Sorry, you need to enable JavaScript to visit this website.

Progetto CAMS2-40

CAMS2-40 air quality forecast

CAMS2_40 Air Quality Forecast
Acronimo: 
CAMS2-40
Tipo di Finanziamento: 
Programmi dell'Unione Europea
Programma UE: 
Copernicus
Durata: 
da 21 Novembre 2021 a 1 Novembre 2025
Ruolo ENEA: 
Subcontractor
Responsabile di Progetto: 
Massimo D'Isidoro
Personale: 
Andrea BolignanoGino BrigantiAntonio PiersantiIlaria D'EliaMihaela Mircea
Personale ENEA non SSPT: 
Guido Guarnieri
Status: 
In corso

Il sistema di analisi e previsione dell’inquinamento atmosferico MINNI di ENEA dal 15 giugno 2022 fa ufficialmente parte del consorzio Copernicus Atmospheric Monitoring Service (CAMS2_40), gestito dal Centro europeo per le previsioni meteorologiche a medio termine (ECMWF) per conto della Commissione Europea.

CAMS2_40 riunisce i gruppi europei leader nello sviluppo di modelli numerici per la qualità dell'aria. Attraverso questo consorzio, le previsioni regionali sulla qualità dell'aria vengono fornite giornalmente sul dominio europeo e coprono i 4 giorni successivi. Tutti i modelli si basano su set di dati sulle emissioni specifici - un altro prodotto importante di CAMS - e sono guidati dalle previsioni meteorologiche ad alta risoluzione di ECMWF. I prodotti ottenuti combinando i risultati degli undici sistemi sono forniti da Météo-France e INERIS (Francia) per conto di CAMS e sono disponibili gratuitamente nell'Atmosphere Data Store, insieme alla documentazione e alle informazioni di valutazione e controllo qualità.

I modelli inclusi nel consorzio sono CHIMERE di INERIS (Francia), EMEP di MET Norvegia (Norvegia), EURAD-IM di Jülich IEK (Germania), LOTOS-EUROS di KNMI e TNO (Paesi Bassi), MATCH di SMHI (Svezia), MOCAGE di Meteo-France (Francia), SILAM di FMI (Finlandia), DEHM di AARHUS UNIVERSITY (Danimarca), GEM-AQ di IEP-NRI (Polonia), MONARCH di BSC (Spagna) e MINNI di ENEA (Italia).

I prodotti dell'ensemble coprono una gamma di inquinanti che include quelli regolamentati nell'Unione Europea: ozono, biossido di azoto, biossido di zolfo e polveri sottili PM2,5 e PM10. Le previsioni e le analisi sono fornite su una griglia regolare con una risoluzione di circa 10 km per 10 km su un vasto dominio che comprende l'Islanda e l'intero bacino del Mediterraneo.

Accanto alle previsioni, i modelli eseguono analisi giornaliere degli inquinanti in prossimità della superficie con l’assimilazione di osservazioni del giorno precedente. A tal fine, ogni sistema dell'insieme si basa sul proprio sistema di assimilazione dei dati. Le osservazioni sono suddivise in due insiemi utilizzati nel processo di assimilazione dei dati e per le valutazioni statistiche di previsioni e analisi. Le previsioni e le analisi di tutti i modelli partner vengono combinate nel calcolo del valore mediano dei singoli output, che attualmente fornisce la migliore stima dell'insieme (ovvero ENSEMBLE). Inoltre, vengono prodotte rianalisi convalidate e provvisorie degli anni precedenti con lo stesso insieme di diversi modelli.

Il vantaggio di un ensemble rispetto a un singolo modello è che l’ensemble beneficia di un insieme di previsioni con prestazioni generali simili. Le differenze tra i modelli consentono di valutare l'incertezza: più simili sono le singole previsioni, minore è l'incertezza. Le informazioni sull'incertezza sono essenziali per gli utenti CAMS, per il processo decisionale all'interno delle agenzie che gestiscono la qualità dell'aria nell'Unione Europea.

Utilizzando il valore mediano di tutti i modelli con altrettante previsioni individuali al di sopra e al di sotto, in ogni punto e istante temporale, CAMS può mostrare che il modello europeo di ensemble ha prestazioni in media migliori di qualsiasi previsione individuale. Nel corso del progetto, CAMS implementerà una nuova metodologia che darà pesi diversi alle diverse previsioni individuali sulla base di un algoritmo di machine learning.

Poiché CAMS opera in condizioni critiche dal punto di vista temporale (simulazioni quotidiane, con flussi significativi di dati in input e output), basarsi su undici sistemi significa che la possibilità di ricevere diverse previsioni individuali nel tempo diventa maggiore, rendendo l'insieme più robusto. Infine, poiché i modelli vengono sviluppati in diversi paesi, l'ensemble beneficia di una gamma più ampia di competenze che non sarebbe disponibile in nessun singolo paese.