利用稀疏传感器数据、卫星图像、气象因素和空间特征在城市地区进行时空空气质量映射
机器学习
2025-01-22 v1 人工智能
计算机视觉与模式识别
摘要
监控空气污染对于保护人类健康以避免暴露于有害物质至关重要。传统的空气质量监测方法，如基于地面的传感器和卫星遥感，面临高部署成本、稀疏传感器覆盖和环境干扰等局限。为此，本文提出一种利用稀疏传感器数据、卫星图像和各种时空因素进行高分辨率时空空气质量指数（AQI）映射的框架。通过利用图神经网络（GNNs），我们基于空间和时间依赖性估计未监测位置的 AQI 值。该框架包含广泛的环境特征，包括气象数据、道路网络、兴趣点（PoIs）、人口密度和城市绿地，这些特征提高了预测准确度。我们通过在巴黎市的案例研究说明了该方法的应用，其中使用多分辨率数据在细粒度时空尺度上生成空气质量指数图。
引用
@article{arxiv.2501.11270,
title = {Spatiotemporal Air Quality Mapping in Urban Areas Using Sparse Sensor Data, Satellite Imagery, Meteorological Factors, and Spatial Features},
author = {Osama Ahmad and Zubair Khalid and Muhammad Tahir and Momin Uppal},
journal= {arXiv preprint arXiv:2501.11270},
year = {2025}
}