Crean un método con inteligencia artificial para combatir la polución urbana

El Barcelona Supercomputing Center-Centro Nacional de Supercomputación (BSC-CNS) ha creado un método pionero que utiliza inteligencia artificial para combatir la contaminación del aire en zonas urbanas.

Los científicos del BSC han usado el aprendizaje automático para obtener mapas de calidad del aire y predecir la probabilidad de exceder los límites legales de contaminación atmosférica en cada calle, partiendo de una extensa base de datos de la ciudad de Barcelona en esta fase piloto.

Jan Mateu, líder del equipo de Servicios de Calidad del Aire del BSC-CNS y uno de los principales autores del estudio, ha explicado que el objetivo de esta innovadora metodología es mejorar la gestión de la calidad del aire en las zonas urbanas obteniendo mapas horarios de concentraciones de dióxido de nitrógeno (NO2) en cada calle.

Mateu ha recordado que el 99 % de la población mundial respira un aire que supera los límites recomendados por la Organización Mundial de la Salud (OMS), y que este escenario se agudiza en las zonas urbanas donde se concentra más del 50 % de esta población.

Para mitigar el problema de la contaminación atmosférica, los científicos consideran esencial poder disponer de datos fiables y precisos de la concentración de contaminantes atmosféricos en las ciudades y para ello los investigadores del BSC-CNS han desarrollado este nuevo método, que han publicado en la revista 'Geoscientific Model Development'.

El nuevo método combina por primera vez los resultados de CALIOPE-Urban, un modelo único en España que permite prever la contaminación del aire con resoluciones muy altas de hasta diez metros, a distintas alturas y en cualquier punto de la ciudad, con una extensa base de datos urbanos que incluye observaciones de las estaciones oficiales de calidad del aire, campañas de sensores de bajo coste, información de la densidad de edificios, variables meteorológicas y otros datos geoespaciales.

Así pueden identificar las áreas de la ciudad donde es necesario mejorar el sistema de monitorización actual, ayudando a optimizar las estrategias para reducir la polución atmosférica.

"La combinación de las predicciones de CALIOPE-Urban con todos estos datos urbanos mediante inteligencia artificial nos permite ir mejorando el modelo, ya que allá donde la simulación no puede explicar la distribución espacial de la contaminación, con el aprendizaje de máquinas somos capaces de corregir y mejorar esta predicción", ha precisado Mateu.

EL EIXAMPLE, EL DISTRITO CON MÁS CONTAMINACIÓN

Una de las principales conclusiones del estudio, que se ha centrado en esta fase piloto en la ciudad de Barcelona, es que el distrito con peor calidad del aire es el Eixample, donde el 95 % de su área tiene más del 50 % de probabilidad de superar el límite legal de la media anual de 40 ?g/m3 de NO2 marcado por la Comisión Europea.

"Gracias a nuestra metodología, la administración pública podrá diseñar y gestionar políticas que mejoren la calidad del aire en ámbitos urbanos, lo que es especialmente importante porque la contaminación atmosférica es el principal factor de riesgo ambiental para la salud humana", ha recalcado el investigador del BSC Álvaro Criado.

El modelo CALIOPE-Urban Desarrollado en el BSC es una herramienta de modelización que estima la concentración de dióxido de nitrógeno (NO2) a escala de calle en la ciudad de Barcelona, aunque también podría aplicarse a otras ciudades o áreas metropolitanas.

El sistema, único en España, proporciona a los ciudadanos y a los gestores de la calidad del aire información útil sobre cómo afecta el tráfico a la contaminación del aire en cada barrio y poder así diseñar y aplicar estrategias eficaces de planificación y mitigación de la contaminación atmosférica.

Aunque actualmente CALIOPE-Urban se centra en la ciudad de Barcelona, ya están trabajando para extenderlo a otros municipios de la mano de diferentes administraciones municipales y autonómicas.