Eine bahnbrechende Methode der künstlichen Intelligenz zur Bekämpfung der städtischen Luftverschmutzung

99 % der Weltbevölkerung atmen Luft ein, die die von der Weltgesundheitsorganisation (WHO) empfohlenen Grenzwerte überschreitet. Dieses Szenario verschärft sich in städtischen Gebieten, in denen mehr als 50 % der Weltbevölkerung konzentriert sind.

Um das Problem der Luftverschmutzung zu mindern, das von der WHO als der wichtigste umweltbedingte Risikofaktor für die Gesundheit weltweit angesehen wird, sind zuverlässigere und genauere Daten über die Konzentration von Luftschadstoffen in unseren Städten, insbesondere von Stickstoffdioxid (NO2), von entscheidender Bedeutung seiner schädlichen Auswirkungen auf die Lebensqualität der Menschen und den damit verbundenen wirtschaftlichen Folgen.

Um in dieser Forschungsrichtung voranzukommen, hat ein Team von Wissenschaftlern der Earth System Services-Gruppe der Earth Sciences Department am Barcelona Supercomputing Center – Centro Nacional de Supercomputación (BSC-CNS) eine Studie durchgeführt, die zeigt, dass künstliche Intelligenz möglich ist von großem Nutzen, um zuverlässige Informationen über die Wahrscheinlichkeit einer Überschreitung der gesetzlichen Grenzwerte für die Luftverschmutzung in der gesamten Stadt zu erhalten.

Das Ziel der Forschung, veröffentlicht in der Zeitschrift Geowissenschaftliche Modellentwicklungsoll dazu beitragen, das Luftqualitätsmanagement in städtischen Gebieten zu verbessern, indem stündliche Karten der NO2-Konzentrationen auf Straßenebene erstellt und die damit verbundene Unsicherheit quantifiziert werden.

Die neue Methode kombiniert zum ersten Mal die Ergebnisse von CALIOPE-Urban, einem in Spanien einzigartigen Modell, das Luftverschmutzungsprognosen mit sehr hohen Auflösungen von bis zu zehn Metern, in verschiedenen Höhen und an jedem Punkt in der Stadt, mit einem ausgedehnten Stadtgebiet ermöglicht Datenbank, die Beobachtungen von offiziellen Luftqualitätsstationen, kostengünstige Sensorkampagnen, Informationen zur Gebäudedichte, meteorologische Variablen und eine lange Liste anderer Geodaten enthält.

Auf diese Weise können Bereiche der Stadt identifiziert werden, in denen das derzeitige Überwachungssystem verbessert werden muss, was dazu beiträgt, Strategien zur Reduzierung der Luftverschmutzung zu optimieren.

„Die Kombination von CALIOPE-Urban-Vorhersagen mit all diesen urbanen Daten mithilfe künstlicher Intelligenz ermöglicht es uns, das Modell zu verbessern, denn dort, wo die Simulation die räumliche Verteilung der Verschmutzung nicht erklären kann, können wir maschinelles Lernen verwenden, um diese Vorhersage zu korrigieren und zu verbessern“, sagt Jan Mateu, Leiter des BSC Air Quality Services Teams und einer der Hauptautoren der Studie.

Die Verwendung von Techniken des maschinellen Lernens mit Beobachtungsdaten, die während früherer Kampagnen mit passiven Dosimetern gewonnen wurden, stellt einen wichtigen Fortschritt dar, da sie die inhärenten Unsicherheiten im Zusammenhang mit Luftqualitätsmodellen aufgrund der geringen Dichte an Überwachungsstationen verringert. Dies ermöglicht eine bessere räumliche Charakterisierung der übermäßigen Luftverschmutzung in verschiedenen Stadtteilen.

Eine der wichtigsten Schlussfolgerungen der Studie, die sich in dieser Pilotphase auf die Stadt Barcelona konzentrierte, ist, dass der Stadtteil mit der schlechtesten Luftqualität in der katalanischen Hauptstadt Eixample ist, wo 95 % seiner Fläche mehr als 50 % Wahrscheinlichkeit der Überschreitung des von der Europäischen Kommission festgelegten NO2-Grenzwerts von 40 μg/m3 im Jahresmittel (Europäische Luftqualitätsrichtlinie 2008/50/EG).

„Der Bezirk Eixample, der bevölkerungsreichste Bezirk Barcelonas, ist das am stärksten betroffene Gebiet der Stadt, da der überwiegende Teil seiner Fläche mit einer Wahrscheinlichkeit von mehr als 50 % die von der Europäischen Kommission festgelegte jährliche NO2-Grenze überschreitet Mit unserer Methodik wird die öffentliche Verwaltung in der Lage sein, Strategien zur Verbesserung der Luftqualität in städtischen Gebieten zu entwerfen und zu verwalten, was besonders wichtig ist, da die Luftverschmutzung der wichtigste Umweltrisikofaktor für die menschliche Gesundheit ist“, fügt Álvaro Criado, ein Forscher im Bereich Luftqualität von BSC, hinzu Services-Team und einer der Hauptautoren der Studie.

Das CALIOPE-Urban-Modell

CALIOPE-Urban wurde am BSC entwickelt und ist ein Modellierungstool, das die Konzentration von Stickstoffdioxid (NO2) auf Straßenebene in der Stadt Barcelona abschätzt, obwohl es auch auf andere Städte oder Ballungsgebiete angewendet werden könnte. NO2 und seine Vorläufer werden hauptsächlich von Verbrennungsquellen wie Fahrzeugmotoren emittiert, daher ist die Überwachung von entscheidender Bedeutung, um die Luftverschmutzung in Großstädten zu bekämpfen, in denen der Verkehr oft verstopft ist.

Das in Spanien einzigartige System liefert Bürgern und Luftqualitätsmanagern nützliche Informationen darüber, wie sich der Verkehr auf die Luftverschmutzung in jedem Viertel auswirkt. Diese Informationen sind unerlässlich für die Entwicklung und Umsetzung effektiver Planungs- und Minderungsstrategien zum Schutz der Bürger vor den Gesundheitsgefahren durch Luftverschmutzung. CALIOPE-Urban konzentriert sich derzeit auf die Stadt Barcelona, ​​aber es wird bereits daran gearbeitet, es in Zusammenarbeit mit verschiedenen kommunalen und regionalen Verwaltungen auf andere Gemeinden auszudehnen.

CALIOPE-Urban kombiniert die Technologie des CALIOPE-Regionalmodells, des BSC-Luftqualitätsvorhersagesystems, mit einem Stadtmodell, das die Luftverschmutzung auf Straßenebene berücksichtigt und Informationen zu Verkehrsemissionen und meteorologischen Daten verwendet. CALIOPE, das einzige Luftqualitätssystem, das Betriebsprognosen für Barcelona, ​​Katalonien, die Iberische Halbinsel und Europa liefert, ist der einzige spanische Beitrag zum Copernicus Atmosphere Monitoring Service (CAMS) der Europäischen Union.