Giới thiệu
Ô nhiễm không khí xảy ra khi không khí xung quanh chứa khí, bụi, khói hoặc mùi với hàm lượng đủ lớn để gây hại. Tức là, hàm lượng có thể gây hại cho sức khỏe con người và động vật hoặc đủ lớn để gây hại cho cây trồng và vật liệu.
Ô nhiễm thường được đo lường như một chỉ số chất lượng không khí (AQI) Chỉ số AQI được nhiều cơ quan chính phủ sử dụng để đánh giá mức độ ô nhiễm không khí trong một khu vực. Khi chỉ số AQI tăng, tỷ lệ dân số có khả năng gặp phải các tác động xấu đến sức khỏe cũng tăng theo.
Nhận thức của mọi người về ô nhiễm không khí đang tăng nhanh chóng và do đó, nhu cầu về dự báo chất lượng không khí chính xác cũng tăng theo (Saadi et al. 2005).
Tuy nhiên, việc dự báo ô nhiễm, cũng giống như thời tiết, rất khó dự đoán. Có rất nhiều biến số cần phải tính đến - một số trong đó khá "khó dự đoán", chẳng hạn như sự can thiệp của chính phủ và thiên tai, cả hai đều có thể có tác động to lớn đến AQI (Dye, 2003).
Tuy nhiên, dự báo chất lượng không khí chính xác đang ngày càng trở thành công cụ quan trọng có thể mang lại lợi ích kinh tế và xã hội đáng kể - trong đó lợi ích lớn nhất là lập kế hoạch (Saadi và cộng sự, 2005). Dự báo cho phép người dân thực hiện các biện pháp phòng ngừa để tránh hoặc hạn chế tiếp xúc với mức độ ô nhiễm không khí không tốt cho sức khỏe (Dye, 2003). Chính phủ cũng có thể sử dụng dự báo sớm để thiết lập các quy trình ngay từ đầu, giúp giảm mức độ nghiêm trọng của ô nhiễm cục bộ (Saadi và cộng sự, 2005).
Các yếu tố ảnh hưởng đến mức độ ô nhiễm
Ô nhiễm có mối tương quan chặt chẽ với điều kiện thời tiết địa phương và lượng khí thải gần đó, tuy nhiên, ngày càng có nhiều bằng chứng cho thấy việc vận chuyển ô nhiễm đường dài là một yếu tố ảnh hưởng đáng kể khác đến chỉ số AQI cục bộ (NARSTO, 2003). Do đó, việc dự đoán chất lượng không khí không chỉ liên quan đến những khó khăn của dự báo thời tiết mà còn đòi hỏi kiến thức về nồng độ ô nhiễm và lượng khí thải từ cả các khu vực lân cận và xa, có tính đến sự di chuyển và các biến đổi có thể xảy ra (Saadi và cộng sự, 2005).
Khi xem xét các yếu tố có thể ảnh hưởng đến dự báo AQI, bạn sẽ hiểu rằng dự báo có thể mang tính chủ quan và khách quan. Để đảm bảo dự báo chính xác nhất, chúng ta cần mở rộng cơ sở dữ liệu - cơ sở dữ liệu càng lớn thì tiềm năng dự báo chính xác càng cao. Để cải thiện độ chính xác, các chương trình dự báo cũng sử dụng dữ liệu thời gian thực liên tục, sau đó được sử dụng để phát triển các phương pháp dự báo, theo dõi các điều kiện hiện tại, đánh giá hiệu suất dự báo và điều chỉnh dự báo cho phù hợp (Ballagas và cộng sự, 2003).
Kỹ thuật dự báo chất lượng không khí
Dự báo khí tượng
Dự báo khí tượng, hay dự báo thời tiết, là nền tảng của tất cả các kỹ thuật được mô tả dưới đây. Bước đầu tiên để có một dự báo chất lượng không khí chính xác là thu thập hoặc tạo ra một dự báo thời tiết xuất sắc. Dự báo thời tiết sử dụng cả khoa học và công nghệ để đưa ra dự đoán. Theo nguyên tắc chung, sự kết hợp các phương pháp được sử dụng trong dự báo càng nhiều thì dự báo càng chính xác.
Dự báo là một kỹ thuật chủ quan và khách quan, bao gồm nhiều kỹ thuật đa dạng, từ đơn giản đến phức tạp. Dự báo thường có thời hạn từ một đến ba ngày – dự báo càng xa thì độ chính xác càng thấp. Để đơn giản, các phương pháp được phân loại thành ba loại chính: (US EPA, 1999):
-
Khí hậu học:
Khí hậu học dựa trên giả định rằng quá khứ là một chỉ báo tương đối tốt cho tương lai. Phương pháp này dựa trên mối quan hệ giữa các điều kiện khí tượng cụ thể và mức độ ô nhiễm, do đó có thể rất đơn chiều. Phương pháp này thường được mở rộng để bao gồm cả các kiểu thời tiết - so sánh các kiểu thời tiết với các kiểu ô nhiễm.
Khí hậu học, với tư cách là một phương pháp dự báo, thường được xem là một công cụ bổ sung cho các phương pháp dự báo khác. Điều này phần lớn là do những hạn chế của phương pháp này - bao gồm khó khăn trong việc dự đoán những thay đổi đột ngột trong mô hình phát thải và đòi hỏi một lượng lớn dữ liệu để có thể thiết lập các xu hướng thực tế.
-
Phương pháp thống kê:
Mối liên hệ giữa chất lượng không khí và các thông số khí tượng cụ thể có thể được định lượng bằng nhiều kỹ thuật thống kê khác nhau. Ba phương pháp được sử dụng phổ biến nhất là:
- Cây phân loại và hồi quy (CART) – Phương pháp thống kê này được thiết kế để phân loại dữ liệu thành các nhóm khác nhau. Sử dụng phần mềm chuyên dụng, phương pháp này xác định các biến số (khí tượng hoặc chất lượng không khí) có mối tương quan chặt chẽ với mức độ ô nhiễm môi trường xung quanh. Dữ liệu này sau đó được sử dụng để tạo cây quyết định dự báo nồng độ dựa trên các biến số dự báo (điều kiện thời tiết) và mức độ tương quan của chúng với nồng độ chất ô nhiễm.
- Phân tích hồi quy – Phân tích hồi quy ước tính mối quan hệ giữa các biến. Bằng cách phân tích các tập dữ liệu lịch sử, chúng tôi có thể xác định mối liên hệ giữa mức độ ô nhiễm và các biến dữ liệu khí tượng. Điều này dẫn đến một phương trình hồi quy tuyến tính đa biến có thể được sử dụng để dự báo mức độ ô nhiễm trong tương lai.
-
Mạng nơ-ron nhân tạo - Dữ liệu lịch sử có thể được phân tích theo cách phức tạp hơn. Mạng Nơ-ron Nhân tạo tính toán mối liên hệ giữa dữ liệu lịch sử và các yếu tố khí quyển thông qua việc áp dụng các kỹ thuật học thích ứng và nhận dạng mẫu. Phương pháp này sử dụng các thuật toán máy tính được thiết kế để mô phỏng não bộ con người về mặt nhận dạng mẫu. Sử dụng dữ liệu phi tuyến tính phức tạp, xác định các xu hướng "không thể lường trước" trong dữ liệu. Đây được cho là phương pháp phù hợp nhất để dự báo ô nhiễm nhờ cách tiếp cận đa chiều của nó.
Một nhược điểm của các phương pháp thống kê trên là chúng giả định tính ổn định của các quá trình ảnh hưởng đến chất lượng không khí. Do đó, bất kỳ thay đổi đột ngột nào về khí thải hoặc khí hậu (ngắn hạn hay dài hạn) đều sẽ làm giảm đáng kể độ chính xác của các kỹ thuật này. Tuy nhiên, có những phương pháp phức tạp hơn cố gắng tính đến những thiếu sót này - các mô hình ba chiều.
-
Mô hình ba chiều (3-D)
Đây là một phương pháp tiếp cận xác định để dự đoán chất lượng không khí; nó tạo ra các Mô hình 3D nhằm mục đích biểu diễn toán học tất cả các quá trình quan trọng có tác động đến mức độ ô nhiễm môi trường xung quanh. Mô hình này mô phỏng quá trình phát thải, vận chuyển và chuyển đổi ô nhiễm không khí bằng cách sử dụng một số mô hình con trong trung tâm của mô hình. Ví dụ về các mô hình con bao gồm:
- Mô hình phát thải – Các mô hình này mô phỏng sự phân bố không gian của khí thải và khí thải theo thời gian của các chất ô nhiễm từ cả nguồn tự nhiên và nhân tạo.
- Các mô hình khí tượng – Các mô hình này dự báo tất cả các điều kiện khí tượng quyết định quá trình vận chuyển, lắng đọng, trộn lẫn, thành phần hóa học và phát thải chất ô nhiễm. Sau đó, mô hình dự đoán mức độ ô nhiễm môi trường xung quanh bằng cách tạo ra một mô hình quỹ đạo - sử dụng mô hình khí tượng 3D và dữ liệu phát thải đã thu thập trước đó.
- Mô hình hóa học – Các mô hình hóa học xem xét quá trình chuyển đổi ô nhiễm sơ cấp (phát thải) thành ô nhiễm thứ cấp, bao gồm thành phần và hình thái của chúng. Sử dụng các định luật hóa học cơ bản, tính chất quang phổ (tia UV) và các mối quan hệ nhiệt động lực học, mô hình xác định thành phần và hình thái cuối cùng của chất ô nhiễm.
Phân loại mô hình ba chiều dựa trên các phương pháp được sử dụng để mô phỏng sự phân bố nồng độ ô nhiễm. Chúng được phân loại thành mô hình Lagrange hoặc mô hình Euler:
- Mô hình Lagrangian Sử dụng dữ liệu khí tượng thực địa để thể hiện sự vận chuyển và phân tán các chất ô nhiễm dưới dạng các túi khí riêng lẻ theo thời gian. Điều này tạo ra một mạng lưới hiệu quả về mặt tính toán. Tuy nhiên, một vấn đề với phương pháp này là ô nhiễm không khí thường liên quan đến hóa học phi tuyến tính, khiến việc mô tả tương tác của một số lượng lớn các nguồn riêng lẻ trở nên khó khăn.
- Mô hình Euler Sử dụng lưới cố định, cả theo chiều dọc và chiều ngang. Tất cả các phương trình hóa học được giải đồng thời trong lưới, bao gồm cả sự trao đổi chất ô nhiễm giữa các ô. Các lưới khác nhau được sử dụng tùy thuộc vào điều kiện và yêu cầu. Lưới phân bố thường được sử dụng cho các vùng nông thôn (vùng đồng nhất) và lưới phân bố mịn hơn sẽ được sử dụng cho các vùng đô thị (vùng không đồng nhất). Các mô hình này có thể tạo ra trường nồng độ ba chiều cho một số chất ô nhiễm nhưng đòi hỏi công suất tính toán và chuyên môn đáng kể.
Sự chính xác
Để đảm bảo dự báo chính xác nhất có thể, chúng ta cần đảm bảo hệ thống dự báo chất lượng không khí có sự kết hợp các thành phần tương thích. Các thành phần này sẽ bao gồm các giá trị/kỹ thuật dự báo và các mạng lưới quan trắc có khả năng cung cấp các phép đo thời gian thực về điều kiện khí quyển. Các biện pháp này được sử dụng để tạo mô hình và đánh giá chất lượng dự báo.
Phần kết luận
Dự báo Chất lượng Không khí mang tính chất dự đoán và về bản chất là không chính xác – cũng như dự báo thời tiết. Mặc dù thường chính xác, nhưng đôi khi vẫn có những biến động do tính chất khó lường của ô nhiễm không khí. Hai sự kiện đặc biệt khó lường bao gồm thiên tai và những thay đổi đột ngột về lượng khí thải (các nhà máy giảm lượng khí thải do một số sự kiện nhất định, chẳng hạn như không khí sạch được chính phủ phê duyệt).
Các kỹ thuật dự báo đang được cải thiện nhanh chóng và sẽ tiếp tục trở nên chính xác hơn trong tương lai. Chính phủ và người dân hiểu rõ nhu cầu về dự báo chất lượng không khí không chỉ để theo dõi sức khỏe và sự an toàn của chính họ mà còn để chính phủ áp dụng các kỹ thuật quản lý thích ứng nhằm giảm thiểu ô nhiễm không khí. Việc nâng cao nhận thức của cộng đồng về ô nhiễm không khí là vô cùng quan trọng, và dự báo AQI là một cách để nâng cao nhận thức thông qua việc cung cấp thông tin.
