Novo modelo fornece ar melhorado

Sep 19, 2023

14 de março de 2023

Este artigo foi revisado de acordo com o processo editorial e as políticas da Science X. Os editores destacaram os seguintes atributos, garantindo a credibilidade do conteúdo:

verificado

publicação revisada por pares

fonte confiável

revisar

pela Universidade Estadual da Pensilvânia

Globalmente, os incêndios florestais estão se tornando mais frequentes e destrutivos, gerando uma quantidade significativa de fumaça que pode ser transportada por milhares de quilômetros, gerando a necessidade de previsões de poluição do ar mais precisas. Uma equipe de pesquisadores da Penn State desenvolveu um modelo de aprendizado profundo que fornece previsões aprimoradas da qualidade do ar em áreas propensas a incêndios florestais e pode diferenciar entre incêndios florestais e não incêndios florestais.

“Como as mudanças climáticas continuam a causar mudanças e desafios ecológicos, é provável que as atividades de incêndios florestais continuem a aumentar”, disse Manzhu Yu, professor assistente de geografia na Penn State e investigador principal do projeto. “Por causa disso, é uma prioridade de pesquisa urgente prever com precisão a concentração de poluentes atmosféricos induzidos pela fumaça de incêndios florestais, especialmente em áreas propensas a incêndios florestais”.

A fumaça do incêndio florestal contém uma combinação de material particulado e muitos poluentes gasosos. O material particulado fino, referido como PM2.5, tem sido associado a riscos significativos para a saúde humana e é regulamentado pela US EPA.

“O material particulado fino na fumaça do incêndio florestal pode afetar adversamente a saúde humana quando os níveis são altos”, disse Yu. “As previsões da qualidade do ar para áreas propensas a incêndios podem ajudar significativamente os gerentes de emergência e as autoridades de saúde pública a mitigar os impactos ambientais e de saúde pública potencialmente adversos dos eventos de poluição do ar”.

De acordo com Yu, o novo modelo da equipe seria capaz de alertar as pessoas mais cedo sobre a perigosa qualidade do ar. A equipe relatou suas descobertas na revista Science of the Total Environment.

A previsão precisa da qualidade do ar, especialmente para poluentes derivados de incêndios florestais, é um desafio, pois está altamente relacionada às características do incêndio, como condições atmosféricas, topografia, combustível e umidade, segundo os pesquisadores.

“A vantagem deste modelo é que ele é capaz de produzir melhores previsões que podem capturar as mudanças abruptas de PM2,5 quando ocorrem incêndios florestais, sem subestimar a quantidade de PM2,5 presente, que outros modelos tendem a subestimar”, disse. disse Yu. "Da mesma forma, o modelo não superestima PM2,5 quando não há fogo."

O modelo que a equipe desenvolveu é uma iteração de um modelo de aprendizado profundo existente chamado "Transformer", que é um modelo de sequência a sequência originalmente proposto para tradução de idiomas e foi usado com sucesso para previsão de séries temporais. O novo modelo, chamado ST-Transformer, usa uma nova estrutura que pode determinar tendências associadas a incêndios florestais.

Usando dados das estações de qualidade do ar da US EPA na área metropolitana de Los Angeles, o modelo foi treinado para realizar previsões de séries temporais em concentrações de PM2,5. Como as estações de qualidade do ar estão localizadas esparsamente em grandes áreas e coletam dados ao longo do dia, o ST-Transformer deve considerar variáveis ​​de tempo e espaço, bem como dependências variáveis, que são variáveis ​​que afetam umas às outras.

“Para treinar o modelo ST-Transformer, incluímos dependências espaciais, temporais e variáveis ​​de incêndios florestais, fumaça e poluentes do ar”, disse Yu. "Também mudamos o mecanismo de atenção total do Transformer para atenção esparsa, que pode ser treinada para priorizar e capturar as informações mais relevantes. Isso permite que o modelo se concentre apenas em PM2.5 relacionados a incêndios florestais."

A maneira tradicional de executar esse tipo de trabalho de modelo para previsão de séries temporais é treinar modelos separadamente para cenários sem fumaça ou de linha de base, bem como cenários de fumaça. Em seguida, os modelos de linha de base podem ser usados ​​para prever a poluição do ar por dias sem fumaça de incêndios florestais e o modelo de fumaça para prever dias com fumaça de incêndios florestais, de acordo com a equipe. Mas Yu e sua equipe fundiram essas entradas em um modelo.