孟加拉国达卡郊外的砖窑烟囱。功劳:尼娜·布鲁克斯根据斯坦福大学领导的一项新研究，像超级英雄一样能够看穿障碍，环境监管者可能很快就会运用全视之眼的力量，随时随地识别违规者。这篇论文发表在4月19日的《美国国家科学院院刊》(PNAS)上，展示了人工智能与卫星图像的结合如何为定位和监控难以监管的行业提供一种低成本、可扩展的方法。“砖窑已经在孟加拉国遍地开花，为不断增长的经济提供建筑材料，这使得监管机构很难跟上新建造的砖窑，”合著者尼娜·布鲁克斯(Nina Brooks)说，她是明尼苏达大学社会研究和数据创新研究所的博士后助理，在斯坦福大学攻读博士期间从事了这项研究。
虽然先前的研究显示了利用机器学习和卫星观测进行环境监管的潜力，但大多数研究都集中在拥有可靠工业地点和活动数据的富裕国家。为了探索发展中国家的可行性，斯坦福领导的研究聚焦于孟加拉国，在那里，政府监管机构很难找到高污染的非正式砖窑，更不用说执行规则了。
日益增长的威胁
砖块是整个南亚发展的关键，尤其是在缺乏其他建筑材料的地区，而制造砖块的窑炉雇佣了数百万人。然而，他们非常低效的燃煤带来了重大的健康和环境风险。在孟加拉国，砖窑排放的二氧化碳占该国年二氧化碳排放总量的17%，在该国人口最多的城市达卡，多达一半的小颗粒物质被认为对人类肺部特别危险。这是该国整体空气污染的一个重要因素，据估计，这将使孟加拉国人的平均寿命缩短近两年。
“空气污染每年导致700万人死亡，”斯坦福大学医学院传染病教授、研究资深作者斯蒂芬·卢比说。“我们需要确定这种污染的来源，并减少这些排放。”
孟加拉国政府监管机构正试图手工绘制并核实全国各地砖窑的位置，但这项工作耗费了大量时间和人力。由于窑的快速扩散，它的效率也很低。据研究人员称，这项工作也像低收入国家的政府数据一样，容易受到不准确和偏见的影响。
天空中的眼睛
自2016年以来，布鲁克斯、卢比和其他斯坦福大学的研究人员一直在孟加拉国开展工作，以确定砖窑的位置，量化砖窑对健康的不利影响，并提供透明的公共信息，为政治变革提供信息。他们开发了一种利用红外线从遥感数据中识别烧煤窑的方法。尽管前景看好，但这种方法存在严重缺陷，例如无法区分窑炉和吸热农业用地。
该团队与斯坦福大学的计算机科学家和工程师以及孟加拉国国际腹泻疾病研究中心的科学家合作，将重点转移到机器学习上。
基于过去深度学习在环境监测中的应用，以及利用深度学习识别砖窑的具体努力，他们开发了一种高度精确的算法，不仅可以识别图像中是否包含窑，还可以学习在图像中定位窑。这种方法重建了分散在多幅图像中的窑炉——这是卫星图像的一个固有问题——并且能够识别多座窑炉何时包含在一幅图像中。他们还能够根据形状分类来区分两种窑炉技术——其中一种是被禁止的。
令人清醒的发现
该方法显示，孟加拉国超过四分之三的窑是在距离学校1公里(十分之六英里)的范围内非法建造的，近10%的窑非法靠近卫生设施。它还表明，政府在法规方面系统地少报了窑炉，而且根据形状分类结果，相对于老的、被禁止的方法，多报了使用较新、较清洁技术的窑炉的百分比。研究人员还发现，在与被禁区域相邻的地区，注册窑的数量更高，这表明，在合法但跨越地区边界建设的地区，窑是正式注册的。
研究人员正致力于通过开发使用低分辨率图像的方法来改善这种方法的局限性，并将他们的工作扩展到砖块构造相似的区域。做对了会有很大的不同。根据研究人员的估计，仅在孟加拉国，几乎每个人都住在离砖窑10公里(6.2英里)以内，超过1800万人——是纽约市人口的两倍多——住在1公里(0.6英里)以内。
“我们希望我们的总体方法能够实现更有效的监管和政策，以在未来实现更好的健康和环境结果，”合著者、斯坦福大学可持续发展和人工智能实验室的研究员李继荣说。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
