作者肯·金格里，杜克大学护理学院 一种新的人工智能算法选择这些城市街区大小的卫星图像作为北京空气污染的局部热点(上)和冷点(下)
学分:郑，杜克大学 杜克大学的研究人员开发了一种方法，利用机器学习、卫星图像和天气数据，一个街区一个街区地自动找到严重空气污染的热点
这项技术可能有利于发现和减少有害气溶胶的来源，研究空气污染对人类健康的影响，并做出更明智、社会公正的公共政策决定
杜克大学土木与环境工程教授迈克·伯金说:“在此之前，试图测量整个城市空气污染物分布的研究人员要么尝试使用有限数量的现有监测器，要么在车辆中驾驶传感器环绕城市。”
“但是建立传感器网络既费时又费钱，而驾驶传感器唯一能告诉你的是，道路是污染物的主要来源
能够利用卫星图像找到当地的空气污染热点是非常有利的
" 伯金和他的同事们感兴趣的特定空气污染物是一种叫做PM2的微小悬浮粒子
五
这些粒子的直径小于2
5微米——大约是人类头发直径的百分之三——已经显示出对人类健康有显著的影响，因为它们能够深入肺部
全球疾病负担研究对PM2进行了排名
5 2015年死亡率风险因素排名第五
研究表明，PM2
5个负责在一年内约4个
200万人死亡，103
100万年的生命丧失或残疾
哈佛大学最近的一项研究
H
陈公共卫生学院还发现，PM2
5级与新冠肺炎导致的较高死亡率相关
但是哈佛的研究人员只能访问PM2
5美国各县的数据
虽然这是一个有价值的起点，但县级污染统计不能深入到燃煤电厂旁边的社区，而要深入到逆风30英里的公园旁边
西方世界以外的大多数国家都没有这样的空气质量监测水平
“地面站的建设和维护成本很高，所以即使是大城市也不可能有超过几个地面站，”伯金说
“因此，尽管他们可能会给出PM2的大致数量
在空气中，它们根本无法给生活在城市不同区域的人们一个真实的分布
" 新的人工智能算法选择了德里的多个空气污染热点和冷点
学分:杜克大学护理学院 在之前与博士生郑和同事大卫卡尔森(杜克大学土木与环境工程助理教授)的合作中，研究人员表明卫星图像、天气数据和机器学习可以为提供帮助
5次小范围测量
在这项工作的基础上，以北京为重点，该团队现在已经改进了他们的方法，并教授了自动寻找空气污染热点和冷点的算法，分辨率为3 00米，大约相当于纽约市一个街区的长度
这一进步是通过使用一种叫做残留学习的技术取得的
该算法首先估计PM2的水平
5仅使用天气数据
然后，它测量这些估计值与PM2实际水平之间的差异
并自学使用卫星图像来更好地进行预测
郑说:“当首先对天气进行预测，然后再加入卫星数据进行微调时，算法就可以充分利用卫星图像中的信息。”
然后，研究人员使用最初设计的算法来调整图像中的不均匀照明，以找到空气污染程度高和低的区域
这种被称为局部对比度归一化的技术，本质上是寻找具有较高或较低PM2水平的城市块大小的像素
比附近的其他人多5个
卡尔森说:“众所周知，这些热点很难在颗粒物水平的地图上找到，因为有时整个城市的空气都很糟糕，很难判断它们之间是否存在真正的差异，或者图像对比度是否有问题。”
“能够找到一个比其他地方更高或更低的特定社区是一个很大的优势，因为它可以帮助我们回答关于健康差异和环境公平的问题
" 虽然算法本身教授的精确方法不能从一个城市转移到另一个城市，但算法可以很容易地在不同的地方教授自己新的方法
虽然随着时间的推移，城市可能会在天气和污染模式方面发生变化，但算法在与它们一起演变时应该不会有任何问题
此外，研究人员指出，空气质量传感器的数量只会在未来几年增加，所以他们相信他们的方法只会随着时间的推移而变得更好
“我认为我们将能够在这些图像中找到与热点和冷点相关的建筑环境，这可能具有巨大的环境正义成分，”伯金说
“下一步是观察这些热点如何与长期暴露的社会经济地位和住院率相关
我认为这种方法可以让我们走得更远，潜在的应用是惊人的
" 研究结果于4月1日在线发表在《遥感》杂志上
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
