Kunstig intelligens og satellitteknologier afslører detaljeret kort over luftforurening i hele Storbritannien

En ny metode, der kombinerer kunstig intelligens med fjernmåling satellitteknologier, har produceret den mest detaljerede dækning af luftforurening i Storbritannien til dato.

Fremhævet af ny forskning ledet af London School of Hygiene &Tropical Medicine (LSHTM) og offentliggjort i Fjernbetjening , metoden giver præcise skøn over koncentrationer af luftforurening i hele Storbritannien. Modellen tilbyder et imponerende detaljeringsniveau, med målinger leveret på dagligt niveau og i et 1x1km net i hele Storbritannien.

Resultaterne indikerer, at det sydøstlige England er den mest forurenede region, og de identificerer hot spots i by- og industriområder. Opmuntrende, resultaterne viser også et samlet fald i luftforureningen i Storbritannien i løbet af det sidste årti.

Forskerne siger, at denne nye tilgang kan revolutionere vurderingen af ​​eksponering for luftforurening og vores forståelse af de relaterede sundhedsrisici, ved at forbinde landsomfattende eksponeringskort og sundhedsdatabaser.

I øjeblikket, forskere er afhængige af jordbaserede skærme for at måle luftforurening, imidlertid, disse er tyndt placeret, mest koncentreret i byområder, og tager ikke altid målinger løbende. Det betyder, at der ikke findes landsdækkende luftforureningsregistre, der er præcise nok til at kunne bruges i epidemiologiske analyser til at evaluere sundhedsrisici.

I dette studie, forskerne anvendte en innovativ metode, der bruger kunstig intelligens og satellitbaserede data til at estimere den daglige menneskelige eksponering for fine partikler af luftforurening fra 2008-2018.

Teamet kombinerede aflæsninger fra eksisterende jordbaserede skærme med data fra jordobservationssatellitinstrumenter, der giver oplysninger om vejrmønstre, aerosoler suspenderet i atmosfæren, arealanvendelse og vegetationsdækning. De inkorporerede også data fra andre kilder, herunder befolkningstæthed, vejtæthed og lufthavnenes placering.

Ved hjælp af sofistikerede maskinlæringsalgoritmer, de kombinerede datasættene for at producere estimater af koncentrationen på jorden af ​​fint partikler (mindre end 2,5 mikron i størrelse, PM2.5), en af ​​de farligste luftforurenende stoffer. De opdelte Storbritannien i netceller og udledte daglige forureningsserier i perioden 2008-18.

Dr. Rochelle Schneider, første forfatter, der ledede analysen, sagde:"Denne forskning bruger kraften af ​​kunstig intelligens til at fremme miljømodellering og løse folkesundhedsudfordringer. Dette imponerende luftforureningsdatasæt repræsenterer PM2,5 -registreringer for 4, 018 dage i et rumligt domæne på 234, 429 gitterceller. Dette giver en bemærkelsesværdig i alt 950 millioner datapunkter, der omfattende kvantificerer luftforureningsniveauet i hele Storbritannien i en periode på elleve år. "

Resultaterne af undersøgelsen blev krydsvalideret ved at sammenligne modelens skøn med målinger taget fra bestemte jordbaserede skærme, og viste sig at være tæt tilpasset.

Teamet agter nu at kombinere dataene med lokale sundhedsjournaler. Denne sammenkædede information vil blive brugt i banebrydende epidemiologiske analyser for at afsløre et meget detaljeret billede af sammenhængen mellem luftforurening og sundhedsresultater i hele Storbritannien.

Professor Antonio Gasparrini, Professor i biostatistik og epidemiologi på LSHTM og seniorforfatter af undersøgelsen, sagde:"Denne undersøgelse demonstrerer, hvordan banebrydende teknikker baseret på kunstig intelligens og satellitteknologier kan gavne folkesundhedsforskning. Output afslører de skiftende mønstre af luftforurening i hele Storbritannien og i tide med ekstraordinære detaljer. Vi håber nu at kunne bruge disse oplysninger for bedre at forstå, hvordan forurening påvirker nationens sundhed, så vi kan tage skridt til at minimere risikoen. Den enorme mængde data, der produceres, vil give et vigtigt redskab for folkesundhedsforskere, der undersøger virkningerne af luftforurening. "

Verdenssundhedsorganisationen anslår, at der er syv millioner dødsfald om året på verdensplan på grund af luftforurening, som forårsager lungesygdom, lungekræft, hjertesygdomme og slagtilfælde.

Dr. Vincent-Henri Peuch, Direktør for Copernicus Atmosphere Monitoring Service (CAMS) ved European Center for Medium-Range Weather Forecasts (ECMWF), sagde:"Denne innovative metode har kombineret forskellige datakilders styrker for at give nøjagtige og omfattende estimater af eksponering for luftforurening, herunder jordbaserede sensorer, satellitdata, og modelanalyser udviklet af ECMWF som en del af EU Copernicus -programmet. Dr. Schneider og medforfattere demonstrerer overbevisende sin præstation over Storbritannien, baner vejen for mange fremtidige undersøgelser af luftforureningens sundhedsvirkninger. "

Dr. Pierre-Philippe Mathieu, Leder af Phi-lab Explore Office hos European Space Agency (ESA), sagde:"Det er spændende at se data fra jordobservationssatellitter blive brugt i folkesundhedsforskning for at fremme vores forståelse af det indviklede forhold mellem sundhed og luftkvalitet, forbedre livet i Storbritannien, Europa og resten af ​​verden. "

Undersøgelsen er begrænset af, at metoden ikke pålideligt kunne genvinde luftforureningsniveauer fra år før 2008, givet det begrænsede antal tilgængelige PM2.5 -skærme. Ud over, modelens ydeevne kan være lavere i fjerntliggende områder præget af begrænset dækning af jordovervågningsnetværk. LSHTM-teamet planlægger at udvide denne model og rekonstruere data i høj opløsning om andre luftforurenende stoffer.