Innovative Methods for Multi-source Air Dust Pollution Monitoring using Remote Sensing: A Comparative Study of Chalkidiki (Greece) and Ihalainen (Finland)

De lucht die we inademen is een complexe mengeling van gassen en minuscule vaste of vloeibare deeltjes die erin zweven. Sommige van deze deeltjes komen natuurlijk voor, opgewaaid door de wind uit woestijnen of vrijgekomen door vulkanen, terwijl andere worden gecreëerd door menselijke activiteiten zoals het verbranden van brandstof, het rijden met auto's of het graven in de aarde naar mineralen. Wanneer deze deeltjes klein genoeg zijn om ingeademd te worden, kunnen ze de longen irriteren, astma uitlokken en op de lange termijn bijdragen aan ernstige hart- en longaandoeningen. Omdat deze deeltjes onzichtbaar zijn voor het blote oog en lange afstanden kunnen afleggen, is het lastig om ze te volgen. Wetenschappers vertrouwden traditioneel op fysieke sensoren die op de grond zijn geplaatst om vervuiling te meten, maar deze sensoren zijn duur om te bouwen en te onderhouden, waardoor grote delen van de wereld zonder directe metingen blijven. Om deze hiaten op te vullen, hebben onderzoekers zich gericht op satellieten die in een baan om de aarde draaien en krachtige computermodellen die simuleren hoe de atmosfeer beweegt en verandert. Deze hulpmiddelen bieden een manier om vervuiling over hele regio's te zien, maar ze zijn niet perfect; satellieten kunnen worden geblokkeerd door wolken, en computermodellen middelen vaak de scherpe, lokale details van vervuiling weg die direct naast een fabriek of een mijn plaatsvinden.

Deze studie zette zich af om te testen hoe goed deze hoogtechnologische hulpmiddelen werken wanneer ze worden toegepast op twee zeer verschillende mijnbouwregio's: één in het hete, droge klimaat van Griekenland en een andere in het koude, beboste landschap van Finland. De onderzoekers concentreerden zich op een specifiek type vervuiling genaamd PM10, wat verwijst naar stofdeeltjes kleiner dan tien micrometer — ongeveer de breedte van een menselijke haar. Ze wilden weten of gegevens van satellieten en computermodellen nauwkeurig het stof konden volgen dat wordt gegenereerd door mijnbouwactiviteiten in deze contrasterende omgevingen, en of deze methoden konden helpen bij het voorspellen van de toekomstige luchtkwaliteit. Door de satelliet- en modelgegevens te vergelijken met werkelijke metingen genomen door grondsensoren op beide locaties, streefde het team ernaar een betrouwbare, schaalbare methode te creëren voor het monitoren van stofvervuiling in gebieden waar traditionele monitoringsnetwerken schaars of niet-bestaand zijn.

De onderzoekers onderzochten twee verschillende locaties om te zien hoe verschillende klimaten en soorten mijnbouw de stofniveaus beïnvloeden. De eerste locatie was in Chalkidiki, Griekenland, een gebied met een mediterraan klimaat dat wordt gekenmerkt door hete, droge zomers en complex terrein. Hier extraheren mijnbouwbedrijven metalen zoals goud, zilver, lood en zink. De tweede locatie was in Ihalainen, Finland, een regio met een koud, boreaal klimaat waar een bedrijf kalksteen wint en kalk produceert. Terwijl de Griekse locatie te maken heeft met metaalhoudend stof en frequente intrusies van zand uit de Sahara, heeft de Finse locatie te maken met carbonaatstof en seizoensgebonden problemen zoals wegstof dat loskomt wanneer de sneeuw smelt. Het team verzamelde gegevens van 2013 tot 2024, waarbij ze uurlijkse metingen van twaalf grondstations in Griekenland en zeven in Finland combineerden met gegevens uit twee belangrijke bronnen: de Copernicus Atmosphere Monitoring Service, die computermodellen gebruikt om vervuilingsniveaus te schatten, en MODIS, een satellietinstrument dat meet hoeveel zonlicht door stof in de atmosfeer wordt tegengehouden.

Toen de onderzoekers de grondmetingen vergeleken met de satelliet- en modelgegevens, ontdekten ze dat de resultaten aanzienlijk varieerden afhankelijk van de locatie en het gebruikte hulpmiddel. In Griekenland registreerden de grondsensoren veel hogere stofniveaus, met concentraties die opliepen tot 347 microgram per kubieke meter, vergeleken met een maximum van 132 microgram per kubieke meter in Finland. De grondgegevens toonden ook aan dat de vervuiling in Griekenland zeer ongelijkmatig was; sommige gebieden nabij de mijnen hadden veel hogere stofniveaus dan andere gebieden slechts enkele kilometers verderop. In Finland was de vervuiling meer uniform over de regio verspreid. Het computermodel van de Copernicus-service bleek het meest betrouwbare hulpmiddel voor het volgen van veranderingen in de tijd. Het kwam de patronen die op de grond werden gezien goed overeen en legde de stijging en daling van de stofniveaus vast met een sterke correlatie. Het model had echter de neiging om de hoogste pieken van vervuiling te onderschatten, waarschijnlijk omdat de rastercellen te groot waren om de intense, gelokaliseerde stofuitbarstingen direct naast de mijnbouwapparatuur te vangen. De satellietgegevens, die de totale hoeveelheid stof in een kolom lucht van de grond tot in de ruimte meten, waren minder effectief. Ze misten vaak gegevens door wolken of hadden moeite om onderscheid te maken tussen stof hoog in de atmosfeer en stof nabij de grond, wat leidde tot zwakkere verbanden met de werkelijke grondmetingen.

De studie keek ook naar hoe de vervuiling op de lange termijn veranderde en of dit voorspeld kon worden. Door de jaren aan gegevens op te splitsen in trends en seizoenspatronen, observeerden de onderzoekers dat de luchtkwaliteit op beide locaties geleidelijk is verbeterd. In Finland was de daling van de stofniveaus bijzonder opvallend, waarbij de grondmetingen een daling lieten zien van ongeveer 5 tot 10 microgram per kubieke meter over de onderzoeksperiode. In Griekenland was de trend stabieler, met een lichte daling in het algemeen. De seizoenspatronen waren verschillend voor elke locatie: Finland zag de hoogste stofniveaus in de lente wanneer smeltende sneeuw droog wegstof blootlegde, terwijl Griekenland pieken zag in de zomer en het vroege najaar, gedreven door droge omstandigheden en stof dat vanuit Noord-Afrika aanwaait. Om te testen of deze patronen gebruikt konden worden om de toekomstige luchtkwaliteit te voorspellen, probeerde het team verschillende wiskundige benaderingen. Ze ontdekten dat voor het voorspellen van langetermijntrends een statistisch model dat ontworpen is voor seizoenscycli het beste werkte. Voor het voorspellen van wat er in de zeer nabije toekomst zou gebeuren, zoals de volgende dag, presteerde een machine learning-methode die leerde van patronen uit het verleden beter.

De bevindingen suggereren dat hoewel satellieten en computermodellen de precisie van grondsensoren niet kunnen vervangen, ze wel krachtige hulpmiddelen zijn om de gaten op te vullen waar sensoren ontbreken. De computermodellen bieden in het bijzonder een consistent beeld van de luchtkwaliteit over grote regio's en over lange perioden, wat ze waardevol maakt voor het begrijpen van de algehele impact van mijnbouw op het milieu. Omdat deze modellen echter de details gladstrijken, kunnen ze de ergste pieken in vervuiling die direct naast een mijn voorkomen, missen. De studie concludeert dat de beste aanpak is om het brede overzicht van de modellen te combineren met de specifieke, nauwkeurige gegevens van grondstations. Deze hybride methode maakt een completer begrip van stofvervuiling mogelijk, wat helpt bij het beschermen van de volksgezondheid en het sturen van milieubeleid, zelfs in afgelegen of moeilijk te monitoren gebieden. Het onderzoek toont aan dat het met de juiste combinatie van hulpmiddelen mogelijk is om de luchtkwaliteit in mijnbouwregio's effectief te volgen en te beheren, ongeacht of het klimaat heet en droog of koud en sneeuwachtig is.