Как проверяются данные о качестве воздуха перед публикацией на платформе AirVisual?

Платформа AirVisual нацелена на централизацию и агрегирование как можно большего количества информации о качестве воздуха, доступного в настоящее время в одном месте, чтобы предоставить наиболее полный обзор качества воздуха в мире.

Источники данных, передаваемые через платформу AirVisual, включают данные датчиков с правительственных станций мониторинга (обычно считающихся дорогостоящими «эталонными мониторами»), а также недорогие датчики, такие как общественные станции AirVisual Pro и датчики PurpleAir.

Все данные, которые публикуются через платформу AirVisual, подлежат валидации, и этот процесс различается между этими двумя источниками данных датчиков.

Система валидации данных AirVisual основана на облаке и управляется машинным обучением, и все измерения проходят через эту систему перед публикацией на нашей платформе.
 

Правительственные «эталонные» данные датчиков

Несмотря на то, что дорогостоящие государственные датчики, как правило, считаются наиболее точным и надежным источником измеренных данных о качестве воздуха, иногда эти датчики также сообщают об аномалиях или неточных данных. Причинами этого могут быть временные периоды технического обслуживания или дефекты, или даже временные гиперлокальные источники излучения рядом с датчиком.

Соответственно, все данные государственных датчиков перед публикацией проходят проверку системы данных. Одним из примеров такой проверки является то, что облачная система выявляет любые потенциальные аномалии, опубликованные станцией (например, внезапный высокий скачок PM2.5 с 10 мкг/м3 до 100 мкг/м3 в течение одного часа на другой), и перепроверяет с другими близлежащими измерениями, чтобы проверить, является ли такой всплеск репрезентативным или аномалией. В процессе проверки также выполняется перекрестная проверка по историческим закономерностям и другим параметрам, таким как погодные условия. Затем значение будет опубликовано или соответственно дисконтировано.
 

Недорогие датчики

Измерения, проводимые с помощью недорогих датчиков, также подвергаются процессу калибровки и корректировки данных в дополнение к описанному выше процессу валидации, который выявляет и исключает аномальные показания.

Система, применяемая к недорогим датчикам, учитывает близлежащие условия, такие как температура, влажность, состав загрязнения, и применяет алгоритм калибровки данных на основе условий окружающей среды. Например, высокий уровень влажности может при определенных обстоятельствах привести к тому, что недорогие датчики будут завышать уровень PM2,5. Аналогичным образом, состав загрязнения (загрязнение, вызванное транспортом, песчаные бури, загрязнение углем и т. д.) сильно влияет на измерение, и платформа AirVisual использует спутниковые снимки для определения состава загрязнения для использования в механизме калибровки. Таким образом, этот алгоритм калибровки и коррекции учитывает местные уровни влажности и другие параметры окружающей среды, в дополнение к региональным историческим закономерностям, и соответствующим образом корректирует измерения PM2.5.

Уровень корректировки определяется облачной системой, которая построена на искусственном интеллекте и машинном обучении. Агрегируя миллиарды глобальных точек данных о качестве воздуха в течение многих лет, начиная с эталонных датчиков, датчиков AirVisual, метеорологических данных и состава загрязнения со спутниковых снимков, эта система изучает сложные исторические взаимосвязи между различными параметрами качества воздуха в разных частях мира.

Поскольку состав ТЧ может сильно варьироваться в разных регионах мира, крайне важно различать корреляцию ТЧ и таких факторов, как влажность на местном/региональном уровне. Эти корреляции могут сильно варьироваться в зависимости от различных локальных составов ТЧ, и поэтому должны учитываться при разработке алгоритмов локальной калибровки и коррекции.