Odhad neznámého zdroje při úniku do atmosféry
Při detekci radioaktivity v ovzduší je základním úkolem určení lokace úniku a jeho časového průběhu. Zatímco lokace bývá velmi často známa, časový průběh a celkové množství uniklé látky bývá většinou známo jen jako hrubý odhad nebo vůbec. Hlavním cílem našeho výzkumu je tedy určení časového průběhu úniku z dostupných terénních měření (koncentrace nebo depozice). Toho lze dosáhnout optimalizací mezi naměřenými hodnotami a mezi numerickými výsledky atmosférického modelu šíření, k čemuž lze využít pokročilé bayesovské metody ve strojovém učení a nejnověji i hlubokých neuronových sítí. Mezi hlavní aplikace patří atmosférické úniky radionuklidů z dané lokace, ale i odhady komplexních časově-prostorových zdrojů jako jsou emise amoniaku nebo mikroplastů a mikrovláken.


Náš výzkum
Náš výzkum je motivován aplikacemi v oblasti radiační bezpečnosti, jako je odhad neznámé emise radionuklidů z dostupných měření a analýza jejich šíření na základě odhadnuté emise. Mezi konkrétní příklady patří např. odhad emise při Černobylské havárii, analýza úniku jódu v Maďarsku v roce 2011 nebo zpětné modelování úniku ruthenia z oblasti Sibiře v roce 2017. Měření a modelování těchto událostí často čelí značným nejistotám a různým problémům při jejich měření, zároveň jsou o těchto událostech pouze kusé a neurčité informace. Všechny dostupné informace a neurčitosti se snažíme kombinovat do inverzních modelů založených na bayesovských metodách, díky kterým získáváme nejen odhad emise, ale i jeho neurčitost, tedy kvantifikaci, do jaké míry můžeme odhadu na základě dostupných dat věřit.

Další směr výzkumu
Další směr výzkumu se zaměřuje na komplexní časově-prostorové emise, kde lze únik předpokládat z každého bodu výpočetní domény, jako je tomu např. u emisí mikroplastů nebo emisí amoniaku. Dalším zajímavým příkladem jsou požáry v okolí Černobylu, které jsou nejen plošné, ale kombinují emise v různých výškách a částice o různé velikosti. Toto rozšíření přináší novou komplexitu do modelování a odhadování, kterou lze ale opět modelovat pomocí bayesovského přístupu, případně využít hlubokých neuronových sítí. Naše výsledky nabízejí přesnější podklady pro analýzu dopadu emisí na životní prostředí.
Související publikace:
- TICHÝ Ondřej, ŠMÍDL Václav, HOFMAN Radek, ŠINDELÁŘOVÁ Kateřina, HÝŽA Miroslav, STOHL Andreas. Bayesian inverse modeling and source location of an unintended 131I release in Europe in the fall of 2011, Atmospheric Chemistry and Physics, 2017, 17.
- TICHÝ Ondřej, ŠMÍDL Václav, EVANGELIOU Nikolaos. Source term determination with elastic plume bias correction, Journal of Hazardous Materials 2022, 425.
- EVANGELIOU Nikolaos, TICHÝ Ondřej, ECKHARDT Sabine, GROOT ZWAAFTINK Christine, BRAHNEY Janice. Sources and fate of atmospheric microplastics revealed from inverse and dispersion modelling: From global emissions to deposition, Journal of Hazardous Materials, 2022, 432.
Kontaktní osoba