Nghiên cứu đột phá trong giám sát chất lượng không khí

Theo một nghiên cứu mới được công bố trên Tạp chí Environmental Science and Ecotechnology (Khoa học và Kỹ thuật Môi trường), khả năng kết hợp giữa CNN - một loại mô hình mạng nơ-ron nhân tạo, và LSTM - một mạng thần kinh hồi quy nhân tạo đã tạo ra một mô hình có khả năng nhận biết các chi tiết không gian và động lực thời gian từ các hình ảnh camera giám sát. 

Kết quả của nghiên cứu đã cho thấy khả năng của mô hình trong việc dự báo chất lượng không khí, bao gồm nồng độ các hạt vật chất như PM2.5 và PM10.

Điểm đặc biệt là mô hình này không chỉ dự đoán được chất lượng không khí ban ngày mà còn cả ban đêm, thời điểm mà các phương pháp truyền thống gặp khó khăn do ánh sáng yếu. Bằng cách phân tích các dấu hiệu trực quan như sương mù và tầm nhìn từ các hình ảnh, mô hình có thể ước tính chính xác nồng độ các hạt vật chất trong không khí một cách hiệu quả. 

Để giúp người dân biết được tình trạng chất lượng không khí, các cơ quan chính phủ, nhà khoa học và các công ty tại nhiều quốc gia trên thế giới đã liên tục cung cấp thông tin theo thời gian thực về tình trạng chất lượng không khí. Dữ liệu quan trắc giúp nâng cao nhận thức của cộng đồng về ô nhiễm không khí, đồng thời hỗ trợ đánh giá xu hướng và tác động của ô nhiễm không khí, góp phần thực hiện và đánh giá hiệu quả của các giải pháp quản lý chất lượng không khí.

Nghiên cứu đột phá về sự kết hợp mô hình giữa CNN và LSTM sẽ góp phần giúp việc đánh giá chất lượng không khí trở nên linh hoạt hơn, tiết kiệm chi phí và hiệu quả hơn. 

Đồng thời, đánh dấu bước tiến quan trọng trong việc sử dụng công nghệ để giám sát môi trường, đặc biệt là ở những vùng thiếu cơ sở hạ tầng quan trắc; cung cấp cơ sở cho việc ra quyết định và thực hiện các biện pháp cần thiết để giảm thiểu ô nhiễm không khí và bảo vệ sức khỏe con người.

Thanh Thanh