小说R-CNN和变压器模型对发展中国家标志性遗产遗址周围的污染影响和土地覆盖变化:一个案例研究

科学领域:

• 环境科学与工程环境科学与工程
• 大气化学 大气化学
• 遗产保护 遗产保护 遗产保护

背景情况:

• 南亚的标志性文化遗产面临城市土地利用变化和不断增加的污染造成的不可逆转损害.
• 沉重的车辆交通,特别是柴油排放的颗粒物会导致烟尘和黑碳沉积在像米纳克希阿曼寺这样的建筑物上.
• 自然降雨在清除空气中的微粒 (0.2-0.5微米) 方面效率低下,特别是在干旱地区.

研究的目的:

• 调查车辆排放对遗产遗址的影响,并为颗粒物减排提出成本有效的解决方案.
• 开发一种人工智能介导的方法来确定最佳的喷雾器系统用于颗粒清理.
• 评估过渡到电动汽车 (EV) 的好处,以保护遗产遗址.

主要方法:

• 分析欧洲数据库和应用天气研究和预测 (WRF) 模型来评估环境变化 (1940-2050).
• 利用面具反复卷积神经网络 (R-CNN) 来确定空气中的颗粒的Sauter Mean Radii (SMR).
• 在各种排放场景 (RCP 8.5) 下,用于未来气候和污染预测 (2020-2050) 的使用堆叠变压器模型.

主要成果:

• 预计植物覆盖面 (LAI),降雨量和土壤水分的减少,以及非降雨云的增加.
• 确定了车辆空和更广泛的颗粒大小分布之间的相关性,在更高的运行负载期间产生更细微的颗粒.
• 模拟显示,与商业常规情景相比,向电动汽车过渡的环境指标有了显著的改善.

结论:

• 优化颗粒大小分布的智能路边喷雾器为减轻烟尘沉积提供了经济实惠的解决方案.
• 一种人工智能驱动的方法可以有效地确定粒子SMR,绕过昂贵的仪器仪表.
• 过渡到电动汽车可以大幅减少污染,保护遗产遗址,节省数百万美元的修复成本.