ניתוח נתונים של Satellite למעקב אחר איכות אוויר עירונית ומקורות זיהום

איכות אוויר עירונית: משבר גדל במרכזי העיר

זיהום אוויר עירוני הוא בין האתגרים הסביבתיים הדוחקים ביותר של המאה ה-21.הארגון לבריאות העולם (FreaLT:0WHO) מעריך כי 99% מהאוכלוסייה העולמית נושמים אוויר העולה על גבולות בטוחים, עם ערים הנושאות את הדינמיקה הכבדה ביותר.0.505 , חנקן דו-חמצני (NO2), ושטח- Ozone הם מקושרים למחלות נשימה, מחלות לב וכלי דם מוקדמים, ותמותה מוקדמת, בעוד שהם מספקים באופן מדויק של חומרים מגובה חשמלי, באופן מדויק, באופן מדויק, כמו גם מדדי דם, באופן קבוע, באופן קבוע, כמו גם נתונים אטומי, באופן מדויק, כמו גם מדדי, כאשר הם מספקים, באופן מדויק, באופן קבוע, כמו גם מדדי דם, באופן קבוע, באופן מדויק, באופן קבוע, על פני השטח, חנקן, באופן מדויק, וירידה במשקל מוקדם, על פני השטח, באופן קבוע, חנקן, הוא, הוא, על פני השטח של חנקן, באופן מדויק, באופן מדויק, באופן מדויק, על פני השטח, הוא מראה נתונים חנקן, באופן מדויק, על פני השטח של חנקן, הוא מראה של חנקן, כאשר הם מספקים, באופן קבוע, באופן קבוע, הוא, באופן קבוע, באופן קבוע, כמו גם מדדי,

לווינים אינם מחליפים חיישני קרקע אלא מגבירים את הערך שלהם.על ידי שילוב הכיסוי המרחבי של מכשירים מקיפים עם הרוטאליות הזמנית של רשתות קרקע, מתכננים עירוניים ופקידי בריאות הציבור להשיג הבנה הוליסטית של מקורות זיהום, דפוסי תחבורה, ונקודות חמות. מאמר זה חוקר כיצד ניתוח נתונים לוויין משנה מעקב איכות אוויר עירוני וזיהוי מקור, האתגרים הטכניים המעורבים, העתיד של שדה זה מתפתח במהירות.

ערכת כלי השיט של Air Quality Monitoring

[ה] לוויינים תצפיתיים מודרניים נושאים חבילה של מכשירים שנועדו לזהות גזי עקבות אטמוספריים ואווירסולקים (Aerosols) כוללים את לוויינים של נאס"א:0TerraFLT 1 ו-FLT:2AquaFLT 3N) ו- NODISR2RTMRLT (עם חיישנים משותפים של סוכנות החלל האירופית) 7LT-5PIRSTFIRSTER:

מפתחי זיהום מהחלל

• (FLT:0) Nitrogen Dioxide (NO2): ⁇ 1) , שהובטח בעיקר ממנועי הבעירה ותחנות כוח.
• (FLT:0) ulfur Dioxide (SO2): irph:1 ; Tied to פחם-fired תחנות כוח, smelters תעשייתיים, ופעילות געשית.
• (FLT:0Particulate Matter (PM2.5 ו-PM10): ההרחבה 1 של אירוסול עומק אופטי (AOD) מ-MODIS ו- SeventhRS מספקת Proxy לריכוזי ראש הפנים לאחר הדוגמנות.
• (O3):0)Ozone (O3): FLT:1 ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
• (ב) ⁇ :0) ⁇ (בג"ד): ⁇ 1 (Avolatile אורגני אינדיקטור, שימושי למעקב אחר מקורות ביוגניים ואנתרופולוגיים.

לכל אחד מהמזהמים יש חתימה ספקטרלית משלו. אלגוריתמים מתקדמים נכונים עבור פני השטח אלבדו, שבריר ענן ופיזור אטמוספרי לייצר מוצרי נתונים אמינים.מוצרים אלה זמינים לציבור באמצעות פלטפורמות כמו נאס"א:0 EarthDatahilFLT:1 ו-Coernicus Atmosphere Monitoring Service (מתואר:2CAMSLT3).

היתרונות של מידע לוויין לאיכות אוויר עירונית

כיסוי ספארי לא מתאים

צגים מבוססי קרקע מרוכזים במרכזים עירוניים בעלי הכנסות גבוהות, משאירים אזורים עצומים בערים מתפתחות ובאזורים פרברים שאינם ממונים.לוויינים מציעים כיסוי מלא, חושפים ⁇ זיהום ברחבי אגרומיות עירוניות שלמות.עבור עיר כמו דלהי או בייג'ינג, צלמת לוויין מראה את היקף המרחבי של האז ויכולה להבדיל בין פליטות ממסדרונות התנועה המרכזיים מול פאתי תעשייה.

תזמון ומגמות

לווייני Polar-orbiting עוברים על אותו מיקום בערך כל אחד לשלושה ימים.חיישנים גיאוסטוריים מספקים כעת תצפיות מרובות ביום, ומאפשרים למדענים לעקוב אחר מחזורים של זיהום.לדוגמה, לא2 עמודות שיא בשעות העומס והשינויים התעשייתיים. רשומות לוויין לטווח ארוך (למשל, OMI מאז 2004, TROMI מאז 2017) מאפשרות ניתוחים טרנדיים לחשוף את ההשפעה של מדיניות של שינויים נמוכים כמו סגירת תחנות כוח אוויר או אזורי פחם.

מקור זיהום

נתונים של לוויין מצטיינים בזיהוי נקודות חמות זיהום אשר ייתכן שלא להיות מובן מאליו ממדדות קרקעיות. על ידי מיפוי תבניות מרחביות - כגון צנרת גבוהה של NO2 למטה הרוח של כבישים מהירים או SO2 אשכולות ליד הזיכונים - חוקרים יכולים לייחס פליטות לסוגי מקור ספציפיים.מודלים למידה מכונה מאומן על צילום לוויין יכולים אפילו להבחין בין תנועה, תעשייתי, מגורים מקורות.

תמיכה בבריאות הציבור ובמדיניות

מדדים איכותיים של חיל האוויר המודיעים על ידי נתוני לוויין משמשים יותר ויותר ביועצים הציבוריים לבריאות הציבור.לדוגמה, פלטפורמת ה-FLT:0 (AirNowFLT:1) בפלטפורמת US משלבת את פני השטח המודרנים PM2.5 מעריכה למלא פערים בין תחנות ניטור. קובעי מדיניות משתמשים בממציאי פליטה של לווייני-דרטיביים כדי להעריך את יעילות התקנות האיכותיות האוויריות ועיצוב להתערבויות ממוקדות, כגון תנועה להפחתה של נקודות תורמות כדי להפחית את נקודות הפחתת נקודות הפחתת נקודות הפחתת נקודות הפחתת עומס החשמל.

אתגרים ומגבלות של ניטור מבוסס לוויין

למרות היתרונות הרבים, מידע לווייני לאיכות אוויר עירונית אינו תרופת פלאה.יש להכיר ולפנות את המגבלות הבאות.

כיסוי ענן ושילוב אווירול

חיישנים אופטיים וגלויים של UV דורשים אור שמש ותנאים ללא ענן.ענני ענני ענני ענני ענני ענני עננים חסימת עננים יכולים להציג שגיאות רטיקוליות. טכניקות סינתטיות (SAR) מפותחות כדי לעמית באמצעות עננים, אך כיום הם אינם מודדים את המגבלה הכימית.

החלטות פרטיות: Trade-Offs

פיקסלים לווייניים לגזי עקבות כמו NO2 הם בדרך כלל 3.5-7 ק"מ עבור TROPOMI, בעוד תכונות עירוניות כמו כבישים חופשיים בודדים או עשן הם הרבה יותר קטנים.רזולוציה זו הממוצעת החוצה זרמים מקומיים, מה שהופך את זה קשה לייחס זיהום למתקנים ספציפיים ללא מודל ימי, ללא מודל חדש כמו FLT:0Sentinel-4Sentinel-4entinel 4of-1FLT:1 (גיל, 2024), עדיין יש צורך ניטור אמיתי, אך ורק על פני מיפוי.

עמוד הבית > Surface Concentration

לווינים מודדים את העמודה הכוללת של חומר נפץ מלמעלה של האווירה אל פני השטח, לא את הריכוז ברמה הקרקעית שבני האדם נושמים. המרת צפיפות עמודה לריכוז פני השטח דורש הנחות פרופיל אנכיות, נתונים מטאורולוגיים ומודלים תחבורה כימית.זה מציג אי-ודאות, במיוחד עבור מזהמים עם התפלגות אנכית מורכבת כמו אוזון.

גישה וגישה

בעוד נאס"א ו- ESA מספקים נתונים פתוחים בחינם, עיבוד נתוני לוויין גולמיים למוצרים איכותיים אוויריים ניתנים לשימוש יכול לקחת שעות עד ימים.עבור ניטור איכות אוויר בזמן אמת, מוצרים לטווח קצר (למשל, בתוך שלוש שעות) קיימים אך יש להם אי ודאויות גבוהות יותר.משתמשים חייבים גם לנהל כמויות עצומות של נתונים: TROMI לבד מייצרת ttrabytes ליום.ענן פלטפורמות כמו גוגל Engine ו- Microsoft Planetary יש עדיין עקומת גישה לסוכנויות למידה.

זיהוי מקורות זיהום עם נתונים של לווין: שיטות ומחקרי מקרה

זיהוי מקור הוא המקום שבו נתונים לווייניים באמת מאירים בשילוב עם נתונים משלימים.

« « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « «

שיטות סטטיסטיות פשוטות (למשל, Getis-Ord Gi * ניתוח מקומי חם) החל לוויין NO2 או עמודות SO2 יכול לזהות אשכולות מעל רמות רקע.זה נעשה שימוש כדי לזהות שריפת פחם בלתי חוקית במזרח אירופה ולאתר דליפות מתאן מנפט ותשתיות גז.

Wind-Dispersal and Plume Analysis

כאשר תצפיות לוויין ממוזגות עם שדות רוח (מנתוני אנליזה כגון ERA5), התנועה של זיהום צנרת ניתן לעקוב אחר מקורותיהם.לדוגמה, מחקר באגן מקסיקו סיטי השתמש TROPOMI NO2 עם מסלול HYSPLIT לייחס עמודות גבוהות למסדרונות תעשייתיים ספציפיים.

Machine Learning for Source Apportion

מודלים למידה עמוקה מאומן על תמונות לוויין, קרקעות מכסה נתונים, ספירות תנועה, וממציאי פליטה יכולים ללמוד את טביעות האצבע של סוגים שונים של מקור. A 2023 מחקר מאוניברסיטת ברמינגהם השתמש ברשת עצבית מהפכתית על TROPOMI NO2 ו- Sentinel-2 מכסה קרקע כדי לסווג תאים עירוניים כמו פקדה, תעשייתית או רקע, השגת דיוק של 80% אלה הם ערים ללא סקרים נרחבים.

מחקר מקרה: מעקב אחר NO2 במהלך COVID-19 Lockdowns

אחת ההפגנות הדרמטיות ביותר של גילוי מקור לווייני התרחשה בתחילת 2020.TROPOMI ו- OMI צפו בהפחתה חדה ב- NO2 על ערים גדולות ברחבי העולם, מאחר שמנעולים מופחתים את התנועה בממילנו, NO2 צנחו 40%; בווהאן, 50%.הנתונים האלה הוכיחו באופן חד משמעי כי התנועה היא מקור NO2 העירוני הדומיננטי.

רשתות ניטור מבוססות על לוויין ובסיס קרקע

הנתיב מהנתונים הלווין למידע על איכות האוויר הבלתי נמנע כרוך במיזוג עם תצפיות מקומיות.ערים רבות מקימות כיום רשתות היברידיות:

• (FLT:0)Calibration: 1FLT לפקחי קרקע מספקים את ההתייחסות לריוולות לוויין אימות. רשומות קרקע ארוכות טווח חיוניות לתיקון הטיה לווייניים (למשל, בשל התערבות אווירוסולית).
• (FLT:0) הנחות: FLT:1Build: סטטיסטית או מודלים למידת מכונה משתמשים עמודות לווין, שימוש בקרקע ומשתנהי מזג אוויר כדי להעריך את פני PM2.5 ברזולוציה תת-קילומטר, כלומר, לשפשף את הפער בין pixel לווייני לבין רמת רחוב.
• (FLT:0Data Assimilation:FLT:1igic Transport Models (למשל, GEOS-Chem, CMAQ) ingest Satellite Data כדי לשפר את הערכות הפליטה והתחזיות.שירות המעקב של קופניקוס אטמוספרה מתבולל באופן שגרתי TROPOMI NO2 ו- IASI ozone כדי לייצר ניתוחים גלובליים.

עבור מנהלי העיר, ההמלצה היא להשקיע בגישה מקבילה: כמה תחנות קרקע התייחסות לציות הליבה, רשת של חיישנים בעלות נמוכה עבור מילוי מרחבי, ונתונים לווייניים בהקשר רחב.

תפקיד הלמידה של מכונות ואינטליגנציה מלאכותית

אינטליגנציה מלאכותית מאיצה כל צעד של שרשרת הערך של האוויר הלווין.כאן הם יישומים מרכזיים:

Retrieval Algorithm Enhancement

מחדשים פיזיים מסורתיים מסתמכים על מודלים של העברת קרינה כי הם יקרים מבחינה חישובית. Neural רשתות חיקוי מאומן על נתונים לוויינים סימולציה יכול לשחזר עמודות גז בתוך שניות במקום דקות, המאפשר עיבוד בזמן אמת.

ביקורת: Super-Resolution

מודלים למידה עמוקה (למשל, gans super-resolution) יכולים לשפר את תמונות הלוויין בקנה מידה פסאודו-pixel. חוקרים הוכיחו את הפחתת TROPOMI NO2 מ-3.5 ק"מ ל 1 ק"מ באמצעות כיסוי קרקעי ברזולוציה גבוהה ונתונים התנועה, ביעילות יצירת מפות זיהום בקנה מידה עירוני המחשוף דפוסים ברמת רחוב.

מודלים חיזוי

רשתות LSTM ומודלים של טרנספורמציה יכולים לצפות איכות אוויר עירונית ל-24-72 שעות הבאות באמצעות טורים לוויין היסטוריים, תחזיות מטאוריולוגיות ונתונים קרקעיים בזמן אמת. תחזיות כאלה כבר פועלות בתוכניות פיילוט בבייג'ינג ובלונדון, ומספקות אזהרות מוקדמות לאירועים בעלי השפעה גבוהה.

מדיניות והשלכות בריאות הציבור

המטרה הסופית של ניטור איכות אוויר לווייני היא להניע שינוי מדיניות ולהגן על בריאות.נתוני לוויין משמשים יותר ויותר בהקשרים רגולטוריים:

• (FLT:0) תקני איכות אוויר של Ambient Air Quality Standards (NAAQSIR) 1FLT:1 ארצות הברית EPA השתמש ב-N2 ו- PM2.5 עבור אזורים שאינם בהישג יד כאשר צפיפות ניטור הקרקע אינה מספיקה.
• (FLT:0Climate ו-Kal Air Co-benefits:FLT) 1 הפחתה של מזהמים אקלים קצרי-חיים כמו מתאן ופחמן שחור מניבה הן איכות אוויר והן יתרונות אקלים.
• הערכה של השפעת הבריאות:0 (עדכון אפידמיולוגי של השפעת הבריאות:0) : מחקרים אפידמיולוגיים מסתמכים על הערכות החשיפה.ראש השטח של הלוויין-דרבן-דרבן-דרבן-דרבן (Surnel-derived Surface Assessment) איפשר לנטל עולמי של הערכות מחלות, ומגלה כי זיהום האוויר גורם ליותר מ-7 מיליון מקרי מוות בטרם עת בשנה.

עבור הציבור, נתונים של לוויין שקוף יכולים לבנות אמון בערים שחולקים מפות אוויריות בעלות כוח לווייני, מעצימות אזרחים לקבל החלטות (למשל, הימנעות מדרכי זיהום גבוהות) והחזקת מזהמים אחראים.

כיוונים עתידיים: High-Resolution, Frequent, and Global

הנוף איכות האוויר של הלוויין מתפתח במהירות.התפתחויות מפתח לצפייה:

• (FLT:0)Geostationary Constellations:IRLT:1 ; TEMPO (צפון אמריקה, 2023), GEMS (אסיה, 2020), ו Sentinel-4 (אירופה, 2024 תספק תצפיות בשעות היום של NO2, SO2, אוזון, ופורמלידהיד, המאפשר מחקר של photoכימיה ודינמיקה של שעות העומס.
• <חזק>Low-Cost SmallSats: קבוצות מסחר כמו SkySat של Planet ו GHGSat של GHGSat חיישנים מתאן הם חקרו פתרון קנס יותר (<10 מ'). בעוד כיסוי ספקטרלי מוגבל, הם ממלאים פערים עבורמזהמים ספציפיים.
• (FLT:0)Hyperspectral Imaging: FIRLT:1 Missions Like EnMAP (גרמניה) ו- PRISMA (איטליה) ללכוד מאות להקות ספקטרליות, שעלולות לזהות מינים כימיים יותר ותכונות פליטות פני השטח.
• (FLT:0) מערכות שמירה משולבות: 1.FLT:1 החזון בן העשור של מערכת ניטור איכות אוויר גלובלית הופכת אמיתית באמצעות שיתוף פעולה בינלאומי (למשל, מנכ"ל S Air Quality Working Group) עד 2030, רוב האזורים העירוניים העיקריים יהיו מידע איכותי ודרומי עם לבהות מתחת שעה.

תמונה ברורה יותר של איכות אוויר עירונית

ניתוח נתונים של לוויין שינה באופן קבוע את האופן שבו אנו עוקבים אחר איכות האוויר העירוניים וזיהה מקורות זיהום.מתמונות ראשונות של NO2 צנחנים על ערים תעשייתיות למכונות הלמידה של ימינו, ליד תחזיות זמן אמתיות, לווייניים מספקים נוף מאקרו-קלי הכרחי שמשלים ניטור קרקעי-אין טכנולוגיה אחת פותרת את הבעיה המורכבת של זיהום אווירי, אבל כאשר נתונים של לוויין משולבים עם חיישנים קרקעיים, AI, ורווחה, ברור, הוא מסוגל, כדי לנבא את ההתפתחות העירונית, לא יהיה מסוגל, באופן ברור, כדי להפחית את ההשפעות של מערכת אבטחה טובה יותר, ולא יהיה מסוגלות, כדי להפחית את המצב, כדי להפחית את ההשפעות של אבטחה ציבורית, כדי להפחית את הבעיות של אבטחה טובה יותר, כך, כך, כך, כך, כדי להפחית את ההשפעות של אבטחה טובה יותר, ולהפחית את הבעיות של מערכת אבטחה טובה יותר, ולהפחית את הבעיות של מערכת אבטחה טובה יותר, ולהפחית את הבעיות של מערכת אבטחה טובה יותר, היא יעילה יותר, ולהפחית את בעיות אבטחה טובה יותר, היא יעילה יותר, כך, כך, היא יעילה יותר, לא תהיה יעילה יותר, היא יעילה יותר, היא יעילה יותר, היא יעילה יותר, היא יעילה יותר, היא יעילה יותר, לא תהיה יעילה יותר, כך, כך