Tráfego rodoviário na área metropolitana de Los Angeles. Crédito:tráfego da rodovia Pixabay na área da grande Los Angeles. Crédito:Pixabay
A poluição do ar pela queima de combustíveis fósseis impacta a saúde humana, mas prever os níveis de poluição em um determinado momento e local permanece um desafio, de acordo com uma equipe de cientistas que está se voltando para o aprendizado profundo para melhorar as estimativas da qualidade do ar. Os resultados do estudo da equipe podem ser úteis para modeladores examinando como fatores econômicos, como produtividade industrial e fatores de saúde, como hospitalizações, mudam com os níveis de poluição.
“A qualidade do ar é um dos grandes problemas em uma área urbana que afeta a vida das pessoas, "disse Manzhu Yu, professor assistente de geografia na Penn State. "No entanto, as observações existentes não são adequadas para fornecer informações abrangentes que podem ajudar as populações vulneráveis a planejar com antecedência."
Cada observação baseada em satélite e terrestre mede a poluição do ar, mas eles são limitados, disseram os cientistas. Satélites, por exemplo, pode passar por um determinado local no mesmo horário todos os dias e perder como as emissões variam em horas diferentes. As estações meteorológicas terrestres coletam dados continuamente, mas apenas em um número limitado de locais.
Para endereçar isto, os cientistas usaram aprendizado profundo, um tipo de aprendizado de máquina, para analisar a relação entre observações de satélite e terrestres de dióxido de nitrogênio na área da grande Los Angeles. O dióxido de nitrogênio está amplamente associado às emissões do tráfego e de usinas de energia, disseram os cientistas.
"O problema agora é que o dióxido de nitrogênio varia muito durante o dia, "Yu disse." Mas não tivemos uma hora, Produto em escala suburbana disponível para rastrear a poluição do ar. Ao comparar o nível da superfície e as observações de satélite, podemos realmente produzir estimativas com maior resolução espacial e temporal. "
A relação aprendida permitiu que os pesquisadores fizessem observações diárias de satélite e criassem estimativas de dióxido de nitrogênio atmosférico por hora em grades de aproximadamente 3 milhas, disseram os cientistas. Eles recentemente relataram suas descobertas no jornal Ciência do Meio Ambiente Total .
"O desafio aqui é se podemos encontrar uma ligação entre as medições da superfície da Terra e as observações de satélite da troposfera, que estão realmente distantes um do outro. É aí que entra o aprendizado profundo. "
Algoritmos de aprendizagem profunda operam de forma muito semelhante ao cérebro humano e apresentam várias camadas de neurônios artificiais para processar dados e criar padrões. O sistema aprende e treina a si mesmo com base nas conexões que encontra em grandes quantidades de dados, disseram os cientistas.
Os cientistas testaram dois algoritmos de aprendizado profundo e descobriram aquele que comparava as observações terrestres diretamente com as observações de satélite que previam com mais precisão os níveis de dióxido de nitrogênio. Adicionando informações como dados meteorológicos, a elevação e a localização das estações terrestres e das principais estradas e usinas de energia melhoraram ainda mais a precisão da previsão.
Yu disse que o estudo poderia ser repetido para outros gases de efeito estufa e aplicado a diferentes cidades ou em escalas regionais e continentais, disseram os cientistas. Além disso, o modelo pode ser atualizado quando novo, são lançados satélites de alta resolução.
"Com uma alta resolução espaço-temporal, nossos resultados irão facilitar o estudo entre a qualidade do ar e as questões de saúde e melhorar a compreensão da evolução dinâmica dos poluentes transportados pelo ar, "Yu disse.