Dati di concentrazione di PM10 nell'aria-ambiente acquisiti dalla Rete Regionale di Rilevamento della Qualità dell'aria Periodo:

Transcript

1 Dati di concentrazione di PM10 nell'aria-ambiente acquisiti dalla Rete Regionale di Rilevamento della Qualità dell'aria Periodo: INDICE 1. Introduzione Qualità delle serie temporali Distribuzioni dei valori misurati Diagrammi di dispersione Matrici di correlazione Confronto coi limiti previsti dalla normativa Conclusioni Introduzione Le centraline fisse che misurano PM10 attualmente sono: Rete Sigla Comune Ubicazione UD OSO Udine p.le Osoppo UD MAN Udine v.manzoni UD OPP Osoppo v. Strade de Ferade UD TRV Torviscosa v. della Sorgente UD EDI Torviscosa Edison v. Marconi UD MAL Torviscosa Malisana v.le del Cimitero UD CAS Bagnaria Arsa - Castions pressi v. della Villa TS LIB Trieste p.zza Libertà TS CAR Trieste v.carpineto TS BAN Trieste v. Tor Bandena TS PIT Trieste v.pitacco TS SVE Trieste v.svevo TS MUG Muggia Molo pressi v. di Trieste GO LUC Lucinico Via del Camposanto GO AOS Gorizia v. Duca d'aosta GO MON Monfalcone v. Duca d'aosta PN MAR Pordenone v.le Marconi PN POR Porcia v. Colombera PN SAC Sacile pressi v. Don Milani L analisi è stata realizzata utilizzando i dati orari e, con riferimento ai limiti imposti dalla normativa vigente, le medie giornaliere. Pag. Pagina 1 di 11

2 2. Qualità delle serie temporali Il diagramma delle serie storiche dei dati orari non mette in evidenza andamenti con offset nelle misure o di modifiche nella soglia di rilevabilità. Alcune stazioni mostrano interruzioni non trascurabili nelle serie temporali dei dati. Queste sono: CAS, EDI e MAL, centraline entrate a far parte della rete regionale ARPA a inizio 2007, e SAC, centralina che è stata attivata il 23/02/2007. Le centraline delle province di Pordenone e Gorizia hanno fornito i dati con frequenza bioraria per un periodo non trascurabile nell arco di tempo considerato. Per facilitare il confronto con i dati rilevati dalle altre centraline, i dati biorari sono stati ricampionati con frequenza oraria assegnando a due ore consecutive lo stesso valore misurato. 3. Distribuzioni dei valori misurati Le distribuzioni dei dati orari misurati hanno andamenti simili in ogni caso e risultano fortemente asimmetriche, con il picco spostato verso i valori bassi. La maggior parte dei valori misurati cade nell intervallo 0 50 µg/m 3. In Figura 1 si riporta una distribuzione come esempio. Figura 1- Istogramma della distribuzione dei valori misurati per la centralina CAS Pagina 2 di 11

3 4. Diagrammi di dispersione Sono stati prodotti gli scatter plot dei dati misurati nelle stazioni, selezionate a coppie, sia su base oraria che giornaliera. I diagrammi mostrano un elevata correlazione dei punti sia per l analisi effettuata su base oraria che per quella effettuata su base giornaliera. In quest ultimo caso la correlazione sembra essere di molto maggiore rispetto al primo caso. Vengono riportati, a titolo di esempio, i diagrammi di dispersione delle stazioni MAN e OSO, ottenuti sia a partire dai dati orari (Figura 2) che dai dati giornalieri (Figura 3). Figura 2 Diagramma di dispersione dei dati orari delle stazioni MAN e OSO Pagina 3 di 11

4 Figura 3 Diagramma di dispersione dei dati giornalieri delle stazioni MAN e OSO 5. Matrici di correlazione Le stazioni che presentano interruzioni non trascurabili nelle serie temporali non sono state considerate nel calcolo delle correlazioni. A causa della non normalità dei dati, infatti, per il calcolo delle correlazioni si è dovuto usare la correlazione di Spearman, che è un test non parametrico. Il test permette di analizzare i dati indipendentemente dai parametri statistici e quindi dal tipo di distribuzione della popolazione. I dati orari sul periodo preso in esame sono in totale 26280, mentre i dati per cui tutte le centraline rimanenti hanno dati validi (gli unici presi in considerazione nel calcolo delle correlazioni) sono Non ci sono, comunque, lunghi periodi di tempo in cui manchino i dati. Il diagramma quantile-quantile dei dati giornalieri mostra che la trasformazione logaritmo è di poco migliore di quella radice quadrata nella normalizzazione dei dati. In una prima analisi delle correlazioni, al fine di eseguire la correlazione di Pearson, che si applica solo a distribuzioni normali di dati, è stata quindi utilizzata la trasformazione logaritmo. Pagina 4 di 11

5 Alla fine, il calcolo delle correlazioni è stato fatto sia sulle medie orarie, anche se non previste dalla normativa, che sulle medie giornaliere usando dati non trasformati perché è stato utilizzato il metodo di Spearman, che non richiede la gaussianità dei dati. La correlazione che si ottiene considerando le medie orarie o giornaliere ha valori molto alti, sicuramente maggiori rispetto a quelli trovati per CO, NO2 e SO2. Si è comunque scelto di trattare separatamente gli andamenti a diversa cadenza temporale. Al fine di considerare il trend pluriennale dei dati, si è sottratto dai valori orari (o giornalieri) il valore della mediana degli anni considerati. I dati così ottenuti conservano le influenze degli andamenti temporali di lunghezza inferiore al periodo di anni considerato (Resto1). Dai tali dati si è estrapolato l andamento stagionale attraverso una convoluzione dei dati con una gaussiana con FWHM pari a 3 mesi. I dati così ottenuti sono denominati Season. Il risultato della sottrazione di Season da Resto1 (denominato Resto2) contiene le influenze degli andamenti temporali di lunghezza inferiore alla stagione. Esso è stato convoluto con una gaussiana avente FWHM pari a 7 giorni per estrapolare l andamento settimanale dei dati. Il risultato di questa operazione è chiamato Week. L ultimo set di dati si ottiene sottraendo Week a Resto2 (il risultato è denominato Resto3) e contiene le oscillazioni dovute a influenze temporali di scala inferiore alla settimana. Nella tabella sottostante si riporta un elenco schematico dei set di dati e di come sono stati ottenuti, così da rendere più comprensibili le operazioni effettuate. NOME Dati di partenza Resto1 Season Resto2 Week Resto3 Tabella 1 DATI DI ORIGINE Dati orari o medie giornaliere Dati di partenza mediana sul periodo pluriennale considerato Resto1 convoluto con gaussiana (FWHM=3 mesi) Resto1-Season Resto2 convoluto con gaussiana (FWHM=7 giorni) Resto2 - week Nelle figure seguenti, da Figura 4 a Figura 7, viene proposto un esempio di come le operazioni eseguite modifichino l andamento dei dati orari Pagina 5 di 11

6 Figura 4 Dati orari della centralina LIB Figura 5 - Resto1 della centralina LIB con sovrapposto (in rosso) Season Pagina 6 di 11

7 Figura 6 Resto2 della centralina LIB con sovrapposto (in rosso) Week Figura 7 Resto3 della centralina LIB Pagina 7 di 11

8 I risultati migliori di correlazione si ottengono usando come dati di partenza le medie giornaliere. In allegato si riportano quindi le matrici di correlazione di Spearman in scala di grigi per i 5 set di dati derivati e le tabelle con i valori numerici delle correlazioni, il tutto calcolato a partire dalle medie giornaliere dei dati orari. Ci sono diversi gruppi di centraline che mostrano una correlazione alta per tutti e 5 i set di dati derivati. Le stazioni di Trieste in primis hanno andamenti fortemente correlati, con l unica esclusione dell andamento stagionale per CAR e PIT. Anche le stazioni del comune di Udine (OSO e MAN) sono ben correlate e si nota una buona correlazione anche per le centraline della provincia di Udine, con OPP che ha andamenti un po più indipendenti. Infine, le centraline di Pordenone (MAR e POR) e quelle di Gorizia e Monfalcone (LUC, AOS e MON) mostrano una qualche correlazione con le centraline della provincia di Udine. Nella tabella sottostante si può vedere più nello specifico quali sono le centraline che hanno un alta correlazione per tutti e 5 i set di dati centraline r1 season r2 week r3 somma OSO MAN MAR POR LIB BAN LIB CAR LUC AOS MAN TRV TRV LUC MAN MAR TRV AOS MAN LUC MAN AOS TRV MAR OSO TRV OSO MAR OSO LUC BAN CAR TRV POR MAN POR OSO AOS MAR LUC OSO POR BAN MON LIB MON LIB SVE MAR AOS POR AOS MAN OPP OSO OPP POR LUC BAN SVE CAR SVE CAR LUC OPP MAR CAR PIT Pagina 8 di 11

9 LIB LUC PIT SVE LIB PIT BAN MUG MUG MON LIB MUG OPP LUC OPP TRV MON AOS TRV LIB OPP AOS OPP POR BAN PIT SVE MON CAR MON LUC MON TRV MON LIB AOS SVE MUG CAR MUG TRV CAR MAN LIB BAN LUC CAR AOS PIT MUG MAN CAR OSO LIB BAN AOS PIT MON TRV BAN MUG LUC TRV MUG SVE LUC MUG AOS OSO CAR MAN MON OPP LIB LIB MAR MAR MON CAR MAR SVE AOS TRV SVE MAN BAN OSO MON OPP CAR POR MON MAN MUG LIB POR OPP BAN Pagina 9 di 11

10 OSO BAN BAN MAR MAN SVE OSO MUG CAR POR OPP MON MUG MAR OPP MUG OSO SVE SVE MAR MUG POR PIT LUC BAN POR SVE POR PIT AOS TRV PIT OPP SVE MAN PIT OPP PIT OSO PIT PIT MAR PIT POR In allegato, le figure da 6 a 9 mostrano il confronto tra le diverse serie di dati (dati orari, Resto1, Season, Resto2, Week e Resto3) per la coppia di centraline OSO e MAN, altamente correlate, e PIT e POR, meno correlate. Tabella 2 Elenco degli indici di correlazione ottenuti dalle medie giornaliere dei dati 6. Confronto coi limiti previsti dalla normativa La Tabella 3 riporta i massimi dei valori giornalieri (limiti da normativa) per i tre anni analizzati. La quarta colonna di ogni gruppo indica la percentuale che il valore calcolato per il 2007 rappresenta rispetto al limite di legge (50 µg/m 3 ): valori giornalieri %2007 OSO MAN OPP TRV MAL n.d. n.d EDI n.d. n.d CAS n.d. n.d LIB BAN CAR PIT Pagina 10 di 11

11 SVE MUG MAR POR SAC n.d. n.d LUC MON AOS Tabella 3 7. Conclusioni La correlazione che si ottiene considerando le medie orarie o giornaliere ha valori molto alti, maggiori rispetto a quelli trovati per CO, NO2 e SO2. Diversi gruppi di centraline mostrano una correlazione alta per tutti e 5 i set di dati derivati. Le stazioni di Trieste in primis hanno andamenti fortemente correlati, con l unica esclusione dell andamento stagionale per CAR e PIT. Le stazioni del comune di Udine (OSO e MAN) sono ben correlate tra loro e si nota una buona correlazione anche con TRV. L altra centralina della provincia di Udine, OPP, mostra invece andamenti un po più indipendenti. Le centraline di Pordenone (MAR e POR) e quelle di Gorizia e Monfalcone (LUC, AOS e MON) mostrano una correlazione con le centraline della provincia di Udine OSO, MAN e TRV, con l eccezione dell andamento stagionale di MON. MAR e POR risultano essere molto ben correlate tra loro. LUC e AOS risultano anch esse ben correlate tra loro. MON presenta una correlazione leggermente più bassa con entrambe, soprattutto per quanto riguarda l andamento stagionale. Da Tabella 2 si ricava che tutti e 5 i set di dati mostrano valori alti di correlazione, anche tra centraline di province o città diverse (le centraline delle provincie di Udine, Pordenone e Gorizia). L andamento stagionale è quello che mostra un livello di correlazione meno omogenea. Sempre da Tabella 2 si vede anche che molte centraline sembrano avere un andamento simile, con indici di correlazione tra 0.6 e 1.0. Pagina 11 di 11