A poluição atmosférica é um problema crítico de saúde global, exigindo soluções de monitorização inovadoras. Os métodos tradicionais, dependentes de estações terrestres, são caros e geograficamente limitados, dificultando uma cobertura abrangente. Avanços recentes na tecnologia destacaram o potencial do uso de dados visuais de câmeras de vigilância como uma alternativa econômica para avaliação da qualidade do ar.



Um novo estudo publicado em Ciência Ambiental e Ecotecnologia inova um modelo híbrido de aprendizagem profunda que melhora significativamente o monitoramento da qualidade do ar externo usando imagens de câmeras de vigilância. Esta abordagem melhora as estimativas da qualidade do ar, incluindo PM_2,5 e PM₁₀ concentrações e o Índice de Qualidade do Ar (IQA), independentemente da hora do dia.

A equipe de pesquisa combinou Redes Neurais Convolucionais (CNN) com redes Long Short-Term Memory (LSTM), criando um modelo que captura de forma inteligente tanto os detalhes espaciais presentes em imagens individuais quanto a dinâmica temporal em uma sequência de imagens. Esta abordagem inovadora é particularmente adequada para superar o desafio de longa data de estimar com precisão a qualidade do ar durante a noite, um período em que os métodos tradicionais baseados em imagens normalmente falham devido a condições de pouca luz.

Ao analisar as pistas visuais nas imagens de vigilância, como neblina e visibilidade, o modelo pode prever concentrações de material particulado (PM_2,5 e PM₁₀ ) e o AQI de forma eficaz, tanto de dia como de noite.

Xuejun Liu, pesquisador principal e autor correspondente, afirma:"A capacidade do nosso modelo de estimar com precisão a qualidade do ar a partir de imagens, independentemente do dia ou da noite, marca um passo significativo na utilização de tecnologia para monitoramento ambiental. Ele abre novos caminhos para uma abordagem abrangente avaliação da qualidade do ar em regiões carentes de infraestrutura."

Esta investigação significa um salto substancial na monitorização ambiental, mostrando o potencial para melhorar significativamente as avaliações da qualidade do ar. Abre a porta a soluções de monitorização mais dinâmicas e económicas que poderiam melhorar enormemente a nossa compreensão e gestão da poluição atmosférica à escala global.

Mais informações: Xiaochu Wang et al, Monitoramento da qualidade do ar externo baseado em imagens de vigilância, Ciência Ambiental e Ecotecnologia (2023). DOI:10.1016/j.ese.2023.100319
Fornecido por TranSpread