L’inquinamento atmosferico è un problema sanitario globale critico e richiede soluzioni di monitoraggio innovative. I metodi tradizionali, che fanno affidamento sulle stazioni di terra, sono costosi e geograficamente limitati, ostacolando una copertura completa. I recenti progressi tecnologici hanno messo in luce il potenziale dell'utilizzo dei dati visivi provenienti dalle telecamere di sorveglianza come alternativa economicamente vantaggiosa per la valutazione della qualità dell'aria.
Un nuovo studio pubblicato su Environmental Science and Ecotechnology innova un modello ibrido di deep learning che migliora significativamente il monitoraggio della qualità dell’aria esterna utilizzando le immagini delle telecamere di sorveglianza. Questo approccio migliora le stime della qualità dell'aria, incluso il PM2,5 e PM10 concentrazioni e l'indice di qualità dell'aria (AQI), indipendentemente dall'ora del giorno.
Il gruppo di ricerca ha combinato le reti neurali convoluzionali (CNN) con le reti di memoria a breve termine (LSTM), creando un modello che cattura in modo intelligente sia i dettagli spaziali presenti nelle singole immagini sia le dinamiche temporali attraverso una sequenza di immagini. Questo approccio innovativo è particolarmente adatto a superare la sfida di lunga data di stimare accuratamente la qualità dell'aria durante la notte, un periodo in cui i metodi tradizionali basati su immagini in genere vacillano a causa delle condizioni di scarsa illuminazione.
Analizzando i segnali visivi nei filmati di sorveglianza, come foschia e visibilità, il modello può prevedere le concentrazioni di particolato (PM2,5 e PM10 ) e l'AQI in modo efficace, sia di giorno che di notte.
Il dottor Xuejun Liu, ricercatore capo e autore corrispondente, afferma:"La capacità del nostro modello di stimare accuratamente la qualità dell'aria dalle immagini, indipendentemente dal giorno o dalla notte, segna un significativo passo avanti nell'utilizzo della tecnologia per il monitoraggio ambientale. Apre nuove strade per una ricerca completa valutazione della qualità dell'aria nelle regioni prive di infrastrutture."
Questa ricerca rappresenta un sostanziale passo avanti nel monitoraggio ambientale, dimostrando il potenziale per migliorare in modo significativo le valutazioni della qualità dell’aria. Apre la porta a soluzioni di monitoraggio più dinamiche ed economicamente vantaggiose che potrebbero migliorare notevolmente la nostra comprensione e gestione dell'inquinamento atmosferico su scala globale.
Ulteriori informazioni: Xiaochu Wang et al, Monitoraggio della qualità dell'aria esterna basato su immagini di sorveglianza, Scienze ambientali ed ecotecnologia (2023). DOI:10.1016/j.ese.2023.100319
Fornito da TranSpread
