Analisi di backtrajectories a supporto dell'interpretazione di dati di monitoraggio di qualità dell'aria. Un'applicazione di M-TraCe nell'ambito del Progetto CAMPANIA TRASPARENTE

The analyses of the provenance of air masses, namely backward trajectories calculations, are commonly used to support air quality studies and several models are available in literature. The ENEA air quality laboratory has recently developed M-TraCE (MINNI module for Trajectories Calculation and statistical Elaboration), a new tool for the calculation and statistical elaboration of backward trajectories over the Italian territory, with direct access to the MINNI meteorological database. In this report a methodology for the application of M-TraCE tool to support the interpretation of experimental air quality data is illustrated, aiming at demonstrating its potentiality and portability. As an example, the results of M-TraCE application to a monitoring site located near Acerra, Campania Region, are described; indeed, the Acerra site is of valuable interest to evaluate the exposition of the population to atmospheric pollution and the impacts on agricultural ecosystems. The characterization of the climatological circulation was carried out considering the years 1999, 2003, 2005, 2007, 2010 available in the MINNI meteorological database at spatial resolution of 4 km; moreover, in order to support the interpretation of experimental data collected in the years 2016 and 2017, meteorological fields and backward trajectories concerning those years were also computed. Then, by extending a scientific approach referenced in literature, a new methodology is proposed for the evaluation of the site region of influence, based on the computation of a synthetic spatial index. The illustrated example comprehensively shows the potentiality of the applied methodology, which represents a valuable tool for the analysis of spatial variability, the identification of critical sites and the interpretation of experimental data in the framework of air pollution concerns.

Lo studio della provenienza delle masse d’aria, ossia la ricostruzione delle traiettorie in arrivo (backward trajectories) in un punto di interesse, è utilizzato a supporto di molte tipologie di studi di qualità dell’aria e alcuni modelli sono disponibili in letteratura per il calcolo delle backward trajectories al livello globale. Il laboratorio di inquinamento atmosferico di ENEA ha recentemente sviluppato MTraCE (MINNI module for Trajectories Calculation and statistical Elaboration), un nuovo tool per il calcolo e l’elaborazione statistica di backward trajectories sul dominio italiano predisposto per l’accesso diretto alla base dati meteorologica italiana, prodotta nell’ambito del progetto MINNI. Con lo scopo di mostrarne le potenzialità e la replicabilità in contesti diversi, è illustrata in questo rapporto una metodologia di applicazione del tool M-TraCE a supporto dell’interpretazione dei dati di monitoraggio integrato della qualità dell’aria: a titolo di esempio, sono riportati i risultati ottenuti su un sito di monitoraggio in territorio campano localizzato nel comune di Acerra. È stata realizzata la caratterizzazione climatologica della circolazione prevalente nel sito in esame calcolando un ampio campione di traiettorie relative a cinque diverse annualità (1999, 2003, 2005, 2007, 2010), disponibili nella base dati MINNI a risoluzione spaziale di 4 km. Per supportare l’interpretazione dei dati di monitoraggio raccolti negli anni 2016 e 2017, sono stati calcolati anche i campi meteorologici relativi a quei periodi e su questi sono state calcolate ed elaborate le backward trajectories per l’analisi della circolazione specifica. Successivamente, a partire da un approccio già presente in letteratura, è stata proposta una nuova metodologia per l’identificazione dell’area di influenza di un sito basata sul calcolo di un indicatore spaziale sintetico. L’esempio illustrato dimostra in maniera esauriente le principali caratteristiche e la potenzialità della metodologia sviluppata, che costituisce un valido supporto per l’analisi della variabilità spaziale, l’identificazione dei punti più critici e l’interpretazione di dati sperimentali di una determinata area di studio.