08.12.2024
Подписывайтесь на Telegram-канал по ссылке

Искусственный интеллект определяет очаги загрязнения с помощью спутниковых снимков

Local PM2.5 Hotspot Detector

Учёные из Университета Дьюка разработали новый инструмент искусственного интеллекта, который использует комбинацию машинного обучения, спутниковых изображений и данных о погоде, чтобы самостоятельно находить места с сильным загрязнением воздуха вплоть до квартала города. Авторы нового инструмента ИИ особенно заинтересованы в обнаружении уровней частиц PM2.5.

PM2.5 — это твёрдые частицы размером менее 2,5 микрон. Их диаметр в 30 раз меньше, чем диаметр человеческого волоса. К ним относится смесь частиц пыли, золы, сажи, а также сульфатов и нитратов, находящихся во взвешенном состоянии в воздухе. Именно эти вещества вызывают помутнение воздуха, типичное для центров крупнейших мегаполисов.

Частицы PM2.5 способны забираться глубоко в дыхательные пути и оседать в лёгких. Вдыхание этих частиц может вызвать раздражение глаз, носа, горла или лёгких, а также приступы кашля, насморка и удушья. Но этим не исчерпывается опасность их воздействия. Норма концентрации частиц PM2.5, установленная Всемирной организацией здравоохранения — 25 микрограмм на кубический метр. Превышение этой нормы может нарушить нормальную работу лёгких и вызвать развитие многих опасных заболеваний, таких как рак лёгких, инфекции дыхательных путей и сердечно-сосудистые заболевания.

В отчёте Global Burden of Diseases за 2020 год сообщается, что 90% населения планеты проживает в местах, где количество PM2.5 опасно для здоровья. При этом в большинстве городов нет наземных станций мониторинга воздуха из-за высокой стоимости.

Кроме того, они дают только общее представление об условиях загрязнения воздуха в определённом регионе, но для жителей разных районов города эти данные бесполезны. Чтобы решить проблему, учёные создали инструмент для измерения PM2.5 в диапазоне 300 метров (городского квартала).

Используя спутниковые данные, показатели погоды и машинное обучение исследователи научили алгоритм автоматически находить горячие и прохладные точки загрязнения воздуха. Разработчики использовали технику остаточного обучения. Алгоритм сначала оценивает уровни PM2.5, используя только данные о погоде. Затем он измеряет разницу между этими оценками и фактическими уровнями частиц. В итоге алгоритм учится использовать спутниковые изображения, чтобы улучшать прогнозы.