Höjdupplöst prognos för luftföroreningar vid vägkant med hjälp av UAV-mätningar och maskininlärning

Varför föroreningar nära motorvägar spelar roll

Många bor, arbetar eller motionerar nära trafikerade motorvägar där avgaser i det tysta kan påverka hälsan. De flesta luftkvalitetsmätare är fasta punkter vid marknivå och visar inte hur föroreningarna förändras några meter ovanför eller bort från vägen. Denna studie kombinerar drönare och avancerade datormodeller för att skapa en tredimensionell bild av luftföroreningar vid vägkanter, vilket hjälper stadsplanerare och hälsovetare att förstå vilka som exponeras mest och när.

Använda flygande sensorer för att kartlägga smutsig luft

Forskarna fokuserade på en större koreansk motorväg som förbinder Seoul och Busan och som har en av landets tyngsta trafikströmmar. De installerade en kompakt luftsensor vid en vägstation och fäste en andra, identisk sensor på en quadkopter-drönare. Instrumenten mätte fyra nyckelföroreningar: kolmonoxid från avgaser, kvävedioxid från förbränning, marknära ozon som bildas i solljus och fina partiklar kända som PM2.5. Under flera dagar sommar och vinter flög drönaren upp och ner över vägkanten på höjder från 10 till 60 meter, och på vintern rörde den sig också horisontellt upp till 60 meter bort från vägen, där den pausade vid varje punkt för att provta luften.

Vad drönaren såg ovanför vägen

Mätningarna visade tydliga mönster i hur föroreningar förändras med höjd, avstånd, tid på dygnet och årstid. Kvävedioxid och ozon var som högst nära marken och minskade med höjd och avstånd från motorvägen, vilket visar att fordon är en dominerande lokal källa. Kvävedioxid toppade runt klockan 07, i linje med morgonrusningen, medan ozon var som lägst då och högre under den soliga eftermiddagen när solljus driver kemiska reaktioner i luften. På vintern var kvävedioxid ofta högre totalt sett, påverkad av stillastående, kalla luftlager som fångar utsläpp nära ytan. Förvånande nog var nivåerna av fina partiklar högre på sommaren än på vintern; genom att spåra luftmassornas banor bakåt över 48 timmar fann teamet att sommarluft ofta kom från industriområden i östra Kina, vilket antyder att långväga transport bidrog till den lokala trafikföroreningen.

Från spridda mätningar till en 3D-karta över föroreningar

Dronor kan bara flyga en begränsad tid och måste följa säkra banor, så deras mätningar blir fläckvisa i tid och rum. För att fylla i luckorna tränade teamet flera maskininlärningsmodeller för att förutsäga hur föroreningar i luften jämför sig med vad som mäts vid vägkanten. Istället för att förutsäga råa koncentrationer fokuserade de på kvoten mellan drönarmätningar och markmätningar för varje förorening. Modellerna använde fem grupper av indata: marknivåföroreningar, trafikvolym och hastighet, väder (vind, temperatur, luftfuktighet), drönarens höjd och avstånd från vägen, samt årstid och tid på dygnet. Bland flera konkurrerande algoritmer presterade en metod kallad CatBoost bäst och förklarade ungefär två tredjedelar till nästan all variation i dessa kvoter beroende på förorening och årstid.

Vad som styr föroreningsmönstren ovanför gatan

Genom att analysera den tränade modellen kunde forskarna se vilka verkliga faktorer som starkast formade de vertikala och horisontella mönstren för varje förorening. För kolmonoxid spelade trafikens hastighet stor roll: långsamtgående eller ryckig trafik var kopplat till högre relativ förorening nära vägen, vilket speglar mer intensiv avgaser. För kvävedioxid och fina partiklar var kombinationen av vad som händer vid marknivå och lokala väderförhållanden avgörande—varmare förhållanden och högre markkoncentrationer tenderade att öka nivåerna uppåt. Ozonmönstren styrdes mer av meteorologi och årstid än av markens ozonmätningar i sig, vilket stämmer med att det bildas via solljusdriven kemi. När teamet använde modellen för att skapa kontinuerliga kartor över föroreningskvoter över höjd, avstånd, tid och årstid, överensstämde de resulterande mönstren väl med etablerad förståelse: högre kvävedioxid som kröker sig längs vägen, ozon som byggs upp under dagen och partiklar som gradvis blandas uppåt och bort från körfälten.

Hur detta hjälper människor att andas lättare

Enkelt uttryckt visar studien att det en drönare mäter ovanför en motorväg kan rekonstrueras på ett tillförlitligt sätt från vad en markmonitor, trafikräknare och väderinstrument observerar nedanför. Genom att kombinera korta drönarflygningar med maskininlärning producerade forskarna detaljerade tredimensionella vyer av luftkvaliteten vid vägkanter som vore svåra och kostsamma att få fram med mätningar ensamma. Dessa högupplösta kartor kan förbättra uppskattningar av hur starkt boende, pendlare och fotgängare exponeras för trafikföroreningar på olika höjder och avstånd, och vid olika tider på dygnet och året. På längre sikt kan denna kombinerade drönar- och modellmetod vägleda placeringen av nya vägar, bullervallar och gröna buffertar, och hjälpa stadsmyndigheter att pröva hur trafikstyrningsåtgärder kan rena luften som människor faktiskt andas.

Citering: Kho, C.J., Seo, S., Hwang, H. et al. Altitude-resolved prediction of roadside air pollution using UAV measurements and machine learning. Sci Rep 16, 13925 (2026). https://doi.org/10.1038/s41598-026-44153-9

Nyckelord: luftföroreningar vid vägkant, droner, maskininlärning, motorvägar, fina partiklar