Czy można przewidzieć zanieczyszczenie powietrza?

Podobnie jak w przypadku prognozowania pogody, istnieją modele do przewidywania poziomów zanieczyszczenia powietrza i jego jakości. Istnieje wiele modeli prognostycznych, które wymagają większej złożoności niż modele prognozy pogody. Modele te są matematycznymi symulacjami rozprzestrzeniania się zanieczyszczeń w powietrzu (1).

Dlaczego potrzebne są informacje o jakości powietrza

Zanieczyszczenie powietrza występuje, gdy otaczające powietrze zawiera gazy, pyły, opary lub zapachy w ilościach wystarczająco dużych, aby były szkodliwe dla zdrowia ludzi i zwierząt lub wystarczające, aby spowodować uszkodzenie roślin i materiałów.

Zanieczyszczenie powietrza jest jednym z największych zabójców naszych czasów. Zanieczyszczone powietrze jest odpowiedzialne za około 7 milionów zgonów na całym świecie każdego roku: około 3 miliony z powodu zanieczyszczenia powietrza w gospodarstwach domowych i 4 miliony z powodu zanieczyszczenia powietrza w otoczeniu (na zewnątrz) (2) (3). Dane wykazały, że zanieczyszczenie powietrza na całym świecie jest powiązane z:

• 19% wszystkich zgonów z przyczyn sercowo-naczyniowych
• 24% zgonów z powodu choroby niedokrwiennej serca
• 21% zgonów spowodowanych udarem mózgu
• 23% zgonów z powodu raka płuc(4)

Ponadto zanieczyszczenie powietrza na zewnątrz wydaje się być ważnym czynnikiem ryzyka zaburzeń neurorozwojowych u dzieci (5) i chorób neurodegeneracyjnych u dorosłych (6).

Biorąc pod uwagę ekonomiczne, ekologiczne i ludzkie skutki zanieczyszczenia powietrza, technologia prognozowania staje się coraz ważniejszym przedsięwzięciem.

Korzyści z informacji o zanieczyszczeniu powietrza i prognozowania

Prognozowanie zanieczyszczenia powietrza jest opłacalną inwestycją na wielu poziomach - indywidualnym, społecznym, krajowym i globalnym. Dokładne prognozowanie pomaga ludziom planować z wyprzedzeniem, zmniejszając wpływ na zdrowie i związane z tym koszty.

Gdy ludzie są świadomi różnic w jakości powietrza, którym oddychają, wpływu zanieczyszczeń na ich zdrowie, a także stężeń, które mogą powodować niekorzystne skutki, istnieje większe prawdopodobieństwo motywowania zmian zarówno w zachowaniach indywidualnych, jak i polityce publicznej (7) (8).

Taka świadomość może przyczynić się do stworzenia czystszego środowiska i zdrowszej populacji. Rządy wykorzystują również wczesne prognozowanie do ustanowienia procedur mających na celu zmniejszenie dotkliwości lokalnych poziomów zanieczyszczeń (9).

Dokładność prognozowania jakości powietrza

Podczas prognozowania jakości powietrza należy wziąć pod uwagę wiele zmiennych, z których niektóre są dość nieprzewidywalne. Na przykład władze Pekinu czasami nakazują zamknięcie elektrowni węglowych i fabryk oraz zakazują eksploatacji części z milionów zarejestrowanych pojazdów w mieście (10).

Poziomy zanieczyszczenia powietrza są silnie skorelowane z lokalnymi warunkami pogodowymi i pobliskimi emisjami zanieczyszczeń (11) (12). Jednak transport zanieczyszczeń na duże odległości - poprzez silne wiatry - jest również istotnym czynnikiem wpływającym i musi być brany pod uwagę przy prognozowaniu lokalnych odczytów AQI (13).

Przewidywanie jakości powietrza wiąże się zatem nie tylko z trudnościami związanymi z prognozowaniem pogody, ale wymaga również danych i wiedzy na temat:

• lokalnych stężeń i emisji zanieczyszczeń
• Stężenia zanieczyszczeń i emisje z odległych lokalizacji
• Przemieszczanie się i możliwe przekształcenia zanieczyszczeń
• Przeważające wiatry

Wiele czynników wpływających na przewidywanie jakości powietrza powoduje, że prognozy zanieczyszczenia powietrza są zarówno subiektywne, jak i obiektywne.

Techniki prognozowania jakości powietrza

Istnieje wiele takich modeli prognostycznych i wszystkie wymagają większej złożoności niż modele prognozy pogody. Modele te są matematycznymi symulacjami rozprzestrzeniania się zanieczyszczeń w powietrzu.

Prognozowanie meteorologiczne

Pierwszym krokiem do dokładnej prognozy jakości powietrza jest doskonała prognoza pogody. Prognozowanie meteorologiczne (pogody) można podzielić na trzy główne kategorie: klimatologia, metody statystyczne i modele trójwymiarowe (3-D).

Klimatologia

Klimatologia wykorzystuje przeszłość jako wskaźnik przyszłości. Metoda ta opiera się na związku między określonymi warunkami pogodowymi a poziomami zanieczyszczeń, a zatem może być bardzo jednowymiarowa. Metoda ta jest często rozszerzana o dopasowanie wzorców pogodowych do wzorców zanieczyszczeń. Metoda ta ma wiele ograniczeń i jest postrzegana jako narzędzie uzupełniające inne metody prognozowania.

Metody statystyczne

Związek między jakością powietrza a pogodą można określić ilościowo za pomocą metod statystycznych. Trzy najczęściej stosowane obejmują:

1. Drzewo klasyfikacji i regresji (CART) jest przeznaczone do klasyfikowania danych w różne grupy. Oprogramowanie identyfikuje zmienne, które korelują z poziomami zanieczyszczeń w otoczeniu. Dane są wykorzystywane do prognozowania stężeń w oparciu o warunki pogodowe i skorelowane stężenia zanieczyszczeń.
2. Analiza regresji szacuje zależności między zmiennymi. Analizując zestawy danych historycznych, tworzy się powiązania między poziomami zanieczyszczeń a zmiennymi danych meteorologicznych. Wynikiem jest równanie, które można wykorzystać do prognozowania przyszłych poziomów zanieczyszczeń.
3. Sztuczne sieci neuronowe wykorzystują adaptacyjne techniki uczenia się i rozpoznawania wzorców. Algorytmy komputerowe są zaprojektowane tak, aby symulować zdolność ludzkiego mózgu do rozpoznawania wzorców. Jest to prawdopodobnie najbardziej odpowiednia metoda prognozowania zanieczyszczeń ze względu na jej wielowymiarowe podejście.

Jedną z wad powyższych metod statystycznych jest to, że zakładają one stabilność procesów wpływających na jakość powietrza. Dlatego wszelkie drastyczne zmiany emisji lub klimatu (krótko- lub długoterminowe) poważnie zmniejszą dokładność tych technik. Istnieją bardziej złożone metody, które próbują uwzględnić te niedociągnięcia. Są one znane jako modele trójwymiarowe.

Modele trójwymiarowe (3-D)

Modele trójwymiarowe matematycznie reprezentują wszystkie ważne procesy, które mają wpływ na poziom zanieczyszczenia powietrza na zewnątrz. Modele trójwymiarowe symulują emisję, transport i transformację zanieczyszczeń powietrza poprzez wykorzystanie kilku podmodeli, w tym:

• Model emisji: Symuluje przestrzenny rozkład emisji zarówno ze źródeł naturalnych, jak i ludzkich.
• Model meteorologiczny: Tworzy model trajektorii w celu przewidywania poziomów zanieczyszczeń w otoczeniu przy użyciu trójwymiarowego modelu meteorologicznego i danych dotyczących emisji.
• Model chemiczny: Analizuje transformację pierwotnego (emitowanego) zanieczyszczenia w zanieczyszczenie wtórne w celu określenia wyniku zanieczyszczenia (14).

7-dniowe prognozy jakości powietrza

IQAir's Platforma AirVisual udostępnia prognozy jakości powietrza za pośrednictwem aplikacji mobilnej i strony internetowej. Oprócz informacji o jakości powietrza w czasie rzeczywistym, pogodzie i odczytach zanieczyszczeń, platforma zawiera 7-dniowe prognozy jakości powietrza, dzięki czemu można podejmować świadome decyzje dotyczące zdrowia i dobrego samopoczucia, a także jest pomocna w odpowiednim planowaniu. Platforma wykorzystuje zaawansowane modele prognozowania, ewoluujące algorytmy i uczenie maszynowe do generowania prognoz jakości powietrza, które są dokładne na tydzień do przodu.

Dzięki 7-dniowym prognozom AirVisual osoby prywatne i rządy mogą podejmować proaktywne kroki w przypadku przewidywanych obaw o jakość powietrza.

Na wynos

Techniki i narzędzia prognozowania zanieczyszczeń szybko się poprawiają i będą nadal zwiększać dokładność. Dokładne i dostępne prognozy zanieczyszczenia powietrza, takie jak te znalezione w AirVisual, pomagają podnieść świadomość społeczną, pozwalają wrażliwym populacjom planować z wyprzedzeniem i dostarczają rządom informacji na temat ostrzeżeń dotyczących zdrowia publicznego.