Загрязнение воздуха является серьезной проблемой общественного здравоохранения: по оценкам Всемирной организации здравоохранения, оно ежегодно приводит к более чем 4 миллионам преждевременных смертей во всем мире. Тем не менее, оно не всегда широко измеряется. Но теперь исследовательская группа Массачусетского технологического института выпустила версию недорогого мобильного детектора загрязнения с открытым исходным кодом, который может позволить людям более широко отслеживать качество воздуха.

Детектор, названный Flatburn, можно изготовить с помощью 3D-печати или заказа недорогих деталей. В настоящее время исследователи протестировали и откалибровали его в сравнении с существующими современными машинами и публикуют всю информацию о нем - как его построить, использовать и интерпретировать данные.

Цель состоит в том, чтобы общественные группы или отдельные граждане в любом месте могли измерять местное загрязнение воздуха, определять его источники и, в идеале, создавать петли обратной связи с чиновниками и заинтересованными сторонами для создания более чистых условий", - говорит Карло Ратти, директор лаборатории "Разумный город" Массачусетского технологического института.

"Мы провели несколько пилотных проектов по всему миру и усовершенствовали ряд прототипов, включая аппаратное обеспечение, программное обеспечение и протоколы, чтобы убедиться, что собираемые нами данные надежны с точки зрения экологии", - говорит Симона Мора, научный сотрудник Senseable City Lab и соавтор недавно опубликованной работы, в которой подробно описывается процесс тестирования сканера. Устройство Flatburn является частью более крупного проекта под названием City Scanner, использующего мобильные устройства для лучшего понимания городской жизни.

"Надеемся, что с выпуском Flatburn с открытым исходным кодом мы сможем привлечь низовые группы, а также сообщества в менее развитых странах, к следованию нашему подходу, накоплению и обмену знаниями", - говорит Ан Ванг, исследователь из Senseable City Lab и еще один соавтор статьи.

Статья "Использование алгоритмов машинного обучения для улучшения недорогой калибровки датчиков воздуха в стационарных и мобильных условиях" опубликована в журнале Atmospheric Environment.

Помимо Ванга, Мора и Ратти, авторами исследования являются: Юки Мачида, бывший научный сотрудник Senseable City Lab; Приянка де Суза, доцент кафедры городского и регионального планирования Университета Колорадо в Денвере; Тиффани Дул, научный сотрудник Департамента охраны окружающей среды штата Массачусетс и научный сотрудник Университета Тафтса во время работы над проектом; Нилакши Худда, доцент-исследователь Университета Тафтса; Джон Л. Дюрант, профессор гражданского и экологического строительства в Университете Тафтса; и Фабио Дуарте, главный научный сотрудник Senseable City Lab.

Концепция Flatburn в Senseable City Lab возникла примерно в 2017 году, когда исследователи Массачусетского технологического института начали создавать прототип мобильного детектора загрязнения, который первоначально планировалось установить на мусоровозах в Кембридже, штат Массачусетс. Детекторы работают от аккумуляторов и подзаряжаются либо от источников питания, либо от солнечной батареи, а данные хранятся на карте в устройстве, доступ к которой можно получить удаленно.

Нынешнее продолжение этого проекта предполагает тестирование устройств в Нью-Йорке и Бостоне, чтобы посмотреть, как они работают по сравнению с уже работающими системами обнаружения загрязнения. В Нью-Йорке исследователи использовали 5 детекторов для сбора 1,6 миллиона точек данных в течение четырех недель в 2021 году, сотрудничая с чиновниками штата для сравнения результатов. В Бостоне команда использовала мобильные датчики, оценивая устройства Flatburn в сравнении с современной системой, развернутой Университетом Тафтса совместно с государственным агентством.

В обоих случаях датчики были настроены на измерение концентрации мелких твердых частиц, а также диоксида азота на площади около 10 метров. Мелкодисперсные частицы - это крошечные частицы, часто связанные с горением вещества, от электростанций, двигателей внутреннего сгорания в автомобилях, пожаров и т.д.

Исследовательская группа обнаружила, что мобильные детекторы оценивают несколько более низкие концентрации мелких твердых частиц, чем уже используемые устройства, но с достаточно сильной корреляцией, так что, с поправкой на погодные условия и другие факторы, устройства Flatburn могут давать надежные результаты.

"Проследив за их внедрением в течение нескольких месяцев, мы можем с уверенностью сказать, что наши недорогие мониторы должны вести себя так же [как стандартные детекторы]", - говорит Ванг. "У нас большие перспективы, но нам еще предстоит убедиться, что собранные нами данные достоверны и могут быть использованы в нормативных и политических целях".

Дуарте добавляет: "Если следовать этим процедурам с недорогими датчиками, можно получить достаточно хорошие данные, чтобы вернуться с ними в [экологические] агентства и сказать: "Давайте поговорим"".

Исследователи обнаружили, что использование устройств в мобильных условиях на автомобилях означает, что их срок службы составляет шесть месяцев. Они также выявили ряд потенциальных проблем, с которыми людям придется столкнуться при использовании детекторов Flatburn в целом. К ним относится то, что исследовательская группа называет "дрейфом", постепенным изменением показаний детектора с течением времени, а также "старением", более фундаментальным ухудшением физического состояния устройства.

Тем не менее, исследователи уверены, что устройства будут работать хорошо, и они предоставляют полные инструкции в своем релизе Flatburn как инструмента с открытым исходным кодом. Это включает даже руководство по работе с чиновниками, сообществами и заинтересованными сторонами для обработки результатов и попыток сформировать действия.

"Очень важно взаимодействовать с сообществами, дать им возможность задуматься об источниках загрязнения", - говорит Мора.

"Первоначальная идея проекта заключалась в демократизации экологических данных, и это по-прежнему является целью", - добавляет Дуарте. "Мы хотим, чтобы у людей были навыки анализа данных и взаимодействия с сообществами и чиновниками".