Sztuczna inteligencja wyznacza strefy zanieczyszczenia wód gruntowych dla lepszego monitoringu w USA

WarsawNowe rozwiązanie wykorzystujące sztuczną inteligencję poprawia monitorowanie jakości wód gruntowych. Dzięki temu narzędziu możemy identyfikować tereny o wysokim ryzyku zanieczyszczenia, nawet przy ograniczonej ilości danych. Początkowo technologia ta jest wdrażana w Arizonie i Karolinie Północnej, ale może być dostosowana do innych regionów. Woda gruntowa może zawierać szkodliwe substancje, takie jak arsen i ołów, dlatego jej monitorowanie jest kluczowe. Testowanie jakości wód gruntowych bywa kosztowne i skomplikowane, co sprawia, że to nowe podejście jest niezwykle potrzebne.

Model uczenia maszynowego analizuje ogromny zbiór danych dotyczących jakości wód gruntowych z ostatnich 140 lat. Zawiera to ponad 20 milionów punktów danych obejmujących ponad 50 parametrów jakości wody. Dzięki tym informacjom AI może przewidywać obecność i poziom różnych nieorganicznych zanieczyszczeń, nawet gdy dostępne są tylko nieliczne parametry. Wstępne wyniki pokazują różnicę między aktualnymi danymi a prognozami AI dotyczącymi tego, które miejsca spełniają normy bezpieczeństwa. Na przykład, dane terenowe sugerują, że 75-80% lokalizacji przechodzi testy bezpieczeństwa, ale AI przewiduje, że w rzeczywistości może być bezpiecznych tylko od 15 do 55%.

Model ten wspiera alokację zasobów i skupia się na najbardziej ryzykownych obszarach, uwzględniając następujące czynniki:

Zobacz również:

Wczoraj · 19:55

Tragedia rodziny Patelów: śmiertelna przeprawa przez granicę Kanada-USA

Zależności z danymi geologicznymi i środowiskowymi, historyczne wzorce występowania specyficznych zanieczyszczeń, a także pierwiastki korzystne w rolnictwie, lecz szkodliwe w innych kontekstach.

Ta metoda ma na celu wspieranie agencji rządowych i lokalnych władz w przeznaczaniu zasobów na obszary, które tego najbardziej potrzebują, co z kolei sprawia, że testowanie i uzdatnianie wody staje się bardziej efektywne. Dzięki ciągłemu aktualizowaniu modelu o różne dane z całych Stanów Zjednoczonych oraz nową wiedzę o środowisku, badacze dążą do jego stopniowego ulepszania.

Badanie analizuje, w jaki sposób model może śledzić poziomy fosforu, który jest istotny dla rolnictwa, ale jednocześnie może szkodzić środowisku. Głównym celem jest wsparcie zarządzania zużyciem fosforu w różnych ekosystemach. Poprzez udoskonalenie tego narzędzia AI, naukowcy zamierzają poprawić jakość wody na całym świecie, co przyczyni się do lepszego stanu środowiska i zdrowia publicznego. Badacze mają nadzieję, że to doprowadzi do bardziej efektywnego monitorowania nowych zanieczyszczeń.