Метод прогнозирования уровней загрязнения приземным озоном обеспечивает предупреждение за 48 часов

Метод, называемый регрессией в самоорганизующейся карте (REGiS), взвешивает и объединяет статистические модели качества воздуха, объединяя их с прогнозируемыми погодными условиями для создания вероятностных прогнозов озона. В отличие от современных моделей переноса химических веществ, REGiS может прогнозировать уровни озона на 48 часов вперед, не требуя значительных вычислительных мощностей.

Николай Балашов, недавно получивший докторскую степень по метеорологии в Пенсильванском университете, разработал этот новый метод, исследуя взаимосвязь между загрязнителями воздуха и метеорологическими переменными.Поскольку уровни озона выше в густонаселенных районах, особенно на западном побережье США, модель помогает прогнозистам качества воздуха и лицам, принимающим решения, заблаговременно предупреждать жителей и продвигает методы смягчения последствий, такие как общественный транспорт, чтобы избежать благоприятных условий. к образованию нездорового уровня озона.«Если мы сможем заранее предсказать уровень озона, то, возможно, мы сможем что-то сделать для борьбы с ним», — сказал Балашов. «Озону нужен солнечный свет, но ему также нужны другие прекурсоры для образования в атмосфере, такие как химические вещества, содержащиеся в выхлопных газах транспортных средств.

Сокращение использования транспортных средств (в дни, когда погода способствует образованию вредных для здоровья концентраций озона) снизит уровень выбросов. которые способствуют более высокому уровню загрязнения озоном ".Этот новый инструмент для прогнозистов качества воздуха позволяет оценивать различные сценарии загрязнения озоном и дает представление о том, какие погодные условия могут усугубить эпизоды загрязнения приземным озоном. Например, более высокая температура поверхности, засушливые условия и меньшая скорость ветра, как правило, приводят к более высокому уровню озона на поверхности. Исследователи опубликовали свои результаты в Журнале прикладной метеорологии и климатологии.

Озон — один из шести распространенных загрязнителей воздуха, определенных в Законе о чистом воздухе Агентства по охране окружающей среды. По данным EPA, вдыхание озона может вызвать множество проблем со здоровьем, включая ХОБЛ, боль в груди и кашель, а также может усугубить бронхит, эмфизему и астму. Это также может вызвать долгосрочное повреждение легких.Поверхностный озон обозначен как загрязнитель, и EPA недавно снизило максимальный дневной 8-часовой средний порог с 75 до 70 частей на миллиард по объему.

По словам Балашова, это вызвало большую потребность в точных и вероятностных прогнозах.Текущие модели дороги в эксплуатации и часто недоступны в развивающихся странах, потому что они требуют точных измерений, опыта и вычислительной мощности.

REGiS по-прежнему будет работать в странах, в которых отсутствуют эти ресурсы, поскольку он основан на статистике и исторических данных о погоде и качестве воздуха. Этот метод объединяет ряд существующих статистических подходов для преодоления слабых сторон каждого, в результате чего получается целое, превышающее сумму его частей.«REGiS показывает, как относительно простые методы искусственного интеллекта могут быть использованы для совмещения прогнозов погодных явлений, таких как загрязнение воздуха, на существующих и находящихся в свободном доступе глобальных прогнозах погоды», — сказал Джордж Янг, профессор метеорологии Пенсильванского университета и Балашова. аспирант-консультант. «Статистический подход, принятый в REGiS — распознавание погодных явлений на основе статистических моделей конкретных моделей — может принести как эффективность, так и повышение квалификации в ряде приложений прогнозирования».REGiS тестировался в долине Сан-Хоакин в Калифорнии и в северо-восточных частях Колорадо, где Балашов тестировал свой метод, используя стандартные статистические показатели.

Этим летом модель использовалась в районе Филадельфии в качестве оперативного инструмента прогнозирования качества воздуха наряду с существующими моделями.Во время своих предыдущих исследований в Южной Африке Балашов впервые заинтересовался изучением озона и его связи с погодными явлениями Эль-Ниньо и Ла-Ниньо.«Меня вдохновило изучение озона, потому что я увидел, какая связь может быть между погодными условиями и загрязнением воздуха», — сказал Балашов. «Я понял, что существует действительно сильная взаимосвязь и что мы могли бы сделать больше для изучения этой связи между метеорологией и загрязнением воздуха, что может помочь в составлении прогнозов, особенно в местах, где отсутствуют сложные модели. С помощью этого метода вы можете делать прогнозы качества воздуха в таких местах, как Индия и Китай ".

Янг и Энн М. Томпсон, адъюнкт-профессор метеорологии Пенсильванского университета и главный научный сотрудник по химии атмосферы в НАСА / Центре космических полетов имени Годдарда, а также научный руководитель Балашова, были соавторами статьи.НАСА через гранты на качество воздуха поддержало это исследование.По словам группы метеорологов, новая модель качества воздуха поможет специалистам по прогнозам качества воздуха прогнозировать уровни приземного озона на 48 часов вперед и с меньшими ресурсами.

Метод, называемый регрессией в самоорганизующейся карте (REGiS), взвешивает и объединяет статистические модели качества воздуха, объединяя их с прогнозируемыми погодными условиями для создания вероятностных прогнозов озона. В отличие от современных моделей переноса химических веществ, REGiS может прогнозировать уровни озона на 48 часов вперед, не требуя значительных вычислительных мощностей.

Николай Балашов, недавно получивший докторскую степень по метеорологии в Пенсильванском университете, разработал этот новый метод, исследуя взаимосвязь между загрязнителями воздуха и метеорологическими переменными.Поскольку уровни озона выше в густонаселенных районах, особенно на западном побережье США, модель помогает прогнозистам качества воздуха и лицам, принимающим решения, заблаговременно предупреждать жителей и продвигает методы смягчения последствий, такие как общественный транспорт, чтобы избежать благоприятных условий. к образованию нездорового уровня озона.«Если мы сможем заранее предсказать уровень озона, то, возможно, мы сможем что-то сделать для борьбы с ним», — сказал Балашов. «Озону нужен солнечный свет, но ему также нужны другие прекурсоры для образования в атмосфере, такие как химические вещества, содержащиеся в выхлопных газах транспортных средств.

Сокращение использования транспортных средств (в дни, когда погода способствует образованию вредных для здоровья концентраций озона) снизит уровень выбросов. которые способствуют более высокому уровню загрязнения озоном ".Этот новый инструмент для прогнозистов качества воздуха позволяет оценивать различные сценарии загрязнения озоном и дает представление о том, какие погодные условия могут усугубить эпизоды загрязнения приземным озоном.

Например, более высокая температура поверхности, засушливые условия и меньшая скорость ветра, как правило, приводят к более высокому уровню озона на поверхности. Исследователи опубликовали свои результаты в Журнале прикладной метеорологии и климатологии.Озон — один из шести распространенных загрязнителей воздуха, определенных в Законе о чистом воздухе Агентства по охране окружающей среды. По данным EPA, вдыхание озона может вызвать множество проблем со здоровьем, включая ХОБЛ, боль в груди и кашель, а также может усугубить бронхит, эмфизему и астму.

Это также может вызвать долгосрочное повреждение легких.Поверхностный озон обозначен как загрязнитель, и EPA недавно снизило максимальный дневной 8-часовой средний порог с 75 до 70 частей на миллиард по объему. По словам Балашова, это вызвало большую потребность в точных и вероятностных прогнозах.Текущие модели дороги в эксплуатации и часто недоступны в развивающихся странах, потому что они требуют точных измерений, опыта и вычислительной мощности.

REGiS по-прежнему будет работать в странах, в которых отсутствуют эти ресурсы, поскольку он основан на статистике и исторических данных о погоде и качестве воздуха. Этот метод объединяет ряд существующих статистических подходов для преодоления слабых сторон каждого, в результате чего получается целое, превышающее сумму его частей.

«REGiS показывает, как относительно простые методы искусственного интеллекта могут быть использованы для совмещения прогнозов погодных явлений, таких как загрязнение воздуха, на существующих и находящихся в свободном доступе глобальных прогнозах погоды», — сказал Джордж Янг, профессор метеорологии Пенсильванского университета и Балашова. аспирант-консультант. «Статистический подход, принятый в REGiS — распознавание погодных явлений на основе статистических моделей конкретных моделей — может принести как эффективность, так и повышение квалификации в ряде приложений прогнозирования».REGiS тестировался в долине Сан-Хоакин в Калифорнии и в северо-восточных частях Колорадо, где Балашов тестировал свой метод, используя стандартные статистические показатели. Этим летом модель использовалась в районе Филадельфии в качестве оперативного инструмента прогнозирования качества воздуха наряду с существующими моделями.

Во время своих предыдущих исследований в Южной Африке Балашов впервые заинтересовался изучением озона и его связи с погодными явлениями Эль-Ниньо и Ла-Ниньо.«Меня вдохновило изучение озона, потому что я увидел, какая связь может быть между погодными условиями и загрязнением воздуха», — сказал Балашов. «Я понял, что существует действительно сильная взаимосвязь и что мы могли бы сделать больше для изучения этой связи между метеорологией и загрязнением воздуха, что может помочь в составлении прогнозов, особенно в местах, где отсутствуют сложные модели. С помощью этого метода вы можете делать прогнозы качества воздуха в таких местах, как Индия и Китай ".

Портал обо всем