چارچوبی نوین برای رصد دقیق انتشار دی‌اکسیدکربن جاده‌ای

فناوری ترکیبی مبتنی بر هوش مصنوعی و داده‌های میدانی در شنژن آزمایش شد

این چارچوب می‌تواند با دقت ۳۰ متری و به‌صورت ساعتی، تغییرات و منابع انتشار دی‌اکسیدکربن جاده‌ای را رصد کند

به گزارش پایگاه خبری گزارش سبز به نقل از شینهوا، پژوهشگران چینی موفق به توسعه یک چارچوب ترکیبی شدند که امکان ردیابی منابع و تغییرات انتشار دی‌اکسیدکربن در جاده‌ها را به‌صورت آنی و با دقت ۳۰ متر فراهم می‌کند. این دستاورد علمی در مقاله‌ای که اخیراً در نشریه Sustainable Cities and Society منتشر شد، معرفی گردیده است.

این فناوری هم‌اکنون در شهر شنژن در جنوب استان گوانگ‌دونگ به کار گرفته شده و انتظار می‌رود در آینده در شهرهای بیشتری توسعه یابد تا به ارزیابی و ارتقای کاهش انتشار کربن در جاده‌های شهری کمک کند.

چالش‌های موجود در پایش کربن شهری

رشد سریع شهرنشینی و جابه‌جایی جمعیت، موجب افزایش مداوم انتشار دی‌اکسیدکربن جاده‌ای شده است؛ امری که چالش‌های مهمی در حوزه تنظیم اقلیم محلی، سلامت عمومی و دستیابی به اهداف کربن‌خنثی ایجاد می‌کند.

وانگ لی، نویسنده مسئول مقاله و پژوهشگر مؤسسه تحقیقات اطلاعات هوافضا وابسته به آکادمی علوم چین، توضیح داد: «یکی از محدودیت‌های کلیدی در فهرست‌های موجود انتشار کربن، وضوح مکانی پایین آنهاست. این ضعف موجب می‌شود تغییرات جزئی در مقاطع مختلف جاده یا در بازه‌های زمانی متفاوت قابل شناسایی نباشد و ردیابی دقیق منابع انتشار و علت‌های آن دشوار گردد.»

تلفیق هوش مصنوعی و داده‌های محیطی

وانگ و تیم او چارچوبی طراحی کرده‌اند که با ترکیب هوش مصنوعی همه‌نگر (Panoptic-AI) و چارچوب مشاهده سیار، قادر است غلظت دی‌اکسیدکربن جاده‌ای را به‌صورت ساعتی و با تفکیک ۳۰ متری پیش‌بینی کند. همچنین این فناوری، امکان ارائه پیش‌بینی پویای افزایش روزانه دی‌اکسیدکربن در شبکه‌های ترافیکی شهری را فراهم می‌سازد.

این سامانه با بهره‌گیری از دوربین‌های پانورامیک، آنالیزورهای دقیق گازهای گلخانه‌ای و حسگرهای هواشناسی، داده‌های چندمنبعی شامل غلظت دی‌اکسیدکربن، حجم ترافیک، بافت ساختمانی اطراف، پوشش گیاهی و شرایط جوی را به‌طور همزمان جمع‌آوری می‌کند.

دقت بالای شناسایی منابع انتشار

بر اساس نتایج این پژوهش، تیم تحقیقاتی توانست به دقت بالای بیش از ۹۳ درصد در شناسایی منابع انتشار دست یابد. علاوه بر این، این چارچوب قادر است اثرگذاری عوامل جداگانه مانند وضعیت ترافیک، نوع کاربری اراضی و متغیرهای اقلیمی را کمی‌سازی کند و بدین ترتیب پویایی‌های مکانی و زمانی و سازوکارهای محرک انتشار کربن را آشکار سازد.

وانگ در این باره افزود: «این فناوری نشان‌دهنده یک به‌کارگیری نوآورانه از هوش مصنوعی در پایش محیط‌زیست است و زمینه ایجاد یک سامانه چندبعدی و جامع برای رصد کربن را در کنار فهرست‌های سنتی انتشار و فناوری‌های ماهواره‌ای پایش گازهای گلخانه‌ای فراهم می‌کند.»