L'IA peut-elle prédire les niveaux de pollution atmosphérique urbaine au niveau des rues à l'aide de données satellitaires et de trafic ?

En combinant des images satellites haute résolution avec des modèles de trafic en temps réel, les modèles d'IA peuvent désormais estimer la qualité de l'air localisée. Ces systèmes traitent des millions de points de données pour identifier les points chauds de pollution. Les villes commencent à utiliser ces prévisions pour déclencher des alertes de pollution ciblées. La précision chute de manière significative pendant les conditions météorologiques extrêmes ou les événements d'émissions inhabituels.

L'IA peut prédire les niveaux de pollution atmosphérique urbaine au niveau de la rue en fusionnant les colonnes atmosphériques dérivées des satellites avec des mesures au sol et des données de trafic. Les systèmes récents utilisent des modèles d'apprentissage automatique formés sur des observations satellites haute résolution (par exemple, TROPOMI NO₂) ainsi que sur des flux de trafic en temps réel et la météorologie pour réduire les concentrations à l'échelle des quartiers ; des études de validation rapportent des RMSE d'environ 5–15 µg/m³ pour le NO₂ et une compétence modeste pour les PM₂.₅ dans les canyons urbains complexes. Des prototypes opérationnels existent dans plusieurs villes, mais des lacunes de couverture subsistent là où les capteurs de trafic sont rares et où les relevés satellites sont obstrués par les nuages.

— Enriched 12 mai 2026 · Source : Organisation mondiale de la Santé — https://www.who.int/publications/i/item/9789240105455