La formation de nouvelles particules dans l'atmosphère fournit les centres de nucléation nécessaires à la formation des nuages, ce qui en fait un processus important pour comprendre le climat. Les efforts pour étudier l'équilibre complexe de la chimie et de la physique qui conduit à la formation de nouvelles particules ont abouti à l'acquisition de très grands ensembles de données. Une équipe de chercheurs basée dans plusieurs centres, dont l'Université de Kanazawa, a développé une approche d'information mutuelle pour interpréter les données atmosphériques collectées sur une période de 18 ans à la station SMEAR II à Hyytiälä, Finlande. Leurs conclusions ont été publiées dans Chimie et physique de l'atmosphère .

L'étude, un prolongement des précédents travaux de data mining qui avaient été menés sur des mesures acquises à la même station, utilise 10 années supplémentaires de données, ce qui devrait améliorer la fiabilité des résultats et l'exactitude des conclusions. Contrairement aux études précédentes qui utilisaient des méthodes d'exploration de données basées sur le clustering et la classification, la nouvelle approche a examiné l'information mutuelle entre les nouveaux événements de formation de particules observés et une variété de variables mesurées. La méthode s'est avérée puissante et légère sur le plan informatique, en soulignant son potentiel en tant qu'outil utile.

« Les conclusions tirées à l'aide de notre analyse se sont avérées en accord avec les conclusions précédentes ; cependant, l'analyse a été réalisée sans supervision et n'a pas nécessité une compréhension approfondie de la physique, ", a déclaré le coauteur de l'étude, Adam Foster. "Les études précédentes ont nécessité un champ, laboratoire, et travaux théoriques, donc être en mesure d'arriver là où nous en sommes grâce à l'analyse des données est une étape très positive pour les études futures. »

Les travaux ont montré que la formation de nouvelles particules était fortement corrélée avec la teneur en eau et la concentration en acide sulfurique, ainsi que d'autres facteurs tels que la température, humidité relative, puits de condensation (à quelle vitesse les molécules et les petites particules se condensent sur les particules existantes), et rayonnement.

"Nous espérons que la méthode fournira une première option robuste pour analyser les ensembles de données atmosphériques, " dit Foster. " Nous visons à étendre notre approche aux ensembles de données d'autres stations SMEAR, ainsi que de l'utiliser pour étudier différents phénomènes et leurs influences."

Ces résultats devraient être largement mis en œuvre dans le domaine de la science atmosphérique. On espère que l'effet d'autres variables telles que les composés organiques volatils et les particules d'aérosol inférieures à 3 nm pourra être évalué en utilisant l'approche rapportée.