ارائه یک روش مبتنی بر یادگیری ماشین برای تلفیق محصولات آئروسل سنجندهی مادیس جهت بهبود تخمین PM2.5، به عنوان یکی از مهمترین مخاطرات زیست محیطی در شهر تهران
1
گروه مهندسی نقشه برداری، دانشکده مهندسی عمران و حمل و نقل، دانشگاه اصفهان، اصفهان، ایران
2
دانشکدهی مهندسی عمران و حمل و نقل، دانشگاه اصفهان، اصفهان، ایران
10.22067/geoeh.2023.79402.1296
چکیده
آلودگی هوا در ردیف یکی از زیانبارترین مخاطرات طبیعی قرار گرفته است. ذرات معلق درهوا با قطر کمتر از 2.5 میکرومتر (PM2.5) یکی از خطرناکترین و مضرترین نوع ذرات در میان آلایندههای مختلف هوا برای سلامتی انسان هستند. یکی از تکنیکهای تخمین PM2.5 استفاده از محصولات عمق نوری آئروسل (AOD) میباشد. محصولات مختلف AOD با الگوریتمهای متفاوتی بازیابی میشوند که دارای دقت و قدرت تفکیک مکانی یکسانی نمیباشند. به دلیل تفاوت در فرضیات و تقریبات زیادی که در مراحل بازیابی AOD ها اتخاذ میشود، محصولات AOD تولید شده دارای عدم قطعیت هستند. این موضوع، باعث کاهش دقت تخمین میزان غلظت PM2.5 میگردد. هدف این مقاله بررسی امکان تلفیق محصولات AOD حاصل از مشاهدات سنجندهی MODIS (بازیابی شده توسط الگوریتمهای Deep Blue و Dark Target) بهمنظور تخمین دقیقتر PM2.5 میباشد. در این مطالعه، نخست با انجام آزمایش بر روی الگوریتمهای مختلف یادگیری ماشین و بررسی عملکرد آنها در تخمین PM2.5 از روی دادههای AOD، الگوریتم XGBoost بهعنوان الگوریتم پایه در روش تلفیق پیشنهادی انتخاب شد. سپس محصول AOD تلفیقی با استفاده از یک روش وزندهی مبتنی بر کیفیت بازیابی محصولات اولیه، تولید شد. محصول تلفیقی به همراه دادههای هواشناسی و الگوریتم XGBoost برای تخمین PM2.5 مورد استفاده قرار گرفت. نتایج حاصل از تلفیق نشان داد که دقت تخمین PM2.5 محصول تلفیقی در هر سه شاخص RMSE، MAE وR^2 نسبت به حالتهایی که محصولات به صورت منفرد استفاده شدند، بهتر است (0.77= R^2، 7.00 (µg)/m^3 MAE = ، 9.59 (µg)/m^3 RMSE=).
میرزایی, علی, باقری, حسین, & ستاری, مهران. (1402). ارائه یک روش مبتنی بر یادگیری ماشین برای تلفیق محصولات آئروسل سنجندهی مادیس جهت بهبود تخمین PM2.5، به عنوان یکی از مهمترین مخاطرات زیست محیطی در شهر تهران. جغرافیا و مخاطرات محیطی, 12(3), -. doi: 10.22067/geoeh.2023.79402.1296
MLA
علی میرزایی; حسین باقری; مهران ستاری. "ارائه یک روش مبتنی بر یادگیری ماشین برای تلفیق محصولات آئروسل سنجندهی مادیس جهت بهبود تخمین PM2.5، به عنوان یکی از مهمترین مخاطرات زیست محیطی در شهر تهران". جغرافیا و مخاطرات محیطی, 12, 3, 1402, -. doi: 10.22067/geoeh.2023.79402.1296
HARVARD
میرزایی, علی, باقری, حسین, ستاری, مهران. (1402). 'ارائه یک روش مبتنی بر یادگیری ماشین برای تلفیق محصولات آئروسل سنجندهی مادیس جهت بهبود تخمین PM2.5، به عنوان یکی از مهمترین مخاطرات زیست محیطی در شهر تهران', جغرافیا و مخاطرات محیطی, 12(3), pp. -. doi: 10.22067/geoeh.2023.79402.1296
VANCOUVER
میرزایی, علی, باقری, حسین, ستاری, مهران. ارائه یک روش مبتنی بر یادگیری ماشین برای تلفیق محصولات آئروسل سنجندهی مادیس جهت بهبود تخمین PM2.5، به عنوان یکی از مهمترین مخاطرات زیست محیطی در شهر تهران. جغرافیا و مخاطرات محیطی, 1402; 12(3): -. doi: 10.22067/geoeh.2023.79402.1296
ارسال نظر در مورد این مقاله