A plataforma AirVisual tem como objetivo centralizar e agregar o máximo de informações sobre a qualidade do ar atualmente disponíveis em um só lugar, a fim de fornecer a visão mais abrangente da qualidade do ar global.

As fontes de dados reportadas através da plataforma AirVisual incluem dados de sensores, de estações de monitoramento governamentais (tipicamente consideradas "monitores de referência" de alto custo), bem como sensores de baixo custo, como estações públicas AirVisual Pro e sensores PurpleAir.

Todos os dados publicados pela plataforma AirVisual passam por um processo de validação de dados, e esse processo difere entre essas duas fontes de dados de sensores.

O sistema de validação de dados da AirVisual é baseado na nuvem e orientado por aprendizado de máquina, e todas as medições passam por esse sistema antes de serem publicadas em nossa plataforma.

Dados de sensores "referência" governamentais

Embora os sensores governamentais de alto custo sejam tipicamente considerados a fonte mais precisa e confiável de dados medidos de qualidade do ar, às vezes esses sensores também reportam anomalias ou dados imprecisos. As razões para isso podem incluir períodos temporários de manutenção ou defeitos, ou até mesmo fontes temporárias de emissão hiperlocais próximas ao sensor.

Assim, todos os dados de sensores governamentais estão sujeitos a um sistema de validação de dados antes da publicação. Um exemplo dessa validação é que o sistema baseado na nuvem identifica quaisquer potenciais anomalias publicadas por uma estação (por exemplo, um pico súbito alto de PM2.5 de 10ug/m3 para 100ug/m3 de uma hora para a outra), e fará uma verificação cruzada com outras medições próximas para verificar se tal pico é representativo ou uma anomalia. O processo de validação também verifica padrões históricos e outros parâmetros, como condições climáticas. O valor será então publicado ou descartado conforme apropriado.

Sensores de baixo custo

As medições de sensores de baixo custo também são submetidas a um processo de calibração e correção de dados, além do processo de validação descrito acima, que identificará e descartará leituras anômalas.

O sistema aplicado aos sensores de baixo custo leva em conta condições próximas, como temperatura, umidade, composição da poluição, e aplica um algoritmo de calibração de dados baseado nas condições ambientais. Por exemplo, níveis elevados de umidade podem, em algumas circunstâncias, levar sensores de baixo custo a reportar níveis excessivos de PM2.5. Da mesma forma, a composição da poluição (poluição gerada por transporte, tempestades de areia, poluição baseada em carvão, etc.) afeta muito a medição, e a plataforma AirVisual usa imagens de satélite para determinar a composição da poluição a ser utilizada no mecanismo de calibração. Portanto, esse algoritmo de calibração e correção leva em consideração os níveis locais de umidade e outros parâmetros ambientais, além de padrões históricos regionais, e ajusta as medições de PM2.5 de acordo.

O nível de ajuste é determinado pelo sistema baseado na nuvem, que é construído com inteligência artificial e aprendizado de máquina. Por meio da agregação de bilhões de pontos de dados globais de qualidade do ar ao longo de vários anos, provenientes de sensores de referência, sensores AirVisual, dados meteorológicos e composição da poluição a partir de imagens de satélite, esse sistema tem aprendido as complexas relações históricas entre diferentes parâmetros de qualidade do ar em diferentes partes do mundo.

Como a composição do material particulado (MP) pode variar amplamente entre diferentes regiões do mundo, é crucial distinguir entre as correlações do MP e fatores como a umidade em nível local/regional. Essas correlações podem variar amplamente dependendo das diferentes composições locais do MP e, portanto, devem ser consideradas para algoritmos locais de calibração e correção.

CRIAR UM CASO