Kan AI förutsäga luftföroreningsnivåer på gatuplan med hjälp av satellit- och trafikdata ?

Genom att kombinera högupplöst satellitavbildning med realtidsmönster för trafik kan AI-modeller nu uppskatta lokal luftkvalitet. Dessa system bearbetar miljontals datapunkter för att identifiera föroreningshotspots. Städer börjar använda dessa prognoser för att utlösa riktade luftföroreningsvarningar. Noggrannheten sjunker avsevärt under extrema väderförhållanden eller ovanliga utsläppshändelser.

AI kan förutsäga luftföroreningsnivåer i urbana områden på gatu-nivå genom att kombinera satellitbaserade atmosfäriska kolumner med markbaserade mätningar och trafikdata. Nya system använder maskininlärningsmodeller som tränats på högupplösta satellitobservationer (t.ex. TROPOMI NO₂) tillsammans med realtidsdata för trafikflöden och meteorologi för att nedskala koncentrationer till grannskapsnivåer; valideringsstudier rapporterar RMSE på cirka 5–15 µg/m³ för NO₂ och måttlig träffsäkerhet för PM₂.₅ i komplexa urbana kanjoner. Prototyper för drift finns i flera städer, men täckningsluckor kvarstår där trafikgivare är glesa och satellitretrievaler blockeras av moln.

— Uppdaterad 12 maj 2026 · Källa: Världshälsoorganisationen — https://www.who.int/publications/i/item/9789240105455