La pollution de l'air due à la combustion de combustibles fossiles a un impact sur la santé humaine, mais il reste difficile de prévoir les niveaux de pollution à un moment et à un endroit donnés, selon une équipe de scientifiques qui se tournent vers l'apprentissage en profondeur pour améliorer les estimations de la qualité de l'air. Les résultats de l'étude de l'équipe pourraient être utiles aux modélisateurs examinant comment les facteurs économiques tels que la productivité industrielle et les facteurs de santé tels que les hospitalisations changent avec les niveaux de pollution.

"La qualité de l'air est l'un des enjeux majeurs en milieu urbain qui affecte la vie des gens, " dit Manzhu Yu, professeur adjoint de géographie à Penn State. "Pourtant, les observations existantes ne sont pas suffisantes pour fournir des informations complètes susceptibles d'aider les populations vulnérables à planifier à l'avance."

Les observations satellitaires et au sol mesurent chacune la pollution de l'air, mais ils sont limités, disaient les scientifiques. Satellite, par exemple, peuvent passer un endroit donné à la même heure chaque jour et ne pas comprendre comment les émissions varient à différentes heures. Les stations météorologiques au sol collectent des données en continu, mais seulement dans un nombre limité d'emplacements.

Pour remédier à ce, les scientifiques ont utilisé l'apprentissage en profondeur, un type d'apprentissage automatique, analyser la relation entre les observations par satellite et au sol du dioxyde d'azote dans la grande région de Los Angeles. Le dioxyde d'azote est largement associé aux émissions du trafic et des centrales électriques, disaient les scientifiques.

"Le problème en ce moment, c'est que le dioxyde d'azote varie beaucoup au cours de la journée, " dit Yu. " Mais nous n'avons pas eu une heure, produit à l'échelle suburbaine disponible pour suivre la pollution de l'air. En comparant le niveau de surface et les observations satellitaires, nous pouvons réellement produire des estimations avec une résolution spatiale et temporelle plus élevée."

La relation apprise a permis aux chercheurs de prendre des observations satellitaires quotidiennes et de créer des estimations horaires du dioxyde d'azote atmosphérique dans des grilles d'environ 3 milles, disaient les scientifiques. Ils ont récemment rapporté leurs découvertes dans le journal Science de l'environnement total .

"Le défi ici est de savoir si nous pouvons trouver un lien entre les mesures de la surface de la Terre et les observations satellitaires de la troposphère, qui sont en fait très éloignés les uns des autres. C'est là qu'intervient le deep learning."

Les algorithmes d'apprentissage en profondeur fonctionnent un peu comme le cerveau humain et comportent plusieurs couches de neurones artificiels pour traiter les données et créer des modèles. Le système apprend et s'entraîne en fonction des connexions qu'il trouve dans de grandes quantités de données, disaient les scientifiques.

Les scientifiques ont testé deux algorithmes d'apprentissage en profondeur et ont trouvé celui qui comparait les observations au sol directement aux observations satellitaires prédisait avec plus de précision les niveaux de dioxyde d'azote. Ajout d'informations comme des données météorologiques, l'altitude et l'emplacement des stations au sol, des routes principales et des centrales électriques ont encore amélioré la précision des prévisions.

Yu a déclaré que l'étude pourrait être répétée pour d'autres gaz à effet de serre et appliquée à différentes villes ou à des échelles régionales et continentales, disaient les scientifiques. En outre, le modèle pourrait être mis à jour lorsqu'il est nouveau, des satellites à plus haute résolution sont lancés.

"Avec une haute résolution spatio-temporelle, nos résultats faciliteront l'étude entre les enjeux de qualité de l'air et de santé et amélioreront la compréhension de l'évolution dynamique des polluants atmosphériques, " dit Yu.