Search

Supervisar el NO₂ atmosfèric permet predir si el confinament és eficaç contra una pandèmia

El model desenvolupat és capaç de pronosticar com s'acceleren els contagis quan s'aixequen les mesures de confinament. Imatge: captura de dades reals de l'estudi.
El model desenvolupat és capaç de pronosticar com s'acceleren els contagis quan s'aixequen les mesures de confinament. Imatge: captura de dades reals de l'estudi.

Un model basat en tècniques d’aprenentatge automàtic i dades per satèl·lit permet predir si la reducció de l’activitat econòmica disminueix els contagis causats per epidèmies. L’objectiu és afinar millor el temps i el grau de les mesures de confinament.

Un treball internacional amb participació Josep Peñuelas, investigador del CREAF i del CSIC, i Jordi Sardans, investigador del CREAF, ha desenvolupat un model per predir l’eficàcia del confinament per frenar epidèmies com ara la Covid19, a partir de dades obtingudes per satèl·lit de contaminació per diòxid de nitrogen (NO₂). El model desenvolupat és capaç de pronosticar com s’acceleren els contagis quan s’aixequen les mesures de confinament. Per tant, la informació permet optimitzar el temps i la intensitat d’intervencions no farmacèutiques, i millorar l’efectivitat de control de la Covid19 i, en general, de les pandèmies.

L'equip científic ha aplicat tècniques d’aprenentatge automàtic per supervisar com es redueix l’activitat econòmica tot controlant en temps gairebé real els nivells de diòxid de nitrogen a l’atmosfera

L’equip científic ha aplicat tècniques d’aprenentatge automàtic que permeten supervisar com es redueix l’activitat econòmica tot controlant en temps gairebé real els nivells de diòxid de nitrogen a l’atmosfera. L’investigador Josep Peñuelas explica que “el model millora significativament les prediccions utilitzades fins ara per l’Organització Mundial de la Salut i altres organitzacions, tant governamentals com no governamentals”.

L’estudi s’ha publicat a la revista PNAS i ha comptat amb la participació d’especialistes en contaminació atmosfèrica, economia, epidemiologia, anàlisi de dades i intel·ligència artificial, d’una vintena de centres de recerca.

Josep Peñuelas

“El model que hem elaborat millora significativament les prediccions utilitzades fins ara per l’Organització Mundial de la Salut i altres organitzacions, tant governamentals com no governamentals”

JOSEP PEÑUELAS, investigador del CREAF i el CSIC.

“Tal com hem vist en el treball, l’hivern 2020-2021 es podrien haver evitat prop d’un milió de casos diaris de Covid19 si s’haguessin optimitzat el temps i els nivells de restricció del confinament”, assegura Rong Wang, científic de la Universitat de Fudan (Xina) i coordinador d’aquesta investigació, que ha comptat amb finançament del programa PANDÈMIES 2020 de l’Agència de Gestió d’Ajuts Universitaris i de Recerca (AGAUR).

Nitrogen i activitat econòmica

Per entrenar el model, s’han comparat els nivells de NO₂ observats pels satèl·lits durant les setmanes de confinament després del brot de Covid19 el 2020, amb els del període 2016-2019 a les mateixes zones. Les observacions cobreixen 211 àrees geogràfiques, de les quals 31 són províncies a la Xina, 51 són estats dels EUA i 129 són països d’Europa, Est d’Àsia, Àfrica i Amèrica Llatina. Aquestes dades s’han correlacionat amb el nombre de contagis en cadascuna d’aquestes superfícies en les setmanes de confinament i les posteriors, un cop es van aixecar les mesures.

Els càlculs han tingut en compte variables meteorològiques, ambientals i socials que poden influir tant en els nivells de NO₂ com en la dispersió dels contagis, i que són alienes a l'activitat econòmica

A més, els càlculs s’han ajustat per tenir en compte variables meteorològiques, ambientals i socials que poden influir tant en els nivells de NO₂ com en la dispersió dels contagis, i que no estan relacionades amb l’activitat econòmica. El model resultant pot predir la desacceleració en els contagis en les 211 àrees a partir de les observacions de NO₂ i els 10 indicadors ambientals i socioeconòmics més determinants. El model també permet identificar altres possibles resultats en funció de les mesures implementades.

Jordi Sardans

“Aquest estudi aporta una avaluació quantitativa sobre l’efectivitat i el moment oportú per aplicar intervencions no farmacològiques com ara el confinament per contenir epidèmies com la Covid19”

JORDI SARDANS, investigador del CREAF.

“Sabíem que mesures no farmacològiques com ara el confinament són efectives per contenir les epidèmies com la Covid19, però encara ens faltava una avaluació quantitativa de l’efectivitat i el moment adequat d’aplicació d’aquestes intervencions en diferents regions del món”, conclou l’investigador del CREAF Jordi Sardans.

Article de referència:

Xiaofan Xing et al. 2021. Predicting the effect of confinement on the COVID-19 spread using machine learning enriched with satellite air pollution observations. PNAS. DOI: 10.1073/pnas.2109098118

Comparteix l'article!

Articles relacionats

La recerca s'ha realitzat en fagedes i pinedes d'arreu d'Europa. Font: Galdric Mossoll
Notícies
Galdric Mossoll

Els arbres no només absorbeixen CO2, també netegen l’aire de compostos nitrogenats

Un nou estudi internacional demostra la funció crucial que tenen uns microorganismes presents a les fulles dels arbres de retirar compostos nitrogenats de l’aire. L’estudi demostra que els arbres no només són excel·lents absorbint diòxid de carboni, sinó que tenen un paper sorprenent en la retenció i transformació d’altres contaminants com els compostos nitrogenats. 

Hem canviat la versió del Wordpress. Per llegir entrades anteriors al 2020 en els diferents idiomes (català, castellà o anglès), ves a la portada del blog, escull l'idioma amb el selector del menú superior i cerca l’entrada a la barra de la lupa.

Dona’t d’alta al Newsletter per rebre totes les novetats del CREAF al teu e-mail.

Ajuda'ns a moure

l'ecologia