La plataforma AirVisual tiene como objetivo centralizar y agregar la mayor cantidad de información sobre la calidad del aire disponible actualmente en un solo lugar, para proporcionar la visión más completa de la calidad del aire a nivel mundial.

Las fuentes de datos que se reportan a través de la plataforma AirVisual incluyen datos de sensores, de estaciones de monitoreo gubernamentales (generalmente consideradas "monitores de referencia" de alto costo), así como sensores de bajo costo como estaciones públicas AirVisual Pro y sensores PurpleAir.

Todos los datos que se publican a través de la plataforma AirVisual están sujetos a validación de datos, y este proceso difiere entre estas dos fuentes de datos de sensores.

El sistema de validación de datos de AirVisual es basado en la nube y está impulsado por aprendizaje automático, y todas las mediciones pasan por este sistema antes de publicarse en nuestra plataforma.

Datos de sensores "de referencia" gubernamentales

Aunque los sensores gubernamentales de alto costo son generalmente considerados la fuente más precisa y confiable de datos medidos de calidad del aire, a veces estos sensores también reportan anomalías o datos inexactos. Las razones pueden incluir períodos temporales de mantenimiento o defectos, o incluso fuentes temporales de emisiones hiperlocales cerca del sensor.

Por lo tanto, todos los datos de sensores gubernamentales están sujetos a un sistema de validación de datos antes de su publicación. Un ejemplo de esta validación es que el sistema basado en la nube identifica cualquier posible anomalía publicada por una estación (por ejemplo, un pico alto repentino en PM2.5 de 10ug/m3 a 100ug/m3 de una hora a la siguiente), y verificará con otras mediciones cercanas para confirmar si dicho pico es representativo o una anomalía. El proceso de validación también verifica contra patrones históricos y otros parámetros como las condiciones meteorológicas. El valor será entonces publicado o descartado en consecuencia.

Sensores de bajo costo

Las mediciones de sensores de bajo costo también están sujetas a un proceso de calibración y corrección de datos, además del proceso de validación descrito anteriormente, que identificará y descartará lecturas anómalas.

El sistema aplicado a sensores de bajo costo toma en cuenta condiciones cercanas como temperatura, humedad, composición de la contaminación y aplica un algoritmo de calibración de datos basado en las condiciones ambientales. Por ejemplo, niveles altos de humedad pueden, en algunas circunstancias, hacer que los sensores de bajo costo reporten en exceso los niveles de PM2.5. De manera similar, la composición de la contaminación (contaminación generada por transporte, tormentas de arena, contaminación basada en carbón, etc.) afecta en gran medida la medición y la plataforma AirVisual utiliza imágenes satelitales para determinar la composición de la contaminación que se usará en el mecanismo de calibración. Por lo tanto, este algoritmo de calibración y corrección toma en cuenta los niveles locales de humedad y otros parámetros ambientales, además de patrones históricos regionales, y ajusta las mediciones de PM2.5 en consecuencia.

El nivel de ajuste es determinado por el sistema basado en la nube que está construido sobre inteligencia artificial y aprendizaje automático. A través de la agregación de miles de millones de puntos de datos globales de calidad del aire durante numerosos años, de sensores de referencia, sensores AirVisual, datos meteorológicos y composición de contaminación a partir de imágenes satelitales, este sistema ha estado aprendiendo las complejas relaciones históricas entre diferentes parámetros de calidad del aire en distintas partes del mundo.

Dado que la composición de las PM puede variar ampliamente entre diferentes áreas del mundo, es crucial distinguir entre las correlaciones de las PM y factores como la humedad a nivel local/regional. Estas correlaciones pueden variar considerablemente dependiendo de las diferentes composiciones locales de las PM, y por lo tanto deben ser consideradas para algoritmos locales de calibración y corrección.

CREAR UN CASO