5. Realaus pasaulio AR pavyzdžiai aplinkos ar biologijos srityse

5.1. AR vietoje atliekamam aplinkos stebėjimui ir duomenų vizualizavimui

Apžvalga

Aplinkos stebėjimas lauke paprastai apima jutiklių įrengimą, mėginių surinkimą ir analizę ne vietoje – metodus, kurie dažnai užtrunka ir riboja erdvės kontekstą. Mikrobiologinio bioremediacijos atveju tai tampa ypač problemiška, nes mikrobiologinė veikla, redokso sąlygos ar teršalų koncentracijos gradientai yra didžiąja dalimi nematomi ir labai dinamiški. Papildyta realybė (AR) sprendžia šias problemas, nes leidžia realiuoju laiku vizualizuoti lauko duomenis erdvėje, todėl mokslininkai gali sąveikauti su aplinkos informacija ten, kur ji yra labiausiai aktuali (Wang et al., 2022; Pokrić et al., 2012).

AR sistemos gali sujungti:

· aplinkos jutiklių duomenis (pvz., pH, ištirpusio deguonies kiekį, temperatūrą),
· GIS pagrįstus vietos išdėstymus (pvz., teršalų šaltinių zonas),
· prognozavimo modelius (pvz., COMSOL/MODFLOW),
· mikrobų aktyvumo modelius (pvz., eDNA pagrįstą gausumą arba genų ekspresijos profilius).

Tai leidžia tyrėjams, aplinkos inžinieriams ar vietos valdytojams „matyti“ cheminius ir biologinius procesus, vykstančius realioje aplinkoje, ir palengvina laiku atliekamas ir įrodymais pagrįstas intervencijas (Zhang et al., 2023).

Mokslinės taikomosios programos mikrobiologiniame biologiniame valyme

Mikrobinės sanavimo projektuose AR gali:

· Rodyti realaus laiko teršalų, pvz., urano, angliavandenilių ar nitratų, koncentracijas tiesiogiai lauko paviršiuje;
· Perkloti mikrobiologinės kolonizacijos zonas (remiantis qPCR, eDNA arba omikos duomenimis) ant fizinių mėginių ėmimo vietų;
· Rodyti biologiškai prieinamas zonas, kuriose teršalai yra prieinami arba neprieinami mikrobiologiniam skilimui, remiantis dirvožemio poringumu arba jungimosi būsena (Guo et al., 2023);
· Vizualiai pavaizduoti injekcijos šulinio įtaką, pvz., parodant, kaip acetatas plinta po žeme, skatindamas Geobacter populiacijas (Lovley et al., 2003; Zhang et al., 2023).

Šios programos paverčia biologinio valymo stebėjimą iš reaktyvaus į proaktyvų: potencialūs gedimai gali būti nustatyti anksti, o mokslininkai gauna realaus laiko mikrobų aktyvumo ir teršalų elgesio žemėlapį.

Realaus pasaulio AR sistemų pavyzdžiai

ekoNET: AR technologija pagrįsta aplinkos stebėjimo platforma

Sukurta kaip IoT pagrįsta taršos stebėjimo sistema, ekoNET integruoja mobiliąją AR su aplinkos jutikliais, kad vizualizuotų realaus laiko oro ir vandens kokybę vietoje (Pokrić et al., 2012). Vartotojai nuskaito aplinką naudodami mobiliuosius įrenginius, kad peržiūrėtų teršalų, pvz., CO₂, NO₂ ir drumstumo, lygius.

Reikšmė biologiniam valymui: Mikrobų lauko bandymuose panaši konfigūracija galėtų būti sukonfigūruota taip, kad būtų rodomi šie žemėlapiai:

· Požeminių teršalų plūmų,
· Maistinių medžiagų difuzijos zonų,
· Reaktyvių barjerų, sustiprintų mikrobiologiniais konsorciumais.

Požeminio vandens vizualizavimas naudojant AR

Zhang et al. (2023) sukūrė AR įrankį, skirtą požeminio vandens srautų, teršalų pasiskirstymo ir sanavimo infrastruktūros vizualizavimui naudojant georeferencinius 3D modelius. Ši sistema leido vartotojams suprasti erdvinius santykius tarp teršalų šaltinių, švarių zonų ir mikrobiologinės veiklos zonų realiose pramoninėse vietovėse.

Taikymas lauko bandymams: AR gali padėti mikrobiologinio sanavimo bandomosiose vietose, parodydama, kaip teršalų koncentracijos keičiasi erdvėje po mikrobiologinio inokulavimo ar maistinių medžiagų įvedimo, tiesiogiai vietoje, be reikalo konsultuotis su GIS platformomis ar laukti laboratorinių rezultatų.

Integracija su omikos ir simuliacijos modeliais

AR turi vis didesnį potencialą remti daugialypės omikos pagrįstą lauko interpretaciją. Wang et al. (2022) pademonstravo AR integraciją su metagenomika, leidžiančią vartotojams funkcinę genų ekspresiją (pvz., cydA, alkB, narG) perkelti į konkrečias GPS žymėtas vietas, sukuriant mikrobų funkcijų erdvinį vaizdą.

Sąsaja su mikrobų lauko bandymais:

· Lauko komandos galėtų realiuoju laiku vizualizuoti mikrobų veiklą, susijusią su teršalų skilimu.
· Omikos duomenys galėtų būti naudojami siekiant patikrinti, ar mikroorganizmai aktyviai mažina teršalus, ar tik išgyvena.

Simuliacijos įrankiai, tokie kaip COMSOL ar MODFLOW, gali būti naudojami maistinių medžiagų pasiskirstymo ar mikrobų pernašos prognozavimui. Kartu su AR šie modeliai gali tiesiogiai projektuoti numatomus rezultatus į vietą, padėdami planuoti injekcijų schemas ir stebėjimo stotis (Silva & Gültekin, 2021).

Privalumai biologinio valymo praktikoje

1. Sprendimų priėmimas realiuoju
laiku Derindami vizualizacijas vietoje su tiesioginiais duomenimis, lauko komandos gali greitai koreguoti biologinio valymo strategijas (pvz., keisti maistinių medžiagų įpurškimą, keisti mėginių ėmimo planus).

2. Geresnis erdvės suvokimas Cheminių gradientų arba
mikrobų gausos zonų vizualizavimas tiesiogiai lauke padeda tiksliau nukreipti sanavimą.

3. Geresnė komunikacija
Suinteresuotosios šalys (pvz., žemės savininkai, reguliavimo institucijos) gali geriau suprasti nematomus procesus, stiprinti pasitikėjimą ir užtikrinti aiškesnę komunikaciją apie riziką.

4. Saugos ir izoliavimo stebėjimas
AR gali pažymėti zonas, kuriose gali atsirasti mikrobų peraugimas arba antriniai teršalai, taip užtikrinant biologinę saugą atvejais, susijusiuose su genetiškai modifikuotais organizmais (Schmidt et al., 2021).