2025-09-15 | 울산=장지승 기자

UNIST将引发超细颗粒物的氨浓度观测“由隔周改为逐日”

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

一项可填补引发超细颗粒物的氨浓度观测空白的人工智能(AI)技术问世。

蔚山科学技术院(UNIST)地球环境城市建设工学系林正浩教授研究团队15日表示,已开发出能够以天为单位精确推算大气中氨(NH₃)浓度的人工智能模型。

氨以气体形态排放于农业化肥、家畜粪尿、火灾现场等。其本身无害,但与大气中的硫酸或硝酸等酸性物质相遇便会生成超细颗粒物(PM2.5),因此为大气质量预报、环境政策制定等,精确监测必不可少。

但氨在大气中滞留时间短,浓度变化大,地面观测站也稀少,数据一直以两周为单位提供。虽有通过计算预测氨浓度的气候模型,但因针对大范围空间,各地区预测误差较大。

研究团队基于人工智能深层神经网络,构建了可增强氨观测周期与精度的AI模型。以欧洲中期预报中心ERA5气候资料和IASI卫星的氨柱浓度为输入值,以美国AMoN地面观测网资料为真值,对模型进行了训练。

该AI模型的预测误差较欧洲气候模型CAMS最多低1.8倍。此外,尽管该AI模型以美国数据为真值训练,但也捕捉到了2019年英国曼彻斯特地区大型火灾导致的高浓度现象。这一实验结果显示出所开发模型的空间扩展性与现场应用可能性。

本次研究由萨曼·马利克(Saman Malik)研究员与姜恩珍研究员作为第一作者参与。研究团队解释称:“通过计算推算地面氨浓度的CAMS等气候模型在精度方面、通过地面观测站的实测在资料提供周期过长方面,监测局限都很明显”,“本模型可弥补现有监测方式的缺点”。

林正浩教授强调:“该技术可直接用于氮基污染物的大气质量预报和环境管理政策制定”,“尤其在韩国国内仅在有限地点进行氨浓度监测,若应用所开发的技术,将可构建高分辨率监测体系”。

本次研究成果于9月15日刊载于环境领域知名学术期刊《有害物质杂志》(Journal of Hazardous Materials)。研究在韩国环境部环境科学院、韩国科学技术情报通信部韩国研究财团的支持下完成。

阅读韩文原文