151

5. SIMULAZIONI MODELLISTICHE

5.1 Introduzione Allo scopo di individuare le porzioni di territorio più critiche, è stato utilizzato un programma di simulazione modellistica che ha utilizzato i dati di catasto delle emissioni e i dati meteorologici. In questo modo è possibile costruire delle mappe di diffusione degli inquinanti, evidenziando le ricadute delle sostanze sul territorio. Così facendo si completa il quadro conoscitivo passando dalla analisi georeferenziata delle emissioni, a quella delle “immissioni” o, in altre parole, alla valutazione dello stato di qualità dell’aria per il territorio considerato nella simulazione. Il modello utilizzato per questa valutazione è ADMS-Urban.

5.2 Caratteristiche principali del modello ADMS-Urban ADMS (Advanced Dispersion Modelling System) - Urban è un modello analitico stazionario avanzato di dispersione degli inquinanti. Il modello è di tipo gaussiano (con profilo verticale di concentrazione non-gaussiano in condizioni convettive), sviluppato nel Regno Unito da un consorzio governativo ed industriale diretto da CERC (Cambridge Environmental Research Consultant). Le sorgenti possono essere industriali, civili e di traffico stradale e vengono modellizzate utilizzando punti, linee, aree, volumi e griglie. ADMS è stato progettato per affrontare la diffusione in atmosfera degli inquinanti dal caso più semplice, come una singola sorgente puntuale o lineare, a quello più complesso della realtà urbana. Una differenza importante tra ADMS-Urban e altri modelli analitici stazionari di dispersione per aree urbane è il fatto che ADMS sfrutta una fisica più aggiornata per descrivere la stabilità dello strato limite atmosferico, rispetto all’approccio tradizionale basato sulle classi di stabilità di Pasquill1. ADMS infatti utilizza due parametri fisici misurabili che sono l’altezza dello strato di rimescolamento2 e la lunghezza di Monin-Obukhov3, che permettono una descrizione senz’altro più realistica dei fenomeni di dispersione. Il software è dotato di varie funzionalità: • un modello avanzato di dispersione con un profilo gaussiano in condizioni stabili e

neutre, ed un profilo verticale non-gaussiano delle concentrazioni in condizioni instabili, che tiene conto della natura anisotropa della turbolenza all’interno del strato limite;

1 Le classi di stabilità costituiscono un indice qualitativo dell’intensità della turbolenza atmosferica basato su grandezze meteorologiche collegate alla turbolenza. 2 Per misurare l’altezza dello strato rimescolato occorre individuare fino a quale quota sia verificata una condizione stabilita come caratteristica dello strato rimescolato. Fra le variabili proposte vi sono: forte turbolenza, forte rimescolamento, forti flussi verticali, lunghezza di Monin-Obukhov. 3 La Lunghezza di Monin-Obukhov (LMO) corrisponde al rapporto tra l’intensità della turbolenza prodotta da fattori meccanici e quella prodotta da fattori termici (convezione). In condizioni di PBL (Planetary Boundary Layer) instabile, LMO ha un valore positivo; in condizioni di PBL stabile ha valore negativo, in quanto la stratificazione inibisce la convezione e il termine convettivo è minore di zero. LMO dipende dunque dalla velocità di frizione e dal flusso di calore superficiale.

152

• un preprocessore meteorologico che calcola i parametri dello strato limite planetario, da diversi set di dati di input;

• una completa gamma di sorgenti, che permette di utilizzare contemporaneamente fino a 1500 sorgenti puntuali, lineari, areali e una griglia fino a 3000 celle;

• la modellizzazione delle reazioni fotochimiche, che coinvolgono NO, NO2 e O3; • il calcolo della dispersione attorno agli edifici (solo per sorgenti puntuali) o per

orografie moderatamente complesse. ADMS-Urban può effettuare due tipi di simulazione: Short-term: il programma calcola un valore di concentrazione per ogni inquinante e per ogni ora di dati meteorologici di input, per ogni punto recettore definito dall’utente. Il file generato in output può essere una griglia o una tabella contenente i punti recettori e gli inquinanti selezionati nelle opzioni di output. I dati sono valori medi orari. Long-term: il programma calcola un unico valore per ogni inquinante e per ogni punto recettore definito dall’utente. Se il file meteorologico copre un anno, i valori ottenuti sono medie annuali. Anche in questo caso si possono avere griglie di valori sull’area di studio o tabelle di valori di concentrazione nei punti recettori. È possibile calcolare percentili e numero di superamenti nel periodo meteorologico considerato. Nel caso di simulazioni su griglia di calcolo, il modello implementa sia griglie di passo regolare (con passo definibile dall’utente), che griglie di passo variabile. Le griglie variabili sono sia definibili dall’utente che di tipo “intelligent”, ovverosia il software sfrutta un algoritmo che individua, oltre ai punti di una griglia regolare e definita dall’utente, fino ad un massimo di 5000 punti recettori aggiuntivi che vengono collocati in prossimità delle strade. Anche i parametri di scelta del percorso “intelligent” sono regolabili dall’operatore. L’opzione “griglia intelligente” conduce ad una migliore stima in prossimità delle strade e risulta una opzione indicata in uno studio orientato alla descrizione della realtà urbana, come il presente lavoro, soprattutto per quanto riguarda le aree A1 e A2 (cfr. § 5.3). L’impiego della griglia intelligente presenta però l’inconveniente di aumentare molto il tempo di calcolo, in maniera proporzionale ai punti recettori aggiuntivi utilizzati.

5.3 Aree sottoposte a simulazione modellistica Le aree oggetto di questo studio sono tre, come mostrato in Fig. 5.3.1. Procedendo da nord verso sud, le aree sono: A1 di area (12 x 8) km2, che interessa gran parte del comune di Rimini; A2 di area (9 x 6) km2, che interessa la zona costiera immediatamente più a sud

(comprendente parte del territorio del Comune di Riccione); A3 di area (8 x 7) km2 situata fra i territori comunali di S. Giovanni in Marignano, S.

Clemente, Saludecio, Morciano di Romagna, Mondaino e Montefiore Conca. La scelta delle aree è stata concordata con la Provincia di Rimini in modo da tenere conto degli ambiti territoriali più significativi. Seguendo i criteri di zonizzazione, è stata

153

sottoposta a simulazione una parte di territorio comprendente comuni dell’agglomerato R13 (A1 e A2) e una comprendente comuni in zona A e zona B (A3).

Fig. 5.3.1 Zone modellizzate in ADMS-Urban. Sono evidenziate le diverse tipologie di sorgenti: strade principali come

lineari, emissioni convogliate principali come punti, inquinamento diffuso come griglia volumetrica. Nella zona A3 sono state inserite anche le informazioni relative al profilo orografico.

Per quanto riguarda le aree A1 e A2 il programma è stato fatto girare considerando il terreno pianeggiante. Per l’area A3 è stato attivato invece il modulo orografico ed è stata inserita l’orografia con risoluzione spaziale di 150 metri nel piano orizzontale [x,y] e 5 metri nella direzione verticale z. Attivare il modulo che calcola il campo di vento tenendo conto dei rilievi collinari aumenta di molto i tempi di calcolo. I tempi di calcolo su un PC monoprocessore AMD Athlon 64 2.2 GHz, equipaggiato con 1 GB di RAM, sono stati: • circa 36 ore per le simulazioni senza orografia e con griglia intelligente; • circa 8 giorni per la simulazione con orografia e griglia spaziata con passo regolare.

5.3.1 Catasto delle emissioni per le aree oggetto di studio Gli inquinanti sono stati valutati secondo le indicazioni specificate nel capitolo 4 sul catasto delle emissioni. Le industrie che presentavano le emissioni di almeno un inquinante con bilancio emissivo annuo superiore o uguale a 30 tonnellate sono state modellizzate come sorgenti puntuali. In particolare ogni ciminiera industriale possedeva le stesse coordinate del centro della ditta e peculiari valori delle altre variabili come l’altezza e il diametro di camino, la temperatura, la velocità e la portata di uscita dei fumi. Gli archi stradali più importanti, di cui si conoscevano le caratteristiche di flussi di traffico (vedi catasto macrosettore M 7), sono stati modellizzati come sorgenti lineari. Tutti gli inquinanti considerati diffusi, provenienti da tutti i macrosettori, sono stati sommati in una griglia con celle di dimensioni (1x1) km2 e considerati come sorgenti di griglia. Le sorgenti puntuali sono mostrate nella seguente Tab. 5.3.1.1.

154

Macrosettore A1 A2 A3

M 01 Telerisc. Aldo Moro / / M 02 Ospedale Infermi Ospedale Infermi /

MM 03,04,06 Pavimental

Pesaresi Giuseppe SCM

/ Altema Ceramiche del Conca

Totale Sorgenti Puntuali 24 1 30 Tab. 5.3.1.1 Sorgenti industriali modellizzate come punti

Le emissioni da traffico veicolare sono state calcolate a partire da flussi di traffico forniti dalla Regione Emilia-Romagna e sono il risultato di una simulazione di viabilità. Nello specifico, il grafo contenente dati di flusso sulla rete stradale che è stato utilizzato in questo lavoro è una parte di un grafo costruito appositamente al fine di descrivere e simulare la mobilità a livello regionale e quindi descrive abbastanza bene gli spostamenti di tipo extracomunale, mentre descrive in maniera molto più approssimata gli spostamenti interni al comune capoluogo, sottostimandoli. Come già puntualizzato nella descrizione del macrosettore M 7, tutto il contributo non valutato è stato comunque considerato nella componente diffusa, e nella simulazione modellistica risulta caricato nella griglia di celle di dimensioni (1x1) km2, che comprende anche i relativi contributi di tutti gli altri macrosettori. In sostanza la griglia caricata nella simulazione è una matrice che ha per righe le celle della griglia e per colonne le emissioni nelle relative unità di misura utilizzate: i suoi elementi sono la somma degli elementi delle matrici relative alle componenti diffuse per ogni macrosettore, dove per ogni diverso macrosettore è stata utilizzata la variabile proxy più opportuna alla disaggregazione spaziale. Nella Tab. 5.3.1.2 sono riportati i catasti delle emissioni relative alle aree di studio delle simulazioni, suddivise per inquinante e per tipologia di sorgente (puntuale, lineare e di griglia). Nelle Figg. 5.3.1.1-2 sono stati posti in grafico la composizione relativa (% in massa) degli inquinanti sul catasto provinciale e sulle aree modellizzate.

5.3.2 Approssimazioni introdotte nei dati di input al modello per le aree oggetto di studio Si sottolinea che i dati di input per il modello di diffusione sono gli stessi del catasto a parte il contributo del porto di Rimini. Il contributo del porto al macrosettore M 8 è stato calcolato a partire dalle quantità di combustibili consumati e i valori di inquinanti così ottenuti sono stati distribuiti sull’area di sedime. Mentre questo approccio è ancora corretto per il computo del bilancio catastale provinciale, non può essere sufficiente per l’introduzione dei dati nel modello, in quanto sarebbe come considerare il traffico navale riminese confinato nel sedime del porto o, in altre parole, come se la totalità del combustibile fosse bruciato nell’area portuale. Per una più corretta modellizzazione della realtà occorrerebbe invece valutare le emissioni del parco navale in transito nel porto di Rimini e considerare le rotte più importanti come sorgenti lineari.

155

BENZENECO

NO2NOx

PM10SO2

VOCTSP

A1_Griglia

A1_Punti

A1_Strade

0.00

500.00

1000.00

1500.00

2000.00

2500.00

3000.00

3500.00

4000.00

4500.00

t/a

Inquinante

Sorgente

Catasto A1

BENZENECO

NO2NOx

PM10SO2

VOCTSP

A2_Griglia

A2_Punti

A2_Strade

0.00

500.00

1000.00

1500.00

2000.00

2500.00

t/a

Inquinante

Sorgente

Catasto A2

BENZENECO

NO2NOx

PM10SO2

VOCTSP

A3_Griglia

A3_Punti

A3_Strade

0.00

50.00

100.00

150.00

200.00

250.00

300.00

350.00

400.00

450.00

500.00

t/a

Inquinante

Sorgente

Catasto A3

[t/a] BENZENE CO NO2 NOx PM10 SO2 VOC TSP

A1_Griglia 13.45 4059.00 33.36 446.70 98.86 130.90 651.00 108.80 A1_Punti 0.00 895.30 44.07 302.70 19.77 1385.00 34.99 24.71 A1_Strade 9.77 2592.00 77.42 1037.00 72.91 22.32 634.20 85.86 TOTALE A1 23.22 7546.00 154.80 1786.00 191.50 1538.00 1320.00 219.30 A2_Griglia 4.00 2027.00 17.53 234.70 50.27 65.45 325.10 55.29 A2_Punti 0.00 0.60 0.17 1.20 0.00 0.00 0.12 0.00 A2_Strade 8.49 1564.00 46.98 629.10 48.08 7.30 369.30 56.67 TOTALE A2 12.49 3591.00 64.68 865.00 98.35 72.75 694.50 112.00 A3_Griglia 1.56 488.80 5.73 76.76 23.20 14.67 94.25 27.29 A3_Punti 0.00 3.17 16.95 116.40 24.52 138.80 6.97 30.65 A3_Strade 0.99 243.20 6.54 87.62 9.69 0.70 57.51 11.32 TOTALE A3 2.55 735.20 29.22 280.80 57.42 154.20 158.70 69.25

Tab. 5.3.1.2 Dati catastali in input al programma di diffusione degli inquinanti ADMS-Urban. Il contributo del benzene è stato calcolato solo per il macrosettore M 7.

156

1 2 346 5 7 8 9 10 11NOx

SOVPM10SOx

0%10%20%30%40%50%60%70%80%90%

100%

% inquinanti di griglia per tipologia di Macrosettore

NOx CO SOV PM PM10 NH3 SOx

1 2 346 5 7 8 9 10 11NOx

SOVPM10

0%5%

10%15%20%25%30%35%40%45%50%

% inquinanti di griglia / inqunanti tot

NOx CO SOV PM PM10 SOx

Fig. 5.3.1.1 Percentuali di distribuzione fra i diversi inquinanti e i diversi macrosettori per la sorgente di griglia (a sinistra) e percentuale degli inquinanti di griglia rispetto alla totalità del catasto (destra). In queste rappresentazioni non è stato considerato il porto di Rimini (per il M08) e le emissioni dovute allo spandimento dei fanghi (M09). Per entrambi i grafici si sono considerate le sorgenti di tutto il territorio provinciale.

Distribuzione Inquinanti Diffusi nelle Aree studiate

0%10%20%30%40%50%60%70%80%

NOx

CO

SOV PM

PM10 NH3

SOxBen

zene

A1 A2 A3

Fig. 5.3.1.2 Percentuali di distribuzione fra i diversi inquinanti per la sorgente di griglia nelle aree oggetto di studio.

155

5.4 Variabilità temporale delle emissioni da traffico Nei diversi file di input al software di simulazione è possibile anche definire le variabilità temporali delle sorgenti emissive. La variabilità temporale può essere definita come profilo orario di un giorno tipo feriale, prefestivo e festivo e come variabilità nei mesi dell’anno. Ingegneria Ambientale ArpaER ha fornito i dati di variabilità temporale delle emissioni da traffico per quanto riguarda gli andamenti urbani ed extraurbani per il giorno tipo delle zone costiere (fonte dati Progetto Nebula 1998); per la modellizzazione del traffico autostradale sulla A14 nei giorni feriali, prefestivi e festivi, sono stati presi in esame dati sperimentali di rilevazione del rumore da traffico autostradale come medie di rilievi effettuati negli anni 2000 – 2004 nella Provincia di Rimini (R. Vecchione, ArpaRN-SSA), facendo una trasformazione antilogaritmica del livello acustico equivalente e normalizzando i dati secondo le specifiche richieste dal programma ADMS-Urban. Non sono stati valutati gli andamenti mensili del traffico, in quanto si sono presi in considerazione i giorni tipo annuali e gli indicatori richiesti per la valutazione della qualità dell’aria sono mediati su periodi annuali.

5.5 Meteorologia4 La meteorologia costituisce la principale variabile che influenza la concentrazione di un inquinante in aria: • vento e turbolenza determinano trasporto e dispersione; • intensità di radiazione solare e temperatura determinano la cinetica e la termodinamica

delle reazioni fotochimiche; • la distribuzione dell’acqua liquida influenza le reazioni eterogenee e le deposizioni

umide. I parametri meteorologici possono influenzare in maniera diretta ed indiretta anche alcune sorgenti di emissione, come ad esempio la risospensione del particolato o il trasporto di areosol marino5, la quantità di emissioni da riscaldamento, ecc. L’input meteorologico risulta dunque un fattore chiave nelle simulazioni della distribuzione degli inquinanti in aria, di importanza elevata almeno quanto la qualità dei dati di catasto introdotti nel modello. Questo è particolarmente vero in situazioni costiere e in presenza di territorio con orografia complessa. ADMS-Urban richiede in ingresso un insieme di dati meteorologici rappresentativi dell’area di studio. I dati meteorologici inseriti nel modello possono essere sia grandezze misurabili come temperatura, direzione e velocità del vento ad una data altezza dal suolo, sia parametri elaborati da un preprocessore meteorologico come l’altezza di rimescolamento e il reciproco della lunghezza di Monin-Obukhov (1/LMO). Data la necessità di dovere utilizzare dati meteorologici il più possibile rappresentativi delle aree in esame, è stata scartata sin da subito la possibilità di utilizzare i dati sperimentali delle stazioni meteorologiche presenti nella rete regionale di qualità dell’aria (Marecchia e

4 In collaborazione con il dott. Enrico Minguzzi e il dott. Giovanni Bonafè del Servizio IdroMeteorologico SIM di ArpaER. 5 A questo proposito si rimanda il lettore alla visione dello studio effettuato in collaborazione con Epidemiologia Ambientale di ArpaER per il territorio di Rimini, apparso sul Report della Qualità dell'Aria 2004 al Cap. 5.

156

Riccione), dato il loro carattere prettamente locale. A questo scopo sono stati presi in esame i dati meteorologici ottenuti dal preprocessore Calmet e dal dataset meteorologico LAMA.

Calmet Calmet (California Metereological Model) è uno strumento modellistico appositamente messo a punto presso ArpaER-SIM6 (denominato Calmet-SMR) allo scopo di ottenere la conoscenza delle condizioni meteorologiche dello strato limite atmosferico (PBL). Calmet fornisce informazioni su vento, temperatura, turbolenza e stabilità degli strati più bassi dell’atmosfera, producendo campi orari tridimensionali di vento e di temperatura e campi bidimensionali di altezza di rimescolamento, classi di stabilità e 1/LMO. La rete meteorologica comprende una stazione posizionata sul territorio riminese all’altezza dell’aeroporto (Synop 16149). Risoluzione spaziale 5 Km.

LAMA È un dataset ricavato dal ciclo di assimilazione del modello LAMI (Limited Area Model Italy); in breve si tratta di un modello meteorologico ad area limitata (LAM), che fornisce una descrizione coerente e completa dell’atmosfera. Il modello viene fatto girare in Arpa-SIM con condizioni al contorno analizzate utilizzando una tecnica particolare (nudging) per forzarlo continuamente ad avvicinarsi ai dati osservati dalle stazioni meteorologiche. Questo modello contiene al suo interno le equazioni fluidodinamiche complete ed è capace di descrivere esplicitamente i fenomeni atmosferici includendo brezze e convezione. Inoltre contiene informazioni sulla interazione suolo-atmosfera, risultando molto indicato nelle simulazioni su territorio ad orografia complessa. Risoluzione 7 Km. Attualmente ha una estensione temporale dal 1/4/03 al 31/3/04 senza dati mancanti.

Pur essendo due prodotti allo stato dell’arte per quanto riguarda la meteorologia, questi modelli non sono rappresentativi delle aree urbane, a causa del fenomeno di turbolenza residua dovuta alla alterazione del bilancio energetico nelle aree urbane rispetto alle aree rurali. Questo fenomeno è noto come “isola di calore”, ed è tipico dei territori urbanizzati, nei quali l’atmosfera non riesce mai a raggiungere quelle condizioni di estrema stabilità che sarebbero appunto raggiungibili, con le stesse condizioni meteorologiche, dai territori rurali7.

6 Operational meteorological pre-processing at Emilia Romagna ARPA Meteorological Service as a part of a decision support system for air quality management. Proceedings of 6th International Conference on Harmonization within Atmospheric Dispersion Modelling for Regulatory Purposes Deserti et Al., (1999) 7 Le cause di questo fenomeno sono dovute: • al calore immagazzinato dalle aree urbane e alla produzione di calore antropogenico; • alla differenza di albedo superficiale e all’inerzia termica fra zone rurali e urbane, dovute ai materiali e

alla geometria del tessuto urbano; • alla diversa ripartizione dei flussi di calore suolo-atmosfera dovuta all’impermeabilizzazione del terreno.

157

Come già evidenziato precedentemente, esiste un parametro quantitativo capace di descrivere la turbolenza dello strato più basso dell’atmosfera e cioè la lunghezza di Monin-Obukhov. In condizioni di estrema stabilità questo parametro può raggiungere valori compresi fra 2 e 20 metri. Per meglio descrivere le condizioni micrometeorologiche della realtà urbana si dovrebbe definire un valore minimo realistico di questo parametro, in maniera tale da potere ancora utilizzare i parametri calcolati dai modelli meteorologici, rigorosamente validi per il territorio non urbanizzato, e mantenere un valore residuo di turbolenza, allo scopo di descrivere meglio le condizioni meteorologiche urbane di Rimini. Per la taratura delle simulazioni in ADMS-Urban, sono stati variati sia il tipo di modello meteorologico che la soglia minima di LMO.

5.6 Indicatori della qualità dell’aria Il Decreto Ministeriale 60 dell’anno 2002 descrive gli indicatori più opportuni per la valutazione della qualità dell’aria. Nella Tab 5.6.1 sono riportati i limiti previsti dalla normativa per gli inquinanti NO2, CO, PM10, C6H6 (benzene) e SO2.

Indicatore previsto dal DM 60/02

Limite Valore del percentile

Anno di entrata in vigore

NO2 [µg/m3] Media oraria 200 Max 18 superamenti annui 200 99,79° Media annuale 40

2010

CO [mg/m3] Valore massimo della media mobile su 8 ore

10 2005

PM10 [µg/m3] Media giornaliera 50 Max 35 superamenti annui 50 90,41° Media annuale 40

2005

C6H6 [µg/m3] Media annuale 5 2010

SO2 [µg/m3] Media giornaliera 125 Max 3 superamenti annui 125 99,97° Media annuale 350

2005

Tab. 5.6.1 Indicatori di qualità dell’aria

ADMS-Urban ha la caratteristica di verificare e valutare il superamento dei percentili. Questo può essere vantaggiosamente sfruttato per la verifica del superamento dei limiti imposti dal DM 60/02: infatti se il 99,79° percentile dei dati calcolati nella simulazione a lungo termine, relativamente al NO2 e per un periodo meteorologico di un anno, supera la soglia di 200 µg/m3, allora tale valore di concentrazione sarà superato più delle 18 volte previste dalla legge, nel corso dell’anno. La potenza di questo strumento, nel modello ADMS-Urban, risiede nella possibilità di creare una mappa tematica, con i valori di superamento di tali limiti, sul territorio oggetto di simulazione.

158

5.7 Calibrazione e validazione del modello Con il termine “calibrazione” si intende la parte di studio che riguarda la variazione di alcuni parametri di input al modello, allo scopo di ottimizzare i risultati delle simulazioni e renderli il più possibile concordanti con quelli ottenibili sperimentalmente sullo stesso territorio. Una volta “calibrato” il modello è possibile fare valutazioni di qualità dell’aria anche su parti di territorio non coperte da strumentazione sperimentale; questo è uno dei motivi per i quali la moderna legislazione in materia8 considera gli strumenti modellistici come complementari agli strumenti di monitoraggio, per la corretta definizione dello stato di salubrità dell’ambiente atmosferico. Il criterio per la calibrazione del modello si basa sul confronto fra i risultati ottenuti dalle simulazioni short-term su punti recettori fatti coincidere con le coordinate delle stazioni di monitoraggio della qualità dell’aria, ed i risultati sperimentali ottenuti dalle stesse stazioni, per gli stessi periodi meteorologici. Per il presente studio si sono avuti a disposizione i dati meteorologici Calmet e Lama ed i valori di fondo degli inquinanti. Questi ultimi sono stati valutati in due modi: 1. da misure effettuate da stazioni di monitoraggio remote9, posizionate molto distanti

dalle sorgenti di inquinamento; 2. dai valori di output di un modello a bassa risoluzione spaziale (CHIMERE continentale10)

capace di simulare la diffusione, il trasporto e la chimica atmosferica di ozono e particolato secondario.

Si sono inoltre fatte diverse simulazioni allo scopo di individuare il valore minimo di Monin-Obukhov (cfr. § 5.5) più adatto alla situazione riminese.

5.7.1 Analisi dei dati meteorologici In Fig. 5.7.1.1 sono riportate le posizioni delle stazioni meteorologiche Marecchia, Rimini (Piazzale Gramsci) e Aeroporto. In Tab. 5.7.1.1 sono riportate le rose dei venti registrate nelle rispettive stazioni e quelle calcolate per le coordinate della città di Rimini, a 10 metri di altezza dal suolo, dai modelli meteorologici Calmet e Lama. Per il periodo temporale scelto per la simulazione, 1/4/03 – 31/3/04, non sono disponibili i dati della stazione Rimini, per cui si sono messi a confronto i dati per l’anno 2005. Dalla tabella si può notare che le rose dei venti di ogni stazione sono simili per i due diversi periodi temporali annuali (confronto fra elementi della stessa riga); ulteriori similitudini si possono riscontrare fra i venti calcolati da Lama e quelli misurati a Marecchia, e fra quelli calcolati da Calmet e quelli misurati dalla stazione aeroportuale. Confrontando gli elementi in colonna della tabella, si può notare inoltre come la componente proveniente da sud dei venti misurati, scompaia passando dalla stazione 3 alla stazione 1: in effetti nei dati della stazione 2 si può dire che emerga un “residuo” di tali componenti. I venti meridionali interessano dunque prevalentemente la fascia costiera a sud di Rimini (dominio A2), per la 8 Decreto Ministeriale DM 60/02. 9 Stazione di fondo regionale ArpaER-FE situata a Jolanda di Savoia (FE). 10 CHIMERE è un modello di tipo euleriano a griglia sviluppato dall’Ecole Polytecnique di Parigi. I dati modellistici che sono stati utilizzati in questo lavoro sono stati forniti da ArpaER-SIM (dott. Michele Stortini) e prodotti nell’ambito di una collaborazione italo-francese. La simulazione è relativa al periodo 1/4/03 – 31/3/04, con 50 km di risoluzione e dominio comprendente la quasi totalità dell’Europa. Come catasto delle emissioni sono stati utilizzati i dati EMEP 2000.

159

conformazione delle colline e delle valli vicine; lo stesso tessuto urbano contribuisce ad attenuarli nella zona piu' densamente popolata (dominio A1). Le condizioni meteorologiche sono dunque meglio rappresentate dai dati Lama per il dominio A1 e dai dati Calmet per A211.

Fig. 5.7.1.1 Posizioni delle stazioni meteorologiche.

ADMS-Urban considera come calme di vento i valori di velocità del vento inferiori a 0,75 m/s; poiché il modello ha comunque bisogno di un valore di velocità del vento, il software forza il calcolo utilizzando il valore di 0,75 m/s come soglia minima. In caso di meteorologia con elevate percentuali di calme di vento, il sistema è portato a sottostimare le concentrazioni dovute alle sorgenti a quota bassa (bassi camini, traffico e sorgenti volumetriche di griglia a 10 metri), in quanto considera un vento con velocità superiore a quella reale. Occorre sottolineare che il tipo di modello utilizzato in questo lavoro, cioè un modello sostanzialmente di tipo gaussiano, è utile per ottenere informazioni su domini territoriali non troppo estesi e possibilmente senza orografia complessa. Inoltre, dal punto di vista temporale, non è indicato per seguire repentine variazioni di concentrazioni ambientali (dell’ordine di grandezza inferiore ad un’ora) ed è invece buono per ottenere valori medi, che sono poi sostanzialmente i valori richiesti dalla legislazione (cfr. § 5.6).

11 Il preprocessore Calmet calcola i parametri utili alla valutazione degli inquinanti in atmosfera, vale a dire il valore dell’altezza di rimescolamento (hmix) e l’inverso della lunghezza di Monin-Obukhov ma non ha i valori di radiazione luminosa per il periodo meteorologico considerato; Lama invece possiede i valori di radiazione luminosa ma non calcola il parametro hmix. Per potere attivare il modulo fotochimico di ADMS-Urban occorre inserire nel modello le informazioni orarie relative alla copertura nuvolosa (oppure alla radiazione luminosa), che coprano il periodo meteorologico studiato. Nel caso del dataset Calmet sono stati usati in un primo momento i valori della copertura nuvolosa della stazione synop più vicina provvista dell’opportuno sensore; in seguito sono stati usati i valori di radiazione luminosa di Lama, calcolati sulle coordinate della città di Rimini. Nel caso del dataset Lama è stato sfruttato il preprocessore meteorologico interno ad ADMS-Urban per il calcolo della altezza di rimescolamento hmix.

160

1/4/03 – 31/3/04 1/1/05 – 31/12/05

1

2

3

L

C

Tab. 5.7.1.1 Analisi delle rose dei venti misurate (Stazioni 1, 2 e 3) e ottenute dai programmi di simulazione (L=Lama,

C=Calmet).

L’accuratezza del dato in prossimità delle sorgenti emissive (ad es. a bordo strada) sarà determinata dalla accuratezza con la quale sono state descritte le emissioni e la loro evoluzione temporale. Per calibrare al meglio il modello occorre porre dunque maggiore attenzione ai punti recettori più distanti dalle sorgenti, in maniera tale da minimizzare

161

variazioni di risultato dovute a imprecisioni nella valutazione della emissione delle singole sorgenti. Per questo motivo l’attenzione maggiore è stata posta sulla stazione Marecchia, in quanto sufficientemente lontana da sorgenti puntuali e lineari, e situata lontana da edifici e altri ostacoli difficilmente modellizzabili. Ad ogni modo sono state prese in considerazione anche le rimanenti stazioni del dominio A1, riportandone i risultati, soprattutto per quanto riguarda quegli inquinanti non misurati nella stazione di Marecchia, come benzene e SO2.

5.7.2 Analisi del valore minimo della lunghezza di Monin-Obukhov Per la scelta di questo parametro sono stati messi a confronto i dati misurati e stimati dal modello (short-term) relativamente alle stesse coordinate geografiche e per una altezza di 3 metri (pari all’altezza del collettore che convoglia l’aria verso gli analizzatori chimici presenti nelle stazioni di monitoraggio). Sono state analizzate le distribuzioni di frequenza dei dati e i valori medi giornalieri, variando il parametro fra i seguenti valori: 5, 20, 30 metri. Il valore che meglio descriveva l’andamento dei dati per la città di Rimini è stato quello di 20 metri, risultato in accordo con prove analoghe effettuate per la città di Modena dalla Sezione ArpaER-MO (dott.ssa A. Sterni, SSA ArpaER-MO). A titolo di esempio vengono riportati in grafico (Fig. 5.7.2.1) le distribuzioni in frequenza calcolate di NO2 per la stazione di Marecchia, al variare del parametro di soglia minima di LMO (simboli e linee) in sovrapposizione ai dati sperimentali (istogramma).

A1-1/4/03-31/3/04 - NO2 - Marecchia

0

500

1000

1500

2000

2500

1 11 21 31 41 51 61 71 81 91 101 111 121 131 141 151 Altroug/m3

N°

M-NO2_2 Mlama_mmo=5 Mlama_mmo=20 Mlama_mmo=30 Mcalmet_mmo=5Mcalmet_mmo=20 Mcalmet_mmo=30

Fig. 5.7.2.1 Analisi delle distribuzioni di frequenza con diversi valori minimi di LMO. I dati sperimentali sono rappresentati dall’istogramma.

162

5.7.3 Valori di fondo degli inquinanti Le concentrazioni degli inquinanti monitorati dalle stazioni di qualità dell’aria sono il risultato delle sostanze emesse dalle sorgenti del territorio più le componenti dovute a sorgenti fuori dal dominio di calcolo (e trasportate dai movimenti delle masse d’aria) o dovute a origine secondaria. Queste ultime sono originate da processi chimici che avvengono in atmosfera, come ad esempio le reazioni fra gli ossidi di azoto, l’ozono, e gli idrocarburi, in presenza di luce, oppure la produzione di particolato ultrafine a partire dagli ossidi di zolfo e ammoniaca. A questo scopo occorre inserire nel modello valori di fondo, che hanno il compito di descrivere le quantità degli inquinanti presenti sul territorio in assenza delle sorgenti locali, e, nel caso di NO2, hanno anche la funzione di permettere l’attivazione del modulo fotochimico per la stima della componente secondaria, utilizzando un set semplificato di reazioni fotochimiche12. I valori di fondo dei diversi inquinanti sono stati valutati in modi differenti. Dove era possibile, sono stati utilizzati i valori di fondo ricavati sperimentalmente da campagne di monitoraggio sul territorio riminese13. Dove questo non era possibile sono stati utilizzati i valori sperimentali della stazione remota (fondo regionale) Jolanda di Savoia (FE)14 (d’ora in poi denominata JDS), oppure, alternativamente, quelli provenienti dalla simulazione CHIMERE Continentale, capace di simulare efficacemente i dati di fondo, quando non erano presenti un numero minimo di dati sperimentali utilizzabili15. In questi ultimi due casi sono disponibili dati orari, mentre nel caso di misure di valori medi sono stati inseriti tali valori come costanti su tutto il periodo temporale simulato. Nel caso del PM10 sono stati utilizzati i dati sperimentali orari JDS, essendo in numero sufficiente. Tali dati derivano da un analizzatore di tipo TEOM. Questo tipo di analizzatori ha la caratteristica di sottostimare in maniera sistematica i valori misurati di particolato, se confrontati con misuratori pneumatici a filtro provvisti di rivelatore di raggi β, come quelli presenti sul territorio riminese. ADMS-Urban può tenere conto di queste diverse caratteristiche di misura, fornendo all’utente la possibilità di inserire un fattore moltiplicativo sui dati di fondo del particolato. È noto che la differenza delle misure medie ottenute dai due tipi di strumentazione sia dell’ordine del 30%. I valori di concentrazione di PM10 di fondo JDS sono stati rettificati con il fattore 1,3.

12 Per simulare le numerose e complesse interazioni chimiche atmosferiche che coinvolgono gli ossidi di azoto, il programma utilizza un set semiempirico di 8 equazioni. A questo scopo sono richiesti anche i valori di fondo di ozono. 13 I valori di fondo per il benzene sono stati valutati da un lavoro di monitoraggio effettuato dalla Sezione di Rimini nell’anno 2000: “Monitoraggio ambientale sul benzene prodotto dal traffico automobilistico nella fascia costiera della provincia di Rimini - Anno 2000” ArpaER-RN, G. Sallese et Al. Essendo misure sperimentali ottenute con campionatori passivi, sono stati considerati i valori medi di fondo come costanti su tutto il periodo considerato. 14 I dati sono stati raccolti ed inviati dalla dott.ssa E. Canossa, ArpaER-FE. 15 L’allegato X del DM 60/02 prevede un valore minimo di dati sperimentali per valutare gli inquinanti di una stazione di monitoraggio. Nel caso del biossido di azoto, la stazione JDS non soddisfaceva i requisiti minimi di qualità del dato, presentando una percentuale di dati validi pari a 81% contro il valore minimo richiesto pari al 90%.

163

I dati sperimentali di fondo di PM10, pur essendo in quantità sufficiente a garantire la qualità del dato su base annua, presentavano alcuni periodi di dati mancanti dovuti a malfunzionamento della strumentazione. Per questi limitati periodi di assenza di dati si è provveduto a integrare i dati mancanti, simulando un andamento lineare del fondo. A questo scopo sono stati utilizzati i dati relativi alle ultime 5 ore dello spezzone precedente e alle prime 5 ore dello spezzone di dati seguenti al periodo di assenza di dati. Nella Fig. 5.7.3.1 sono stati riportati: il fondo JDS, il fondo JDS con i segmenti lineari di raccordo e il fondo CHIMERE.

Fig. 5.7.3.1 Fondo sperimentale di PM10 utilizzato nella simulazione. Le parti lineari in giallo sono state inserite per garantire la continuità dei dati su tutte le ore dell’anno. La copertura dei dati orari è superiore al 92%. Nel grafico è stato riportato anche il fondo CHIMERE per confronto.

5.7.4 Verifica della qualità dei dati stimati Il confronto fra i dati stimati dal modello e quelli sperimentali è stata svolta sullo scenario attuale dell’area A1. Come già detto, per la taratura del modello è stata presa in considerazione la stazione Marecchia, che si trova in una posizione ottimale in quanto sufficientemente lontana dalle principali sorgenti e comunque in posizione abbastanza centrale rispetto al dominio studiato. • La verifica della qualità dei dati stimati è stata effettuata seguendo le indicazioni del

DM 60/02, allegato X (Tab. 5.7.4.1); • sono inoltre state confrontate le distribuzioni di frequenza dei valori orari stimati,

rispetto ai dati orari sperimentali, ottenuti dalle stazioni di rilevamento della qualità dell’aria presenti sul territorio A1 (Tabb. 5.7.4.2 (a) e (b));

• in seguito vengono riportati a confronto gli indicatori della qualità dell’aria stimati e misurati. (Tab. 5.7.4.4).

Sebbene i modelli di tipo gaussiano, essendo di tipo stazionario, difficilmente siano in grado di seguire rapide variazioni temporali, vengono riportati, a titolo di esempio, gli andamenti orari dei giorni tipo, calcolati e misurati nelle stazioni di Marecchia (NO2) e Flaminia (C6H6) rispettivamente nelle Figg. 5.7.4.1-2. In Fig. 5.7.4.3 sono infine riportati gli andamenti giornalieri di benzene calcolati e misurati nella stazione di Flaminia.

164

1/4/2003 – 31/3/2004 NO2 [µg/m3]

Media Annuale (Limite = 40) 99,79° perc.le medie orarie (Limite = 200)

Valori Sperim.

Stime ADMS-Urban ∆16% Limite

QualitàValori

SperimentaliStime

ADMS-Urban ∆% Limite Qualità

Marecchia 33 34 +3% 107 111 +4% Abete 34 39 +15% 115 132 +15% Flaminia 72 41 -43%

30% 169 133 -17%

50-60%

C6H6 [µg/m3]

Media Annuale (Limite = 5)

Valori Sperim.

Stime ADMS-Urban ∆% Limite

Qualità

Marecchia / 1,8 / Abete / 2,1 / Flaminia 2,8 2,1 -25%

50%

PM10 [µg/m3]

Media Annuale (Limite = 40) 90,41° perc.le medie giorn.re (Limite = 50)

Valori Sperim.

Stime ADMS-Urban ∆% Limite

QualitàValori

SperimentaliStime

ADMS-Urban ∆% Limite Qualità

Marecchia 44 37 -16% 74 59 -20% Abete / 38 / / 60 / Flaminia18 34 37 +9%

50% 53 59 +11%

(17)

SO2 [µg/m3]

Media Annuale

Valori Sperim.

Stime ADMS-Urban ∆% Limite

Qualità

Marecchia / 19 / Abete / 10 / Flaminia 2,2 11 +400%

30%

Tab. 5.7.4.1 Verifica della qualità dei dati stimati, per quanto riguarda le medie annuali e i percentili, secondo

l’allegato X del DM 60/02.

Dalla tabella Tab. 5.7.4.1 si può notare che i dati calcolati rispettano in massima parte i requisiti di qualità richiesti dal DM 60/02.

NO2 L’unica stazione che presenta valori fuori dal limite di qualità per NO2 è la stazione Flaminia, dove si registra uno scostamento pari al 43% (massimo tollerato per assicurare la qualità: 30%). La stazione Flaminia è posizionata a bordo strada (Stazione di tipo C19); questo fatto può pregiudicare la qualità dei dati, soprattutto quelli orari, in quanto, come è già stato detto, il modello non riesce a valutare variazioni temporali troppo elevate (vedere

16 L’incertezza per la modellizzazione è definita dal DM 60/02 come la deviazione massima dei livelli di concentrazione misurati e calcolati, nel periodo considerato dal valore limite, a prescindere dalla tempistica degli eventi. 17 Valore obiettivo di incertezza non ancora stabilito e da stabilire con successivo decreto sulla base della futura normativa comunitaria. 18 Per il periodo oggetto di valutazione, i valori sperimentali di PM10 per la Stazione Flaminia sono affetti da sottostima, come evidenziato dai Report della Rete di Monitoraggio della Qualità dell’Aria – Anni 2003 e 2004. 19 DPCM 28/3/1983

165

il confronto degli distribuzioni di frequenza dei dati orari, Tabb. 5.7.4.2 (a)). La inferiore qualità del valore medio indicato in Tab. 5.7.4.1 potrebbe essere dovuta ad una valutazione non accurata del flusso stradale di via Flaminia.

1/4/2003 – 31/3/2004 NO2 [µg/m3] – CO [mg/m3] – PM10 [µg/m3]

A1-1/4/03-31/3/04 - NO2 - Marecchia

0

500

1000

1500

2000

2500

1 11 21 31 41 51 61 71 81 91 101 111 121 131 141 151 Altroug/m3

N°

M-NO2_2 A1_03_13

A1-1/4/03-31/3/04 - NO2 - Abete

0

200

400

600

800

1000

1200

1400

1600

1800

2000

1 11 21 31 41 51 61 71 81 91 101 111 121 131 141 151 Altroug/m3

N°

A-NO2_2 NO2_Calc_Abete A1-1/4/03-31/3/04 - NO2 - Flaminia

0

200

400

600

800

1000

1200

1400

1600

1800

2000

1 11 21 31 41 51 61 71 81 91 101 111 121 131 141 151 Altroug/m3

N°

F-NO2_2 Flam_NO2_Calc

A1-1/4/03-31/3/04 - CO - Marecchia

0

1000

2000

3000

4000

5000

6000

7000

0.01

0.16

0.31

0.46

0.61

0.76

0.91

1.06

1.21

1.36

1.51

1.66

1.81

1.96

2.11

2.26

2.41

2.56

2.71

2.86

3.01

3.16

3.31

3.46

3.61

3.76

3.91

6.01

Altro

ug/m3

N°

M-CO-Sp M-CO-Calc A1-1/4/03-31/3/04 - CO - Abete

0

1000

2000

3000

4000

5000

6000

0.01

0.16

0.31

0.46

0.61

0.76

0.91

1.06

1.21

1.36

1.51

1.66

1.81

1.96

2.11

2.26

2.41

2.56

2.71

2.86

3.01

3.16

3.31

3.46

3.61

3.76

3.91

6.01

Altro

ug/m3

N°

A-CO-Sp A-CO-Calc

A1-1/4/03-31/3/04 - CO - Flaminia

0

500

1000

1500

2000

2500

3000

3500

4000

4500

0.01

0.16

0.31

0.46

0.61

0.76

0.91

1.06

1.21

1.36

1.51

1.66

1.81

1.96

2.11

2.26

2.41

2.56

2.71

2.86

3.01

3.16

3.31

3.46

3.61

3.76

3.91

6.01

Altro

ug/m3

N°

F-CO-Sp F-CO-Calc A1-1/4/03-31/3/04 - PM10 - Marecchia

0

10

20

30

40

50

60

70

80

1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96 101 Altroug/m3

N°

M-PM10-Sp M-PM10-Calc

A1-1/4/03-31/3/04 - PM10 - Flaminia

0

10

20

30

40

50

60

70

80

1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96 101 Altroug/m3

N°

F-PM10-Sp F-PM10-Calc Tab. 5.7.4.2 (a) Distribuzioni di frequenza dei dati misurati e calcolati nei punti recettori posti in coincidenza delle

stazioni di monitoraggio della qualità dell’aria della rete provinciale. Biossido di azoto, monossido di carbonio e PM10.

166

1/4/2003 – 31/3/2004 C6H6 [µg/m3] – SO2 [µg/m3]

A1-1/4/03-31/3/04 - C6H6 - Flaminia

0

20

40

60

80

100

120

140

160

180

200

0.1 0.6 1.1 1.6 2.1 2.6 3.1 3.6 4.1 4.6 5.1 5.6 6.1 6.6 7.1 10 Altroug/m3

N°

F-BZ-Sp F-Bz-Calc

A1-1/4/03-31/3/04 - SO2 - Flaminia

0

20

40

60

80

100

120

140

160

180

200

0.1 0.51 1.01 1.51 2.01 2.51 3.01 3.51 4.01 4.51 5.01 5.51 6.01 6.51 7.01 7.51 8.01 8.51 9.01 9.51 Altroug/m3

N°

F-SO2-Sp F-SO2-Cal

Tab. 5.7.4.2 (b) Distribuzioni di frequenza dei dati misurati e calcolati nei punti recettori posti in coincidenza delle

stazioni di monitoraggio della qualità dell’aria della rete provinciale. Benzene e biossido di zolfo.

Si ricorda che i dati di flusso di traffico non sono stati misurati ma sono il risultato di una simulazione di viabilità effettuata a scala regionale, e quindi è plausibile un certo grado di approssimazione per i valori assegnati alle singole strade. Per quanto riguarda invece le stazioni più lontane dalle sorgenti lineari, si può notare un ottimo accordo sia per quanto riguarda i valori medi annuali che le distribuzioni in frequenza dei dati. Questo risultato è molto interessante, tenuto conto che il calcolo di concentrazione di NO2 prevede anche l’attivazione della simulazione delle trasformazioni chimiche atmosferiche.

CO Per quanto riguarda CO, occorre sottolineare che, a differenza di NO2, il monossido di carbonio è un inquinante primario, quindi strettamente correlato alle caratteristiche delle sorgenti emissive che si trovano in prossimità del punto recettore. Eventuali discrepanze dai valori sperimentali potrebbero essere attribuite alla imprecisa valutazione catastale, come ad esempio al fatto di non avere considerato tutte le sorgenti presenti in prossimità del punto recettore stesso. Si noti ancora una volta che la sottostima, nella distribuzione di frequenza dei dati, è meno importante per le stazioni Marecchia e Abete. Per quanto riguarda la media annuale, questa non viene considerata come parametro per il DM 60/02. Volendo comunque confrontare questo parametro, si rimanda alla Tab. 5.7.4.3. Occorre inoltre sottolineare che il monossido di carbonio non rappresenta una criticità per la qualità dell’aria, come evidenziato dai rapporti annuali provinciali della Rete di Monitoraggio della Qualità dell’Aria. Questa informazione viene riprodotta anche dal calcolo modellistico.

167

1/4/2003 – 31/3/2004

CO [mg/m3] Media Annuale

Valori Sperim.

Stime ADMS-Urban ∆% Limite

Qualità Marecchia 0,83 0,5 -40%Abete 0,96 0,5 -48%Flaminia 1,3 0,6 -54%

/

Tab. 5.7.4.3 Confronto dei dati calcolati e misurati per CO.

PM10 Per quanto riguarda il valore medio di PM10, per la stazione Marecchia si nota una piccola sottostima (-19%), comunque ben inferiore al limite di qualità previsto (± 50%). Occorre tenere presente che il modello non stima la componente secondaria del particolato, come già evidenziato precedentemente. La stima del PM10 di Flaminia sembrerebbe anche migliore rispetto a quella di Marecchia, ma in realtà il dato sperimentale soffre di una sottostima importante (cfr. nota 18). Per questo motivo si registra una sovrastima apparente di circa il 9% da parte del calcolo modellistico. Per quanto riguarda la distribuzione in frequenza dei dati, si conferma la buona qualità della simulazione.

C6H6 Il benzene è un inquinante primario la cui sorgente più importante è il traffico veicolare. In questo catasto il benzene è stato valutato solo per il macrosettore M 7, e già con questa approssimazione si riesce comunque a valutare correttamente il valore medio dell’inquinante. Si tenga presente che nella Provincia di Rimini è presente un solo sensore di benzene, situato in via Flaminia.

SO2 Anche per SO2 si ha un solo sensore, posizionato in via Flaminia. Per quanto riguarda questo inquinante, la simulazione modellistica fornisce un dato sovrastimato di un ordine di grandezza. Analizzando la Fig. 5.3.1.1 si nota che il catasto attribuisce la maggior parte delle emissioni di ossidi di zolfo ai macrosettori M 3-4-6. Questo risultato è giustificato dal fatto che negli ultimi anni il gasolio da trazione ha subìto dei cambiamenti di composizione molto importanti per quanto riguarda il contenuto di zolfo20, per cui la principale sorgente di questo inquinante è a tutt’oggi dovuta a combustioni diverse da quelle previste dal macrosettore M 7. Il risultato di questa analisi modellistica è importante per capire che sul territorio riminese la valutazione del biossido di zolfo emesso non è realistica e devono essere rivisti i fattori

20 Le politiche di riduzione di zolfo nel gasolio per i motori Diesel prevedono un contenuto di 350 ppm di zolfo per il gasolio BTZ e 10-50 ppm per il gasolio ULSD.

168

di riduzione utilizzati (cfr. Cap.4). In altre parole da questa analisi si evidenzia che molte ditte sono autorizzate ad emettere quantità molto superiori a quelle effettivamente emesse, anche tenendo conto dei fattori di riduzione stimati per la provincia di Modena. Anche tenendo presente questa importante conclusione, occorre comunque sottolineare che per il biossido di zolfo non si registrano criticità rilevanti per quanto riguarda la qualità dell’aria, nella Provincia di Rimini.

NO2 [µg/m3] CO [mg/m3]

Media 1h 99,79° perc.le medie 1h

100° perc.le medie 8h21

Stazioni

Misura Stima Stima/ Misura Misura Stima Stima/

Misura Misura Stima Stima/Misura

Marecchia 33 34 1,0 107 111 1,0 2,8 0,8 0,29 Abete 34 39 1,1 115 132 1,1 2,8 1,0 0,36 Flaminia 72 41 0,57 169 133 0,79 4,1 1,4 0,34 PM10 [µg/m3] C6H6 [µg/m3] Media 24h 90,41° perc.le medie

24h Media 24h

Misura Stima Stima/ Misura Misura Stima Stima/

Misura Misura Stima Stima/Misura

Marecchia 44 37 0,84 74 59 0,80 / 1,8 / Abete / 38 / / 60 / / 2,1 / Flaminia 34 37 1,1 53 59 1,1 2,8 2,1 0,75 Tab. 5.7.4.4 Confronto degli indicatori di qualità dell’aria calcolati vs. misurati.

NO2 - Marecchia - Giorno Tipo

0102030405060

0 2 4 6 8 10 12 14 16 18 20 22 24Ore

Mar-NO2-Sp Mar-NO2-Calc

Fig. 5.7.4.1 Confronto del giorno tipo per NO2 a Marecchia.

21 Il valore massimo della media mobile su 8 ore viene sempre registrato nel periodo 18-19/3 di ogni anno, a causa del falò di S. Giuseppe (combustione trascurabile nel computo catastale relativo ad un anno). Il confronto fra il valore massimo annuale calcolato e misurato è stato perciò effettuato escludendo i dati relativi ai giorni di falò, per permettere un confronto più realistico della simulazione che comprende tutto l’anno.

169

C6H6 - Flaminia - Giorno tipo

012345

0 2 4 6 8 10 12 14 16 18 20 22 24Ore

ug/m

3

Bz-Mis Bz-Calc

Fig. 5.7.4.2 Confronto del giorno tipo per C6H6 a Flaminia.

0.0

1.0

2.0

3.0

4.0

5.0

6.0

7.0

01/04/03 26/04/03 21/05/03 15/06/03 10/07/03 04/08/03 29/08/03 23/09/03 18/10/03 12/11/03 07/12/03 01/01/04 26/01/04 20/02/04 16/03/04

Bz-Flam-Med Conc|ug/m³|BENZENE|All sources

Fig. 5.7.4.3 Confronto dei valori medi 24h di C6H6 a Flaminia. La linea blu rappresenta i valori medi giornalieri misurati,

la linea fucsia i valori calcolati.

Mappe di dispersione degli inquinanti Sono state prodotte alcune mappe di dispersione relativamente ai principali inquinanti e per le tre aree A1, A2 e A3; le mappe sono riportate come allegati fuori testo. Per quanto riguarda PM10, relativamente alle aree appartenenti all’agglomerato, è stata prodotta anche una mappa tematica relativamente al 90,41° percentile dei valori medi giornalieri che dimostra che su tutto il territorio studiato si prevede sempre un superamento della soglia 50 ug/m3 per più delle 35 volte annue previste dalla normativa vigente (anno 2005). Facendo riferimento all’anno 2003, e dunque considerando il margine di tolleranza, il valore critico da superare è 60 ug/m3 e viene superato per più di 35 volte nelle regioni in rosso. Considerando invece la mappa relativa alla media annua,

170

sempre per PM10, il valore critico (40 ug/m3 - 2005) viene superato nelle zone di colore giallo; considerando il margine di tolleranza per l’anno 2003, il valore medio annuo critico è superato nelle zone rosse. Relativamente all’inquinante NO2 le mappe tematiche pongono in evidenza che le criticità maggiori sono riportate lungo le arterie viarie principali. Si ricorda che i dati di flusso utilizzati in questo studio non sono misurati ma sono stati stimati da un programma di simulazione di viabilità per studi di scala regionale; questo può spiegare ad esempio il fatto che la zona del lungomare di Rimini nord appartiene ad una classe emissiva diversa rispetto alla zona del lungomare di Rimini sud. Per quanto riguarda CO non si verificano particolari criticità, come anche dimostrato dai monitoraggi in continuo effettuati con le stazioni di rilevamento della qualità dell’aria. Relativamente alla zona A3 si può notare che non si registrano situazioni critiche; per quanto riguarda il PM10 sono stati scelti gli stessi intervalli di scala utilizzati per le mappe tematiche delle aree A1 e A2 per permettere un confronto immediato. Per gli altri inquinanti sono state invece scelte scale differenti per potere apprezzare le diverse sfumature di concentrazione.