I modelli

Il Progetto VIIAS non si è limitato a raccogliere i dati delle concentrazioni di PM2,5, NO2 e O3 e a elaborarli per fornire una mappa dettagliata dell’inquinamento atmosferico in Italia. Quei dati sono stati poi rielaborati dal Laboratorio Qualità dell’Aria dell’ENEA (Agenzia nazionale per le Nuove Tecnologie, l’Energia e lo Sviluppo Economico Sostenibile) attraverso modelli in grado di fornire una stima di quale sarà la qualità dell’aria che respireremo in diversi scenari all’anno 2020.

Il Laboratorio ha prodotto per VIIAS le basi di partenza per lo sviluppo dell’Integrated Environmental and Health Impact Assessment (Valutazione integrata di impatto ambientale e sanitario)  e, precisamente, i dati di concentrazione dei principali inquinanti atmosferici di rilevanza sanitaria (PM10 e PM2,5, NO2, O3) su tutto il dominio nazionale a una risoluzione spaziale orizzontale di 4 km per diverse annualità.

Tutti i dati sono stati simulati con il Sistema Modellistico Atmosferico (SMA) utilizzato nel Laboratorio, che calcola campi tridimensionali orari di variabili meteorologiche e di concentrazione dei principali inquinanti(4, 6). Il SMA è una suite modellistica complessa e pienamente integrata, il cui cuore è FARM – Flexible Atmospheric Regional Model(2, 3, 5), un modello Euleriano tridimensionale che tratta il trasporto, l’evoluzione chimica e la deposizione degli inquinanti atmosferici e calcola le concentrazioni in aria e le deposizioni al suolo di inquinanti gassosi e di particelle di aerosol.

Farm

Il SMA è aggiornato allo stato dell’arte ed è stato applicato a livello nazionale per conto del Ministero dell’Ambiente (www.minni.org), con la creazione di un database di campi meteorologici, emissivi, di deposizione e concentrazione, relativo a diverse annualità reali (1999, 2003, 2005, 2007) e di scenario. Il database è correntemente utilizzato per valutazioni di politiche di qualità dell’aria e in supporto a studi modellistici di maggior dettaglio effettuati dalle Regioni italiane e da aziende private. Più di recente, simulazioni di nuove annualità (2010) avvengono anche con il sostegno di risorse progettuali e comunque condivise con il Ministero dell’Ambiente ai sensi del D.Lgs. 155/2010 e ss.mm.ii.

Nel Progetto VIIAS sono state rese disponibili elaborazioni specifiche, per inquinante, metrica dell’indicatore richiesto e riferimento temporale, per gli anni 2005 (tuttora anno di riferimento per le politiche europee, tra cui la revisione del protocollo di Göteborg) e per il 2010.

L’anno di scenario 2020

Il SMA è strettamente interfacciato con GAINS-Italy, modello di valutazione integrata di impatto e di costi di politiche di riduzione dell’inquinamento atmosferico che riflette, su scala nazionale, la struttura del modello GAINS-Europe (GAINS, 2009). Il modello, a partire da informazioni sulle tecnologie di abbattimento delle emissioni dei diversi settori produttivi e da informazioni su scenari energetici ed economici, consente infatti la produzione di scenari emissivi alternativi e/o futuri e di valutarne i costi e l’efficacia in termini di riduzione delle concentrazioni.

I due sistemi modellistici sono connessi circolarmente e il SMA può prendere in input scenari emissivi prodotti da GAINS-Italy; viceversa il SMA produce per GAINS-Italy “matrici di trasferimento atmosferico” che consentono una valutazione speditiva, a risoluzione spaziale di 20km, dell’effetto sulle concentrazioni degli scenari emissivi.

Per il Progetto VIIAS è stato prodotto uno specifico scenario emissivo 2020 che, al momento della sua elaborazione, era il migliore possibile all’interno di un “meccanismo” che è in continua evoluzione.

Erano infatti stati resi disponibili da ISPRA due importanti input del modello GAINS: un nuovo scenario energetico con l’anno 2010 a consuntivo e il nuovo inventario nazionale 2010. Il primo costituisce il driver principale degli scenari emissivi; il secondo serve ad armonizzare le emissioni elaborate da GAINS all’anno base con quelle dell’inventario che solitamente sono anche gli input del SMA. Altro importante elemento a favore della scelta operativa sullo scenario 2020 era che ENEA aveva già eseguito l’armonizzazione delle emissioni prodotte dal modello GAINS-Italy sia con l’inventario 2010 (submission 2012) che con il precedente inventario 2005, dato che ad ogni submission viene rivista anche la serie storica delle emissioni. inventario inserisce un anno in più e rivede l’intera serie storica per cui anche il 2005 è stato ritarato sulla base dell’ultima submission disponibile in quel momento. Erano state anzi anticipate alcune modifiche che sarebbero state poi apportate ufficialmente nella submission 2013 e che riguardavano i FE di PM2.5 e VOC relativi alla combustione di legna da ardere nel settore domestico e una revisione dei consumi di legna attribuiti al riscaldamento nel settore commerciale.

Lo scenario emissivo utilizzato per i diversi inquinanti primari nella simulazione 2020 è uno scenario Current LEgislation (CLE) basato cioè sulle normative europee e nazionali vigenti o che entreranno progressivamente in vigore negli anni di scenario. Non comprende le misure che le singole Amministrazioni Regionali potranno porre in essere per abbattere ulteriormente le proprie emissioni. Ad oggi, tutti i Piani Regionali di Qualità dell’Aria hanno comunque adottato lo scenario CLE di GAINS_Italy come punto di partenza della propria azione.

Lo scenario 2020 elaborato per VIIAS evidenzia sia l’effetto “a consuntivo” della crisi economica nell’anno 2010, sia i maggiori elementi problematici che ostacolano un rapido miglioramento della qualità dell’aria in Italia.

tabella ENEA NOx

Gli ossidi di azoto evidenziano infatti la tenuta del settore Trasporto su Strada fino al 2020 quando l’ulteriore rinnovo del parco circolante dovrebbe auspicabilmente ridurre in misura considerevole le emissioni prodotte dagli autoveicoli anche a motore diesel.

tabella ENEA pm25

Il particolato evidenzia il problema del riscaldamento nel settore residenziale che, allo stato attuale, viene impattato dall’uso della biomassa legnosa come combustibile, ponendo seri problemi anche al solo raggiungimento della compliance normativa.

RIFERIMENTI BIBLIOGRAFICI

  1. GAINS website, 2009. International Institute for Applied Systems Analysis, Atmospheric Pollution and Economic Development (APD). http://gains.iiasa.ac.at/index.php/home-page
  2. Gariazzo, C, Silibello, C, Finardi, S, Radice, P, Piersanti, A, Calori, G, Cecinato, A., Perrino, C., Nussio, F., Cagnoli, M., Pelliccioni, A., Gobbi, G.P., Di Filippo, P. (2007),  A gas/aerosol air pollutants study over the urban area of Rome using a comprehensive chemical transport model. AtmosEnviron. 41, 7286-7303.
  3. Kukkonen , J., Olsson, T., Schultz, D. M., Baklanov, A., Klein, T., Miranda, A. I., Monteiro, A., Hirtl, M., Tarvainen, V., Boy, M., Peuch, V.-H., Poupkou, A., Kioutsioukis, I., Finardi, S., Sofiev, M., Sokhi, R., Lehtinen, K. E. J., Karatzas, K., San José, R., Astitha, M., Kallos, G., Schaap, M., Reimer, E., Jakobs, H., Eben, K., (2012). A review of operational, regional-scale, chemical weather forecasting models in Europe. Atmospheric Chemistry and Physics, 12, 1-87.
  4. Mircea, M., Ciancarella, L., Briganti, G., Calori, G., Cappelletti, A., Cionni, I., Costa, M., Cremona, G., D'Isidoro, M., Finardi, S., Pace, G., Piersanti, A., Righini, G., Silibello, C., Vitali, L., and Zanini, G., (2014). Assessment of the AMS-MINNI system capabilities to predict air quality over Italy for the calendar year 2005. Atmospheric Environment, Vol. 84, February 2014, Pages 178–188.
  5. Silibello C., Calori G., Brusasca G., Giudici A., Angelino E., Fossati G., Peroni E., Buganza E., (2008),  Modelling of PM10 concentrations over Milano urban area using two aerosol modules. Environmental Modelling & Software, 23, 333-343.
  6. Zanini, G., Pignatelli, T., Monforti, F., Vialetto, G., Vitali, L., Brusasca, G., Calori, G., Finardi, S., Radice, P., Silibello, C., (2005), The MINNI Project: an integrated assessment modelling system for policy making. Proceedings of MODSIM 2005 Int. Congress on Modelling and Simulation, A. Zerger and R. M. Argent (eds.).