在AirVisual平臺上發佈之前，如何驗證空氣質量數據？

AirVisual平臺旨在集中和匯總目前可用的盡可能多的空氣質量資訊，以提供最全面的全球空氣品質概覽。

通過AirVisual平臺報告的數據源包括來自政府監測站的感測器數據（通常被認為是高成本的“參考監測器”），以及低成本感測器，如公共AirVisual Pro站和PurpleAir感測器。

通過AirVisual平臺發佈的所有數據都經過數據驗證，此過程在這兩個感測器數據源之間有所不同。

AirVisual的數據驗證系統是基於雲的，由機器學習驅動，所有測量結果在發佈到我們的平臺之前都要通過該系統。
 

政府「參考」感測器數據

儘管高成本的政府感測器通常被認為是測量空氣質量數據的最準確和最可靠的來源，但有時這些感測器也會報告異常或不準確的數據。造成這種情況的原因可能包括臨時維護或缺陷，甚至是感測器附近的臨時超局部發射源。

因此，所有政府感測器數據在發佈前都要經過數據驗證系統。這種驗證的一個例子是，基於雲的系統可以識別網站發佈的任何潛在異常情況（例如，PM2.5 從 10ug/m3 突然飆升到 100ug/m3，從一小時到下一小時），並將與附近的其他測量值進行交叉檢查，以驗證這種峰值是否具有代表性或異常。驗證過程還會根據歷史模式和其他參數（如天氣狀況）進行交叉檢查。然後，該值將相應地發佈或打折。
 

低成本感測器

除了上述驗證過程外，來自低成本感測器的測量也要經過數據校準和校正過程，這將識別和打折異常讀數。

應用於低成本感測器的系統考慮了溫度、濕度、污染成分等附近條件，並應用了基於環境條件的數據校準演算法。例如，在某些情況下，高濕度水準可能導致低成本感測器過度報告PM2.5水準。同樣，污染成分（交通產生的污染、沙塵暴、煤基污染等）對測量有很大影響，AirVisual平臺使用衛星圖像來確定用於校準機制的污染成分。因此，除了區域歷史模式外，這種校準和校正演算法還考慮了當地的濕度水準和其他環境參數，並相應地調整了PM2.5的測量值。

調整水準由基於人工智慧和機器學習的基於雲的系統決定。通過多年來從參考感測器、AirVisual感測器、氣象數據和衛星圖像中的污染成分等數十億個全球空氣品質數據點的匯總，該系統一直在學習世界不同地區不同空氣品質參數之間的複雜歷史關係。

由於顆粒物

的成分在世界不同地區之間差異很大，因此區分顆粒物與局部/區域層面的濕度等因素的相關性至關重要。這些相關性可能因PM的不同局部成分而有很大差異，因此在局部校準和校正演算法中必須考慮這些相關性。