Integrated analysis of air quality dynamics combining satellite and ground - based retrievals

Zanieczyszczenie powietrza pozostaje poważnym globalnym wyzwaniem dla środowiska i zdrowia publicznego, przy czym dwutlenek azotu (NO2) odgrywa kluczową rolę ze względu na jego negatywny wpływ na zdrowie ludzi i chemię atmosfery. Niniejsza rozprawa bada dynamikę zanieczyszczenia NO2 w Polsce, wykorzystując najnowocześniejsze obserwacje satelitarne i zaawansowane metodologie w celu realizacji trzech kluczowych celów badawczych: (i) oceny wpływu polityki lockdown’u COVID-19 na poziomy NO2, (ii) poprawy konwersji danych NO2 z satelitów na stężenia powierzchniowe oraz (iii) ilościowego oszacowania emisji tlenku azotu (NOx) z elektrowni. W badaniu wykorzystano dane satelitarne o wysokiej rozdzielczości z TROPOspheric Monitoring Instrument (TROPOMI) i Ozone Monitoring Instrument (OMI). Rozdział 2 ujawnia, że restrykcje COVID-19 spowodowały jedynie minimalną redukcję NO2 w Polsce, a obserwowane zmiany mieściły się w typowej zmienności rok do roku, co podkreśla ograniczony wpływ zdarzeń tymczasowych na jakość powietrza. Rozdział 3 skupia się na konwersji danych z kolumny NO2 pochodzących z satelitów na stężenia przy powierzchni gruntu, pokazując potencjał modeli uczenia maszynowego wspieranych zmiennymi meteorologicznymi i danymi dotyczącymi użytkowania gruntów, w celu zwiększenia dokładności szacunków. Rozdział 4 pokazuje, że zastosowanie wykładniczo modyfikowanego modelu Gaussa (EMG) do danych TROPOMI, skutecznie estymując emisje NOx z polskiej elektrowni Bełchatów i prezentując użyteczność danych satelitarnych do inwentaryzacji emisji i zgodności z przepisami. Badania te podkreślają znaczenie długoterminowych interwencji politycznych na rzecz zrównoważonej poprawy jakości powietrza, potencjał uczenia maszynowego w rozwijaniu zastosowań satelitarnych oraz zasadniczą rolę danych satelitarnych w monitorowaniu emisji przemysłowych. Wyniki przyczyniają się do badań nad jakością powietrza i dostarczają cennych narzędzi decydentom politycznym, którzy chcą skutecznie wpływać na zmniejszenie zanieczyszczenia powietrza.

Air pollution remains a significant global environmental and public health challenge, with nitrogen dioxide (NO2) playing a critical role due to its adverse effects on human health and atmospheric chemistry. This dissertation investigates NO2 pollution dynamics in Poland, employing cutting-edge satellite observations and advanced methodologies to address three key research objectives: (i) assessing the impact of the COVID-19 lockdown on NO2 levels, (ii) improving the conversion of satellite-derived NO2 data to surface concentrations, and (iii) quantifying nitrogen oxide (NOx) emissions from power plants. The study utilized high-resolution satellite data from the TROPOspheric Monitoring Instrument (TROPOMI) and Ozone Monitoring Instrument (OMI). Chapter 2 revealed that the COVID-19 lockdown resulted in only minimal NO2 reductions in Poland, with observed changes falling within typical year-to-year variability, highlighting the limited impact of temporary events on air quality. Chapter 3 focuses on converting satellite-derived NO2 column retrievals into surface concentrations. This demonstrates the potential of machine learning models supported with meteorological and land-use variables to enhance estimation accuracy. Chapter 4 applied the Exponentially Modified Gaussian (EMG) model to TROPOMI retrievals, successfully quantifying NOx emissions from Poland’s Bełchatów power plant and showcasing the utility of satellite data for emission inventories and regulatory compliance. This research underscores the importance of long-term policy interventions for sustainable air quality improvements, the potential of machine learning in advancing satellite applications, and the essential role of satellite data in monitoring industrial emissions. The findings contribute to air quality research and provide valuable tools for policymakers aiming to address air pollution effectively.