ПРОГРАМНИЙ АНАЛІЗ ПОТОКОВИХ ДАНИХ РАДІАЦІЙНОГО ЗАБРУДНЕННЯ ПОВІТРЯ

Автор(и)

DOI:

https://doi.org/10.35546/kntu2078-4481.2023.2.26

Ключові слова:

програмні методи, потокові дані, Python, моніторинг стану радіаційного забруднення повітря, датчик радіоактивних частинок, ThingSpeak, Інтернет речей, ESP12.OLED

Анотація

У сучасному світі збільшується увага до питань охорони навколишнього середовища та сталого розвитку. Природні ресурси обмежені, тому важливо вживати заходів для контролю і збереження стану довкілля. Одним із ефективних інструментів для цього є програмні системи моніторингу показників навколишнього середовища, які здатні збирати та обробляти потокові дані. Потокові дані надходять у режимі реального часу з різних датчиків, що вимірюють параметри середовища, такі як якість повітря, рівень шуму, рівень води, викиди забруднюючих речовин і багато інших. Аналіз даних систем моніторингу показників повітря є важливим інструментом для контролю та покращення стану навколишнього середовища, дозволяє забезпечити більш ефективне управління природними ресурсами, зменшити негативний вплив людської діяльності на довкілля та сприяти сталому розвитку. Однією з основних переваг обробки потокових даних є здатність до аналізу і реагування на зміни в реальному часі. Це дозволяє оперативно виявляти небезпеки, відхилення від стандартів, аварійні ситуації або інші проблеми, що виникають у навколишньому середовищі та негайно приймати заходи для їх усунення. Обробка потокових даних дозволяє аналізувати тенденції та прогнозувати можливі ризики та проблеми в навколишньому середовищі. Це дозволяє приймати запобіжні заходи та розробляти стратегії для збереження екологічного стану. Дані, отримані з моніторингових систем, можуть слугувати підґрунтям для розробки політик та регулюючих стандартів у сфері охорони навколишнього середовища. У статті описано програмні методи аналізу потокових даних, зокрема, для аналізу радіаційного забруднення повітря. Проаналізовано відкриті дані показників радіаційного забруднення повітря у м. Києві та здійснено візуалізацію даних за допомогою аналітичних інструментів мови програмування Python. Знайдено кореляцію між показниками радіаційного випромінювання в різний час доби, проаналізовано періоди часу аварійних відключень датчика. Для аналізу даних використано хмарне середовище Google Colab. Описано технічні характеристики моніторингової системи показників радіаційного забрудненння повітря у м. Київ з відкритих джерел даних платформи ThingSpeak.

Посилання

Teh, H.Y., Kempa-Liehr, A.W. & Wang, K.IK. (2020) Sensor data quality: a systematic review. Big Data 7, 11. https://doi.org/10.1186/s40537-020-0285-1

Peltier, R.E., Buckley, T.J. (2020) Sensor technology: a critical cutting edge of exposure science. Expo Sci Environ Epidemiol 30, 901–902. https://doi.org/10.1038/s41370-020-00268-3

Rahman, M.H., Agarwal, S., Sharma, S. et al. (2023) High-Resolution Mapping of Air Pollution in Delhi Using Detrended Kriging Model. Environ Model Assess 28, 39–54. https://doi.org/10.1007/s10666-022-09842-5

Ramos, R.V., Blanco, A.C. (2022) Integrated GIS and air dispersion modeling approach for roadside pollutant mapping: a case study in Baguio City, Philippines. Spat. Inf. Res. 30, 371–383. https://doi.org/10.1007/s41324-022-00438-5

Keswani A., Akselrod H., and. Anenberg S. C. (2022) Health and Clinical Impacts of Air Pollution and Linkages with Climate Change. NEJM Evid 2022; 1(7). DOI: 10.1056/EVIDra2200068

Mujtaba, G., Shahzad, S.J.H. (2021) Air pollutants, economic growth and public health: implications for sustainable development in OECD countries. Environ Sci Pollut Res 28, 12686–12698. https://doi.org/10.1007/s11356-020-11212-1

Morantes, G., González, J.C. & Rincón, G. (2021) Characterisation of particulate matter and identification of emission sources in Greater Caracas, Venezuela. Air Qual Atmos Health. https://doi.org/10.1007/s11869-021-01070-2

Kaginalkar A., Kumar S., Gargava P., Kharkar N. and Niyogi D. (2022) SmartAirQ: A Big Data Governance Framework for Urban Air Quality Management in Smart Cities. Front. Environ. Sci. 10:785129. doi: 10.3389/fenvs.2022.785129

##submission.downloads##

Опубліковано

2023-08-09