A perfect dust storm (attribution)

우리는 대기 오염에 대한 바람의 영향과 강한 바람(또는 더 정확하게 말하면 강한 환기 )이 얼마나 짧은 시간에 공기를 정화하는 데 도움이 될 수 있는지에 대해 꽤 여러 번 글을 써왔습니다. 그러나 우리는 이 현상을 역동적으로 시각화할 기회가 없었으므로 이 기사에서는 이에 대해 작성하겠습니다.

대기 질 예측과 관련하여 더 나은 정확도의 핵심은 예측 모델을 개선하고 각 국가, 더 나아가 각 도시에 대한 특정 모델화를 만드는 것입니다. 예를 들어, 베이징에서는 모델을 정의하는 것이 북쪽의 산과 남쪽의 허베이의 근접성입니다.

• 남풍은 베이징의 오염을 증가시키는 경향이 있습니다. 바람이 충분히 강하지 않으면(즉, 환기가 충분하지 않으면) 입자가 산에 의해 막혀 북쪽으로 더 이상 이동할 수 없게 되어 조밀한 입자가 생성됩니다. 베이징 집중.
• 북풍은 오염을 제거하는 경향이 있습니다. 북쪽에서 바람이 충분히 불면 북쪽에는 "오염원"이 없기 때문에(또는 적어도 남쪽보다 훨씬 적음) 공기가 거의 즉시 제거됩니다.

이는 아래 애니메이션에서 볼 수 있는 것과 같습니다. 오염원은 허베이성의 모니터링 스테이션이 위치한 곳에 임의로 위치합니다. 각 오염원은 매 시간마다 하나의 입자를 방출합니다. 구역 내 입자 수가 많을수록 오염도가 높아집니다(파란색은 낮은 농도, 빨간색~갈색은 높은 농도에 해당). 바람 모델은 GFS(Global Forecast System)를 기반으로 합니다.

물론 이것은 전 세계 대기 질 예측을 계산할 수 있도록 슈퍼 컴퓨터 처리 능력이 필요한 복잡한 모델에 비해 매우 가벼운 모델입니다. 하지만 대기질 예측의 기본 개념을 시각적으로 설명할 수 있다는 장점이 있습니다.

더 정확하게 말하자면, 모델에는 수직 바람 프로필과 여러 높이(레이어)에 대한 예측이 포함되어야 합니다. 현재 모델은 10미터, 100미터 및 5KM에서의 예측만 사용합니다. 더욱이, 오염원은 더욱 완전해야 하며 전반적인 세계 오염원을 포함해야 합니다. 현재는 허베이(Hebei)의 오염원만 포함되어 있습니다.

마지막으로, 많은 연구 보고서에서 기계 학습 이나 인공 지능 기반 대기 질 예측 시스템을 조사했습니다. 이면의 개념은 관찰된 데이터를 예측된 데이터와 비교하여 "학습"하고 반복적인 패턴을 식별하는 것입니다(오른쪽 다이어그램 참조).

논문에서는 기계 학습 기반 예측 시스템이 좋아 보이지만 실제로는 전통적인 결정론적 모델(우리가 세계 대기 질 지수(World Air Quality Index) 프로젝트 에서 선호하는 모델)보다 더 나은가요? '자신의 신체 데이터를 소유하세요'에 관한 Talithia Williams 의 뛰어난 TED 강연을 참조하면 이 질문에 대한 우리의 대답은 "데이터를 보여주세요!"이며, 이에 대해서는 예측에 관한 다음 기사에서 작성할 것입니다!