Synergy of machine learning models, statistical analysis and geoinformatic tools to assess population exposure to air pollution and related health impacts

Abstract

As growing environmental pressures challenge urban resilience, sustainability, and human well-being, the availability of high-resolution geospatial information, down to the intra-urban scale, remains a critical gap for effective, tailored decision-making. Addressing this gap in the field of air quality and its health impacts, the central objective of this PhD study is the development of methodologies for the spatial representation of atmospheric emissions, pollutant concentrations, and population exposure at very high resolution, down to several hundred meters. Additionally, based on the developed methodologies, the relationships between air pollution—its levels and spatiotemporal dynamics—and health outcomes, in conjunction with relevant socio-economic factors, are investigated. Specifically, a methodology for creating high-resolution emission inventories across Europe, starting from the Copernicus Atmosphere Monitoring Service (CAMS), at a base resolution of 0.1° × 0.05°, is developed. This top-down approach, built upon the CAMS-REG-AP database for anthropogenic emissions, generates value-added products for road transport emissions (line sources), industrial point-source emissions, and area sources, redistributed to a 1 km2 grid annually. The spatial disaggregation leveraged publicly available, high-resolution datasets tailored to each source category, including population density from the Global Human Settlement (GHS), land-use classifications from the Copernicus Land Monitoring Service (CLC 2018), the OpenStreetMap (OSM) road network, and marine traffic density from the European Marine Observation and Data Network (EMODNet). This methodology is conducted through UrbEm, a geospatial tool that enables the reliable and scalable generation of high-resolution emission inventories for any European urban center or region. Within the scope of this PhD study, the methodology is implemented and evaluated in Athens, with detailed pollutant—and sector-specific assessments. In parallel, annual emission inventories are developed for 12 European cities with varying geographic and meteorological characteristics, allowing comparative analysis of the methodology’s performance in capturing urban-scale pollution. Athens’ high-resolution inventory is integrated into an urban-scale air pollution Chemistry Transport Model capable of simulating the transport and physicochemical transformation of pollutants at the street level. The model's outputs are evaluated against ground-based observations and satellite-derived data, offering insights into both horizontal and vertical pollutant distributions. Furthermore, the advancement from annual to monthly emission high-resolution inventories is a significant enhancement. Combining the CAMS-REG database with CAMS-TEMPO spatiotemporal profiles results in the first high-resolution monthly emissions inventory for PM2.5 and NOx in Greece, a dataset suitable for developing long-term exposure estimates across the whole country for the first time. The lack of high-resolution, long-term PM2.5 observations in Greece hinders the development of spatial models, crucial for providing representative exposure estimates to health studies. This PhD presents contributions and improvements along the whole chain of a spatial modeling approach to address this gap and assess PM2.5 spatial variability in Greece, by integrating in-situ observations, meteorological parameters, emission inventories, and satellite AOD data, among others. A high-resolution (1 km²) gridded dataset of PM2.5 concentrations across Greece from 2015 to 2022 has been developed, and seven statistical, machine learning, and hybrid models have been evaluated under different prediction scenarios. The Random Forest (RF) model demonstrates superior performance (R² = 0.73, MAE = 2.2 μg m-3), validated against ground-based measurements. Winter months consistently show the highest PM2.5 levels, averaging 16.8 μg m-3, across the domain, primarily due to residential biomass burning (BB) and limited atmospheric dispersion. Summer months have the lowest concentrations, averaging 10.3 μg m-3, while substantial decreases nationwide were observed during the 2020 COVID-19 lockdown. Population exposure analysis indicates that the entire Greek population was exposed to long-term PM2.5 concentrations exceeding the WHO air quality guideline (AQG) of 5 μg m-3. Moreover, the dataset reveals elevated PM2.5 levels across several regions of mainland Greece. Notably, 70% to 90% of the population experience levels exceeding 10 μg m-3 in Central and Northern regions of continental Greece like Thessaly, Central Macedonia, and Ioannina. The Ioannina region, which is severely impacted by residential BB, recorded pollution levels up to five times the WHO AQG highlighting the urgent need for targeted interventions. The high-resolution RF model’s superior performance for monthly average concentrations, compared to the CAMS European air quality reanalysis dataset, renders it a reliable tool for long-term PM2.5 assessment in Greece that can support air quality management and health studies. In addition, the RF‘s high-resolution (1 km2) dataset of PM2.5 concentrations is integrated with health data and socioeconomic parameters. The aim is to support evidence-based and targeted decision-making across all levels of administrative governance. A cause-specific mortality analysis is conducted to further explore the impacts of air pollution, as well as other environmental and social stressors, on health.National-level assessments of the health effects of air pollution in Greece remain limited. While large-scale cohort studies have advanced our understanding of these impacts, a key constraint persists: the lack of publicly available, high-resolution spatiotemporal mortality data. To address this gap, the present study investigates PM2.5-related mortality from 2015 to 2020, considering the combined influence of environmental and socioeconomic stressors across six cause-specific mortality categories, 333 municipalities, and 13 administrative regions. Using a Generalized Linear Mixed Model (GLMM) with both a Poisson and a Negative Binomial distribution, we identify significant associations between PM2.5 exposure and increased mortality from respiratory (RESP), cardiovascular (CVD), lung cancer (LUNG), and genitourinary diseases (GU) diseases, highlighting the substantial public health burden of air pollution. In contrast, mental and behavioral disorders (MBD) and diabetes mellitus (DM) show weaker associations, suggesting the influence of other unmeasured factors. PM2.5 exposure is linked to an approximate 4% increase in mortality for RESP, CVD, and LUNG. The interaction of air pollution with temperature, relative humidity, and poverty influence mortality patterns, suggesting complex relationships between environmental and socioeconomic determinants. Spatial disparities are evident, with insular regions facing the highest mortality risks, while Attica exhibits up to 70% lower risks, likely due to better healthcare infrastructure. Socioeconomic factors amplify disparities, with unemployment increasing risks up to eightfold, while lower educational attainment is surprisingly linked to reduced mortality. Occupational groups in high-stress jobs show elevated risks, underscoring the role of occupational exposures and psychosocial stress.

Καθώς οι αυξανόμενες περιβαλλοντικές πιέσεις επηρεάζουν την αστική ανθεκτικότητα, τη βιωσιμότητα και την ανθρώπινη ευημερία, οι υψηλής ανάλυσης γεωχωρικές πληροφορίες, μέχρι και το επίπεδο ενδο-αστικής κλίμακας, αποτελούν ένα σαφώς ταυτοποιημένο κενό για την αποτελεσματική και προσαρμοσμένη λήψη αποφάσεων. Προκειμένου να καλυφθεί αυτό το κενό στον τομέα της ποιότητας του αέρα και των επιπτώσεών της στην υγεία, ο κύριος στόχος της παρούσας διδακτορικής διατριβής είναι η ανάπτυξη μεθοδολογιών για την χωρική αναπαράσταση των ατμοσφαιρικών εκπομπών, των συγκεντρώσεων ρύπων και της έκθεσης του πληθυσμού σε πολύ υψηλή ανάλυση – ως και ορισμένων εκατοντάδων μέτρων. Οι μεθοδολογίες αυτές χρησιμοποιήθηκαν για την λεπτομερή μελέτη και διευκρίνηση των σχέσεων της αέριας ρύπανσης, αναφορικά με τα επίπεδα και τις χωροχρονικές της μεταβολές, με παραμέτρους υγείας και σχετικούς κοινωνικο-οικονομικούς παράγοντες. Συγκεκριμένα, αναπτύχθηκε μια μεθοδολογία για τη δημιουργία καταλόγων εκπομπών υψηλής ανάλυσης σε ολόκληρη την Ευρώπη, ξεκινώντας από την Υπηρεσία Παρακολούθησης της Ατμόσφαιρας Copernicus (CAMS), με βασική ανάλυση 0,1° × 0,05°. Αυτή η προσέγγιση (top-down), που βασίζεται στη βάση δεδομένων CAMS-REG-AP για τις ανθρωπογενείς εκπομπές, παράγει προϊόντα προστιθέμενης αξίας για τις εκπομπές των οδικών μεταφορών (πηγές γραμμής), τις βιομηχανικές σημειακές εκπομπές και τις πηγές περιοχής, που αναδιανέμονται σε πλέγμα 1 km2 ετησίως. Η χωρική διαίρεση αξιοποίησε δημόσια διαθέσιμα σύνολα δεδομένων υψηλής ανάλυσης προσαρμοσμένα σε κάθε κατηγορία πηγής, συμπεριλαμβανομένης της πυκνότητας πληθυσμού από το Global Human Settlement (GHS), των χρήσεων γης από την υπηρεσία παρακολούθησης γης Copernicus (CLC 2018), του οδικού δικτύου OpenStreetMap (OSM) και της πυκνότητας της θαλάσσιας κυκλοφορίας από το Ευρωπαϊκό Δίκτυο Θαλάσσιων Παρατηρήσεων και Δεδομένων (EMODNet). Η μεθοδολογία αυτή διεξάγεται μέσω του UrbEm, ενός γεωχωρικού εργαλείου που επιτρέπει την εύκολη και αξιόπιστη παραγωγή απογραφών εκπομπών υψηλής ανάλυσης για οποιοδήποτε ευρωπαϊκό αστικό κέντρο ή περιοχή. Στο πλαίσιο της παρούσας διδακτορικής διατριβής, η μεθοδολογία αυτή εφαρμόστηκε και αξιολογήθηκε για την Αθήνα, με λεπτομερείς εκτιμήσεις ανά ρύπο και πηγή. Παράλληλα, αναπτύχθηκαν ετήσιες βάσεις εκπομπών για 12 ευρωπαϊκές πόλεις με διαφορετικά γεωγραφικά και μετεωρολογικά χαρακτηριστικά, επιτρέποντας τη συγκριτική ανάλυση της απόδοσης της μεθοδολογίας στην καταγραφή της ρύπανσης σε αστική κλίμακα. Η βάση εκπομπών υψηλής ανάλυσης της Αθήνας ενσωματώθηκε σε ένα μοντέλο διασποράς ατμοσφαιρικής ρύπανσης αστικής κλίμακας, ικανό να προσομοιώνει τη μεταφορά και τη φυσικοχημική μετατροπή των ρύπων σε επίπεδο δρόμου. Τα αποτελέσματα του μοντέλου αξιολογήθηκαν σε σύγκριση με επίγειες παρατηρήσεις και δορυφορικά δεδομένα, προσφέροντας πληροφορίες τόσο για την οριζόντια όσο και για την κατακόρυφη κατανομή των ρύπων.Επιπλέον, η εξέλιξη από ετήσιες σε μηνιαίες βάσεις εκπομπών υψηλής ανάλυσης αποτελεί σημαντική βελτίωση. Ο συνδυασμός της βάσης δεδομένων CAMS-REG με τα χωροχρονικά προφίλ CAMS-TEMPO οδήγησε στην δημιουργία της πρώτης μηνιαίας βάσης εκπομπών υψηλής ανάλυσης για τους ρύπους PM2.5 και τα NOx για όλη την Ελλάδα, ένα σύνολο δεδομένων κατάλληλο για την ανάπτυξη μακροπρόθεσμων εκτιμήσεων έκθεσης σε ολόκληρη τη χώρα. Εστιάζοντας στα PM2.5, ο οποιος ειναι σημαντικός για την δημοσια υγεία και την εκθεση του πληθυσμού πρέπει να σημειωθεί ότι η έλλειψη υψηλής ανάλυσης, μακροχρόνιων παρατηρήσεων PM2.5 στην Ελλάδα και την Ανατολική Μεσόγειο εμποδίζει την ανάπτυξη χωρικών μοντέλων, τα οποία είναι ζωτικής σημασίας για την παροχή αντιπροσωπευτικών εκτιμήσεων έκθεσης σε μελέτες υγείας. Η παρούσα εργασία παρουσιάζει μια προσέγγιση χωρικής μοντελοποίησης για την αντιμετώπιση αυτού του κενού και την εκτίμηση της χωρικής μεταβλητότητας των PM2.5 για πρώτη φορά σε εθνικό επίπεδο στην Ελλάδα, ενσωματώνοντας μεταξύ άλλων in-situ παρατηρήσεις, μετεωρολογικά δεδομένα, δεδομένα εκπομπών και δορυφορικά δεδομένα AOD. Αναπτύχθηκε ένα σύνολο δεδομένων υψηλής ανάλυσης (1 km²) σε πλέγμα για τις συγκεντρώσεις PM2.5 σε όλη την Ελλάδα από το 2015 έως το 2022 και αξιολογήθηκαν επτά στατιστικά μοντέλα, μοντέλα μηχανικής μάθησης και υβριδικά μοντέλα υπό διαφορετικά σενάρια πρόβλεψης. Το μοντέλο Random Forest (RF) επιδεικνύει ανώτερη απόδοση (R² = 0,73, MAE = 2,2 μg m-3), επικυρωμένο έναντι επίγειων μετρήσεων. Οι χειμερινοί μήνες παρουσιάζουν σταθερά τα υψηλότερα επίπεδα PM2.5, κατά μέσο όρο 16,8 μg m-3, σε όλη την περιοχή, κυρίως λόγω της οικιακής καύσης βιομάζας (ΒΒ) και της περιορισμένης ατμοσφαιρικής διασποράς. Οι καλοκαιρινοί μήνες έχουν τις χαμηλότερες συγκεντρώσεις, κατά μέσο όρο 10,3 μg m-3, ενώ παρατηρήθηκαν σημαντικές μειώσεις σε εθνικό επίπεδο κατά τη διάρκεια του αποκλεισμού του COVID-19 το 2020. Η ανάλυση της έκθεσης του πληθυσμού δείχνει ότι το σύνολο του ελληνικού πληθυσμού εκτέθηκε σε μακροχρόνιες συγκεντρώσεις PM2.5 που υπερβαίνουν την κατευθυντήρια γραμμή (AQG) του ΠΟΥ για την ποιότητα του αέρα των 5 μg m-3. Επιπλέον, το σύνολο δεδομένων αποκαλύπτει αυξημένα επίπεδα PM2.5 σε διάφορες περιοχές της ηπειρωτικής Ελλάδας. Ειδικότερα, το 70% έως 90% του πληθυσμού αντιμετωπίζει επίπεδα που υπερβαίνουν τα 10 μg m-3 στις κεντρικές και βόρειες περιοχές της ηπειρωτικής Ελλάδας, όπως η Θεσσαλία, η Κεντρική Μακεδονία και τα Ιωάννινα. Η περιοχή των Ιωαννίνων, η οποία επηρεάζεται σημαντικά από την οικιακή ΒΒ, κατέγραψε επίπεδα ρύπανσης έως και πενταπλάσια του AQG του ΠΟΥ, υπογραμμίζοντας την επείγουσα ανάγκη για στοχευμένες παρεμβάσεις. Η ανώτερη απόδοση του υψηλής ανάλυσης μοντέλου RF για τις μέσες μηνιαίες συγκεντρώσεις, σε σύγκριση με το σύνολο δεδομένων CAMS European air quality reanalysis, το καθιστά αξιόπιστο εργαλείο για τη μακροπρόθεσμη αξιολόγηση των PM2.5 στην Ελλάδα, το οποίο μπορεί να υποστηρίξει τη διαχείριση της ποιότητας του αέρα και τις μελέτες για την υγεία. Επιπλέον, το σύνολο δεδομένων υψηλής ανάλυσης (1 km2) για τις συγκεντρώσεις PM2.5, που προέκυψε μέσω του μοντέλου RF και καλύπτει το σύνολο της ελληνικής επικράτειας, συνδυάστηκε με δείκτες υγείας και κοινωνικοοικονομικά δεδομένα. Ο στόχος ήταν η υποστήριξη τεκμηριωμένης και στοχευμένης λήψης αποφάσεων, προσαρμοσμένης σε κάθε επίπεδο διοικητικής κλίμακας. Για την περαιτέρω διερεύνηση των επιπτώσεων της ατμοσφαιρικής ρύπανσης και άλλων περιβαλλοντικών ή κοινωνικών πιέσεων στην υγεία, πραγματοποιήθηκε ανάλυση δεδομένων θνησιμότητας με έμφαση σε συγκεκριμένες αιτίες. Αναλυτικότερα, στην Ελλάδα, οι εθνικές αξιολογήσεις των επιπτώσεων της ατμοσφαιρικής ρύπανσης στην υγεία είναι σπάνιες. Παρότι οι εκτεταμένες μελέτες κοορτών έχουν προωθήσει την κατανόηση των επιπτώσεων της ατμοσφαιρικής ρύπανσης στην υγεία, ένας βασικός περιορισμός παραμένει η έλλειψη μεγάλης κλίμακας, δημόσια διαθέσιμων χωροχρονικών δεδομένων θνησιμότητας. Για να καλυφθεί αυτό το κενό, η παρούσα μελέτη διερευνά τη θνησιμότητα που σχετίζεται με τα PM2.5 από το 2015 έως το 2020, λαμβάνοντας υπόψη τις συνδυασμένες επιδράσεις περιβαλλοντικών και κοινωνικοοικονομικών στρεσογόνων παραγόντων σε έξι κατηγορίες θνησιμότητας ειδικών αιτιών σε 333 δήμους και 13 περιφέρειες.Χρησιμοποιώντας ένα γενικευμένο γραμμικό μικτό μοντέλο και εξετάζοντας τις κατανομές Poisson και Negative binominal, εντοπίζουμε σημαντικές συσχετίσεις μεταξύ της έκθεσης σε PM2.5 και της αυξημένης θνησιμότητας από αναπνευστικές (RESP), καρδιαγγειακές (CVD), καρκίνο του πνεύμονα (LUNG) και ουρογεννητικές παθήσεις (GU), αναδεικνύοντας τη σημαντική επιβάρυνση της δημόσιας υγείας από την ατμοσφαιρική ρύπανση. Αντίθετα, οι ψυχικές διαταραχές και οι διαταραχές συμπεριφοράς (MBD) και ο σακχαρώδης διαβήτης (DM) παρουσιάζουν ασθενέστερες συσχετίσεις, γεγονός που υποδηλώνει την επίδραση άλλων μη μετρήσιμων παραγόντων. Η έκθεση σε PM2.5 συνδέεται με περίπου 4% αύξηση της θνησιμότητας για RESP, CVD και LUNG. Η αλληλεπίδραση της ατμοσφαιρικής ρύπανσης με τη θερμοκρασία, τη σχετική υγρασία και τη φτώχεια επηρεάζουν τα πρότυπα θνησιμότητας, υποδηλώνοντας πολύπλοκες σχέσεις μεταξύ περιβαλλοντικών και κοινωνικοοικονομικών παραγόντων. Οι χωρικές ανισότητες είναι εμφανείς, με τις νησιωτικές περιοχές να αντιμετωπίζουν τους υψηλότερους κινδύνους θνησιμότητας, ενώ η Αττική εμφανίζει έως και 70% χαμηλότερους κινδύνους, πιθανότατα λόγω των καλύτερων υποδομών υγειονομικής περίθαλψης. Οι κοινωνικοοικονομικοί παράγοντες ενισχύουν τις ανισότητες, με την ανεργία να αυξάνει τους κινδύνους έως και οκτώ φορές, ενώ το χαμηλότερο μορφωτικό επίπεδο συνδέεται απροσδόκητα με μειωμένη θνησιμότητα. Όσον αφορά το επάγγελμα, φαίνεται ότι οι επαγγελματίες σε ανώτερες θέσεις εργασίας εμφανίζουν αυξημένους κινδύνους, υπογραμμίζοντας τον ρόλο της επαγγελματικής έκθεσης και του ψυχοκοινωνικού στρες.