从稀疏现场测量和卫星数据估算密集空气污染
计算机视觉与模式识别
2025-04-25 v1
摘要
本文解决了估算环境氮氧化氮（NO）浓度的关键环境挑战，这是公共卫生和环境政策中的重要问题。现有卫星基空气污染估计方法在特定点位置处将卫星与现场测量之间的关系进行建模。尽管这些方法已使我们能够在全球范围内提供空气质量估计，但仍存在固有局限性。最显著的局限性是生成广泛区域综合估计所需的计算资源。为了克服这些局限性，本研究引入了一种新型稠密估计技术。我们的ethods寻求在高分辨率估计的准确性与计算实际约束之间的平衡，从而实现高效且可扩展的全球环境评估。通过利用均匀随机偏移采样策略，我们的方法将地面真值数据像素位置在更大的图像块中均匀分布。在推断时，稠密估计方法可单一步骤生成一组估计，显著减少了为更大区域提供估计所需的计算资源。值得注意的是，我们的方法也超过了现有点方法的结果，提高了，实现了均方绝对误差（MAE）为。这表明该方法在准确性和计算效率方面都具有高水平，突显了其在全球环境评估中的适用性。此外，我们通过应用于多样地理区域来展示该方法的可适应性和鲁棒性。该方法为大规模环境监测的计算挑战提供了可行解决方案。
引用
@article{arxiv.2504.17039,
title = {Dense Air Pollution Estimation from Sparse in-situ Measurements and Satellite Data},
author = {Ruben Gonzalez Avilés and Linus Scheibenreif and Damian Borth},
journal= {arXiv preprint arXiv:2504.17039},
year = {2025}
}