• Non ci sono risultati.

delle regioni italiane

N/A
N/A
Protected

Academic year: 2022

Condividi "delle regioni italiane"

Copied!
37
0
0

Testo completo

(1)

Evidenze dell’effetto lockdown sulla qualità dell’aria delle regioni italiane

La Lombardia

Cristina Colombi – ARPA Lombardia

(2)

Sommario

• I fattori di pressione in Lombardia durante il lockdown

• Come le emissioni sono cambiate rispetto ad una situazione normale

• L’andamento della qualità dell’aria: il caso dell’NO2 e quello del PM10

• Focus su Milano: composizione e source apportionment

• I progetti di approfondimento in corso

(3)

Gli effetti del lockdown – i fattori di pressione – TRASPORTI

Il traffico è diminuito progressivamente sia in area urbana che sulle autostrade

- 80% – 90% auto

- 70% - 80% veicoli commerciali leggeri - 50% - 60% veicoli pesanti

Auto – percorsi urbani

Trasporti aerei

Il traffico aereo è diminuito di più del 90%

(4)

Gli effetti del lockdown – i fattori di pressione – INDUSTRIA

Consumo di energia elettrica in ambito industriale

- 20% – 30%

(Fonte dato: Terna https://www.terna.it/it/sistema- elettrico/transparency-report/total-load )

Gas naturale usato in ambito industriale - 20 – 30%

( Fonte dato: SNAM https://www.snam.it/it/trasporto/dati-

operativibusiness/2_Andamento_dal_2005/?formindex=1&archive_year

=2020 )

(5)

Gli effetti del lockdown – i fattori di pressione – RISCALDAMENTO

Il riscaldamento delle case è aumentato:

da +3% a + 6%

Il riscaldamento degli edifici nel settore terziario e commerciale è diminuito

del 70% – 80%

(6)

0 100 200 300 400 500 600 700

Concentrazione g/m³)

NH3 - Concentrazioni orarie a Corte de Cortesi (CR)

Gli effetti del lockdown – i fattori di pressione – AGRICOLTURA

Le attività connesse ad agricoltura ed allevamento sono rimaste sostanzialmente invariate

Media Gen-Mag= 40±41 µg/m³ Max-h= 286.5 µg/m³

Media Gen-Mag= 60±46 µg/m³ Max-h= 418.9 µg/m³

(7)

Gli effetti del lockdown – i fattori di pressione – riassumendo….

(8)

Gli effetti del lockdown – l’andamento delle emissioni

La riduzione delle emissioni durante le fasi di lockdown sono state stimate in Lombardia mediamente:

• - 36% per NOx (contributo significativo del traffico;

diminuzione max 44% dal 6.4 al 12.4)

• - 14% per PM10 primario (riduzione da traffico e industria parzialmente bilanciate da aumento nel riscaldamento)

• ammoniaca sostanzialmente invariata (-1%)

• - 12% Composti Organici Volatili

• - 25% CO2 contributo significativo del traffico (- 69%) e processi produttivi (-49%)

Emissioni giornaliere NOX

Emissioni giornaliere PM10

(9)

Come è cambiata la qualità dell’aria? Il caso dell’NO2

Il dato di Milano è coerente con quanto verificato sull’intero Bacino Padano:

i valori di NO e NO2 sono diminuiti ai più bassi valori mai registrati

• NO – 58%,

• NO2 – 38%

(stazioni da traffico)

Fonte :

(10)

Come è cambiata la qualità dell’aria? Il caso del PM10

Per il PM10 la diminuzione è meno Pronunciata (bacino Padano):

• Stazioni da traffico: – 19%

• Stazioni di fondo: – 15%

Fonte :

(11)

Come è cambiata la qualità dell’aria? Focus su Milano

(12)

Come è cambiata la qualità dell’aria? Focus su Milano

Stazione UB (Allegato III del D.Lgs. 155/2010)

Fra i 16 supersiti italiani di riferimento (Decreto 29 novembre 2012)

Collocata nella parte orientale di Milano, nella zona universitaria chiamata “Città Studi”, in un’area di verde pubblico per bambini, distante circa 130 m dalle strade trafficate.

Misure in continuo:

Inquinanti gassosi normati (SO2, NOx, O3, benzene)

PM10 e PM2.5 con beta e gravimetrici (QA/QC e speciazione giornaliera)

PM1

misure ottiche di Black Carbon con tecnologia a multi-angolo e con etalometri a 2 e 7 lunghezze d’onda

caratterizzazione fisica delle particelle mediante OPC e Nanoparticelle

misure di ammoniaca in fase gassosa (NH3) con strumentazione a chemiluminescenza e a cavità

Supersito di MI-Pascal

(13)

Come è cambiata la qualità dell’aria? Focus su Milano

Sui filtri raccolti di PM10 e di PM2.5 vengono effettuate tutte le analisi chimico-fisiche che consentono di determinarne le composizioni: elementi con numero atomico Z>11, mediante spettrometria a raggi X; levoglucosano e i suoi isomeri, mediante cromatografia ionica con detector amperometrico; anioni e cationi in cromatografia ionica; Idrocarburi Policiclici Aromatici (IPA), tramite gas-cromatografia con spettrometro di massa (GC-MS); determinazione della componente carboniosa (OC, EC), tramite analisi termo-ottica in trasmittanza e riflettanza.

Applicazione di tecniche di SA, per l’identificazione delle sorgenti che maggiormente contribuiscono alla formazione di PM.

Modelli multivariati

Analisi effettuata indipendentemente

su ogni singolo campione

CMB

Analisi effettuata su una matrice di dati

ambientali

PCA, UNMIX, PMF

Modelli a singolo campione

(14)

Come è cambiata la qualità dell’aria? Focus su Milano

Molteplici progetti sviluppati a MI-Pascal (o Milano in generale), dal 2002 indagini di composizione e/o di source apportionment

2002: PUMI (Particolato Urbano Milanese) PM10 e PM2.5

Obiettivi: determinazione della composizione chimica del PM10 e del PM2.5 in Milano città, sia per valutare il contributo delle diverse sorgenti, che per una valutazione dell’impatto sanitario; la caratterizzazione delle emissioni delle principali sorgenti di inquinamento da PM10 e PM2.5; la descrizione fenomenologica del particolato fine come base conoscitiva per l’organizzazione degli interventi, da ottenersi attraverso l’analisi statistica delle serie storiche disponibili.

(15)

Come è cambiata la qualità dell’aria? Focus su Milano

Molteplici progetti sviluppati a MI-Pascal (o Milano in generale), dal 2002 indagini di composizione e/o di source apportionment

2004-2007: PARFIL PM10 e PM2.5

Obiettivi: raccolta ed elaborazione PM10 rilevati nella regione Lombardia per l'analisi della distribuzione (spaziale e temporale) e delle correlazioni con parametri meteorologici ed altri inquinanti; caratterizzazione chimico-fisica dei campioni di PM10 e PM2.5 per l'identificazione dei profili caratteristici (fingerprint) in funzione della distribuzione spaziale, temporale e dimensionale;

applicazioni di tecniche statistiche incrociate ai dati di composizione per identificare il contributo delle principali sorgenti, compresa la produzione secondaria in atmosfera.

2001 zonizzazione del territorio D.G.R 6501/2001

CMB8.2 al PM10 MI-Pascal – Pgt. PARFIL Semestre invernale (2004-2007)

CMB8.2 al PM10 MI-Pascal – Pgt. PARFIL Semestre estivo (2004-2007)

20.4%

15.0%

10.4%

27.4%

15.8%

25.6%

45.2%

11.7%

13.9%

0.1%

20.5%

27.0%2.5%

15.8%9.8%8.7%

11.0%

2.6%2.1%

Traffic

Wood combustion Pellet combustion Industrial Fertilizers Resuspended soil Ammonium Sulfate Ammonium Nitrate Unresolved

(16)

Come è cambiata la qualità dell’aria? Focus su Milano

Molteplici progetti sviluppati a MI-Pascal (o Milano in generale), dal 2002 indagini di composizione e/o di source apportionment Con PARFIL è iniziato il nostro database di speciazione chimica, quindi dal 2004!

2013-2014: Life+ AIRUSE (LIFE11 ENV/ES/584) PM10 e PM2.5

Obiettivi: miglioramento della qualità dell’aria dei paesi del Sud Europa, attraverso l’applicazione di tecniche di SA del PM, con la finalità di proporre misure da adottare per il contenimento delle emissioni in atmosfera

Vehicle exhaust;

2.8; 7%

Vehicle non exhaust; 3.4; 9%

Secondary nitrate;

10.0; 26%

Heavy oil & secondary sulphate; 5.5;

14%

Mineral dust; 2.6;

7%

Industrial; 3.7; 9%

Aged sea salt;

1.0; 3%

Biomass burning; 7.8;

20%

Unaccounted; 2.1;

5%

MLN-UB PM10

(17)

Come è cambiata la qualità dell’aria? Focus su Milano

Molteplici progetti sviluppati a MI-Pascal (o Milano in generale), dal 2002 indagini di composizione e/o di source apportionment Con PARFIL è iniziato il nostro database di speciazione chimica, quindi dal 2004!

Gennaio – Febbraio 2014: PoAIR PM10, PM2.5 e PM1

Obiettivi: misura e speciazione PM10, PM2.5 e PM1, quale avvio dell’accordo di Bacino Padano tra le diverse regioni del nord Italia

MI-Pascal

BO-CNR BO-SPC

PD-Mandria Ispra-JRC

TO-Lingotto

0 2 4 6 8 10 12 14

Crustal Element oxides EC OC Ammonium

Sulphate

Ammonium Nitrate

Levo

Component concentrationg/m³)

Influenza della pioggia MI-Pascal 28 Jan - 28 February 2014

0 10 20 30 40 50 60

PMx

PM concentrationg/m³)

PM10 - Giorni Pioggia PM10 - Giorni NON Pioggia PM2.5 - Giorni Pioggia PM2.5 - Giorni NON Pioggia PM1 - Giorni Pioggia PM1 - Giorni NON Pioggia

32%

31% 11%

26%

PM1 Source Apportionment MI-Pascal 28 Jan - 28 February 2014

16%

13%

4%

34%

5%

PM2.5 Source Apportionment MI-Pascal 28 Jan - 28 February 2014

9%

10%

10%

23%

41%

7%

PM10 Source Apportionment MI-Pascal 28 Jan - 28 February 2014 Traffic Exhaust

Traffic Non-Exhaust Crustal

Biomass Burning Secondary Regional

(18)

Come è cambiata la qualità dell’aria? Focus su Milano

Molteplici progetti sviluppati a MI-Pascal (o Milano in generale), dal 2002 indagini di composizione e/o di source apportionment Con PARFIL è iniziato il nostro database di speciazione chimica, quindi dal 2004!

2018-2024: Life PrepAIR PM10

Obiettivi: implementerà le misure previste nei piani regionali e nell’accordo di Bacino Padano a larga scala, in modo da dar forza alla sostenibilità e alla durata dei risultati.

Presentazione di Arianna Trentini

(19)

Come è cambiata la qualità dell’aria? Focus su Milano

Il Black Carbon

0.0 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0 9.0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Concentrazione (µg/m³)

Tempo (ore)

Giorno tipo feriale gennaio 2020

BC MI-Marche BC MI-Senato BC MI-Pascal (MAAP)

0.0 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0 9.0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Concentrazione (µg/m³)

Tempo (ore)

Giorno tipo feriale marzo 2020

BC MI-Marche BC MI-Senato BC MI-Pascal (MAAP)

(20)

Come è cambiata la qualità dell’aria? Focus su Milano

Il Black Carbon

0.0 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0 9.0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Concentrazione (µg/m³)

Tempo (ore)

Giorno tipo feriale gennaio 2020

BC MI-Marche BC MI-Senato

BC MI-Pascal (MAAP) BC MI-Marche (Genn2014)

0.0 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0 9.0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Concentrazione (µg/m³)

Tempo (ore)

Giorno tipo feriale marzo 2020

BC MI-Marche BC MI-Senato

BC MI-Pascal (MAAP) BC MI-Marche (Marzo2014)

(21)

Come è cambiata la qualità dell’aria? La composizione del PM10

0 10 20 30 40 50 60

0 10 20 30 40 50 60

Conc. Ossidi elementig/m³)

Conc. Materia crostaleg/m³)

Andamento giornaliero della Materia Crostale e degli Ossidi di Elementi nel PM10 MI-Pascal

Materia crostale Ossidi elementi

0 1 2 3 4 5 6 7 8 9

0 5 10 15 20 25 30

Concentrazione EC g/m³)

Concentrazione OC g/m³)

Andamento giornaliero della componente carboniosa del PM10 MI-Pascal

Carbonio Organico Carbonio Elementare

Mar-Mag 2017-2019

Crostale = 3.532±1.004 µg/m³

Antropogenico = 1.085±0.787 µg/m³

Mar-Mag 2020

Crostale = 5.876±1.127 µg/m³

Antropogenico = 1.098±0.813 µg/m³

Mar-Mag 2017-2019 OC = 4.983±1.106 µg/m³ EC = 0.823±0.329 µg/m³

Mar-Mag 2020

OC = 4.101±1.300 µg/m³ EC = 0.346±0.166 µg/m³

(22)

Come è cambiata la qualità dell’aria? La composizione del PM10

0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5

0 20 40 60 80 100

Conc. Levo g/m³)

Conc. ioni (µg/m³)

Andamento giornaliero della frazione secondaria del PM10 e del Levo MI-Pascal

Nitrato d'ammonio Solfato d'ammonio Levoglucosano

Mar-Mag 2017-2019

Solfati = 1.988±0.197 µg/m³ Nitrati = 4.768±4.087 µg/m³ Levo = 0.048±0.036 µg/m³

Mar-Mag 2020

Solfati = 2.566±0.699 µg/m³ Nitrati = 5.539±3.472 µg/m³ Levo = 0.095±0.122 µg/m³

2016.5 2017 2017.5 2018 2018.5 2019 2019.5 2020 2020.5

0 10 20 30 40 50 60 70 80

0.0 0.1 0.2 0.3 0.4 0.5 0.6

2017 2018 2019 2020

Conc. PM10g/m³)

Concentrazione (ng/)

Milano - B(a)P media primo quadrimestre (genn÷apr)

(23)

Come è cambiata la qualità dell’aria? La composizione del PM10

0 10 20 30 40 50 60 70 80 90

0 5 10 15 20 25 30

Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre

Conc. PM10 g/m³)

Conc. componenti (µg/m³)

Chiusura di massa mensile - 2013-2016

Materia crostale Ossidi elementi Solfato d'ammonio Nitrato d'ammonio OC EC PM10

0 10 20 30 40 50 60 70 80 90

0 5 10 15 20 25 30

Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre

Conc. PM10 g/m³)

Conc. componenti (µg/m³)

Chiusura di massa mensile - 2017-2019

Materia crostale Ossidi elementi Solfato d'ammonio Nitrato d'ammonio OC EC PM10

Frazione minerale = 1.15·(1.890·Al + 2.139·Si + 1.399·Ca + 1.668·Ti + 2.497·S* + 2.580·Cl*+ 1.205·K* + 1.923·Cr* + 2.019·Mn* + 1.358·Fe* + 1.341·Ni* + 1.252·Cu* + 1.245·Zn* + 1.701·Br* + 1.094·Rb* + 1.011·Pb*)

Ossidi antropici = 2.580·(Cl-Cl*) + 1.205·(K-K*) + 1.923·(Cr-Cr*) + 2.019·(Mn-Mn*) + 1.358·(Fe-Fe*) + 1.341·(Ni-Ni*) + 1.252·(Cu-Cu*) + 1.245·(Zn-Zn*) + 1.701·(Br- Br*) + 1.094·(Rb-Rb*) + 1.011·(Pb-Pb*)

con * = concentrazione totale/FA se FA > 2

(24)

Come è cambiata la qualità dell’aria? La composizione del PM10

0 10 20 30 40 50 60 70 80 90

0 5 10 15 20 25 30

Gennaio Febbraio Marzo Aprile Maggio Giugno Luglio Agosto Settembre Ottobre Novembre Dicembre

Conc. PM10 g/m³)

Conc. componenti (µg/m³)

Chiusura di massa mensile - 2020

Materia crostale Ossidi elementi Solfato d'ammonio Nitrato d'ammonio OC EC PM10

Periodo Lock-down

Variazione % PM10 Materia crostale Ossidi elementi (NH4)2SO2 (NH4)NO3 OC EC Levo ND

2013-2016 -31 10 2 4 6 3 -2 = -23

2017-2019 -16 13 1 4 7 = -2 = -22

(25)

Come è cambiata la qualità dell’aria? Il Source Apportionment del PM10

Analisi di SA tramite l’applicazione della PMF5

Quando: Database completi vari anni

Isolati periodi 1°Gennaio-31 Maggio dal 2013 al 2020

Esclusione: capodanni

Specie Weak: V, Cr, Ni, Zn, Br e Rb

Specie Bad: Sr, Sn, Sb, Ba, Cl-, NO2-, PO4-, SO42-, K+, Mg+, Ca+, Arabitolo, Mannitolo, Mannosano, Galattosano

(26)

Come è cambiata la qualità dell’aria? Il Source Apportionment del PM10

0 20 40 60 80 100 120 140 160 180

15/01/13 15/02/13 15/03/13 15/04/13 15/05/13 15/06/13 15/07/13 15/08/13 15/09/13 15/10/13 15/11/13 15/12/13 15/01/14 Concentration (µg/m3 )

Andamento giornaliero del Source Apportionment del PM10 a Milano

Vehicle exhaust Vehicle non exhaust Secondary nitrate Industrial Aged sea salt Heavy oil & secondary sulphate Mineral dust Biomass burning

7%

9%

26%

7% 14%

9%

3%

20%

5%

Anno 2013

(27)

Come è cambiata la qualità dell’aria? Il Source Apportionment del PM10

0 20 40 60 80 100 120 140 160

Concentration (µg/m3 )

Andamento giornaliero del source apportionment del PM10 a Milano

Sale Solfato Secondario Organico Traffico-Exhaust Biomass Burning Industria Nitrato Secondario Mineral Dust Traffico NON-Exhaust

1%

15%

24%

10% 11%

16%

7%

5%

11%

Anno 2017

(28)

Come è cambiata la qualità dell’aria? Il Source Apportionment del PM10

0 20 40 60 80 100 120 140

01/01/2019 08/01/2019 15/01/2019 22/01/2019 29/01/2019 05/02/2019 12/02/2019 19/02/2019 26/02/2019 05/03/2019 12/03/2019 19/03/2019 26/03/2019 02/04/2019 09/04/2019 16/04/2019 23/04/2019 30/04/2019 07/05/2019 14/05/2019 21/05/2019 28/05/2019 04/06/2019 11/06/2019 18/06/2019 25/06/2019 02/07/2019 09/07/2019 16/07/2019 23/07/2019 30/07/2019 06/08/2019 13/08/2019 20/08/2019 27/08/2019 03/09/2019 10/09/2019 17/09/2019 24/09/2019 01/10/2019 08/10/2019 15/10/2019 22/10/2019 29/10/2019 05/11/2019 12/11/2019 19/11/2019 26/11/2019 03/12/2019 10/12/2019 17/12/2019 24/12/2019 31/12/2019 07/01/2020 14/01/2020 21/01/2020 28/01/2020 04/02/2020 11/02/2020 18/02/2020 25/02/2020 03/03/2020 10/03/2020 17/03/2020 24/03/2020 31/03/2020 07/04/2020 14/04/2020 21/04/2020 28/04/2020 05/05/2020 12/05/2020 19/05/2020 26/05/2020 02/06/2020 09/06/2020 16/06/2020 23/06/2020 30/06/2020

Concentration (µg/m3 )

Andamento giornaliero del source apportionment del PM10 a Milano

Traffico Industria SSO Nitrato Secondario sale Mineral Dust Biomass Burning

Anno 2019-20

18%

24%

5% 13%

13%

0%

5%

16%

6%

(29)

Come è cambiata la qualità dell’aria? Il Source Apportionment del PM10

Input: database dal 2013 al 2020, dal 1° gennaio al 31 maggio di ogni anno 1210 righe

Stesse esclusioni

(30)

0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0

0.0001 0.001 0.01 0.1 1

Al Si S Cl K Ca Ti V Cr Mn Fe Ni Cu Zn Br Pb Rb OC EC NO3- Na+ NH4+ LevoMannosanoGalattosano

Explained variation (%)

Concentration (ng/ng)

SSO

0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9

0.0001 0.001 0.01 0.1 1

Al Si S Cl K Ca Ti V Cr Mn Fe Ni Cu Zn Br Pb Rb OC EC NO3- Na+ NH4+ LevoMannosanoGalattosano

Explained variation (%)

Concentration (ng/ng)

Cloro+Ind

0.0 0.2 0.4 0.6 0.8 1.0 1.2

0.0001 0.001 0.01 0.1 1

Al Si S Cl K Ca Ti V Cr Mn Fe Ni Cu Zn Br Pb Rb OC EC NO3- Na+ NH4+ LevoMannosanoGalattosano

Explained variation (%)

Concentration (ng/ng)

Risollevamento

0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0

0.0001 0.001 0.01 0.1 1

Al Si S Cl K Ca Ti V Cr Mn Fe Ni Cu Zn Br Pb Rb OC EC NO3- Na+ NH4+ LevoMannosanoGalattosano

Explained variation (%)

Concentration (ng/ng)

Traffico

0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0

0.00001 0.0001 0.001 0.01 0.1 1

Al Si S Cl K Ca Ti V Cr Mn Fe Ni Cu Zn Br Pb Rb OC EC NO3- Na+ NH4+ LevoMannosanoGalattosano

Explained variation (%)

Concentration (ng/ng)

Biomass Burning

0 1 2 3 4 5 6 7 8 9 10

0.000001 0.00001 0.0001 0.001 0.01 0.1 1 10

Al Si S Cl K Ca Ti V Cr Mn Fe Ni Cu Zn Br Pb Rb OC EC NO3- Na+ NH4+ LevoMannosanoGalattosano

Explained variation (%)

Concentration (ng/ng)

Nitrato Secondario

0.1 0.1 0.2 0.2 0.3 0.3 0.4 0.4

0.001 0.01 0.1 1 10

Explained variation (%)

Concentration (ng/ng)

Sale

Come è cambiata la qualità dell’aria? Il Source Apportionment del PM10

Risultati preliminari!!

(31)

0 50 100 150 200 250

Concentration (µg/m3)

Andamento giornaliero del source apportionment di MI-Pascal, 01.01-31.05 dal 2013 al 2020

Sale Traffico Risollevamento SSO Cloro+Ind Nitrato Secondario Biomass Burning

2013 2014 2015 2016 2017 2018 2019 2020

Come è cambiata la qualità dell’aria? Il Source Apportionment del PM10

0 10 20 30 40 50 60 70 80

0 5 10 15 20 25 30 35 40 45

Conc. PM10 (µg/m3)

Conc. Fattori (µg/m3)

Trend giornaliero dei fattori nel periodo 19.02-04.03.2018 a MI-Pascal

(32)

Come è cambiata la qualità dell’aria? Il Source Apportionment del PM10

0 5 10 15 20 25 30 35 40

2013 2014 2015 2016 2017 2018 2019 2020

Concentrazione (µg/m³)

Risultati di Source Apportionment periodo 1° marzo - 31 maggio

SSO Industria Risollevamento Traffico Biomass Burning Nitrato Secondario Sale ND

Riassumendo….

Lock-down

(33)

Per chi fosse interessato ad approfondire

https://www.arpalombardia.it/sites/DocumentC enter/Documents/Aria%20-

%20Relazioni%20approfondimento/Analisi%20p reliminare%20QA-COVID19.pdf

https://www.arpalombardia.it/sites/Docu mentCenter/Documents/Aria%20-

%20Relazioni%20approfondimento/report

%20stima%20emissiva%20COVID%2019%

20lombardia_aprile20.pdf

Sull’andamento dei dati misurati Sull’andamento delle emissioni L’andamento nel bacino padano (dal progetto Life Prepair)

https://www.lifeprepair.eu/wp-

content/uploads/2020/06/COVIDQA- Prepair-19Giugno2020_final.pdf

(34)

Arpa Lombardia partecipa al progetto di ricerca denominato PULVIRUS, finalizzato a individuare il legame tra inquinamento atmosferico e Covid-19.

Partner: ENEA, Istituto Superiore di Sanità (ISS), Sistema Nazionale per la Protezione Ambientale (SNPA) Obiettivi:

• Analisi degli effetti sulla qualità dell’aria delle misure di distanziamento fisico durante il periodo della pandemia da COVID 19: cosa dicono le stazioni di monitoraggio italiane.

• Valutazione sull’intero territorio nazionale della riduzione delle emissioni e concentrazioni di inquinanti atmosferici per effetto dell’introduzione di misure per contrastare la diffusione del COVID 19, anche mediante l’uso di tecniche modellistiche.

• Campagna integrata di caratterizzazione della composizione chimica del particolato.

• Valutazione dell’impatto a larga scala della riduzione delle emissioni sulla composizione atmosferica e sulle concentrazioni ambientali di gas serra.

• Studio sulle interazioni fisico-chimiche-biologiche tra polveri sottili e virus.

• Raccomandazioni per il trattamento di campioni di particolato e valutazioni preliminari allo sviluppo di un modello predittivo di allerta precoce conseguente alla presenza di tracce di COVID-19 sul particolato atmosferico

Il progetto si svilupperà nell’arco di un anno; i primi risultati saranno disponibili tra qualche mese.

LEGAME INQUINAMENTO/COVID-19 –

IL PROGETTO «PULVIRUS»

(35)

STUDIO EPIDEMIOLOGICO NAZIONALE

SU INQUINAMENTO ATMOSFERICO E COVID

Arpa Lombardia partecipa al Gruppo di Lavoro «Valutazione dell’esposizione ambientale» nell’ambito dello studio epidemiologico nazionale «EpiCovAir», promosso dall’Istituto l’Istituto Superiore di Sanità (ISS), da ISPRA con il SNPA e in collaborazione con gli esperti della Rete Italiana Ambiente e Salute (RIAS), finalizzato a valutare se, e in quale misura, i livelli di inquinamento atmosferico siano associati agli effetti sanitari dell’epidemia.

Gli obiettivi dello studio verteranno sul ruolo dell’esposizione al particolato atmosferico (PM) nell’epidemia di COVID-19 nelle diverse aree del Paese. In particolare sarà di interesse chiarire l’effetto di tale esposizione su:

- distribuzione spaziale e temporale dei casi, - gravità dei sintomi e prognosi della malattia, - distribuzione e frequenza degli esiti di mortalità.

La risposta a tali quesiti dovrà essere declinata in relazione a fattori di suscettibilità quali età, genere, presenza di

patologie preesistenti alla diagnosi di COVID-19, fattori socio-economici e demografici, tipo di ambiente di vita e di

comunità (urbano-rurale, attività produttive).

(36)

Conclusione

L’esperimento (non voluto!) del lock-down ha ancora una volta

confermato la difficoltà di ridurre le concentrazioni di alcuni parametri in

una realtà come quella del bacino padano e la necessità di continuare ad

agire su tutte le sorgenti, in particolare per contrastare l’inquinamento

secondario.

(37)

c.colombi@arpalombardia.it Grazie a tutti i colleghi che hanno contribuito:

Eleonora Cuccia, Lorenza Corbella, Umberto Dal Santo, Vorne Gianelle, Rosario Cosenza, Andrea Algieri,

Luca D’Angelo, Fabio Raddrizzani, Romeo Ferrari, Francesco Ledda, Giovanni Cigolini, Marco Chiesa, Marco

Dal Zotto, Anna Di Leo, Guido Lanzani

Riferimenti

Documenti correlati

Benché le strade extraurbane e le autostrade nel 2017 rappresentino ancora arterie stradali molto pericolose e con livelli degli indici di mortalità molto elevati, occorre segnala-

Il Piccolo Principe stufo dei piccoli pianeti popolati da lampionai solitari, re e vanitosi, decide di fermarsi sulla Terra per poter ammirare le meraviglie di questo

Nel caso sia da realizzare la bozza di zonizzazione, la stessa può venire ipotizzata partendo dall’analisi comparata delle mappature isolivello nello stato di fatto (senza edifici)

Among the new discoveries providing hand formed pottery datable to the Final Bronze Age or the Early Iron Age the following places are worth mentioning: the Torriana Hights,

Sulle fonti rinnovabili, di questo gruppo solo Friuli Venezia Giulia, Marche e Abruzzo registrano una quota superiore alla media nazionale, mentre la performance di

63 Le funzioni della Camera di Commercio possono distinguersi in funzioni amministrative, dove rientrano in tale ambito tutte le attività concernenti la tenuta di registri,

L’analisi congiunta per settore e regione di provenienza delle merci, svolta considerando anche il loro contributo alla variazione complessiva dell’export italiano, mostra che

Considerando che il peso della popolazione anziana e molto anziana è consistente, (la po- polazione di 65-74 anni corrisponde al 10,3% della popolazione residente, mentre quella di