კომპიუტერული სიმულაცია ლონდონში მოსახლეობაზე დაბინძურებული ჰაერის ზემოქმედებას ზომავს

• გლაზგოს უნივერსიტეტის მკვლევრებმა აგენტებზე დაფუძნებული მოდელირება (ABM) გამოიყენეს, რათა ლონდონის ვირტუალური სამყარო შეექმნათ, სადაც ადამიანები ქალაქში გადაადგილდებიან და ამავდროულად ექვემდებარებიან ჰაერის დაბინძურებას.
• ამ მეთოდოლოგიის გამოყენებით კვლევა სწავლობს, თუ რა საფრთხეებს უქმნის ზემოქმედების სხვადასხვა მოდელი ჯანმრთელობას. ამ მიზნით განასხვავებენ განგრძობად, არარეგულარულ, ციკლურ, შემთხვევით და კონცენტრირებულ მოდელებს.

იყო არაერთი მცდელობა, ზუსტად გაეზომათ, რამდენად ექვემდებარება მოსახლეობა ჰაერის დაბინძურების ზემოქმედებას, რომლის დროს გამოყენებული მრავალი მეთოდი მიზნად ისახავდა წინა ძალისხმევის გაუმჯობესებას. ასე მაგალითად, The London Atmospheric Emissions Inventory რუკაზე დაბინძურების ველებს ასახავს და ზემოქმედების ხარისხს ზომავს ასაკობრივ ჯგუფებში, მოსახლეობის მისამართების მიხედვით, გაშუალედებული PM2.5 დონის საფუძველზე. თუმცა, რა თქმა უნდა, ხალხი სახლში 24 საათს არ ატარებს.

ზემოქმედების გაზომვის სიზუსტის გასაუმჯობესებლად GPS გამოიყენებოდა, თუმცა ამგვარი კვლევის შედეგად მოპოვებულ ინფორმაციის რაოდენობას თავისი შეზღუდვები აქვს.

ამ ორ მიდგომას შორის ნაპრალის ამოსავსებად, გლაზგოს უნივერსიტეტის მკვლევრებმა აგენტებზე დაფუძნებული მოდელირება (ABM) გამოიყენეს, რათა ლონდონის ვირტუალური სამყარო შეექმნათ, სადაც ადამიანები ქალაქში გადაადგილდებიან და ამავდროულად ექვემდებარებიან ჰაერის დაბინძურებას.

ABM-ში აგენტები განისაზღვრებიან, როგორც ინდივიდუალური გადაწყვეტილების მიმღებები, რომლებიც შეიძლება იყვნენ ადამიანები, ცხოველები, მცენარეები ან თუნდაც სატრანსპორტო საშუალებები. მათ შეუძლიათ იყვნენ კოოპერატიულები და ადაპტირებადები, ხოლო მათ მოძრაობასა და ქცევას დადგენილი წესები არეგულირებს. მათ ასევე შეუძლიათ ურთიერთობის დამყარება მეზობელ აგენტებთან ან ჯგუფების შექმნა თავიანთი სოციალური ქსელის სტრუქტურის მიხედვით.

ABM-ის კიდევ ერთი მნიშვნელოვანი ასპექტია სივრცე, რომელიც წარმოადგენს ადგილს, სადაც აგენტები მოძრაობენ და ურთიერთობენ. ABM-ი გეოსივრცულ კონტექსტში იყენებს სივრცულ კოორდინატთა ბადეებს შენობების, გზებისა და სხვა მახასიათებლების წარმოსადგენად. მაგალითად, ამინდისა და პოლიტიკის სცენარებს აგენტებსა და სივრცეზე ზემოქმედება შეუძლიათ.

ჰისოპ შინი, გლაზგოს უნივერსიტეტის ჯანმრთელობისა და კეთილდღეობის სკოლის სოციალური და საზოგადოებრივი ჯანმრთელობის მეცნიერებების განყოფილებიდან, განმარტავს: „ABM-ის ერთ-ერთი ძლიერი მხარე არის ინდივიდუალური ურთიერთობებისა და უკუკავშირის ციკლის მოდელირების უნარი დროსა და სივრცეში. კერძოდ, სივრცითი ABM, საშუალებას გვაძლევს შევისწავლოთ ქცევა და ცვლილებები უკუკავშირის ციკლში დროთა განმავლობაში. გარდა ამისა, ABM შეიძლება გამოვიყენოთ ჰიპოთეზებისა და სამომავლო სცენარების გამოსაცდელად, რაც მკვლევრებს საშუალებას მისცემს, გამოიკვლიონ „რა მოხდება, თუ…“ კითხვები და მიიღონ ინფორმაცია რთული სისტემების ქცევებზე”.

ამ მეთოდოლოგიის გამოყენებით კვლევა სწავლობს, თუ რა საფრთხეებს უქმნის ჯანმრთელობას ზემოქმედების სხვადასხვა მოდელი. ამ მიზნით განასხვავებენ განგრძობად, არარეგულარულ, ციკლურ, შემთხვევით და კონცენტრირებულ მოდელებს. აღნიშნული მოდელები შეიძლება გამოვლინდეს მოკლევადიან ციკლში – საათებიდან დღეებამდე, ან გრძელვადიან ციკლში – თვეებიდან წლებამდე. ეს ნიშნავს, რომ ადამიანს შეიძლება ჰქონდეს ჯანმრთელობის სერიოზული პრობლემები, იქიდან გამომდინარე, თუ იგი ექვემდებარება მუდმივი შუალედური დაბინძურების დონეს ან ექსტრემალური დაბინძურების მრავალრიცხოვანი ეპიზოდის მსხვერპლია.

როგორც ზემოთ აღინიშნა, მკვლევრებს შეუძლიათ აგენტზე დაფუძნებული მოდელირების გამოყენება ჰიპოთეზური სცენარების გამოსაკვლევად, როგორიცაა: „რა მოხდება, თუ PM2.5 40%-ით შემცირდება, თუმცა უფრო მკაცრი ნორმატიული მოთხოვნები დადგინდება?“

ჰისოპ შინი ასრულებს თავის უკიდურესად ყოვლისმომცველ მოხსენებას (რომელიც ხელმისაწვდომია ქვემოთ მოცემულ ბმულზე) დაკვირვებით: „მომავალმა კვლევამ შეიძლება გამოიკვლიოს სხვა ქცევითი გაიდლაინები, როგორიცაა აგენტების გამოყენება, რათა ავიცილოთ ფეხით ან მანქანით გადაადგილება გარეთ, როდესაც ჰაერის ხარისხი ცუდია, ასევე მკურნალობის სხვადასხვა მეთოდის გამოყენება ჯანმრთელობის გაუარესების თავიდან ასაცილებლად ან სხვა სიტუაციები, რომლებისთვისაც შეგვიძლია მოვემზადოთ გრძელვადიან პერსპექტივაში, რათა მაქსიმალურად ვისარგებლოთ ABM-ით“.

სტატიაზე მუშაობდა: თაკო ოზბეტელაშვილი, მარიამ ტატუაშვილი

წყარო: airqualitynews.com

27 ნოემბერი 2023 წელი