Алгоритм на основе ИИ улучшает спутниковый мониторинг загрязнения воздуха

Исследовательская группа под руководством профессора Ши Чон из Института аэрокосмической информации (AIR) Китайской академии наук в сотрудничестве с японскими учеными добилась значительного прогресса в области спутникового мониторинга качества воздуха. Они разработали инновационный алгоритм AIRTrans, который значительно повышает точность и эффективность получения ключевых свойств аэрозолей из мультиспектральных спутниковых наблюдений. Исследование опубликовано в журнале Remote Sensing of Environment.

Аэрозоли — крошечные частицы, взвешенные в атмосфере — играют ключевую роль в загрязнении воздуха, здоровье человека и изменении климата. Два важных индикатора для их изучения — оптическая толщина аэрозолей (AOT), измеряющая концентрацию частиц, и фракция мелкодисперсного режима (FMF), указывающая на долю мелких частиц, например, от выбросов транспорта или промышленных процессов. Традиционные алгоритмы, основанные на заранее рассчитанных таблицах поиска, обычно используют только два или три спектральных канала, что ограничивает детальность и точность.

Чтобы решить эту проблему, ученые создали гибридный алгоритм AIRTrans, сочетающий физическое моделирование с методами машинного обучения. Алгоритм использует модель переноса излучения RSTAR для создания обширной базы данных, которая предварительно обучает нейронную сеть. Затем модель дорабатывается с использованием наземных измерений для повышения точности и адаптивности. AIRTrans также учитывает почасовые изменения поверхностной отражательной способности и фоновой AOT.

Алгоритм разработан для работы с мультиспектральными приборами, такими как Advanced Himawari Imager (AHI) на спутнике Himawari-8, который наблюдает за регионом Восточной Азии каждые 10 минут. Это позволяет отслеживать изменения аэрозолей в режиме реального времени с высокой частотой. В тестах AIRTrans показал среднеквадратичную ошибку всего 0,132 для AOT и 0,146 для FMF, что примерно на 40% и 49% точнее официальных продуктов Himawari-8/AHI. Алгоритм успешно фиксировал пространственно-временную динамику во время пыльных бурь и смоговых эпизодов.

Исследование демонстрирует, что AIRTrans является точным, быстрым и широко применимым инструментом. Его можно адаптировать для других мультиспектральных спутниковых сенсоров, что обеспечит поддержку для точного контроля загрязнения воздуха и усилий по борьбе с изменением климата.