Прогнозирование загрязнения воздуха

Прогнозирование загрязнения воздуха — это применение науки и техники для прогнозирования состава загрязнения воздуха в атмосфере для данного места и времени. Алгоритм прогнозирования концентраций загрязняющих веществ может быть переведен в индекс качества воздуха так же, как и фактические измерения.

Страны и города получают прогнозы от государственных и местных правительственных организаций, а также от частных компаний, таких как Airly, AirVisual, Aerostate, Ambee, BreezoMeter, PlumeLabs и DRAXIS, которые предоставляют прогнозы загрязнения воздуха.

Мотивация

Загрязнение воздуха является одной из крупнейших проблем в мире. Оно вызывает проблемы с дыханием, заболеваниями легких и сердечно-сосудистой системы, а также может способствовать возникновению проблем с психическим здоровьем и ухудшить существующие состояния здоровья. В равной степени это может привести к истощению здоровья планеты. Поэтому сокращение выбросов и информирование людей о проблемах, вызванных загрязнением воздуха, становится крайне важным.

Благодаря точному методу прогнозирования загрязнения воздуха становится легче управлять и снижать риски загрязнения воздуха, а также обеспечивать безопасный уровень концентрации загрязняющих веществ в регионе. Это также помогает оценить риски для окружающей среды и климата , вызванные плохими стандартами качества воздуха. Точное прогнозирование также может облегчить планирование повседневной деятельности, избегание мест с зонами повышенной опасности и реализацию эффективных мер по контролю загрязнения.

Техники

Как и прогнозирование погоды , прогнозирование загрязнения воздуха включает в себя основную идею получения текущего снимка атмосферы и использования компьютерного моделирования для прогнозирования того, что произойдет дальше. Типичный алгоритм использует следующие компоненты: ^[1]

Данные о текущем качестве воздуха, отслеживаемые местными станциями и с помощью дистанционного зондирования. ^[1]
Ввод прогнозируемой погоды на период прогнозирования для прогнозирования движения любых загрязняющих веществ. ^[2]
Модель выбросов загрязняющих веществ. Это может включать движение транспорта, промышленность и пыльцу. Циклы выбросов загрязняющих веществ варьируются от ежедневных до еженедельных (при поездках человека на работу) и ежегодных (при пыльце и сжигании угля). Непериодические источники, такие как лесные пожары , также учитываются, если они известны. ^[1]
- Прогнозирование пыльцы имеет значение не только для прогноза концентрации твердых частиц, но и для прогнозирования аллергии. Есть несколько способов сделать это, некоторые из которых учитывают прогнозируемую погоду. ^[3]
- Недавние исследования включали методы машинного обучения , такие как нейронные сети, регрессии и случайные леса, для достижения высокой точности в этой части. ^[4]
Ввод местного ландшафта.
Понимание того, как действуют загрязняющие вещества в определенных погодных и рельефных условиях. Эту работу выполняют модели химического переноса и моделирование атмосферной дисперсии . Концентрация загрязняющих веществ в атмосфере определяется их переносом или средней скоростью движения через атмосферу, их диффузией , химическим превращением и отложением на почве . ^[5]

Временное разрешение прогноза обычно составляет ежедневно или ежечасно, а пространственное разрешение может изменяться от разрешения блока до разрешения в десятки километров.

Большинство прогнозов качества воздуха охватывают от двух до пяти дней. ^[1]

Передовые подходы к прогнозированию качества воздуха объединяют исторические данные с данными, полученными с помощью наземных датчиков и спутниковых наблюдений, чтобы обеспечить понимание, анализ и прогнозы загрязнения воздуха от глобального до уличного. Он также учитывает местные факторы, такие как дорожное движение, региональные погодные условия или выбросы в атмосферу.

Проблемы

Метеорологические условия, такие как термические инверсии, могут препятствовать подъему приземного воздуха, улавливая загрязняющие вещества у поверхности, ^[6] что делает точные прогнозы таких событий решающими для моделирования качества воздуха.

Модели качества городского воздуха требуют очень мелкой вычислительной сетки, что требует использования мезомасштабных моделей погоды с высоким разрешением; несмотря на это, качество числовых прогнозов погоды является основной неопределенностью в прогнозах качества воздуха. ^[2]

Использование

Зная прогноз качества воздуха, можно решить, как действовать, например, в случае воздействия загрязнения воздуха на здоровье , можно заранее подготовиться и выбрать лучшее время для занятий спортом на свежем воздухе.

Решение о том, стоит ли наносить мазь для ухода за кожей. ^[7]
Найдите самый чистый маршрут для езды на машине, ходьбы или езды на велосипеде. ^[8]
Решаем, оставить окна открытыми или закрытыми. ^[9]
Правительства могут использовать прогнозы качества воздуха для реализации эффективных мер по контролю загрязнения. ^[10]

См. также

Численный прогноз погоды

Ссылки

^ Jump up to: ^а ^б ^с ^д Кумар, Раджеш; Пейх, Винсент-Анри; Кроуфорд, Джеймс Х.; Брассер, Гай (сентябрь 2018 г.). «Пять шагов по улучшению прогнозов качества воздуха» . Природа . 561 (7721): 27–29. Бибкод : 2018Natur.561...27K . дои : 10.1038/d41586-018-06150-5 . ПМИД 30181644 .
^ Jump up to: ^а ^б Бакланов, Александр; Расмуссен, Аликс; Фэй, Барбара; Берге, Эрик; Финарди, Сандро (сентябрь 2002 г.). «Потенциал и недостатки моделей численного прогнозирования погоды при предоставлении метеорологических данных для прогнозирования загрязнения воздуха в городах». Загрязнение воды, воздуха и почвы: фокус . 2 (5): 43–60. дои : 10.1023/А:1021394126149 . S2CID 94747027 .
^ Суанно, Кьяра; Алоизи, Ирис; Фернандес-Гонсалес, Делия; Дель Дука, Стефано (сентябрь 2021 г.). «Прогнозирование пыльцы и его значимость для предотвращения пыльцевых аллергенов». Экологические исследования . 200 : 111150. Бибкод : 2021ER....200k1150S . дои : 10.1016/j.envres.2021.111150 . hdl : 11585/853038 . ПМИД 33894233 .
^ Колемайнен, М; Мартикайнен, Х; Руусканен, Дж (1 января 2001 г.). «Нейронные сети и периодические компоненты, используемые для прогнозирования качества воздуха». Атмосферная среда . 35 (5): 815–825. Бибкод : 2001AtmEn..35..815K . дои : 10.1016/S1352-2310(00)00385-X .
^ Дейли, Аарон и Паоло Занетти (2007). Загрязнение атмосферного воздуха (PDF) . Арабская школа науки и технологий и Институт EnviroComp. п. 16 . Проверено 24 февраля 2011 г.
^ Маршалл, Джон; Пламб, Р. Алан (2008). Динамика атмосферы, океана и климата: вводный текст . Амстердам: Elsevier Academic Press. стр. 44–46 . ISBN 978-0-12-558691-7 .
^ «Dermalogica и BreezoMeter сотрудничают в обучении воздействию загрязнения на кожу» . Проверено 31 мая 2018 г.
^ «Поиск маршрута чистого воздуха» . Администрация Большого Лондона. 14 июля 2017 г.
^ «Карты загрязнения воздуха: они нравятся пользователям, они нужны вашему бренду» .
^ «Система искусственного интеллекта для прогнозирования качества воздуха» .

[Rajesh-1] Jump up to: ^а ^б ^с ^д Кумар, Раджеш; Пейх, Винсент-Анри; Кроуфорд, Джеймс Х.; Брассер, Гай (сентябрь 2018 г.). «Пять шагов по улучшению прогнозов качества воздуха» . Природа . 561 (7721): 27–29. Бибкод : 2018Natur.561...27K . дои : 10.1038/d41586-018-06150-5 . ПМИД 30181644 .

[Baklanov-2] Jump up to: ^а ^б Бакланов, Александр; Расмуссен, Аликс; Фэй, Барбара; Берге, Эрик; Финарди, Сандро (сентябрь 2002 г.). «Потенциал и недостатки моделей численного прогнозирования погоды при предоставлении метеорологических данных для прогнозирования загрязнения воздуха в городах». Загрязнение воды, воздуха и почвы: фокус . 2 (5): 43–60. дои : 10.1023/А:1021394126149 . S2CID 94747027 .

[3] Суанно, Кьяра; Алоизи, Ирис; Фернандес-Гонсалес, Делия; Дель Дука, Стефано (сентябрь 2021 г.). «Прогнозирование пыльцы и его значимость для предотвращения пыльцевых аллергенов». Экологические исследования . 200 : 111150. Бибкод : 2021ER....200k1150S . дои : 10.1016/j.envres.2021.111150 . hdl : 11585/853038 . ПМИД 33894233 .

[4] Колемайнен, М; Мартикайнен, Х; Руусканен, Дж (1 января 2001 г.). «Нейронные сети и периодические компоненты, используемые для прогнозирования качества воздуха». Атмосферная среда . 35 (5): 815–825. Бибкод : 2001AtmEn..35..815K . дои : 10.1016/S1352-2310(00)00385-X .

[5] Дейли, Аарон и Паоло Занетти (2007). Загрязнение атмосферного воздуха (PDF) . Арабская школа науки и технологий и Институт EnviroComp. п. 16 . Проверено 24 февраля 2011 г.

[6] Маршалл, Джон; Пламб, Р. Алан (2008). Динамика атмосферы, океана и климата: вводный текст . Амстердам: Elsevier Academic Press. стр. 44–46 . ISBN 978-0-12-558691-7 .

[7] «Dermalogica и BreezoMeter сотрудничают в обучении воздействию загрязнения на кожу» . Проверено 31 мая 2018 г.

[8] «Поиск маршрута чистого воздуха» . Администрация Большого Лондона. 14 июля 2017 г.

[9] «Карты загрязнения воздуха: они нравятся пользователям, они нужны вашему бренду» .

[10] «Система искусственного интеллекта для прогнозирования качества воздуха» .

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]