banner
Дом / Новости / Гиперлокальные данные об окружающей среде с помощью мобильной платформы в городских условиях
Новости

Гиперлокальные данные об окружающей среде с помощью мобильной платформы в городских условиях

Dec 02, 2023Dec 02, 2023

Научные данные, том 10, Номер статьи: 524 (2023) Цитировать эту статью

37 доступов

Подробности о метриках

Экологические данные с высоким пространственно-временным разрешением имеют жизненно важное значение для принятия мер по решению проблем устойчивого развития городов. Тем не менее, доступ к гиперлокальным источникам экологических данных ограничен из-за отсутствия инфраструктуры мониторинга, постоянного качества данных и доступности данных для общественности. В этом документе представлены данные об окружающей среде (PM, NO2, температура и относительная влажность), собранные с 2020 по 2022 год и откалиброванные в четырех установках в трех городах мира. Каждая кампания по сбору данных была нацелена на конкретную городскую экологическую проблему, связанную с качеством воздуха, например разнообразие деревьев, неравенство в воздействии на сообщества и чрезмерное использование ископаемого топлива. Во-первых, мы представляем дизайн мобильной платформы и ее развертывание в Бостоне (США), Нью-Йорке (США) и Бейруте (Ливан). Во-вторых, мы представляем процесс очистки и проверки данных о качестве воздуха. Наконец, мы объясняем формат данных и то, как гиперлокальные наборы экологических данных могут использоваться отдельно и вместе с другими данными для содействия принятию решений на основе фактических данных. Наши мобильные наборы данных экологического зондирования включают в себя города различного масштаба, что направлено на решение проблемы нехватки данных в развивающихся регионах и поддержку разработки обоснованной экологической политики.

Измерение(я)

Твердые частицы, газообразные загрязняющие вещества

Тип(ы) технологии

Недорогая платформа для измерения окружающей среды (City Scanner)

Пример характеристики — окружающая среда

Город

Пример характеристики – Местоположение

Глобальный

Быстрая урбанизация ставит новые проблемы устойчивого развития перед планировщиками, инженерами, учеными и гражданами в эпоху изменения климата. Гиперлокальные данные об окружающей среде желательны для ученых и практиков для выявления горячих точек воздействия, понимания пространственного распределения загрязнения городского воздуха и поддержки научно обоснованных мер по смягчению последствий изменения климата. Тем не менее, сбор гиперлокальных данных остается проблемой как в развитых, так и в развивающихся регионах. Среди всех данных о городской окружающей среде данные о загрязнении воздуха являются одними из самых сложных для мониторинга из-за их высокой пространственной и временной изменчивости. В городах источники выбросов загрязнения воздуха разнообразны, а рассеивание выбросов весьма нестабильно1. В последние годы мобильный мониторинг играет все более важную роль в дополнении традиционных методов мониторинга, таких как стационарный мониторинг и спутниковое дистанционное зондирование2,3,4. Он представляет собой высокомасштабируемую альтернативу для работы в различных городских условиях, генерируя данные высокого разрешения.

Методы мобильного измерения качества воздуха документированы в быстро расширяющемся объеме литературы. Наиболее примечательные из них включают серию исследований, проведенных в сотрудничестве с автомобилями Google Street View в Хьюстоне, районе залива Сан-Франциско, Амстердаме, Копенгагене и Лондоне (https://www.google.com/earth/outreach/special-projects). /качество воздуха). В городах носили эталонные и исследовательские мониторы воздуха, которые неоднократно измеряли большинство участков улиц в периоды от месяцев до лет. Их необработанные данные были частично опубликованы через стороннюю онлайн-базу данных и API (https://explore.openaq.org). Хотя пространственный и временной охват был обширным, кампании Google по мониторингу воздуха были сосредоточены на густонаселенных городских районах с хорошей плотностью выборки изображений улиц. Мобильные приборы мониторинга и лаборатории, которыми управляют ученые, являются еще одним важным источником данных о качестве воздуха. Тем не менее, конечными результатами такого внедрения часто являются научные статьи и отчеты, обычно без публикации полного набора данных5,6,7,8. Несмотря на то, что к некоторым документам прилагаются файлы необработанных данных, качество данных от проекта к проекту менее единообразно, учитывая разницу в объеме исследований, инструментах, персонале, методах отбора проб и проверке данных. Еще один важный источник данных о качестве воздуха обеспечивается благодаря более широкому внедрению недорогих технологий измерения воздуха, гражданской науки и краудсорсинговых кампаний по мониторингу9. Более того, отсутствие единого канала с открытым исходным кодом для индексации и получения данных отдельных исследований создало существенное препятствие для доступа и дальнейшего использования этих данных за пределами научных публикаций неакадемическими работниками.

90% or raining) are excluded, given that the low-cost particle counter we used is known to have skewed responses in this condition19,25. Lastly, we eliminate records with readings out of the reasonable ranges (<1 ug/m3 or >1000 ug/m3 for PM2.5, <200 mv or >900 mv for NO2 electro-signal). The reasonable ranges are determined by a priori knowledge of the ambient environment and the sensors themselves26,27. In total, about 15% of raw data are excluded in data cleaning./p>90% relative humidity. Secondly, the Boston and Beirut data sets were calibrated with research-grade sensors rather than reference-grade ones. The research-grade sensors used in Boston were calibrated at a reference station immediately before the mobile deployment. In Beirut, the research-grade sensors were the only available option for local calibration, given that no government-regulated reference stations existed. We do not consider this would lead to significant biases in the published datasets. Thirdly, our temperature and humidity data have not been calibrated against reference monitors as they are not the main focus of our deployments. In this case, their validity has not been adopted as a criterion for data cleaning, which aims to preserve the maximal number of valid observations for particulate matter and NO2. We highly advice the audience to only adopt them for educational or making sense purposes and to conduct a sanity check before any form of analysis. Lastly, given that CS is a low-cost environmental sensing platform, it is crucial to collocate and calibrate the platform before usage locally. This is especially important if a deployment is measuring PM, as the OPC counts particles in different-size bins and then estimates mass concentration with assumptions of the shape and density, which can vary significantly from place to place, from season to season./p>