell’aria
estremamente simili, in particolare per quanto riguarda gli idrocarburi aromatici più
rappresentativi (benzene, toluene, xileni, etilbenzene) e per i composti carbonilici ad
alta tossicità (formaldeide, acetaldeide).
Le concentrazioni di questi inquinanti appaiono decisamente basse e comunque
di molto inferiori a quelle solitamente riscontrate in postazioni in aree cittadine a
minor traffico; ciò è giustificato dal fatto che, essendo il traffico di tipo autostradale solitamente scorrevole e caratterizzato da autoveicoli che procedono a velocità
sostenuta, l’efficienza di combustione dei motori è elevata e ciò comporta una bassa emissione di inquinanti dagli scarichi degli autoveicoli.
Un altro fattore che può aver provocato condizioni favorevoli per la qualità dell’aria è la circostanza che la postazione dove sono state effettuate le indagini non
presenta nelle vicinanze grossi ostacoli che possano in qualche modo opporsi alla
dispersione degli inquinanti.
L’incidenza delle condizioni climatiche inoltre influisce in modo decisivo sulla
qualità dell’aria; come già affermato precedentemente, le condizioni di stabilità atmosferica che prevalgono nelle ore notturne favoriscono valori di concentrazione
degli inquinanti durante la notte spesso superiori rispetto alle ore diurne.
A causa del basso inquinamento nella zona sottoposta all’indagine non è stato
possibile ottenere informazioni sulla presenza dell’1,3-butadiene, sostanza inquinante particolarmente tossica che è presente nelle emissioni dei veicoli con motori
alimentati a benzina.
Particolarmente interessante il fatto che i valori di formaldeide, acetaldeide, benzene ed etilbenzene siano molto simili tra loro. Mentre il benzene e la formaldeide,
242
con l’impiego delle attuali benzine, sono presenti in concentrazioni simili anche
nelle emissioni degli autoveicoli, la quantità di acetaldeide e di etilbenzene negli
scarichi è decisamente inferiore.
Ciò fa presumere che un sostanziale contributo alla quantità di acetaldeide e di
etilbenzene sia dovuto a sorgenti non di origine autoveicolare e/o a trasformazioni da altri componenti organici presenti nell’aria.
Responsabile:
Tema:
Dr. Anna Maria Ronchi
Profilo, quali-quantitativo di metalli in traccia e ultratraccia nel particolato ambientale nella città di Milano
Risultati ottenuti:
La ricerca è stata condotta nei giorni compresi tra lunedì 19 e lunedì 26 febbraio
1996.
Si riportano di seguito i parametri chimici monitorati:
anidride solforosa - SO 2 ; monossido di carbonio - CO; ozono - O 3; monossido di
azoto - NO; biossido di azoto - NO 2; metano - CH 4; idrocarburi non metanici totali
(TNMH); particolato totale.
Per quanto riguarda i parametri metereologici, sono stati determinati:
temperatura dell’aria; umidità relativa percentuale; pressione atmosferica; direzione del vento; velocità del vento; irraggiamento; precipitazioni (pioggia).
Responsabile:
Tema:
Dr. Antonio Febo
Istituto dell’Inquinamento Atmosferico - CNR, Area
della Ricerca di Roma (UOCNR)
Evoluzione chimica e fisica degli inquinanti atmosferici nella città di Milano
Risultati ottenuti:
I risultati della ricerca condotta nell’area urbana di Milano hanno evidenziato:
• l’importanza fondamentale di acquisire informazioni quali-quantitative sulle condizioni dinamiche dei livelli più bassi dello strato limite planetario, al fine di poter
effettuare una corretta interpretazione degli andamenti temporali delle concentrazioni degli inquinanti;
• la rilevanza dei processi fotochimici sia nei mesi estivi che in quelli invernali; tale
studio ha permesso di evidenziare come la città di Milano sia fortemente interessata da questo tipo di fenomeni, a causa della frequente occorrenza di condizioni
meteorologiche particolarmente sfavorevoli.
243
D A T ID I
Responsabile:
Collaboratori:
Tema:
Prof. Marco Maroni
Dr. Daniela Alcuni, Dr. Paolo Carrer, Dr. Domenico Cavallo, Sig. Franco Visigalli, Prof. Antonio Colombi, Dr.
Marina Buratti, Dr. Andrea Basso, Dr. Elisabetta Ploia
Istituto di Medicina del Lavoro - Università di Milano
(UOCLMI)
Caratterizzazione dell’esposizione a inquinanti atmosferici aerodispersi in soggetti residenti a Milano
Risultati ottenuti:
Lo studio ha eseguito la caratterizzazione dell’esposizione personale ai principali inquinanti presenti nell’aria di 100 soggetti mediante monitoraggio ambientale e personale, monitoraggio biologico, e la valutazione di alterazioni del comfort e di effetti sulla salute di tipo acuto a breve termine mediante questionario standardizzato che i soggetti allo studio hanno compilato. Ogni soggetto è stato monitorato per un’intera giornata mediante campionamento personale frazionato in più fasi in modo da quantificare separatamente i livelli di esposizione relativi al tempo trascorso nei diversi ambienti di vita.
L’analisi dei risultati del monitoraggio dell’esposizione personale e lo studio delle associazioni tra dati ambientali, dati biologici, alterazioni del comfort ed effetti
sulla salute di tipo acuto rilevati come sopra descritto, ha condotto ad alcuni rilievi
interessanti:
• Gli ambienti indoor, abitazione e ufficio, sono risultati determinare la porzione prevalente di esposizione ai vari inquinanti indagati (dall’80 al 95% a seconda dell’inquinante).
• Le concentrazioni più elevate sono state riscontrate nel comparto ufficio, mentre
appare di interesse il rilievo nel comparto tragitti, di livelli di esposizione significativamente più elevati nei soggetti che avevano utilizzato l’automobile rispetto a quelli che avevano utilizzato il tram o la metropolitana. L’esposizione
attiva e passiva a fumo di sigaretta è risultata importante nel determinare i livelli
di esposizione a questi composti.
• Per quanto concerne la sintomatologia riferita dai soggetti si è evidenziata
un’associazione significativa tra i livelli di TVOC e la prevalenza di sintomi di tipo neurosensoriale (testa pesante e mal di testa) lamentati dai soggetti di sesso
femminile durante i tragitti.
• Per quanto concerne gli effetti di tipo cancerogeno, i dati di esposizione a benzene consentiranno la stima di rischio di casi aggiuntivi di leucemia per la popolazione di Milano.
• L’esposizione personale a formaldeide è risultata nel complesso contenuta e non
tale da determinare effetti avversi sulla salute. Per quanto concerne il sospetto di
cancerogenicità di questo composto, al momento le indicazioni sono molto limitate e non consentono valutazioni a tale proposito.
• Allo stesso modo sono risultati correlati tra loro i livelli di esposizione a composti
organici volatili totali, benzene, toluene e xileni; per tali composti le principali sor-
244
genti di esposizione appaiono essere costituite dal fumo attivo e passivo e dalle
emissioni dei gas di scarico.
• Il fumo attivo e quello passivo sono risultati influenzare in maniera importante
l’esposizione ai composti organici volatili totali e singoli. Una discreta percentuale di soggetti (40%) si è lamentata per la presenza di fumo eccessivo negli ambienti di lavoro. Per quanto concerne la valutazione dell’esposizione a fumo mediante
indicatori biologici, benzene e toluene ematici e acido trans,trans-muconico e cotinina urinaria sono risultati discriminare i soggetti fumatori dai soggetti non fumatori. La determinazione della cotinina urinaria appare essere l’indicatore di
scelta per caratterizzare l’esposizione a fumo.
Responsabile:
Tema:
Dr. Claudio Minoia
Indicazione di dose esterna e di dose interna nella valutazione dell’esposizione ambientale a metalli e a
idrocarburi policiclici aromatici in residenti della città
di Milano
Risultati ottenuti:
Lo studio dei microinquinanti in area urbana, in particolare per sostanze “possibili”
cancerogene quali per esempio il benzo[a]pirene, richiede metodi di valutazione nei
quali venga privilegiata la disponibilità di dati mirati alla quantificazione delle dosi di
xenobiotici inalati dalla popolazione generale piuttosto che a valori limitati ai livelli di
inquinamento esterno.
In questo contesto l’impiego di campionatori personali, in sostituzione dei convenzionali “campionatori d’area” o “postazioni fisse” rappresenta un elemento di novità
in quanto permette, predisponendo opportuni protocolli e strategie di monitoraggio,
di arrivare a disporre di livelli di inquinamento ambientale sia in ambiente esterno che
in ambiente confinato (abitazione, ufficio).
Nella presente ricerca, che ha interessato 50 soggetti residenti a Milano, è stata impiegata la dosimetria individuale nel monitoraggio ambientale degli idrocarburi policiclici aromatici (IPA) e di cinque elementi in traccia, quali Pb, Pd, Pt, Ni e V.
Accanto al monitoraggio ambientale degli IPA è stata altresì valutata la possibilità di
utilizzare un biomarker come l’1-idrossipirene che costituisce un indicatore biologico il cui
uso è stato già convalidato per soggetti professionalmente esposti a IPA. Concordemente con altri recenti studi condotti sulla popolazione generale è emerso che l’abitudine al
fumo costituisce una variabile significativa in grado di elevare sensibilmente l’escrezione
urinaria del metabolita. Ne deriva che l’apporto di pirene col fumo di sigaretta, senza sottovalutare l’apporto alimentare della stessa sostanza con la dieta, rendono di fatto non
proponibile l’impiego dell’1-idrossipirene urinario come biomarker per la popolazione generale. Un suo utilizzo potrebbe essere limitato al monitoraggio di gruppi di popolazione esposti a sorgenti di IPA di origine non veicolare (per esempio derivanti da insediamenti industriali localizzati in aree periferiche della città).
245
DATI DI INQUINAMENTO A T M O S F E R I C OD E L L ’AREA METROPOLITANA MILANESE
Responsabile:
Collaboratore:
Tema:
Prof. Carlo La Vecchia
Dr. Luisa Airoldi
(UOMANE-2)
Misura degli addotti all’emoglobina di inquinanti atmosferici specifici come indice di esposizione e di rischio
Risultati ottenuti:
Il benzo[a]pirene (BP), il più studiato degli IPA, esercita la sua azione solo dopo conversione citocromo P-450 dipendente a diidrodiolo e successivamente a dioloepossido, il quale forma legami covalenti con il DNA e con le proteine. In seguito a idrolisi enzimatica o
acida dell’emoglobina si libera il tetraolo del BP (BPT), la cui misura può essere utilizzata
come indicatore di esposizione.
La misura di marcatori biologici di esposizione a cancerogeni ambientali e l’uso di questi
marcatori in studi di epidemiologia molecolare sono spesso resi difficili dalla mancanza di
metodi adeguati. Tali metodi devono essere in grado di rilevare esposizioni a basse concentrazioni ambientali di cancerogeni ed è quindi richiesta una elevata sensibilità e specificità.
Nell’ambito di questo studio è stato messo a punto un metodo per la purificazione/estrazione selettiva di BPT dai campioni biologici mediante cromatografia di immunoaffinità e l’analisi quantitativa del composto mediante gascromatografia ad alta risoluzione accoppiata
alla spettrometria di massa con ionizzazione chimica e registrazione di ioni negativi selezionati (HRGC-NICI-SIR).
Il metodo è stato utilizzato per misurare l’esposizione a IPA ambientali in un gruppo di dipendenti del Comune di Milano. Il limite di sensibilità del metodo era ≤ 0,05 fmol BPT/mg Hb.
I risultati indicano che il 12% dei soggetti reclutati durante il periodo estivo aveva livelli di
BPT misurabili, mentre nella rimanente parte dei campioni il livello degli addotti era inferiore al limite di sensibilità del metodo (≤ 0,05 fmol/mg Hb). Nei soggetti reclutati in inverno la
percentuale di positivi era simile (16%). La media dei valori osservati in inverno era circa 4,5
volte superiore a quella osservata in estate. Questa differenza era al limite della significatività.
Responsabile:
Collaboratori:
Tema:
Prof. Paolo Carniti
Prof. Vittorio Ragaini, Prof. Pierluigi Beltrame, Dr. Antonella Gervasini, Dr. Antonella Castelli
Dipartimento di Chimica Fisica ed Elettrochimica - Università di Milano (UOCFMI).
Eliminazione di effluenti tossici gassosi nella termodistruzione di rifiuti e scarti industriali
Risultati ottenuti:
Si sono condotte prove di deidroclorurazione di PVC in ambiente acquoso. Tuttavia si è potuto evidenziare che la hydrous pyrolysis del PVC può essere ottenuta facilmente con una de-
246
gradazione molto spinta del polimero a dare una fase gassosa costituita essenzialmente
da idrogeno, acido cloridrico che rimane nella fase acquosa, e un residuo solido carbonioso, che spingendo ulteriormente la degradazione dovrebbe dar luogo a un solido poroso utilizzabile come supporto o materiale assorbente. Conducendo la reazione in condizioni più blande in vetro Pyrex si è evidenziato l’effetto catalitico di alcuni cloruri, in
particolare cloruro di ferro e di zinco, sulla degradazione del PVC. L’impiego di alcune
molecole modello, in grado di simulare la struttura regolare e i difetti del PVC, suggerisce che con cloruro di zinco in acido cloridrico acquoso la reazione di deidroclorurazione
può iniziare anche su siti in cui il Cl è legato ad atomi di carbonio primario o secondario.
La reazione sul PVC potrebbe quindi iniziare anche sulla struttura ordinata e non solo su
difetti strutturali costituiti da atomi di cloro legati a carboni terziari. Ovviamente essendo
gli atomi di Cl terziari più reattivi, la presenza di tali difetti facilita la reazione.
Nel campo della combustione di COV, è stata studiata la combustione catalitica assistita da ozono di inquinanti appartenenti a diverse classi di prodotti, anche clorurati, tra i più
importanti reflui industriali. I COV sono stati impiegati sia singolarmente che in miscela.
Le prove di abbattimento di diossine clorurate, condotte alimentando 1,2,3,4-TCDD
nell’impianto di combustione dei COV hanno mostrato la totale assenza di diossina
negli effluenti con l’impiego della ionizzazione/ozonizzazione, mentre la sola tecnica
termocatalitica classica lascia tracce (1%) dell’inquinante alimentato.
È stata studiata la combustione catalitica di COV assistita da ozono operando in impianto in scala di laboratorio e in impianto pilota. Si sono utilizzate diverse metodologie per valutare gli effetti della presenza dell’ozono e della possibile ionizzazione dei
composti organici nella combustione catalitica. Come composti organici da abbattere
sono stati considerati stirene puro, miscele di stirene e altri COV anche clorurati. Particolare attenzione è stata rivolta alla valutazione quali-quantitativa di sottoprodotti
tossici presenti negli effluenti gassosi della combustione. Tra i vari catalizzatori impiegati il cromito di rame si è mostrato particolarmente interessante mostrando attività paragonabile a quella dei più pregiati metalli nobili.
Nel campo dell’abbattimento di NOx, sono stati preparati nuovi catalizzatori per la
decomposizione catalitica di NO. Ci si è rivolti a catalizzatori amorfi a base di siliceallumina che presentano una maggiore stabilità meccanica e termica, oltre che una più
elevata resistenza al vapor d’acqua, rispetto ad analoghi catalizzatori cristallini (zeolitici), che rappresentano attualmente i sistemi più attivi per questo tipo di reazione.
I catalizzatori preparati sono stati caratterizzati nelle loro proprietà morfologiche e chimiche fondamentali, comparandole con quelle degli analoghi sistemi zeolitici. Si è inoltre
provveduto all’allestimento di una linea di reazione automatizzata per le successive prove di reattività. È stata poi studiata l’attività, nella reazione di decomposizione diretta di
NO, dei catalizzatori amorfi (a base di silice-allumina) e cristallini (zeolitici) caricati con ioni metallici Co, Cu e Ni, che sono stati preparati e caratterizzati nel corso del primo anno di
attività. I catalizzatori più attivi sono risultati quelli a base di Cu; tra questi il catalizzatore
amorfo è meno attivo ma più stabile se impiegato in condizioni reali. È stata inoltre preparata una nuova serie di catalizzatori a base di ossidi misti (cromiti di rame) che sono stati caratterizzati (in termini di area superficiale e porosità, e analisi XRD e XPS). La loro attività è stata valutata sia nella reazione di decomposizione diretta di NO che nella reazione di decomposizione riduttiva utilizzando etilene come specie riducente. L’attività in termini di produzione di N2 è risultata proporzionale al rapporto Cr/Cu di superficie.
247
D A T ID I
Nelle prove di decomposizione riduttiva con etilene condotte in presenza di ossigeno, il catalizzatore con il maggiore rapporto Cr/Cu (rapporto = 3,94) dava il 25%
di produzione di N 2 ed è risultato anche il più selettivo, avendo una maggiore capacità di favorire la reazione di ossidazione dell’idrocarburo da parte dell’NO piuttosto che dell’O 2. Le interessanti relazioni tra proprietà e attività catalitica di questa
nuova serie di catalizzatori saranno utili per dirigere la futura preparazione di catalizzatori di maggiore attività e selettività.
Responsabile:
Collaboratori:
Tema:
Dr. Emilio Benfenati
Dr. Andrea Bienati, Dr. Giovanni C. Viezzoli
(UOMANE-3)
Caratterizzazione di microinquinanti organici nelle
emissioni di impianti sperimentali di combustione e di
trattamento di materiali plastici
Risultati ottenuti:
Sono state eseguite determinazioni analitiche con spettrometria di massa accoppiata alla gascromatografia (GC-MS) di campioni di effluenti gassosi (dopo raccolta e
condensazione) e di residui solidi prelevati dall’impianto di combustione dei COV .
Un particolare riguardo è stato rivolto alla ricerca di idrocarburi policiclici aromatici (IPA) negli effluenti della combustione dello stirene e di policlorodibenzodiossine
(PCDD) e policlorodibenzofurani (PCDF) negli effluenti derivanti dalla combustione
di miscele di composti clorurati e aromatici. Gli IPA sono risultati trascurabili per trasformazioni dello stirene prossime al 100%; i PCDD e i PCDF sono stati rilevati con
concentrazioni inferiori ai limiti di legge. Nell’abbattimento di COV costituiti da molecole aromatiche e clorurate, condotto in impianto da laboratorio, la formazione di
microinquinanti del tipo policlorodibenzodiossine (PCDD) e policlorodibenzofurani
(PCDF) è risultata al di sotto dei limiti di legge, secondo la normativa CEE.
Responsabile:
Collaboratori:
Tema:
Dr. Giorgio Panella
Centro Ricerca Economia Ambiente, Università degli
Studi di Pavia (UOREAPV)
Dr. Sergio Ascari, Dr. Barbara Cavalletti
Aspetti economici del controllo dell’inquinamento
atmosferico urbano: una politica di intervento
Risultati ottenuti:
A causa delle difficoltà di valutazione che di solito si incontrano nel valutare la
funzione dei danni (l’ambiente non è un bene di mercato per il quale esistano dei
248
prezzi), il problema viene risolto dall’operatore pubblico stabilendo in modo esogeno il livello ottimale d’inquinamento da tollerare, cercando quindi di minimizzare la funzione dei costi di disinquinamento. Quest’ultimo approccio non permette di stabilire se la collettività è in grado di ottenere un vantaggio netto. Per fare ciò
occorrerebbe conoscere, come già detto, sia la funzione dei costi di disinquinamento che quella dei danni all’ambiente.
Il problema che viene affrontato in questa ricerca è dato appunto dalla valutazione
di quest’ultima funzione. Ciò significa, in altri termini, valutare la curva di domanda
di aria pulita. Il problema è che tale bene presenta le caratteristiche di bene pubblico.
L’aria pulita è un bene né esclusivo né rivale: è difficile impedire a una persona di beneficiare di essa, e inoltre, se noi sfruttiamo l’aria pulita ciò non impedisce che lo facciano anche gli altri. A causa di tali caratteristiche risulta difficile stimarne la domanda da parte degli individui e pertanto non si ha la possibilità di ottenere dei prezzi di
mercato direttamente osservabili che possano essere interpretati come il saggio al quale la gente desidera scambiare aria pulita per altri beni. Tuttavia, in assenza di un mercato, possiamo ottenere delle stime del prezzo dell’aria pulita utilizzando altri strumenti. Esistono infatti delle tecniche che permettono di valutare direttamente o indirettamente la disponibilità a pagare dei consumatori per ottenere un dato bene, nella
fattispecie l’aria pulita.
Nella prima parte della ricerca vengono esaminate tali tecniche e i problemi teorici
ed empirici che derivano dalla loro applicazione. Detto in altri termini sono stati analizzati i vari metodi di stima delle funzioni dei danni derivanti dall’inquinamento atmosferico e, successivamente, sono stati presi in considerazione i metodi che meglio
si prestano per valutare la funzione dei danni derivanti dall’inquinamento atmosferico alla salute umana in relazione a un’area metropolitana: quella milanese.
In particolare, di seguito viene presentato un algoritmo che permette di valutare gli
effetti sulla salute umana derivanti dall’inquinamento atmosferico da polveri, ossidi
di azoto, anidride solforosa e benzene, provenienti dal traffico autoveicolare. Le emissioni del parco circolante generano variazioni nelle concentrazioni atmosferiche e, attraverso queste, danni alla salute umana in termini di mortalità acuta e cronica e di
morbilità, che vengono quantificati per mezzo di funzioni dose-reazione ricavate dai
più recenti studi epidemiologici o sperimentali. Alla stima quantitativa dei danni alla
salute viene sovrapposta una valutazione monetaria, basata sul criterio della disponibilità a pagare per una riduzione del rischio (nel caso della mortalità) e sui costi di cura (per la morbilità).
La metodologia che è stata utilizzata ha il vantaggio di poter essere trasferita ad
altre realtà territoriali. Le funzioni epidemiologiche utilizzate per quantificare i
danni alla salute umana sono state elaborate a livello internazionale e rappresentano l’attuale stato dell’arte. Tali funzioni sono certamente suscettibili di miglioramenti; in tale caso è sufficiente procedere alla loro sostituzione nell’ambito del processo di stima senza dovere modificare l’intero metodo. Date le funzioni dose-reazione, i dati addizionali necessari per estendere il metodo di stima ad altre realtà
sono costituiti dai consumi dei combustibili e dal numero medio di chilometri percorsi dal parco veicoli. La disponibilità di tali dati permette di calcolare le emissioni e quindi le concentrazioni degli inquinanti e, da queste, tramite le funzioni dosereazione, i danni alla salute umana.
249
D A T ID I
Le stime in termini monetari dei danni rappresentano un parametro di riferimento
per la valutazione di politiche di contenimento del traffico, di tipo strutturale e in condizioni di emergenza. Le stime consentono di valutare l’efficacia di strumenti quali,
per esempio, la tassazione dei carburanti, i permessi di circolazione a pagamento per
le aree urbane, o gli interventi tecnologici sul parco circolante.
Nel valutare l’efficacia di tali strumenti occorre tenere presente che il miglioramento dell’efficienza dei carburanti e degli autoveicoli può essere più che compensato in
termini di emissioni dall’aumento del parco automobili e dal numero di chilometri
percorsi. In altri termini, occorre fare riferimento a politiche sia di breve che di lungo
periodo che tengano conto, oltre che degli standard alle emissioni anche di quelli ambientali. In tale contesto occorre valutare politiche di intervento che prendano in considerazione la riduzione dell’uso degli autoveicoli e dei chilometri percorsi in date zone, il miglioramento dell’efficienza o la sostituzione dei carburanti, la diversificazione delle modalità di trasporto.
250
Indice analitico
Acetone, 166
CNR, 23, 36
Acidi, 174, 183, 201
Combustione, 39
Acido cloridrico (HCl), 24
Composti Organici Volatili
(COV e VOC), 23, 33, 40, 42, 46, 47, 48, 53,
60-61, 97, 138, 174-175,
177-178, 186, 207, 233
Acido nitrico (HNO3), 165-166, 194, 196, 201-202,
204, 216, 218
Acido nitroso (HNO2), 23, 30, 97, 165, 201-202,
204, 216
CORINAIR, 38, 39, 40, 207
COV, vedi Composti Organici Volatili
Aerosol, 30, 164
Deposizione secca, 199-200, 201, 216
Alcani, 172, 178, 179, 180, 181, 182, 183, 202
Deposizione umida, 203
Alcheni, 172, 179, 180, 182, 183, 202
Alcoli, 183
Diffusione, 22, 39, 55, 71, 125, 147, 160, 161, 162,
164, 165, 172, 173, 196, 197, 198-199, 200, 201
Ammoniaca, 47
Doppi legami, 179
Analisi cluster, 138, 146
Emissione, 30, 37-49, 55, 65, 68, 69, 70, 71, 72,
97,105, 123-157, 161, 162, 173, 175, 176,
177, 179, 186, 187, 195, 196, 199-200,
203, 207, 214, 215, 218, 220,
226, 227, 233, 234, 240
Anidride solforosa (SO2), 23, 53, 54, 58, 64, 65, 66,
68, 71, 72, 176, 227
Benzene, 30, 31, 32, 33, 53, 180, 227
ENEL, 30, 206
Biossido di carbonio (CO2), 233
Epidemiologici (studi), 227, 235-237
CALGRID, 161, 162, 178, 179, 180, 186, 187,
195-223
Etanolo, 179, 180
Campo di vento, 161, 198, 205, 206
Eteri, 183
Carbonile, 181
Fattori di emissione 38, 39, 40-42, 43, 46, 47
CISE, 23, 24, 36, 206
Formaldeide (CH2O), 30, 178, 179, 181, 185
251
D A T ID I
Idrocarburi (HC), 23-24, 60-61
MTBE (Metil t-Butiletere), 204, 210
Idrocarburi non metanici (NMHC), 60-61, 67, 166
Nitrato/i, 97, 201, 202, 219
Inquinamento acustico, 71, 210, 239-240
N 2O, 41, 47
Isoprene, 179, 180
NO, 29-30, 33, 47, 52-54, 58,
60, 68, 110, 124,
136, 138-139, 160, 162,
172, 176, 185, 187,
200, 202, 204, 205,
208, 214, 215, 216, 219
Metalli, 24
Metano (CH4), 29, 60, 166-167
Metanolo, 179, 180
Modelli a box lagrangiani, 164, 165
NO2, 47, 63, 68, 85, 95, 96, 97, 98, 99, 100, 101, 102,
104, 105, 128, 129, 130, 131, 132, 133, 135,
136, 137, 138, 140, 141, 142, 143, 144, 145,
176, 185, 202, 204, 205, 208, 216, 220
Modelli a particelle, 164-165
Nuvole, 162, 205
Modelli analitici, 42, 85, 162-163,
Olefine, 158, 166
Modelli empirici, 71, 72-73, 81, 82-88, 95, 96, 98,
99, 100, 101, 102, 103, 126, 186
Ossidazione, 104, 105, 138, 139, 214, 215, 216,
217, 220
Modelli euleriani, 161-162, 197
Ozono (O 3), 23-24, 29-30, 33, 53-55, 60, 62-67, 68,
97, 106-107, 125, 163, 165-166, 170-172,
190, 194-199, 202-204
Modelli a box, 164
Modelli semiempirici, 73-74, 75, 76, 77, 78, 79, 80,
82-83, 89-94, 95, 96, 99,
100, 101, 106-107
Paraffine, 158, 166
Modello concettuale, 138, 147-154
Parco circolante, 38, 40, 42, 43, 44, 45, 47, 68, 70, 227
Modello di dispersione, 160-161, 165, 176, 196
Particolato (PTS), 23, 24, 29, 30, 55, 58, 62-63,
68-69, 138, 200, 201, 236, 233
Modello di Weibull, 71, 75,76, 79, 80, 90, 91,
94, 96, 106, 107
Modello lognormale, 78, 79, 81, 82, 89, 90, 92, 93,
94, 95, 96, 101, 151, 152
Modello roll-back, 72, 97, 124, 125-127, 128
Modulo chimico, 172, 173, 174-176, 179, 186,
187, 201-202
Monossido di carbonio (CO), 23-24, 29-30, 33,
39-40, 46-47, 53,
54-55, 57-60, 62-63,
68-70,72-73, 74-85,
110, 113-114, 115,
124, 133-135, 137,
149, 151, 165, 168,
179, 194, 196, 201,
214, 215, 219, 232
252
Perossiacetilnitrato (PAN), 209, 210, 217, 218, 219, 220
PMIP, 23, 28, 30, 31, 32, 33, 35, 53, 60-61, 67
Preprocessore metereologico, 165, 197
Radicale perossido, 169
Radicale ossidrile (OH), 170, 188, 202-203
Radicale nitrato, 201
Radio (onde), 206
Regione Lombardia, 22, 29, 30, 52, 68, 203
Riduzione, 44, 47, 68, 69, 70, 72,
123-157, 185, 196,
226, 227, 228, 229, 231, 236
INDICE ANALITICO
Simulazione, 46, 161, 164, 165, 171-193, 197, 198,
199, 202, 203-205, 207, 209-215, 234, 244
Toluene, 30-32, 165
Valutazione diretta, 233-234, 241
Smog fotochimico, 172, 174, 185, 186, 203, 217
Valutazione indiretta, 233, 234-235
Solfato, 236
Velocità di reazione, 176, 184, 202
Solvente, 33
Vento, 161, 162, 163, 164, 165, 172, 198, 199, 205,
206, 236
Sorgente, 38, 68, 70, 97, 124, 125, 126, 127, 130,
138-154, 161, 162, 164, 166, 174, 175,
176, 177, 186, 198, 199, 209
VOC, vedi Composti Organici Volatili
Statistica descrittiva, 52-58, 71, 89
Xileni, 31, 32, 179, 180
253
COPIA NON COMMERCIABILE
E IN DISTRIBUZIONE GRATUITA
Finito di stampare
presso “Arti Grafiche by Juri Iodice”
di Sannazzaro, Pavia
nel mese di aprile 1998.
La Fondazione Lombardia per
l’Ambienteè stata istituita
dalla Regione Lombardia nel 1986
come ente di carattere
morale e scientifico per valorizzare
l’esperienza e le competenze
tecniche acquisite in seguito al
noto incidente di Seveso del 1976.
La Fondazione ha come compito
statutario lo svolgimento di attività
di studi e ricerche volte a tutelare
l’ambiente e la salute dell’uomo con
particolare attenzione
agli aspetti relativi all’impatto
ambientale di sostanze inquinanti.
A tal fine collabora, nei
propri programmi di ricerca e
formazione, con le università
lombarde – rappresentate nel
consiglio di amministrazione – il
CNR, il Centro Comune
di Ricerca di Ispra e gli organismi
tecnici dei principali enti
di ricerca nazionali e regionali.
Lo sviluppo di varie reti di monitoraggio e la
realizzazione di numerose campagne di misura ha
reso disponibile una grande quantità di dati sul l’inquinamento atmosferico registrato nella Regio ne Lombardia.
Questa forte disponibilità di dati rappresenta
una grande risorsa di conoscenze che non viene
sempre utilizzata al pieno delle potenzialità. Infat ti spesso le elaborazioni condotte sui dati si limita no all’esigenza istituzionale di verifica dei limiti di
legge, mentre è noto che, con approcci orientati “al
recettore” si possono ricavare informazioni di gran de utilità nella gestione della qualità dell’aria e in
particolare nell’impostazione dei piani di risana m e n t o . L’uso di questo approccio statistico, tutta via, richiede un’integrazione con un approccio de terministico. Quest’ultimo presenta ancora nume rosi aspetti problematici sia per la difficoltà di re perire dati affidabili sulle emissioni degli inqui nanti e sui parametri meteorologici sia perché i co dici disponibili sono stati generalmente ideati per
situazioni ambientali molto differenti da quelle ca ratteristiche della Regione Lombardia.
In questo contesto il presente lavoro, dopo una
dettagliata descrizione dei dati attualmente dispo nibili per la Regione Lombardia, si propone di dis cutere il ruolo dell’approccio statistico e determini stico nella gestione dell’inquinamento atmosferico.
Per quanto riguarda l’approccio statistico, in
particolare, ci si propone di evidenziare come esso
possa essere utilizzato nell’ambito della risoluzio ne di problematiche connesse con l’individuazione
degli obiettivi di riduzione delle emissioni richie sti dalla stesura di piani di risanamento. Per l’ap proccio deterministico, invece, viene presentata
una simulazione dell’inquinamento atmosferico in
una zona della Lombardia e un sistema esperto
che consente di individuare il modello più idoneo
alle sue problematiche.
ISBN 88–8134–033–X

Dati di inquinamento atmosferico dell`area metropolitana milanese e

Transcript

Documenti analoghi

EU – Qualità dell`aria: accordo su limiti più rigorosi per le emissioni

HAURATON ITALIA S

chimica - Società Chimica Italiana

La ricerca scientifica in pneumologia

APA Large - ISCLEANAIR

Inquinamento delle acque e del suolo

Forum Agenda 21 Locale della Provincia di Viterbo

Emissions-controlled diesel engine - ETH E

Corso di guida sicura con metodo eco run

Lez. 4_ Innovazione tecnologica e sostenibilità