I ricercatori KAUST hanno sviluppato un metodo più accurato per modellare i fenomeni guidati dal vento. Hanno dimostrato il loro modello applicandolo a un set di dati sull'inquinamento atmosferico in tutta l'Arabia Saudita. Credito:© 2022 KAUST; Morgan Bennett Smith.
Adattando una struttura fisica che segue il flusso alla modellazione statistica di grandi insiemi di dati spazio-temporali, i ricercatori KAUST hanno sviluppato un metodo generale più solido e realistico per affrontare i fenomeni guidati dal vento. L'approccio promette di migliorare notevolmente l'accuratezza della previsione della dispersione degli inquinanti incorporando processi fisicamente più realistici nella modellazione geostatistica.
Le analisi geostatistiche implicano l'elaborazione statistica di insiemi di dati molto grandi, come le misurazioni della velocità del vento in molte località e altitudini nel tempo, per estrarre un modello sottostante di come determinati parametri si comportano e sono correlati spazialmente e temporalmente nel mondo reale. Tuttavia, la capacità di tali modelli di caratterizzare accuratamente quel comportamento e prevedere ciò che accadrà dopo dipende in gran parte dalla struttura del modello utilizzata per l'analisi. Un team di scienziati KAUST guidato da Marc Genton ha sviluppato strutture analitiche più significative dal punto di vista fisico in grado di modellare meglio tali fenomeni naturali.
"Molti modelli geostatistici spazio-temporali non riflettono necessariamente relazioni scientifiche fondamentali", spiega Mary Salvaña, che ha lavorato con Genton e Amanda Lenzi alla ricerca. "C'è richiesta di modelli geostatistici spazio-temporali con basi fisiche, poiché la maggior parte dei dati ambientali obbedisce a varie leggi fondamentali della natura. In questo studio, abbiamo preso un concetto di modellazione in fisica chiamato framework Lagrangiano e lo abbiamo formulato nel linguaggio dello spazio- geostatistica multivariata nel tempo per sviluppare una suite di modelli spazio-temporali basati sui dati che sono più appropriati per i set di dati che coinvolgono il trasporto tramite mezzi di comunicazione, come il vento."
Il vento è un fenomeno trainante complicato da incorporare in un modello statistico pratico. È asimmetrico nella sua correlazione, scorre da un luogo all'altro e varia anche in base all'altitudine. La struttura lagrangiana è stata sviluppata nel campo della dinamica dei fluidi per modellare i flussi in un modo analogo alla fisica sottostante seguendo una particella fluida mentre si muove nello spazio e nel tempo. Per Salvaña e i suoi colleghi, la sfida era garantire che questo framework potesse essere validamente utilizzato con un modello geostatistico spazio-temporale su più variabili.
"I nostri risultati, che hanno confermato la validità del modello, hanno mostrato che non tenere conto di molteplici advezioni o fenomeni di trasporto può portare a previsioni scadenti", afferma Salvaña.
Il team ha dimostrato il proprio modello applicandolo a un set di dati inquinanti bivariati di particolato in tutta l'Arabia Saudita. I risultati hanno mostrato che le distribuzioni di black carbon sono modellate in modo molto più accurato tenendo conto del comportamento del vento dipendente dall'altitudine.
"Il nostro framework di modellizzazione potrebbe essere applicato anche allo studio della correlazione spazio-temporale delle variabili oceaniche, poiché l'acqua è un altro mezzo di trasporto, che potrebbe essere importante per comprendere i modelli oceanici prima e dopo un ciclone tropicale", afferma Salvaña.
Lo studio è pubblicato nel Journal of the American Statistical Association . + Esplora ulteriormente
