Interoperabilità e fruizione dei dati. L'esempio del progetto WANDA (Watch the Air in the Neighbourhood to Decide on Actions) - Giuseppe Carlino - SIMULARIA
Source apportionment spaziale e settoriale con Sherpa e FARM
Progetto WANDA
1. Rossella Prandi and Giuseppe Carlino
Giornata Arianet – Milano, 31 gennaio 2018
WANDA
Watch the Air in the Neighbourhood to Decide on Actions
RELAZIONE TECNICA PRELIMINARE SULLA
QUALITÀ DELL'ARIA NELLA REGIONE PIEMONTE
NELL'INVERNO 2006 - 2007
2. 2
Il progetto BIG-IoT (www.big-iot.eu)
BIG – IoT (Bridging the Interoperability Gap of
the Internet of Things) è un progetto H2020
cofinanziato per il triennio 2016-2018, che ha lo
scopo di facilitare l’integrazione tra diverse
piattaforme IoT esistenti, in modo da favorire la
fornitura di servizi ed applicazioni più facilmente
estendibili a diverse iniziative Smart City.
Al Consorzio BIG-IoT partecipano 12 partner, tra i quali CSI
Piemonte, che è responsabile del pilota piemontese in cui è prevista
l’installazione di sensori e webcam a Biella e Vercelli e lo sviluppo di
servizi di Traffic Monitoring, Smart Parking, Air Quality, Healthy Bike
Navigation e Smart Bike Sharing.
3. 3
Il progetto BIG-IoT (www.big-iot.eu)
BIG-IoT si fonda su due pilastri:
■ Lo sviluppo ed implementazione delle BIG-IoT API (Web API
con un unico modello semantico, open e basate su standard
https://projects.eclipse.org/proposals/big-iot);
■ La creazione del BIG-IoT Marketplace, dove si possono
incontrare B2B fornitori di dati e fornitori di servizi ed
applicazioni per terze parti.
API e Marketplace sono testati in tre casi studio: Barcellona,
Germania del Nord (Berlino+Wolfsburg) e Piemonte (Biella,
Vercelli) con l’integrazione di 8 piattaforme IoT esistenti nel
campo della mobilità e del monitoraggio ambientale.
4. 4
Il progetto BIG-IoT (www.big-iot.eu)
Inoltre, l’efficacia degli strumenti di integrazione proposti viene
testata mediante il coinvolgimento come “terze parti” di altri
fornitori di dati/servizi/applicazioni, in due call aperte (la prima ad
Aprile 2017, la seconda a Gennaio 2018).
La prima call, aperta a soggetti che già operano o possiedono
una piattaforma IoT o servizi preferibilmente in una delle tre aree
pilota e negli ambiti mobilità/ambiente, prevede il finanziamento
delle attività necessarie all’integrazione delle piattaforme
nell’ecosistema BIG-IoT (sviluppo di provider/consumer libs in
JAVA per l’interfacciamento con il marketplace, definizione
dell’opportuno modello semantico, ecc.).
La nostra proposta (servizio di informazione ambientale WANDA
sulla città di Torino) è stata selezionata all’inizio di agosto.
5. 5
WANDA consiste in una piattaforma e in un gateway che
risponde alle richieste di dati da parte di possibili sviluppatori
(di servizi ed app).
WANDA – integrazione con BIG-IoT
WANDA PLATFORM
WANDA GATEWAY
6. 6
Sul BIG-IoT MarketPlace offriamo dati di qualità dell’aria, aggiornati ogni
ora, sulla città di Torino.
WANDA
7. 7
WANDA - miglioramenti attesi rispetto all’esistente
Il sistema modellistico è basato sulla catena sviluppata per il
progetto ELISE con alcune variazioni significative:
■ Background e meteorologia provengono dalla catena
prognostica di ARPA Piemonte;
■ Oltre all’NO2, sono calcolate anche le concentrazioni orarie di
PM10 e PM2.5;
■ Doppio conteggio: dai valori di fondo viene eliminata una
parte attribuibile alle emissioni da traffico della città, simulate
direttamente con MSS, sulla base del SA geografico/
settoriale di Arpa per Regione Piemonte.
8. 8
A
R
P
A
_
A
M
S
P
M
S
S
Air quality forecast provided for the current day and up to 72 hours:
• based on FARM (Flexible Air quality Regional Model),
a 3D Eulerian CTM model
• downscaling of synoptic weather forecast (COSMO-17)
• hourly boundary conditions from CHIMERE, a continental scale forecast
by PREV’AIR
• Regional emission inventories (IREA, INEMAR), ISPRA for Italy and EMEP
inventory for Europe
Modelli utilizzati
Parallel Micro-Swift-Spray, 3D Lagrangian Particle model:
• based on MPI libraries, it allows a multi-tile decomposition
of big domains on multicore machines
• computational resources are reallocated dynamically among
processes during computation
• obstacles are taken into account at microscale
• meteorological fields are obtained by PSWIFT, a parallelized
3D wind field model for complex terrain which produces a
mass- consistent wind field using data from a dispersed
meteorological network or a larger scale model.
11. 11
START
scheduled
each day at h 15:15
Download meteorological,
turbulence and background
fields
Compute 3D meteorological
fields for 24 hours
Numerical simulation
START
scheduled
each hour at 0 minutes
Get newest available
concentration fields
Compute total PM10, PM2.5
and NO2 properly summing
background values
Post processing
Store output data in
geoJSON, CSV and
netcdf format
Select meteorological file and
turbulence data
Compute and store
NOx, PM10 & PM2.5
24h concentrations fields
Regional scale
air quality
repository
WANDA platform
Compute background
values from regional scale
model
ONE TECNICA PRELIMINARE SULLA
ELL'ARIA NELLA REGIONE PIEMONTE
NELL'INVERNO 2006 - 2007
13. 13
WANDAAPIs v2.0
Point like data: delivers a single GeoJSON object
api.simularialab.eu/api/v2/points?
time=latest&location=7.6930969,45.1026899&pollutant=PM10
time=latest
location=longitude,latitude
pollutant=NO2|PM10|PM25
18. 18
WANDA Offerings
Name Input Output
Air Quality in Torino Latitude
Longitude
NO2 concentration [µg/m3]
PM10 concentration [µg/m3]
PM2.5 concentration [µg/m3]
Timestamp
Latitude
Longitude
Air Quality NO2 gridded
data in Torino
Latitude bottom left corner
Longitude bottom left corner
Latitude top right corner
Longitude top right corner
NO2 concentration [µg/m3]
Timestamp
Latitude
Longitude
as a JSON array
Air Quality PM10 gridded
data in Torino
Latitude bottom left corner
Longitude bottom left corner
Latitude top right corner
Longitude top right corner
PM10 concentration [µg/m3]
Timestamp
Latitude
Longitude
as a JSON array
Air Quality PM2.5 gridded
data in Torino
Latitude bottom left corner
Longitude bottom left corner
Latitude top right corner
Longitude top right corner
PM2.5 concentration [µg/m3]
Timestamp
Latitude
Longitude
as a JSON array
26. 26
Conclusioni
• Grazie alla collaborazione di Arpa Piemonte, la catena è
“operativa” da un mese circa e funzionerà fino alla fine dell’anno,
consentendo una validazione dei risultati (obiettivi di qualità ex
D.Lgs. 155/2010);
• Occasione per approfondire alcuni aspetti tecnici legati alla
combinazione dei modelli, come la modalità più opportuna per
scorporare il traffico, una migliore descrizione della
risospensione;
• Opportunità di accedere a nuovi dati sul marketplace;
• Opportunità di offrire i propri dati a sviluppatori di nuovi servizi e
applicazioni.
1
RELAZIONE TECNICA PRELIMINARE SULLA
QUALITÀ DELL'ARIA NELLA REGIONE PIEMONTE
NELL'INVERNO 2006 - 2007