تحليل البيانات الساتلية لرصد نوعية الهواء الحضري ومصدر التلوث

Column vs. Surface Concentration

وتقيس السواتل العمود الإجمالي للملوث من أعلى الغلاف الجوي إلى السطح، وليس التركيز على المستوى الأرضي الذي يتنفسه البشر، ويستلزم تحويل الكثافة العمودية إلى التركيز السطحي افتراضات ذات ملامح عمودية وبيانات الأرصاد الجوية ونماذج النقل الكيميائي، مما يُحدث أوجه عدم التيقن، لا سيما بالنسبة للملوثات التي لها توزيعات عمودية معقدة مثل الأوزون، ولا تزال تقنيات استيعاب البيانات التي تدمج الأعمدة الساتلية مع الملاحظات الأرضية والنات النموذجية هي حالة الفنون.

معدل البيانات وإمكانية الوصول إليها

وفي حين توفر ناسا والوكالة الأوروبية للطاقة الذرية بيانات مفتوحة مجانا، فإن تجهيز البيانات الساتلية الخام في منتجات الهواء الصالحة للاستخدام يمكن أن يستغرق ساعات إلى أيام، وبالنسبة لرصد نوعية الهواء في الوقت الحقيقي، توجد منتجات شبه الوقت (مثلا، في غضون ثلاث ساعات) ولكن لا تزال هناك شكوك أكبر، ويجب على المستعملين أيضا إدارة أحجام كبيرة من البيانات: تروبومي وحدها تنتج تيرابايت يوميا.

تحديد مصادر التلوث ببيانات السواتل: الأساليب ودراسات الحالات الإفرادية

تحديد المصادر هو المكان الذي تشرق فيه البيانات الساتلية حقا عندما تقترن ببيانات تكميلية، وقد وضعت عدة نُهج.

رسم الخرائط الساخنة وكشف الشذوذ

ويمكن أن تحدد الأساليب الإحصائية البسيطة (مثلاً، التحليل البقعة الساخنة لـ " غيتيس - أورد غي* " ) التي تطبق على الأعمدة الساتلية من طراز NO2 أو S2 مجموعات تتجاوز مستويات المعلومات الأساسية، وقد استخدم ذلك لكشف حرق الفحم غير المشروع في أوروبا الشرقية وتحديد مواقع تسرب الميثان من البنى التحتية للنفط والغاز.

Wind-Dispersal and Plume Analysis

وعندما تقترن عمليات المراقبة الساتلية بميادين الرياح (من بيانات إعادة التحليل مثل " ERA5 " )، يمكن تعقب حركة السباكات الملوثة إلى مصادرها، وعلى سبيل المثال، استخدمت دراسة في حوض مدينة مكسيكو TROPOMI NO2 مع نموذج مسارات هيسبليت " ، لتعريف الأعمدة المرفوعة إلى ممرات صناعية محددة.

تعليم الآلات لأغراض تقدير المصدر

ويمكن أن تتعلم نماذج التعلم العميق التي تم تدريبها على الصور الساتلية والبيانات المتعلقة بالأراضي، وإحصاءات حركة المرور، وقوائم جرد الانبعاثات بصمات مختلف أنواع المصادر، وقد استخدمت دراسة أجريت في عام 2023 من جامعة برمنغهام شبكة جديدة للثورة في تروبومي NO2، وتغطية أرضية من طراز Sentinel-2 لتصنيف خلايا الشبكة الحضرية باعتبارها مزودة بحركة، أو صناعية، أو خلفية، مما حقق أكثر من 80 في المائة من الدقة، وهذه النماذج قابلة للتوسع في الدراسات الاستقصائية الأرضية.

دراسة حالة: رصد رقم 2 أثناء فترة الاحتجاز في إطار اتفاقية فيينا الدولية - 19

وقد حدثت في أوائل عام 2020 إحدى أكثر المظاهرات الدرامية لكشف مصادر السواتل، حيث لاحظت المنظمة الدولية لتوحيد المقاييس ومنظمة أوم آي تخفيضات حادة في الـ مكافئ ثاني أكسيد الكربون على المدن الرئيسية في العالم مع انخفاض عدد المتاجرة في ميلان، وانخفضت نسبة الـ 40 في المائة؛ وفي وهان، 50 في المائة، وأثبتت هذه البيانات بشكل قاطع أن حركة المرور هي المصدر الرئيسي للرقم 2 في المناطق الحضرية، ولم يكن من الممكن إجراء التحليل نفسه بواسطة مراقبين أرضيين فقط بسبب الحاجة إلى السياق المكاني الواسع.

إدماج شبكات الرصد الساتلية والقائمة على الأرض

ولا بد أن ينطوي المسار من البيانات الساتلية إلى المعلومات ذات النوعية الجوية العملية على الدمج مع الملاحظات الموقعية، وتقوم مدن كثيرة حاليا ببناء شبكات هجينة:

• Calibration:] Ground monitors provide the reference for validating satellite retrievals. Long-term ground records are essential for correcting satellite biases (e.g., due to aerosol interference).
• Downscaling:] Statistical or machine learning models use satellite columns, land use, and weather variables to estimate surface PM2.5 at sub-kilometer resolution, that is, bridging the gap between satellite pixel and street level.
• Data Assimilation:] Chemical transport models (e.g., GEOS-Chem, CMAQ) ingest satellite data to improve emission estimates and forecasts. The Copernicus Atmosphere Monitoring Service routinely assimilates TROPOMI NO2 and IASI ozone to produce global analyses.

وبالنسبة لمديري المدن، تتمثل التوصية في الاستثمار في نهج مترابط: عدد قليل من المحطات الأرضية ذات الدرجات المرجعية للامتثال الأساسي، وشبكة من أجهزة الاستشعار المنخفضة التكلفة للملء المكاني، وبيانات السواتل للسياق على نطاق المنطقة، مما يقلل من التكلفة مع تحسين التغطية.

دور التعلم في مجال الآلات والاستخبارات الفنية

وتتسارع المعلومات الاستخبارية الفنية في كل خطوة من مراحل سلسلة قيمة الهواء الساتلية، وهذه تطبيقات رئيسية:

تعزيز استرداد الخوارزميات

وتعتمد عمليات الاسترجاع المادي التقليدية على نماذج التحويل الإشعاعي التي تكون باهظة التكلفة حسابيا، ويمكن لمناصري الشبكة العصبية الذين تم تدريبهم على بيانات السواتل المحاكاة أن يستعيدوا أعمدة الغاز المتبصّرة في ثوان بدلا من دقائق، مما يتيح التجهيز في الوقت الحقيقي، ويستخدم الآن استرجاع الساتل TROPOMI NO2 التشغيلي شبكة عصبية قبل ذلك.

الحل الكامل

ويمكن لنماذج التعلم العميق (مثلا، الشبكة العالمية لشبكة الملاحة الجوية) أن تعزز الصور الساتلية إلى مقياسات البسكويت، وقد أظهر الباحثون هبوطا في حجم TROPOMI NO2 من 3.5 كيلومترا إلى 1 كيلومترا باستخدام الغطاء الأرضي العالي الاستبانة وبيانات المرور، مما يخلق بفعالية خرائط التلوث على نطاق المدن التي تكشف عن أنماط على مستوى الشوارع.

النماذج الافتراضية

ويمكن لشبكات الإدارة المستدامة للأراضي ونماذج المحولات أن تتوقّع نوعية الهواء الحضري في الساعات الـ 24 إلى 72 القادمة باستخدام الأعمدة الساتلية التاريخية والتنبؤات الجوية والبيانات الأرضية في الوقت الحقيقي، وقد بدأت هذه التنبؤات تعمل بالفعل في برامج تجريبية في بيجين ولندن، مما يوفر إنذارات مبكرة للأحداث ذات التأثير العالي.

الآثار المترتبة على السياسات والصحة العامة

والهدف النهائي لرصد نوعية الهواء بواسطة السواتل هو دفع عجلة تغيير السياسات وحماية الصحة، وتتزايد استخدام البيانات الساتلية في السياقات التنظيمية:

• National Ambient Air Quality Standards (NAAQS):] The U.S. EPA has used satellite-derived NO2 and PM2.5 for non-attainment area designations when ground monitoring density is insufficient.
• Climate and Clean Air Co-benefits:] Reducing short-lived climate pollutants like methane and black carbon yields both air quality and climate benefits. Satellite data (e.g., TROPOMI methane columns) helps identify super-emitters.
• Healthth Impact Assessment:] Epidemiological studies rely on exposure estimates. Satellite-derived surface PM2.5 has enabled global burden of disease estimates, revealing that air pollution causes over 7 million early deaths annually.

وبالنسبة للجمهور، يمكن أن تبنى البيانات الساتلية الشفافة الثقة، فالمدن التي تتقاسم خرائط نوعية الهواء المستمدة من السواتل تخول المواطنين اتخاذ القرارات (مثل تجنب الطرق ذات التأثير العالي) وتخضع الملوثات للمساءلة.

الاتجاهات المستقبلية: ذات الأولوية العالية، والعادلة، والعالمية

وتتطور المشهد الخاص بنوعية الهواء في السواتل بسرعة، وتتطور التطورات الرئيسية التي يتعين مشاهدتها:

• Geostationary Constellations:] TEMPO (North America, 2023), GEMS (Asia, 2020), and Sentinel-4 (Europe, 2024) will provide hourly day observations of NO2, SO2, ozone, and formaldehyde, allowing study of photochemistry and rush-hour dynamics.
• strong ⁇ Low-Cost SmallSats:/strong ⁇ Commercial constellations like Planet’s SkySat and GHGSat’s methane sensors are exploring finer resolution (US 10 m). While spectral coverage is limited, they fill gaps for specific pollutants.
• Hyperspectral Imaging:] Missions like EnMAP (Germany) and PRISMA ( Italy) capture hundreds of spectral bands, potentially identifying more chemical species and surface emission features.
• () نظم الرصد المتكاملة: ] The decade-old vision of a global air quality monitoring system is becoming real through international collaboration (e.g., the CEOS Air Quality Working Group). By 2030, most major urban areas will have satellite-derived air quality information with latencies under an hour.

الخلاصة: صورة أوضح لجودة الهواء الحضري

وقد تغير تحليل البيانات الساتلية بصورة دائمة كيف نرصد نوعية الهواء الحضري ونحدد مصادر التلوث، فمن أول صور لأعمدة دون أكسيد الكربون على المدن الصناعية إلى التنبؤات الحالية التي تُحسن بالتعلم الآلي، والتي تُقدَّم في وقت قريب، توفر السواتل رؤية لا غنى عنها على نطاق واسع تكمِّل الرصد الأرضي، ولا تحل أي تكنولوجيا واحدة المشكلة المعقدة لتلوث الهواء في المناطق الحضرية، ولكن عندما تكون البيانات الساتلية مدمجة مع أجهزة الاستشعار الأرضية، والنموذج، والتخفيف من الأهداف المتوقعة في مجال الاستثمار،