Ha un impatto negativo sulla qualità dell’aria e può dare luogo anche a piogge acide con conseguenze pesanti per l’ambiente e per la salute della popolazione: si tratta dell’inquinamento prodotto dal trasporto marittimo da cui derivano soprattutto emissioni di ossido e biossido d’azoto. Queste emissioni sono prodotte anche dal traffico veicolare, dalle industrie e dalle centrali elettriche, ma sono diminuite grazie alla normativa ambientale relativa a questi ambiti. Nonostante esistano regole specifiche anche per il comparto marittimo, le emissioni nocive delle navi continuano a rimanere elevate.
Inoltre, questi gas possono essere monitorati con una certa facilità nei porti e nelle aree costiere, mentre è molto più impegnativo svolgere gli stessi controlli quando i natanti si trovano in mare aperto. A questo punto diventa fondamentale il contributo dei satelliti per Osservazione della Terra che, godendo di un punto vista privilegiato, possono fare la differenza. Entra quindi in gioco il satellite Sentinel-5P del programma europeo Copernicus che, lanciato nel 2017, si occupa di misurazioni atmosferiche, con ampie risoluzioni spazio-temporali, relative alla qualità dell’aria, all’ozono, alle radiazioni ultraviolette e più in generale al monitoraggio del clima.
Sentinel-5P svolge il suo compito con lo strumento Tropomi (Tropospheric Monitoring Instrument), uno spettrometro che tramite differenti lunghezze d’onda è in grado di rilevare svariate sostanze inquinanti. I dati di Tropomi sono al centro di uno studio realizzato dalla ricercatrice Solomiia Kurchaba per la sua tesi di dottorato presso l’Università di Leida.
Nell’analizzare il dataset dello strumento, focalizzandosi sui pennacchi delle navi, Kurchaba si è resa conto che in alcuni casi i dati non erano molto ‘puliti’ e non risultava agevole isolare le emissioni marittime dal resto. La ricercatrice, quindi, ha sviluppato un metodo di indagine basato sul machine learning che le ha permesso di rilevare automaticamente i pennacchi, di identificarne la provenienza e anche se una determinata nave rilascia più emissioni del previsto. La studiosa, quindi, ha combinato i dati di Tropomi con informazioni aggiuntive sui movimenti delle navi e ha sviluppato degli appositi algoritmi per estrarre i dettagli rilevanti. Dopo aver lavorato soprattutto sugli ossidi dell’azoto, Kurchaba ora si sta dedicando alle emissioni di metano per la cui identificazione continuerà a utilizzare le informazioni di Tropomi e il machine learning.
In alto: il satellite Sentinel-5P (Crediti: Esa)
In basso: figura che illustra il metodo utilizzato nello studio (Crediti: Università di Leida)
