Έχουμε μιλήσει πολλές φορές για το πόσο αναγκαία είναι η ανάλυση μεγάλων δεδομένων (Big Data analytics) χρησιμοποιώντας Machine learning και άλλες AI εφαρμογές, με σκοπό την μέτρηση και την επεξεργασία δεδομένων βιωσιμότητας και κλιματικής αλλαγής. Η συλλογή χωροχρονικών (spatiotemporal) δεδομένων έχει ξεκινήσει να αποτελεί σημαντικό κομμάτι σε τέτοιου είδους αναλύσεις και να προσφέρει ουσιώδη αποτελέσματα στην αντιμετώπιση της κλιματικής αλλαγής.
Τα χωροχρονικά δεδομένα σχετίζονται με το χώρο και το χρόνο και μπορούν να παραχθούν μεταξύ άλλων, από δορυφόρους, καθώς και να συνδεθούν με πλατφόρμες cloud, ώστε να δημιουργήσουν ένα σύστημα μεγάλων δεδομένων που επιτρέπει την πολύπλοκη υπολογιστική επεξεργασία αυτών.
Πολλοί επιστήμονες αφιερώνουν την έρευνα τους στην εκτίμηση των αερίων του θερμοκηπίου χρησιμοποιώντας προηγμένες υπολογιστικές τεχνικές για τη μετατροπή δορυφορικών εικόνων και δεδομένων από αισθητήρες σε μια μορφή δεδομένων που μπορούν να αναλύονται και να παρακολουθούνται σε πραγματικό χρόνο. Στόχος είναι ο εντοπισμός και η ποσοτικοποίηση των εκπομπών να μπορεί να υλοποιηθεί συνδυάζοντας υπέρυθρες δορυφορικές εικόνες, δορυφορικές εικόνες που εμφανίζουν τον καπνό, που εκπέμπεται από μεγάλες πηγές εκπομπών, μαζί με επίγεια δεδομένα (αισθητήρες αερίων στα κτίρια). Οι αισθητήρες αυτοί θα έχουν ως σκοπό την επαλήθευση (verification) του μοντέλου για την εκτίμηση των εκπομπών από τις δορυφορικές εικόνες. Η ανάλυση των δεδομένων από τον συνδυασμό των παραπάνω μετρήσεων θα γίνεται με μεθόδους Machine Learning και χωροχρονική (spatiotemporal) ανάλυση ώστε να εκτιμηθούν οι ποσότητες των αερίων που εκπέμπονται από μια πηγή.
Τεχνολογικές καινοτομίες όπως IoT και δορυφορικά συστήματα αποτελούν το μέλλον για το πως θα συλλέγονται τα δεδομένα για τις εκπομπές αερίων σε τομείς όπως αυτοί της ενέργειας, της βιομηχανίας, των αποβλήτων, της γεωργίας, της δασοκομίας και της χρήσης γης.
Χρησιμοποιώντας τέτοια τεχνολογικά μέσα δίνεται η δυνατότητα στους εμπλεκόμενους να εντοπίζουν έγκυρα τις πηγές και τις ποσότητες των εκπομπών τους, και να εκτιμούν εύκολα το ανθρακικό του αποτύπωμα από τις δραστηριότητες τους. Αυτό θα βοηθήσει στο να επικεντρωθούν στις δραστηριότητες που έχουν το μεγαλύτερο αποτύπωμα και να σχεδιάσουν στρατηγικές μετριασμού των εκπομπών σε αυτές.
Ήδη, έχουν ξεκινήσει πολλά προγράμματα σε παγκόσμιο και ευρωπαϊκό επίπεδο που έχουν ως σκοπό να ενισχύσουν την περαιτέρω ανάπτυξη διαφόρων δορυφόρων με μεγάλη ανάλυση, για την παρακολούθηση των εκπομπών αερίων του θερμοκηπίου από μεγάλες εγκαταστάσεις (π.χ. μεγάλες μονάδες ηλεκτροπαραγωγής με άνθρακα). Οι δορυφόροι αυτοί θα παρέχουν τα δεδομένα αυτά ελεύθερα ή επί πληρωμή σε κάθε ενδιαφερόμενο για περαιτέρω επεξεργασία.
Η E-ON Integration μπορεί να συνεισφέρει στην ανάγκη των επιχειρήσεων για εκτίμηση και παρακολούθηση του ανθρακικού τους αποτυπώματος, με την τεχνογνωσία και την εμπειρία που διαθέτει σε τεχνικές Artificial Intelligence, Machine Learning και Data Analytics οι οποίες απαιτούνται για την ανάλυση spatiotemporal δεδομένων (π.χ. από δορυφορικές εικόνες) συνδυασμένων με εσωτερικά δεδομένα των επιχειρήσεων ή και με άλλα επίγεια μέσα (π.χ. ΙοΤ). Επιπλέον, η E-ON έχει αναπτύξει cloud πλατφόρμες, οι οποίες αξιοποιούνται από επιχειρήσεις με τελικό στόχο την εύκολη πρόσβαση και διαχείριση των δεδομένων για τις εκπομπές αερίων θερμοκηπίου καθώς και την παραγωγή των σχετικών αναφορών (reports) για τη δημοσιοποίησή τους.
Comments