Des chercheurs de l'Université Duke ont développé une méthode qui utilise l'apprentissage automatique, l'imagerie satellitaire et les données météorologiques pour trouver de manière autonome les points chauds de forte pollution de l'air, îlot par îlot.

La technique pourrait être une aubaine pour trouver et atténuer les sources d'aérosols dangereux, étudier les effets de la pollution atmosphérique sur la santé humaine, et mieux s'informer, des décisions de politique publique socialement justes.

"Avant maintenant, les chercheurs essayant de mesurer la distribution des polluants atmosphériques dans une ville essaieraient soit d'utiliser le nombre limité de moniteurs existants, soit de conduire des capteurs autour d'une ville dans des véhicules, " a déclaré Mike Bergin, professeur de génie civil et environnemental à Duke. "Mais mettre en place des réseaux de capteurs est long et coûteux, et la seule chose que la conduite d'un capteur vous dit vraiment, c'est que les routes sont de grandes sources de polluants. Être capable de trouver des points chauds locaux de pollution de l'air à l'aide d'images satellite est extrêmement avantageux. »

Les polluants atmosphériques spécifiques auxquels Bergin et ses collègues s'intéressent sont de minuscules particules en suspension dans l'air appelées PM2,5. Ce sont des particules qui ont un diamètre inférieur à 2,5 micromètres, soit environ trois pour cent du diamètre d'un cheveu humain, et il a été démontré qu'elles ont un effet dramatique sur la santé humaine en raison de leur capacité à pénétrer profondément dans les poumons.

L'étude Global Burden of Disease classait les PM2,5 au cinquième rang sur sa liste de facteurs de risque de mortalité en 2015. L'étude a indiqué que les PM2,5 étaient responsables en un an d'environ 4,2 millions de décès et de 103,1 millions d'années de vie perdues ou vécues avec un handicap. Une étude récente de l'Université Harvard T.H. La Chan School of Public Health a également constaté que les zones avec des niveaux plus élevés de PM2,5 sont associées à des taux de mortalité plus élevés en raison de COVID-19.

Mais les chercheurs de Harvard n'ont pu accéder aux données sur les PM2,5 qu'au niveau comté par comté aux États-Unis. Bien qu'il s'agisse d'un point de départ précieux, les statistiques de pollution au niveau du comté ne peuvent pas explorer un quartier à côté d'une centrale électrique au charbon par rapport à un quartier à côté d'un parc situé à 30 milles au vent. Et la plupart des pays en dehors du monde occidental n'ont pas ce niveau de surveillance de la qualité de l'air.

« Les stations au sol sont coûteuses à construire et à entretenir, donc même les grandes villes ne sont pas susceptibles d'en avoir plus d'une poignée, " a déclaré Bergin. " Ainsi, bien qu'ils puissent donner une idée générale de la quantité de PM2,5 dans l'air, ils sont loin de donner une vraie distribution pour les personnes vivant dans différents quartiers de cette ville. »

Dans des travaux antérieurs avec le doctorant Tongshu Zheng et son collègue David Carlson, professeur assistant de génie civil et environnemental à Duke, les chercheurs ont montré que l'imagerie satellite, les données météorologiques et l'apprentissage automatique pourraient fournir des mesures de PM2,5 à petite échelle.

En s'appuyant sur ce travail et en se concentrant sur Pékin, l'équipe a maintenant amélioré ses méthodes et appris à l'algorithme à trouver automatiquement les points chauds et les points froids de la pollution de l'air avec une résolution de 300 mètres, soit environ la longueur d'un bloc de la ville de New York.

L'avancement a été fait en utilisant une technique appelée apprentissage résiduel. L'algorithme estime d'abord les niveaux de PM2,5 en utilisant uniquement les données météorologiques. Il mesure ensuite la différence entre ces estimations et les niveaux réels de PM2,5 et apprend lui-même à utiliser des images satellites pour améliorer ses prévisions.

"Quand les prévisions sont faites d'abord avec la météo, puis les données satellites sont ajoutées plus tard pour les affiner, il permet à l'algorithme de tirer pleinement parti des informations de l'imagerie satellitaire, " dit Zheng.

Les chercheurs ont ensuite utilisé un algorithme initialement conçu pour ajuster l'éclairage inégal d'une image afin de trouver les zones de niveaux élevés et faibles de pollution atmosphérique. Appelée normalisation du contraste local, la technique recherche essentiellement des pixels de la taille d'un bloc de ville qui ont des niveaux de PM2,5 supérieurs ou inférieurs à ceux des autres à proximité.

"Ces points chauds sont notoirement difficiles à trouver sur les cartes des niveaux de PM parce que certains jours, l'air est vraiment mauvais dans toute la ville, et il est vraiment difficile de dire s'il y a de vraies différences entre eux ou s'il y a juste un problème avec le contraste de l'image, " a déclaré Carlson. " C'est un gros avantage de pouvoir trouver un quartier spécifique qui a tendance à rester plus haut ou plus bas que partout ailleurs, car cela peut nous aider à répondre aux questions sur les disparités en matière de santé et l'équité environnementale. »

Bien que les méthodes exactes que l'algorithme enseigne lui-même ne puissent pas être transférées d'une ville à l'autre, l'algorithme pourrait facilement s'enseigner de nouvelles méthodes dans différents endroits. Et tandis que les villes peuvent évoluer au fil du temps en termes de conditions météorologiques et de pollution, l'algorithme ne devrait avoir aucun mal à évoluer avec eux. Plus, soulignent les chercheurs, le nombre de capteurs de qualité de l'air ne fera qu'augmenter dans les années à venir, ils pensent donc que leur approche ne fera que s'améliorer avec le temps.

"Je pense que nous pourrons trouver des environnements construits dans ces images qui sont liés aux points chauds et froids, qui peut avoir une énorme composante de justice environnementale, " a déclaré Bergin. " La prochaine étape consiste à voir comment ces points chauds sont liés au statut socio-économique et aux taux d'admission à l'hôpital des expositions à long terme. Je pense que cette approche pourrait nous mener très loin et que les applications potentielles sont tout simplement incroyables."

Les résultats sont parus en ligne le 1er avril dans le journal Télédétection .