Multi-timesourceapportionmentUnapproccioavanzatoperl’identificazionedellesorgenti
diparticolatoatmosfericoaMilano
A.C.Forello,V.Bernardoni,G.Calzolai,D.Massabò,F.Lucarelli,S.Nava,R.Pileci,P.Prati,S.Valentini,G.Valli,R.Vecchi
PM2018,Matera,23/05/2018
Multi-timesourceapportionment:• Modelloarecettoreavanzato(ME-2script,Paatero 1999)• Apporzionamento dellesorgentiapartiredadatisperimentali
adiversarisoluzionetemporale(oraria,giornaliera…)
Multi-timesourceapportionment:• Modelloarecettoreavanzato(ME-2script,Paatero 1999)• Apporzionamento dellesorgentiapartiredadatisperimentali
adiversarisoluzionetemporale(oraria,giornaliera…)
Principalevantaggio:
Informazionetemporale(campagneosservativeintensive)
Campioniadaltarisoluzionetemporale
1settimanaestiva 1settimanainvernale
PM10
Multi-timesourceapportionment:• Modelloarecettoreavanzato(ME-2script,Paatero 1999)• Apporzionamento dellesorgentiapartiredadatisperimentali
adiversarisoluzionetemporale(oraria,giornaliera…)
Principalevantaggio:
Informazionetemporale(campagneosservativeintensive)
Dettagliocomposizionale(disponibilitàsuperiodipiùlunghi)
Campioniadaltarisoluzionetemporale Campioniarisoluzionetemporaleminore
1settimanaestiva 1settimanainvernale
PM10
EsempiodichiusuradimassasudatigiornalieriestividiPM10aMilano
Multi-timesourceapportionment (Zhouetal.,2004 ;Ogulei etal.,2005) :
!"# = 1
'"2 − '"1 + 1+,-#
.
/01
+ 23-4# + 5"#
678
90671
• Main equation:
Multi-timesourceapportionment (Zhouetal.,2004 ;Ogulei etal.,2005) :
X:datisperimentaliF:profilideifattoriG:contributideifattoriE:residuiP:#fattori
• Main equation:
!"# = 1
'"2 − '"1 + 1+,-#
.
/01
+ 23-4# + 5"#
678
90671
Multi-timesourceapportionment (Zhouetal.,2004 ;Ogulei etal.,2005) :
X:datisperimentaliF:profilideifattoriG:contributideifattoriE:residuiP:#fattori
• Main equation:
OUTPUT
!"# = 1
'"2 − '"1 + 1+,-#
.
/01
+ 23-4# + 5"#
678
90671
Multi-timesourceapportionment (Zhouetal.,2004 ;Ogulei etal.,2005) :
X:datisperimentaliF:profilideifattoriG:contributideifattoriE:residuiP:#fattori
“Adjustment factors”perspeciereplicatecondiverserisoluzionitemporali
Intervallotemporalerelativoalcampiones
• Main equation:
OUTPUT
!"# = 1
'"2 − '"1 + 1+,-#
.
/01
+ 23-4# + 5"#
678
90671
Multi-timesourceapportionment (Zhouetal.,2004 ;Ogulei etal.,2005) :
X:datisperimentaliF:profilideifattoriG:contributideifattoriE:residuiP:#fattori
23 + 1, -− 23, - = 0 + <3
• Main equation:
• Equazionediregolarizzazione:
OUTPUT“Adjustment factors”perspeciereplicatecondiverserisoluzionitemporali
Intervallotemporalerelativoalcampiones
!"# = 1
'"2 − '"1 + 1+,-#
.
/01
+ 23-4# + 5"#
678
90671
Multi-timesourceapportionment (Zhouetal.,2004 ;Ogulei etal.,2005) :
X:datisperimentaliF:profilideifattoriG:contributideifattoriE:residuiP:#fattori
23 + 1, -− 23, - = 0 + <3
• Main equation:
• Equazionediregolarizzazione: Minimizzazionedellafunzioneoggetto:
= =++5"#>"#
8?
@01
A
701
+++5′"#>′"#
8?
@01
A
701
Qmain Qaux (regolarizzazioneeeventualiconstrain)
OUTPUT
N:#campioniM:#specie(variabili)σ:incertezzesuidatisperimentali
“Adjustment factors”perspeciereplicatecondiverserisoluzionitemporali
Intervallotemporalerelativoalcampiones
!"# = 1
'"2 − '"1 + 1+,-#
.
/01
+ 23-4# + 5"#
678
90671
Applicazioneaundataset adiversarisoluzionetemporale:
• Sito:TettodelDipartimentodiFisicadell’UniversitàdegliStudidiMilano(fondourbano)à Sorgentelocale:lavoridicostruzione
• Periododicampionamento:Estate(Giu-Lug)eInverno(Nov-Dic)2016
Applicazioneaundataset adiversarisoluzionetemporale:
• Sito:TettodelDipartimentodiFisicadell’UniversitàdegliStudidiMilano(fondourbano)à Sorgentelocale:lavoridicostruzione
• Periododicampionamento:Estate(Giu-Lug)eInverno(Nov-Dic)2016
• Strumentazione:- Streaker sampler:fine+coarse arisoluzione
oraria;- Campionatoresequenzialesufiltro47mm:
PM10conrisoluzione24ore inestate,12oreininverno;
- MAAP:EBCarisoluzioneoraria;- OPC:classidimensionaliarisoluzioneoraria
• Tecnicheanalitiche:- PIXE:elementiNaà Pb- ED-XRF:elementiNaà Pb- TOT(NIOSH-870):EC,OC- IC:SO4
2-,NO3-
- Analisigravimetrica:concentrazioniinmassa
…MAPRIMAPARTIAMODAIDATISPERIMENTALI:Altarisoluzionetemporaleà Riconoscereepisodiaventitempicaratteristici
dell’ordinedell’ora
…MAPRIMAPARTIAMODAIDATISPERIMENTALI:Altarisoluzionetemporaleà Riconoscereepisodiaventitempicaratteristici
dell’ordinedell’ora
• NettadecrescitaS fine(� fattore3in3ore)durantepiccodiS coarse• PiccoS coarse incorrispondenzadipiccoNa,MgeCl
…MAPRIMAPARTIAMODAIDATISPERIMENTALI:Altarisoluzionetemporaleà Riconoscereepisodiaventitempicaratteristici
dell’ordinedell’ora
Mg/Na� 0.18Cl/Na� 0.38Aged sea salt
DEFGHI7J
DE.?1K� 90%
• NettadecrescitaS fine(� fattore3in3ore)durantepiccodiS coarse• PiccoS coarse incorrispondenzadipiccoNa,MgeCl
…MAPRIMAPARTIAMODAIDATISPERIMENTALI:Altarisoluzionetemporaleà Riconoscereepisodiaventitempicaratteristici
dell’ordinedell’ora
Mg/Na� 0.18Cl/Na� 0.38Aged sea salt
DEFGHI7J
DE.?1K� 90%
Avvezionedimassad’ariamarina(13Luglio2016)
• NettadecrescitaS fine(� fattore3in3ore)durantepiccodiS coarse• PiccoS coarse incorrispondenzadipiccoNa,MgeCl
…MAPRIMAPARTIAMODAIDATISPERIMENTALI:Altarisoluzionetemporaleà Riconoscereepisodiaventitempicaratteristici
dell’ordinedell’ora
Pre-evento:10-13/07Sud-ovest Post-evento:
13-16/07Nord NOAAHYSPLITMODEL–
TRAJECTORYFREQUENCIES
%provenienzamassad’aria>90%
- Vento� 4.4m/s,� 240�- UR� 70%pre-evento� 35%durante l’evento
Avvezionedimassad’ariamarina(13Luglio2016)
Milano
Milano
Pre-evento:10-13/07Sud-ovest Post-evento:
13-16/07Nord NOAAHYSPLITMODEL–
TRAJECTORYFREQUENCIES
%provenienzamassad’aria>90%
Eventodifficilmenterilevabilecondatimediatisu12-24ore!
Nettadiminuizione particelledidimensione<1Lmcircaà SOSTITUZIONEMASSAD’ARIA
- Vento� 4.4m/s,� 240�- UR� 70%pre-evento� 35%durante l’evento
Avvezionedimassad’ariamarina(13Luglio2016)
Milano
Milano
27/11h01- 06
K/Si� 0.36Al/Si� 0.26
K/Si� 2.03Al/Si� 0.28
Riconoscereepisodiesorgentitramiterapportotraspecietraccianti:
27/11h01- 06
Sorgenteinvernale perK,collegataaEBCà Biomass burning:
K/Si� 0.36Al/Si� 0.26
K/Si� 2.03Al/Si� 0.28
Riconoscereepisodiesorgentitramiterapportotraspecietraccianti:
• 386 campioniPM10:
328campioniorari(161estivi;167invernali)58campioniaminorerisoluzionetemporale
- 29campioni24ore(estivi)- 29campioni12ore(invernali)
DATASET
• 386 campioniPM10:
328campioniorari(161estivi;167invernali)58campioniaminorerisoluzionetemporale
- 29campioni24ore(estivi)- 29campioni12ore(invernali)
• 18variabiliutilizzate:Massa,Na,Mg,Al,Si,S,K,Ca,Cr,Mn,Fe,Cu,Zn,Pb,EBC,OC,NO3
-,Levoglucosano
DATASET
• 386 campioniPM10:
328campioniorari(161estivi;167invernali)58campioniaminorerisoluzionetemporale
- 29campioni24ore(estivi)- 29campioni12ore(invernali)
• 18variabiliutilizzate:Massa,Na,Mg,Al,Si,S,K,Ca,Cr,Mn,Fe,Cu,Zn,Pb,EBC,OC,NO3
-,Levoglucosano
Conc.inmassaPM10orariefornitedaOPC
DATASET
• 386 campioniPM10:
328campioniorari(161estivi;167invernali)58campioniaminorerisoluzionetemporale
- 29campioni24ore(estivi)- 29campioni12ore(invernali)
• 18variabiliutilizzate:Massa,Na,Mg,Al,Si,S,K,Ca,Cr,Mn,Fe,Cu,Zn,Pb,EBC,OC,NO3
-,Levoglucosano
Conc.inmassaPM10orariefornitedaOPCTrattamentotramitecurvadicalibrazioneconoffsetperiperiodidiinteresse
y =1.003x;R2 =0.93
DATASET
RisultatipreliminariMulti-time:
• 386 campioniPM10:
328campioniorari(161estivi;167invernali)58campioniaminorerisoluzionetemporale
- 29campioni24ore(estivi)- 29campioni12ore(invernali)
• 18variabiliutilizzate:Massa,Na,Mg,Al,Si,S,K,Ca,Cr,Mn,Fe,Cu,Zn,Pb,EBC,OC,NO3
-,Levoglucosano
Conc.inmassaPM10orariefornitedaOPCTrattamentotramitecurvadicalibrazioneconoffsetperiperiodidiinteresse
y =1.003x;R2 =0.93
DATASET
8Fattori:Nitrate,Re-suspended dust,Sulphate,Traffic,Constructionworks,
Biomass burning,Industry,Aged sea salt
8Fattori:Nitrate,Re-suspended dust,Sulphate,Traffic,Constructionworks,
Biomass burning,Industry,Aged sea salt
7Fattori:MixtraRe-suspended dust eConstructionworks (Bernardonietal.,2011)
9 Fattori:8F+Pb-rich (industriale?)
Fattoreunico
8Fattori:Nitrate,Re-suspended dust,Sulphate,Traffic,Constructionworks,
Biomass burning,Industry,Aged sea salt
Alcunestatistichedellasoluzione:• VariazioneQ tra10run:0,8%• |Residui|>3:4punti(su5964)• R2 >0.70eccettoPb(0.11)
Continuation Run (dQ 3%):Implementazionedeiseguenticonstrain:• Pullupmax KeLevonelprofiloBiomass Burning• Pulldownmin EBCnelprofiloSulphate
7Fattori:MixtraRe-suspended dust eConstructionworks (Bernardonietal.,2011)
9 Fattori:8F+Pb-rich (industriale?)
Fattoreunico
8Fattori
Principalitraccianti(EVF>30%)
MN O -# = ∑ 23-,-# /"3#A901
∑ (∑ 23ℎ,ℎ# + |53#|)/"3#.V01
A901
8Fattori
Principalitraccianti(EVF>30%)
MN O -# = ∑ 23-,-# /"3#A901
∑ (∑ 23ℎ,ℎ# + |53#|)/"3#.V01
A901
(Crespietal.,2016)
BOOTSTRAP • 100run convergenti;• Mapping minimodeifattori:95%• Soluzionemoltostabilepertraccianti
●●
●●●
●
●●
●●
●●●
●
●
●
●●●●●●
●●
●●
●●
●●●●●
●
●●
●●●
●
●●●
●
●
●●
●●●
●●
●●
●
●●
●●
●●
●●
●
●●
●
●●●●●●
●●●
●●
●
Massa Na Mg Al Si S K Ca Cr Mn Fe Cu Zn Pb EBC OC NO3
Levogluc
1e−08
1e−05
1e−02
1e+01
1e+04 ●
● ● ●
●
●
●
●
●
● ● ● ●
●
●
●
● ●
●
●
●
●● ●●
●●●●●●
●
●●●●●●
●●
●●●●●●
●●
●●
●
●
●●
Massa Na Mg Al Si S K Ca Cr Mn Fe Cu Zn Pb EBC OC NO3
Levogl
uc
1e−08
1e−05
1e−02
1e+01
1e+04 ●
● ●
●
●
●
●
●
●●
●
●
●●
●
●
●
●
(Crespietal.,2016)
• 100run convergenti;• Mapping minimodeifattori:95%• Soluzionemoltostabilepertraccianti
Nitrate
●●●●●●
●●●●●
●
●●●●
●●●
●●●●●●●
●●
●●●●
●●●●
●
●
●
Massa Na Mg Al Si S K Ca Cr Mn Fe Cu Zn Pb EBC OC NO3
Levogl
uc
1e−08
1e−05
1e−02
1e+01
1e+04 ●
●
●
●
●●
●
●
●
●
●
● ● ●
●
●
● ●
Re-suspended dust
Sulphate ●
●●●
●●
●
●●
●
●
●
●
●●
●●●●
●●●
●●
●●
Massa Na Mg Al Si S K Ca Cr Mn Fe Cu Zn Pb EBC OC NO3
Levogl
uc
1e−08
1e−05
1e−02
1e+01
1e+04 ●
●
●
●
●●
● ●
●●
●
●
●
●
● ●
● ●
Traffic
BOOTSTRAP
Constructionworks Biomass burning
Industry Aged sea salt
●●●●
●●
●●
●
●
●●
●●●●●●
●●
●● ●
●
●
●●
●●
●●
●●
●●
●●
●●
●
●
●
●
●●
●
●
●
●
●●●
●
●
●
●
● ●
●
●●●
●● ●
●●
Massa Na Mg Al Si S K Ca Cr Mn Fe Cu Zn Pb EBC OC NO3
Levogl
uc
1e−08
1e−05
1e−02
1e+01
1e+04 ●
●
●
●
●
●
●
●
● ●
●
●
●
●
●
●
● ●
●●●●●●●●
●●●●●●●●●
●●●●
●
●
●
●
●●
●●●●●
●●●●●●●●●
●●
●●●●●●●
●●●●
●●
●●●●●●●●●●●
●
●●
●
●
●●
●●
●
●●
●●●
●●●●●
●●●●●●●●
●●
Massa Na Mg Al Si S K Ca Cr Mn Fe Cu Zn Pb EBC OC NO3
Levogl
uc
1e−08
1e−05
1e−02
1e+01
1e+04 ●
● ● ●
●
●
●
●
●
● ●
●●
●
●
●
●
●
●
●
●
●
●
●●●
●●
●
●●
●●●
●●●●
●●
●●
●
●
●
●
●
●●●●●●●●●●●●●●●●●●●●
●●●●●●●●●●
●●●●●●●
●●●●●●●●●●●
●●●
●
●●
●●
●●●●
●
●
●
●●
●●
●
●●
●
Massa Na Mg Al Si S K Ca Cr Mn Fe Cu Zn Pb EBC OC NO3
Levogl
uc
1e−08
1e−05
1e−02
1e+01
1e+04
●
● ●
●
●
●
●●
●
●
●
●
●
●
●
●
● ●
●●●
●●●●●●●
●
●
●●●
●
●
●●
●
●
●●
●
●●●●
●●●
●
●●●
●
●
●
●●
●●
●●●
●●
●●●
●
●●●●●●●●●●●
●●●
Massa Na Mg Al Si S K Ca Cr Mn Fe Cu Zn Pb EBC OC NO3
Levog
luc
1e−08
1e−05
1e−02
1e+01
1e+04●
●
●
●
●
●
●
●
●
●
●
● ● ●
●
●
● ●
(Crespietal.,2016)
BOOTSTRAP
- Piccodiavvezionemarina(13Luglio)� 45%dellamassatotale;- Altrieventiinvernali� 20%;� 50%;àMassed’ariadifferenti(tendenzialmentepiùpulite)chesisostituisconoaquellalocale
APPORZIONAMENTO
Amatoetal.,2016:Aged sea salt 2%
- Campagnediduratalimitatarispettoaltotaleannualeà Pocorappresentativedellamediaannualepersorgentiepisodiche
Conclusioni:• Vantaggiodell’approcciomodellisticoavanzatomulti-time:Utilizzodeidatisperimentaliconrisoluzionetemporaleoriginaleà nonc’ènecessitàdimediareidati,perdendoinformazionitemporali
importanti
• ImplementazionenelloscriptdiBOOTSTRAP(Crespietal.,2016):Strumentoutileperverificarelarobustezzastatisticadeirisultati
• TentativodiutilizzodellamassaorariaOPCopportunamentericalibrata,conrisultatipromettenti
Conclusioni:• Vantaggiodell’approcciomodellisticoavanzatomulti-time:Utilizzodeidatisperimentaliconrisoluzionetemporaleoriginaleà nonc’ènecessitàdimediareidati,perdendoinformazionitemporali
importanti
• ImplementazionenelloscriptdiBOOTSTRAP(Crespietal.,2016):Strumentoutileperverificarelarobustezzastatisticadeirisultati
• TentativodiutilizzodellamassaorariaOPCopportunamentericalibrata,conrisultatipromettenti
Prospettive:• Implementazionediconstrain perridurrel’ambiguitàrotazionale;adesempio
equazionedibilanciodimassa,dibilancioionico…• Inclusionedinuovevariabili;adesempioBrC,parametriottici,variabilii meteo,
tracce…• Confrontocondataset piùcomplessiecompleti;adesempiotramite
strumentazioneonlinecomeAMS,ionionline,OC/EConline…