Space-time integration of heterogeneous networks in air quality monitoring

Lo scopo di questo lavoro è di proporre un modello per l’integrazione di dati provenienti da reti eterogenee di monitoraggio al fine di valutare la qualità dell’aria. Per esempio, la rete di monitoraggio del PM10 nel Nord Italia è composta per la gran parte da centraline che si basano su due sistemi di rilevamento, TEOM and LVG. Mentre i dati rilevati con il metodo TEOM sottostimano il “vero” livello di PM10, le centraline LVG sono pi`u precise e per questo sono state scelte dalla Comunit`a Europea come “strumenti di riferimento”. L’idea su cui si basa il lavoro `e di utilizzare le concentrazioni giornaliere dei PM10, misurate con gli strumenti più precisi, per correggere le misure meno esatte, rilevate da centraline “non equivalenti” a quelle gravimetriche e che, non necessariamente si trovano nella stessa zona in cui sono situati i primi. A tal fine, introduciamo un modello di calibrazione multivariato spazio temporale che abbiamo denominato Geostatistical Dynamical Calibration model (GDC). La principale ipotesi su cui si basa il modello è che entrambi gli strumenti siano contaminati da errori di misura e che le rilevazioni TEOM siano distorte, rispetto alle “vere” concentrazioni, per un fattore addittivo ed uno moltiplicativo. Si assume, inoltre, che “vero” livello di PM10 sia un processo spazio temporale latente, rappresentato dall’equazione di stato nella formulazione state space. Le stime dei valori calibrati si ottengono dall’applicazione del filtro di Kalman. Questo approccio può essere considerato un’estensione geostatistica del modello DDC (Dynamical Displaced Calibration) di Fassò and Nicolis (2004).