• Non ci sono risultati.

urban MIrural OBelevated remote site ASC

N/A
N/A
Protected

Academic year: 2021

Condividi "urban MIrural OBelevated remote site ASC"

Copied!
18
0
0

Testo completo

(1)

Marker molecolari e

stima delle sorgenti di

M.G. Perrone, B. Larsen, L. Ferrero, G. Sangiorgi, G. De Gennaro, R.

Udisti, R. Zangrando, A. Gambaro, E. Bolzacchini

Dipartimento di Scienze dell’ Ambiente e del Territorio, Università di Milano-Bicocca

stima delle sorgenti di

PM2.5 in 3 siti del nord

Italia mediante modello

(2)

AREA DI STUDIO

Nord Italia

• Sito urbano: Milano - MI

• Sito rurale: Oasi Le Bine - OB

• Sito remoto: Alpe S. Colombano - ASC

35 Concentration of PM2.5 (µg/m3) North Italy PM2.5, anno 2008 Europe 0 5 10 15 20 25 30 u rb a n M I ru ra l O B e le v a te d r e m o te s it e A S C North Italy (our data)

urban rural elevated remote

site

Milan MI

Oasi Le Bine OB

(3)

CAMPAGNE DI MISURA

Campionamento PM2.5 (PM10, PM1) Periodo: 3 anni (2006-2009) 37.8 54.5 40 50 60 urban MI rural OB remote ASC 29.7 16.8 37.8 16.8 12.5 25.9 32.4 9.5 5.9 3.3 2.9 0 10 20 30 40

PRIMAVERA ESTATE AUTUNNO INVERNO

P M 2 .5 µµµµ g m -3

(4)

CARATTERIZZAZIONE CHIMICA PM2.5

• ioni inorganici (IC)

• OE/EC (TOT)

• elementi (ICP-ottico)

composti organici:

• levoglucosano (HPLC-MS)

• idrocarburi policiclici aromatici IPA (GC-MS)

• alcani lineari C20-C32 (GC-MS)

(5)

SO4= 8.9 NO3-29.8 NH4+ 12.3 Ca++, Mg++ 1.1 K+ 0.6 Fe,Al,Zn 1.1 trace elements 0.5 OM 34.5 EC 13.2 unaccounted -2.1 MI-SPRING SO4= 22.4 NO3-3.6 NH4+ 11.6 Ca++, Mg++ 0.6 K+ 0.5 Fe,Al,Zn 2.9 trace elements 0.4 OM 30.6 EC 14.6 unaccounted 12.8 MI-SUMMER SO4= 4.5 NO3-17.2 NH4+ 6.4 Ca++, Mg++ 0.5 K+ 0.8 Fe,Al,Zn 2.2 trace elements 0.4 OM 34.5 EC 13.2 unaccounted 20.4 MI-FALL SO4= 6.4 NO3-20.6 NH4+ 9.1 Ca++, Mg++ 0.3 K+ 1.0 Fe,Al,Zn 0.9 trace elements 0.4 OM 38.4 EC 11.8 unaccounted 11.1 MI-WINTER SO4= 16.9 NO3-OM EC 4.0 unaccounted 9.2 OB-SPRING SO4= 28.9 EC 4.9 unaccounted 11.5 OB-SUMMER SO4= 8.2 NO3-28.4 EC 4.0 unaccounted 15.6 OB-FALL SO4= 8.4 NO3-26.1 EC 3.1 unaccounted 17.2 OB-WINTER

COMPOSIZIONE CHIMICA STAGIONALE PM2.5

rural urban OM (OC ×1.6) OM (OC ×1.8) NO3-21.7 NH4+ 14.6 Ca++, Mg++ 0.6 K+ 0.7 Fe,Al,Zn 1.8 trace elements 0.2 OM 30.3 NO3-3.7 NH4+ 15.8 Ca++, Mg++ 0.7 K+ 0.6 Fe,Al,Zn 3.2 trace elements 0.3 OM 30.3 NH4+ 10.8 Ca++, Mg++ 0.2 K+ 0.9 Fe,Al,Zn 1.2 trace elements 0.3 OM 30.3 NH4+ 12.0 Ca++, Mg++ 0.3 K+ 1.2 Fe,Al,Zn 0.8 trace elements 0.4 OM 30.4 SO4= 23.9 NO3-6.1 NH4+ 14.8 Ca++, Mg++ 1.7 K+ 0.6 Fe,Al,Zn 3.1 trace elements 0.2 OM 43.4 EC 1.6 unaccounted 4.4 ASC-SPRING SO4= 22.8 NO3-2.7 NH4+ 13.2 Ca++, Mg++ 1.6 K+ 0.4 Fe,Al,Zn 14.7 trace elements 0.8 OM 37.0 EC 1.9 unaccounted 4.9 ASC-SUMMER SO4= 12.2 NO3-6.8 NH4+ 4.6 Ca++, Mg++ 0.3 K+ 0.2 Fe,Al,Zn 12.3 trace elements 0.9 OM 49.8 EC 1.4 unaccounted 11.5 ASC- WINTER remote OM (OC ×2.1)

estate: 20-25% SO4= inverno: MI e OB: 20% NO

3

(6)

2.4 8.0 1.5 2.2 0 2 4 6 8 10 12

SPRING SUMMER FALL WINTER

% O M C2-C5 DICARBOXYLIC ACIDS MI 0.4 0.3 0.8 0.7 0.0 0.2 0.4 0.6 0.8 1.0

SPRING SUMMER FALL WINTER

% O M n-ALKANES MI 0.04 0.04 0.12 0.15 0.0 0.1 0.2 0.3 0.4 0.5

SPRING SUMMER FALL WINTER

% O M PAHs MI 1.2 0.5 8.6 4.6 0 2 4 6 8 10

SPRING SUMMER FALL WINTER

%

O

M

LEVOGLUCOSAN

MI

C2-C5 DICARBOXYLIC ACIDS n-ALKANES PAHs LEVOGLUCOSAN

SPECIAZIONE CHIMICA

STAGIONALE OM(PM2.5)

urban rural Alte concentrazioni invernali Alte concentrazioni estive 10.2 10.4 2.8 2.8 0 2 4 6 8 10 12

SPRING SUMMER FALL WINTER

% O M C2-C5 DICARBOXYLIC ACIDS OB 0.3 0.4 0.6 0.9 0.0 0.2 0.4 0.6 0.8 1.0

SPRING SUMMER FALL WINTER

% O M n-ALKANES OB 0.04 0.01 0.09 0.38 0.0 0.1 0.2 0.3 0.4 0.5

SPRING SUMMER FALL WINTER

% O M PAHs OB 0.7 0.2 7.4 5.0 0 2 4 6 8 10

SPRING SUMMER FALL WINTER

% O M LEVOGLUCOSAN OB 10.2 10.6 2.2 0 2 4 6 8 10 12

SPRING SUMMER WINTER

% O M C2-C5 DICARBOXYLIC ACIDS ASC 0.1 0.6 0.7 0.0 0.2 0.4 0.6 0.8 1.0

SPRING SUMMER WINTER

% O M n-ALKANES ASC 0.02 0.00 0.02 0.0 0.1 0.2 0.3 0.4 0.5

SPRING SUMMER WINTER

% O M PAHs ASC 0.2 0.1 0.4 0 2 4 6 8 10

SPRING SUMMER WINTER

(7)

STUDIO DELLE SORGENTI

CON MODELLO RECETTORE

 Stima del contributo stagionale delle sorgenti alle

concentrazioni di OC e PM2.5 (µg m-3 e %)

 Modello recettore Chemical Mass Balance CMB

Contributo della sorgente alla concentrazione totale di OC o PM2.5 Equazione generale

= = m j j ij i a s C 1

Abbondanza relativa del composto-tracer nel profilo di sorgente (es. tracer/OC o tracer/PM2.5)

(8)

Modello recettore Chemical Mass Balance CMB

(EPA CMB8.2)

Effective variance least squares

EVLS solution: ( ) ∑ ∑ ∑               +         =       = = = i m j j a C m j j ij i s σ σ s a -C U R Q ij i 1 2 2 2 2 1 2 2 2 min min min Incertezze Residui misurati calcolati

Incertezza associata alla concentrazione del composto i

Incertezza nel profilo di sorgente

Dati di input :

σ

C

misure ambientali: C media stagionale ± U(95) concentrazione composti-tracers + incertezza associata

i

C

σ

i

C

Ci media stagionale ± U(95)

profili di sorgente + incertezza associata

ij

a

σ

ij

a

sperimentali, da letteratura:µµµµg tracer i / µµµµg OC

-traffico TR*

-combustione biomassa BB*

-combustione gas naturale NGC

-risospensione ROAD DUST*

-vegetazione PLANT DEBRIS

* profili di sorgente rappresentativi delle condizioni locali del Nord Italia Larsen BR, 2008. 5th Progress Report Collaborative Research Project for Air Pollution Reduction in Lombardia 2006-2010

Dati di output :

i

S

contributo della sorgente + incertezza stimata

i

S

σ

Test di sensitività:

TR (2 profili) e BB (3 profili)

(9)

TRACERS

- EC (traffic TR)

• Composti markers di sorgente

• Conservazione di massa sorgente-sito recettore: composti non reattivi, non volatili

Fitting species (tot=13):

- EC (traffic TR)

- Elementi: Si, Al, (road dust RD), Pb (TR), Fe (RD e TR)

8 marker molecolari organici:

- levoglucosano (biomass burning BB)

- IPA (BbF, BkF, BeP, IcdP, BghiP) (TR, BB, natural gas combustion NGC..)

(10)

10.00 MI-winter

MI-summer TRAFFIC

Contributo relativo delle

due sorgenti TR e BB

IPA

• Emessi da diverse sorgenti-processi di combustione: es. traffico, combustione biomassa…

(11)

ALCANI

• Emessi da diverse sorgenti

• Profilo relativo della serie omologa C20-C32:

es. C27, C29, C31 e contributo da plant

debris (PD)

Rapporti diagnostici e indici:

- CPI= carbon preference index

1.E-07 1.E-06 1.E-05 1.E-04 1.E-03 1.E-02 1.E-01 C 2 0 C 2 1 C 2 2 C 2 3 C 2 4 C 2 5 C 2 6 C 2 7 C 2 8 C 2 9 C 3 0 C 3 1 C 3 2 g / g O C Vehicle 1 1.E-06 1.E-05 1.E-04 1.E-03 1.E-02 1.E-01 g / g O C Wood Burning

- CPI= carbon preference index

CPI=1 combustibili fossili CPI>1 contributo da PD

CPI= 0.5 * [(2n+1Cn/ 2nCn) + (2n+1Cn/ 2n+2Cn)]

- Wax Cn%= % n-alkanes of epicuticular waxes origin (PD)

Wax C n= [Cn– 0.5 * (Cn+1+ Cn-1)]/ Cn×100 1.E-07 C 2 0 C 2 1 C 2 2 C 2 3 C 2 4 C 2 5 C 2 6 C 2 7 C 2 8 C 2 9 C 3 0 C 3 1 C 3 2 1.E-07 1.E-06 1.E-05 1.E-04 1.E-03 1.E-02 1.E-01 C 2 0 C 2 1 C 2 2 C 2 3 C 2 4 C 2 5 C 2 6 C 2 7 C 2 8 C 2 9 C 3 0 C 3 1 C 3 2 g / g O C Plant Debris SP SU F W SP SU F W SP SU W 1.4 (±0.2) 1.5 (±0.1) 1.2 (±0.1) 1.1 (±0.0) 1.4 (±0.2) 1.2 (±0.0) 1.4 (±0.1) 1.1 (±0.0) 1.2 (±0.1) 1.4 (±0.1) 0.8 (±0.0) C21 0 0 0 2 0 0 0 0 0 0 0 C23 0 0 0 3 0 0 0 2 0 0 0 C25 9 20 1 0 20 6 9 0 19 24 0 C27 16 37 3 5 23 35 23 7 8 43 18 C29 55 38 32 24 48 26 47 19 38 2 2 C31 72 64 53 47 54 48 56 25 51 24 0 Wax Cn% CPI

n -alkanes homologues serie

C20-C32 in PM2.5 samples MI OB ASC

(12)

RISULTATI-CMB

• Stima del contributo delle sorgenti alle concentrazioni di OC

primary organic carbon POC : CMB-POC

(13)

RISULTATI-CMB

• Stima del contributo delle sorgenti alle concentrazioni di OC

80% 90% 100%

secondary organic carbon SOC: CMB-SOC = Total OC – CMB-POC

(14)

Il contributo delle sorgenti primarie alle [OC] è convertito in contributo alle [PM2.5]:

- Fattore di conversione OM-OC per ciascuna sorgente

OM/OC = 1.2 TR e NGC (Aiken et al., 2008; Mohr et al., 2009)

1.7 BB (Puxbaum et al., 2007)

2.0 PD

- Per ciascuna sorgente:

PM2.5 = OM+ EC+ SO4=+NO

3-+NH4+ + elementi

(Al, Fe, Si : convertiti in ossidi per la sorgente road dust)

2.0 PD (Kunit et Puxbaum, 1996)

(15)

• Stima del contributo delle sorgenti alle concentrazioni

stagionali di PM2.5

Secondary organic aerosol SOA: CMB-SOA = ambient OM – CMB-POM

40 45 50 55 60 65 70 75 µµµµ g m -3 ) secundary ammonium secundary nitrate secundary sulphate CMB-SOA sea salt 87% 80% 0 5 10 15 20 25 30 35 SP SU F W SP SU F W SP SU W MI OB ASC P M 2 .5 (µµµµ RD PD NGC BB TR

Attribuito 70% -95% della concentrazione totale di PM2.5

(16)

• Stima del contributo delle sorgenti alle concentrazioni

stagionali di PM2.5

50% 60% 70% 80% 90% 100% P M 2 .5 secundary ammonium secundary nitrate secundary sulphate CMB-SOA sea salt sorgenti secondarie sorgenti 0% 10% 20% 30% 40% 50% SP SU F W SP SU F W SP SU W MI OB ASC P M 2 .5 RD PD NGC BB TR sorgenti primarie

MI, OB: Aut-inv: 45-65% del PM2.5 da sorgenti primarie

Prim-est: 65-75% PM2.5 da sorgenti secondarie (15-20% SOA)

(17)

CONCLUSIONI

●composti molecolari organici (LEVO, IPA e ALK) come

markers di sorgente in modelli recettore

●stimato mediante modello CMB il contributo stagionale di

sorgenti primarie e secondarie alle concentrazioni di OC (POC+SOC) e di PM2.5

(POC+SOC) e di PM2.5

● sorgenti primarie: TR (sito urbano) e BB (stagione

(18)

Riferimenti

Documenti correlati

Alessandro Bianchi Ceriani Pablo Martinez. Lara Poelmann

2° Riunione Biennale della Società Italiana di Terapia Intensiva – SITI Firenze – Dicembre 2016. 2 nd Biennial Meeting of the Italian Society of Intensive Care

Infatti, in base alla distribuzione stimata (v. curva), ci si attendono più di 32000 ppm per valori di Length più grandi di USL e circa 24000 ppm per valori di Length minore di

Per valutare la qualità di un sito esistente, o per impostare correttamente il progetto di un nuovo sito, può quindi essere molto utile disporre di un semplice modello di qualità,

Per quanto riguarda le retribuzioni, invece, dalla tabella seguente (Tabella 18) si può dedurre che le retribuzioni dei lavoratori delle aquile sono mediamente più basse

The species included in our study were selected from amongst the most commercially im- portant Mediterranean demersal species of fish and shellfish, mostly exploited by trawl

The parameters which need to be calibrated are the technology parameter , the discount rate , the exogenous exit probability , the growth rate of output g, the variance of

Teniendo en cuenta factores como las similitudes técnicas y ornamentales que a priori se ha atribuido a ambas producciones, la vinculación de la industria textil siciliana con