Modellistica di qualità dell'aria - Arpa PiemonteArpa Piemonte
Modellistica di Qualità dell'aria a supporto del D.lgs 155/2010 - Mauro M. Grosa - Responsabile del coordinamento delle attività di qualità dell’aria di Arpa Piemonte
Progetto Minni - Sistema modellistico per le politiche di qualità dell'aria a...Le Scienze Web News
Il volume riassume le principali attività della Convenzione pluriennale 2008-2012 fra Ministero dell’Ambiente e della Tutela del Territorio e del Mare ed ENEA su “Sviluppo, verifica e nuove applicazioni del sistema modellistico MINNI a supporto delle politiche di qualità dell’aria nazionali e dei piani e programmi di risanamento della qualità dell’aria regionali”.
Modellistica di qualità dell'aria - Arpa PiemonteArpa Piemonte
Modellistica di Qualità dell'aria a supporto del D.lgs 155/2010 - Mauro M. Grosa - Responsabile del coordinamento delle attività di qualità dell’aria di Arpa Piemonte
Progetto Minni - Sistema modellistico per le politiche di qualità dell'aria a...Le Scienze Web News
Il volume riassume le principali attività della Convenzione pluriennale 2008-2012 fra Ministero dell’Ambiente e della Tutela del Territorio e del Mare ed ENEA su “Sviluppo, verifica e nuove applicazioni del sistema modellistico MINNI a supporto delle politiche di qualità dell’aria nazionali e dei piani e programmi di risanamento della qualità dell’aria regionali”.
TRAFAIR - Premio PA sostenibile 2019 - slide di presentazioneLaura Po
TRAFAIR – Analisi dei flussi di traffico per migliorare la qualità dell’aria urbana
candidato al Premio PA sostenibile 2019
SETTORE: Città, infrastrutture e capitale sociale
5° Presentazione del workshop finale del progetto EFFICITY
Metodologie per la simulazione dinamica delle reti di teleriscaldamento raffrescamento
Sito web del progetto: www.efficity-project.it
Al Tesla Revolution 2017: "L’inquinamento atmosferico: principali sorgenti, t...Tesla Club Italy
L'inquinamento dell'aria in Italia è una emergenza ambientale, sanitaria ed economica. Il miglioramento degli ultimi anni non è stato sufficiente a garantire il rispetto dei limiti europei di concentrazione, con la probabile conseguenza di procedure di infrazione e pesanti sanzioni economiche. Circa 84000 morti premature all’anno in Italia sono state attribuite all’inquinamento atmosferico (Agenzia Europea dell'Ambiente, 2015), con costi sociali ed economici elevatissimi. Negli inverni 2016 e 2017 si sono inoltre ripresentati superamenti diffusi dei limiti giornalieri delle polveri sottili, specialmente nelle aree urbane e in buona parte del nord Italia con importanti impatti sanitari di breve periodo. Nell'intervento saranno esaminate le cause di questi fenomeni e descritti gli strumenti metodologici stato dell'arte che sono utilizzati per indirizzare le politiche di qualità dell'aria e per verificarne l'efficacia.
VEG-GAP LIFE+: Vegetation for urban green air quality plansARIANET
The document discusses the VEG-GAP project which aims to evaluate the impact of urban vegetation on air quality through comprehensive modeling. It presents preliminary results from the cities of Bologna, Madrid, and Milan that integrate land cover data at various scales to map urban vegetation. Sensitivity scenarios are used to reconstruct the effects of vegetation on pollutant concentrations and depositions, as well as temperature and wind speed. Future scenarios are also constructed based on cities' vegetation development plans to evaluate the impact of current and future urban vegetation.
The document summarizes modeling work done to simulate the dispersion of lead particles from the Notre Dame fire in Paris in April 2019. It describes the estimation of emission source terms based on observations of the fire. Computational fluid dynamics (CFD) modeling was used to model the near-field plume dispersion and validate the source terms. Sensitivity tests were performed using different meteorological data sources and source configurations. Validation efforts included visual comparison to photographs taken of the plume.
1. The study analyzed changes in air quality and population exposure to air pollution in 62 global cities resulting from COVID-19 lockdown measures.
2. It found reductions of 20-60% for NO2 and up to 40% for PM2.5 in some cities, but also increases for PM2.5 in other cities. Ozone increased in most cities due to decreased titration from other pollutants.
3. While lockdown measures were effective at reducing NO2 levels to comply with EU and WHO guidelines, PM2.5 reductions were more limited and regional cooperation is still needed to reach WHO PM guidelines due to factors like long-range transport and biomass burning.
Source apportionment approaches and non-linearitiesARIANET
This document compares source apportionment approaches for PM10 using tagged species (TS) contributions and brute force impacts (BF) simulations with the CAMx and FARM air quality models. Non-linear responses of PM10 concentrations to emission reductions, particularly for agriculture, are highlighted by the dependence on emission reduction levels and differences between TS and BF results. The gas ratio and Stein and Alpert decomposition indicate relationships between changes in secondary inorganic aerosol formation chemistry and non-linear responses to precursor emission reductions. Differences between linear and non-linear sources suggest limitations in using TS to infer emission change responses.
Verifica delle previsioni di FARM in Friuli Venezia Giulia - Kalman ci aiuta?ARIANET
This document analyzes the performance of an air quality forecasting model called FARM in the Friuli Venezia Giulia region of Italy from 2013-2020. Tables and graphs show how well FARM predicted levels of pollutants like NO2, O3, and PM10 compared to actual measurements, and how the Kalman filter correction helped reduce errors in some cases. While prediction accuracy varied by location and pollutant, overall the analysis found that FARM tended to underestimate NO2 and overestimate O3, and the Kalman filter helped reduce these biases.
Modellistica di dispersione a Torino durante il lockdownARIANET
The document analyzes traffic flow data from Turin, Italy during the Covid-19 lockdown period from March to May 2020. It compares typical day traffic patterns to real-time traffic monitoring data to evaluate the effect of reduced traffic on air quality. The methodology disaggregates hourly traffic by vehicle type, fuel, and emissions class to apply average emission factors and model dispersion using CALPUFF. Traffic flow data from 15 monitoring points show significantly lower flows during lockdown periods compared to typical days, especially in early morning and late evening hours.
The document describes a special sonic anemometer study conducted in fall 2015 and spring 2016 around storage containers (CONEXs) to measure flow and turbulence in the wakes next to the CONEXs. 17 sonic anemometers were placed near a stack of CONEXs and additional sensors were located upwind to provide an unobstructed flow profile for comparison. The objectives were to use the sonic anemometer data for model validation, intercomparison and improvement of complex models simulating gas dispersion around the CONEXs. Initial results from several models are shown comparing wind velocity and concentration fields.
1. Progetto CLIMAERAProgetto CLIMAERA
Scenari climatici di qualità dell’aria al 2030 e al
2050.
Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
Stefano Bande1
, F. Bissardella1
, A. Caruso1
, M. Clemente1
, F.
Ghigo1
, G. Pession2
, T. Magri2
, C. Ronchi1
, I. Tombolato1
1
ARPA Piemonte, Dipartimento Rischi Naturali ed
Ambientali
2
ARPA Valle d’Aosta, Sezione Aria e Atmosfera
2. Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
Argomenti della presentazione:
✔ Il progetto CLIMAERA
✔ Il sistema modellistico utilizzato
✔ Gli scenari climatici
✔ Gli scenari emissivi
✔ Risultati: la simulazione di riferimento al 2013
✔ Risultati: le simulazioni al 2030
✔ Risultati: la simulazione al 2050
✔ Progetto CLIMAERA: attività in corso
3. Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
Il progetto CLIMAERA
Durata triennale (2017-2020, progetto ancora in corso), nell’ambito del programma
di cooperazione transfrontaliera INTERREG V-A Alcotra 2014-2020
Valutazione degli impatti dell’inquinamento atmosferico e del
cambiamento climatico, completati da dati d’impatto
economico e sensibilizzazione sulle strategie “win-win” per lo
sviluppo di politiche transfrontaliere sinergiche clima-aria
www.climaera.eu
WP1
WP2
WP3
WP4
4. Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
CLIMAERA - WP3
Obiettivo: valutare la qualità dell’aria sul territorio
ALCOTRA (Provenza-Alpi-Costa Azzurra, Auvergne
Rhone-Alpes, Liguria, Piemonte e Valle d’Aosta)
tenendo conto del clima futuro (2030,2050)
Come: simulazioni modellistiche di scenario (FARM)
Scenario climatico 2028-2032
(near future)
Scenario climatico 2048-2052
(medium future)
Scenario di riferimento
2011 - 2015 (historical)
Scenario emissivo
2013
Scenario emissivo
2030 GAINS
Scenario tendenziale
2030 (GAINS)
Scenario ottimale 2030
(GAINS + misure locali)
1
2
3
4
5
6
6. Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
Domini di calcolo
FARM versione 4.13 con SAPRC99/AERO3;
Simulazioni annuali organizzate su base giornaliera;
Parallelizzazione ibrida MPI-OpenMP su cluster GALILEO@hpc.cineca.it
due domini in two-way
nesting
1) dominio europeo
xmin=-3, ymin=37.4
dx=dy=0.2°
nx=99 ny=73
EPSG: 4326
24 livelli verticali
2) dominio alcotra
xmin=3, ymin=42.3
dx=dy=0.065
nx=124 ny=82
EPSG: 4326
24 livelli verticali
7. Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
Meteorologia
Scenari climatici
Gli scenari meteorologici (climatici) al 2030 ed al 2050 sono stati prodotti e forniti
dalla Divisione REMHI del (Fondazione Centro Euro-Mediterraneo sui
Cambiamenti Climatici) tramite il modello RCM COSMO-CLM*, versione climatica del
modello ad area limitata COSMO.
* https://www.cmcc.it/models/cosmo-clm-climate-limited-area-modelling-community
✔ due domini di simulazione,
uno a scala continentale ed
uno a scala ALCOTRA;
✔ 5 anni di simulazione centrati
sul 2013 (scenario di
controllo), 2030 e 2050 con
spin-off di un anno;
✔ anno “medio” al 2013, 2030,
2050
✔ Forcing: IPCC RCP 4,5
8. Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
Meteorologia
Scenari climatici
Configurazione ALCOTRA
Configurazione dominio europeo
9. Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
Emissioni
Scenario di riferimento (2013)
Base dati (aggiornamento/capitalizzazione di quanto fatto nel progetto
SHAIR)
✔ Piemonte: inventario regionale I.R.E.A 2013;
✔ Liguria: aggiornamento al 2013 dell’inventario regionale 2010;
✔ Rhône-Alpes: aggiornamento dell’inventario 2013 SHAIR(inventario su griglia);
✔ PACA: aggiornamento dell’inventario 2013 SHAIR (inventario su griglia);
✔ Valle d’Aosta: inventario regionale 2013 SHAIR;
✔ Territori al di fuori dell’area ALCOTRA in Italia: inventario nazionale ISPRA 2015.
✔ Territori al di fuori dell’area ALCOTRA: EMEP 2015.
Armonizzazione della base dati :
✔ profili di modulazione temporale comuni; per il macrosettore 2 e macrosettore
10 differenti per ogni regione (lato francese e lato italiano)
✔ Armonizzazione categorie emissive (SNAP e NAPFUE)
Inquinanti :
✔ CO, NH3,NOx SOx, PM25, PM10, VOC
✔ Gas climalteranti : CO2,CH4 e N20
10. Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
Emissioni
Scenario tendenziale 2030
Scenario
riferimento 2013
PACA e ARA e EMEP:
applicazione del tendenziale
Piemonte, Valle d’Aosta, Liguria:
applicazione GAINS-Italy (SEN 2014)
regionalizzato
Italia: applicazione GAINS Europe (Italia)
Scenario
tendenziale 2030
11. Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
Emissioni
Scenario « ottimale » 2030
Scenario
tendenziale 2030
Misure locali su ogni
regione partner
scelte attraverso
l’utilizzo di RIAT+
regionalizzato
(wp4.1)
Scenario emissivo ottimale al 2030 (wp4.2)
(Input per la simulazione FARM n° 6)
Attività ancora in corso
12. Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
Simulazione di riferimento 2013
PM10, perc. 90.4
NO2, media annua
13. Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
Simulazione di riferimento 2013
Confronto osservato/simulato
Osservati:
✔
anno 2013
✔
m2013, anno medio 2011-
2015
PM10
Fractional Bias
14. Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
Simulazione di riferimento 2013
PM10
N° sup. limite giornaliero
correlazione
15. Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
Simulazione di riferimento 2013
NO2
annual mean
FB
rCOR
16. Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
Scenario di riferimento 2013
✔
Tendenza generale alla sottostima (NO2 e PM10), ma risultati nel
complesso soddisfacenti
✔
Sottostima maggiore rispetto ai dati osservati della regione PACA e
della Valle d’Aosta (specie NO2), risultati migliori per Piemonte e
regione AURA.
✔
Sovrastima della media di NO2 nei siti di fondo urbano di Torino,
sottostima importante per NO2 in regione PACA per Marsiglia e Nizza.
✔
Generale sovrastima del valore obiettivo per l’ozono in Piemonte, PACA
e Liguria, sottostima in AURA e Valle d’Aosta.
✔
Valori del coefficiente di correlazione generalmente bassi per PM10 ed
NO2, più alti per l’ozono.
✔
Non buona riproduzione delle modulazioni settimanali di NO2 e PM10 in
tutte le regioni; soddisfacente riproduzione delle modulazioni annuali
per PM10, NO2, O3 e giornaliere per NO2 ed O3.
17. Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
delta%= (sim1-sim3)/sim1
Simulazioni al 2030
delta%= (sim1-sim2)/sim1
PM10
variazione % sulla
media annua
2030 tendenziale (simulazione 2)
2030 (simulazione 3)
18. Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
Simulazioni al 2030
2030 (simulazione 3)
2030 tendenziale (simulazione 2)
Confronto 2013/2030 sulle stazioni di
validazione (serie al 2030 costruita
applicando le variazioni percentuali agli
osservati m2013)
PM10
media annua
19. Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
Simulazioni al 2030
2030 (simulazione 3)
2030 tendenziale (simulazione 2)
PM10
percentile 90.4
Confronto 2013/2030 sulle stazioni di
validazione (serie al 2030 costruita
applicando le variazioni percentuali agli
osservati m2013)
20. Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
Simulazioni al 2030
PM10 – variazione percentuale tra lo scenario 2030
(simulazione 3) e lo scenario tendenziale 2030 (simulazione 2)
delta%= (sim3-sim2)/sim3
media annua percentile 90.4
21. Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
Simulazioni al 2030
Paired Wicoxon test: test non parametrico per il confronto delle serie temporali
delle medie giornaliere di PM10
wilcox.test(2013, 2030) wilcox.test(2030 tend, 2030)
p-value <= 0,05 differenze statisticamente significative con livello di significatività del 5%
p-value <= 0,1 differenze statisticamente significative con livello di significatività del 10%
p-value> 0,1 differenze statisticamente non significative
medie giornaliere 2013 e 2030 medie giornaliere 2030 tendenziale e 2030
22. Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
Simulazioni al 2030
2030 (simulazione 3)
2030 tendenziale (simulazione 2)
NO2
media annua
Diminuzione più marcata rispetto al
PM10
23. Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
Simulazioni al 2030
NO2
media annua
delta%= (sim3-sim2)/sim3
delta%= (sim1-sim3)/sim1
variazione % tra lo scenario 2030
(simulazione 3) e lo scenario
tendenziale 2030 (simulazione 2)
variazione % rispetto al 2013
24. Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
Simulazioni al 2030
Paired Wicoxon test: test non parametrico per il confronto delle serie temporali
delle medie orarie di NO2
wilcox.test(2013, 2030) wilcox.test(2030 tend, 2030)
p-value <= 0,05 differenze statisticamente significative con livello di significatività del 5%
p-value <= 0,1 differenze statisticamente significative con livello di significatività del 10%
p-value> 0,1 differenze statisticamente non significative
medie orarie 2013 e 2030 medie orarie 2030 tendenziale e 2030
25. Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
Simulazioni al 2050
PM10
26. Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
Simulazioni al 2050
PM10
27. delta%= (2030-2050)/2030
PM10 – variazione percentuale tra lo scenario 2030 (simulazione 3) e
lo scenario 2050 (simulazione 5)
Simulazioni al 2050
Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
media annua
Wicoxon test: test non parametrico per
il confronto delle serie temporali delle
medie giornaliere di PM10 (2030 –
simulazione 3 - e 2050 - simulazione 5)
29. Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
Simulazioni al 2050
NO2 – variazione percentuale tra lo scenario 2030 (simulazione 3) e lo
scenario 2050 (simulazione 5)
delta%= (2030-2050)/2030
wilcox.test(2030, 2050) sulle medie orarie
media annua
30. Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
Ozono al 2030 e 2050
2030
(simulazione 3)
2050
(simulazione 5)
31. Milano, 30/01/2020 VII giornata sulla Modellistica in ARIA(NET)
Il progetto CLIMAERA
attività in corso WP3/WP4
✔ Approfondimenti sulle differenze tra meteorologia 2013, 2030, 2050.
✔ Analisi degli effetti della meteorologia sulle concentrazione con un
analisi di sensitività proposta da Alain Clappier (necessaria un’ulteriore
simulazione con meteorologia 2013 ed emissioni tendenziale 2030).
✔ Simulazione n° 6, scenario 2030 ottimale
✔ Simulazioni di qualità dell’aria per tutti gli anni disponibili negli scenari
climatici (finestre quinquennali ) e non solo per l’anno medio (prima o
poi..)