ARIANET è una società di consulenza il cui scopo è contribuire alla comprensione dei processi che coinvolgono gli inquinanti nell’atmosfera.
Gli strumenti di ARIANET sono finalizzati alla ricostruzione meteorologica, al trattamento delle emissioni e alla simulazione dei processi che coinvolgono gli inquinanti in atmosfera: trasporto e diffusione, trasformazione chimica e deposizione al suolo. ARIANET supporta clienti pubblici e privati nei seguenti campi: valutazione dell’impatto di impianti industriali, implementazione di sistemi di previsione e valutazione della qualità dell’aria, analisi di ripartizione delle fonti.
L’inquinamento all’interno dell’area urbana è determinato dai seguenti contributi:
I primi due contributi possono essere simulati accoppiando modelli di chimica atmosferica e modelli di apprendimento automatico. Il terzo può essere valutato con modelli di dispersione su microscala.
QualeAria-Local è composto da tre elementi:
I campi di concentrazione di PM10, PM2.5, NO2 e O3 prodotti da Qualearia per un periodo di prova (anno 2021), insieme a una serie di predittori spazio-temporali e alle osservazioni della qualità dell’aria disponibili, sono stati elaborati dall’algoritmo ML-RF per ottenere le corrispondenti concentrazioni a più alta risoluzione (1 km) sul territorio nazionale. I campi di concentrazione risultanti forniscono i campi di fondo regionali e urbani alla suite PMSS, utilizzata per produrre previsioni di particolato atmosferico e ossidi di azoto ad altissima risoluzione spaziale (4 m) su un’area urbana selezionata (conurbazione di Milano). La Figura 1 fornisce una rappresentazione schematica di QualeAria-Local.
Il progetto ha confermato il potenziale dei modelli ML nel campo dell’inquinamento atmosferico, per produrre previsioni sulla qualità dell’aria ad alte risoluzioni spaziali con un carico computazionale inferiore a quello richiesto dalle simulazioni del modello di trasporto chimico (CTM).
I campi di concentrazione prodotti dal CTM e gli indicatori stagionali sono qui i più importanti predittori spazio-temporali considerati dall’algoritmo ML utilizzato (Random Forest).
Le prestazioni del modello ML hanno evidenziato, in alcuni casi, una riduzione degli errori sistematici prodotti dal CTM, senza peggiorare i risultati ottenuti.
Il progetto ha confermato la necessità di risorse HPC per aumentare ulteriormente la risoluzione spaziale delle previsioni sulla qualità dell’aria nelle aree urbane. Gli elementi costitutivi di QualeAria-Local sono ad alta intensità di calcolo e in gran parte già parallelizzati. Ad esempio, una simulazione di 26 ore, effettuata utilizzando la suite modellistica PMSS, su un dominio di dimensioni pari a 10×11 km2, che comprende l’area urbana di Milano, a una risoluzione di 4 m. (2500×2750 punti griglia) ha richiesto un tempo di calcolo pari a circa 90 minuti utilizzando 391 core sull’infrastruttura HPC Galileo100.
Stimare i livelli di inquinamento in prossimità delle strade e all’interno dei corridoi stradali è importante perché in queste aree alcuni inquinanti raggiungono livelli di concentrazione particolarmente elevati e possono essere dannosi per la popolazione esposta.
Images Courtesy: ARIANET
