Luftverschmutzung ist ein kritisches globales Gesundheitsproblem und erfordert innovative Überwachungslösungen. Herkömmliche Methoden, die auf Bodenstationen basieren, sind teuer und geografisch begrenzt, was eine umfassende Abdeckung verhindert. Jüngste Fortschritte in der Technologie haben das Potenzial der Nutzung visueller Daten von Überwachungskameras als kostengünstige Alternative zur Beurteilung der Luftqualität deutlich gemacht.
Eine neue Studie veröffentlicht in Umweltwissenschaften und Ökotechnologie entwickelt ein hybrides Deep-Learning-Modell, das die Überwachung der Außenluftqualität mithilfe von Überwachungskamerabildern erheblich verbessert. Dieser Ansatz verbessert die Schätzung der Luftqualität, einschließlich der PM2,5- und PM10-Konzentrationen und des Luftqualitätsindex (AQI), unabhängig von der Tageszeit.
Das Forschungsteam kombinierte Convolutional Neural Networks (CNN) mit Long Short-Term Memory (LSTM)-Netzwerken und schuf so ein Modell, das sowohl die in einzelnen Bildern vorhandenen räumlichen Details als auch die zeitliche Dynamik über eine Bildfolge hinweg intelligent erfasst. Dieser innovative Ansatz ist besonders geeignet, die seit langem bestehende Herausforderung zu meistern, die Luftqualität während der Nacht genau einzuschätzen, einer Zeit, in der herkömmliche bildbasierte Methoden aufgrund schlechter Lichtverhältnisse normalerweise ins Stocken geraten.
Durch die Analyse der visuellen Hinweise in Überwachungsaufnahmen, wie Dunst und Sichtweite, kann das Modell die Konzentrationen von Feinstaub (PM2,5 und PM10) und den AQI sowohl bei Tag als auch bei Nacht effektiv vorhersagen.
Dr Beurteilung der Luftqualität in Regionen ohne Infrastruktur.“
Diese Forschung stellt einen erheblichen Fortschritt in der Umweltüberwachung dar und zeigt das Potenzial, die Beurteilung der Luftqualität deutlich zu verbessern. Es öffnet die Tür zu dynamischeren, kostengünstigeren Überwachungslösungen, die unser Verständnis und Management der Luftverschmutzung auf globaler Ebene erheblich verbessern könnten.
Mehr Informationen:
Xiaochu Wang et al., Überwachungsbildbasierte Außenluftqualitätsüberwachung, Umweltwissenschaften und Ökotechnologie (2023). DOI: 10.1016/j.ese.2023.100319