Satellietdata en algoritmen laten zien welk schip te veel stikstof uitstoot
Zeeschepen stoten nog te veel stikstofoxiden uit. Op volle zee is dat onmogelijk te meten, maar dat gaat veranderen. Solomiia Kurchaba combineerde (satelliet)data en ontwikkelde algoritmen om te kunnen aanwijzen welk schip te veel uitstoot. Kurchaba promoveerde 11 juni.
Terwijl auto’s, energiecentrales en industrie steeds minder stikstofoxiden (NOx) uitstoten, blijft de zeescheepvaart achter. Ondanks strengere emissie-eisen voor nieuwe zeeschepen daalt de uitstoot amper. Stikstofoxiden veroorzaken smog en zure regen, ongezond voor mens en natuur. De International Maritime Organization (IMO) wil de uitstoot door zeeschepen reguleren, maar dat is moeilijk. De Oekraïense Solomiia Kurchaba, die in Polen economische en theoretische fysica studeerde: ‘In havens en in de buurt van de kust is de uitstoot te meten, maar op open zee is dat niet haalbaar. Je kunt dus niet zien welk type brandstof een schip daar gebruikt en hoeveel stikstofoxiden het uitstoot.’
Elke dag een wereldkaart van de uitstoot…
Maar nu is daar het satellietinstrument Tropomi onder leiding van het KNMI. Sinds 2017 cirkelt het elke honderd minuten om de aarde heen en meet verschillende stoffen onderin de atmosfeer. Zoals methaan, ozon, koolmonoxide, en: stikstofdioxide (NO2). Kurchaba: ‘Elke dag maakt het complete wereldkaarten waarop je allerlei stoffen kunt monitoren die te maken hebben met luchtkwaliteit en klimaat. Met dit instrument kunnen we luchtvervuiling per land en zelfs per stad in beeld brengen.’ Uit de data is af te leiden welke emissies vrijkomen bij bijvoorbeeld het verbranden van biomassa of bij een kolenmijn. En scheepvaart: ‘Toen ik in 2019 begon, was net bekend dat Tropomi NO2-pluimen van sommige individuele schepen liet zien.’
‘Met dit instrument kunnen we luchtvervuiling per land en zelfs per stad in beeld brengen.’
... Maar wel met veel ruis op de data
Een veelbelovende ontdekking, maar wel een met kanttekeningen. ‘Er zit veel ruis op de data en het is moeilijk om alleen de pluimen van zeeschepen eruit te filteren. Bovendien zijn niet alle scheepspluimen te onderscheiden. Van de grootste schepen misschien, maar hoe ver kun je gaan?’ Dit vraagstuk was het uitgangspunt van Kurchaba’s promotieonderzoek. ‘Ik moest methoden ontwikkelen, gebaseerd op machine learning, waarmee we niet alleen automatisch de scheepspluimen kunnen waarnemen, maar ook weten van welk schip ze afkomstig zijn en of dat schip meer uitstoot dan je zou verwachten.’
Data, nog meer data en algoritmen
Kurchaba combineerde data van Tropomi met onder meer data over welk schip waar vaart en ontwikkelde algoritmen om daaruit de gewenste informatie te leveren. ‘Ik ben trots op het resultaat. We hadden eigenlijk niets, en nu is er een solide basis voor het monitoren van uitstoot door schepen op basis van satellietgegevens. Er is nog wel onderzoek nodig om de manier waarop we informatie uit de satellietsignalen halen te verbeteren en verfijnen. Misschien kunnen andere stoffen ons wel beter helpen de “scheepssporen op te sporen”.’
Controles aan boord
Als het systeem is geïmplementeerd, kan de Inspectie Leefomgeving en Transport (ILT) van het Ministerie van Infrastructuur en Rijkswaterstaat het gebruiken. ‘Inspecteurs kunnen dan op basis hiervan aan boord gaan bij precies die schepen die een afwijkende uitstoot laten zien. Dan kunnen ze bijvoorbeeld de brandstofkwaliteit controleren, en nakijken hoe de motor staat afgesteld.’ Het ILT financierde het onderzoek, om tegemoet te kunnen komen aan de strengere eisen die de IMO stelt aan stikstof- en zwaveluitstoot.
Geen genoeg van te krijgen
Kurchaba vond het soms behoorlijk lastig om alle problemen op te lossen die ze tegenkwam. Maar ze heeft nog niet genoeg van Tropomi. ‘Bij ruimteonderzoekscentrum SRON werk ik nu niet met data over stikstofoxide, maar over methaan. Ik gebruik opnieuw machine learning, maar nu om voor de Verenigde Naties methaanpluimen te detecteren van superuitstoters zoals kolenmijnen, stortplaatsen, de olie- en gasindustrie.’
Proefschrift en promotie
Solomiia Kurchaba promoveerde 11 juni 2024 op het proefschrift Machine learning-based NO2 estimation from seagoing ships using TROPOMI/S5P satellite data. Haar begeleiders waren Cor Veenman, Fons Verbeek en Jacqueline Meulman.