বায়ু দূষণের উপর বায়ুর প্রভাব সম্পর্কে আমরা বেশ কয়েকবার লিখেছি, এবং কীভাবে শক্তিশালী বাতাস (বা আরও সুনির্দিষ্টভাবে বলতে গেলে, শক্তিশালী বায়ুচলাচল ) খুব অল্প সময়ের মধ্যে বায়ু পরিষ্কার করতে সাহায্য করতে পারে। কিন্তু আমরা এই ঘটনার একটি গতিশীল ভিজ্যুয়ালাইজেশন তৈরি করার সুযোগ কখনোই পাইনি, তাই এই নিবন্ধটি এই বিষয়ে লেখা হবে।
--
যখন বাতাসের গুণমানের পূর্বাভাসের কথা আসে, তখন একটি ভাল নির্ভুলতার চাবিকাঠি হল পূর্বাভাস মডেলকে পরিমার্জিত করা এবং প্রতিটি দেশের জন্য একটি নির্দিষ্ট মডেলাইজেশন তৈরি করা, এবং আরও ভাল, প্রতিটি শহরের জন্য। উদাহরণস্বরূপ, বেইজিং-এ, এটি উত্তরে পর্বতমালার সান্নিধ্য এবং দক্ষিণে হেবেই মডেলটিকে সংজ্ঞায়িত করে:
- দক্ষিণের বাতাস বেইজিংয়ে দূষণ বাড়াতে থাকে: যদি বাতাস যথেষ্ট শক্তিশালী না হয় (অর্থাৎ পর্যাপ্ত বায়ুচলাচল না হয়), তবে কণাগুলি পাহাড় দ্বারা অবরুদ্ধ হয়ে যাবে এবং উত্তরে আর যেতে পারবে না, এইভাবে একটি ঘন কণা তৈরি হবে বেইজিং এ ঘনত্ব।
- উত্তরের বাতাস দূষণ দূর করার প্রবণতা: যখন উত্তর দিক থেকে যথেষ্ট পরিমাণে বাতাস প্রবাহিত হয়, তখন বায়ু প্রায় সঙ্গে সঙ্গে পরিষ্কার হয়ে যায় কারণ উত্তরে কোনো "দূষণের উৎস" নেই (অথবা অন্তত, দক্ষিণের তুলনায় অনেক কম)।
নীচের অ্যানিমেশনে এটি দেখতে পাওয়া যায়, যেখানে দূষণের উত্সগুলি নির্বিচারে অবস্থিত যেখানে পর্যবেক্ষণ কেন্দ্রগুলি হেবেইতে অবস্থিত। প্রতি ঘন্টায় একটি কণা নির্গত প্রতিটি দূষণ উৎস। একটি অঞ্চলে কণার সংখ্যা যত বেশি হবে, দূষণ তত বেশি হবে (নীল কম ঘনত্বের সাথে মিলে যায়, লাল ~ বাদামী থেকে উচ্চ ঘনত্বের)। বাতাসের মডেলটি গ্লোবাল ফোরকাস্ট সিস্টেম (ওরফে জিএফএস) এর উপর ভিত্তি করে।
--
version 1.2 (2016/2/18)
--
এটি অবশ্যই জটিল মডেলগুলির তুলনায় একটি খুব হালকা মডেল যার জন্য সমগ্র বিশ্বের বায়ু মানের পূর্বাভাস গণনা করতে সক্ষম হওয়ার জন্য সুপার কম্পিউটার প্রসেসিং শক্তি প্রয়োজন। তবে বাতাসের গুণমান পূর্বাভাসের পিছনে মূল ধারণাটি দৃশ্যত ব্যাখ্যা করার সুবিধা রয়েছে।
![](/images/forecast/air-quality-forecast-with-artificial-intelligence.png)
আরও সুনির্দিষ্ট হতে, মডেলটিতে উল্লম্ব বায়ু প্রোফাইল অন্তর্ভুক্ত করা উচিত, পাশাপাশি বেশ কয়েকটি উচ্চতার (স্তর) পূর্বাভাস অন্তর্ভুক্ত করা উচিত - বর্তমানে, মডেলটি শুধুমাত্র 10 মিটার, 100 মিটার এবং 5 কিমি পূর্বাভাস ব্যবহার করছে৷ অধিকন্তু, দূষণের উত্সগুলি আরও সম্পূর্ণ হওয়া উচিত এবং সামগ্রিক বিশ্ব উত্সগুলি অন্তর্ভুক্ত করা উচিত - বর্তমানে, শুধুমাত্র হেবেই থেকে উত্সগুলি অন্তর্ভুক্ত করা হয়েছে৷
--
সর্বশেষ, অনেক গবেষণা প্রতিবেদনে মেশিন লার্নিং বা কৃত্রিম বুদ্ধিমত্তা ভিত্তিক এয়ার কোয়ালিটির পূর্বাভাস সিস্টেমের তদন্ত করা হয়েছে। পিছনের ধারণাটি হল পূর্বাভাসিত ডেটার সাথে পর্যবেক্ষণ করা ডেটার তুলনা করে "শেখা" এবং পুনরাবৃত্তিমূলক নিদর্শনগুলি সনাক্ত করা (যেমন ডানদিকে চিত্রে দেখানো হয়েছে)।
কাগজে, মেশিন লার্নিং ভিত্তিক পূর্বাভাস ব্যবস্থা ভাল দেখায়, কিন্তু প্রকৃতপক্ষে, তারা কি প্রথাগত নির্ধারক মডেলগুলির চেয়ে ভাল (যা আমরা ওয়ার্ল্ড এয়ার কোয়ালিটি ইনডেক্স প্রকল্পে পছন্দ করি)? Talithia Williams- এর 'Own your body's data'-এ চমৎকার TED বক্তৃতার উল্লেখ করে, এই প্রশ্নের আমাদের উত্তর হল "আমাদের ডেটা দেখান!", এবং এটি এমন কিছু যা আমরা পূর্বাভাস সংক্রান্ত আমাদের পরবর্তী নিবন্ধে লিখব!