都市環境におけるモバイルプラットフォームを使用したハイパーローカル環境データ

Scientific Data volume 10、記事番号: 524 (2023) この記事を引用

77 アクセス

メトリクスの詳細

高い時空間分解能を持つ環境データは、都市の持続可能性の課題に取り組むための行動に情報を与える上で不可欠です。しかし、監視インフラストラクチャ、一貫したデータ品質、および一般へのデータの入手可能性の欠如により、ハイパーローカル環境データソースへのアクセスは制限されています。このペーパーでは、2020 年から 2022 年までに収集され、世界 3 つの都市での 4 つの展開で調整された環境データ (PM、NO2、温度、相対湿度) を報告します。各データ収集キャンペーンは、樹木の多様性、地域社会の暴露格差、化石燃料の過剰使用など、大気質に関連する特定の都市環境問題を対象としました。まず、モバイルプラットフォームの設計と、ボストン (米国)、ニューヨーク (米国)、ベイルート (レバノン) での展開について紹介します。次に、大気質データのデータのクリーニングと検証のプロセスを紹介します。最後に、データ形式と、証拠に基づく意思決定を支援するためにハイパーローカル環境データセットをスタンドアロンで、または他のデータとともに使用する方法について説明します。当社のモバイル環境センシングデータセットにはさまざまな規模の都市が含まれており、発展途上地域におけるデータ不足に対処し、証拠に基づいた環境政策立案をサポートすることを目的としています。

測定

粒子状物質、ガス状汚染物質

テクノロジーの種類

低コスト環境センシングプラットフォーム（City Scanner）

サンプル特性 - 環境

市

サンプルの特徴 - 場所

グローバル

急速な都市化は、気候変動の時代において、計画立案者、エンジニア、科学者、市民に新たな持続可能性の課題を突きつけています。ハイパーローカル環境データは、学者や専門家にとって、暴露ホットスポットを特定し、都市大気汚染の空間分布を理解し、証拠に基づいた気候変動緩和をサポートするために望ましいものです。しかし、ハイパーローカルなデータ取得は、先進地域と発展途上地域の両方で依然として課題となっています。すべての都市環境データの中で、大気汚染データは、空間的および時間的変動が大きいため、監視が最も困難なデータの 1 つです。都市では、大気汚染の排出源は多様であり、排出の分散は非常に不安定です1。近年、モバイル監視は、固定監視や衛星リモートセンシングなどの従来の監視方法を補完する上で、ますます重要な役割を果たしています2、3、4。高解像度データを生成しながら、さまざまな都市環境で動作するための拡張性の高い代替手段を提供します。

モバイル空気品質測定技術は、急速に拡大している一連の文献に文書化されています。最も注目に値するものには、ヒューストン、サンフランシスコベイエリア、アムステルダム、コペンハーゲン、ロンドンで Google ストリートビュー車と協力して実施された一連の研究が含まれます (https://www.google.com/earth/outreach/special-projects) /空気の質)。基準および研究グレードの空気モニターが都市内に持ち込まれ、ほとんどの街路区域を数か月から数年の期間にわたって繰り返し測定しました。これらの生データは、サードパーティのオンラインデータベースと API (https://explore.openaq.org) を介して部分的に公開されました。空間的および時間的範囲は広範でしたが、Google の大気監視キャンペーンは、ストリートビュー画像のサンプリング密度が良好な人口の多い都市部に焦点を当てていました。学術機関が運営するモバイル監視機器や研究室も、大気質の重要なデータソースです。それにもかかわらず、そのような展開の最終出力は科学論文やレポートであることが多く、通常は完全なデータセットは公開されません5、6、7、8。一部の論文には生データファイルが添付されていますが、研究範囲、機器、人員、サンプリング方法、データ検証が異なるため、プロジェクトごとにデータ品質の一貫性が低くなります。もう 1 つの重要な大気質データプールは、低コストの空気センシング技術、市民科学、およびクラウドソースのモニタリングキャンペーンの幅広い採用によって提供されます9。さらに、個々の研究のデータにインデックスを付けて取得するための統合されたオープンソースのチャネルが欠如しているため、学術関係者以外の人々が科学出版物以外でこれらのデータにアクセスし、さらに利用することには大きなハードルが生じています。

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>