Natuklasan ng mga Mananaliksik sa HKUST ang AI-enabled na Model upang Makatulong sa Pagbawas ng Global na Emisyon ng Ammonia mula sa Lupaing Pang-agrikultura ng 38%

(SeaPRwire) –   Nag-ambag sa mga Layunin ng Pag-unlad na Maaasahan ng UN

HONG KONG, Peb. 1, 2024 — Isang pang-internasyonal na pangkat ng pananaliksik na pinamumunuan ng Hong Kong University of Science and Technology (HKUST) ay nagtagumpay sa isang malaking pag-unlad sa paggawa ng isang artificial intelligence (AI) na modelo na makakatulong sa pagbawas ng global na pagpapalabas ng ammonia (NH3) mula sa agrikultura.  

Gumagamit ng kapangyarihan ng machine learning, nagbigay ito ng malaking pag-unlad sa pag-aaral na hindi lamang nagpakita na mas mababa sa una nang tinataya ang global na pagpapalabas ng NH3 mula sa lupain ng pananim, ngunit nagpapakita rin kung paano maaaring epektibong mabawasan ito ng humigit-kumulang 38%, nang hindi nakakasira sa kabuuang paggamit ng nitrogen fertilizers. Ito ay nagbibigay ng mahalagang kaalaman para sa mga tagapagbuo ng polisi sa buong mundo upang tugunan ang mga Layunin ng Pag-unlad na Maaasahan ng UN na may kaugnayan sa pagwawasak ng kahirapan, seguridad sa pagkain, at maayos na agrikultura.

Ang pagpapalabas ng NH3 mula sa iba’t ibang agrikultural at industriyal na proseso ay maaaring magdulot ng polusyon ng hangin at tubig, nagdadalamhati sa ekosistema at nagdadala ng banta sa kalusugan ng tao. Bagaman ang NH3 mismo ay hindi isang greenhouse gas, maaari itong magreaksyon sa lupa at atmospera, na bumubuo ng mga compound tulad ng nitrous oxide, isang malakas na greenhouse gas na nagdudulot ng pagbabago ng klima.

Talagang ang produksyon ng tatlong pangunahing pananim – bigas, trigo at mais – ay bumubuo ng higit kumulang sa kalahati ng global na pagpapalabas ng NH3 mula sa lupain ng pananim. Habang tumataas ang pangangailangan sa pagkain sa gitna ng paglaki ng populasyon ng mundo, naging mahalaga na matuklasan ang mga paraan ng pagbawas ng mga pagpapalabas na ito para sa maayos na pag-unlad. Gayunpaman, ang kakulangan ng tumpak na global na kalakhan ng impormasyon ay nakapagpapahirap sa mga bansa upang ipatupad ang epektibong mga estratehiya sa pagbawas ng pagpapalabas na naaangkop sa kanilang partikular na kondisyon.

Upang tugunan ang hamon na ito, isang pangkat ng pananaliksik na pinamumunuan ni Prof. Jimmy FUNG Chi-Hung, Chair Professor ng Division of Environment and Sustainability sa Academy of Interdisciplinary Studies at Department of Mathematics ng HKUST, at ni Prof. ZHENG Yi mula sa School of Environmental Science and Engineering ng Southern University of Science and Technology (SUSTech), ay nagkolekta at nag-compile ng isang dataset batay sa mga field observation data ng NH3 emission rates na sumaklaw sa pagitan ng 1985 at 2022. 

Sila ay sumunod na nag-train ng isang AI-powered na computer model upang tantihan ang global na NH3 emissions gamit ang dataset habang pinag-iisipan ang iba’t ibang heograpikal na mga factor tulad ng klima, mga katangian ng lupa, uri ng pananim, tubig sa irigasyon, fertilizer, at mga gawi sa pagtatanim. Ang modelo na ito ay may kakayahang lumikha ng mga customized na mga plano sa pamamahala ng fertilizer para sa iba’t ibang rehiyon. Halimbawa, sa Asia, humigit-kumulang 76% ng lupain ng trigo ay maaaring gamitin ang enhanced-efficiency fertilizers (EEFs) upang bawasan ang NH3 emissions dahil sa impluwensiya ng pag-init ng mundo, dahil mahalaga ang temperatura sa pagpapalabas ng NH3 mula sa lupain ng trigo sa Asia.

Natuklasan ng modelo na sa pamamagitan ng pag-optimize ng pamamahala ng fertilizer, kabilang ang pag-ayos ng pagpapalabas ng fertilizer, paggamit ng tiyak na halo ng mga nutriyente, at pagpapatupad ng angkop na mga gawi sa pagtatanim at pagtatanim, posible itong bawasan ang global na pagpapalabas ng NH3 mula sa tatlong pananim na hanggang 38%, na may pinakamataas na potensyal sa pagbawas ng NH3 ang Asia, sinundan ng North America at Europe. Ang pagkakatuklas na ito ay may partikular na kahalagahan dahil nakapag-proyekto ang gawain na 4.0% hanggang 5.5% na pagtaas sa global na pagpapalabas ng NH3 mula sa lupain ng pananim sa loob ng 30 taong panahon hanggang 2060. Kaya, kahit makamit lamang ang bahagi ng potensyal na pagbawas na ito ay sapat na upang maibalik ang nakatakdang pagtaas.

Sinabi ni Prof. Jimmy Fung, “Nakakaharap ng malalaking hadlang ang global na mga pagtatangka sa pagbawas ng emissions, tulad ng mataas na gastos at maliliit na laki ng mga bukid. Inilalarawan ng mga pagkakatuklas ang isang global na mapa na may bagong datos sa global na pagpapalabas ng NH3, na maaaring magbigay-linaw sa paggawa ng polisi at mga gawi sa pamamahala na nakatuon sa pagbawas ng ulap at pagtiyak ng seguridad sa pagkain. Ito ay nagpapakita ng napakalaking potensyal ng paggamit ng malaking datos at AI sa pagpapalaganap ng maayos na pag-unlad.”

Ang pag-aaral, may pamagat na “Fertilizer management for global ammonia emission reduction”, ay inilathala sa Nature, isang nangungunang agham na pang-multidisplinaryong dyornal. Kasama sa mga co-first authors ng pananaliksik sina Gng. LI Geng, PhD student mula sa HKUST at Dr. XU Peng, Research Assistant Professor mula sa SUSTech. Kasama sa pangkat ng pananaliksik ang mga kasapi mula sa Tianjin University, Colorado State University, Peking University, Peking University Shenzhen Graduate School, Oak Ridge National Laboratory, Beijing Forestry University, at Cornell University.

Makukuha ang mga larawan dito: 

Ang artikulo ay ibinigay ng third-party content provider. Walang garantiya o representasyon na ibinigay ng SeaPRwire (https://www.seaprwire.com/) kaugnay nito.

Mga Sektor: Pangunahing Isturya, Balita Araw-araw

Nagde-deliver ang SeaPRwire ng sirkulasyon ng pahayag sa presyo sa real-time para sa mga korporasyon at institusyon, na umabot sa higit sa 6,500 media stores, 86,000 editors at mamamahayag, at 3.5 milyong propesyunal na desktop sa 90 bansa. Sinusuportahan ng SeaPRwire ang pagpapamahagi ng pahayag sa presyo sa Ingles, Korean, Hapon, Arabic, Pinasimpleng Intsik, Tradisyunal na Intsik, Vietnamese, Thai, Indones, Malay, Aleman, Ruso, Pranses, Kastila, Portuges at iba pang mga wika.