Mobilità e ambiente a Roma

18
1.3 Alcuni importanti modelli di riferimento degli in-
dicatori ambientali
Diversi modelli di riferimento sono stati proposti per agevolare la lettura
degli indicatori ambientali. Le principali organizzazioni che si sono occupa-
te e si occupano attualmente della messa a punto di modelli di riferimento
per lo sviluppo di indicatori ambientali sono a livello internazionale: l’Or-
ganizzazione per la Cooperazione e lo Sviluppo Economico (OCSE) e la
Commissione per lo sviluppo sostenibile (UNCSD), mentre a livello comu-
nitario ricordiamo l’Agenzia Europea per l’Ambiente (AEA) e l’ufficio di
statistica della Commissione Europea (Eurostat).
I modelli di riferimento piu` comunemente adottati sono il modello Pressione,
Stato, Risposte (PSR), proposto da Anthony Friend negli anni ’70 e i modelli
Determinanti, Stato, Risposte (DSR) e Pressione, Stato, Impatto, Risposte
(PSIR), che costituiscono una rielaborazione del modello PSR dell’OCSE,
ed infine il modello Determinanti, Pressione, Stato, Impatto, Risposte (DP-
SIR), sviluppato dall’AEA, caratterizzati entrambi da relazioni di causalita`
(Istat, 2004).
Modello Pressione-Stato-Risposte (PSR)
Il modello PSR fornisce un’organizzazione degli indicatori ambientali in tre
componenti:
· la Pressione sull’ambiente: gli indicatori che rientrano in tale classificazio-
ne misurano gli effetti delle diverse attivita` dell’uomo sull’ambiente quali,
ad esempio, il consumo di risorse naturali;
· lo Stato dell’ambiente: gli indicatori di stato misurano la qualita` delle
21
Lo sviluppo economico e sociale esercita delle pressioni sull’ambiente, di
conseguenza lo stato dell’ambiente cambia; questi cambiamenti a loro volta
hanno degli impatti sulle funzioni economiche e sociali, i quali sollecitano
una risposta da parte della societa` che riporta alle pressioni.
Naturalmente le relazioni cos`ı semplificate non prendono in considerazione
le interazioni che intervengono in entrambi i sensi e che caratterizzano il
rapporto complesso tra sistema ambientale e sistema umano.
Modello Determinanti-Pressioni-Stato-Impatto-Risposte (DPSIR)
Il modello DPSIR rappresenta un’evoluzione del modello PSR, ottenuto
Figura 1.3: Il funzionamento dello schema DPSIR
 
Determinanti Regolano 
Risposte 
Diminuiscono 
Risanano 
Attenuano Esigano 
Creano 
Modificano 
Determinano 
Pressioni 
Stato 
Impatti 
 
scorporando dalla componente Pressioni i Determinanti, che possono essere
identificati con le attivita` e comportamenti antropici derivanti da bisogni
individuali, sociali ed economici, processi economici, produttivi e di consu-
mo che originano pressioni sull’ambiente. Inoltre, rispetto allo schema PSR,
si ha una distinzione tra Stato dell’ambiente ed Impatti sull’ambiente che
permette un approfondimento ulteriore di rapporti di causa ed effetto al-
l’interno della componente Stato. Nel modello DPSIR si separa, infatti, la
58
· La realizzazione di sistemi di trasporto flessibili
· Il controllo degli accessi ai centri urbani
· Il monitoraggio della qualita` dell’aria
· Il governo della domanda di mobilita`
Tra i piu` importanti provvedimenti attuati a livello nazionale troviamo:
Provvedimenti sulla qualita` dell’aria:
Con il Dpr n. 203 maggio 1988, e parzialmente abrogato dal DL 351 del
4/8/99, recante “Attuazione delle direttive Cee numeri 80/779, 82/884,
84/360 e 85/203 concernenti norme in materia di qualita` dell’aria, rela-
tivamente a specifici agenti inquinanti, e di inquinamento prodotto dagli
impianti industriali, ai sensi dell’articolo 15 della legge 16 aprile 1987, n.
183”, si definiscono i valori limite ed i valori guida per gli inquinanti dell’a-
ria nell’ambiente esterno ed i relativi metodi di campionamento, di analisi e
valutazione e i limiti delle emissioni inquinanti ed i relativi metodi di cam-
pionamento, di analisi e valutazione;
il DL 4 agosto 1999, n.351, attuazione della direttiva Quadro 96/62/Ce sul-
la qualita` dell’aria;
il Decreto 25 maggio 2001, recante il “Recepimento della direttiva 1999/96/Ce
sul ravvicinamento delle legislazioni di inquinanti gassosi e di particolato
prodotti dai motori”;
il Dm 2 aprile 2002, n. 60, recante “Recepimento della prima direttiva fi-
glia 1999/30/Ce del Consiglio del 22 aprile 1999 concernente i valori limite
di qualita` dell’aria ambiente per il biossido di zolfo, il biossido di azoto,
gli ossidi di azoto, le particelle e il piombo e della seconda direttiva figlia
2000/69/Ce relativa ai valori limite di qualita` dell’aria ambiente per il ben-
60
Provvedimenti sul sistema dei trasporti:
Con il Decreto Ronchi del 27 marzo 1998 sulla “Mobilita` sostenibile nelle
aree urbane” tutte le aziende e gli enti pubblici con piu` di 300 dipendenti per
unita` locale e le imprese con complessivamente oltre 800 dipendenti devono
identificare un “Mobility Manager” che ottimizzi gli spostamenti sistematici
dei dipendenti riducendo l’uso dell’auto privata ed adottare il “Piano degli
Spostamenti Casa-Lavoro”.
Con il Decreto Ministeriale Domeniche Ecologiche del 25/01/00, il MATT
ha disposto il finanziamento per circa 30 MLN di Euro complessivi a favore
di Comuni e Consorzi di Comuni per l’ attuazione di progetti relativi alla
realizzazione di sistemi di trasporto pubblico a minimo impatto ambienta-
le, l’applicazione di sistemi automatizzati per il controllo e la limitazione
del traffico nei centri urbani, la promozione dell’utilizzo di combustibili e
carburanti a basso impatto ambientale, la realizzazione ed adeguamento
tecnologico dei sistemi di monitoraggio degli inquinanti atmosferici;
Con i D.D. 495/SIAR/99 e D.D. 85/SIAR/00 il MATT ha complessiva-
mente impegnato risorse pari a 9,3 milioni di Euro per l’attuazione di un
Programma Nazionale di Car Sharing, cioe` un servizio di mobilita` che con-
sente ai propri utenti/soci di accedere su richiesta a una flotta comune di
veicoli posizionati su piu` aree di parcheggio in prossimita` di residenze o di
importanti nodi della rete di trasporto pubblico;
Provvedimenti sui veicoli:
il DM 24 aprile 2001, recante il “Recepimento della direttiva 2001/1/Ce
sull’estensione dell’obbligatorieta` dell’installazione dell’OBD per le autovet-
ture alimentate da combustibili alternativi”;
68
l’ISS, sono dieci (CO, NOx, O3, PM10, PM2.5, conteggio del numero delle
particelle ultrafini, IPA, benzene, silice cristallina (quarzo)). Dal 1999 e`
operativa anche la stazione di monitoraggio dell’ISS presso l’Orto Botanico
di Roma, dove sono rilevati l’ozono, gli ossidi di azoto ed il numero di par-
ticelle aerodisperse.
La figura 2.2 riporta il dettaglio degli inquinanti rilevati nelle 36 stazioni
della regione Lazio, i cui dati sono espressi in microgrammi per metro cu-
bo (µg/m3), ad eccezione del CO misurato in milligrammi per metro cubo
(mg/m3).
Grazie alle stazioni di monitoraggio dell’aria si rilevano le varie situazio-
ni di inquinamento atmosferico prodotte dalle diverse tipologie di sorgente
(traffico, industria, etc.) e si individuano le aree in cui i soggetti recettori
(popolazione, vegetazione) sono esposti a piu` elevati livelli di inquinanti.
Gli inquinanti atmosferici possono essere classificati in:
· inquinanti primari : immessi nell’atmosfera direttamente dal processo che
Figura 2.1: Rete di monitoraggio del Lazio
 
69
li ha prodotti, permangono nell’ambiente senza subire modificazioni. Fanno
parte di questa categoria il monossido di carbonio (CO), l’anidride carboni-
ca(CO2), gli ossidi di azoto (NOx), l’anidride solforosa (SO2), le polveri e
gli idrocarburi incombusti;
· inquinanti secondari : si formano dagli inquinanti primari a seguito di
trasformazioni chimico-fisiche che generalmente coinvolgono l’ossigeno at-
mosferico e la luce. Tra gli inquinanti secondari troviamo l’ozono (O3), vari
tipi di aldeidi, perossidi e altre specie chimiche che possono risultare piu`
tossiche dei composti originari.
Un altro criterio di classificazione degli inquinanti e` quello della distinzione
tra:
· inquinanti di origine antropica (come il traffico veicolare su strada, il ri-
scaldamento domestico o le attivita` produttive), particolarmente importanti
in zone urbane, dove le fonti naturali di inquinamento sono generalmente
irrilevanti;
· inquinanti naturali (vulcani, sgretolamento,incendi,. . . ).
Il numero degli inquinanti normati da disposizioni riguardanti il settore dei
trasporti (sistema e veicoli) ed aventi un limite di legge e` ridotto a fronte di
quelli riscontrabili nell’atmosfera. Quelli inseriti nella normativa nazionale
sono:
1) biossido di zolfo (SO2);
2) biossido di azoto (NO2);
3) monossido di carbonio (CO);
4) composti organici volatili (COV);
5) materiale particolato PM10 (dal 1/1/2005 su tutto il territorio naziona-
le);
77
mento, mentre la mediana dividendo la distribuzione ordinata esattamente
in due meta`, in modo tale che la meta` dei casi osservati abbiano valori in-
feriori a quello mediano, fornisce una visione meno distorta dell’andamento
centrale degli inquinanti (G.W. Bohrnstedt e D. Knoke,1998).
Il processo di sintesi sviluppato attraverso le mediane si basa sull’assunto
che l’esposizione all’inquinamento sia uniforme su tutto il territorio urba-
no. E` opportuno, quindi, verificare il grado di “vicinanza” tra le rilevazioni
delle varie centraline (G. Lovison e V. Muggeo, 1998). A tal fine sono stati
calcolati i coefficienti di correlazione3 tra ogni coppia di centralina per ogni
inquinante. I coefficienti sono risultati tutti significativi (p < 0, 01), con
valori oscillanti approssimativamente tra 0,3 e 0,6 per O3 (0,304; 0,677), e
per PM10, mentre con valori compresi tra 0,189 e 0,782 per il NO2 e tra
0,141 e 0,816 per il CO. Leggermente piu` debole si e` rivelata la correlazione
tra le misurazioni di Benzene (0,117; 0,608) (cfr. Appendice). Le debo-
li correlazioni fra le misurazioni degli inquinanti delle centraline delle aree
extraurbane e di quelle urbane giustificano ulteriormente l’esclusione delle
centraline di Guido e Cavaliere (ad eccezione per l’inquinante O3) dalla de-
terminazione dell’esposizione di inquinanti della popolazione.
Inoltre i dati considerati di seguito, come previsto dal D.M. 60/2002, so-
no tutti normalizzati alla temperatura di 293K (20◦C) e alla pressione
3
Il coefficiente di correlazione (lineare) di Pearson tra due variabili aleatorie o due variabili statistiche
X e Y e` definito come la loro covarianza divisa per il prodotto delle deviazioni standard delle due variabili:
corr(X,Y ) =
n∑
i=1
(xi − x)(yi − y)
[ n∑
i=1
(xi − x)2
n∑
i=1
(yi − y)2
]1/2
Il coefficiente assume valori compresi tra -1 e +1. Nel caso di indipendenza lineare il coefficiente assume
valore zero, mentre non vale la conclusione oppposta, ovvero dal coefficiente nullo non si puo` desumere
l’indipenenza lineare. Valori prossimi a +1 (o -1) possono essere misurati anche in presenza di relazioni
non lineari.
87
giugno per il 2002.
Prospetto 2.4: D.M. 2/4/2002 n.60 Benzene
Tipo limite Parametro Valore limite
per il 2005
Margine di tolleranza
Valore limite per
la protezione
della salute
umana
Media
anno civile
5 µg/m3 100% del valore limite,pari a 5
µg/m3, all’entrata in vigore della
direttiva 2000/69 (13/12/2000).
Tale valore e` ridotto il 1/1/2006,
e successivamente ogni 12 mesi,
secondo una percentuale annua
costante, per raggiungere lo 0%
al 1/1/2010
Figura 2.12: Valori massimi e minimi delle concentrazioni medie annue registrate nelle stazioni considerate
negli anni 1998-2002
 (3)
(3) 
 (3) (3) 
 (3) 
 (3) (3) 
 (3)
 (3)
 (3) 
-
5,00
10,00
15,00
20,00
25,00
1998 1999 2000 2001 2002
anni
 
g
/
m
3
minimo v.limite massimo
 
Fonte: Elaborazione su dati Arpalazio.
Nota: tra parentesi e` riportato il numero di stazioni considerate.
Tabella 2.5: Media annuale (µg/m3) di C6H6, Anni 1998-2002
Centralina 1998 1999 2000 2001 2002
Tiburtina 18, 16 14, 54 12, 59 11, 34 11, 30
Libia 13, 20 8, 62 8, 22
Magna Grecia 13, 18 9, 64 9, 82 8, 94 7, 39
Gondar 20, 25
Fonte: Elaborazione su dati Arpalazio
Nel prospetto 2.4 e` riportato il valore limite per la protezione della salute
93
Nella tabella 2.7 sono riportati i valori limite per la protezione della salute
e della vegetazione dell’ozono previsto dal Decreto Legislativo 21 maggio
2004, n. 183, con le relative soglie di allarme e di attenzione.
Figura 2.18: Ozono-Temperatura: mediane mensili 1998-2002
-
10,00
20,00
30,00
40,00
50,00
60,00
70,00
80,00
90,00
g
e
n
-
9
8
a
p
r
l
u
g
o
t
t
g
e
n
-
9
9
a
p
r
l
u
g
o
t
t
g
e
n
-
0
0
a
p
r
l
u
g
o
t
t
g
e
n
-
0
1
a
p
r
l
u
g
o
t
t
g
e
n
-
0
2
a
p
r
l
u
g
o
t
t
Magna Grecia-Francia-Fermi Ada-Cavaliere-Guido Temperatura
 Fonte: Elaborazione su dati Arpalazio
Tabella 2.7: Decreto Legislativo 21 maggio 2004, n.183 “Attuazione della direttiva
2002/3/CE relativa all’ozono nell’aria”
Tipo limite Parametro Valore limite
per il 2010
Soglia di infor-
mazione
Soglia di
allarme
Valore limite
annuale per la
protezione della
salute umana
Media su 8
ore
massima
giornaliera
120 µg/m3 da
non superare
piu` di 25
gg/anno civile
come media su
3 anni
180 µg/m3 media
di 1 ora
240 µg/m3
media di 1
ora
Protezione della
vegetazione
AOT40(*),
calcolato
sulla media
di 1 ora da
maggio a
luglio
18000 µg/m3 *
h come media su
5 anni
(*)Per AOT40 (espresso in (µg/m3)*ora) si intende somma delle differenze tra le concentrazioni orarie superiori a 80 µg/m3 (= 40 parti per
miliardo) e 80 µg/m3 rilevate un dato periodo di tempo, utilizzando solo i valori orari rilevati ogni giorno tra le 8 e le 20, ora dell’Europa
centrale.
Nelle aree urbane, dove e` piu` forte l’inquinamento atmosferico, l’ozono si
forma e si trasforma con grande rapidita`, con un comportamento molto di-
98
lo spostamento.
Nel file degli individui si hanno tante righe quanti sono i soggetti intervistati
(in totale 4981), e ognuna raccoglie tutte le risposte di un singolo intervi-
stato. Invece nel file degli spostamenti si trovano tante righe quanti sono
gli spostamenti (in totale 13436), per cui ogni riga contiene l’ora, il motivo,
l’ubicazione, l’origine dello spostamento e il sesso, l’eta`, lo stato civile, la
condizione professionale ecc. di chi ha compiuto tale tragitto.
Il campione analizzato e` composto rispettivamente in ciascun anno ad ini-
ziare dal 2000 da 1046, 1030, 974, 973 e 958 individui residenti a Roma di
eta` compresa tra i 14 e gli 80 anni, la cui distribuzione per sesso ed eta` (ta-
belle 3.1, 3.2) riproduce proporzionalmente le distribuzioni dell’universo di
riferimento. La numerosita` campionaria e` stata calcolata secondo le ipotesi:
· il livello di probabilita` P(z)=95%
· per z (distribuzione normale), z=1,96
· p=q= 1/2
n = z
2pqN
(N − 1)δ2 + z2pq
con δ = 3, 2% al max per anno, dove δ1 e` l’errore tollerato.
La frazione di campionamento e` soddisfacente, infatti l’errore dovuto al cam-
pionamento non supera il 3,2% con un livello di fiducia del 95%.
Si e` cercato infine di mettere a confronto per gli anni considerati, i dati
sulla mobilita` dell’Isfort con quelli provenienti dall’Istat in occasione del
1L’errore campionario e` pari a:
δ = z
√
pq
n
√
N − n
N − 1
127
con j = 1, 2, 3 dove 1= CO, 2= C6H6 , 3= SO2, h= 0, 1, 2, 3 e x =1, 2,. . . ,
24; da cui si individua la generica coppia costituita come:
ora mezzoi − ora inqj
Gli indici di correlazione (non tutti significativi, vedi tabella 3.18) sono risul-
tati con un andamento dei valori variabile tra una minima correlazione nella
prima ora di confronto (stessa ora) e una buona correlazione nella seconda
ora di confronto (1 ora dopo), che permane nella terza ora di confronto (2
ore dopo), e che infine si riduce nella quarta ora di confronto (3 ore dopo).
Per le coppie con gli inquinanti CO e C6H6 i coefficienti sono risultati con
Figura 3.21: Giornata tipo degli inquinanti (CO, C6H6 e SO2) e degli spostamenti effetuati con i vari mezzi
di locomozione (moto, mezzo privato e mezzo pubblico), anni 2000-2002.
2001
1
10
100
1000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
-
2
4
6
8
10
12
14
 
g
/
m
3
Moto o ciclomotore Mezzi privati Mezzi pubblici CO C6H6 SO2
2000
1
10
100
1000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
-
2
4
6
8
10
12
14
16
 
g
/
m
3
Moto o ciclomotore Mezzi privati Mezzi pubblici CO C6H6 SO2
2000-2002
0.1
1
10
100
1000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
-
2
4
6
8
10
12
14
 
g
/
m
3
Moto o ciclomotore Mezzi privati Mezzi pubblici CO C6H6 SO2
2002
1
10
100
1000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
-
2
4
6
8
10
12
 
g
/
m
3
Moto o ciclomotore Mezzi privati Mezzi pubblici CO C6H6 SO2
Fonte: Elaborazione in collaborazione con l’ENEA su dati ARPALAZIO e ISFORT
valori oscillanti approssimativamente tra 0,3 e 0,6 registrati nella seconda
e terza ora di confronto con gli spostamenti, e con valori molto piu` bassi o
negativi registrati nella stessa ora o dopo tre ore (con alcune eccezioni, con
“ρ” fino a 0.8 nel 2002) per il 2000, 2001 e per l’aggregato 2000-2002; mentre
150
rilevante se consideriamo che, insieme, i due assi spiegano l’ 85.94% della
variabilita` totale della matrice dei dati.
La proiezione sul piano delle modalita` che piu` hanno contribuito alla for-
mazione degli assi e` evidenziata nella figura 4.7. Da un esame grafico delle
aggregazioni tra le modalita` proiettate sul primo piano fattoriale, possiamo
valutare le interdipendenze.
Al centro del grafico si trova il tipo di spostamento “medio” che corrisponde
Figura 4.7: Analisi delle corrispondenze multiple: rappresentazione delle modalita` sul primo piano
fattoriale
Fonte: Elaborazione su dati Isfort
a quello che si spende nel semicentro.
Si nota come la figura dell’occupato e gli individui con un’eta` compresa
tra i 30-45 si collocano nel quadrante sud-ovest del grafico (individui che si
spostano sistematicamente, per lavoro e nel primo mattino); nel quadrante
nord-est (individui che si spostano per svago e gestione familiare, che com-
piono il primo spostamento con calma e preferiscono spostarsi a piedi) si
hanno le casalinghe e i pensionati o disoccupati ed inoltre troviamo anche
158
Mezzi pubblici
Per gli spostamenti quotidiani con i mezzi pubblici si presenta un quadro
sostazialmente diverso da quello visto in precedenza.
In questo caso si analizza la soddisfazione media contrapposta alla insod-
disfazione. Dai dati risulta che sono i coniugati/conviventi, i mediamente
istruiti, gli anziani (oltre 65 anni), le casalinghe (ancor piu` chi non lavora),
le femmine e i mediamente retribuiti (condizione che si riferisce al reddi-
to della famiglia) ad essere soddisfatti del mezzo pubblico come scelta di
mobilita` sistematica. Per quanto riguarda il numero dei componenti della
famiglia, la percentuale massima di soddisfatti si registra in corrispondenza
di due componenti (tab. 5.1). In questo caso si osserva lo stesso andamento
per la zona di origine e di destinazione, cioe` con l’aumentare della distanza
dalla periferia aumenta la quota delle persone molto appagate nel compiere
quotidianamente tragitti con il mezzo pubblico. La soddisfazione e` preve-
dibilmente in relazione inversa con la durata dello spostamento anche in
questa analisi. Per ultimo si nota che le fasce orarie dove prevalgono i me-
diamente appagati dello spostamento con gli autobus, tram ecc. sono quelle
dopo le 13,30.
5.1 Il modello di regressione logistica
Il modello di regressione logistica e` un caso particolare di una famiglia di
modelli detti modelli lineari generalizzati (GLM) che mettono in relazione
una funzione del valore atteso di una variabile dipendente Y con i regressori
attraverso una equazione lineare. In questa parte la matrice dei dati ori-
ginari verra` studiata appunto attraverso il modello di regressione logistica.
159
Tale modello risulta utile quando si vogliono descrivere le relazioni esistenti
tra una variabile dipendente discreta (variabile risposta) con due o piu` mo-
dalita` e una serie di variabili esplicative che possono essere continue o anche
categoriali dicotomiche o politomiche.
Nel modello di regressione logistica (binaria) la variabile dipendente Y si di-
stribuisce come una variabile casuale bernoulliana di parametro pi(x), che de-
scrive l’esito di un esperimento casuale che ha probabilita` di risultare in “suc-
cesso” con una probabilita` che e` funzione dei regressori x = (1, x1, · · · , xk),
Y ∼ Ber(pi)
Y=1 “successo”
Y=0 “insuccesso”
Pr(Y = 1|X = x) = pi(x)
In particolare si ha
pi(x) = exp(β0 + β1x1 + · · · + βkxk)
1 + exp(β0 + β1x1 + · · · + βkxk)
La quantita`
pi(x)
1 − pi(x) =
P (Y = 1|X = x)
P (Y = 0|X = x) =
P (Y = 1|X = x)
1 − P (Y = 1|X = x)
e` detta odds per X=x ed esprime di quanto il successo (Y = 1) sia piu`
probabile dell’insuccesso se X=x.
Il logit, ossia il logaritmo dell’odds, e` una funzione lineare dei parametri
logit(x) = ln[odds(x)] = β0 + β1x1 + · · · + βkxk
Se il parametro βj e` positivo un incremento della variabile esplicativa xj
induce un incremento nella probabilita` che la variabile dipendente assuma