Stochastic modelling and GIS-based statistical analysis to assess groundwater pollution in urban areas

In highly urbanised areas, groundwater plays a key role constituting a valuable resource for public and industrial water supply as well as for the socio-economic development. Although urbanisation process can offer significant benefits, unabated and unplanned urban expansion imposes an ever-increasing stress on natural resources, especially on the quality of groundwater. The chemical status of urban aquifers can be compromised by a myriad of pollutants and sources, among which chlorinated solvents arising for point sources and multiple-point sources represents the most serious threat. While point sources can pose a hazard to groundwater quality on a local scale, multiple-point sources are able to make an entire aquifer unsafe for human consumption by simply increasing pollutant concentrations to levels just beyond water quality standards. In this study, the quality deterioration of urban aquifers has been addressed through the application of a GIS-based statistical technique, known as the Weights of Evidence (WofE), and a stochastic approach, called as the Null-Space Monte Carlo (NSMC) method. The WofE technique can be used to generate predictive models by statistically quantifying the degree of spatial association between the occurrence of the contamination and specific factors potentially controlling groundwater pollution. The NSMC stochastic approach can be applied to produce multiple equally-calibrated random parameter fields and explore the uncertainty in the estimation of model parameter. The effectiveness of these approaches in assessing groundwater pollution due to Tetrachloroethylene (PCE) has been tested in three different case studies (A, B and C) implemented within the NE and NW sectors of the Milan urban area (northern Italy). In the case studies A and B, the reliability of the WofE and NSMC stochastic approaches in investigating PCE contamination due to point (case study A) and multiple-point (case study B) sources has been verified by using synthetically generated PCE concentrations in the shallow unconfined aquifer of the NE sector. In the case study B, the synthetically generated diffuse pollution served to better explore the performance of an innovative stochastic methodology, which accounted for the uncertainty of the solute mass discharge field. Given the promising results obtained from the case study B, the proposed innovative stochastic methodology has also been tested in a real-world case study (case study C) by assessing widespread pollution in a multi-aquifer system within the NW sector of the Milan area. The WofE technique was found to be effective in identifying the hydrogeological and land use conditions that can increase the chance to find groundwater contamination. On the other hand, the application of the NSMC stochastic approach revealed that exploring parameter uncertainty can enhance the predictive power of numerical models. In the case of groundwater diffuse pollution, the stochastic modelling of solute mass discharge field offered significant insights for the management of this environmental problem by delineating the location of the potential source zones.

Nelle aree densamente urbanizzate, le acque sotterranee costituiscono una riserva di acqua dolce essenziale per il fabbisogno idrico domestico ed industriale così come per lo sviluppo socio-economico. Nonostante il processo di urbanizzazione offra diversi benefici, la rapida espansione urbana esercita una crescente pressione sulle risorse naturali, ed in particolare sulla qualità delle acque sotterranee. Lo stato qualitativo degli acquiferi urbani può essere compromesso da molteplici contaminanti provenienti da diverse fonti. Tra questi, il rilascio di solventi clorurati da sorgenti puntuali e sorgenti puntuali multiple rappresenta la problematica più seria. Mentre le sorgenti puntuali minacciano la qualità degli acquiferi alla scala locale, le sorgenti puntuali multiple sono in grado di deteriorare lo stato chimico di interi acquiferi, portando le concentrazioni degli inquinanti a livelli di poco superiori agli standard di qualità della risorsa idrica sotterranea. Nel presente studio, la problematica legata all’inquinamento degli acquiferi urbani è stata affrontata mediante l’applicazione sia di una tecnica di statistica spaziale sviluppata in ambiente GIS, nota come Weights of Evidence (WofE), sia di un approccio stocastico, chiamato Null-Space Monte Carlo (NSMC). La tecnica WofE è utilizzata per generare modelli predittivi sulla base del grado di correlazione esistente tra la distribuzione spaziale della contaminazione e la distribuzione spaziale di fattori che possono influenzarla. L’approccio stocastico NSMC viene applicato per produrre molteplici set casuali, ugualmente calibrati, di un parametro ed esplorare l’incertezza nella stima del parametro investigato. L’efficacia di queste metodologie nel valutare la contaminazione delle acque sotterranee da Tetracloroetilene (PCE) è stata testata in tre diversi casi studio (A, B e C), sviluppati all’interno dei settori NE e NO dell’area urbana di Milano (Italia settentrionale). Nei casi studio A e B, l’affidabilità dei metodi WofE e NSMC nell’analizzare la contaminazione da PCE dovuta a fonti puntuali (caso di studio A) e puntuali multiple (caso di studio B) è stata verificata utilizzando valori di concentrazione sinteticamente generati all’interno dell’acquifero superficiale nel settore NE. Nel caso studio B, l’inquinamento diffuso sinteticamente generato ha consentito di esplorare più accuratamente la performance di una metodologia stocastica innovativa che ha preso in esame l’incertezza associata al flusso di massa di soluto entrante nel sistema acquifero. Visti i risultati promettenti ottenuti nel caso di studio B, la metodologia stocastica proposta è stata ulteriormente testata in un caso di studio reale (caso di studio C), valutando la contaminazione diffusa in un sistema multi-acquifero all’interno del settore NO dell’area milanese. La tecnica WofE si è rivelata efficace nell’identificare le condizioni idrogeologiche e di uso del suolo che possono incrementare la vulnerabilità della risorsa idrica sotterranea alla contaminazione. L’applicazione dell’approccio stocastico NSMC ha evidenziato che l’analisi dell’incertezza legata alla stima di un determinato parametro può aumentare il potere predittivo dei modelli numerici. Nel caso dell’inquinamento diffuso, la modellazione stocastica del flusso di massa di soluto entrante nell’acquifero ha fornito nuovi spunti per la gestione di questa problematica ambientale, consentendo di delineare l’ubicazione delle potenziali zone sorgenti della contaminazione.