도시 환경의 모바일 플랫폼을 통한 초지역 환경 데이터 | 지닝 레이저 녹 제거 그룹 유한회사

과학 데이터 10권, 기사 번호: 524(2023) 이 기사 인용

77 액세스

측정항목 세부정보

시공간 해상도가 높은 환경 데이터는 도시의 지속 가능성 문제를 해결하기 위한 조치를 알리는 데 매우 중요합니다. 그러나 모니터링 인프라 부족, 일관된 데이터 품질, 대중에 대한 데이터 가용성으로 인해 초지역 환경 데이터 소스에 대한 접근이 제한됩니다. 이 백서는 2020년부터 2022년까지 수집되어 글로벌 3개 도시의 4개 배포에서 보정된 환경 데이터(PM, NO2, 온도 및 상대 습도)를 보고합니다. 각 데이터 수집 캠페인은 나무 다양성, 지역사회 노출 불균형, 과도한 화석 연료 사용 등 대기 질과 관련된 특정 도시 환경 문제를 대상으로 했습니다. 먼저 보스턴(미국), 뉴욕(미국), 베이루트(레바논)에서의 모바일 플랫폼 설계 및 배포를 소개합니다. 둘째, 대기질 데이터에 대한 데이터 정제 및 검증 과정을 제시한다. 마지막으로 데이터 형식과 근거리 환경 데이터 세트를 독립형으로 사용하거나 다른 데이터와 함께 사용하여 증거 기반 의사 결정을 지원하는 방법을 설명합니다. 당사의 모바일 환경 감지 데이터세트에는 개발도상국의 데이터 부족 문제를 해결하고 증거 기반 환경 정책 수립을 지원하는 것을 목표로 하는 다양한 규모의 도시가 포함되어 있습니다.

측정

미세먼지, 기체 오염물질

기술 유형

저비용 환경 센싱 플랫폼(City Scanner)

샘플 특성 - 환경

도시

샘플 특성 - 위치

글로벌

급속한 도시화는 기후 변화 시대의 기획자, 엔지니어, 과학자 및 시민에게 새로운 지속 가능성 문제를 제기해 왔습니다. 초지역 환경 데이터는 학계와 실무자가 노출 핫스팟을 식별하고, 도시 대기 오염의 공간적 분포를 이해하고, 증거 기반 기후 변화 완화를 지원하는 데 바람직합니다. 그러나 초지역 데이터 수집은 선진국과 개발도상국 모두에서 여전히 과제로 남아 있습니다. 모든 도시 환경 데이터 중에서 대기 오염 데이터는 높은 공간적, 시간적 변동성으로 인해 모니터링하기 가장 어려운 데이터 중 하나입니다. 도시에서는 대기오염 배출원이 다양하고 배출 분산도 매우 불안정합니다1. 최근 몇 년 동안 모바일 모니터링은 고정 모니터링 및 위성 원격 감지2,3,4와 같은 기존 모니터링 방법을 보완하는 데 점점 더 중요한 역할을 하고 있습니다. 고해상도 데이터를 생성하면서 다양한 도시 환경에서 작동할 수 있는 확장성이 뛰어난 대안을 제공합니다.

모바일 공기질 측정 기술은 급속도로 확대되는 문헌에 문서화되어 있습니다. 가장 주목할만한 연구로는 휴스턴, 샌프란시스코 베이 지역, 암스테르담, 코펜하겐 및 런던에서 Google 스트리트 뷰 자동차와 공동으로 수행한 일련의 연구(https://www.google.com/earth/outreach/special-projects)가 있습니다. /공기질). 참조 및 연구 등급 대기 모니터가 도시 곳곳에 배치되어 몇 달에서 몇 년에 걸쳐 대부분의 거리 구간을 반복적으로 측정했습니다. 그들의 원시 데이터는 제3자 온라인 데이터베이스 및 API(https://explore.openaq.org)를 통해 부분적으로 게시되었습니다. 공간적, 시간적 범위가 광범위했지만 Google의 대기 모니터링 캠페인은 스트리트 뷰 이미지 샘플링 밀도가 좋고 인구가 많은 도시 지역에 중점을 두었습니다. 학계가 운영하는 모바일 모니터링 장비와 실험실은 또 다른 중요한 대기 질 데이터 소스입니다. 그럼에도 불구하고 이러한 배포의 최종 결과물은 일반적으로 전체 데이터 세트5,6,7,8를 게시하지 않고 과학 논문 및 보고서인 경우가 많습니다. 일부 논문에는 원시 데이터 파일이 첨부되어 있지만 연구 범위, 장비, 인력, 샘플링 방법 및 데이터 검증의 차이로 인해 프로젝트마다 데이터 품질의 일관성이 떨어집니다. 또 다른 중요한 대기 질 데이터 풀은 저비용 공기 감지 기술, 시민 과학 및 크라우드 소싱 모니터링 캠페인의 광범위한 채택을 통해 제공됩니다9. 더욱이, 개별 연구의 데이터를 색인화하고 검색할 수 있는 통합된 오픈 소스 채널이 부족하여 비학술인이 과학 출판물 외부에서 이러한 데이터에 액세스하고 추가로 사용하는 데 상당한 장애물이 되었습니다.

90% or raining) are excluded, given that the low-cost particle counter we used is known to have skewed responses in this condition19,25. Lastly, we eliminate records with readings out of the reasonable ranges (<1 ug/m3 or >1000 ug/m3 for PM2.5, <200 mv or >900 mv for NO2 electro-signal). The reasonable ranges are determined by a priori knowledge of the ambient environment and the sensors themselves26,27. In total, about 15% of raw data are excluded in data cleaning./p>90% relative humidity. Secondly, the Boston and Beirut data sets were calibrated with research-grade sensors rather than reference-grade ones. The research-grade sensors used in Boston were calibrated at a reference station immediately before the mobile deployment. In Beirut, the research-grade sensors were the only available option for local calibration, given that no government-regulated reference stations existed. We do not consider this would lead to significant biases in the published datasets. Thirdly, our temperature and humidity data have not been calibrated against reference monitors as they are not the main focus of our deployments. In this case, their validity has not been adopted as a criterion for data cleaning, which aims to preserve the maximal number of valid observations for particulate matter and NO2. We highly advice the audience to only adopt them for educational or making sense purposes and to conduct a sanity check before any form of analysis. Lastly, given that CS is a low-cost environmental sensing platform, it is crucial to collocate and calibrate the platform before usage locally. This is especially important if a deployment is measuring PM, as the OPC counts particles in different-size bins and then estimates mass concentration with assumptions of the shape and density, which can vary significantly from place to place, from season to season./p>