Forskere fra Duke University har utviklet et kunstig intelligensverktøy som vil hjelpe
Forfatterne av det nye AI-verktøyet er spesielt interessert i å oppdage PM2,5-partikkelnivåer.
PM2.5 er faste partikler mindre enn 2,5 mikrometer i størrelse. Diameteren er 30 ganger mindre enn et menneskehår. Disse inkluderer en blanding av partikler av støv, aske, sot, samt sulfater og nitrater suspendert i luften. Det er disse stoffene som forårsaker luftturbiditet, som er typisk for sentrumene i de største storbyområdene.
Partikler PM2.5 klarer å klatre dypt inn i luftveiene og slå seg ned i lungene. Innånding av disse partiklene kan forårsake irritasjon i øynene, nesen, halsen eller lungene, så vel som hoste, rennende nese og kvelning. Men dette utmerker ikke faren for deres innvirkning. Verdens helseorganisasjons PM2.5-partikkelkonsentrasjonshastighet er 25 mikrogram per kubikkmeter. Overskridelse av denne grensen kan forstyrre lungefunksjonen og forårsake utvikling av mange farlige sykdommer som lungekreft, luftveisinfeksjoner og hjerte- og karsykdommer.
Ny kunstig intelligensalgoritme valgtedisse satellittbildene er kvartstørrelse som lokale hotspots (øverst) og kule steder (nederst) for Beijing luftforurensning. Kreditt: Tongshu Zheng, Duke University.
Global sykdomsbyrde for 2020det rapporteres at 90% av verdens befolkning bor i områder der PM2.5 er helsefarlig. Samtidig er det i de fleste byer ingen bakkebaserte luftovervåkingsstasjoner på grunn av de høye kostnadene.
Videre gir de bare en generell ide.om forholdene for luftforurensning i en bestemt region, men for innbyggere i forskjellige områder av byen er disse dataene ubrukelige. For å løse problemet har forskere laget et instrument for å måle PM2,5 i 300 meter rekkevidde (byblokk).
En ny algoritme for kunstig intelligens har identifisert flere hot spots og kule flekker med luftforurensning i Delhi. Kreditt: Duke University School of Nursing.
Bruke satellittdata, værindikatorer ogMaskinlæringsforskere trente en algoritme for automatisk å finne varme og kjølige steder med luftforurensning. Utviklerne brukte teknikken med restlæring. Algoritmen estimerer først PM2.5-nivåer ved kun å bruke værdata. Den måler deretter forskjellen mellom disse estimatene og faktiske partikkelnivåer. Som et resultat lærer algoritmen å bruke satellittbilder for å forbedre prognosene.
Les mer
Det ble klart hvorfor forskere kaller feil planeter som er egnet for livet
Det første nøyaktige kartet over verden ble opprettet. Hva er galt med alle andre?
De støtter universet: hvordan de fire viktigste naturkreftene fungerer