Alessandro Fassò – Università degli Studi di Bergamo
Paolo Maranzano – Università degli Studi di Milano-Bicocca
Benché nell’emergenza sanitaria della pandemia di COVID-19 la qualità dell’aria possa sembrare un problema secondario, le modifiche profonde dei comportamenti individuali e collettivi che stiamo vivendo sono uniche nella storia e saranno oggetto di studi dalle più svariate angolazioni per lungo tempo.
In questo breve lavoro si dà una prima quantificazione del repentino miglioramento della qualità dell’aria nella Regione Lombardia conseguente alla politica dell’isolamento sociale che datiamo a partire dal 9 marzo, data di entrata in vigore del Decreto del presidente del consiglio dei ministri dell’8 marzo 2020, noto come area arancione.
La Figura 1, riporta una stima della mobilità in Lombardia ottenuta come in Finazzi e Fassò (2020) da cui emerge che la percentuale di persone che restano a casa in conseguenza della quarantena passa dal 35% del 10 marzo al 70% del 28 marzo. In parallelo si riducono le percorrenze chilometriche medie giornaliere da 12km a circa 3km nei weekend e a circa 6km nei giorni lavorativi.
Figura 1: Mobilità in Lombardia stimata con i dati di Earthquake Network. La curva in arancione rappresenta la percentuale degli utenti che non si sposta da casa a partire dal 10 marzo 2020. La curva azzurra rappresenta la distanza media giornaliera in km. Le bande di incertezza sono calcolate con il metodo bootstrap. Si evidenzia un calo di mobilità da 12-16km a 2-6km al giorno mentre la percentuale di chi resta casa sale dal 35% al 70%.
I dati di cui sopra provengono da circa 1’000 smartphone distribuiti in Lombardia. Benché non provengano da un campione costruito per essere rappresentativo della popolazione della regione, è lecito attendersi una riduzione delle concentrazioni degli inquinanti atmosferici, innanzitutto di quelli detti primari, che sono diretta emissione dei motori a combustione degli autoveicoli e tendono poi a degradare col tempo. Tra questi considereremo gli ossidi di azoto ( ).
L’Agenzia Europea per l’Ambiente riscontra riduzioni consistenti di biossido di azoto a Milano, Bergamo e Roma. Usando gli open data di ARPA Lombardia estendiamo l’analisi alle 24 stazioni da traffico e alle 51 di background attive nel periodo.
Figura 2: Media di delle 24 stazioni da traffico di ARPA Lombardia. In rosso il periodo dell’isolamento. In verde i corrispondenti periodi del 2015—2019.
Cosa ci dicono i dati
La Figura 2 riporta la media regionale delle concentrazioni di da traffico nel periodo in esame. Confrontando la media durante l’isolamento con quella dello stesso periodo nei cinque anni precedenti, la Tabella 1 mostra variazioni più importanti per le stazioni da traffico (-53% come media della regione) rispetto a quelle, pur sempre assai consistenti, delle stazioni di background (-45%). Bergamo, la provincia più colpita dalla pandemia, registra un calo percentuale maggiore rispetto alla media regionale e rispetto a Milano. A Milano la riduzione è più forte fuori dal centro dove il traffico è generalmente più intenso e le concentrazioni sono più elevate.
Tabella 1: Confronto delle concentrazioni di NOX (μg/m3) nel periodo 23 febbraio – 28 marzo 2020 e il corrispondente periodo nel quinquennio 2015-2019.
Aspetti Tecnici
Da un punto di vista statistico ci si chiede se le differenze di Tabella 1 siano influenzate dalla climatologia e in quale misura siano da considerarsi casuali, cioè dovute alla variabilità “spontanea” dell’inquinamento in assenza di isolamento. A tal fine, per ciascuna delle serie considerate, si usa un modello statistico applicato alle medie settimanali in scala logaritmica. Il modello tiene in considerazione l’influenza della meteorologia sulle concentrazioni di NOX e l’autocorrelazione dei dati. In particolare si usa un modello di regressione con coefficienti stagionali e residui autocorrelati (Shumway e Stoffer, 2006, e Fassò, 2013). L’isolamento è modellato con una funzione a gradino che scatta partire dal 9 marzo. La selezione delle variabili meteo più adatte è effettuata usando il metodo noto come LASSO (Fahrmeir et al., 2013). L’autocorrelazione dei residui è descritta da un modello autoregressivo a media mobile (ARMA), il più semplice possibile ma capace di filtrare l’autocorrelazione affinché i p-value dell’effetto isolamento siano calcolati in modo corretto.
Risultati
I risultati riportati in Tabella 2 confermano sostanzialmente l’analisi della Tabella 1. In particolare emerge una riduzione più marcata a Bergamo sia per la stazione da traffico che quella da background. La colonna dei p-value evidenzia che le stime sono significative anche da un punto di vista statistico nonostante l’esiguità del numero di giorni disponibili per la stima durante la quarantena.
Tabella 2: Stima della riduzione delle concentrazioni di NOX (μg/m3) nel periodo 23 febbraio – 28 marzo 2020 rispetto al quinquennio 2015-2019 al netto della meteorologia basata su modello statistico.
Riferimenti bibliografici
- Fahrmeir L., Kneib Th., Lang s: Marx B. (2913) Regression: Models, Methods and Applications. Springer
- Fassò A., (2013) Statistical assessment of air quality interventions. Stochastic Environmental Research and Risk Assessment. Volume 27, Issue 7, pp 1651-1660. On-line first DOI: 10.1007/s00477-013-0702-5.
- Finazzi F., Fassò A. (2020) Il cambiamento degli stili di vita e l’impatto della pandemia di COVID-19 sulla mobilità, Statistica e Società 2/2020
- Maranzano P., Fassò A, Pelagatti M. and Mudelsee M. (2020) Statistical Modeling of the Early-Stage Impact of a New Traffic Policy in Milan, Italy. Int. J. Environ. Res. Public Health 2020, 17(3), 1088;
- Shumway R., Stoffer D. (2006) Time series analysis and its applications. with R examples. Springer.
