• AERMOD
• esposizione
• GIS
• pesticidi
• Python

Nel campo dell’ingegneria ambientale quando si va ad affrontare lo studio di un fenomeno spaziale si ha spesso a che fare con dati geografici. Questi ultimi provengono da un numero crescente di fonti così come il volume dei dati territoriali da gestire è diventato sempre più vasto. I metodi tradizionali si dimostrano sempre più insufficienti per lo studio dei fenomeni analizzati, quindi è spesso necessario costruire strumenti ad hoc.
Scopo del presente lavoro è a realizzazione di un modello a tre livelli per la valutazione dell'esposizione della popolazione a pesticidi areo-dispersi da utilizzare in un ambiente GIS (Geographic Information System).
I primi due livelli del modello si basano su metodi geostatistici mentre il terzo livello si basa su di un modello di dispersione atmosferica. Il modello implementato è stato scritto in linguaggio Python e può essere utilizzato come strumento all'interno delle principali distribuzioni di software GIS. Il primo livello si basa su un'analisi di prossimità: una distanza fissa dal ricettore (buffer di 100 metri) è stata scelta come soglia di cut off per valutare la percentuale di esposizione del ricettore. Tale livello modellizza lo scenario peggiore perché l’esposizione del ricettore viene valutata all’interno del buffer indipendentemente dalla distanza tra ricettore e sorgente inquinante. Il secondo livello prevede l'estensione dell'analisi vicinanza considerando una distanza maggiore, fino a 1000 metri, tra ricettore e sorgente. Inoltre, il contributo di ogni sorgente è ponderato da un fattore legato all'inverso della distanza tra sorgente e ricettore. Il terzo livello consiste nell'applicazione del modello di dispersione atmosferica AERMOD. A questo scopo, per costruire il dataset di input e per gestire i diversi run di AERMOD è stata costruita un interfaccia Python. Questa interfaccia consente di applicare AERMOD su un elevato numero di sorgenti e ricettori distribuiti su un grande dominio spaziale. AERMOD fornisce, per ciascun ricettore, una concentrazione relativa che viene assunta proporzionale all'esposizione del ricettore stesso. Per sopperire al notevole dispendio di tempo e di risorse computazionali è stato considerato un modello di dispersione atmosferica aggiuntivo, implementato in Python, e basato su una semplificazione della formulazione di AERMOD. Il modello multilivello è stato poi applicato ad uno studio epidemiologico finalizzato alla valutazione della correlazione tra la sclerosi laterale amiotrofica e l'esposizione della popolazione ai pesticidi. Il dataset di input consiste in 12144 campi agricoli e 2584 recettori distribuiti su una superficie di 8430 km2. Le simulazioni con i modelli di dispersione sono state eseguite considerando un passo temporale di un’ora ed un periodo compreso tra marzo a settembre. L'esposizione risultante dai tre livelli del modello è stata analizzata statisticamente. Il primo livello presenta un maggior numero di recettori non esposti (fino al 96%) rispetto al 69% ed al 46% del secondo e terzo livello. Inoltre, a causa della loro formulazione, il secondo e il terzo livello mostrano una distribuzione dell'esposizione più graduale rispetto alla distribuzione a gradino del primo livello. Inoltre, tutti i livelli mostrano crescente correlazione con esposizione: ne consegue una maggiore protezione per i recettori perché a fronte di una crescente esposizione l’output dei tre livelli diventa pressoché indipendente dall'approccio scelto. In conclusione, l'analisi ha dimostrato che le esposizioni derivanti dai tre livelli mostrano differenze sostanziali. L’importanza di queste differenze sarà valutata attraverso il completamento dello studio epidemiologico in questione ed ulteriori applicazioni del modello sviluppato ad altri studi epidemiologici.

In the field of environmental engineering when trying to understand a spatial phenomenon we usually deal with geographic data. Geographic datasets come from an increasing number of topics thus the volume of spatial data to handle is becoming wider and wider. Traditional methods are no more sufficient for the analysis of the studied aspect, thus it is often necessary to build ad hoc tools. This work is aimed therefore at the development and implementation of a three-level model for the assessment of population exposure to airborne pesticides to be used in a GIS (Geographic Information System) environment. The first two levels of the model rely on geostatistical methods while the third level is also based on an atmospheric dispersion model. The model was written in the Python programming language and can be used as a tool within the main distributions of GIS software. The first level of the model is based on an analysis of proximity: a fixed distance from the receptor (buffer of 100 meters) was chosen as a cut-off threshold to evaluate the percentage of exposure of the receptor. This level describes the worst case scenario since the exposure is assessed within the buffer regardless the distance between the receptor and the polluting source. The second level involves the extension of the proximity analysis by considering a wide distance of 1000 meters from the pollutant source. Moreover, the contribution of each source is weighted by a factor related to the inverse of the distance between the source and the receptor. The third level consists in the application of the AERMOD air dispersion model. A Python interface to build the input dataset required by AERMOD and to manage the simulation was developed. This interface allows the simultaneous management of several AERMOD runs in order to apply the model on a large number of areal sources and receptors distributed on a large spatial domain. AERMOD provides, for each receptor, a relative concentration value that is assumed proportional to the exposure of the receptor. An additional atmospheric dispersion model, based on a simplification of the AERMOD formulation and implemented in Python, was also considered in order to deal with the high computation time and amount of resources required by AERMOD. The model was applied to an epidemiological study aimed to the evaluation of the correlation between Amyotrophic Lateral Sclerosis and population exposure to agricultural pesticides. The input data set consisted of 12144 agricultural fields and 2584 receptors distributed on an area of 8430 square kilometers. The atmospheric dispersion models were run with an hourly time step from March to September. The exposures resulting by the three-level model were statistically compared. The first level showed a higher number of non-exposed receptors (up to 96%) rather than the 69% of the second level and the 46% of the third level. Moreover, because of their formulations the second and the third level showed a smooth exposure distribution instead of the “cut off” distribution of the first level. In addition, all the levels showed increasing correlations with exposure. This latter aspect leads to a greater protection for the receptors, because at high exposure levels the output provided by the three levels is less dependent on the chosen approach. Finally, the analysis demonstrated that the exposures resulting from the three levels showed substantial differences. The completion of the epidemiological study and further applications of the model to other epidemiological studies will be also addressed to evaluate the importance of these differences.