Od senzora do karte: put podataka kroz AirQuality.city

Broj na karti izgleda jednostavno, ali prije nego što se pojavi na ekranu prolazi kroz nekoliko različitih sustava. AirQuality.city kombinira vlastite SensorBox postaje s javno dostupnim podacima službenih mjernih mreža, a te dvije skupine podataka nemaju istu opremu, istu svrhu ni isti postupak kontrole kvalitete.

To nije nedostatak koji treba sakriti. Naprotiv, korisna mreža počinje time da se jasno zna što je izmjereno, kojim uređajem i koliko se tom podatku smije pripisati značenje.

SensorBox prati lokalne promjene u PM2.5 i PM10

Vlastite postaje projekta koriste optičke senzore lebdećih čestica. U mjernoj komori čestice raspršuju svjetlost, a elektronika iz tog signala procjenjuje koncentraciju PM2.5 i PM10. Takva tehnologija omogućuje mala, relativno povoljna i često očitavana mjerna mjesta, zbog čega je korisna za gušću lokalnu mrežu.

Niskobudžetni senzor, međutim, nije isto što i regulatorni analizator. Na njegov rezultat mogu utjecati relativna vlaga, temperatura, magla, položaj kućišta, protok zraka, zaprljanost i blizina vrlo lokalnog izvora. EPA zato takve senzore opisuje kao korisne za informativna i dopunska mjerenja, uz napomenu da se njihove performanse mogu znatno razlikovati i da je za ozbiljniju uporabu važna provjera u stvarnim uvjetima.^[1]

U praksi to znači da je SensorBox dobar u onome za što je zamišljen: prati trend, otkriva lokalne promjene i pokazuje obrazac kroz vrijeme. Jedna izolirana vrijednost, posebno u magli ili neposredno uz izvor dima, zahtijeva više opreza.

Službene postaje imaju drukčiju ulogu

Službene mjerne mreže koriste standardiziranu opremu i postupke kontrole kvalitete namijenjene regulatornom praćenju. Ovisno o lokaciji, postaja može mjeriti PM2.5, PM10, NO₂, O₃, SO₂, CO i niz drugih tvari. Hrvatski sustav u stvarnom vremenu objavljuje operativne podatke, uz jasnu napomenu da se oni naknadno mogu promijeniti kroz postupak validacije.^[2]

AirQuality.city te podatke preuzima i prikazuje uz vlastite postaje. Time korisnik na jednom mjestu dobiva gušću lokalnu sliku tamo gdje postoje SensorBoxovi, ali i širi skup onečišćujućih tvari tamo gdje ih mjere službeni instrumenti.

Isti grad ne znači isto mjerno mjesto

Razlika između dvije postaje često nema nikakve veze s pogreškom. Senzor uz prometnu ulicu može bilježiti drukčiji obrazac od postaje u stambenom naselju, a obje vrijednosti mogu biti točne za svoju lokaciju.

Na rezultat utječu udaljenost od ceste i dimnjaka, visina senzora, okolne zgrade, reljef, smjer vjetra i način na koji se zrak miješa iznad tla. Zbog toga AirQuality.city postaju ne tretira kao mjerenje cijelog grada, nego kao mjerenje određene točke u prostoru.

Vrijeme je jednako važno kao broj

Kvaliteta zraka može se promijeniti unutar desetaka minuta. Promjena vjetra, paljenje većeg broja kućnih ložišta ili prolazak dima mogu brzo podići ili spustiti koncentraciju, pa podatak bez vremenske oznake gubi velik dio vrijednosti.

Zato se uz trenutačnu vrijednost isplati pogledati graf prethodnih sati. Kratki vrh koji odmah nestane govori nešto drugo od postupnog rasta koji traje cijelu večer, baš kao što lokalni skok na jednoj postaji nije isto što i istodoban rast na cijelom području.

Meteorologija mijenja zrak i način na koji ga senzor vidi

Vjetar uglavnom pomaže razrjeđivanju lokalnog onečišćenja, ali može i donijeti dim ili prašinu iz udaljenog područja. Kiša često smanjuje koncentraciju čestica ispiranjem atmosfere, dok temperaturna inverzija može satima zadržavati onečišćenje pri tlu.

Visoka vlaga ima još jednu ulogu: kod optičkih PM senzora kapljice vode i higroskopni rast čestica mogu promijeniti očitanje. Zbog toga se tijekom guste magle osobito isplati usporediti više postaja i provjeriti ponašaju li se referentni i niskobudžetni instrumenti slično.^[1]

Podatak vrijedi onoliko koliko je dobro objašnjen

AirQuality.city ne pokušava izbrisati razliku između SensorBoxa i službene postaje. Vlastita mreža daje lokalnu gustoću i brzo očitanje; službene postaje daju regulatornu kvalitetu, širi skup tvari i validirane podatke.

Kada se te dvije vrste mjerenja promatraju zajedno, uz vrijeme, lokaciju i meteorološki kontekst, dobiva se korisnija slika nego iz jednog izoliranog broja.