你看到的是你呼吸的东西吗? 使用街道平面图像估计空气污染的空间变化

科学领域:

• 环境科学 环境科学
• 计算机科学 计算机科学
• 城市规划 城市规划

背景情况:

• 在全球范围内,高分辨率的城市空气污染数据很少.
• 现有的估计方法需要大量的输入数据.
• 街道层面的图像提供了一个潜在的数据源.

研究的目的:

• 开发和评估一种计算机视觉方法,通过街道图像来估计年度平均空气污染 (NO2和PM2.5).
• 评估开发的基于图像的模型在城市内和城市间的可转移性.
• 将计算机视觉方法的性能与传统的土地利用回归 (LUR) 和分散模型进行比较.

主要方法:

• 利用了来自伦敦,纽约和温哥华的每座城市大约25万张街道图像的数据集.
• 从当地校准的模型中使用NO2和PM2.5度的年度平均估计值作为培训标签.
• 设计实验以测试不同污染源配置文件的城市内和城市之间模型性能.

主要成果:

• 在同一个城市内进行培训和测试时,实现了高性能 (R2 0.510.95),与LUR模型相比.
• 在具有相似污染源配置文件的城市 (伦敦,纽约,温哥华) 之间转移模型方面取得了中等成功 (R2 00.67).
• 在不同来源配置文件的城市之间转移模型时观察到较低的性能 (R2 00.21) (阿克拉,香港).

结论:

• 计算机视觉提供了一种可行的方法,可以通过街道图像来估计城市空气污染的高分辨率.
• 模型的可转移性受到城市之间的污染源配置文件相似性的影响.
• 对于具有独特污染源配置文件的城市,建议使用额外的测量数据进行本地校准,以提高模型的准确性.