인공지능으로 지하수 오염 취약 지역 조기 발견 및 감시 강화

Seoul연구자들이 새로운 머신러닝 도구를 이용하여 지하수의 수질 모니터링 방법을 개선했습니다. 이 도구는 데이터가 제한적일 때도 지하수 오염의 고위험 지역을 찾아내는 데 도움을 줍니다. 이 기술은 처음으로 애리조나와 노스캐롤라이나에서 사용되고 있으며, 다른 지역에서도 적용이 가능합니다. 지하수에는 비소나 납과 같은 유해 물질이 포함될 수 있어 모니터링이 매우 중요합니다. 지하수 검사는 비용이 많이 들고 까다로울 수 있으므로, 이 새로운 접근 방식이 필요합니다.

인공지능 모델은 지난 140년간의 방대한 양의 지하수 품질 기록을 분석합니다. 여기에는 50개 이상의 수질 지표를 포함하여 2천만 개 이상의 데이터 포인트가 포함됩니다. 이러한 정보를 바탕으로 AI는 소수의 지표만 주어졌을 때에도 다양한 무기 오염물질의 존재와 수준을 예측할 수 있습니다. 초기 결과에 따르면 현재 데이터와 AI가 예측한 안전성 기준 충족 여부에 차이가 있습니다. 예를 들어, 현장 데이터는 75-80%의 장소가 안전성 기준을 통과한다고 제시하지만, AI는 실제로 15-55%만이 진정으로 안전할 수 있다고 예측합니다.

이 모델은 자원을 분배하고 위험도가 높은 지역에 집중할 수 있도록 다음과 같은 요인들을 고려합니다.

• 지질 및 환경 데이터와의 상관관계
• 특정 오염 물질의 역사적 발생 패턴
• 농업에는 유익하나 다른 환경에서는 해로운 요소들

더 읽기:

오늘 · 오전 10:54

휴스턴 피프스 워드, 토양 내 납 오염 심각성 연구결과 발표

이 접근법은 주 정부 기관과 지방 자치단체가 자원을 가장 필요로 하는 지역에 집중할 수 있도록 설계되어 있어, 검증 및 수처리의 효율성을 높입니다. 연구자들은 미국 전역의 다양한 데이터와 새로운 환경 정보를 지속적으로 모델에 반영하여, 시간이 지남에 따라 모델의 정확성을 향상시키는 것을 목표로 하고 있습니다.

이 연구는 모델이 농업에 중요하지만 환경에 해를 끼칠 수 있는 인산염의 수준을 어떻게 감지할 수 있는지를 조사합니다. 이 모델의 주요 목표는 다양한 생태계에서 인산염 사용을 관리하는 데 도움이 되는 것입니다. 이 AI 도구의 발전을 통해 과학자들은 전 세계적으로 물의 안전성을 높여 환경과 공공 건강을 개선하기를 기대합니다. 연구자들은 이것이 새로운 오염 물질의 감시에 기여할 것이라고 기대합니다.