Forskare från Duke University har utvecklat ett verktyg för artificiell intelligens som hjälper
Författarna till det nya AI-verktyget är särskilt intresserade av att detektera nivåer av PM2.5-partiklar.
PM2.5 är fasta partiklar mindre än 2,5 mikron. Deras diameter är 30 gånger mindre än ett mänskligt hår. Dessa inkluderar en blandning av partiklar av damm, aska, sot, samt sulfater och nitrater som är suspenderade i luften. Det är dessa ämnen som orsakar luftens grumlighet, vilket är typiskt för centrumen i de största storstadsområdena.
Partiklar PM2.5 kan klättra djupt in i luftvägarna och slå sig ner i lungorna. Inandning av dessa partiklar kan orsaka irritation i ögon, näsa, hals eller lungor, liksom hosta, rinnande näsa och kvävning. Men detta uttömmer inte risken för deras påverkan. Världshälsoorganisationens PM2.5-partikelkoncentrationshastighet är 25 mikrogram per kubikmeter. Att överskrida denna gräns kan störa lungans normala funktion och orsaka utveckling av många farliga sjukdomar som lungcancer, luftvägsinfektioner och hjärt-kärlsjukdomar.
Ny artificiell intelligensalgoritm valdedessa satellitbilder är kvartsstora som lokala hotspots (överst) och svala fläckar (botten) för Peking luftföroreningar. Kredit: Tongshu Zheng, Duke University.
Den globala sjukdomsbördan för 2020det rapporteras att 90% av världens befolkning bor i områden där PM2.5 är hälsofarligt. Samtidigt finns det i de flesta städer inga markbaserade luftövervakningsstationer på grund av de höga kostnaderna.
Dessutom ger de bara en allmän uppfattning.om förhållandena för luftföroreningar i en viss region, men för invånare i olika delar av staden är dessa uppgifter värdelösa. För att lösa problemet skapade forskare ett instrument för att mäta PM2,5 inom 300 meter (stadsblock).
En ny AI-algoritm har identifierat flera hotspots och coola fläckar med luftföroreningar i Delhi. Kredit: Duke University School of Nursing.
Använda satellitdata, väderindikatorer ochMaskininlärningsforskare tränade en algoritm för att automatiskt hitta varma och svala ställen med luftföroreningar. Utvecklarna använde tekniken för restinlärning. Algoritmen uppskattar först PM2.5-nivåer med endast väderdata. Den mäter sedan skillnaden mellan dessa uppskattningar och faktiska partikelnivåer. Som ett resultat lär sig algoritmen att använda satellitbilder för att förbättra prognoser.
Läs mer
Det blev klart varför forskare kallar fel planeter som är lämpliga för livet
Den första exakta världskartan skapades. Vad är fel med alla andra?
De stöder universum: hur naturens fyra huvudkrafter fungerar