A Gibbs sampler for the source apportionment problem for PM2.5 component spatiotemporal evolution

Particulate matter (PM2.5) poses a significant threat to public health and the environment, necessitating accurate identification of its emission sources for effective regulatory policies. This thesis proposes a novel Bayesian spatio - temporal model for source apportionment, employing a Gibbs sampling algorithm to quantify the contributions of various pollution sources to ambient PM2.5 concentrations. The model integrates compositional data analysis with a hierarchical Bayesian framework, allowing for an accurate description of pollution dynamics through the incorporation of prior knowledge. Applied to a case study in California, the methodology successfully identifies and apportions key sources such as domesting heating emissions and soil dust dispersion. The results demonstrate the model's efficacy in providing a probabilistic and interpretable solution to the source apportionment problem. This work establishes a powerful analytical tool for environmental scientists and policymakers, offering a data-driven foundation for targeted air quality management and mitigation strategies.

Il particolato fine (PM2.5) costituisce una rilevante minaccia per la salute pubblica e l'ambiente, pertanto l'identificazione accurata delle sue fonti emissive si rivela cruciale per definire politiche di regolamentazione efficaci. Questo lavoro di tesi introduce un modello spaziotemporale Bayesiano innovativo, finalizzato alla source apportionment (ripartizione delle fonti), che utilizza un algoritmo di Gibbs sampling per stimare il contributo di diverse fonti inquinanti alle concentrazioni ambientali di PM2.5. Il modello coniuga l'analisi composizionale dei dati con un'impostazione gerarchica di tipo Bayesiano, permettendo un'accurata descrizione delle dinamiche dell'inquinamento attraverso l'inclusione di conoscenze a priori. Applicata a uno studio condotto in California, la metodologia proposta ha identificato e quantificato con successo fonti chiave, quali il riscaldamento residenziale e la dispersione di polveri terrigene. I risultati ottenuti ne attestano l'efficacia nel fornire una soluzione di tipo probabilistico al problema del source apportionment. La ricerca fornisce pertanto un avanzato strumento analitico a supporto dei ricercatori ambientali e delle amministrazioni territoriali, delineando una base per l'implementazione di strategie mirate di gestione della qualità dell'aria e di mitigazione dell'inquinamento.