孟加拉国首都达卡附近高耸的砖窑烟囱。
由美国斯坦福大学领导的一项新研究表明，发展中国家的环境监管机构也许很快就能动用“全视眼睛”，在任何时间、任何地点识别违法者。这篇4月19日发表在《美国国家科学院院刊》中的论文证实，人工智能与卫星图像的融合能够为“监控死角”行业的定位及管理提供一种低成本、可扩展的方案。
论文作者、美国明尼苏达大学社会研究与数据创新研究所研究人员Nina Brooks说：“砖窑在孟加拉国遍地开花，为不断发展的社会提供建筑材料。但监管机构很难跟上新砖窑的建设进度。”
虽然此前的研究已经展示了机器学习和卫星观测在环境监管方面的潜力，但大多数研究都集中在拥有可靠工业地点和活动数据的发达国家。为了探索这些技术在发展中国家的可行性，斯坦福大学领导的团队在孟加拉国展开了相关研究。
在孟加拉国，政府监管机构很难找到高污染的非法砖窑。砖窑的燃煤效率极低，排放的二氧化碳量占该国年总排放量的17%，对健康和环境构成重大威胁。
论文作者、斯坦福大学医学院教授Stephen Luby说：“空气污染每年导致700万人死亡。我们需要确定污染源，并减少排放。”
孟加拉国政府监管机构正在尝试通过人工方法，绘制和核实全国范围内的砖窑位置。但这需要耗费大量时间和精力。由于窑炉数量的激增，人工方案的效率也非常低下。此外，研究人员表示，这种统计方式可能并不准确。
自2016年以来，Brooks等一直在孟加拉国工作。他们曾使用红外线从遥感数据中识别出烧煤的窑炉，但这种方法无法区分窑炉和吸热的农业用地。
该团队与斯坦福大学的计算机工程师以及孟加拉国国际腹泻病研究中心的科学家合作，将重点转移到了机器学习方面。他们开发出了一套高度精确的算法，该算法不仅可以识别图像中是否有砖窑，还能学习在图像中对其进行定位。
新算法也能够用于重建被多个图像分割的窑炉，并识别出多个窑炉是否被包含在单一图像中。更重要的是，新算法能够根据砖窑形状，区分两种窑炉技术。
调查结果显示，在孟加拉国，超过四分之三的窑炉是在距离学校1公里内非法建造的，近10%的窑炉非法靠近医疗设施。此前的政府报告存在系统性偏差。
研究人员还发现，在与禁止区相邻地区注册的窑炉数量更多，这表明这些窑炉虽然是在合法地区正式注册的，但却属于跨地区建造。
研究人员正在努力改进新技术，例如：使其能适应低分辨率图像。论文作者、斯坦福大学可持续发展和人工智能实验室研究员Jihyeon Lee说：“我们希望这种新技术能够帮助政府实现更有效的监管。”
科界原创
编译：雷鑫宇
审稿：西莫
责编：陈之涵
期刊来源：《美国国家科学院院刊》
期刊编号：0027-8424
原文链接：
https://techxplore.com/news/2021-04-ai-empower-environmental.html
版权声明：本文由科界平台原创编译，中文内容仅供参考，一切内容以英文原版为准。转载请注明来源科技工作者之家—科界App。
