AI-systeem brengt stedelijke groene ruimtes nauwkeurig in kaart en onthult milieuverschillen
Onderzoeksteam ontwikkelt AI-systeem voor het in kaart brengen van stedelijke groenvoorzieningen
Een onderzoeksteam onder leiding van Rumi Chunara, een associate professor aan NYU met functies aan zowel de Tandon School of Engineering als de School of Global Public Health, heeft een nieuw kunstmatig intelligentiesysteem (AI) onthuld. Dit systeem maakt gebruik van satellietbeelden om stedelijke groenvoorzieningen nauwkeuriger in kaart te brengen dan eerdere methoden, wat essentieel is voor het waarborgen van gezonde steden.
Om hun aanpak te valideren, testten de onderzoekers het systeem in Karachi, de grootste stad van Pakistan, waar verschillende teamleden zijn gevestigd. Karachi bleek een ideaal testcase te zijn vanwege de mix van dichtbebouwde stedelijke gebieden en verschillende vegetatieomstandigheden. De analyse van het team, die is geaccepteerd voor publicatie door het ACM Journal on Computing and Sustainable Societies, onthulde een duidelijke milieu-ongelijkheid: sommige gebieden hebben boomrijke straten, terwijl veel buurten vrijwel geen begroeiing hebben.
Steden hebben al lange tijd moeite om hun groenvoorzieningen nauwkeurig bij te houden, van parken tot individuele straatbomen, met traditionele satellietanalyses die tot ongeveer 37% van de stedelijke vegetatie missen. Nu steden worden geconfronteerd met klimaatverandering en snelle verstedelijking, vooral in Azië en Afrika, is nauwkeurige meting van cruciaal belang. Groenvoorzieningen kunnen helpen om de stedelijke temperaturen te verlagen, luchtvervuiling te filteren en essentiële ruimtes te bieden voor lichaamsbeweging en mentale gezondheid.
Echter, deze voordelen zijn mogelijk ongelijk verdeeld. Gebieden met lage inkomens hebben vaak een gebrek aan vegetatie, waardoor ze heter en vervuilder zijn dan de boomrijke rijke buurten.
Het onderzoeksteam ontwikkelde hun oplossing door AI-segmentatiearchitecturen te verbeteren, zoals DeepLabV3+. Met behulp van hoge resolutie satellietbeelden van Google Earth trainden ze het systeem door hun trainingsgegevens aan te vullen met verschillende versies van groene vegetatie onder verschillende licht- en seizoensomstandigheden—een proces dat ze “groene augmentatie” noemen. Deze techniek verbeterde de nauwkeurigheid van de vegetatiedetectie met 13,4% vergeleken met bestaande AI-methoden, wat een significante vooruitgang in het veld betekent.
Bij het meten hoe vaak het systeem vegetatie correct identificeert, behaalde het een nauwkeurigheid van 89,4% met een betrouwbaarheid van 90,6%, wat aanzienlijk beter is dan traditionele methoden die slechts 63,3% nauwkeurigheid en 64,0% betrouwbaarheid bereiken.
“Eerdere methoden waren afhankelijk van eenvoudige metingen van lichtgolflengten,” zei Chunara, die de directeur is van het NYU Center for Health Data Science en lid is van het Visualization Imaging and Data Analysis Center (VIDA) van NYU. “Ons systeem leert subtielere patronen te herkennen die bomen van gras onderscheiden, zelfs in uitdagende stedelijke omgevingen. Dit soort gegevens is noodzakelijk voor stadsplanners om buurten zonder vegetatie te identificeren, zodat ze nieuwe groenvoorzieningen kunnen ontwikkelen die de meeste voordelen bieden. Zonder nauwkeurige mapping kunnen steden ongelijkheden niet effectief aanpakken.”
De analyse van Karachi toonde aan dat de stad gemiddeld slechts 4,17 vierkante meter groenvoorziening per persoon heeft, minder dan de helft van de door de Wereldgezondheidsorganisatie (WHO) aanbevolen minimum van 9 vierkante meter per capita. De ongelijkheid binnen buurten is dramatisch: terwijl sommige afgelegen unie raden—de kleinste lokale overheid van Pakistan, waarvan er in totaal 173 in de studie zijn opgenomen—meer dan 80 vierkante meter per persoon hebben, hebben vijf unie raden minder dan 0,1 vierkante meter per capita.
De studie onthulde dat gebieden met meer verharde wegen—typisch een indicator van economische ontwikkeling—de neiging hebben om meer bomen en gras te hebben. Nog significanter is dat in acht verschillende unie raden die zijn bestudeerd, gebieden met meer vegetatie merkbaar lagere oppervlaktetemperaturen vertoonden, wat de rol van groenvoorzieningen in het koelen van steden aantoont.
Singapore biedt een contrast en laat zien wat mogelijk is met doordachte planning. Ondanks een vergelijkbare bevolkingsdichtheid als Karachi, biedt het 9,9 vierkante meter groenvoorziening per persoon, wat de WHO-doelstelling overschrijdt.
De onderzoekers hebben hun methodologie openbaar gemaakt, hoewel het toepassen ervan op andere steden vereist dat het systeem opnieuw wordt getraind met lokale satellietbeelden. Deze studie voegt zich bij Chunara’s oeuvre, waarin computationele en statistische methoden worden ontwikkeld, waaronder data-analyse en machine learning, om sociale determinanten van gezondheid en gezondheidsongelijkheden te begrijpen. Eerdere studies omvatten het gebruik van social media-berichten om systemisch racisme en homofoob gedrag op buurtniveau in kaart te brengen en de impact op de mentale gezondheid te beoordelen, evenals het analyseren van elektronische gezondheidsdossiers om ongelijkheden in de toegang tot telemedicine tijdens COVID-19 te begrijpen.
