5.5 Valutazione semplificata del rischio ambientale per il caso studio
5.5.3 Analisi d'incertezza nella valutazione del rischio ambientale
Il presente sotto paragrafo ha lo scopo di mostrare come l'incertezza valutata per l'input emissivo nei capitoli precedenti si propaga nella stima del rischio ambientale. Con riferimento allo scenario intermedio relativo al benzo[a]pirene e al particolato fine e alla procedura illustrata nel Capitolo IV, è possibile stimare l'incertezza associata all'esposizione e alla caratterizzazione del rischio mediante legge di propagazione dell'errore.
Analisi d'incertezza rischio ambientale cokeria
In tale caso è necessario valutare la funzione di trasferimento dell'incertezza nello step di valutazione dell'esposizione, come riportato di seguito:
d(dose − inh)
dc =
DBR ∙ A ∙ EF ∙ AT ∙ 10
365 ∙ ED ∙ BW = 3.7E − 06
Passo preliminare è, pertanto, valutare le concentrazioni, mediante modello SCREEN3, nei casi di scostamento dal valore medio dell'1% a destra e sinistra (i grafici sono mostrati nel Capitolo IV), al fine di stimare le derivate prime, come riportato di seguito:
Sviluppo di metodi di valutazione del rischio ambientale di poli industriali. Capitolo V
178
Tabella 193- Concentrazioni in aria benzo[a]pirene cokeria per valutazione incertezza (modello semplificato) MODELLO SEMPLIFICATO d 2F (+1%) 2F (-1%) 3F (+1%) 3F (-1%) 5D (+1%) 5D (-1%) 8D (+1%) 8D (-1%) m μg/m3 μg/m3 μg/m3 μg/m3 μg/m3 μg/m3 μg/m3 μg/m3 0 0.0892 0.0873 0.0595 0.0582 0.0405 0.0396 0.0253 0.0248 100 0.124 0.121 0.0826 0.0808 0.0475 0.0465 0.0297 0.0291 500 0.211 0.207 0.141 0.138 0.0596 0.0583 0.0373 0.0365 1000 0.105 0.103 0.0699 0.0684 0.0143 0.0139 0.00891 0.00872 2000 0.0398 0.0389 0.0265 0.0259 0.00429 0.0042 0.00268 0.00262 5000 0.0123 0.012 0.00819 0.00801 0.0011 0.00107 0.000686 0.000672 6300 0.00038 0.00034 0.00026 0.00026 0.00028 0.00029 0.00018 0.00017
Tabella 194- Concentrazioni in aria benzo[a]pirene cokeria per valutazione incertezza (modello EPA) MODELLO DETTAGLIATO d 2F (+1%) 2F (-1%) 3F (+1%) 3F (-1%) 5D (+1%) 5D (-1%) 8D (+1%) 8D (-1%) m μg/m3 μg/m3 μg/m3 μg/m3 μg/m3 μg/m3 μg/m3 μg/m3 0 0.172 0.169 0.115 0.112 0.0781 0.0766 0.0488 0.0479 100 0.239 0.234 0.159 0.156 0.0916 0.09 0.0572 0.0562 500 0.409 0.4 0.271 0.266 0.101 0.0991 0.0718 0.0705 1000 0.202 0.198 0.135 0.132 0.0275 0.027 0.0172 0.0169 2000 0.0766 0.0752 0.0511 0.0502 0.00827 0.00812 0.00517 0.00507 5000 0.0237 0.0232 0.0158 0.0155 0.00212 0.00208 0.00132 0.0013
6300 7.8E-04 6.7E-04 5.0E-04 4.6E-04 7.0E-05 6.7E-05 4.8E-04 2.9E-04
Le tabelle seguenti, quindi, riportano le valutazioni delle derivate prime e dell'incertezza associata al dato d'output, ottenute mediante approccio convenzionale:
Tabella 195- Derivata prima e incertezza concentrazione benzo[a]pirene (modello semplificato) INCERTEZZA CONCENTRAZIONI (MODELLO SEMPLIFICATO)
d 2F (f'(x)) 2F (u(x)) 3F (f'(x)) 3F (u(x)) 5D (f'(x)) 5D (u(x)) 8D (f'(x)) 8D (u(x))
m μg/m3 - μg/m3 - μg/m3 - μg/m3 0 23.8 (53.8%) ±0.048 16.3 (55.2%) ±0.033 11.25 (56.2%) ±0.023 6.3 (49.9%) ±0.013 100 37.5 (61.2%) ±0.075 22.5 (55.1%) ±0.045 12.5 (53.2%) ±0.025 7.5 ±0.015 (51%) 500 50 (59.8%) ±0.10 37.5 (53.8%) ±0.075 16.25 (55.1%) ±0.033 10 (54.2%) ±0.020 1000 25 (48.1%) ±0.050 18.8 (54.2%) ±0.038 5 (70.9%) ±0.010 2.4 ±0.0048 (53.9%) 2000 11.3 (57.2%) ±0.023 7.5 (57.3%) ±0.015 1.13 ±0.0023 (53%) 0.75 ±0.0015 (56.6%) 5000 3.8 ±0.0075 (61.7%) 2.3 ±0.0045 (55.6%) 0.38 ±7.5E-04 (69.1%) 0.18 ±3.5E-04 (51.5%)
Sviluppo di metodi di valutazione del rischio ambientale di poli industriali. Capitolo V
179
6300 0.5 ±0.0010 (59.3%) 0.025 ±5.E-05 (54.8%) 0.13 ±2.6E-04 (64.5%) 0.13 ±2.5E-04 (52.3%) Tabella 196- Derivata prima e incertezza concentrazione benzo[a]pirene (modello EPA)
INCERTEZZA CONCENTRAZIONI (MODELLO DETTAGLIATO)
d 2F (f'(x)) 2F (u(x)) 3F (f'(x)) 3F (u(x)) 5D (f'(x)) 5D (u(x)) 8D (f'(x)) 8D (u(x))
m μg/m3 - μg/m3 - μg/m3 - μg/m3 0 20 ±0.052 (31%) 20 ±0.052 (46%) 10 ±0.026 (34%) 6 ±0.016 (32%) 100 33.3 ±0.087 (37%) 20 ±0.052 (33%) 10.7 ±0.028 (31%) 6.7 ±0.017 (31%) 500 60 ±0.16 (39%) 33 ±0.087 (32%) 13 ±0.033 (33%) 9 ±0.023 (32%) 1000 26.7 ±0.069 (35%) 20 ±0.052 (39%) 3.3 ±0.0087 (32%) 2 ±0.0052 (31%) 2000 9.3 ±0.024 (32%) 6 ±0.016 (31%) 1 ±0.0026 (32%) 0.67 ±0.0017 (34%) 5000 3.3 ±0.0087 (37%) 2 ±0.0052 (33%) 0.27 ±0.00069 (33%) 0.1 ±0.00035 (27%) 6300 0.73 ±0.0019 (25%) 0.27 ±0.00069 (24.4%) 0.02 ±5.8E-05 (24.2%) 0.08 ±0.00021 (22.5%)
Mediante legge di propagazione dell'errore è valutata l'incertezza associata all'esposizione derivante dall'input emissivo e come si ripercuote sulla caratterizzazione del rischio:
Tabella 197- Valutazione dell'incertezza associata all'esposizione al benzo[a]pirene per le due metodologie
ESPOSIZIONE (SEMPLIFICATO) ESPOSIZIONE (EPA)
d 2F 3F 5D 8D 2F 3F 5D 8D
m mg/kg/d mg/kg/d mg/kg/d mg/kg/d mg/kg/d mg/kg/d mg/kg/d mg/kg/d
0 ±1.8E-07 (54.6%) ±1.2E-07 (56%) ±8.3E-08 (57%) ±4.6E-08 (50.6%) ±1.9E-07 (31%) ±1.9E-07 (47%) ±9.6 E-08 (34%) ±5.8E-08 (33%) 100 ±2.8E-07 (62.1%) ±1.7E-07 (55.9%) ±9.3E-08 (53.9%) ±5.6E-08 (51.7%) ±3.2E-07 (37%) ±1.9E-07 (33%) ±1E-07 (31%) ±6.4E-08 (31%) 500 ±3.7E-07 (60.7%) ±2.8E-07 (54.5%) ±1.2E-07 (55.9%) ±7.4E-08 (55%) ±5.8E-07 (39%) ±3.2E-07 (33%) ±1.2E-07 (33%) ±8.3E-08 (32%) 1000 ±1.9E-07 (48.8%) ±1.4E-07 (55%) ±3.7E-08 (71.9%) ±1.8E-08 (54.6%) ±2.6E-07 (35%) ±1.9E-07 (40%) ±3.2E-08 (32%) ±1.9E-08 (31%) 2000 ±8.3E-08 (58%) ±5.6E-08 (58.1%) ±8.3E-09 (53.8%) ±5.6E-09 (57.4%) ±9E-08 (32%) ±5.8E-08 (31%) ±9.6E-09 (32%) ±6.4E-09 (34%) 5000 ±2.8E-08 (62.6%) ±1.7E-08 (56.3%) ±2.8E-09 (70.1%) ±1.3E-09 (52.3%) ±3.2E-08 (38%) ±1.9E-08 (34%) ±2.6E-09 (34%) ±1.3E-09 (27%) 6300 ±3.7E-09 (60.2%) ±1.9E-10 (55.4%) ± 9.6E-10 (65.7%) ±9.3E-10 (53.1%) ±7.1E-09 (28.1%) ±2.6E-09 (26.2%) ±2.1E-10 (25.3%) ±7.7E-10 (23%)
I risultati mostrano una minore incertezza associata alla metodologia dettagliata e una propagazione contenuta rispetto a quella di partenza. Elemento finale di tale analisi è la stima dell'incertezza relativa al rischio, cancerogeno nello scenario studiato (la derivata prima equivale allo Slope Factor):
Sviluppo di metodi di valutazione del rischio ambientale di poli industriali. Capitolo V
180
Tabella 198- Incertezza associata alla caratterizzazione del rischio cancerogeno per il B[a]P INCERTEZZA CR (MODELLO
SEMPLIFICATO) INCERTEZZA CR (MODELLO EPA)
d 2F 3F 5D 8D 2F 3F 5D 8D
m mg/kg/d mg/kg/d mg/kg/d mg/kg/d mg/kg/d mg/kg/d mg/kg/d mg/kg/d
0 ±5.4E-07 ±3.7E-07 ±2.6E-07 ±1.4E-07 ±6E-07 ±6E-07 ±3E-07 ±1.8E-07
100 ±8.6E-07 ±5.2E-07 ±2.9E-07 ±1.7E-07 ±9.9E-07 ±6E-07 ±3.2E-07 ±2E-07
500 ±1.4E-06 ±8.6E-07 ±3.7E-07 ±2.3E-07 ±1.8E-06 ±9.9E-07 ±3.8E-07 ±3E-07
1000 ±5.7E-07 ±4.3E-07 ±1.1E-07 ±5.4E-08 ±8E-07 ±6E-07 ±9.9E-08 ±6E-08
2000 ±2.6E-07 ±1.7E-07 ±2.6E-08 ±1.7E-08 ±2.8E-07 ±1.8E-07 ±3E-08 ±2E-08
5000 ±8.6E-08 ±5.2E-08 ±8.6E-09 ±4E-09 ±9.9E-08 ±6E-08 ±8E-09 ±4E-09
6300 ±1.1E-08 ±5.7E-10 ±3E-09 ±2.9E-09 ±2.2E-08 ±8E-09 ±6.6E-10 ±2.4E-09
In tal caso l'incertezza relativa non è riportata essendo analoga a quella della valutazione dell'esposizione (il passaggio finale non introduce ulteriore incertezza nella stima). I grafici seguenti riportano l'andamento del rischio in funzione della distanza, rappresentando la possibile incertezza associata, al fine di confrontare i risultati con il valore di soglia di rischio accettabile (1E-06 possibilità/milione):
Sviluppo di metodi di valutazione del rischio ambientale di poli industriali. Capitolo V
181 Dallo studio effettuato, finalizzato al supporto della procedura di valutazione del rischio, si può affermare che, per le metodologie semplificate di stima delle emissioni diffuse l'incertezza è maggiore ed è importante migliorare la modellazione per ridurla, mentre per quelle dettagliate è la valutazione delle concentrazioni in aria a fornire il contributo più elevato. Il vantaggio dell'approccio innovativo rispetto quello classico è di poter valutare come la variabilità e l'incertezza associata agli input possano modificare le condizioni di rischio da accettabile a non accettabile.
Analisi d'incertezza rischio ambientale acciaieria
In tale caso è necessario studiare solo la propagazione dell'errore nello step di caratterizzazione del rischio, non dovendo valutare anche l'esposizione. Per lo scenario 1 intermedio, le funzioni di trasferimento nei due approcci sono:
⎩ ⎨ ⎧ 𝐴PPROCCIO CLASSICO: dHQ dc = 1 RfC APPROCCIO EPIDEMIOLOGICO: dRR dc = β ∙ exp[β ∙ (c − c )]
Le tabelle riportate di seguito mostrano i valori di concentrazione per scostamento dell'input emissivo dell'1% a destra e sinistra, valutati con modello SCREEN3 (i grafici relativi sono illustrati al paragrafo 5.2.3):
Tabella 199- Concentrazioni in aria PM10 acciaierie per valutazione incertezza
d 2F (+1%) 2F (-1%) 3F (+1%) 3F (-1%) 5D (+1%) 5D (-1%) 8D (+1%) 8D (-1%) m μg/m3 μg/m3 μg/m3 μg/m3 μg/m3 μg/m3 μg/m3 μg/m3 0 83.3 81.4 55.5 54.3 23.5 23 14.7 14.3 100 88.1 86.1 58.8 57.4 23.4 23 14.6 14.3 500 106.1 103.7 70.7 69.1 26.3 25.7 16.5 16.1 1400 139.1 136 92.7 90.6 32 31.1 20 19.5 2000 104.5 102.2 69.7 68.1 16.2 16 10.2 10 5000 51.2 50.1 34.2 33.4 6 5.8 3.7 3.6 7000 39.8 39 26.5 26 4.3 4.2 2.7 2.6
Le incertezze, valutate con la metodologia presentata in precedenza, sono le seguenti:
Tabella 200- Derivata prima e incertezza concentrazioni PM10 acciaierie
d 2F (f'(x)) 2F (u(x)) 3F (f'(x)) 3F (u(x)) 5D (f'(x)) 5D (u(x)) 8D (f'(x)) 8D (u(x))
m μg/m3 - μg/m3 - μg/m3 - μg/m3
0 5.2 (64.2%) ±52.8 3.5 (64.3%) ±35.3 1.4 (63.3%) ±14.7 0.9 (66.3%) ±9.6 100 5.4 (63.6%) ±55.4 3.7 (64.7%) ±37.6 1.4 (63.4%) ±14.7 0.9 (64.4%) ±9.3 500 6.7 (64.6%) ±67.8 4.4 (64.3%) ±45 1.6 (64.1%) ±16.7 1.0 (64.3%) ±10.5 1400 8.9 (65.8%) ±90.4 5.8 (64.4%) ±59.1 2 (64.6%) ±20.3 1.2 64.6%) ±12.7
Sviluppo di metodi di valutazione del rischio ambientale di poli industriali. Capitolo V
182
2000 6.4 (62.9%) ±65 4.4 (64.4%) ±44.4 1 (63.3%) ±10.2 0.6 (64.2%) ±6.4 5000 3.2 (64.2%) ±32.5 2.1 (64.4%) ±21.8 0.37 (64.3%) ±3.8 0.2 (64.5%) ±2.4 7000 2.5 (64.7%) ±25.4 1.7 (64.7%) ±17 0.27 (64.9%) ±2.7 0.2 (64.2%) ±1.7
Elemento conclusivo è la stima dell'incertezza associata al rischio per i due approcci:
Tabella 201- Incertezza associata alla caratterizzazione del rischio non cancerogeno per il PM10
(approcci classico ed epidemiologico)
INCERTEZZA HQ INCERTEZZA RR d 2F 3F 5D 8D 2F 3F 5D 8D m - - - - 0 ±1.1 ±0.71 ±0.29 ±0.19 ±0.63 ±0.33 ±0.1 ±0.062 100 ±1.1 ±0.75 ±0.29 ±0.19 ±0.69 ±0.36 ±0.1 ±0.06 500 ±1.4 ±0.9 ±0.33 ±0.21 ±0.98 ±0.48 ±0.12 ±0.069 1400 ±1.8 ±1.2 ±0.41 ±0.25 ±1.8 ±0.76 ±0.15 ±0.086 2000 ±1.3 ±0.89 ±0.2 ±0.13 ±0.93 ±0.47 ±0.067 ±0.04 5000 ±0.65 ±0.44 ±0.076 ±0.047 ±0.29 ±0.17 ±0.023 ±0.014 7000 ±0.51 ±0.34 ±0.055 ±0.034 ±0.21 ±0.12 ±0.016 ±0.01
I grafici seguenti riportano l'andamento del rischio in funzione della distanza, rappresentando la possibile incertezza associata, al fine di confrontare i risultati con il valore di soglia di rischio accettabile:
Sviluppo di metodi di valutazione del rischio ambientale di poli industriali. Capitolo V
183
Figura 134- Grafico distanza- rischio non cancerogeno (intervallo d'incertezza)
Anche in questo caso si può concludere che il vantaggio dell'approccio innovativo, sviluppato nell'attività di tesi, rispetto quello classico è di poter valutare come la variabilità e l'incertezza associata agli input possano modificare le condizioni di rischio da accettabile a non accettabile.
Sviluppo di metodi di valutazione del rischio ambientale di poli industriali. Bibliografia
184
Bibliografia
[1] Agenzia Nazionale per la Protezione dell'Ambiente, Linee guida per la selezione e applicazione dei modelli di dispersione atmosferica per la valutazione della qualità dell'aria, s.l., s.n., 2001
[2] Agenzia per la Protezione dell'Ambiente e per i Servizi Tecnici, La micrometeorologia e la dispersione degli inquinanti in aria, s.l., s.n., 2003
[3] Alberta Government, Air quality model guideline, s.l., s.n., 2013
[4] M. Amodio, E. Andriani, P.R. Dambruoso, G. de Gennaro, A. Di Gilio, M. Intini; J. Palmisani, M. Tutino, A monitoring strategy to assess the fugitive emission from a steel plant, in Atmospheric Environment, 2013, 455- 461
[5] E. Samoli, A. Analitis, G. Touloumi, J. Schwartz, H. R. Anderson, J. Sunyer, L. Bisanti, D. Zmirou, J. M. Vonk, J. Pekkanen, P. Goodman, A. Paldy, C. Schindler, K. Katsouyanni, Estimating the Exposure–Response Relationships between Particulate Matter and Mortality within the APHEA Multicity Project, in Environmental Health Perspectives, Volume 113, Number 1, 2005, 88-95
[6] K. Jackson, E. Aries, R. Fisher, D. Anderson, A. Parries, Assessment of exposure to PCDD/F, PCB, and PAH at a basic oxygen steelmaking (BOS) and an iron ore sintering plant in the UK, in Annals of Occupational Hygiene, 2011, 1- 12
[7] Ing. Gianluca Antonacci, Modelli matematici per la simulazione di processi di formazione, trasporto e dispersione di inquinanti in atmosfera, Bolzano, Cisma s.r.l.
[8] Arpa Puglia, Lo stato dell'arte della valutazione del danno sanitario, Parte emissiva- modellistica, Taranto, s.n., 2013
[9] Arpa Puglia, Relazione sui dati ambientali dell'area di Taranto, s.n. Taranto, 2010
[10] T.Badr, J.L. Harion, Numerical modelling of flow over stockpiles: implications on dust emissions, in Atmospheric Environment, 2005, 5576-5584
[11] A. Stella, M. T. Piccardo, M. Pala, D. Balducci, M. Cipolla, M. Ceppi, F. Valerio, Temporal and spatial variations of polycyclic aromatic hydrocarbon concentrations around a coke oven plant, in Journal of the Air & Waste Management Association, 2012, 1003-1011
[12] V.V. Khaparde, A.D. Bhanarkar, D. Majumdar, C.V. Chalapati Rao, Characterization of polycyclic aromatic hydrocarbons in fugitive PM10 emissions from an integrated iron and steel plant, in Science of the Total Environment, 2016, 155-163
[13] R. Bigda, A. Sobolewski, J. Telenga- Kopyczynska, K. Slowik, Problems with determination of fugitive emission of polycyclic aromatic hydrocarbons from coke oven battery, in Journal of Ecological Engineering, 2017, 136- 149
[14] G. Blengio, S. Falcone, R. Vangelista, A. Menegozzo, Linee guida per la valutazione del rischio sanitario determinato da fonti d'inquinamento ambientale, s.l., Arpa Veneto
[15] Roberto Sozzi, Andrea Bolignano, Modelli lagrangiani a particelle, s.l., Arpa Lazio, 2011
[16] Roberto Sozzi, Andrea Bolignano, Modelli lagrangiani puff, s.l., Arpa Lazio, 2011
[17] Roberto Sozzi, Andrea Bolignano, Teoria di base della dispersione degli inquinanti in atmosfera, s.l., Arpa Lazio, 2011
Sviluppo di metodi di valutazione del rischio ambientale di poli industriali. Bibliografia
185 [18] Giovanni Bonafè, Meteorologia dello strato limite atmosferico, Bologna, Arpa Emilia Romagna, 2006
[19] James Carson, Harry Moses, The Validity Of Several Plume Rise Formulas, in Air and Waste Management Association, s.l., s.n., 2012
[20] F. Colombo, F. Fazzari, V. Rossini, Emissioni fuggitive: una proposta metodologica per la gestione integrata del problema, s.l., s.n., 2006
[21] Dany Hleis, Ignacio Fernandez-Olmoc, Frederic Ledouxa, Adib Kfourya, Lucie Courcot, Therese Desmonts, Dominique Courcot, Chemical profile identification of fugitive and confined particle emissions from an integrated iron and steelmaking plant, in Journal of Hazardous Materials, 2013, 246- 255
[22] Michael J. Daniels, Francesca Dominci, Jonathan M. Samet, Scott L. Zeger, Estimating Particulate Matter- Mortality Dose- Response Curves and Threshold Levels: An Analysis of Daily Time- Series for the 20 Largest US Cities, in American Journal of EPIDEMIOLOGY, 2000, 397- 406
[23] J.A. Toraño, R. Rodriguez, I. Diego, J.M. Rivas, A. Pelegry, Influence of the pile shape on wind erosion CFD emission simulation, in Applied Mathematical Modelling, 2006, 2487- 2502
[24] Zhaomin Dong, Yanju Liu, Luchun Duan, Dawit Bekele, Ravi Naidu, Uncertainties in human health risk assessment of environmental contaminats: a review and perspective, in Environmental International, 2015, 120-132
[25] Nomsa Duduzile Lina Thabethe, Jacobus Christoffel Engelbrecht, Caradee Yael Wright, Maria Aletta Oosthuizen, Human health risks posed by exposure to PM10 for four life stages in a low socio-economic community in South Africa, in Pan African Medical Journal, 2014
[26] Environment Australia, Emission Estimation Technique Manual for Iron and Steel Production, s.l., s.n., 1999
[27] Environmental Management Bureau, Guidelines for air dispersion modeling, s.l., s.n., 2008
[28] Environmental Protection Agency, A review of the reference dose and reference concentration processes, Washington (USA), s.n., 2002
[29] Environmental Protection Agency, Aggregate Handling And Storage Piles, section 13.2.4 in AP- 42, Washington (USA), s.n., 2008
[30] Environmental Protection Agency, Coke Production, Section 12.2 in AP- 42, Washington (USA), s.n., 2008
[31] Environmental Protection Agency, Emission Factor Documentation for AP- 42, section 12.2 in AP- 42, Washington (USA), s.n., 2008
[32] Environmental Protection Agency, Exposure Factors Handbook, Washington (USA), s.n., 2011
[33] Environmental Protection Agency, Industrial wind erosion, section 13.2.5 in AP- 42, s.l., s.n., 2008
[34] Environmental Protection Agency, Paved Roads, section 13.2.2 in AP- 42, s.l., s.n., 2008
[35] Environmental Protection Agency, Quantitative Health Risk Assessment for Particulate Matter, Research Triangle Park (North Carolina, USA), 2010
[36] Environmental Protection Agency, Risk Characterization Handbook, s.l., s.n., 2000
[37] Environmental Protection Agency, Unpaved Roads, section 13.2.2 in AP- 42, Washington (USA), s.n., 2008
Sviluppo di metodi di valutazione del rischio ambientale di poli industriali. Bibliografia
186 [38] European Comission, Best Available Techniques (BAT) Reference Document for Iron and Steel Production, s.l., s.n., 2001
[39] European Comission, Best Available Techniques (BAT) Reference Document for Iron and Steel Production, s.l., s.n., 2012
[40] European Environment Agency, Air Quality in Europe- 2016 report, Cophenagen (DK), 2016
[41] European Environment Agency, EMEP/EEA air pollutant emission inventory guidebook 2016, Copenhagen (DK), s.n., 2016
[42] European Environment Agency, Uncertanties, in EMEP/EEA air pollutant emission inventory guidebook 2016, Copenhagen (DK), s.n., 2016
[43] European Food Safety Authority, Use of the benchmark dose approach in risk assessment, in EFSA Journal, 2016
[44] Jeffery Spickett, Dianne Katscherian, Yang Miang Goh, A new approach to criteria for health risk assessment, in Environmental Impact Assessment Review, 2011,
[45] A. Yegnan, D.G. Williamson, A.J. Graettinger, Uncertainty analysis in air dispersion modeling, in "Elsevier", 2002, 639-649
[46] Turki M. Habeebullah, Atef M. F. Mohammed, Essam A. Morsy, Risk Assessment of Particulate Matter (PM10) in Makkah, Saudi Arabia, in International Journal of Environmental, Chemical, Ecological, Geological and Geophysical Engineering, Volume 9, Numero 8, 2015, 947- 954
[47] Michael Hein, Manfred Kaiser, Environmental Control and Emission Reduction for Coking Plants, s.l., s.n., 2012
[48] Adam Leelossy, Ferenc Molnar Jr., Ferenc Izsak, Agnes Havasi, Istvan Lagzi, Robert Meszaros, Dispersion modeling of air pollutants in the atmosphere: a review, s.l., Central European Journal of Geosciences, 2014
[49] Vamsidhar V Poosarala, Ashok Kumar, Akhil Kadiyala, Estimation of uncertainty in predicting ground level concentrations from direct source releases in as urban area using the USEPA's AERMOD model equations, Department of Civil Engineering, Toledo, 2010, 118-122
[50] L. Liberati, M. Notarnicola, R. Primerano, P. Zannetti Air pollution from a large steel factory: polycyclic aromatic hydrocarbon emissions from coke- oven batteries, in Journal of the Air & Waste Management Association, 2006, 255- 260
[51] Bruno Mareschini, Riccardo Roncarati, La caratterizzazione e il controllo delle emissioni diffuse, s.l., s.n., 2014
[52]Ministero dell'Ambiente e della Tutela del Territorio e del Mare, Autorizzazione Integrata Ambientale per l'esercizio dello stabilimento siderurgico della società ILVA s.p.a., s.l., s.n., 2011
[53] Daniele Molinari, Analisi di rischio e incertezza: l'uso dei metodi Monte Carlo per i rischi naturali, Milano, Politecnico di Milano
[54] National Research Council of the National Academies, Science and Decisions: Advancing Risk Assessment, Washington (USA), The National Academies Press, 2009
[55] Office of Environmental Health Hazard Assessment California Environmental Protection Agency, The Air Toxics Hot Spots Program Guidance Manual for Preparation of Health Risk Assessment, Oakland (CA, USA), s.n., 2003
[56] Bart Ostro, Outdoor air pollution: Assessing the environmental burden of disease at national and local levels, Geneva (SW), World Health Organization, 2004
[57] A. Paoletti, L. Paris, Guida per la valutazione e l'espressione dell'incertezza nelle misurazioni, s.l., s.n., 2000
Sviluppo di metodi di valutazione del rischio ambientale di poli industriali. Bibliografia
187 [58] Brian Priestly, Jennifer Ong, Environmental Health Risk Assessment: Guidelines for assessing human health from environmental hazards, Australia, Australian Center for Human Health Risk Assessment, 2012
[59] Ing. Michela Sinesi, I modelli di riferimento per la diffusione in atmosfera degli inquinanti: cenni teorici e applicazioni pratiche, s.l., Istituto Superiore per la Protezione e la Ricerca Ambientale
[60] W. Snyder, The EPA meteorological wind tunnel- it's design, construction and operating characteristics, Research Triangle Park, EPA, 1985
[61] Frank Theakston, Polychlorinated dibenzodioxins and dibenzofurans, Chapter 5.11 in: Air Quality Guidelines, Copenhagen (DK), World Health Organization, 2005
[62] Leonardo Tognotti, Atmospheric diffusion fundamentals and models, Pisa, s.n., 2016
[63] World Health Organization, Health risk assessment of air pollution: General Principles, Copenhagen (DK), 2016
[64] World Health Organization, Health risks of particulate matter from long- range transboundary air pollution, 2006
[65] World Health Organization, WHO Human Health Risk Assessment Toolkit: Chemical Hazards, Ottawa (Canada), Marla Sheffer, 2010
[66] Lin-Yu Xu, Hao Yin and Xiao-Dong Xie, Health Risk Assessment of Inhalable Particulate Matter in Beijing Based on the Thermal Environment, in International Journal of Environmental Research and Public Health, 2014, 12368- 12388
Sviluppo di metodi di valutazione del rischio ambientale di poli industriali. Sitografia
188
Sitografia
[1] Dati meteorologici Arpa Puglia anno 2011, http://www.arpa.puglia.it/web/guest/serviziometeo [2] Dati meteorologici ISPRA anno 2005,
http://www.mareografico.it/
[3] Dati pluviometrici Protezione Civile,
http://www.protezionecivile.puglia.it/centro-funzionale/analisielaborazione- dati/annali-idrologici-parte-i-dal-1921-al-2010
[4] EMEP/EEA air pollutant emission inventory 2016,
http://efdb.apps.eea.europa.eu/?source={%22query%22:{%22match_all%22:{}},% 22display_type%22:%22tabular%22}
[5] EPA: descrizione del modello SCREEN3 per la dispersione degli inquinanti, https://www.epa.gov/scram/air-quality-dispersion-modeling-screening-models [6] EPA: procedura di valutazione del rischio sanitario,
https://www.epa.gov/risk/human-health-risk-assessment [7] IARC: classifica di cancerogenicità delle sostanze,
Sviluppo di metodi di valutazione del rischio ambientale di poli industriali. Ringraziamenti
189
Ringraziamenti
"Desidero ringraziare sentitamente il mio relatore, il professor LEONARDO TOGNOTTI, per la sua disponibilità nel consentirmi di sviluppare la tesi di laurea in un ambito di forte interesse personale e per avermi fornito il supporto necessario allo svolgimento.
Un ringraziamento importante è dovuto anche al professor GABRIELE LANDUCCI, controrelatore del lavoro presentato, che ha supervisionato lo svolgimento dell'attività di tirocinio e fornito spunti e idee interessanti di miglioramento, in particolare nei possibili approcci innovativi al problema considerato.
Vorrei ringraziare anche tutti i professori del corso di Laurea in Ingegneria Chimica che hanno contribuito, con i loro insegnamenti, alla mia formazione professionale e alla mia crescita sul piano caratteriale e tutti i colleghi che mi hanno supportato e con cui mi sono confrontato e, a volte, sfogato e con cui ho realizzato alcuni progetti necessari al superamento degli esami.
Ringrazio i miei genitori, Angelo e Patrizia, che mi hanno sempre sostenuto, soprattutto nei momenti di difficoltà, nell'affrontare questo percorso tortuoso ma soddisfacente e nel superare le mie paure; i miei fratelli e i miei parenti che, nel loro piccolo, hanno dato comunque un contributo importante.
Ringrazio mia zia Cristina, da sempre fonte d'ispirazione e mio cugino Francesco che ha contribuito a rendere la fatica meno pesante.
Ringrazio Francesca che mi ha supportato e soprattutto sopportato durante l'elaborazione e senza la quale non avrei mai superato alcune difficoltà incontrate.
Ringrazio tutti gli amici, di Pisa e di Taranto, e i miei coinquilini che si sono sorbiti le mie ansie durante gli anni di convivenza universitaria.
Ringrazio tutti coloro che, seppur non sapendo, hanno comunque dato il loro contributo per rendermi l'uomo che sono."
Sviluppo di metodi di valutazione del rischio ambientale di poli industriali. Allegato I
1
Allegato I
Il presente allegato riporta la valutazione dell'incertezza associata ai flussi di massa emessi dalla cokeria, stimati mediante metodologia dettagliata dell'EPA, applicando la legge di propagazione degli errori. Dato che la correlazione è dipendente da un unico parametro, la formulazione generale si semplifica nel modo seguente (y rappresenta il flusso emesso e x la variabile considerata):
Note le espressioni delle derivate prime e i valori delle altre grandezze, si ottengono i seguenti risultati per le due tipologie di batterie del caso studio relativamente alle emissioni di BSO (per gli altri inquinanti la differenza è data dal fattore moltiplicativo previsto da EPA).
1. TRAFILAMENTO PORTE:
ND,1= 90 → (dy/dx)2 = 2.3E-04 ND,2= 86 → (dy/dx)2 = 2.1E-04
Considerando due casi per la variazione del parametro PLD, l'incertezza d'input è così stimata:
DISTRIBUZIONE UNIFORME:
DISTRIBUZIONE NORMALE:
dove k è pari a 2 (intervallo di confidenza del 95%) e il range di variazione è il seguente:
xmin= 5% xmean=7.5% xmax=10%
I risultati ottenuti sono i seguenti:
DISTRIBUZIONE UNIFORME: u(x) = 1.4 → u2(x) = 2.1 DISTRIBUZIONE NORMALE: u(x) = 1.3 → u2(x) = 1.6
Per cui, per le due tipologie di batterie, l'incertezza associata al flusso orario emesso è la seguente:
Sviluppo di metodi di valutazione del rischio ambientale di poli industriali. Allegato I
2
Allegato I
DISTRIBUZIONE UNIFORME: ND,1= 90 → u(y) = 0.02 ND,2= 86 → u(y) = 0.02 DISTRIBUZIONE NORMALE: ND,1= 90 → u(y) = 0.02 ND,2= 86 → u(y) = 0.018 Per gli altri inquinanti, invece:
DISTRIBUZIONE UNIFORME: ND,1= 90 → uB[a]P(y) = 2E-04 ND,2= 86 → uB[a]P(y) = 1.8E-04 DISTRIBUZIONE NORMALE: ND,1= 90 → uB[a]P(y) = 1.6E-04 ND,2= 86 → uB[a]P(y) = 1.5E-04 DISTRIBUZIONE UNIFORME: ND,1= 90 → uBenzene(y) = 0.011 ND,2= 86 → uBenzene(y) = 0.011 DISTRIBUZIONE NORMALE: ND,1= 90 → uBenzene(y) = 9.6E-03 ND,2= 86 → uBenzene(y) = 9.1E-04
2. TRAFILAMENTO COPERCHI DI CARICA: NL,1= 225 → (dy/dx)2 = 5.5E-05
NL,2= 215 → (dy/dx)2 = 5E-05
Analogamente al caso precedente, l'intervallo di variazione è il seguente: xmin= 0.1 %
xmean= 0.5 % xmax= 1 %
e l'incertezza d'ingresso è così stimata:
DISTRIBUZIONE UNIFORME: u(x) = 0.26 → u2(x) = 0.068 DISTRIBUZIONE NORMALE: u(x) = 0.45 → u2(x) = 0.2
Per cui, per le due tipologie di batterie, l'incertezza associata al flusso orario emesso è la seguente:
DISTRIBUZIONE UNIFORME: NL,1= 225 → u(y) = 1.9E-03 NL,2= 215 → u(y) = 1.8E-03 DISTRIBUZIONE NORMALE: NL,1= 225 → u(y) = 3.2E-03 NL,2= 215 → u(y) = 3.2E-03
Sviluppo di metodi di valutazione del rischio ambientale di poli industriali. Allegato I
3
Allegato I
Per gli altri inquinanti, invece:
DISTRIBUZIONE UNIFORME: NL,1= 225 → uB[a]P(y) = 1.6E-05 NL,2= 215 → uB[a]P(y) = 1.5E-05 DISTRIBUZIONE NORMALE: NL,1= 225 → uB[a]P(y) = 2.7E-05 NL,2= 215 → uB[a]P(y) = 2.7E-05 DISTRIBUZIONE UNIFORME: NL,1= 225 → uBenzene(y) = 9.6E-04 NL,2= 215 → uBenzene(y) = 9.2E-04 DISTRIBUZIONE NORMALE: NL,1= 225 → uBenzene(y) = 1.6E-03 NL,2= 215 → uBenzene(y) = 1.6E-03 DISTRIBUZIONE UNIFORME: NL,1= 225 → uPolveri(y) = 3.5E-03 NL,2= 215 → uPolveri(y) = 3.3E-03 DISTRIBUZIONE NORMALE: NL,1= 225 → uPolveri(y) = 5.7E-03 NL,2= 215 → uPolveri(y) = 5.7E-03
3. TRAFILAMENTO TUBI DI SVILUPPO: NO,1= 90 → (dy/dx)2 = 8.8E-06 NO,2= 86 → (dy/dx)2 = 8.1E-06
Analogamente al caso precedente, l'intervallo di variazione è il seguente: xmin= 0.1 %
xmean= 0.5 % xmax= 1 %
e l'incertezza d'ingresso è così stimata:
DISTRIBUZIONE UNIFORME: u(x) = 0.26 → u2(x) = 0.068 DISTRIBUZIONE NORMALE: u(x) = 0.45 → u2(x) = 0.2
Per cui, per le due tipologie di batterie, l'incertezza associata al flusso orario emesso è la seguente:
DISTRIBUZIONE UNIFORME: NO,1= 90 → u(y) = 7.7E-04 NO,2= 86 → u(y) = 7.4E-04 DISTRIBUZIONE NORMALE: NO,1= 90 → u(y) = 2E-03 NO,2= 86 → u(y) = 1.9E-03
Sviluppo di metodi di valutazione del rischio ambientale di poli industriali. Allegato I
4
Allegato I
Per gli altri inquinanti, invece:
DISTRIBUZIONE UNIFORME: NO,1= 90 → uB[a]P(y) = 6.5E-06 NO,2= 86 → uB[a]P(y) = 6.2E-06 DISTRIBUZIONE NORMALE: NO,1= 90 → uB[a]P(y) = 1.7E-05 NO,2= 86 → uB[a]P(y) = 1.6E-05 DISTRIBUZIONE UNIFORME: NO,1= 90 → uBenzene(y) = 3.9E-04 NO,2= 86 → uBenzene(y) = 3.7E-04 DISTRIBUZIONE NORMALE: NO,1= 90 → uBenzene(y) = 1E-03 NO,2= 86 → uBenzene(y) = 9.5E-04 DISTRIBUZIONE UNIFORME: NO,1= 90 → uPolveri(y) = 1.4E-03 NO,2= 86 → uPolveri(y) = 1.3E-03 DISTRIBUZIONE NORMALE: NO,1= 90 → uPolveri(y) = 3.6E-03 NO,2= 86 → uPolveri(y) = 3.4E-03
4. CARICAMENTO MATERIALE:
Da dati di stabilimento, il tempo medio di cokefazione è pari a 22 ore: T= 22 h
Per cui, per le due tipologie di batterie:
NT,1= 45 → (dy/dx)2 = 7.4E-07 NT,2= 43 → (dy/dx)2 = 6.7E-07
Analogamente al caso precedente, l'intervallo di variazione è il seguente: xmin= 1 s
xmean= 15 s xmax= 30 s
e l'incertezza d'ingresso è così stimata:
DISTRIBUZIONE UNIFORME: u(x) = 8.4 → u2(x) = 70.1 DISTRIBUZIONE NORMALE: u(x) = 7 → u2(x) = 49
Per cui, per le due tipologie di batterie, l'incertezza associata al flusso orario emesso è la seguente:
Sviluppo di metodi di valutazione del rischio ambientale di poli industriali. Allegato I
5
Allegato I
NT,2= 43 → u(y) = 6.9E-03 DISTRIBUZIONE NORMALE: NT,1= 45 → u(y) = 6E-03 NT,2= 43 → u(y) = 5.7E-03 Per gli altri inquinanti, invece:
DISTRIBUZIONE UNIFORME: NT,1= 45 → uB[a]P(y) = 6E-05 NT,2= 43 → uB[a]P(y) = 5.7E-05 DISTRIBUZIONE NORMALE: NT,1= 45 → uB[a]P(y) = 5E-05 NT,2= 43 → uB[a]P(y) = 4.8E-05 DISTRIBUZIONE UNIFORME: NT,1= 45 → uBenzene(y) = 3.6E-03 NT,2= 43 → uBenzene(y) = 3.4E-03 DISTRIBUZIONE NORMALE: NT,1= 45 → uBenzene(y) = 3E-03 NT,2= 43 → uBenzene(y) = 2.9E-03 DISTRIBUZIONE UNIFORME: NT,1= 45 → uPolveri(y) = 1.3E-02 NT,2= 43 → uPolveri(y) = 1.2E-02 DISTRIBUZIONE NORMALE: NT,1= 45 → uPolveri(y) = 1.1E-02 NT,2= 43 → uPolveri(y) = 1E-02
Sviluppo di metodi di valutazione del rischio ambientale di poli industriali. Allegato II
1
Allegato II
Il presente allegato riporta i files.m relativi all'erosione eolica dei parchi stoccaggio di tipologia B1 e A, al fine di applicare il modello convenzionale dell'AP- 42, effettuare l'analisi d'incertezza con legge di propagazione dell'errore per PFD uniforme e normale d'input:
1. Modello convenzionale EPA:
%Simulazione MonteCarlo emissioni diffuse erosione eolica %applicazione del modello convenzionale EPA
%correlazione AP- 42: EF=k*somm(Pi)
%potenziale d'erosione: Pi=58*(uatt-ut)^2+25*(uatt-ut)
k=0.5; %coefficiente relativo al PM10
ut=0.54; %velocità d'attrito di soglia [m/s]
Sa=input('superficie della sub- area 0.2a');%superficie della sub-area
%considerata [m^2]
Sb=input('superficie della sub- area 0.2b');%superficie della sub-area
%considerata [m^2]
Sc=input('superficie della sub- area 0.2c');%superficie della sub-area
%considerata [m^2]
Sd=input('superficie della sub- area 0.6a');%superficie della sub-area
%considerata [m^2]
Se=input('superficie della sub- area 0.6b');%superficie della sub-area
%considerata [m^2]
Sf=input('superficie della sub- area 0.9');%superficie della sub-area
%considerata [m^2]
n=input('numero di cumuli del parco'); %numero di cumuli del parco
%si riportano i valori della velocità del vento nel "3-Day Period" %a 10 metri d'altezza come previsto dal modello
u10=[6.7 1 5.2 3.4 4.8 1.7 3.3 5.9 3.3 3.3 3.1 7.2 6.2 4.9 4 6.4 3.5 7.9 7.4 7.3 9 5.7 5.1 3.9 3.7 6.7 5.5 3.5 4.6 5.4 7.1 6.7 3.6 5.5 2.6 3.1 4.7 4.1 2.5 4.6 5.9 5.8 3.8 2.9 3.6 2.8 8.7 5.1 4.2 6 2.2 2.6 3.2 3.5 5 4.7 5.2 3.4 4.9 3 5 7.8 3.1 2.9 5.1 5.7 3.6 3.5 3.5 3.3 4.4 2.8 2.2 3.1 6.9 3.9 4.7 7.4 6.4 2.7 5.3 7 8.7 6.3 3.5 2.5 4.9 3.7 1 8.6 4.7 4.5 4 2.1 1.6 4.6 3.8 2.4 0.1 0 0.1 0 0 0 0 0.1];
%si valuta il valore di us+ al variare del rapporto us/ur
us_ur1=0.2; us_ur2=0.6; us_ur3=0.9 us1=us_ur1*u10; us2=us_ur2*u10; us3=us_ur3*u10; uatt1=0.1*us1; uatt2=0.1*us2; uatt3=0.1*us3; for i=1:106 if uatt1(i)>ut P1(i)=58*(uatt1(i)-ut)^2+25*(uatt1(i)-ut); elseif uatt1(i)<=ut P1(i)=0; end end for i=1:106 if uatt2(i)>ut P2(i)=58*(uatt2(i)-ut)^2+25*(uatt2(i)-ut);
Sviluppo di metodi di valutazione del rischio ambientale di poli industriali. Allegato II 2