• Simulazioni
• Metodi di interpolazione dati spaziali
• Cross Validation
• Qualità aria
• PM10

Nei paesi industrializzati e maggiormente civilizzati, uno dei problemi su cui tutte le politiche di pianificazione territoriale pongono la loro attenzione è quello dell’inquinamento ambientale che scaturisce dall’interazione tra uomo e ambiente.
Le matrici ambientali quali biosfera, atmosfera, litosfera e idrosfera (intesa come l’insieme delle acque superficiali e sotterranee) sono caratterizzate da scambi di materia, che comportano il passaggio dei vari inquinanti da un comparto all’altro attraverso processi di natura chimica e/o fisica.
In questo lavoro di tesi abbiamo focalizzato l’attenzione sull’inquinamento atmosferico. La tutela della risorsa aria, che coinvolge diversi ambiti e tematiche, è stata disciplinata a vari livelli sia da direttive europee che da leggi nazionali e regionali che hanno prescritto l’obbligo di misurazione in continuo dei parametri potenziali inquinanti dell’aria ambiente, determinando così la necessità della creazione di reti di monitoraggio.
Data l’ampia disponibilità di misure rilevate dalle reti di monitoraggio, al fine di acquisire informazioni sullo stato della qualità dell’aria e sui fenomeni dell’inquinamento, sorge l’esigenza di elaborare e presentare i dati sperimentali come forma e contenuti, in modo fruibile per i soggetti responsabili.
In particolare l’obiettivo di questa tesi è rappresentare ed interpretare l’inquinamento atmosferico a livello locale e regionale, valutare la variabilità del dato ottenuto a vari livelli ed offrire uno strumento per la pianificazione delle campagne di monitoraggio, secondo il criterio della rappresentatività spaziale delle misure.
A questo scopo, si è provveduto allo studio del comparto ambientale in questione sia da un punto di vista della chimica dell’atmosfera che della meteorologia, procedendo con la rassegna delle normative vigenti, in merito alla tutela e risanamento dell’aria , che stabiliscono gli indici di qualità. Sono stati utilizzati alcuni dei sistemi informativi che permettono di gestire i metodi di interpolazione spaziale dei dati ; sono state inoltre studiate alcune tecniche che consentono di stimare la variabilità associata alla misura ottenuta e di stimare la rappresentatività spaziale dei dati sempre in relazione al tipo di tecnica di interpolazione utilizzata.
La base di dati a disposizione è stata creata associando alle coordinate di ogni centralina, i relativi indici di qualità previsti dalla legge. Gli inquinanti di cui abbiamo raccolto i dati sono ozono, monossido di carbonio, ossido di azoto, biossido di zolfo e polveri sottili (PM10).
La metodologia sviluppata è stata applicata ai dati di PM10 mediati a varie scale temporali.
Per prima cosa i dati sono stati analizzati mediante tecniche statistiche di base per valutare la variabilità temporale dei dati per ogni centralina; successivamente si sino utilizzati metodi di analisi per “clusters”, regressioni lineari e analisi multivariate per stabilire quali centraline della rete di monitoraggio fossero tra loro correlate.
Per passare dal dato puntuale a quello areale si sono utilizzate due tecniche di interpolazione, una matematica (Inverse Distance Weighting: IDW) ed una geostatistica (Kriging).
La tecnica IDW è stata utilizzata per interpolare le medie mensili di PM10 del 2002 e 2003, quella del kriging invece è stata applicata alle medie trimestrali del 2003.
Sull’interpolazione IDW è stata fatta una verifica, detta cross validation, la quale stima l’errore dell’interpolazione nei punti di misura. Tale tecnica produce N interpolazioni per un set di N dati, togliendo a turno un punto tra gli N; come risultato fornisce lo scarto tra valore misurato e quello ricavato tramite l’interpolazione nei punti di misura. Questa tecnica è molto importante per capire quali centraline si trovano in punti in cui il dato misurato è necessario e quali si trovano in punti in cui la centralina potrebbe non essere indispensabile per la costruzione della mappa. In altre parole questo strumento può indicare quali siano le centraline rappresentative da un punto di vista spaziale al fine della valutazione dell’inquinamento su scala regionale.
I dati di PM10 relativi alle medie trimestrali del 2003 sono stati interpolati mediante il kriging; poiché l’interpolazione fornisce una stima della variabile anche in punti in cui questa non è misurata, associa alle stime una certa variabilità. Per valutare ed interpretare l’entità di questa variabilità abbiamo sottoposto le medie del primo trimestre a 20 simulazioni; tali simulazioni sono stime fatte su 20 set di dati (misure di concentrazione dell’inquinante) che possono fornire la stessa distribuzione di frequenza e lo stesso variogramma dei dati di origine; questo rende conto della variabilità del dato legata alla tecnica di interpolazione utilizzata.Tale variabilità, che nella realtà è causata da svariati fattori, può comunque essere presa in considerazione e, con un attento e complesso studio del territorio, può essere in parte ridotta.
In questo caso abbiamo analizzato come la concentrazione di PM10 può variare sul territorio al variare dell’utilizzo del suolo; se, ad esempio, l’interpolazione riporta in una zona agricola la stessa stima di concentrazione di una zona urbana, occorre un metodo di “ponderazione”che permetta di riportare il dato ad una situazione più vicina alla realtà e quindi di diminuire la variabilità.
La metodologia sviluppata permette quindi di fornire mappe di isoconcentrazione degli inquinanti atmosferici e di conoscere la variabilità legata all’interpolazione dei dati; permette di individuare in tali mappe quali siano le zone più sottoposte ad alte concentrazioni e quali siano, sulla base della rappresentatività spaziale dettata dalla tecnica di interpolazione utilizzata, i punti indispensabili per il monitoraggio dell’aria.
Il metodo di rappresentazione ed interpretazione della qualità dell’aria su scala regionale si presta ad essere utilizzato come supporto alle decisioni dei soggetti preposti alla pianificazione territoriale.