[論文レビュー] Modelling and characterization of fine Particulate Matter dynamics in Bujumbura using low cost sensors

Egide Ndamuzi, Rachel Akimana+2 more|arXiv (Cornell University)|Dec 19, 2023

Air Quality Monitoring and Forecasting被引用数 6

ひとこと要約

本研究では、2022年8月から2023年8月にかけてブルンディの首都ブジンブールの3つの都市地区に展開された低価格センサーを用いて、PM2.5の初の空間的・時系列的特性評価を実施した。PM2.5濃度は年間を通じてWHOの基準を超えており、木炭や木材を用いた調理、および廃棄物の屋外焼却による影響で住宅地域のムハで特に高い濃度を示した。LSTMモデルを用いた予測は、RMSEが8.2–12.8 µg/m³、決定係数R²が0.7–0.8の精度を達成した。

ABSTRACT

Air pollution is a result of multiple sources including both natural and anthropogenic activities. The rapid urbanization of the cities such as Bujumbura economic capital of Burundi, is one of these factors. The very first characterization of the spatio-temporal variability of PM2.5 in Bujumbura and the forecasting of PM2.5 concentration have been conducted in this paper using data collected during a year, from august 2022 to august 2023, by low cost sensors installed in Bujumbura city. For each commune, an hourly, daily and seasonal analysis were carried out and the results showed that the mass concentrations of PM2.5 in the three municipalities differ from one commune to another. The average hourly and annual PM2.5 concentrations exceed the World Health Organization standards. The range is between 28.3 and 35.0 microgram/m3 . In order to make prediction of PM2.5 concentration, an investigation of RNN with Long Short Term Memory (LSTM) has been undertaken.

研究の動機と目的

• ブルンディの首都ブジンブールにおけるPM2.5の空間的・時系列的変動を、低価格センサーを用いて特徴づけること。
• 都市化、交通、ごみ焼却、季節的パターンがPM2.5濃度に与える影響を評価すること。
• 低リソースな都市環境におけるPM2.5濃度を予測するための長期短期記憶（LSTM）ネットワークの性能を評価すること。
• 基準モニタが存在しない状況において、ALT CF3法を用いて低価格センサーのデータを補正すること。
• ムカザ、ンタアングワ、ムハの3つの異なる都市地区におけるPM2.5濃度を比較すること。

提案手法

• リアルタイムでPM2.5、温度、湿度、気圧を測定可能な、Plantower PMS5003およびBosch BME280センサーを搭載したPurpleAir PA-II-FLEXセンサーを展開した。
• 2022年8月から2023年8月にかけて、ムカザ（商業地区）、ンタアングワ（工業地区）、ムハ（住宅地区）の3地区で連続データ収集を実施した。
• 基準モニタが存在しないため、粒子径の3つのサイズ範団における粒子数を用いて、ALT CF3補正法を適用し、元のセンサー測定値を補正した。PM2.5 = 3(αX + βY + γZ)（X, Y, Zは各サイズ範団の粒子数）。
• 時間単位、日単位、季節単位でのPM2.5濃度分析を通じて、時間的・空間的変動を評価した。
• PM2.5濃度の予測のため、時間分解能ごとのPM2.5データを用いて、長期短期記憶（LSTM）再帰ニューラルネットワークを学習させた。
• 予測モデルの性能を評価するため、平均二乗誤差（RMSE）、平均絶対誤差（MAE）、決定係数（R²）を用いた。

(a) Location of Bujumbura city in Burundi

実験結果

リサーチクエスチョン

• RQ1 ブジンブールの異なる都市地区におけるPM2.5濃度は、時間単位、日単位、季節単位のスケールでどのように変動するか？
• RQ2 ブジンブールの都市環境におけるPM2.5濃度変動の主な人為的要因および気象的要因は何か？
• RQ3 基準モニタが存在しない状況において、ALT CF3補正を施した低価格センサーが、信頼性の高いPM2.5推定値を提供できるか、その程度はいかほどか？
• RQ4 データが乏しいアフリカの都市的文脈において、LSTMモデルはPM2.5濃度予測にどの程度効果的か？
• RQ5 ムカザとンタアングワに比べ、ムハ地区で観察される高いPM2.5濃度は、どのような要因に起因しているか？

主な発見

• ブジンブールにおける年間平均PM2.5濃度は28.3～35.0 µg/m³であり、WHOが定める24時間平均基準値25 µg/m³を超えていた。
• ムハ（住宅地区）でPM2.5濃度が最も高く、木炭・木材を用いた調理と屋外でのごみ焼却が主な要因であった。ムカザとンタアングワに比べて顕著に高い濃度を示した。
• 交通や家庭活動と関連する朝と夕方のピークを示す顕著な日周期パターンが観察された。特にムカザとムハで顕著であった。
• 乾季（6月～8月）には、ほこりの再浮遊および農業残渣の燃焼が原因でPM2.5濃度が上昇した。
• LSTMモデルはR²が0.7～0.8の範囲で、RMSEが8.2～12.8 µg/m³、MAEが5.3～6.8 µg/m³の結果を示し、予測性能が優れていることが示された。
• 各サイト間の相関は弱から中程度であり、ムカザが最も相関が低く、各地区に固有の汚染源が存在することが示された。

(b) PM measurement sites in Bujumbura