基于AI与多源卫星影像的巴基斯坦IGP地区砖窑污染源高精度识别数据集构建

针对南亚地区砖窑行业无监管排放导致严重空气污染的难题，Muhammad Suleman Ali Hamdani团队创新性结合Sentinel-2低分辨率影像与Google Maps高分辨率数据，采用随机森林（Random Forest）和YOLOv8双阶段AI算法，首次构建了巴基斯坦印度河-恒河平原（IGP）地区11,277座砖窑的地理空间数据集，精准区分固定烟囱（FCBK）与Zigzag窑型，并量化PM2.5、SO2等污染物排放。该研究为发展中国家污染源监管提供了可推广的技术范式。

　　

南亚地区正面临严峻的空气污染危机，世界卫生组织数据显示该地区PM_2.5浓度超标达十倍，每年导致超200万人过早死亡。作为全球空气污染热点，印度河-恒河平原（IGP）受地形限制污染物难以扩散，而砖窑行业贡献了该区域高达91%的工业排放。传统固定烟囱砖窑（FCBK）每生产1公斤砖排放0.45克PM_2.5，但巴基斯坦等发展中国家长期缺乏精准的污染源定位数据，导致监管失效。

为解决这一难题，由巴基斯坦国立科学技术大学、奥地利萨尔茨堡大学和英国牛津大学组成的跨学科团队，在《Scientific Data》发表了首个巴基斯坦IGP地区砖窑高精度地理数据集。研究创新性地采用"低分辨率广覆盖+高分辨率精校验"的双阶段技术路线：首先利用Sentinel-2影像（10米分辨率）训练随机森林模型进行初步识别，通过后处理管道（包括形态学闭运算、20米半径去重等）将初始20,873个疑似点优化至11,536个；继而采用YOLOv8模型（mAP@50达95%）对Google Maps静态API获取的1280×1280像素影像进行验证，最终确认11,277座砖窑的地理坐标，并分类为FCBK与Zigzag两种技术类型。

关键技术方法包括：1）基于Google Earth Engine平台的Sentinel-2 MSI Level-2A影像处理；2）随机森林分类器（500决策树）与OpenCV后处理管道；3）YOLOv8n模型训练（250 epochs，AMP加速）；4）LandScan Global 2023人口数据空间叠加分析。

研究结果显示：

1. 区域分布特征：北部旁遮普省和开伯尔-普赫图赫瓦省（KP）检测准确率最高（71.8%），信德省和南部旁遮普省因红土干扰存在较高假阳性（37%验证通过率）。
2. 排放差异：Zigzag窑较FCBK可减少60%的PM和CO排放，但该技术仅占检测总量的26.5%。
3. 健康风险：1公里缓冲区内平均覆盖1,274人口，9.8%的砖窑邻近教育或医疗机构。

结论表明，该数据集首次实现了巴基斯坦IGP地区砖窑的资产级定位，通过开源代码（GitHub/APAD）和Zenodo共享的GeoJSON格式数据，支持监管部门针对未注册窑炉采取精准干预。研究证实AI与多源遥感结合可大幅降低传统地面调查成本（节省约60,000张高分辨率影像费用），为发展中国家建立污染源动态监测体系提供了可复制的技术框架。未来可通过纳入MODIS气溶胶数据进一步验证排放估算，推动南亚区域空气质量协同治理。