Новости партнеров

EOS: Тонкая настройка моделей загрязнения воздуха

 

InMAP оценивает загрязнение воздуха в городах, но её прогнозы ошибочны для конкретных химических веществ. Сейчас учёные устраняют этот недостаток.
Загрязнение воздуха не влияет на всех одинаково. В новой работе исследователи разработали метод для улучшения оценок того, как в городах различные сообщества подвергаются воздействию мелкодисперсных твёрдых частиц (PM2,5).
По оценкам, во всём мире PM2,5 ежегодно вызывает 4,7 миллиона преждевременных смертей, а в Соединённых Штатах цветные сообщества сталкиваются с наиболее интенсивным воздействием этих химикатов. Для определения уровней подверженности загрязнению воздуха интервенционная модель загрязнения воздуха (InMAP) оценивает качество воздуха с высоким пространственным разрешением, особенно в густонаселённых районах. Поскольку модель способна оценивать различия в подверженности загрязнению в пределах городов, она может быть полезна при разработке политики, предусматривающей экологическую справедливость.
Однако InMAP завышает и занижает конкретные химические вещества PM2,5: она занижает оценку содержания твёрдых частиц сульфата и завышает оценку содержания твёрдых частиц аммония. В новом исследовании Gallagher et al. разработали метод исправления этих недостатков.
Исследователи разработали поправочные коэффициенты смещения или коэффициенты масштабирования для InMAP, используя измерения различных химических веществ PM2,5. Они использовали данные мониторинга загрязнения, собранные на земле Агентством по охране окружающей среды США, и спутниковые данные, обработанные Вашингтонским университетом в Сент-Луисе. Сравнение прогнозов InMAP с этими источниками данных позволило им оценить и исправить ошибки.
Авторы проверили, как работает InMAP с коэффициентами масштабирования и без них, используя установленную цель 10%-ной ошибки в своих прогнозах. Без коэффициентов масштабирования InMAP занижает или завышает концентрации PM2,5 более чем на 10%. Однако введение коэффициентов масштабирования для конкретных городов улучшило соответствие модели и уменьшило ошибку ниже порога 10%. Кроме того, авторы обнаружили, что их метод особенно эффективен в наиболее густонаселённых районах городов.
Авторы опубликовали все коэффициенты масштабирования для общественного пользования и рекомендуют их использовать при исследовании того, как загрязнение воздуха различается в зависимости от расы, этнической принадлежности, дохода и других демографических характеристик. (GeoHealth, https://doi.org/10.1029/2023GH000788, 2023 г.)

 

Ссылка: https://eos.org/research-spotlights/fine-tuning-air-pollution-models

Печать