Yeni Bir Yapay Zeka (AI) teknolojisi artık amonyak (NH3) – Zararlı ince toz parçacıklarına önemli bir katkıda bulunur – Mevcut gözlem yöntemlerinde uzun süredir devam eden boşlukları ele alan benzeri görülmemiş hassasiyet ve mekansal detay ile.
Profesör Jungho IM’nin UNIST’de sivil, kentsel, Dünya ve Çevre Mühendisliği Bölümü’nde liderlik eden araştırma ekibi, günlük atmosferik amonyak konsantrasyonlarını yüksek doğrulukla tahmin edebilen bir AI modeli geliştirdi.
Çalışma şurada yayınlandı Tehlikeli Maddeler Dergisi.
Amonyak, tarımsal gübreler, hayvan atıkları ve yangın olayları dahil olmak üzere çeşitli kaynaklardan yayılmaktadır. Kendi başına nispeten zararsız olsa da, amonyak ince partikül madde oluşturmak için atmosferik sülfürik ve nitrik asitlerle reaksiyona girer (PM2.5), ciddi sağlık ve çevresel riskler ortaya çıkarır. Bu nedenle amonyak seviyelerinin kesin izlenmesi, doğru hava kalitesi tahminleri ve etkili politika yapımı için hayati öneme sahiptir.
Bununla birlikte, amonyağın kısa atmosferik ömrü ve sınırlı sayıda yer tabanlı izleme istasyonu nedeniyle, mevcut veriler tipik olarak iki haftada bir aralıklarla sınırlıdır. Büyük bölgeler üzerindeki amonyak tahmin eden iklim modelleri genellikle önemli bölgesel yanlışlıklardan muzdariptir ve yerelleştirilmiş hava kalitesi yönetimi için yararlılıklarını sınırlar.
Bu zorlukların üstesinden gelmek için ekip, amonyak izlemenin hem zamansal frekansını hem de mekansal çözünürlüğünü artıran gelişmiş derin sinir ağı tabanlı AI modeli geliştirdi.
İklim verilerini Avrupa Orta Menzilli Hava Tahminleri Merkezi’nden (ERA5), IASI enstrümanından uydudan türetilen amonyak sütun ölçümlerinden ve ABD Amonyak İzleme Ağı’ndan (AMON) yer tabanlı gözlemler, modelin iki kanallı verileri etkin bir şekilde yüksek çözünürlüklü günlük tahminlere dönüştürerek entegre eder.
AI modeli, Avrupa İzleme ve Değerlendirme Programı (CAMS) iklim modeline kıyasla tahmin hatalarını 1,8 kat azaltarak olağanüstü performans gösterdi.
Özellikle, öncelikle ABD verileri üzerinde eğitilmiş olmasına rağmen, model 2019’da Manchester, İngiltere’de yaygın ateş gibi yüksek genlikli kirlilik olaylarını başarıyla tanımladı-daha geniş mekansal uygulama ve gerçek dünya dağıtım için güçlü potansiyelini aydınlattı.
Bu araştırma ilk yazarlar Saman Malik ve Eunjin Kang tarafından yönetildi. Profesör IM, CAM’ler veya seyrek yer istasyonları gibi geleneksel iklim modellerinin aksine, bu AI yaklaşımının sürekli, yüksek çözünürlüklü amonyak izleme sağlayabileceğini vurguladı.
“Bu teknoloji, azot bazlı kirleticilerle ilgili hava kalitesi tahminlerini önemli ölçüde artırabilir ve daha etkili çevre politikalarını destekleyebilir.”
Ayrıca, “Bu modeli yurt içinde uygulamak, ülke çapında amonyak konsantrasyonlarının gerçek zamanlı, yüksek çözünürlüklü izlenmesini sağlayarak daha hassas hava kalitesi yönetimi ve halk sağlığı koruması için önemli bir adım işaretleyebilir.”
