Essays on informing policies to abate air pollution

Air pollution is a complex phenomenon and one of the major environmental risks for public health and ecosystems worldwide. This doctoral dissertation uses data-driven methods to inform policy on air pollution through five studies spanning mitigation and adaptation, and scales from global to local. First, we develop an air quality modeling tool that evaluates how sectoral emission scenarios affect ozone and particulate matter (PM) at national and subnational level for policy support. Second, we assess the global feasibility of meeting the World Health Organization's air quality guidelines for fine PM, combining diverse datasets to identify where adaptation policies are most needed to reduce exposure. Third, we build a harmonized classification and metadata set for ground monitoring stations, enabling consistent comparisons of sectoral exposure across countries, regions, and station types for comparative studies and health impact assessments. Fourth, using composition data on coarse PM, we quantify agriculture's contribution to air pollution and health in Lombardy, Italy, showing that single-sector policies are unlikely to deliver large PM reductions. Finally, the fifth chapter turns towards adaptation, and evaluates the impact of a technological intervention involving air purifiers in primary schools in a highly polluted urban setting. Through a randomized controlled trial, we estimate causal effects on indoor air quality, students' health, attendance, perceptions and behavioral outcomes. Together, these chapters try to advance evidence for air quality policy, employing approaches from linear modeling to deep learning and using both measured and derived data in ambient and indoor environments.

L'inquinamento atmosferico è un fenomeno complesso e uno dei principali rischi ambientali per la salute pubblica e gli ecosistemi in tutto il mondo. Questa tesi di dottorato utilizza metodi quantitativi per informare le politiche sull'inquinamento atmosferico attraverso cinque studi che spaziano dalla mitigazione all'adattamento, e dalla scala globale a quella locale. In primo luogo, sviluppiamo modelli di qualità dell'aria che calcolano come scenari di emissioni settoriali influenzino l'ozono e il particolato (PM) fine a livello nazionale e subnazionale, a supporto delle politiche pubbliche. In secondo luogo, valutiamo la fattibilità globale di soddisfare le linee guida dell'Organizzazione Mondiale della Sanità sulla qualità dell'aria per il PM fine, combinando diverse tipologie di dati per identificare dove siano maggiormente necessarie politiche di adattamento per ridurre l'esposizione. In terzo luogo, costruiamo una classificazione armonizzata dei metadati delle centraline di monitoraggio della qualità dell'aria a livello del suolo, consentendo confronti coerenti dell'esposizione settoriale tra Paesi, regioni e tipologie di centraline per studi comparativi e valutazioni dell'impatto sulla salute. In quarto luogo, utilizzando dati sulla composizione del PM grossolano, quantifichiamo il contributo dell'agricoltura all'inquinamento atmosferico e alla salute in Lombardia (Italia), mostrando che è improbabile che politiche monosettoriali conducano a riduzioni significative del PM. Infine, il quinto capitolo si concentra sull'adattamento e valuta l'impatto di un intervento tecnologico che prevede l'installazione di purificatori d'aria nelle scuole primarie in un contesto urbano altamente inquinato. Attraverso uno studio randomizzato controllato, ne stimiamo l'effetto causale sulla qualità dell'aria indoor, sulla salute degli studenti, sulla frequenza scolastica, sulle percezioni e sui comportamenti. Nel complesso, questi capitoli cercano di fornire evidenze scientifiche a sostegno di politiche sulla qualità dell'aria, impiegando approcci che vanno dai modelli lineari al deep learning e utilizzando dati sia misurati che derivati in ambienti outdoor e indoor.