Cinzia Pastorello, Stefano Caserini, Michele Giugliano

Presentazione sul tema: "Cinzia Pastorello, Stefano Caserini, Michele Giugliano"— Transcript della presentazione:

1 SCENARI DI EMISSIONI DI PARTICOLATO E DEI SUOI PRECURSORI DA TRAFFICO VEICOLARE IN LOMBARDIA
Cinzia Pastorello, Stefano Caserini, Michele Giugliano DIPARTIMENTO DI INGEGNERIA IDRAULICA, INFRASTRUTTURE VIARIE, AMBIENTALE E DEL RILEVAMENTO ENTE NAZIONALE PER LE NUOVE TECNOLOGIE E L’AMBIENTE

2 Obiettivi Stima delle emissioni da traffico di particolato primario e dei suoi principali precursori in Regione Lombardia in relazione a diversi scenari. Definizione sperimentale di fattori di emissione di particolato dei nuovi autoveicoli.

3 Stima delle emissioni da traffico
PM, NOx, SO2, NH3, COV Etotali = Ecaldo + Efreddo + Eevaporative + Eabrasione Ecaldo rappresenta le emissioni a caldo, ovvero le emissioni dai veicoli i cui motori hanno raggiunto la loro temperatura di esercizio Ecaldo i, j, k = Nj · Mj,k · FE(V)caldoi,j,k; Nj numero di veicoli della classe j [veicolo] Mj,k chilometri percorsi dal veicolo j sulla strada k [km/anno] FE(V) i,j,k fattori di emissione per l’inquinante i, il veicolo j sulla strada k [g/(km*veicolo)],a funzione della velocità media di un ciclo di guida Efreddo è il termine che tiene conto dell'effetto delle emissioni durante il riscaldamento del veicolo (temperatura dell'acqua di raffreddamento < 70°C); Efreddo = Nj · Mj · FE caldoi,j,k ·(efreddo/ecaldo ij – 1) · b FEfreddoi,j,k Eevaporative rappresenta le emissioni evaporative costituite dai soli COVNM (composti organici volatili non metanici). Eevaporative = E giornaliere + E spegnimento + E marcia = f(Nj, Mj, FE) Eabrasione è il contributo dall’usura di freni, pneumatici e manto stradale. Si calcola solo per il particolato. Ei,j,k = Nj · Mj · EF,j,k · fi · S(V)

4 Bilancio dei combustibili
Numero veicoli Fattori di emissione Percorrenze Emissioni da traffico Bollettino petrolifero Vendite di combustibile [t anno-1] FC – fattore di consumo [g km-1] Percorrenze [km anno-1] Bilancio dei combustibili Cc= Sij FCij · NVij · Pij Venduto Stimato con la metodologia Tipo di strada i Tipo di veicolo j Cc= Sij FCij  NVi  P’  FPj  FSii

5 Cc= Sij FCij · NVij · P’  FPj  FSii
FRAZIONE DELLA PERCORRENZA TOTALE PER TIPOLOGIA DI STRADA tipo di veicolo età del veicolo combustibile Autoveicoli diesel Cc= Sij FCij · NVij · P’  FPj  FSii

6 P’ = Cc/ (Sij FCij * NVij * FSij * FPj)
Cc= Sij FCij · NVij · P’  FPj  FSii DIPENDENZA DELLA PERCORRENZA ANNUA DALL’ETÀ DEL VEICOLO Analisi 3000 dati sperimentali raccolti nella campagna bollino blu Dati letteratura P’ = Cc/ (Sij FCij * NVij * FSij * FPj)

7 Nel dettaglio Consumo anni 1998-2004 C= S NVi ·FCij(v) · Pij=
P* · S NVi · FCij(v) · FPj· FSij P’ = Cvenduto S (FCi(v) · NV · FPj · FSij) Velocità media per tipo di strada E= S NVi · FEij(v) · FPj · FSij · P’ Numero veicoli per classe COPERT (Dati ACI) Percentuale di percorrenza per tipo di strada FSij FPj

8 Scenari 12 scenari consumo tecnologia Scenario di base
Scenario veloce rinnovo tecnologico Scenario lento rinnovo tecnologico Scenario di base Scenario di crescita Scenario costante Scenario di decrescita 12 scenari

9 Veicoli immatricolati tra il 1998 e il 2004
Scenari tecnologici Veicoli immatricolati tra il 1998 e il 2004 Settore DATI ACI: Settore Combustibile Cilindrata Peso Tipo legislativo Settore Combustibile Benzina Diesel GPL Conventional/PRE EURO EURO I EURO II EURO III EURO IV

10

11 Scenario Base Scenario veloce rinnovo tecnologico Scenario lento rinnovo tecnologico Scenario base

12 Scenario base Scenario veloce rinnovo tecnologico Scenario lento rinnovo tecnologico

13 Scenari vendite combustibili
Dati disponibili – bollettino petrolifero Proiezione

14 Risultati Scenario più probabile:
tecnologia base consumo di combustibile costante nel decennio

15 DIESEL

16

17

18 Effetto della tecnologia: variazione delle emissioni rispetto allo scenario tecnologico di base
Il parco circolante viene gradualmente sostituito da veicoli di generazione EURO III, EURO IV ed EURO V

19 Effetto della tecnologia: variazione delle emissioni rispetto allo scenario tecnologico di base
Il parco circolante viene sostituito con un tasso di rinnovo pari alla metà di quello stimato per lo scenario di base

20 Effetto dei consumi

21 Analisi di sensitività delle emissioni rispetto alla velocità media: scarsa sensitività

22 Risultati: variazioni delle emissioni da traffico al 2015, rispetto al 2001
codice scenario tecnologia consumi SO2 NOx COV CO2 NH3 PM10 1 in linea -95% -44% -71% 21% -28% -41% 2 veloce -60% -83% -22% -59% 3 lento -30% -56% -37% -26% 4 costante -96% -76% -4% -43% -53% 5 -68% -85% -38% -67% 6 -64% -49% 7 aumento -94% -33% -66% 45% -14% -29% 8 -52% -80% -7% -50% 9 -16% -24% -12% 10 diminuzione -97% -81% -57% -65% 11 -88% -75% 12 -58% -62%

23 Risultati: variazioni delle emissioni totali al 2015, rispetto al 2001
emissioni da traffico in relazione agli scenari riduzione delle emissioni di SO2 e NOx da centrali termoelettriche emissioni costanti da altre sorgenti codice scenario tecnologia consumi SO2 NOx COV CO2 NH3 PM10 1 in linea -51.0% -25.8% -16.5% 5.4% -0.7% -15.1% 2 veloce -33.7% -19.1% -0.6% -21.7% 3 lento -18.4% -13.0% -0.9% -9.7% 4 costante -31.5% -17.6% -1.1% -19.5% 5 -37.7% -19.8% -1.0% -24.7% 6 -25.6% -14.7% -1.3% -15.2% 7 aumento -20.2% -15.4% 11.8% -0.4% -10.7% 8 -39.4% -18.5% -0.2% -18.6% 9 -11.3% -4.3% 10 diminuzione -37.1% -18.7% -7.3% -1.5% -23.8% 11 -41.8% -20.5% -1.4% -27.8% 12 -32.7% -16.4% -1.6% -20.6% -0.6% -1.4%

24 Contributo inorganico: modello MINNI (modello Integrato Nazionale a supporto della Negoziazione Internazionale -ENEA, 2005)

25 La riduzione dei nitrati è proporzionale a quella degli NOX

26 Conclusioni - 1 Emissioni di PM10 da scarico e dei precursori diminuiscono per tutti gli scenari considerati. Maggiormente per scenari tecnologici spinti e per riduzioni di combustibili Emissioni PM10 da abrasione variano in funzione delle percorrenze. Al 2015 il contributo delle emissioni di PM da abrasione eguaglia quello del PM da scarico Per i precursori inorganici da traffico: Riduzioni emissioni di SO2 indipendenti dagli scenari (>90%) Riduzioni emissioni di NH3 del 10-60%  trascurabili rispetto alle emissioni totali Riduzioni emissioni di NOx per tutti gli scenari (16-76%)

27 Conclusioni - 2 Veicoli diesel: ruolo determinate per tutti gli inquinanti considerati, ad eccezione dell’ammoniaca L’aumento delle percorrenze puo’ vanificare l’effetto positivo dell’introduzione delle nuove tecnologie Difficoltà nella valutazione modellistica del contributo delle sorgenti al particolato totale: la complessità del secondario e il problema della non linearità. Il contributo dei precursori organici deve essere maggiormente studiato. La riduzione del contributo inorganico nei diversi scenari sembra non risolvere il problema del particolato.

28 Definizione di un set coerente di fattori di emissione
Fonti europee di fattori di emissione PM10: APEG (UK) Airborne Particles Expert Group (1999) IIASA (Austria) International Institute for Applied System Analysis (2002) NAEI NETCEN (UK) National Atmospheric Emissions Inventory (2003) OFEFP (CH) Office Fédéral de l’Environnement, des Foret et du Paysage (2001) TNO-CEPMEIP (NL) Coordinated European Programme on Particulate Matter Emission Inventories Projections and guidance (2002) Fonti europee di fattori di emissione PM10: ENEA (Santino et al., 2001) LABECO (Regione Emilia Romagna et al., 2002) ANCMA (Alburno P., 2002) ENEA (Picini et al., 2005)

29 Set di fattori di emissione scelto:
Autoveicoli diesel DPF: FE LAT Veicoli diesel commerciali DPF: FE TNO Veicoli diesel convenzionali: FE Copert III Auto a benzina : FE NAEI NETCEN Veicoli 2 ruote: media FE fonti italiane Usura freni, pneumatici, manto stradale : linee guida comunità europea (Ntziachristos et al., 2003)

30

31

32

33

34

35

36 Composizione PM2.5 – Milano – Anno 2002-2003
secondario For ions, nitrate is the most abundant species, while during summer the importance of the sulfate concentration arises. In the absolute values both decrease, but two different effects has to be considered: For one hand the decreases of emission sources. Both for NOx and SO2 The effect of temperature on the formation of this compound: the higher summer season favors the process of sulfate formation and reduce the concentration of nitrate for volatization Sito urbano - estate Sito urbano - inverno Tunnel

37 Confronto con dati Europei
Solfati confrontabili con il resto dell’Europa Nitrati e ammonio molto elevati

38 Valutazione del contributo del traffico sul particolato primario e secondario in atmosfera
contributo carbonioso del particolato primario contributo inorganico secondario Modello lineare (De Leeuw 2002 – EEA 2004) Modello non lineare (Ansari e Pandis, 1998) Modello MINNI (ENEA, 2005)

39 A. Contributo carbonioso del particolato primario: Metodo OC/EC
IPOTESI: il rapporto OC/EC misurato nel tunnel può considerarsi rappresentativo della fonte traffico il traffico è la fonte principale di EC, sia nel semestre invernale che nel semestre estivo le concentrazioni di fondo di EC ed OC nell’area milanese possono considerarsi trascurabili The determination of traffic contribution to secondary organic matter was calculated on the basis of OC/EC method. That is base on the definition of one OC/EC ratio representative of primary emission. The exceed of this value could be considered representative of secondary OC formation. So SOA could be considered as the difference of total OC and primary OC, which could be calculated on the basis of

40 Semestre estivo Semestre invernale

41 B. Contributo inorganico: modello lineare (De Leeuw 2002 – EEA 2004)
Emissioni (dagli inventari) AF=F·(Msecondario/ Mprimario) AF= Aerosol formation factor F=percentuale di conversione del precursore gassoso Msecondario/ Mprimario= rapporto tra le masse molari del precursore e dell’inquinante secondario

42 Modello lineare traffico produzione combustioni di energia industriali
agricoltura traffico combustioni non industriali produzione di energia industriali PMs(SO2) t anno-1 PMs(NOx) PMs(NH3) % PMs(NH3) % Provincia di Milano 5.596 64.116 4.320 8 87 6 Lombardia 42.021 62.545 14 65 21 Bacino Padano 18 62 20 Dati speciazione - Milano 29 53 Dati speciazione - Cremona

43 Modello lineare deterministico
Semplicità di applicazione Legame con le fonti Vantaggi COV Dinamica dell’interazione fotochimica Linearità Area di indagine Variazione temporale Punti critici: