Morando Elisa
Radioactivity Environment Monitoring
group (REM)
Classificazione delle stazioni di monitoraggio con l’utilizzo di geo data
Riassunto
Da sempre il termine “radioattività” suscita preoccupazione nell’immaginario collettivo. Non tutti
sanno che la maggior parte della radioattività a cui siamo esposti ogni giorno è di origine naturale.
Per informare correttamente l’opinione pubblica, la Comunità Europea ha creato una piattaforma
online dove i cittadini possono consultare i valori della radioattività rilevata nelle varie stazioni di
rilevamento della radioattività in Europa, EURDEP. Per ragioni storiche, alcune stazioni EURDEP si
trovano posizionate in maniera non ottimale, essendo soggette all’influenza di edifici costruiti,
talvolta, in un secondo tempo. Per essere certi che i dati che vengono forniti al pubblico siano
corretti, tali stazioni devono essere ben posizionate e devono soddisfare determinati parameri. Per
questo è necessario classificare le varie stazioni di rilevamento. a seconda che queste siano più o
meno affidabili ed eventualmente scartarne alcune. Visto che le stazioni EURDEP sono circa 5000, lo
scopo di questo stage al JRC era quello di trovare una metodologia per automatizzare questa
classificazione. In un primo momento abbiamo classificato manualmente le stazioni di due Paesi,
l’Ungheria e la Croazia, con l’utilizzo di foto e immagini satellitari. Per qualificarle abbiamo usato
diversi parametri, tra cui la distanza tra la sonda e l’edifico più vicino. La stessa classificazione era
disponibile per le stazioni del Belgio. In un secondo tempo abbiamo sviluppato uno script in Python
che classificava le varie stazioni in base alla loro distanza dagli edifici vicini. Tale distanza veniva
ottenuta con l’utilizzo di OpenStreetMap. In conclusione abbiamo confrontato questa seconda
classificazione con quella ottenuta precedentemente. Nel caso del Belgio le due classificazioni
concordavano nel 94% dei casi. Nel caso della Croazia le due classificazioni concordavano nel 60%
dei casi, mentre nel caso dell’Ungheria concordavano nel 70% dei casi. Il motivo principale per cui le
ultime due classificazioni automatizzate non si allineano bene è che OpenStreetMap non contiene
tutti gli edifici. D’altronde neanche GIS proprietari mostrano una miglior copertura riguardo alla
completezza della descrizione degli edifici esistenti.
1. Introduzione
La radioattività è una proprietà della materia la cui origine è dovuta ad atomi instabili che
decadono. Questi atomi decadendo si trasformano in un nuovo atomo diverso da quello di
partenza. In questo passaggio questi atomi ,detti radionuclidi, emettono delle radiazioni di tre tipi: α,
β,γ. Infatti quando l’atomo decade solitamente emette rispettivamente o un atomo di elio (He), o un
elettrone e/o delle radiazioni elettromagnetiche. Ogni giorno siamo esposti a questo tipo di
radiazioni (circa 4.5 mSv all’anno). Quello che però forse molti non sanno è che la maggior parte di
queste radiazioni è di origine naturale. In riferimento alla Figura 1, si può vedere che in Italia, ogni
anno, circa il 73% della dose annuale è dovuta a sorgenti naturali. Per radiazioni naturali si intende,
principalmente, la radiazione di origine cosmica, quella proveniente dalla litosfera,in particolare
quella emessa dal Radon e quella degli altri radionuclidi naturali quali principalmente Uranio, Torio e
Potassio [1] [2].
Figura 1 Schema a torta dei contributi della dose efficace media individuale annuale in Italia [APAT 2005]
La Comunità Europea quindi, per sensibilizzare i cittadini e per gestire la loro legittima richiesta di
informazioni sulle conseguenze degli incidenti nucleari, ha creato una piattaforma online EURDEP
[3](in inglese European Radiological Data Exchange Platform) dove sono consultabili i valori della
radioattività rilevati nelle varie stazioni di monitoraggio dei 37 paesi . Per ciascuna stazione infatti è
possibile leggere i valori medi della radiazione γ nell’arco della giornata o della settimana. Inoltre è
possibile vedere in tempo reale la misura rilevata dalla stazione e come i vari tipi di radiazione
contribuiscono a questa misurazione. Infatti con un calcolo matematico è possibile sapere il valore
della radiazione cosmica e terrestre [4] in quanto queste due componenti sono costanti nei vari
luoghi. Tuttavia per essere certi di questi dati bisogna essere sicuri che le stazioni di rilevamento
siano ben posizionate e rispettino determinati parametri. È possibile qualificale tutte andando di
persona a fare un sopraluogo, ma ciò richiederebbe molto tempo visto che le stazioni di EURDEP
sono circa 4500. Lo scopo di questo stage al Joint Research Centre (JRC) di Ispra era quello di trovare
una metodologia per automatizzare questa classificazione e di comparare i risultati trovati con quelli
ottenuti precedentemente in maniera manuale su un campione più limitato.
Figura 2: Da sinistra verso destra: screenshot della schermata di EURDEP. I cerchietti blu stanno ad indicare le varie
stazioni di rilevamento: più è intenso il colore, maggiore è il valore rilevato. Cliccando su le diverse stazioni si possono
vedere i grafici dell’andamento della radioattività nella giornata e nei giorni precedenti. In questo caso, nella figura a
destra si è preso come riferimento la stazione di rilevamento di Milano il giorno 6 luglio 2016.
2. Classificazione manuale
In un primo tempo abbiamo classificato manualmente le diverse stazioni di monitoraggio della
radioattività di due paesi (l’Ungheria e la Croazia [5]), utilizzando dei documenti come foto e
immagini satellitari. Per caratterizzarle ci siamo basati su parametri come:
l’altezza della sonda dal terreno (h);
la distanza tra la sonda e l’ostacolo più vicino, ad esempio una strada o un edifico (r);
la superficie su cui poggiava la stazione, che poteva essere “standard surface” o “not
standard surface” a seconda che il piano su cui poggiasse fosse più o meno obliquo.
In seguito abbiamo classificato le stazioni con una penalizzazione da 0 a 9. Per essere considerata
idonea (ed essere quindi classificata con uno 0), la stazione doveva avere un’altezza h dal suolo
minore di 2 metri e una distanza r dall’edificio più vicino maggiore di 5 metri. Questo perché, la
sonda deve misurare la radioattività del terreno e, se è a più di due metri dal terreno, questa non
misura più la radioattività del suolo. In più essa deve essere distante dagli edifici perché questi
alterano la misurazione. Infatti i palazzi o diminuiscono il valore rilevato poiché il cemento ferma
le radiazioni γ; o aumentano il valore a causa dei materiali di costruzione radioattivi come ad
esempio il tufo. Invece venivano qualificate con un 9 quelle stazioni che dovevano essere spostate
altrove o abbassate. Abbiamo quindi riportato in un file Excel le misure di h, r per ogni stazione e la
penalizzazione di ogni stazione che era disponibile già da tempo.
Figura 3: Da sinistra a destra: piantina di una stazione della Croazia; foto di due stazioni dell’Ungheria;
rispettivamente quella di Komárom (il cui codice identificativo è HU0133) ,quella di Vajta (HU0131). La stazione
sulla sinistra rientra nella classe 0 in quanto (almeno guardando questa foto), non sembra vi siano edifici o
strade nel raggio di 30 metri. La stazione di destra invece, come indicato con la croce di colore rosso, deve
essere spostata altrove. Infatti, come si può vedere, la distanza tra la sonda e la casa è minore di 5 metri.
3. Classificazione automatica
Tuttavia il nostro scopo era sì, quello di classificare le stazioni in base alla distanza dagli edifici, ma
automatizzando la procedura. Abbiamo allora sviluppato uno script in Python [6] all’interno dell’IDE
Eclipse [7]. In questo script, per ottenere l’informazione sulla distanza degli edifici, abbiamo
utilizzato OpenStreetMap [8]. (per comodità useremo in seguito l’acronimo OSM per indicare
OpenStreetMap). OSM è un GIS disponibile come web service. Per di più non è un servizio
proprietario ma è disponibile come open data .Esso contiene diverse informazioni su strade, edifici e
punti di interesse (fermate dell’autobus, ristoranti,etc.) che sono state inserite in OSM su base
volontaria dagli utenti. È possibile estrarre da OSM delle informazioni con Overpass turbo [9] (un
altro web service basato su OSM) attraverso l’interrogazione di un database con dei comandi
normalmente detti query (vedi Figura 4). Quindi per estrarre i dati si possono scrivere delle query
manualmente nel sito di Overpass turbo e ottenere dei risultati grafici o testuali direttamente nel
browser. Nel nostro caso avevamo bisogno di accedere a queste informazioni all’interno di uno
script. Abbiamo allora realizzato degli scripts che eseguono automaticamente delle queries e
ottengono i risultati all’interno del programma in forma numerica. Questo è possibile perché si può
ricorre all’utilizzo dell’ API di Overpass turbo.
Figura 4 : Screenshot della schermata dei risultai di Overpass turbo. In questo caso avevamo chiesto al web service di
trovare gli edifici nel raggio di 30 m attorno ad una stazione dell’Ungheria (HU0211) identificata attraverso le sue
coordinate GPS. I risultati sono evidenziati in giallo. La stazione (in figura nella posizione indicata dalla freccia blu) deve
essere spostata altrove visto che a 4 metri vi è una casa.
Il nostro script (vedi Figura 5) prende in input un file Excel con le coordinate delle stazioni. Nello
script, per ogni stazione, si compone una query domandando a Overpass di trovare gli edifici nel
raggio di 30 metri dalla stazione. Nel caso in cui non vi siano edifici, la stazione viene classificata
come 0 e si passa a quella successiva. Se, al contrario, vi sono degli edifici, il programma calcola la
distanza tra la sonda e l’edifico più vicino [10]. Le stazioni vengono classificate sulla base di questa
distanza. In questo modo abbiamo ottenuto una seconda classificazione che abbiamo poi
confrontato con quella già disponibile.
Figura 5: Flowchart dell’algoritmo
4. Confronto e risultati
Per l’Ungheria e la Croazia abbiamo comparato la classificazione automatica con quella ottenuta
manualmente. Nel caso della Croazia le due classificazioni concordavano nel 60% dei casi. Nel caso
dell’Ungheria le due classificazioni concordavano nel 70% dei casi. Abbiamo poi fatto un ulteriore
verifica con i dati delle stazioni EURDEP del Belgio. Infatti, per quanto riguarda queste ultime, degli
addetti erano andati a valutare ciascuna stazione di persona e avevano mandato un reso conto al
JRC. Nel 94% dei casi le due classificazioni coincidevano. I motivi per cui le prime due classificazioni
non si allineavano con le nostre sono molteplici. Tra questi i principali problemi sono due. Il primo è
che, quando abbiamo guardato le foto, abbiamo considerato come ostacoli non solo gli edifici ma
anche le strade. In secondo luogo OpenStreetMap è su base volontaria, quindi non tutti gli edifici
sono segnati sulla mappa. Quindi quando il programma chiede la minima distanza, alcuni edifici che
si possono vedere nelle foto non vengono considerati ed r diventa maggiore di quanto in realtà non
sia.
Figura 6: A sinistra la foto di una stazione della Croazia. Come si capisce dalla foto, la sonda è posta sopra un edificio e
quindi deve essere spostata altrove. In OpenStreetMap questo piccolo edificio non è registrato. Infatti attorno al cerchietto
(la nostra stazione) non è presente alcun ostacolo. In questo caso per noi la sonda è di classe 9 mentre ricorrendo ai dati dir
Overpass la sonda diventa di classe 0.
5. Suggerimenti per il futuro
Per il futuro si può pensare di migliorare lo script includendo nella query le strade così da avere una
classificazione più precisa. Inoltre si potrebbe rimediare all’imprecisione di OSM con l’impiego di
immagini satellitari per controllare se vi siano o meno degli edifici attorno alla stazione. Inoltre
sarebbe interessante qualificare le stazioni in base a quanta radiazione viene ricevuta dagli edifici
vicini. Infatti, in base alla loro posizione, distanza, forma, volume la quantità di radioattività emessa
cambia. Visto che la dose assorbita è inversamente proporzionale al quadrato della distanza dalla
sorgente, non è detto che due edifici a eguali distanze emettano la stessa quantità di radiazioni γ
(vedi Figura 7 ).
Figura 7: In questa figura viene indicata col colore verde la porzione dell’edificio che contribuisce alla radioattività
misurata dalla stazione (quadratino nero). Gli edifici si trovano alla stessa distanza dalla stazione, ma sono posizionati
diversamente. Infatti nel caso A il contributo alla radiazione dato dall’edificio sulla sonda è minore di quello del caso B,
poiché la faccia dell’edificio più vicina è quella con area minore.
D’altronde se due edifici sono a distanze diverse da una sonda può essere che il contributo alla
radioattività dato da ciascun edificio sia lo stesso (vedi Figura 8).
Figura 8: Se invece gli edifici sono a distanze diverse può accadere che influenzino allo stesso modo i dati della stazione.
L’edificio sulla sinistra è sì più vicino ma la superficie che contribuisce alla radiazione è inferiore a quella dell’edificio più
lontano ma posto orizzontalmente. Quindi alla fine il contributo dei due edifici alla radiazione può essere lo stesso.
Per quantificare il contributo degli edifici alla radiazione che perviene su una stazione sarebbe
opportuno definire degli indici che tengano conto di tutti gli edifici attorno alla stazione. Ciascun
edificio contribuirà a tale indice con una quantità ottenibile considerando l’estensione dell’edificio
con un peso proporzionale all’inverso del quadrato della distanza dalla stazione.
Ringraziamenti.
Ringrazio tutto il gruppo R.E.M. che si è rivelato paziente e disponibile. In particolare (in ordine
alfabetico) :
Konstantins Bogucarskis, che ci ha aiutato nella parte inerente allo script Python e ci ha fatto
una breve introduzione su alcuni concetti chiave della programmazione (ad esempio il
polimorfismo);
Giorgia Cinelli,che ci ha introdotto in maniera chiara la radioattività e ha risposto alle nostre
domande sull’argomento;
Luca De Felice, che ci ha aiutato nella progettazione e nella scrittura in Python.
Bibliografia
[1] M. Eisenbud e T. F. Gesell, Environmental Radioactivity: From Natural, Industrial, and Military
Sources, San Diego: Academic Press, 1997.
[2] J. Schon, Physical properties of rocks : fundamentals and principles of petrophysics, Oxford:
Pergamon Press, 1996.
[3] “European Radiological Data Exchange Platform,” [Online]. Available:
https://eurdep.jrc.ec.europa.eu/.
[4] G. Cinelli, M. Hernandez Ceballos, P. Bossew, T. Tollefsen, J. Sanchez Martin, M. Marin Ferrer, A.
Nishev, K. Bogucarskis, V. Gruber e M. De Cort, «A method to estimate the terrestrial
component of ambient dose equivalent rate from EURDEP routine monitoring data to improve
the European Geogenic Radon Map,» 11 11 2014.
[5] C. Michel, S. Matjaž, P. Damir, Š. Davor e Š. Dejan, «Physical and Radiological Characterisation of
Measuring Sites Within The Croatian Gamma Dose Rate Early Warning Network,» in 11th
International Conference of the Croatian Nuclear Society, Zadar,Croatia, 5 – 8 June 2016.
[6] G. Van Rossum, «Python tutorial, Technical Report CS-R9526,» Centrum voor Wiskunde en
Informatica (CWI), Amsterdam, May 1995.
[7] «About the Eclipse Foundation,» Eclipse Foundation, 2001. [Online]. Available: www.eclipse.org.
[8] S. Coast, «OpenStreetMap,» 2004. [Online]. Available: https://www.openstreetmap.org.
[9] M. Reifer, «Overpass turbo,» [Online]. Available: https://overpass-turbo.eu.
[10] S. Gillies, «The Shapely User Manual,» 31 12 2013. [Online]. Available:
http://toblerity.org/shapely/manual.html#coordinate-systems.
