En forskningsstudie från Politecnico di Milano i tidskriften Chemosphere har kvantifierat jordbruksverksamhetens inverkan på den rumsliga spridningen av fint stoft (PM 2,5) i Lombardiet, vilket visar att det är jämförbart med effekterna av andra välkända föroreningskällor, såsom urbanisering, industri och transporter.
Sådana jämförbara effekter hittades inte bara på landsbygden utan även när man övervägde mer tätbefolkade områden.
Särskilt följde jordbrukets bidrag korrelerade mer till föroreningstoppar snarare än till en baslinjeökning, men med en begränsad varaktighet över tiden. Bland de analyserade grödorna, medan risfälten visade en minimal påverkan, visade majs- och spannmålsfält ett betydande bidrag till föroreningar.
Dessa resultat har erhållits med hjälp av ett innovativt ramverk och en datadriven modell som inkluderar en utvärdering av inverkan av olika markanvändning på den rumsliga fördelningen av PM2,5-koncentrationen, särskilt lämpad för analys av jordbruksmark, med högre precision jämfört med redan existerande modeller.
För detta ändamål användes både jordobservationsdata från satelliter och atmosfäriska modeller från Copernicus-programmet för att härleda PM2.5-koncentrationen, medan information om markanvändningen erhölls från databasen med öppen tillgång och jordbruksinformationssystemet i Lombardiet.
För analysen användes ett innovativt GEOAI (Geomatics and Earth Observation Artificial Intelligence)-system sammansatt av en trestegsarkitektur, som gör det möjligt för forskare att mäta och tolka rumslig dynamik på lokal skala och jämföra effekter av olika markanvändning på föroreningar. . Tack vare detta nya tillvägagångssätt kommer det att vara möjligt att generera nya bevis om föroreningskoncentrationen på grund av specifika jordbruksaktiviteter, såsom gödsling och gödselspill.
Denna forskning har sitt ursprung i D-DUST-projektet (Data-driven modeling of particUlate with Satellite Technology aid), med syftet att utvärdera potentialen – i termer av driftbarhet, kostnadseffektivitet och noggrannhet – av en systematisk integration av icke- konventionella data i de traditionella PM2.5-övervakningsmetoderna baserade på markstationer, med fokus på satellitdata och jordbruksrelaterade utsläpp av föroreningar.
Projektet genomfördes av professor Maria Brovelli och dr Daniele Oxoli, från institutionen för bygg- och miljöteknik i samarbete med professor Enrico Caiani och dr Lorenzo Gianquintieri, från institutionen för elektronik, information och biomedicinsk teknik vid Politecnico di Milano, med Dr Santoni från Fondazione Politecnico di Milano och med professor Andrea Spinazzè från Università degli Studi dell'Insubria.
Mer information: Lorenzo Gianquintieri et al, Implementering av en GEOAI-modell för att bedöma effekten av jordbruksmark på den rumsliga fördelningen av PM2.5-koncentrationen, Kemosfär (2024). DOI:10.1016/j.chemosphere.2024.141438
Tillhandahålls av Polytechnic University of Milan
