Analisi spettrometrica spazio-temporale: autocorrelazione e indici di cambiamento da dati satellitari sull’inquinamento atmosferico

Sentinel-5 Precursor (Sentinel-5P) is an Earth observation satellite developed by the European Space Agency (ESA) as part of the Copernicus Programme. This satellite is equipped with a highly advanced tropospheric monitoring instrument called TROPOMI (TROPOspheric Monitoring Instrument), a spectrometer sensitive to ultraviolet, visible, and shortwave infrared radiation. It is designed to monitor key atmospheric trace gases such as ozone, methane, carbon monoxide, nitrogen dioxide, and sulfur dioxide. The spectroscopic analysis of TROPOMI data is particularly relevant for pollution monitoring, especially in the study of both correlating and correlated factors. The primary objective is to identify solid and robust indicators of change that can also be used in predictive models. This thesis focuses on the use of physical approaches for the analysis and correlation of data, with particular reference to autocorrelation functions and the analysis of spatio-temporal time series of gas absorption data (with a specific focus on NO₂) and the dynamic evolution of change indicators on an annual scale. Open source Sentinel-5P data will be used, with the Veneto region as the area of interest.

Sentinel-5 Precursor (Sentinel-5P) è un Satellite per telerilevamento sviluppato dall'ESA come parte del Programma Copernicus. Questo satellite è dotato di uno strumento per il monitoraggio troposferico (Tropomi - TROPOspheric Monitoring Instrument) molto sofisticato: si tratta di uno spettrometro sensibile ai raggi ultravioletti, alla luce visibile e agli infrarossi a corto raggio per monitorare anche l'ozono, metano, monossido di carbonio, Diossido di azoto e Anidride solforosa nell'atmosfera. L'analisi spettroscopica dei dati di Tropomi ha particolare rilevanza per il monitoraggio dell'inquinamento, specialmente nello studio del ruolo dei fattori correlanti e correlati rispettivamente. L'obiettivo primario è individuare indicatori di cambiamento solidi e robusti che possano esser usati anche in modelli predittivi. Il lavoro di tesi si focalizzerà sull'impiego di approcci fisici per l'analisi e correlazione dei dati, con particolare riferimento alla funzione di auto-correlazione e l'analisi di serie spazio - temporali di dati di assorbimento di gas (con particolare riferimento a NO2) e all'evoluzione dinamica di indicatori di cambiamento su scala annuale. Saranno utilizzati i dati Open Source di Sentinel-5P con la regione Veneto come area di interesse.