OpenWeatherMap о важности получения точных данных: API к данным по загрязнению окружающей среды

Процесс загрязнения атмосферы продолжается уже не первое тысячелетие, однако никогда раньше он не был столь интенсивным, как в последние десятки лет.

Результаты не заставляют себя ждать; экологические проблемы городов (в Пекине уже второй раз за декабрь объявлен “красный” уровень тревоги из-за смога), истощение озонового слоя, защищающего поверхность Земли от губительного для всего живого ультрафиолетового излучения, глобальное потепление, влекущее за собой повышение уровня мирового океана, которое может иметь катастрофические последствия для всего человечества.

Деятельность предприятий тяжелой промышленности, в частности сжигание природного топлива, уже привела к тому, что глобальные температуры поднялись в среднем на градус, что вызвало повышение уровня океана более чем на 20 см., что вызвало озабоченность у глав правительств ведущих стран и привело к ряду глобальных решений на недавнем климатическом саммите в Париже.

Для того, чтобы бороться с каким-то явлением, важно знать, что оно он из себя представляет на уровне конкретных данных и иметь возможность их оценить.

Важнейшими показателями загрязнения воздуха являются карбон CO2, озон O3, диоксид азота NO2 и диоксид серы S02.

Эти показатели сильно разнятся не только от региона к региону, а даже в пределах нескольких километров, в зависимости от множества факторов. Наличие и близость источника сжигания топлива, например теплоэлектростанций - углекислый (CO2) и сернистый газ(S02). Направления ветра. Трафика на улицах города - бурый газ (NO2) можно визуально наблюдать в воздухе мегаполисов, отсюда и название. Наличие химических предприятий, цементных заводов, активно ведущегося сельского хозяйства, etc.

Поэтому для определения мер, необходимых для снижения загрязнении воздуха очень важна точность данных.

К концу этого года OpenWeatherMap выпустили новый API к данным по загрязнению воздуха, включающий эти основные показатели : CO2, O3, NO2 и S02.

У OpenWeatherMap три составляющих модели - глобальные данные с крупной сеткой покрытия, региональные более подробные данные, и локальные данные от станций. Эта модель позволяет выдавать результаты для конкретного места с высокой точностью.

Все данные обработаны, если необходимо, агрегированы с другими источниками данных, они также проходят проверку валидности.