Modello AI mappa il PM2.5 in Africa per una politica industriale verde

Uno studio disponibile su arXiv (2604.22787) introduce un framework di machine learning che integra osservazioni satellitari e rianalisi per valutare i livelli di inquinamento da PM2.5 in tutta l'Africa, supportando la transizione del continente verso industrie più verdi. Il modello ha utilizzato 2.068.901 dati provenienti da 404 siti di monitoraggio in 29 nazioni africane (OpenAQ, 2017–2022) e ha impiegato LightGBM con convalida incrociata spaziale e tecniche di previsione conforme. Ha registrato RMSE = 30,83 ± 5,07 µg/m³, MAE = 14,54 ± 1,66 µg/m³, R² = 0,134 ± 0,023 e macro F1 = 0,336 ± 0,018 durante la convalida incrociata spaziale a 5 fold raggruppati per località. Il basso R² indica sfide nella generalizzazione geografica piuttosto che inadeguatezza del modello, poiché i benchmark con suddivisione casuale superano 0,90. In particolare, la previsione conforme a copertura marginale del 90% ha mostrato un significativo deterioramento nell'Africa orientale (PICP effettivo = 65,3% contro il 90% nominale), in linea con uno spostamento di covariate di media intensità nell'umidità. Questo sistema quantifica efficacemente le previsioni e delinea i loro limiti di applicabilità geografica, essenziali per l'infrastruttura di monitoraggio.