Imaginați-vă că ar putea exista o modalitate de a identifica în mod autonom punctele fierbinți de poluare atmosferică grea, bloc cu oraș. Guvernele ar putea apoi să detecteze zonele cu probleme și să dezvolte măsuri specifice și să obțină rezultate optime. Cercetătorii de la Universitatea Duke au dezvoltat exact asta: o metodă care folosește învățarea automată, imaginile din satelit și datele meteo pentru a urmări poluarea localizată cu PM2.5.
Poluarea aerului este de departe una dintre cele mai grave probleme de mediu, la toate nivelurile, de la local la global. Expunerea la particule fine (cunoscută și sub denumirea de PM2.5) are efecte negative asupra sănătății asupra sănătății umane, cu efecte adverse asupra sănătății cardiovasculare, cardiopulmonare și respiratorii, pentru a enumera doar câteva probleme. Poate duce la riscuri mai mari de mortalitate și pierderea speranței de viață.
Datele prin satelit au fost utilizate cel mai frecvent pentru cartografierea PM2.5 la rezoluție înaltă. Cu ajutorul progreselor recente recente ale senzorilor de satelit și a creșterii puterii de calcul, o mână de metode bazate pe satelit au reușit să estimeze concentrațiile ambientale de PM2,5 la niveluri sub-km cu incertitudini scăzute. Dar nu totul este roz.
„Configurarea rețelelor de senzori este consumatoare de timp și costisitoare, iar singurul lucru pe care îl conduce cu adevărat este faptul că drumurile sunt surse mari de poluanți. Posibilitatea de a găsi hotspoturi locale de poluare a aerului folosind imagini din satelit este extrem de avantajoasă, a declarat Mike Bergin, profesor la Duke și coautor al studiului, într-un comunicat.
Bergin și echipa de cercetători au dorit să analizeze în continuare poluarea cu PM2.5, dar au putut accesa doar date la nivel de județ cu județ – ceea ce într-adevăr nu este o rezoluție suficientă. Deși valoroase, aceste informații nu permit să privim într-un cartier specific apropiat de o centrală pe cărbune, de exemplu. Stațiile terestre sunt scumpe de construit și întreținut, astfel încât majoritatea orașelor au doar o mână dintre ele. Deci, în schimb, Bergin și colegii săi au căutat o alternativă.
În studiile anterioare, cercetătorii au arătat că imaginea prin satelit, datele meteo și învățarea automată ar putea oferi măsurători PM2.5 la scară mică. Acum, echipa și-a îmbunătățit metodele și a învățat algoritmul să găsească automat puncte fierbinți și puncte reci de poluare a aerului cu o rezoluție de 300 de metri. Aceasta este lungimea medie a unui bloc din New York și suficientă pentru a trage concluzii mai clare despre de unde provine de fapt poluarea.
Noua dezvoltare a fost posibilă datorită unei tehnici numite învățare reziduală. Algoritmul creat de cercetători folosește mai întâi datele meteo pentru a estima nivelurile de PM2.5. Apoi măsoară diferența dintre aceste estimări și nivelurile reale de PM2.5 și se învață să folosească imagini din satelit pentru a-și face predicțiile mai bune.
„Punctele fierbinți sunt notoriu greu de găsit pe hărțile nivelurilor de PM, deoarece în unele zile aerul este foarte rău în întregul oraș și este foarte dificil să se spună dacă există diferențe adevărate între ele sau dacă există doar o problemă cu contrastul imaginii ”, A declarat David Carlson, co-autor, într-o declarație. „Este un mare avantaj să poți găsi un cartier specific care tinde să rămână mai sus sau mai jos decât oriunde altundeva”.
Deși metodele pe care le învață nu se pot transfera din oraș în oraș, algoritmul ar trebui să se învețe cu ușurință noi metode în diferite locații, au susținut cercetătorii. Orașele ar putea evolua în timp, atât în condițiile meteorologice, cât și în cele ale poluării, dar algoritmul nu ar trebui să aibă probleme în evoluția lor. În plus, dacă senzorii de calitate a aerului se îmbunătățesc așa cum era de așteptat, algoritmul ar trebui să se îmbunătățească și cu timpul.