Bolehkah pencemaran udara diramalkan?

Sama seperti ramalan cuaca, terdapat model untuk meramalkan tahap pencemaran udara dan kualiti udara. Terdapat banyak model ramalan yang memerlukan kerumitan yang lebih tinggi berbanding model ramalan cuaca. Model-model ini ialah simulasi matematik tentang bagaimana bahan pencemar bawaan udara tersebar di udara (1).

Mengapa maklumat kualiti udara diperlukan

Pencemaran udara berlaku apabila udara di sekeliling mengandungi gas, habuk, asap atau bau dalam kuantiti yang cukup tinggi sehingga memudaratkan kesihatan manusia dan haiwan atau cukup untuk menyebabkan kerosakan kepada tumbuhan dan bahan.

Pencemaran udara ialah salah satu pembunuh utama pada zaman kita. Udara tercemar dianggarkan menyebabkan 7 juta kematian di seluruh dunia setiap tahun: kira-kira 3 juta daripada pencemaran udara isi rumah dan 4 juta daripada pencemaran udara ambien (luar) (2) (3). Data menunjukkan bahawa pencemaran udara di seluruh dunia dikaitkan dengan:

• 19% daripada semua kematian kardiovaskular
• 24% daripada kematian penyakit jantung iskemia
• 21% daripada kematian akibat strok
• 23% daripada kematian akibat kanser paru-paru(4)

Selain itu, pencemaran udara luar nampaknya merupakan faktor risiko penting bagi gangguan perkembangan saraf dalam kalangan kanak-kanak (5) dan penyakit neurodegeneratif dalam kalangan orang dewasa (6).

Dengan kesan ekonomi, ekologi dan kemanusiaan yang disebabkan oleh pencemaran udara, teknologi peramalan menjadi usaha yang semakin penting.

Manfaat maklumat dan peramalan pencemaran udara

Peramalan pencemaran udara ialah pelaburan yang berbaloi pada pelbagai peringkat - individu, komuniti, kebangsaan dan global. Peramalan yang tepat membantu orang ramai merancang lebih awal, sekali gus mengurangkan kesan terhadap kesihatan dan kos yang berkaitan.

Apabila orang ramai menyedari variasi dalam kualiti udara yang mereka hirup, kesan bahan pencemar terhadap kesihatan mereka, serta kepekatan yang berkemungkinan menyebabkan kesan buruk, terdapat kebarangkalian yang lebih tinggi untuk mendorong perubahan dalam kedua-dua tingkah laku individu dan dasar awam (7) (8).

Kesedaran sedemikian berpotensi mewujudkan persekitaran yang lebih bersih dan populasi yang lebih sihat. Kerajaan juga menggunakan peramalan awal untuk menetapkan prosedur bagi mengurangkan tahap keterukan pencemaran setempat (9).

Ketepatan dalam peramalan kualiti udara

Apabila meramalkan kualiti udara, terdapat banyak pemboleh ubah yang perlu dipertimbangkan, dan sebahagiannya agak sukar diramal. Sebagai contoh, pihak berkuasa Beijing kadangkala mengarahkan loji arang batu dan kilang ditutup serta melarang sebahagian daripada jutaan kenderaan berdaftar di bandar itu daripada beroperasi (10).

Tahap pencemaran udara sangat berkorelasi dengan keadaan cuaca tempatan dan pelepasan pencemaran berhampiran (11) (12). Walau bagaimanapun, pengangkutan pencemaran jarak jauh - melalui angin kencang - juga merupakan faktor pengaruh yang signifikan dan mesti diambil kira apabila meramalkan bacaan AQI tempatan (13).

Oleh itu, meramalkan kualiti udara bukan sahaja melibatkan kesukaran peramalan cuaca, malah ia juga memerlukan data serta pengetahuan tentang:

• Kepekatan dan pelepasan bahan pencemar tempatan
• Kepekatan dan pelepasan bahan pencemar dari lokasi yang jauh
• Pergerakan dan kemungkinan transformasi bahan pencemar
• Corak angin semasa

Banyak faktor yang terlibat dalam meramalkan kualiti udara menjadikan peramalan pencemaran udara bersifat subjektif dan objektif.

Teknik peramalan kualiti udara

Terdapat banyak model ramalan seperti ini, dan semuanya memerlukan kerumitan yang lebih tinggi berbanding model ramalan cuaca. Model-model ini ialah simulasi matematik tentang bagaimana bahan pencemar bawaan udara tersebar di udara.

Ramalan meteorologi

Langkah pertama untuk ramalan kualiti udara yang tepat ialah ramalan cuaca yang cemerlang. Ramalan meteorologi (cuaca) boleh dikategorikan kepada tiga kategori utama: klimatologi, kaedah statistik dan model tiga dimensi (3-D).

Klimatologi

Klimatologi menggunakan masa lalu sebagai petunjuk masa depan. Kaedah ini berdasarkan hubungan antara keadaan cuaca tertentu dan tahap pencemaran, dan oleh itu boleh menjadi sangat satu dimensi. Kaedah ini sering diperluas untuk merangkumi pemadanan corak cuaca dengan corak pencemaran. Terdapat banyak batasan pada kaedah ini dan ia dilihat sebagai alat untuk melengkapkan kaedah ramalan yang lain.

Kaedah statistik

Hubungan antara corak kualiti udara dan cuaca boleh diukur menggunakan kaedah statistik. Tiga yang paling lazim digunakan termasuk:

1. Pohon klasifikasi dan regresi (CART) direka untuk mengelaskan data kepada kumpulan yang berbeza. Perisian mengenal pasti pemboleh ubah yang berkorelasi dengan tahap pencemaran ambien. Data tersebut digunakan untuk meramalkan kepekatan berdasarkan keadaan cuaca dan kepekatan bahan pencemar yang berkorelasi.
2. Analisis regresi menganggarkan hubungan antara pemboleh ubah. Dengan menganalisis set data sejarah, perkaitan dibuat antara tahap pencemaran dan pemboleh ubah data meteorologi. Hasilnya ialah satu persamaan yang boleh digunakan untuk meramalkan tahap pencemaran pada masa hadapan.
3. Rangkaian neural tiruan menggunakan teknik pembelajaran adaptif dan pengecaman corak. Algoritma berasaskan komputer direka untuk mensimulasikan keupayaan otak manusia bagi pengecaman corak. Ini boleh diperdebatkan sebagai kaedah yang paling sesuai untuk meramalkan pencemaran kerana pendekatannya yang multidimensi.

Satu kelemahan kaedah statistik di atas ialah ia mengandaikan kestabilan dari segi proses yang mempengaruhi kualiti udara. Oleh itu, sebarang perubahan mendadak pada pelepasan atau iklim (jangka pendek atau panjang) akan mengurangkan ketepatan teknik ini dengan ketara. Terdapat kaedah yang lebih kompleks yang cuba mengambil kira kekurangan ini. Kaedah ini dikenali sebagai model tiga dimensi.

Model tiga dimensi (3-D)

Model tiga dimensi mewakili secara matematik semua proses penting yang memberi kesan kepada tahap pencemaran udara luar. Model tiga dimensi mensimulasikan pelepasan, pengangkutan dan transformasi pencemaran udara dengan menggunakan beberapa submodel, termasuk:

• Model pelepasan: Mensimulasikan taburan spatial pelepasan daripada kedua-dua sumber semula jadi dan sumber manusia.
• Model meteorologi: Mewujudkan model trajektori untuk meramalkan tahap pencemaran ambien menggunakan model meteorologi 3-D dan data pelepasan.
• Model kimia: Meneliti transformasi pencemaran primer (yang dilepaskan) kepada pencemaran sekunder untuk menentukan hasil akhir bahan pencemar tersebut (14).

Ramalan kualiti udara 7 hari

Platform AirVisual IQAir menyediakan ramalan kualiti udara melalui aplikasi mudah alih dan di laman web. Selain maklumat kualiti udara masa nyata, cuaca, dan bacaan pencemaran, platform ini merangkumi ramalan kualiti udara 7 hari, supaya keputusan kesihatan dan kesejahteraan yang bermaklumat dapat dibuat serta membantu merancang lebih awal dengan sewajarnya. Platform ini menggunakan model ramalan termaju, algoritma yang sentiasa berkembang, dan pembelajaran mesin untuk menjana ramalan kualiti udara yang tepat bagi minggu hadapan.

Dengan ramalan 7 hari AirVisual, individu dan kerajaan boleh mengambil langkah proaktif apabila terdapat kebimbangan terhadap kualiti udara yang dijangka.

Kesimpulannya

Teknik dan alat peramalan pencemaran sedang bertambah baik dengan pesat dan akan terus meningkat ketepatannya. Ramalan pencemaran udara yang tepat dan mudah diakses, seperti yang terdapat pada AirVisual, membantu meningkatkan kesedaran awam, membolehkan populasi sensitif merancang lebih awal, dan memberikan kerajaan maklumat untuk amaran kesihatan awam.