城市空气污染与开创性的人工智能

世界上99%的人口超过推荐的限制呼吸空气世界卫生组织(世卫组织)。这个场景是加剧了在城市地区,超过50%的世界人口集中。减轻空气污染的问题,被世卫组织认为是健康的主要环境风险因素在世界范围内,有更加可靠和准确的数据是至关重要的在我们的城市空气污染物的浓度,特别是二氧化氮(没有2)由于其有害影响人们的生活质量和相关的经济后果。

推进在这一研究中,一组科学家的地球系统服务集团的地球科学系在超级计算中心- Centro Nacional de Supercomputacion巴塞罗那(BSC-CNS)进行的一项研究表明,人工智能可以使用在获得可靠的信息的概率为整个城市的空气污染超标。目标的研究,发表在《华尔街日报》立模型开发,是帮助改善城市空气质量管理通过获得每小时的地图NO2浓度在街道层面,以及量化相关的不确定性。

该方法结合了第一次的结果CALIOPE-Urban在西班牙,一个独特的模型,它允许空气污染预报在非常高的分辨率高达10米,在不同的高度,在任何时候,在一个广泛的城市数据库,包括观察从官方空气质量监测站,低成本传感器运动,建筑密度信息,气象变量和一长串的其他地理空间信息。这种方式,地区的城市,当前监控系统可以识别需要改进,帮助优化策略,以减少空气污染。

“CALIOPE-Urban的组合使用人工智能预测与这些城市数据使我们能够提高模型因为仿真不能解释污染的空间分布,我们可以用机器学习纠正和改善这种预测,”说Jan Mateu二元同步通信领袖空气质量服务团队和该研究的主要作者之一。

使用机器学习技术以前活动中获得的观测数据使用被动的指示剂,代表了一个重要的进步,因为它减少了固有的不确定性与空气质量监测站的模型由于低密度。这提供了一个更好的空间描述的过剩空气污染城市的不同部分。

研究的主要结论之一,在试点阶段集中在城市巴塞罗那,是该地区在加泰罗尼亚首都空气质量最差的是Eixample,全国95%的地区超过了50%的概率超过40年平均NO2限制μg / m3设定的欧洲委员会(欧洲空气质量指令2008/50 / EC)。

“Eixample区,最密集的地区在巴塞罗那,是受影响最严重的区域城市,绝大多数的面积大于50%的概率超过年度NO2欧盟委员会设定的限制。由于我们的方法论,公共管理将能够设计和管理政策,以改善空气质量在城市地区,这是特别重要的,因为空气污染是主要的环境对人类健康的危险因素,”研究员补充说Alvaro Criado BSC的空气质量服务团队和这项研究的主要作者之一。

CALIOPE-Urban模型

二元同步通信发达,CALIOPE-Urban是一个造型工具,估计二氧化氮(NO2)的浓度在巴塞罗那市的街道上,虽然它也可以应用到其他城市或大都市地区。NO2及其前体燃烧释放的主要来源,如汽车引擎,所以监控是至关重要的,以应对空气污染在大城市交通经常拥挤的地方。

独特的系统,在西班牙,为公民和空气质量经理提供了有用的信息在每个社区交通如何影响空气污染。这些信息是至关重要的设计和实施有效的计划和缓解策略来保护公民免受空气污染带来的健康威胁。CALIOPE-Urban目前集中在城市巴塞罗那,但已经开始扩展到其它城市工作与不同的城市和区域政府合作。

CALIOPE-Urban CALIOPE区域模型的结合技术,二元同步通信空气质量预测系统,城市模型,认为空气污染在街道上,使用交通排放和气象数据的信息。CALIOPE,唯一的空气质量系统,提供操作预估巴塞罗那加泰罗尼亚,伊比利亚半岛和欧洲,是欧盟唯一西班牙贡献者哥白尼大气监测服务(摄像头)。

参考:Criado, Armengol JM, Petetin H, et al。数据融合uncertainty-enabled street-scale小时没有地图的方法₂在巴塞罗那:一个案例研究CALIOPE-Urban v1.0。Geosci模型开发。2023;16 (8):2193 - 2213。doi:10.5194 / gmd - 16 - 2193 - 2023

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。