La air pollution atmosphérique because of à la combustion de combustibles fossiles a un impact sur la santé humaine, mais prédire les niveaux de air pollution à un minute et à un endroit donnés reste un défi, selon une équipe de scientifiques qui se tournent vers l’apprentissage en profondeur pour améliorer les estimations de la qualité de l’air. Les résultats de l’étude de l’équipe pourraient être utiles aux modélisateurs qui examinent comment des facteurs économiques tels que la productivité industrielle et des facteurs de santé tels que les hospitalisations évoluent avec les niveaux de air pollution.



« La qualité de l’air est l’un des problèmes majeurs dans une zone urbaine qui affecte la vie des gens », a déclaré Manzhu Yu, professeur adjoint de géographie à Penn State. « Pourtant, les observations existantes ne sont pas suffisantes pour fournir des informations complètes susceptibles d’aider les populations vulnérables à planifier à l’avance. »

Les observations par satellite et au sol mesurent chacune la pollution de l’air, mais elles sont limitées, ont déclaré les scientifiques. Les satellites, par exemple, peuvent passer un endroit donné à la même heure chaque jour et manquer la variation des émissions à différentes heures. Les stations météorologiques au sol collectent en permanence des données, mais uniquement dans un nombre limité d’endroits.



Pour résoudre ce problème, les scientifiques ont utilisé l’apprentissage en profondeur, un style d’apprentissage automatique, pour analyser la relation entre les observations satellitaires et au sol du dioxyde d’azote dans la grande région de Los Angeles. Le dioxyde d’azote est largement associé aux émissions du trafic et des centrales électriques, ont déclaré les scientifiques.

« Le problème à l’heure actuelle est que le dioxyde d’azote varie beaucoup au cours de la journée », a déclaré Yu. « Mais nous n’avons pas eu de produit horaire à l’échelle suburbaine disponible pour suivre la pollution de l’air. En comparant les observations au niveau de la floor et par satellite, nous pouvons en fait produire des estimations avec une résolution spatiale et temporelle in addition élevée. »

La relation apprise a permis aux chercheurs de prendre des observations satellitaires quotidiennes et de créer des estimations horaires du dioxyde d’azote atmosphérique dans des grilles d’environ 3 miles, ont déclaré les scientifiques. Ils ont récemment rapporté leurs découvertes dans la revue Science of the Overall Ecosystem.

« Le défi ici est de savoir si nous pouvons trouver un lien entre les mesures de la surface de la Terre et les observations satellitaires de la troposphère, qui sont en fait très éloignées les unes des autres. C’est là qu’intervient l’apprentissage profond. »

Les algorithmes d’apprentissage en profondeur fonctionnent un peu comme le cerveau humain et comportent plusieurs couches de neurones artificiels pour traiter les données et créer des modèles. Le système apprend et s’entraîne lui-même en fonction des connexions qu’il trouve dans de grandes quantités de données, ont déclaré les scientifiques.

Les scientifiques ont testé deux algorithmes d’apprentissage en profondeur et ont trouvé celui qui comparait les observations au sol directement aux observations satellitaires prédisant furthermore précisément les niveaux de dioxyde d’azote. L’ajout d’informations telles que les données météorologiques, l’altitude et l’emplacement des stations au sol, des routes principales et des centrales électriques a encore amélioré la précision des prévisions.

Yu a déclaré que l’étude pourrait être répétée pour d’autres gaz à effet de serre et appliquée à différentes villes ou à des échelles régionale et continentale, ont déclaré les scientifiques. De as well as, le modèle pourrait être mis à jour lors du lancement de nouveaux satellites à additionally haute résolution.

« Avec une résolution spatio-temporelle élevée, nos résultats faciliteront l’étude entre la qualité de l’air et les problèmes de santé et amélioreront la compréhension de l’évolution dynamique des polluants atmosphériques », a déclaré Yu.