Dettagli progetto

Description

Area tematica A: Indicatori ambientaliL'U.R. di Palermo svilupperà la sua attività di ricerca in questa Area tematica trasversale lungo due filoni: (a) la costruzione di indicatori di qualità dell’aria che tengano conto dei possibili effetti avversi per la salute di “miscugli” di inquinanti; (b) la categorizzazione ottima di variabili continue multivariate.(a) Per ciò che riguarda il primo filone, sulla base dell’esperienza già maturata (vedi punto 2.1), si svilupperà il lavoro di ricerca perseguendo i seguenti obiettivi: (i) dare una informazione semplice, se pur grossolana, sul numero dei giorni ‘a rischio’ e ‘non a rischio’ per ogni stazione; (ii) confrontare in termini sintetici mediante diverse tecniche di standardizzazione dei dati l’inquinamento nelle diverse stazioni, ovvero costruendo un indicatore composto depurato dalle diverse unità di misura e dai diversi ordini di grandezza; (iii) analizzare l’associazione tra inquinanti (attraverso modelli loglineari) per individuare combinazioni, sia tra stazioni sia nel tempo, dannose per la salute nel giudizio degli esperti. Per il primo e il secondo punto, i problemi aperti che verranno affrontati sono l’individuazione degli endpoint (Hyman, Leibowitz, 2001) più opportuni per definire i giorni ‘a rischio’ e ‘non a rischio’ e la costruzione di un indicatore sintetico al fine di operare confronti spazio-temporali (Khanna, 2000; Astleithner et al., 2004). Per il terzo punto, le questioni sono due e vanno affrontate in parallelo: da un lato occorre trovare una spiegazione fisico-chimica circa le associazioni più significative, da un altro lato occorre invece individuare gli inquinanti responsabili del miscuglio nocivo alla salute (Amann, Lutz , 2000; WHO, 2000).Un altro obiettivo che verrà perseguito nell'attività di ricerca è l’introduzione, nella costruzione dell’indicatore, di una funzione che tenga conto del periodo di esposizione agli inquinanti.(b) Sullo specifico tema della categorizzazione ottima di variabili continue ambientali, l’attività di ricerca consisterà nella generalizzazione al caso multivariato dell’approccio proposto, nel caso univariato, da Lovison (2003). L’idea è di cercare la categorizzazione (congiunta) che massimizza una funzione-obbiettivo utile per il contesto in cui le variabili categorizzate vengono poi impiegate. Nel caso univariato questa è, tipicamente, la varianza spiegata dalla categorizzazione, mentre nel caso multivariato essa dovrebbe essere riferita alle interazioni di ordine superiore che si vogliono indagare. Il problema presenta rilevanti difficoltà computazionali, che si pensa di affrontare con metodi “computer-intensive”, quali gli algoritmi genetici.Per ambedue i filoni di lavoro le proposte metodologiche avanzate verranno applicate alla base di dati, già a disposizione dell’U.R., sul monitoraggio dell’inquinamento atmosferico nella città di Palermo. Si tratta di un insieme di dati molto ricco, contenente le concentrazioni dei principali inquinanti e alcune variabili meteorologiche rilevate con cadenza oraria a partire dal 1999 dalla rete di monitoraggio dell’AMIA di Palermo, che consiste di sette stazioni.Area tematica C: Modelli multivariati e spazio-temporaliIl lavoro di ricerca si articolerà in due sotto-aree di interesse: (a) metodi inferenziali e diagnostici per Modelli Lineari Generalizzati Misti e per modelli marginali (GEE); (b) tecniche esporative per dati funzionali.(a) I problemi aperti, nell'applicazione dei Modelli Lineari Generalizzati Misti e dei Modelli Lineari Generalizzati marginali a dati longitudinali (temporali e spazial

Layman's description

I concetti di complessità e di incertezza sono al centro del Progetto di Interesse Nazionale, di cui il presente progetto rappresenta una delle articolazioni locali. Rimandando al Punto 2.1 del Modello A per una discussione più approfondita di questi due concetti nel contesto ambientale, sembra qui importante specificare che l'attività dell'U.R. di Palermo si focalizza intorno alla complessità e all'incertezza derivanti dalla “alta dimensionalità” tipica dei fenomeni, e dunque dei dati, ambientali. Per alta dimensionalità si intende qui sia il grande numero di variabili, sia il grande numero di interazioni e relazioni non-lineari fra di esse, che tipicamente si riscontrano nello studio di un sistema ambientale. Un ruolo particolare hanno, in questo contesto, lo spazio e il tempo: spesso l'alta dimensionalità dei dati ambientali è dovuta alla disponibilità di un grande numero di osservazioni ripetute nel tempo e nello spazio, e le dinamiche spaziali, temporali e spazio-temporali costituiscono pertanto un aspetto centrale di molti studi ambientali. Un altro concetto centrale è qui quello di interazione: la presenza di relazioni non-lineari e simultanee fra molte variabili, con i conseguenti effetti di confondimento, attenuazione, sinergia, soppressione, può oscurare le relazioni di maggiore interesse dal punto delle decisioni di politica ambientale. Infine, la complessità e l'incertezza legate all'alta dimensionalità chiamano in causa l'esigenza di tecniche di sintesi che semplifichino l'interpretazione senza ridurre in modo eccessivo la multidimensionalità dei fenomeni indagati.In base a queste considerazioni, l'U.R. di Palermo darà il proprio contributo a tre delle Aree tematiche trasversali individuate nel Progetto Nazionale: A) Indicatori ambientali; C) Modelli multivariati e spazio-temporali; D) Alterazioni ambientali e salute umana.Area tematica A: Indicatori ambientaliL'attenzione dell'U.R. di Palermo su questo tema si concentra sulla costruzione di indicatori di qualità dell'aria. Il problema ha una certa tradizione in Statistica Ambientale (Thomas, 1972; Ott, Hunt, 1976; Kassomenos et. al., 1999; Bruno, Cocchi, 2002), ma presenta ancora aspetti irrisolti, in particolare nell'individuazione dei "miscugli" di inquinanti che possono risultare più dannosi per la salute. L'importanza del ruolo delle miscugli di inquinanti nel determinare gli effetti sanitari dell'inquinamento atmosferico (WHO, 2000) comporta, in termini statistici, la necessità di considerare attentamente le interazioni fra gli inquinanti e i modi più opportuni di incorporarle in indicatori composti, che non possono essere semplicemente additivi. Un problema collaterale, ma connesso a questo, è quello della categorizzazione ottimale delle misure di concentrazioni di inquinanti, dato che spesso le proposte di indicatori di qualità dell'aria si basano su versioni categorizzate degli inquinanti. L'U.R. ha già maturato esperienze di ricerca su questo tema; l'approccio tentato è stato quello di categorizzare tutti gli inquinanti in quattro modalità ordinali di qualità dell’aria, impiegando le soglie dettate dalla normativa vigente, e modellare poi l’associazione tra inquinanti mediante modelli loglineari (Attanasio, Capursi, 2004). Sullo specifico tema della categorizzazione ottima di variabili continue ambientali, alcuni risultati preliminari, basati sull'utilizzo dell'algoritmo di Johari, Sclove (1976), si possono trovare in Lovison (2003).Area tematica C: Modelli multivariati e spazio-temporaliVi è ormai una vasta letteratura sull'utilizzo di modelli statistici tempor
StatoFinito
Data di inizio/fine effettiva11/30/0411/29/06