Подобно прогнозированию погоды, существуют модели для прогнозирования уровня загрязнения воздуха и его качества. Существует множество моделей прогнозирования, которые требуют большей сложности, чем модели прогнозирования погоды. Эти модели представляют собой математическое моделирование того, как загрязняющие вещества рассеиваются в воздухе (1).

Зачем нужна информация о качестве воздуха

Загрязнение воздуха происходит, когда окружающий воздух содержит газы, пыль, дым или запахи в достаточно больших количествах, чтобы быть вредным для здоровья людей и животных, или достаточно, чтобы нанести ущерб растениям и материалам.

Загрязнение воздуха - один из главных убийц нашего времени. Ежегодно в мире от загрязненного воздуха умирает около 7 миллионов человек: примерно 3 миллиона - от бытового загрязнения воздуха и 4 миллиона - от загрязнения окружающего (наружного) воздуха (2) (3). Данные показывают, что загрязнение воздуха во всем мире связано с:

• 19% всех смертей от сердечно-сосудистых заболеваний
• 24 % смертей от ишемической болезни сердца
• 21% смертей от инсульта
• 23% смертей от рака легких(4)

Кроме того, загрязнение наружного воздуха является важным фактором риска развития нарушений нейроразвития у детей (5) и нейродегенеративных заболеваний у взрослых (6).

Учитывая экономические, экологические и человеческие потери от загрязнения воздуха, технология прогнозирования становится все более важной задачей.

Преимущества информации и прогнозирования загрязнения воздуха

Прогнозирование загрязнения воздуха - это выгодное вложение средств на разных уровнях - индивидуальном, общественном, национальном и глобальном. Точное прогнозирование помогает людям планировать заранее, уменьшая воздействие на здоровье и связанные с этим расходы.

Когда люди знают об изменениях в качестве воздуха, которым они дышат, о влиянии загрязняющих веществ на их здоровье, а также о концентрациях, способных вызвать неблагоприятные последствия, повышается вероятность того, что это послужит стимулом для изменения как индивидуального поведения, так и государственной политики (7) (8).

Такая осведомленность может привести к созданию более чистой окружающей среды и более здорового населения. Правительства также используют раннее прогнозирование для разработки процедур по снижению уровня загрязнения на местах (9).

Точность прогнозирования качества воздуха

При прогнозировании качества воздуха необходимо учитывать множество переменных, некоторые из которых совершенно непредсказуемы. Например, власти Пекина иногда приказывают закрыть угольные заводы и фабрики, а также запрещают эксплуатацию части из миллионов зарегистрированных в городе автомобилей (10).

Уровень загрязнения воздуха сильно коррелирует с местными погодными условиями и выбросами загрязняющих веществ поблизости (11) (12). Однако перенос загрязнений на большие расстояния с помощью сильных ветров также является значительным фактором влияния и должен учитываться при прогнозировании местных показателей AQI (13).

Таким образом, прогнозирование качества воздуха не только сопряжено с трудностями прогнозирования погоды, но и требует наличия данных и знаний о:

• Местные концентрации загрязняющих веществ и выбросы
• Концентрации загрязняющих веществ и выбросов из удаленных мест
• Перемещение и возможные трансформации загрязняющих веществ
• Преобладающие ветры

Множество факторов, влияющих на прогнозирование качества воздуха, приводит к тому, что прогноз загрязнения воздуха является как субъективным, так и объективным.

Методы прогнозирования качества воздуха

Существует множество моделей прогнозирования, и все они более сложны, чем модели прогнозирования погоды. Эти модели представляют собой математическое моделирование того, как загрязняющие вещества рассеиваются в воздухе.

Метеорологическое прогнозирование

Первым шагом к точному прогнозу качества воздуха является отличный прогноз погоды. Метеорологическое (погодное) прогнозирование можно разделить на три основные категории: климатология, статистические методы и трехмерные (3-D) модели.

Климатология

Климатология использует прошлое в качестве индикатора будущего. Этот метод основан на взаимосвязи между конкретными погодными условиями и уровнем загрязнения, и поэтому может быть очень одномерным. Этот метод часто расширяется и включает в себя сопоставление погодных условий и уровня загрязнения. У этого метода много ограничений, и он рассматривается как инструмент, дополняющий другие методы прогнозирования.

Статистические методы

Связь между качеством воздуха и погодой Связь между качеством воздуха и погодными условиями можно оценить с помощью статистических методов. Наиболее часто используются три из них:

1. Дерево классификации и регрессии (CART) предназначен для классификации данных по несхожим группам. Программное обеспечение определяет переменные, которые коррелируют с уровнем загрязнения окружающей среды. Данные используются для прогнозирования концентраций на основе погодных условий и коррелирующих концентраций загрязняющих веществ.
2. Регрессионный анализ оценивает взаимосвязи между переменными. Анализируя наборы исторических данных, устанавливаются ассоциации между уровнями загрязнения и переменными метеорологических данных. В результате получается уравнение, которое можно использовать для прогнозирования будущих уровней загрязнения.
3. Искусственные нейронные сети используют методы адаптивного обучения и распознавания образов. Компьютерные алгоритмы разработаны таким образом, чтобы имитировать способность человеческого мозга к распознаванию образов. Этот метод, вероятно, является наиболее подходящим для прогнозирования загрязнения окружающей среды благодаря своему многомерному подходу.

Недостатком вышеперечисленных статистических методов является то, что они предполагают стабильность процессов, влияющих на качество воздуха. Поэтому любые резкие изменения в выбросах или климате (краткосрочные или долгосрочные) сильно снижают точность этих методов. Существуют более сложные методы, которые пытаются учесть эти недостатки. Они известны как трехмерные модели.

Трехмерные (3-D) модели

Трехмерные модели математически представляют все важные процессы, влияющие на уровень загрязнения наружного воздуха. Трехмерные модели моделируют выбросы, перенос и трансформацию загрязнения воздуха с помощью нескольких субмоделей, включая:

• Модель выбросов: Моделирует пространственное распределение выбросов от природных и антропогенных источников.
• Метеорологическая модель: Создает траекторную модель для прогнозирования уровня загрязнения окружающей среды с использованием трехмерной метеорологической модели и данных о выбросах.
• Химическая модель:Рассматривает превращение первичного (выброшенного) загрязнения во вторичное загрязнение, чтобы определить результат воздействия загрязнителя (14).

7-дневные прогнозы качества воздуха

IQAir's Платформа AirVisual позволяет получать прогнозы качества воздуха через мобильное приложение и на сайте. Помимо информации о качестве воздуха в режиме реального времени, погоде и показателях загрязнения, платформа включает в себя прогнозы качества воздуха на 7 дней, что позволяет принимать взвешенные решения о здоровье и благополучии, а также помогает планировать заранее. Платформа использует передовые модели прогнозирования, развивающиеся алгоритмы и машинное обучение для составления точных прогнозов качества воздуха на неделю вперед.

Имея в своем распоряжении прогнозы AirVisual на 7 дней, частные лица и правительства могут предпринять упреждающие шаги, когда ожидается ухудшение качества воздуха.

На заметку

Методы и инструменты прогнозирования загрязнения воздуха быстро совершенствуются и продолжают повышать свою точность. Точные и доступные прогнозы загрязнения воздуха, подобные тем, что представлены на AirVisual, помогают повысить осведомленность общественности, позволяют чувствительному населению планировать заранее, а правительствам предоставляют информацию для оповещения о состоянии здоровья населения.