Искусственный интеллект позволяет детально отслеживать выбросы аммиака, способствующие образованию мелкодисперсных частиц

Новая технология на основе искусственного интеллекта (ИИ) теперь позволяет с беспрецедентной точностью и пространственной детализацией отслеживать аммиак (NH₃) — ключевой компонент вредных мелкодисперсных частиц. Разработка решает давние пробелы в современных методах наблюдений.

Исследовательская группа под руководством профессора Джунхо Има из Департамента гражданского, городского, земельного и экологического строительства UNIST успешно разработала модель ИИ, способную с высокой точностью оценивать суточные концентрации аммиака в атмосфере. Исследование было опубликовано в Journal of Hazardous Materials.

Аммиак поступает в атмосферу из различных источников, включая сельскохозяйственные удобрения, отходы животноводства и пожары. Хотя сам по себе он относительно безвреден, аммиак вступает в реакцию с серной и азотной кислотами в атмосфере, образуя мелкодисперсные частицы (PM_2.5), которые представляют серьёзную опасность для здоровья и окружающей среды. Точный мониторинг уровня аммиака жизненно важен для точного прогнозирования качества воздуха и эффективной политики.

Однако из-за короткого времени жизни аммиака в атмосфере и ограниченного количества наземных станций мониторинга существующие данные обычно ограничены двухнедельными интервалами. Климатические модели, оценивающие аммиак на больших территориях, часто страдают от значительных региональных неточностей, что ограничивает их полезность для локального управления качеством воздуха.

Для преодоления этих проблем команда разработала передовую модель ИИ на основе глубокой нейронной сети, которая повышает как временную частоту, так и пространственное разрешение мониторинга аммиака. Интегрируя климатические данные Европейского центра среднесрочных прогнозов погоды (ERA5), спутниковые измерения столба аммиака с прибора IASI и наземные наблюдения из U.S. Ammonia Monitoring Network (AMoN), модель эффективно преобразует двухнедельные данные в высокодетализированные суточные оценки.

Модель ИИ продемонстрировала выдающуюся производительность, снизив ошибки прогнозирования до 1,8 раз по сравнению с климатической моделью Европейской программы мониторинга и оценки (CAMS). Примечательно, что хотя модель обучалась в основном на данных по США, она успешно идентифицировала события с высокой амплитудой загрязнения, такие как масштабный пожар в Манчестере, Великобритания, в 2019 году, что подчеркивает её высокий потенциал для более широкого пространственного применения и практического развертывания.

Профессор Им подчеркнул, что в отличие от традиционных климатических моделей, таких как CAMS, или редких наземных станций, этот подход на основе ИИ может обеспечить непрерывный мониторинг аммиака с высоким разрешением. «Эта технология может значительно улучшить прогнозы качества воздуха, связанные с азотными загрязнителями, и поддержать более эффективную экологическую политику», — заявил он. Он добавил, что применение этой модели на национальном уровне может позволить осуществлять мониторинг концентраций аммиака по всей стране в реальном времени с высоким разрешением, что станет важным шагом к более точному управлению качеством воздуха и защите общественного здоровья.