-
Similar Content
-
By KopalniaWiedzy.pl
W sytuacji, gdy dochodzi do wykrycia uwolnienia substancji niebezpiecznych, najważniejsze jest szybkie i precyzyjne zlokalizowanie źródła uwolnienia oraz przewidzenie kierunku rozchodzenia się substancji. Używane obecnie modele dyspersyjne wymagają bardzo dużych zasobów obliczeniowych. Mogą jednak zostać zastąpione przez modele bazujące na Sztucznych Sieciach Neuronowych, SSN (ang. Artificial Neutral Networks, ANN), co pozwoli na monitorowanie skażenia w czasie rzeczywistym. W badaniu możliwości wykorzystania takich modeli uczestniczą naukowcy z Departamentu Układów Złożonych NCBJ.
Obszar odpowiadający części centralnego Londynu, będący podstawą do przygotowania danych dla SSN, jak również wykorzystany w eksperymencie DAPPLE (skrzyżowanie Marylebone Road i Gloucester Place, 51.5218N 0.1597W)
Od kilku lat w Centrum Analiz Zagrożeń MANHAZ prowadzone są prace nad algorytmami umożliwiającymi lokalizację źródła skażenia, w oparciu o, pochodzące z sieci detektorów, dane na temat stężeń uwolnionej substancji. Głównym zadaniem istniejących we wszystkich miastach grup reagowania kryzysowego, jest szybkie odpowiadanie na wszelkie zagrożenia dla ludzi i środowiska. Podstawowym czynnikiem decydującym o powodzeniu lub niepowodzeniu danego działania jest czas reakcji.
Obecnie różne substancje chemiczne są używane w większości dziedzin przemysłu, co sprawia, że transport i przechowywanie materiałów toksycznych wiąże się z ciągłym ryzykiem uwolnienia ich do atmosfery i do zajścia skażenia. Dużym wyzwaniem są sytuacje, w których czujniki rozmieszczone na terenie miasta zgłaszają niezerowe stężenie niebezpiecznej substancji, której źródło nie jest znane. W takich przypadkach ważne jest, aby system był w stanie w czasie rzeczywistym oszacować najbardziej prawdopodobną lokalizację źródła zanieczyszczenia, wyłącznie w oparciu o dane o stężeniu, pochodzące z sieci czujników.
Algorytmy, które radzą sobie z zadaniem można podzielić na dwie kategorie. Pierwszą są algorytmy opierające się na podejściu wstecznym, czyli analizie problemu zaczynając od jego ostatniego etapu, ale są one dedykowane obszarom otwartym lub problemowi w skali kontynentalnej. Drugą kategorię stanowią algorytmy, które bazują na próbkowaniu parametrów odpowiedniego modelu dyspersji (parametrów takich, jak lokalizacja źródła), aby wybrać ten, który daje najmniejszą różnicę między danymi wyjściowymi, a rzeczywistymi pomiarami stężeń, wykonywanymi przez sieć detektorów. Podejście to sprowadza się do wykorzystania algorytmów próbkowania, w celu znalezienia optymalnych parametrów modelu dyspersji, na podstawie porównania wyników modelu i detekcji zanieczyszczeń.
Ze względu na efektywność zastosowanego algorytmu skanowania parametrów, każda rekonstrukcja wymaga wielokrotnych uruchomień modelu. Rekonstrukcja w terenie zurbanizowanym, która jest głównym przedmiotem zainteresowania badaczy, wymaga zaawansowanych modeli dyspersji, uwzględniających turbulencje pola wiatru wokół budynków. Najbardziej niezawodne i dokładne są modele obliczeniowej dynamiki płynów (ang. Computational Fluid Dynamics, CFD). Stanowią one jednak bardzo wymagające obliczeniowo wyzwanie. Musimy zdawać sobie sprawę z tego, że aby znaleźć najbardziej prawdopodobne źródło skażenia, model dyspersji trzeba uruchomić dziesiątki tysięcy razy. Oznacza to, że użyty model musi być szybki, aby można go było zastosować w systemie awaryjnym, pracującym w czasie rzeczywistym. Zakładając na przykład, że średni czas potrzebny na wykonanie samych obliczeń modelu dyspersji w terenie zurbanizowanym wynosi 10 minut, pełna rekonstrukcja z jego wykorzystaniem będzie trudna do przeprowadzenia w dopuszczalnie krótkim czasie.
Rozwiązaniem tego problemu, nad którym pracuje dr Anna Wawrzyńczak-Szaban z Centrum Analiz Zagrożeń MANHAZ w NCBJ, przy współpracy z Instytutem Informatyki UPH w Siedlcach, jest wykorzystanie w systemie rekonstrukcji sztucznej sieci neuronowej, zamiast modelu dyspersji, w terenie zurbanizowanym. Chodzi o to, by sztuczna sieć neuronowa była skuteczna w symulacji transportu zanieczyszczeń w powietrzu, na terenie zurbanizowanym. Jeśli to się powiedzie, SSN może działać jako model dyspersji w systemie lokalizującym w czasie rzeczywistym źródło skażenia. Podstawową zaletą SSN jest bardzo krótki czas odpowiedzi – opisuje dr Anna Wawrzyńczak-Szaban. Oczywiście SSN musi być wytrenowana w stałej topologii miasta, przy użyciu rzeczywistych warunków meteorologicznych z wykorzystaniem odpowiedniego i zwalidowanego modelu dyspersji. Proces ten wymaga wielu symulacji, służących jako zestawy danych treningowych dla SSN. Proces uczenia sieci SSN jest kosztowny obliczeniowo, ale po przeszkoleniu, metoda byłaby szybkim narzędziem do szacowania stężeń punktowych dla danego źródła zanieczyszczenia.
W pracy opublikowanej przez naukowców1) przedstawiono wyniki trenowania sieci neuronowej w oparciu o dane, uczące rozprzestrzeniania się toksyn w powietrzu w centrum Londynu, wykorzystując domenę testową eksperymentu polowego DAPPLE2). Dane uczące SSN wygenerowano za pomocą modelu dyspersji Quick Urban & Industrial Complex (QUIC). Przetestowaliśmy różne struktury SSN, czyli liczby jej warstw, neuronów i funkcji aktywacji. Wykonane testy potwierdziły, że wyszkolona SSN może w wystarczającym stopniu symulować turbulentny transport toksyn, unoszących się w powietrzu na obszarze silnie zurbanizowanym – objaśnia dr Anna Wawrzyńczak-Szaban. Ponadto pokazaliśmy, że wykorzystując SSN można skrócić czas odpowiedzi systemu rekonstrukcji. Czas wymagany, przez prezentowaną w pracy SSN, do oszacowania trzydziestominutowych stężeń gazu w 196 000 punktów sensorowych wyniósł 3 s W przypadku modelu QUIC, czas został oszacowany jako co najmniej 300 s, co daje nam 100-krotne przyspieszenie obliczeń. Biorąc to pod uwagę, czas rekonstrukcji w rzeczywistej sytuacji awaryjnej może być krótki, co skutkuje szybką lokalizacją źródła zanieczyszczenia.
W trakcie badań okazało się, że zapewnienie trenowanej SSN pełnej informacji prowadzi czasami do pewnych wyzwań obliczeniowych. Na przykład w pojedynczej symulacji rozproszenia toksyn w powietrzu, na obszarze miejskim, nawet 90% odczytów z czujników może mieć wartość zerową. Prowadzi to do sytuacji, w której postać docelowa SSN obejmuje kilka procent wartości dodatnich i większość zer. W efekcie SSN skupia się na tym, czego jest więcej – na zerach, co sprawia, że nie dostosowuje się do szukanych elementów badanego problemu. Uwzględniając zerową wartość koncentracji w danych treningowych, musimy zmierzyć się z kilkoma pytaniami: jak uwzględnić zero? Jak przeskalować dany przedział, aby „ukryć” zera? Czy w ogóle uwzględniać zera? Czy ograniczyć ich liczbę? – podkreśla dr Wawrzyńczak-Szaban.
« powrót do artykułu -
By KopalniaWiedzy.pl
Naukowcy przebadali ponad tysiąc płazów z różnych stanowisk w Polsce. Sprawdzali, jakie patogeny zagrażają tym zwierzętom. To unikalne w skali Polski badania. Jak dotąd na terenie naszego kraju nie wykryto obecności Bsal - groźnego grzyba wywołującego spustoszenie wśród zachodnioeuropejskich populacji salamander plamistych.
Wyniki badań koordynowanych przez dr. hab. Macieja Pabijana z Uniwersytetu Jagiellońskiego ukazały się w czasopiśmie Diseases of Aquatic Organisms.
Płazy to jedna z najbardziej zagrożonych grup kręgowców na świecie - piszą autorzy badania w przesłanym PAP komunikacie. Przypominają, że zwierzętom tym zagraża nie tylko człowiek, który niszczy ich siedliska. Problemem są również płazie choroby.
Naukowcy wymieniają, że populacje płazów na całym świecie dziesiątkowane są choćby przez mikroskopijne grzyby z rodzaju Batrachochytrium, takie jak B. dendrobatidis (Bd) i B. salamandrivorans (Bsal), a także wirusy z rodzaju Ranavirus (Rv).
Istnieje pilna potrzeba poznania rozmieszczenia i rozpowszechnienia tych patogenów, aby zrozumieć i ograniczyć straty, jakie niosą dla bioróżnorodności płazów - zaznaczają naukowcy.
Przebadali oni pod kątem obecności patogenów ponad 1000 płazów z populacji naturalnych oraz osobników trzymanych w ogrodach zoologicznych i prywatnych hodowlach. Autorzy zaznaczają, że to pierwsze w Polsce badania przesiewowe płazich patogenów.
Naukowcy wykryli grzyba Bd na 40 proc. stanowisk i u ponad 14 proc. płazów z populacji naturalnych, a także w dwóch hodowlach.
Te alarmujące statystyki znajdują się w górnej granicy częstości notowanych w innych krajach Europy Środkowej, przykładowo przekraczają dwukrotnie prewalencję Bd na terenie Niemiec czy Węgier - komentują autorzy badania.
Spośród wszystkich płazów największą liczbę infekcji Bd wykryto u żab wodnych (Pelophylax esculentus) i kumaków górskich (Bombina variegata) - odpowiadały one za 75 proc. wszystkich infekcji Bd, co sugeruje dużą rolę tych dwóch gatunków jako rezerwuarów patogenów w środkowoeuropejskich siedliskach słodkowodnych.
Wirusy Rv stwierdzono na mniejszej liczbie stanowisk (12 proc.), przy czym infekcje dotyczyły płazów z odległych od siebie miejsc (np. wybrzeże Bałtyku i okolice Zakopanego).
Jak dotąd nie wykryto obecności na terenie Polski Bsal - groźnego grzyba wywołującego spustoszenie wśród zachodnioeuropejskich populacji salamander plamistych.
Naukowcy zaznaczają, że uzyskane wyniki mogą być niedoszacowane, ponieważ w niektórych lokalizacjach pobrano tylko jedną lub kilka prób.
Wszechobecność Bd i - w mniejszym stopniu - Rv sugeruje, że zmniejszanie się liczebności populacji płazów w regionie może wynikać nie tylko z niekorzystnych dla przyrody zmian w siedliskach, ale może być również związane z wygasłymi lub wciąż trwającymi, ale niewykrytymi, epidemiami - skomentował Maciej Pabijan, naukowiec koordynujący badania.
Naukowcy powiązali również rozmieszczenie Bd z niższą średnią roczną temperaturą i krajobrazem bogatym w zbiorniki wodne oraz dużym udziałem terenu zurbanizowanego.
Można się spodziewać, że żab, ropuch, traszek, salamander czy tropikalnych płazów beznogich będzie na całym świecie ubywać. Od lat 80. XX wieku populacje płazów na całym świecie tak szybko się zmniejszają, że zjawisko to nazwano współczesnym wymieraniem płazów.
Według danych Międzynarodowej Unii Ochrony Przyrody (IUCN) na świecie wyginięciem zagrożonych jest 41 proc. gatunków płazów. W Polsce żyje 18 gatunków płazów, wszystkie są pod ochroną.
« powrót do artykułu -
By KopalniaWiedzy.pl
Wyginięcie 90% gatunków płazów można przypisać śmiertelnej infekcji grzybami Batrachochytrium dendrobatidis i Batrachochytrium salamandrivorans. Od czasu, gdy epidemia pojawiła się w latach 80. XX wieku przyczyniła się ona do spadku liczebności ponad 500 gatunków żab, ropuch i płazów ogoniastych. Epidemia dotknęła niemal 7% wszystkich gatunków płazów.
Oznacza to, że Batrachochytrium dendrobatidis i Batrachochytrium salamandrivorans są tymi patogenami, które przyczyniły się do największego zaniku bioróżnorodności, o rząd wielkości większego niż inne patogeny zabijające zwierzęta.
Specjaliści uważają, że epidemia rozpoczęła się w latach 80. XX wieku, a wywołał ją człowiek, który przemieszczając zwierzęta rozprzestrzenił śmiercionośnego grzyba po całym świecie.
Śmiertelna choroba jest głównym, lub jednym z głównych, czynników zanikania gatunków płazów. Inne to utrata habitatów i zmiany klimatyczne.
W przypadku zaledwie 12% z dotkniętych epidemią gatunków zanotowano poprawę sytuacji. Nie oznacza to jednak, jak podkreśla jeden z autorów badań, Trenton Garner z Zoological Society of London, że ich liczebność powróciła do pierwotnych rozmiarów.
Pojawiły się jednak pewne iskierki nadziei. Liczba nowych gatunków dotkniętych epidemią jest coraz mniejsza. Wydaje się też, że u niektórych żab pojawiły się procesy ewolucyjne prowadzące do zyskania odporności na oba grzyby. Ponadto po 7 latach wytężonej pracy naukowców z madryckiego Narodowego Muzeum Nauk Przyrodniczych, Imperial College London i Zoological Society of London udało się – po raz pierwszy w historii – wyeliminować chorobę z dzikiej populacji. Nowiny o sukcesie nadeszły w 2015 roku z Majorki.
Jednak jedynym sposobem na wyeliminowanie tej i przyszłych epidemii jest drastyczne ograniczenie handlu dzikimi zwierzętami oraz wdrożenie lepszych zasad bezpieczeństwa biologicznego.
Epidemia to nie jedyne zagrożenie, przed którym stoją płazy. W ostatnich dekadach doszło do katastrofalnego spadku ich liczebności. Głównie z powodu utraty habitatów. Innym problemem, który zresztą przyczynił się do wybuchu epidemii, są zmiany klimatyczne.
« powrót do artykułu -
By KopalniaWiedzy.pl
Młode dziewczyny, które stykają się z dymem papierosowym, mogą mieć w przyszłości problemy z poczęciem. Naukowcy z University of Newcastle wykazali bowiem na modelu mysim, że 3 związki z dymu papierosowego wpływają na geny uruchamiające apoptozę, czego skutkiem jest przedwczesne starzenie jajników i wytwarzanie dysfunkcyjnych jajeczek.
Nasze [3-letnie] badania laboratoryjne wykazały, że wdychanie tych toksyn na wczesnych etapach życia może prowadzić do spadku jakości i liczby komórek jajowych u samic - podkreśla Eileen McLaughlin.
Obecnie pani profesor ubiega się o fundusze na zbadanie kwestii, w jaki sposób palenie przez ciężarną wpływa na płodność przyszłych pokoleń. Sądzimy, że kontakt z tymi toksynami na etapie życia płodowego [także] zmniejsza jakość i liczbę oocytów, a obniżona płodność może być przekazywana z pokolenia na pokolenie. W odniesieniu do ludzi oznaczałoby to, że jeśli twoja babcia paliła, gdy była w ciąży z twoją matką lub w jej pobliżu, gdy ta była dzieckiem, ty i prawdopodobnie twoje dzieci możecie się znajdować w grupie podwyższonego ryzyka zmniejszonej płodności.
-
By KopalniaWiedzy.pl
Gatunki żywiące się mięsem bądź krwią innych zwierząt wykorzystują do namierzenia ofiary doskonale rozwinięte zmysły. Nietoperze bazują np. na echolokacji, a węże na widzeniu w podczerwieni. Co ciekawe, pijawki lekarskie korzystają z aż dwóch zmysłów (dotyku i wzroku), w dodatku preferowana metoda polowania zmienia się z wiekiem.
Młode pijawki żywią się krwią ryb i płazów, natomiast starsze osobniki wolą bardziej odżywczą krew ssaków. Wiedząc, że pasożyty zmieniają źródło krwi, biolodzy z California Institute of Technology (Caltech) zastanawiali się, czy zaczynają je także namierzać w inny sposób. Okazało się, że tak.
By stwierdzić, do jakiego stopnia pijawki lekarskie polegają na włoskach czuciowych na ciele, które wykrywają ruchy wody wywołane przez ofiarę i na oczach, wychwytujących cienie fali spiętrzonej przez drugie zwierzę, Amerykanie przeprowadzili całą serię eksperymentów. W akwarium znajdowały się młode i dorosłe pijawki. Naukowcy monitorowali reakcje na fale mechaniczne, ich cienie oraz kombinację tych bodźców. Pijawki w różnym wieku reagowały podobnie, gdy działano tylko jednym rodzajem bodźca. Kiedy jednak pojawiały się i fale, i cienie, dorosłe pasożyty odpowiadały wyłącznie na fale.
Biolodzy stwierdzili, że poszczególne zmysły nie zmieniły się podczas rozwoju, by pomóc w rozpoznawaniu różnych typów ofiar. Rozwinęła się za to zdolność integrowania wskazówek wzrokowo-dotykowych. W miarę dojrzewania zwierzęta zaczynają zwracać większą uwagę na jeden ze zmysłów [dotyk] - wyjaśnia główna autorka studium Cynthia Harley. W przyszłości zamierza ona zbadać przetwarzanie informacji na poziomie behawioralnym i komórkowym u dorosłych pijawek.
-
-
Recently Browsing 0 members
No registered users viewing this page.