Een nieuw luchtkwaliteitsmodel zal voorspellers van de luchtkwaliteit helpen om de ozonniveaus aan het oppervlak tot 48 uur van tevoren en met minder middelen te voorspellen, volgens een team van meteorologen.

De methode, genaamd regressie in zelforganiserende kaart (REGiS), weegt en combineert statistische luchtkwaliteitsmodellen door ze te koppelen aan voorspelde weerpatronen om probabilistische ozonvoorspellingen te maken. In tegenstelling tot de huidige modellen voor chemisch transport, REgiS kan ozonniveaus tot 48 uur van tevoren voorspellen zonder dat er veel rekenkracht voor nodig is.

Nikolaj Balasjov, die onlangs zijn doctoraat in meteorologie behaalde aan Penn State, ontwierp deze nieuwe methode door de relatie tussen luchtverontreinigende stoffen en meteorologische variabelen te onderzoeken.

Omdat de ozonconcentraties hoger zijn in dichtbevolkte gebieden, vooral aan de westkust van de VS, het model helpt luchtkwaliteitsvoorspellers en besluitvormers om bewoners vooraf te waarschuwen en bevordert mitigatiemethoden, zoals het openbaar vervoer, in een poging omstandigheden te vermijden die bevorderlijk zijn voor de vorming van ongezonde ozonniveaus.

"Als we het ozonniveau van tevoren kunnen voorspellen, dan is het mogelijk dat we iets kunnen doen om het te bestrijden, " zei Balashov. "Ozon heeft zonlicht nodig, maar het heeft ook andere voorlopers nodig om zich in de atmosfeer te vormen, zoals chemicaliën die worden aangetroffen in voertuigemissies. Door het gebruik van voertuigen te verminderen (op de dagen dat het weer bevorderlijk is voor de vorming van ongezonde ozonconcentraties) zullen de emissies die bijdragen aan hogere niveaus van ozonvervuiling verminderen."

Deze nieuwe tool voor voorspellers van de luchtkwaliteit maakt de evaluatie mogelijk van verschillende scenario's voor ozonvervuiling en biedt inzicht in welke weerpatronen de ozonvervuiling aan het oppervlak kunnen verergeren. Bijvoorbeeld, hogere oppervlaktetemperaturen, droge omstandigheden en lichtere windsnelheden leiden meestal tot hogere ozon aan het oppervlak. De onderzoekers publiceerden hun resultaten in het Journal of Applied Meteorology and Climatology.

Ozon is een van de zes veelvoorkomende luchtverontreinigende stoffen die zijn geïdentificeerd in de Clean Air Act van het Environmental Protection Agency. Het inademen van ozon kan verschillende gezondheidsproblemen veroorzaken, inclusief COPD, pijn op de borst en hoesten, en kan bronchitis verergeren, emfyseem en astma, volgens de EPA. Het kan ook op lange termijn longschade veroorzaken.

Ozon aan het oppervlak wordt aangemerkt als een verontreinigende stof, en de EPA heeft onlangs de maximale dagelijkse 8-uursgemiddelde drempel verlaagd van 75 naar 70 delen per miljard in volume. Dat leidde tot een grotere behoefte aan nauwkeurige en probabilistische voorspellingen, zei Balasjov.

De huidige modellen zijn duur om te gebruiken en zijn vaak niet beschikbaar in ontwikkelingslanden omdat ze nauwkeurige metingen vereisen, expertise en rekenkracht. REgiS zou nog steeds werken in landen die deze middelen niet hebben, omdat het gebaseerd is op statistieken en historische weers- en luchtkwaliteitsgegevens. De methode combineert een reeks bestaande statistische benaderingen om de zwakke punten van elk te overwinnen, resulterend in een geheel dat groter is dan de som der delen.

"REGiS laat zien hoe relatief eenvoudige kunstmatige-intelligentiemethoden kunnen worden gebruikt om voorspellingen van weersgestuurde fenomenen mee te liften, zoals luchtvervuiling, op bestaande en vrij beschikbare wereldwijde weersvoorspellingen, " zei George Young, hoogleraar meteorologie, Penn State en de afgestudeerde adviseur van Balashov. "De statistische benadering van REGiS - weerpatroonherkenning die patroonspecifieke statistische modellen begeleidt - kan zowel efficiëntie als vaardigheidsvoordelen opleveren in een aantal voorspellingstoepassingen."

REgiS werd geëvalueerd in San Joaquin Valley in Californië en in noordoostelijke delen van Colorado, waar Balashov zijn methode testte met behulp van standaard statistische statistieken. Vorige zomer, het model werd naast bestaande modellen gebruikt in de regio Philadelphia als een operationeel instrument voor het voorspellen van de luchtkwaliteit.

Tijdens zijn eerdere onderzoek in Zuid-Afrika, Balashov raakte voor het eerst geïnteresseerd in het bestuderen van ozon en de relatie met de weersverschijnselen El Niño en La Niña.

"Ik raakte geïnspireerd om ozon te bestuderen omdat ik zag hoeveel verband er kan zijn tussen weerpatronen en luchtvervuiling, " zei Balashov. "Ik realiseerde me dat er een heel sterke relatie was en dat we meer konden doen om dit verband tussen meteorologie en luchtvervuiling te onderzoeken, die kunnen helpen bij het maken van voorspellingen, vooral op plaatsen waar geavanceerde modellen ontbreken. Met deze methode, je kunt luchtkwaliteitsvoorspellingen doen in onder meer India en China."