Ricostruzione della composizione del particolato atmosferico nell area lombarda

Transcript

1 Ricostruzione della composizione del particolato atmosferico nell area lombarda E. Peroni ARPA Lombardia UO Modellistica Settore Monitoraggi Ambientali

2 Sommario Modelli chimici e di trasporto e misure in applicazioni diagnostiche: uso delle misure in ARPA Lombardia [1 diapo] territorio lombardo [11 diapo] Considerazioni in merito ai risultati e sviluppi [2 diapo] 2

3 Il modello C-T in ARPA Lombardia Modello chimico e di trasporto: FARM versione (al 12) sviluppato da Arianet. Dominio: Griglia di passo 4x4 Km per un totale di 61x59 celle; 11 livelli verticali (centri cella a 1, 4, 9,, 486 m). Emissioni: Inemar 8 per la regione, ISPRA 5 per il territorio italiano non lombardo, EMEP 5 per il territorio non italiano. Meteorologia: Interpolazione dei dati di stazioni rete meteorologica ARPA con profili verticali di analisi ricavati da ECMWF T799 (T1279); campi ad 1 Km di risoluzione. Tipologia di applicazione: diagnostica, con run giornalieri di 24 ore condotti il giorno N e riferiti al giorno N-1. Condizioni iniziali: in condizioni normali lo startup del giorno N è condotto sull ultima ora del giorno N-1 + data fusion con interpolazione (SCM) dei dati della rete di QA di ARPA. In mancanza del run del giorno N-1 viene usato il campo di analisi di Prev Air (modello CHIMERE) scaricato il giorno N a cui è applicato un processo di data fusion con interpolazione (SCM) dei dati della rete di QA di ARPA. Condizioni al contorno: campi di analisi di Prev Air (modello CHIMERE). Processo di data fusion con interpolazione (SCM) dei dati della rete di QA ARPA a valle dei risultati modellistici (non per i risultati qui utilizzati, comunque di run operativi e non appositi). 3

4 Dai risultati delle simulazioni quotidiane vengono estratti i valori in corrispondenza dei siti per i quali esistono misure sulla composizione del particolato tramite interpolazione bilineare sui 4 vertici di cella più vicini. Milano Pascal Fondo urbano Cremona 4

5 Anno 12; tipo di dati: medie giornaliere Per il sito di Milano Pascal sono rese disponibili misure di PM 2.5, TC, OC ed EC (copertura dei dati pari al 9% per il PM 2.5 ed all 83% per le misure di carbonio) Per il sito di Cremona Cadorna sono rese disponibili alcune misure di metalli, ioni, IPA e di PM 1 (copertura dei dati pari al 25%) Composizioni medie sul campione di misure: Milano Pascal - % sul PM 2.5 TC da misure TC da simulazioni 33% (28% OC e 5% EC) 29% (23% OC e 6% EC) Cremona - % sul PM 1 NO 3, NH 4, SO 4 da misure 42% (26% NO 3, 9% NH 4 e 6% SO 4 ) NO 3, NH 4, SO 4 da simulazioni 56% (27% NO 3, 14% NH 4 e 16% SO 4 ) 5

6 Concentrazioni ug/m3 Milano Pascal: PM VALORE MISURATO VALORE STIMATO TOTALE DEL CAMPIONE PEARSON 87% BIAS 3.67 MFB.28 MFE.41 NMBF 12% RMSE d.91 SKILL VARIANCE.77 Milano Pascal media sul campione da misure 3 ug/m3 da simulazioni 33 ug/m3 13% 32% 55% NO3,SO4,NH4 TC ALTRO Composizione media del PM 2.5 da simulazione 6

7 Concentrazione - ug/m3 Concentrazione media - ug/m3 Milano Pascal: PM Semestre invernale Semestre estivo Inverno Primavera Estate Autunno Misurato Simulato Misurato Simulato SEM INVERNALE SEM ESTIVO PEARSON 78% 66% BIAS MFB MFE NMBF 4% 32% RMSE d SKILL VARIANCE INVERNO PRIMAVERA ESTATE AUTUNNO PEARSON 76% 78% 7% 83% BIAS MFB MFE NMBF -3% 68% 3% 11% RMSE d SKILL VARIANCE

8 concentrazione media - ug/m3 Milano Pascal: valori medi mensili PM Misurato Simulato Marzo meteorologicamente più invernale. Primavera molto dinamica, con alternanza di condizioni cicloniche ed anticicloniche e forti variazioni di temperatura. 8

9 Concentrazioni (ug/m3) Concentrazioni (ug/m3) Concentrazioni (ug/m3) Milano Pascal: Carbonio TC MISURATO (NIOSH trasmittanza) TC STIMATO OC MISURATO (NIOSH trasmittanza) OC STIMATO Valori medi sul totale del camp. (ug/m3) SPECIE MISURATO SIMULATO TC 9.8 > 33% 1.2 > 29% OC bio 8.4 > 28% (-) 8.1 > 23% (.2 >.5%) EC 1.4 > 5% 2.1 > 6% EC MISURATO (NIOSH trasmittanza) EC STIMATO 9

10 TC 4 y =,9625x +,4863 R² =, OC y =,9677x -,5 R² =, misurato - ug/m3 1 3 misurato - ug/m3 1 EC y =,7349x +,969 R² =, Passo di griglia? 5 1 misurato - ug/m3 1

11 Semestre invernale Semestre estivo OC ( g/m 3 ) 12.3 (12.7) 5.6 (4.2) EC ( g/m 3 ) 2.3 (2.9).8 (1) TC ( g/m 3 ) 14.6 (15.6) 6.4 (5.2) TC/PM25 (%) 32 (32) 53 (27) EC/PM25 (%) 5 (6) 7 (5) OC/PM25 (%) 27 (26) 47 (22) Inverno Primavera Estate Autunno OC ( g/m 3 ) 14.7 (16.6) 8.1 (6.3) 5.5 (3.7) 7.4 (7.1) EC ( g/m 3 ) 2.6 (3.4) 1.3 (.9).6 (.9) 1.5 (2.7) TC ( g/m 3 ) 17.4 () 9.4 (7.2) 6.2 (4.6) 9 (9.8) OC/TC (%) 85 (83) 86 (87) 9 (81) 83 (73) EC/TC (%) 15 (17) 14 (13) 1 (19) 17 (27) TC/PM25 (%) 33 (38) 49 (27) 49 (3) 28 (27) EC/PM25 (%) 5 (6) 7 (3) 5 (6) 5 (7) OC/PM25 (%) 28 (31) 42 (23) 44 (24) 23 (19) Stagione fredda : nel complesso buon accordo, con distinguo tra autunno (sovrastima EC) ed inverno Stagione calda : sottostima in massa, nei mesi estivi soprattutto per OC, ma anche in % sul totale (mentre tornano i rapporti interni) => c è anche sovrastima di altre componenti 11

12 Concentrazioni ug/m3 Andamento campione dati Cremona, PM 1 totale 25 TOT del campione PEARSON 84% BIAS MFB -. MFE.29 NMBF -27% RMSE d.83 SKILL VARIANCE PM1 MIS PM1 SIM Difetto in massa (picchi di Febbraio, valori estivi) Cremona media del campione da misure 46 ug/m3 da simulazioni 36 ug/m3 12

13 concentrazioni (ug/m3) concentrazioni (ug/m3) NH 4, NO 3, SO 4 sul campione dei dati: NH4 TOT del campione PEARSON 66% BIAS.19 MFB Misurato Simulato MFE.75 NMBF 4% RMSE 31.3 d.74 SKILL VARIANCE.6 NO3 TOT del campione PEARSON 65% BIAS MFB MFE.25 NMBF -37% RMSE 1.13 Misurato Simulato d.55 SKILL VARIANCE.32 13

14 concentrazioni (ug/m3) Misurato SO4 Simulato TOT del campione PEARSON 58% BIAS 2.38 MFB.22 MFE.28 NMBF 76% RMSE 2.72 d.57 SKILL VARIANCE 2.3 Scopriamo che una sorgente ha drasticamente ridotto le emissioni, ma non è stata tolta dall input al modello 14

15 Conclusioni Dai confronti con le misure emerge che: La simulazione del PM 2.5 è buona, per lo meno per l area in esame; per il PM 1 è necessario stimare meglio la frazione coarse (risospensione?). La rappresentazione del carbonio organico è soddisfacente: va però capito meglio a cosa attribuire la sottostima estiva (p. es. componente biogenica, revisione dei profili di speciazione, effetto dei COV condensabili) La rappresentazione del carbonio elementare lo è meno (riduzione del passo di griglia, revisione dei profili di speciazione) Vediamo una leggera, ma sistematica e diffusa, sovrastima della frazione inorganica NO 3 +SO 4 +NH 4, più marcata nel periodo estivo (meteorologia, eccessiva presenza di ossidanti?) 3% 4% 1% 9% 4% 4% 34% 12% 45% 7% SO4 NO3 NH4 EC OC SO4 NO3 NH4 EC OC 15

16 Conclusioni Sviluppi in corso : Implementazione della release di FARM con trattazione IPA e metalli Implementazione di stime bottom-up per alcune sorgenti emissive ed aggiornamento degli inventari emissivi (Inemar, Ispra, Emep) Revisione dei profili di speciazione ed allocazione temporale delle emissioni (anche alla luce degli sviluppi dell inventario Inemar, p.es. stima EC/OC) Aumento della risoluzione del passo di griglia Abbiamo bisogno di misure, in serie storiche le più possibili complete e diffuse sul territorio perché la prima domanda da farsi non è dove sbaglia il modello?, ma dove sbaglia il modellista? e perché al momento, è nostra opinione che la modellistica (intesa in senso generale) sia lo strumento migliore per analisi di scenari, previsioni, source-apportionment. Grazie per l attenzione! Un grazie speciale a Cristina Colombi di ARPA Lombardia 16