این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
جغرافیا و پایداری محیط، جلد ۱۰، شماره ۳، صفحات ۱۰۷-۱۲۴
عنوان فارسی تخمین مکانی – زمانی آلاینده‌های منواکسید کربن و دی‌اکسید نیتروژن شهر تهران مبتنی بر داده‌های حاصل از سنجش‌ازدور و داده‌های کمکی
چکیده فارسی مقاله آلودگی هوا یکی از پیامدهای ناهنجار فعّالیت­های بشر است که نه‌تنها سلامت انسان را تهدید می‌کند؛ بلکه بر همه عوامل محیط‌زیست ازجمله گیاهان و جانوران تأثیر نامطلوب می‌گذارد. تهران به‌عنوان مرکز اداری، سیاسی و اقتصادی کشور و پرجمعیّت­ترین شهر ایران، یکی از آلوده‌ترین شهرهای دنیا به­شمار می­رود. از مدل‌های خطّی و غیر خطّی متعدّدی تاکنون به‌منظور مدل­سازی آلودگی هوا استفاده شده است. در نوشتار پیش رو از ویژگی­های مکانی و زمانی مستخرج از تصاویر سنجش‌ازدور و داده­های محیطی ایستگاه­های پایش آلودگی هوا سازمان محیط‌زیست واقع در سطح شهر تهران پس از پیش‌پردازش‌های لازم به­مثابه ورودی مدل استفاده شد. ازمیان ایستگاه­های آلاینده­سنج موجود در سطح شهر تهران، با درنظرگرفتن پوشش سری زمانی مشترک داده­های ثبت‌شده، تعداد هشت ایستگاه انتخاب شد. به­منظور انجام فرایند مدل‌سازی از روش شبکه عصبی مصنوعی پرسپترون چندلایه با الگوریتم آموزش لونبرگ – مارکوارت و تابع فعّال‌سازی سیگموئیدی استفاده شد. در پژوهش حاضر از داده­های هواشناسی، داده‌های مربوط به غلظت آلاینده‌ها در روزهای قبل، کاربری اراضی و نیز داده‌های مستخرج از تصاویر ماهواره‌ای شامل داده‌های مربوط به پوشش گیاهی و جزایر حرارتی به‌منظور مدل‌سازی غلظت آلاینده‌ها استفاده شد. از روش تبدیل موجک بر روی مقادیر غلظت آلاینده ها در روزهای قبل استفاده گردید و سپس روش انتخاب ویژگی جنگل تصادفی بر روی ویژگی­های ورودی مدل اعمال شد؛ همچنین با توجّه به تغییرات مکانی آلودگی هوا سعی بر آن شد که با استفاده از اطّلاعات هفت ایستگاه، مقادیر غلظت آلاینده یک ایستگاه برآورد شود. نتایج حاصل از ارزیابی مدل بیانگر کارابودن مدل ارائه‌شده در تخمین مقادیر بیشینه روزانه غلظت آلاینده بود. منواکسید کربن و دی‌اکسید نیتروژن به­ترتیب با خطای 13% و 5/11% به‌صورت زمانی پیش‌بینی شدند؛ همچنین این دو آلاینده به‌صورت مکانی با خطای تخمین کمتر از 17% پیش‌بینی شدند.
کلیدواژه‌های فارسی مقاله یادگیری ماشین، شبکه عصبی مصنوعی، مدل‌سازی مکانی - زمانی، منواکسید کربن، دی‌اکسید نیتروژن،
عنوان انگلیسی Spatio – Temporal Estimation of Carbon Monoxide and Nitrogen Dioxide based on Remote Sensing Data and Ancillary Data in Tehran
چکیده انگلیسی مقاله Air pollution is one of the most important consequences of human activities, which not only threatens human health but also negatively affects all elements of the environment, including plants and animals. Tehran, the capital of Iran, and the administrative, political and economic center of the country, is no exception which is constantly struggling with these hazard. So far, many linear and nonlinear models have been applied to model air pollution. In this research, 8 pollutant measurement stations distributed over Tehran were selected according to the availability of their recorded data. In order to provide a model predicting pollutants, spatially and temporally, the combination of spatial and temporal features extracted of remote sensing data and environmental data was modeled using multilayer perceptron artificial neural network. The input data include meteorological data, topography, traffic index, population data, air pollutant concentrations for the last days, and land use map. In addition, vegetation cover, distance from heat islands, and the land surface temperature derived from remotely sensed data were used as remotely sensed attributes. In order to increase the accuracy of modeling, wavelet transform and feature selection methods were used on input attributes of the model. Random forest feature selection method was applied on the input data in order to reduce the number of input attributes,. The results of the model evaluation indicated that the model was efficient in estimating the concentrations of pollutants. Temporally, carbon monoxide and nitrogen dioxide were predicted with error estimation of 13% and 11.5%, respectively. Besides, these pollutants were spatially predicted with the estimation error less than 17%.
کلیدواژه‌های انگلیسی مقاله یادگیری ماشین, شبکة عصبی مصنوعی, مدل‌سازی مکانی - زمانی, منواکسید کربن, دی‌اکسید نیتروژن
نویسندگان مقاله علی شمس الدینی |
گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده علوم انسانی، دانشگاه تربیت مدرس، تهران، ایران

وانکو احمدی |
گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده علوم انسانی، دانشگاه تربیت مدرس، تهران، ایران

نشانی اینترنتی https://ges.razi.ac.ir/article_1604_19e34b85f9f48a9560f6e551b5490eae.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات