Universita’ del Piemonte Orientale Dipartimento di Scienze e Tecnologie Avanzate (DISTA) Alessandria SVILUPPO DI UNA CATENA MODELLISTICA PER LO STUDIO DELL’INQUINAMENTO SECONDARIO SU UN DOMINIO A SCALA REGIONALE Alessia Balanzino Enrico Ferrero Fondi CIPE – Regione Piemonte Partecipanti: Universita’ Piemonte Orientale Universita’ di Torino Universita’ di Napoli CNR (Torino) CSI Piemonte (Torino) Collaborazioni: Regione Piemonte (Torino) Arpa Piemonte (Torino) CESI - RICERCA (Milano) Valutazione integrata di impatto Rete di monitoraggio Modellistica Inventario Emissioni OBIETTIVO DEL PROGETTO Valutare sul lungo periodo (anno di simulazione: 1999) l’inquinamento secondario in aree a basso livello emissivo (pianura del Piemonte orientale), contigue ad aree fortemente emissive (triangolo industriale: Milano – Torino – Genova) mediante l’utilizzo di strumenti modellistici. SOMMARIO Dominio e dati di ingresso al modello fotochimico Catena modellistica Risultati Conclusioni Dominio di studio. Superficie: 250 km x 250 km. Risoluzione spaziale: 5 km Modello ECMWF (previsioni a grande scala e dati meteorologici) Dati geografici e geofisici Modello Meteorologico (RAMS) Inventario Emissioni Moduli di Interfaccia (RAMS-CAMx) z-p wind temp Condizioni iniziali e al contorno kv water vapor could/rain Modello Fotochimico (CAMx) Campi di concentrazione (calcolati) Processore Emissioni - disaggregazione spaziale - profili di speciazione (VOC e PM) - disaggregazione temporale Campi di concentrazione (misurati) Reperimento dati di emissione Situazione ottimale disporre di un inventario predisposto esattamente sul proprio dominio e per il periodo di simulazione Questo raramente accade pertanto solitamente o lo si ricava da inventari esistenti, adattandolo alle esigenze specifiche, oppure lo si realizza ex-novo. Per ogni singola regione italiana si e’ utilizzato l’inventario regionale (piu’ dettagliato di quello nazionale) Per l’estero e per la porzione di mar Mediterraneo, situata davanti alla Liguria, i dati sono stati reperiti dal sito EMEP Disaggregazione spaziale Modulazione temporale Speciazione comune anno totale coarse griglia mese PM splitting fine VOC ora lumping FORM ALD2 OLE OLE2 CRES MEOH PAR ETH MGLY TOL ETOH ISOP XYL PNO3 PSO4 PNH4 POA SOA1 SOA2 SOA3 SOA4 PEC FPRM FCRS NA CPRM PCL CCRS RAMS (Regional Atmospheric Modelling System) Codice numerico sviluppato per simulare e prevedere i fenomeni meteorologici Inizializzato e guidato dai dati del centro meteorologico europeo (ECMWF) Il modello RAMS_v4.4 • sistema completo di equazioni dinamiche e termodinamiche non idrostatiche • conservazione della massa e delle quantita’ scalari • sistema di coordinate “terrain influenced”: simulare siti ad orografia complessa • configurare le opzioni operative delle simulazioni • interpolare i valori provenienti da diversi database Run di prova confronti valori simulati – centraline (1 griglia e 2 griglie) MODULI di INTERFACCIA Modulo di interfaccia RAMS - CAMx: 1. altezza/pressione 2. componenti orizzontali del vento 3. temperatura 4. coefficienti di diffusione 5. vapore acqueo 6. nubi e pioggia Altri moduli: 7. topografia e uso del suolo 8. ratei di fotolisi CAMx (Comprehensive Air Quality Model with extensions) Meccanismo chimico utilizzato: CB-IV Il modello CAMx_v4.20 • Euleriano (suddivisione del dominio in celle) • Risoluzione dell’equazione di continuità in un sistema a celle in griglie 3D Evoluzione dei composti chimici in ogni punto della griglia (set semplificato di equazioni cinetiche chimiche, CB-IV) DOMINIO + RETE DI STAZIONI DI MONITORAGGIO VARESE 9 DONNAS BIELLA COSSATO 10 PONZONE VERRONE 12 16 MEDA 14 MAGENTA VIMERCATE LIMITO J. 13MOTTA MILANO V. 15 TORINO L. TORINO C. 11 MIGNANEGO PIEVE DI TECO • Griglia 250 x 250 km2 5 km step 14 livelli verticali • Meteo RAMS-ECMWF (Mellor and Yamada scheme 2.5) • IC - BC CAMx (mesoscala) • Emissioni inventari regionali su base comunale + EMEP1999 GIORNO TIPO 03 (URBANO) 140 120 CAMx_5 Measured O3 [m g/m 3] 100 80 60 40 20 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 hours 120 CAMx_5 100 80 NO2 [ m g/m 3] G I O R N O NO2 mean day, on June, at urban site 60 40 20 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 hours 140 120 CAMx_5 Measured 100 O3 [m g/m 3] T I P O Measured 80 O3 mean day, on June, at urban site 60 40 20 0 0 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 hours 160 140 CAMx_5 Measured 120 Ox [m g/m 3] T O R I N O 1 Ox mean day, on June, at urban site 100 80 60 40 20 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 hours Indici statistici: O3 e NO2 Table 1. O 3 indices computed on the daily maximum 8-hourly stations URBAN SUBURBAN RURAL MEAN_meas (mg/m3) 117.5 116.5 106.2 MEAN_camx (mg/m3) 108.0 113.8 113.3 R 0.6 0.6 0.6 NMSE 0.1 0.04 0.04 FB 0.1 0.02 -0.1 R 0.5 0.3 0.2 NMSE 0.1 0.2 0.2 FB -0.1 0.2 0.2 Table 2. NO 2 indices computed on the mean daily concentration stations URBAN SUBURBAN RURAL MEAN_camx (mg/m3) 17.2 29.8 17.2 sottostima MEAN_camx (mg/m3) 15.3 24.3 15.3 sovrastima MEDIA GIORNALIERA PM10 90 80 camx_5 meas PM 10 [ m g/m 3] 70 60 GENNAIO – FEBBRAIO – MARZO 1999 50 40 30 20 10 0 10 12 3 4 6 9 13 14 15 16 stations 100 90 camx_5 meas 80 PM 10 [ m g/m 3] 70 60 OTTOBRE – NOVEMBRE – DICEMBRE 1999 50 40 30 20 10 0 10 12 3 4 6 stations 9 13 14 15 16 PM10 indici statistici (media giornaliera) Table 3. PM 10 indeces computed on the mean daily concentration (winter time) stations B.URBAN B.SUBURBAN quarter first second first second MEAN_meas (mg/m3) 59.4 71.3 26.0 - MEAN_camx (mg/m3) 35.2 49.4 24.4 - sottostima R 0.7 0.2 0.3 NMSE 0.6 0.6 0.6 FB 0.5 0.4 0.1 - - - PM10 – NO2 – SO2 • buona “corrispondenza” tra precursore (NO2) e specie secondaria prodotta (PM10): miglioramento/peggioramento di NO2 > miglioramento/peggioramento di PM10 • comportamento opposto tra precursore (SO2) e specie secondaria prodotta (PM10): miglioramento/peggioramento di SO2 > peggioramento/miglioramento di PM10 stazione 4 6 9 10 11 12 13 14 15 16 1o trimestre NO2 PM10 0.489 0.485 0.648 0.420 0.662 0.471 0.437 0.290 0.168 0.646 0.440 0.374 0.493 0.641 0.703 0.556 0.566 0.656 0.683 2o trimestre NO2 PM10 0.134 0.129 0.506 0.520 0.496 0.047 0.420 0.527 0.193 0.333 0.242 0.092 0.215 0.140 0.206 coefficiente correlazione R, NO2 vs PM10 stazione 4 6 9 10 11 12 13 14 15 16 1o trimestre SO2 PM10 0.091 0.485 0.420 0.471 0.290 0.226 0.440 -0.006 0.493 0.703 0.465 0.566 0.683 2o trimestre SO2 PM10 0.360 0.129 0.258 0.420 0.095 0.193 0.242 0.496 0.215 0.206 coefficiente correlazione R, SO2 vs PM10 stazione 4 6 9 10 11 12 13 14 15 16 1o trimestre NO2 PM10 0.382 0.554 0.464 0.232 0.509 0.173 0.300 0.022 0.419 0.383 0.177 0.458 0.559 0.165 0.722 0.295 0.425 0.350 0.641 2o trimestre NO2 PM10 0.047 0.329 0.250 0.076 -0.009 0.390 0.515 0.034 0.393 0.105 0.592 -0.045 0.146 0.037 0.382 fractional bias FB, NO2 vs PM10 stazione 4 6 9 10 11 12 13 14 15 16 1o trimestre SO2 PM10 -1.197 0.554 0.232 0.173 0.022 -0.277 0.177 -1.329 0.559 0.722 -0.760 0.425 0.641 2o trimestre SO2 PM10 -0.987 0.329 -1.202 0.515 -1.357 0.393 0.592 -0.815 0.146 0.382 fractional bias FB, SO2 vs PM10 Media trimestrale (luglio – agosto – settembre) O3 95o percentile O3 (max giornaliero media mobile 8 ore, luglio – agosto – settembre) Media trimestrale (dicembre – gennaio – febbraio) PM10 95o percentile PM10 (media giornaliera, dicembre – gennaio – febbraio) CONCLUSIONI O3 – NO2 – Ox • il modello riproduce abbastanza bene l’andamento delle misure, sia per l’ozono che per il biossido di azoto: - valori alti di O3 attorno alle grandi citta’ e vicino al mare ( > 120 μg/m3 ) • la curva dei valori simulati di ozono, in certi periodi, sottostima i valori massimi (probabile causa: emissioni di VOC) • il modello sovrastima le misure di biossido di azoto (probabile causa: sottostima della turbolenza verticale) • il modello ben riproduce l’andamento giornaliero e stagionale della specie Ox (ridotti gli effetti locali di ozono e biossido di azoto) PM10 – NO2 – SO2 • il modello riproduce bene una certa ciclicita’ settimanale del PM10, dovuta alle emissioni • il modello ricostruisce correttamente alcuni casi critici del PM10 • il modello e’ in grado di distinguere il contesto urbano del PM10 da quello suburbano: - valori elevati in prossimita’ dei centri urbani ( > 100 μg/m3 ) - concentrazioni dell’ordine di 50 μg/m3 in zone rurali • esiste una buona “corrispondenza” tra precursore (NO2) e specie secondaria prodotta (PM10): miglioramento/peggioramento di NO2 > miglioramento/peggioramento di PM10 • esiste un comportamento opposto tra precursore (SO2) e specie secondaria prodotta (PM10): miglioramento/peggioramento di SO2 > peggioramento/miglioramento di PM10 In conclusione... • alla risoluzione adottata (5 km), e’ possibile descrivere piu’ correttamente il quadro emissivo e quindi migliorare la rappresentazione dell’evoluzione temporale sia degli inquinanti primari che degli inquinanti secondari • i risultati per l’ozono sono, in generale, migliori rispetto a quelli per il particolato (difficolta’ nella rappresentazione modellistica del particolato) • per quanto riguarda il particolato, l’effetto della risoluzione incide più sul “fractional bias” (FB) che sulla correlazione (R) Sviluppi futuri… • analisi approfondita sul ruolo dei diversi fattori di input al modello di dispersione: campi meteorologici campi emissivi (inventari delle emissioni, processori delle emissioni) meccanismo chimico selezionato • simulazioni sul lungo periodo per differenti anni (2005) ? emissioni puntuali Piemonte • stime di scenari emissivi (aree di probabile rischio per la salute umana) PUBBLICAZIONI 28/10/2005, Centro Incontri Regione Piemonte, Torino Alessia Balanzino, Enrico Ferrero, Mauro Causà, Emanuele Orlando, Paolo Trivero, Veronica Sesia, Guido Pirovano, Cesare Pertot Poster: “Realizzazione di un pre-processore delle emissioni per modelli fotochimici” Workshop: “La valutazione integrata e la gestione della qualita’ dell’aria in Piemonte alla luce delle normative europee” 22/02/2006, Universita’ del Piemonte Orientale “A.Avogadro”, Dipartimento di Scienze e Tecnologie Avanzate (DISTA), Alessandria Alessia Balanzino Seminario su invito: “Modelling systems for photochemical pollution in Northern Italy” Workshop: "One day on complexity" 18-23/09/2006, Dipartimento di Fisica, Torino Alessia Balanzino, Enrico Ferrero Comunicazione orale: “Valutazione modellistica dell’inquinamento fotochimico nell’Italia settentrionale” XCII Congresso Nazionale SIF 27-29/03/2007, Cipro A. Balanzino, C.Pertot, G.Pirovano, M.Causa', E.Ferrero, S.Alessandrini, M.P.Costa Comunicazione orale: “Intercomparison between national and regional scale photochemical pollution simulations over Northern Italy” Proceedings UAQ 2007, 6th International Conference on Urban Air Quality, edited by Sokhi R.S. and Neophytou M. (University of Hertfordshire, UK) Agosto 2006 Alessia Balanzino, Enrico Ferrero “Modelling system for photochemical pollution in northern Italy” Il Nuovo Cimento, vol. 121 B, n.8, 857-866 11-15/06/2007, Ischia A.Balanzino, C.Pertot, G.Pirovano, M.Causa', E.Ferrero, S.Alessandrini, M.P.Costa Poster: “Simulazione dell’inquinamento fotochimico nell’Italia settentrionale” Convegno nazionale di fisica della terra fluida e problematiche affini 2-5/07/2007, Cambridge (UK) A. Balanzino, M.Causa', E.Ferrero, C.Pertot, G.Pirovano Poster: “Photochemical pollution modelling in complex terrain” Proceedings, 11th International Conference on Harmonisation within Atmospheric Dispersion Modelling for Regulatory Purposes, edited by David J.Carruthers and Christine A.McHugh 24-29/09/2007, Dipartimento di Fisica, Pisa A. Balanzino, E.Ferrero, C.Pertot, G.Pirovano, M.Riva, M.Causa' Comunicazione: "Sviluppo di una catena modellistica per lo studio dell’inquinamento secondario su un dominio a scala regionale” XCIII Congresso Nazionale SIF 6-9/10/2008, Cavtat (Croazia) A. Balanzino, G.Pirovano, M.G. Riva, E.Ferrero, M.Causa' Poster: “PM10 transport and diffusion in Northern Italy” Proceedings, 12th International Conference on Harmonisation within Atmospheric Dispersion Modelling for Regulatory Purposes, published as a special issue of the Croatian Meteorological Journal, edited by Croatian Meteorological Society, Zagreb