Искусственный интеллект определяет локальные очаги загрязнения с помощью спутниковых снимков

Исследователи из Университета Дьюка разработали метод, который с использованием машинного обучения, спутниковых снимков и данных о погоде автономно обнаруживает очаги сильного загрязнения воздуха с точностью до городского квартала.

Эта технология может стать прорывом для поиска и снижения источников опасных аэрозолей, изучения влияния загрязнения воздуха на здоровье человека и принятия более информированных и социально справедливых политических решений.

«Раньше исследователи, пытавшиеся измерить распределение загрязнителей воздуха по городу, либо использовали ограниченное число существующих датчиков, либо возили сенсоры на автомобилях. Но развертывание сетей датчиков требует много времени и средств, а передвижные измерения в основном показывают, что дороги — это крупные источники загрязнения. Возможность находить локальные очаги загрязнения воздуха с помощью спутниковых изображений — огромное преимущество», — пояснил профессор гражданского и экологического строительства Майк Бергин.

Метод фокусируется на частицах PM_2.5. Исследователи усовершенствовали свой подход, сосредоточившись на Пекине, и научили алгоритм автоматически находить «горячие» и «холодные» точки загрязнения с разрешением 300 метров — примерно с городской квартал. Ключевым стало использование метода остаточного обучения и техники local contrast normalization для выявления участков с аномально высоким или низким уровнем PM_2.5 по сравнению с ближайшим окружением.

«Эти очаги печально известны тем, что их трудно обнаружить на картах уровня PM, потому что в некоторые дни воздух просто очень плох во всем городе. Большое преимущество — найти конкретный район, где уровень стабильно выше или ниже, чем везде, так как это помогает ответить на вопросы о неравенстве в здоровье и экологической справедливости», — отметил соавтор работы Дэвид Карлсон.

Исследователи уверены, что их подход, опубликованный 1 апреля в журнале Remote Sensing, будет только улучшаться с ростом числа датчиков качества воздуха. Следующим шагом станет изучение связи выявленных очагов с социально-экономическим статусом населения и показателями госпитализации из-за долгосрочного воздействия загрязнения.