La contaminación del aire por la quema de combustibles fósiles tiene un impacto en la salud humana, pero predecir los niveles de contaminación en un momento y lugar determinados sigue siendo un desafío. según un equipo de científicos que están recurriendo al aprendizaje profundo para mejorar las estimaciones de la calidad del aire. Los resultados del estudio del equipo podrían ser útiles para los modeladores que examinan cómo los factores económicos como la productividad industrial y los factores de salud como las hospitalizaciones cambian con los niveles de contaminación.

"La calidad del aire es uno de los principales problemas dentro de un área urbana que afecta la vida de las personas, "dijo Manzhu Yu, profesor asistente de geografía en Penn State. "Sin embargo, las observaciones existentes no son adecuadas para proporcionar información completa que pueda ayudar a las poblaciones vulnerables a planificar con anticipación".

Las observaciones satelitales y terrestres miden la contaminación del aire, pero son limitados, dijeron los científicos. Satélites por ejemplo, puede pasar por un lugar determinado a la misma hora todos los días y no ver cómo varían las emisiones en diferentes horas. Las estaciones meteorológicas terrestres recopilan datos continuamente, pero solo en un número limitado de ubicaciones.

Para abordar esto, los científicos utilizaron el aprendizaje profundo, un tipo de aprendizaje automático, analizar la relación entre las observaciones satelitales y terrestres de dióxido de nitrógeno en el área metropolitana de Los Ángeles. El dióxido de nitrógeno está asociado en gran medida con las emisiones del tráfico y las centrales eléctricas. dijeron los científicos.

"El problema en este momento es que el dióxido de nitrógeno varía mucho durante el día, "Yu dijo." Pero no hemos tenido una hora, Producto a escala suburbana disponible para rastrear la contaminación del aire. Comparando el nivel de la superficie y las observaciones satelitales, de hecho, podemos producir estimaciones con mayor resolución espacial y temporal ".

La relación aprendida permitió a los investigadores tomar observaciones diarias por satélite y crear estimaciones por hora del dióxido de nitrógeno atmosférico en cuadrículas de aproximadamente 3 millas. dijeron los científicos. Recientemente informaron sus hallazgos en la revista. Ciencia del Medio Ambiente Total .

"El desafío aquí es si podemos encontrar un vínculo entre las mediciones de la superficie terrestre y las observaciones satelitales de la troposfera, que en realidad están muy lejos unos de otros. Ahí es donde entra el aprendizaje profundo ".

Los algoritmos de aprendizaje profundo funcionan de manera muy similar al cerebro humano y cuentan con múltiples capas de neuronas artificiales para procesar datos y crear patrones. El sistema aprende y se entrena a sí mismo en función de las conexiones que encuentra dentro de grandes cantidades de datos, dijeron los científicos.

Los científicos probaron dos algoritmos de aprendizaje profundo y encontraron el que comparaba las observaciones terrestres directamente con las observaciones satelitales que predijeron con mayor precisión los niveles de dióxido de nitrógeno. Agregar información como datos meteorológicos, La elevación y la ubicación de las estaciones terrestres y las principales carreteras y plantas de energía mejoraron aún más la precisión de la predicción.

Yu dijo que el estudio podría repetirse para otros gases de efecto invernadero y aplicarse a diferentes ciudades o en escalas regionales y continentales. dijeron los científicos. Además, el modelo podría actualizarse cuando sea nuevo, Se lanzan satélites de mayor resolución.

"Con una alta resolución espacio-temporal, Nuestros resultados facilitarán el estudio entre la calidad del aire y los problemas de salud y mejorarán la comprensión de la evolución dinámica de los contaminantes del aire. "Dijo Yu.