一种深度学习方法,用于在城市环境中测量空气质量估计,使用非常高空间分辨率的卫星图像
Meytar Sorek-Hamer1,2, Michael von Pohle1,2, Adwait Sahasrabhojanee1,2
1Universities Space Research Association (USRA), Mountain View, CA.
Atmosphere
|September 19, 2023
概括
高分辨率空气质量 (AQ) 地图现在可以在百米尺度上使用卫星图像和深度学习. 这种方法可以准确估计污染水平,有助于识别污染源,并为当地环境行动提供信息.
科学领域:
- 环境科学 环境科学
- 遥感 遥感 遥感 遥感
- 人工智能的人工智能
背景情况:
- 全球许多人口密的城市地区缺乏地面空气质量 (AQ) 监测.
- 目前的基于卫星的AQ模型提供了有限的千米级分辨率.
- 准确,高分辨率的AQ数据对于识别污染源和实现有针对性的干预至关重要.
研究的目的:
- 评估在城市环境中使用高空间分辨率卫星图像和深度神经网络 (DNN) 进行百米级 AQ 地图的可行性.
- 开发和评估一种基于图像的新型物体检测方法,用于持续的 AQ 估计.
- 探索全球应用的潜力,特别是在具有有限地面监测基础设施的城市地区.
主要方法:
- 使用非常高空间分辨率 (2.5米) 的商业卫星图像作为DNN的输入.
- 训练DNN将视觉城市特征与空气污染物度联系起来.
- 使用地面监测数据和土地利用回归对PM2.5和NO2在伦敦,温哥华,洛杉矶和纽约市的模型进行验证.
主要成果:
- 实现了低误差率,总根平均平方误差 (RMSE) <2μg/m3.
- 证明了特定城市特征 (如绿地和道路网络) 对 AQ 估计的重大贡献.
- 成功为多个主要城市生成百米尺度的AQ地图.
结论:
- 使用卫星图像和DNN的基于图像的对象检测方法是高分辨率的AQ映射的可行和准确方法.
- 这种技术可以为局部空气污染提供宝贵的见解,即使在缺乏地面监测的地区.
- 该模型显示,在发达和发展中城市环境中,可扩展的全球应用具有前景,并对域名可转移性进行进一步研究.
相关概念视频
01:29Application of Linearization and Approximation
A drone flying through complex terrain often relies on more than one sensing method to estimate small changes in altitude. Along with direct measurements, air pressure provides a useful indirect indicator of vertical movement. Atmospheric pressure decreases as altitude increases, and this relationship is commonly described using an exponential model. Although accurate, converting pressure measurements into altitude values requires calculations that are too complex to perform repeatedly during...
01:23Linear Approximations
For a differentiable function of two variables, linear approximation estimates values near a known point by replacing the curved surface with its tangent plane. Consider the function\begin{equation*}f(x,y)=x^2+3y^2\end{equation*}near the point (2, 1). The exact value at this point is f(2, 1) = 22 + 3(1)2 = 4 + 3 = 7.The linear approximation of f(x, y)) near (a, b) is\begin{equation*}L(x,y)=f(a,b)+f_x(a,b)(x-a)+f_y(a,b)(y-b)\end{equation*}First, compute the partial derivatives: fx(x, y) = 2x and...