Un equipo de investigación encabezado por Roman Chunra, un profesor asociado de la NYU, la Escuela de Ingeniería Tandon y la Escuela de Salud Pública Global, ha presentado un nuevo sistema de inteligencia artificial (IA) que los ciudadanos usan fotografías satelitales para rastrear espacios verdes. Para garantizar ciudades saludables con mucho más precisión que las formas anteriores.
Para corregir su opinión, los investigadores probaron el sistema en Karachi, la ciudad más grande de Pakistán, donde residen varios miembros del equipo. Karachi demostró ser un caso de prueba ideal con una mezcla de diversas condiciones de áreas y plantas urbanas densas.
Aceptado para su publicación ACM Journal on Computing and Sostenible SociedadesEl análisis del equipo expone la discriminación ambiental: algunas áreas disfrutan de las calles conectadas a los árboles, mientras que muchos palacios casi no tienen plantas.
Las ciudades han luchado durante mucho tiempo para rastrear sus lugares verdes desde parques hasta árboles de calles individuales, perdiendo alrededor del 37 37 % de las plantas urbanas en el análisis tradicional de satélite.
Dado que las ciudades enfrentan el cambio climático y la rápida ciudadanía, especialmente en Asia y África, las mediciones precisas se han vuelto importantes. Los lugares verdes pueden ayudar a reducir las temperaturas urbanas, filtrar la contaminación del aire y proporcionar lugares esenciales para el ejercicio y la salud mental.
Pero estos beneficios se pueden distribuir de manera desigual. Las áreas de bajos ingresos a menudo carecen de plantas, lo que hace que se calienten y se contaminen que los ricos palacios del árbol.
El equipo de investigación desarrolló su solución al aumentar la arquitectura de clase AI, como DeepLabv3+. Utilizando imágenes satelitales de alta resolución de Google Earth, entrenaron este sistema al aumentar sus datos de entrenamiento para agregar diversas versiones de plantas verdes en diversas condiciones de luz y climática. Esta técnica ha aumentado la precisión de las plantas en un 13,4 % en comparación con los métodos de IA existentes. Este es un desarrollo importante en el campo.
Cuando miden con qué frecuencia el sistema identifica las plantas, alcanzó una precisión del 89.4 % con una confiabilidad del 90.6 %, que es significativamente mejor que las formas tradicionales que obtienen una precisión del 63.3 % con solo 64.0 % de fiabilidad.
“Los métodos anteriores se basaban en una medición simple de las longitudes de onda de la luz”, dijo Comera, quien se desempeñó como Directora del Centro de Ciencias de los Datos de Salud de la NYU y el Centro de imágenes visuales de NYU Tandon y Data Amites (VIDA es miembro. “Nuestro sistema aprende a reconocer patrones más sutiles que separan los árboles de la hierba, incluso desafiando el entorno urbano. Para los planificadores urbanos, dichos datos son esenciales para identificar los palacios en los que las plantas hay una falta de nuevos espacios verdes que proporcionarán los más beneficios.
El análisis de Karachi ha demostrado que la persona promedio en la ciudad tiene solo 4.17 metros cuadrados de espacio verde, que es menos de la mitad de la Organización Mundial de la Salud (que) recomendó al menos 9 metros cuadrados por persona. La disparidad dentro de los palacios es dramática: si bien algunos consejos sindicales externos, la organización del gobierno local más pequeño de Pakistán, se incluyó un total de 173 en este estudio, tiene más de 80 metros cuadrados por persona, cinco consejos sindicales. metros por persona. Capea.
Este estudio ha revelado que las carreteras más maduras, generalmente un signo de desarrollo económico, tienen más árboles y hierba. Además, en los ocho consejos diferentes de la unión, la temperatura de la superficie fue significativamente menor en más áreas de plantas, lo que mostró el papel de las ubicaciones verdes en las ciudades de enfriamiento.
Singapur ofrece lo contrario, que muestra lo que es posible planificar deliberadamente. A pesar de la densidad de población de Karachi, proporciona un espacio verde de 9.9 metros cuadrados por persona, que es más alto que el objetivo de la OMS.
Los investigadores han hecho público su procedimiento, aunque requerirá la restauración del sistema en imágenes satelitales locales para aplicarlo a otras ciudades.
Este estudio mejora el cuerpo de la piedra caliza, incluidos los métodos computacionales y estadísticos, incluida la minería de datos y el aprendizaje automático para comprender el compromiso social de la salud y la disparidad de precisión. Estudios anteriores incluyen el uso de publicaciones en las redes sociales para crear un mapa de racismo sistémico a nivel local y fobia homo y evaluar los efectos de su salud mental, así como para telemodén durante la covade 19, los registros de salud electrónicos incluyen análisis para comprender la disparidad de acceso.
Además de Chunra, los autores de esta disertación son Miao Zhang, quien es candidato para el doctorado en el Departamento de Informática e Ingeniería de NYU Tandon y la AMA. Y Hajra Irshad, Manzar Abbas, Hamza Jahanzeb, Iza Tahir, Juriya Hassan y Zainab Samad de la Universidad de la Universidad de Aga Khan en Karachi. Sahib también se reunió en el Centro de Ciencias de Datos de Salud Citric de la Universidad de Aga Khan.
La financiación para este estudio fue proporcionada por la National Science Foundation y el Instituto Nacional de Salud.
