Wie werden Luftqualitätsdaten vor der Veröffentlichung auf der AirVisual-Plattform validiert?


Die AirVisual-Plattform zielt darauf ab, so viele Informationen zur Luftqualität wie derzeit an einem Ort zu zentralisieren und zu aggregieren, um den umfassendsten Überblick über die globale Luftqualität zu bieten.

Zu den Datenquellen, die über die AirVisual-Plattform gemeldet werden, gehören Sensordaten von staatlichen Überwachungsstationen (die in der Regel als teure "Referenzmonitore" angesehen werden) sowie kostengünstige Sensoren wie öffentliche AirVisual Pro-Stationen und PurpleAir-Sensoren.

Alle Daten, die über die AirVisual-Plattform veröffentlicht werden, unterliegen einer Datenvalidierung, und dieser Prozess unterscheidet sich zwischen diesen beiden Sensordatenquellen.

Das Datenvalidierungssystem von AirVisual ist Cloud-basiert und basiert auf maschinellem Lernen, und alle Messungen werden vor der Veröffentlichung auf unserer Plattform durch dieses System geleitet.
 

Behördliche "Referenz"-Sensordaten

Obwohl teure staatliche Sensoren in der Regel als die genaueste und zuverlässigste Quelle für gemessene Luftqualitätsdaten gelten, melden diese Sensoren manchmal auch Anomalien oder ungenaue Daten. Gründe dafür können temporäre Wartungszeiten oder Defekte oder auch temporäre hyperlokale Emissionsquellen in der Nähe des Sensors sein.

Dementsprechend werden alle Sensordaten der Regierung vor der Veröffentlichung einem Datenvalidierungssystem unterzogen. Ein Beispiel für diese Validierung ist, dass das Cloud-basierte System alle potenziellen Anomalien identifiziert, die von einer Station veröffentlicht werden (z. B. ein plötzlicher hoher Anstieg von PM2,5 von 10 ug/m3 auf 100 ug/m3 von einer Stunde zur nächsten) und mit anderen Messungen in der Nähe abgleicht, um zu überprüfen, ob ein solcher Anstieg repräsentativ oder eine Anomalie ist. Der Validierungsprozess vergleicht auch historische Muster und andere Parameter wie Wetterbedingungen. Der Wert wird dann entsprechend veröffentlicht oder diskontiert.
 

Kostengünstige Sensoren

Messungen von kostengünstigen Sensoren werden zusätzlich zu dem oben beschriebenen Validierungsprozess auch einem Datenkalibrierungs- und -korrekturprozess unterzogen, bei dem anomale Messwerte identifiziert und ausgeschlossen werden.

Das System, das auf kostengünstige Sensoren angewendet wird, berücksichtigt Umgebungsbedingungen wie Temperatur, Luftfeuchtigkeit und Schadstoffzusammensetzung und wendet einen Datenkalibrierungsalgorithmus an, der auf den Umgebungsbedingungen basiert. Zum Beispiel kann eine hohe Luftfeuchtigkeit unter bestimmten Umständen dazu führen, dass kostengünstige Sensoren die PM2,5-Werte übermessen. In ähnlicher Weise hat die Zusammensetzung der Verschmutzung (durch den Verkehr verursachte Verschmutzung, Sandstürme, Verschmutzung durch Kohle usw.) einen großen Einfluss auf die Messung, und die AirVisual-Plattform verwendet Satellitenbilder, um die Zusammensetzung der Verschmutzung zu bestimmen, die für den Kalibrierungsmechanismus verwendet werden soll. Daher berücksichtigt dieser Kalibrierungs- und Korrekturalgorithmus neben regionalen historischen Mustern auch lokale Luftfeuchtigkeitswerte und andere Umgebungsparameter und passt die PM2,5-Messungen entsprechend an.

Das Anpassungsniveau wird durch das Cloud-basierte System bestimmt, das auf künstlicher Intelligenz und maschinellem Lernen basiert. Durch die Aggregation von Milliarden von globalen Luftqualitätsdatenpunkten über mehrere Jahre hinweg, von Referenzsensoren, AirVisual-Sensoren, meteorologischen Daten und der Zusammensetzung der Luftverschmutzung aus Satellitenbildern, hat dieses System die komplexen historischen Beziehungen zwischen verschiedenen Luftqualitätsparametern in verschiedenen Teilen der Welt gelernt.

Da die Zusammensetzung von Feinstaub zwischen verschiedenen Regionen der Welt stark variieren kann, ist es entscheidend, zwischen den Korrelationen von Feinstaub und Faktoren wie der Luftfeuchtigkeit auf lokaler/regionaler Ebene zu unterscheiden. Diese Korrelationen können je nach den unterschiedlichen lokalen Zusammensetzungen von PM stark variieren und müssen daher bei lokalen Kalibrierungs- und Korrekturalgorithmen berücksichtigt werden.

Mit IQAir verbinden

Newsletter abonnieren