Forskere fra Duke University har udviklet et værktøj til kunstig intelligens, der vil hjælpe
Forfatterne af det nye AI-værktøj er især interesserede i at detektere PM2.5-partikelniveauer.
PM2.5 er faste partikler, der er mindre end 2,5 mikrometer i størrelse. Deres diameter er 30 gange mindre end et menneskehår. Disse inkluderer en blanding af partikler af støv, aske, sod samt sulfater og nitrater suspenderet i luften. Det er disse stoffer, der forårsager luftturhed, hvilket er typisk for centrumene i de største storbyområder.
Partikler PM2.5 er i stand til at klatre dybt ind i luftvejene og slå sig ned i lungerne. Indånding af disse partikler kan forårsage irritation i øjne, næse, hals eller lunger samt hosteanfald, løbende næse og kvælning. Men dette udtømmer ikke faren for deres indvirkning. Verdenssundhedsorganisationens PM2.5-partikelkoncentrationshastighed er 25 mikrogram pr. Kubikmeter. Overskridelse af denne grænse kan forstyrre lungernes normale funktion og forårsage udvikling af mange farlige sygdomme såsom lungekræft, luftvejsinfektioner og hjerte-kar-sygdomme.
Ny kunstig intelligensalgoritme valgtedisse satellitbilleder er kvartformaterede som lokale hotspots (øverst) og kølige pletter (nederst) til Beijing luftforurening. Kredit: Tongshu Zheng, Duke University.
Global sygdomsbyrde i 2020det rapporteres, at 90% af verdens befolkning bor i områder, hvor PM2.5 er sundhedsfarligt. Samtidig er der i de fleste byer ingen jordbaserede luftovervågningsstationer på grund af de høje omkostninger.
Desuden giver de kun en generel idé.om forholdene for luftforurening i en bestemt region, men for beboere i forskellige byområder er disse data ubrugelige. For at løse problemet oprettede forskere et instrument til måling af PM2.5 i 300 meter rækkevidde (byblok).
En ny algoritme for kunstig intelligens har identificeret flere hotspots og kølige pletter med luftforurening i Delhi. Kredit: Duke University School of Nursing.
Brug af satellitdata, vejrindikatorer ogMaskinlæringsforskere trænede en algoritme til automatisk at finde varme og kølige steder med luftforurening. Udviklerne brugte restlæringsteknikken. Algoritmen estimerer først PM2.5-niveauer kun ved hjælp af vejrdata. Den måler derefter forskellen mellem disse estimater og faktiske partikelniveauer. Som et resultat lærer algoritmen at bruge satellitbilleder til at forbedre prognoser.
Læs mere
Det blev klart, hvorfor forskere kalder de forkerte planeter, der er egnede til livet
Det første nøjagtige kort over verden blev oprettet. Hvad er der galt med alle andre?
De støtter universet: hvordan de fire vigtigste kræfter i naturen fungerer