ارزیابی همبستگی بین داده PM۱۰ ایستگاه زمینی سنندج و داده AOD سنجنده مادیس

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 102

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_GIS-14-2_004

تاریخ نمایه سازی: 1 مرداد 1401

چکیده مقاله:

تحقیق حاضر با هدف ارزیابی دقت داده های ماهواره ای سنجنده مادیس در پایش ریزگردها (ذرات PM۱۰ )، به منظور مقایسه با داده های ایستگاه زمینی سنجش آلودگی در شهر سنندج انجام گرفته است. بدین ترتیب، میزان عملکرد داده های ماهواره ای در اندازه گیری ریزگردها، در ایستگاه زمینی سنندج، مشخص می شود. ابتدا داده های ماهواره ای عمق نوری (ذرات PM۱۰ ) سنجنده مادیس، متناظر با داده های PM۱۰ زمینی تهیه شده از ایستگاه زمینی پایش آلودگی واقع در شهر سنندج، به دست آمد؛ آنگاه ضریب همبستگی دو سری داده محاسبه شد. برای پیش بینی دقیق داده های PM۱۰، دو مدل آریما و شبکه عصبی مصنوعی به کار رفت. داده های AOD سنجنده مادیس با استفاده از روش حداکثر برآورد احتمال و وزن به دست آمده از ریشه میانگین مربعات خطا، به منظور استفاده در این دو مدل، ترکیب شدند. در نهایت، روش مقایسه منفرد برای هریک از مدل ها و نیز مقایسه مدل ها، با هدف شناسایی مدل بهتر در تشخیص و پیش بینی داده های PM۱۰ حاصل از سنجنده مادیس، اعتبارسنجی شد. در مدل شبکه عصبی، ضریب همبستگی در مرحله آموزش ۵۲%، در مرحله آزمون ۵۳%، RMSE برابر با ۶۲/۱ و MAE برابر ۶۲/۲ به دست آمد. طبق محاسبات، مدل آریمای ۱-۰-۳ تنها مدل مورد قبول با R برابر با ۴۶/۰و ۰۶/۰MAE= و ۶۹/۰RMSE= است. این بیان می کند مدل آریما مدل مناسبی برای پیش بینی داده هاست اما دقت مدل شبکه عصبی، در ارزیابی میزان همبستگی بین داده ها، بیشتر تشخیص داده شد. نتایج تحقیق نشان داد که بین داده های عمق نوری ریزگرد سنجنده مادیس با داده های زمینی رابطه مستقیمی وجود دارد و این الگوریتم قادر به شناسایی گردوغبار است و می تواند جایگزین مناسبی برای محصولات PM۱۰ تولیدشده از سوی ایستگاه زمینی باشد.

کلیدواژه ها:

مادیس ، PM۱۰ ، عمق نوری ذرات معلق ، سنندج

نویسندگان

محمدحسین قلی زاده

استادیار گروه آب وهواشناسی، دانشکده منابع طبیعی، دانشگاه کردستان

جمیل امان اللهی

دانشیار گروه محیط زیست، دانشکده منابع طبیعی، دانشگاه کردستان

فردین رحیمی

کارشناس ارشد آب و هواشناسی کاربردی، دانشگاه کردستان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Adamson, I., Prieditis, H. & Vincent, R.,۱۹۹۹, Pulmonary Toxicity of ...
  • Amanollahi J., Kaboodvanpour, S., Abdullah, A.M. & Ramli, M.F., ۲۰۱۱, ...
  • Chrysoulakis, N., Spiliotopoulos, M., Domenikiotis, C. & Dalezios, N., ۲۰۰۳, ...
  • Ghorbani salkhord, R., Mubasheri, M., Rahimzadegan, M., ۱۳۸۹, Capability of ...
  • Gupta, P., Christopher, S.A., Box, M.A. & Box, G.P., ۲۰۰۷, ...
  • Haywood, J. & Boucher, O., ۲۰۰۰, Estimates of the Direct ...
  • Kampe, T.U., ۲۰۰۸, Data Analysis from Remote Sensing to Better ...
  • Khoshsima, M., Aliakbari Beidokhti, A., Ahmadi Givi, F., ۱۳۹۲. Determination ...
  • Lorrain & Remer, ۲۰۰۶, Global Aerosol Climatology from the MODIS ...
  • Mirzaei, M., Amanollahi, J. & Tzanis, C.G., ۲۰۱۹, Evaluation of ...
  • Park, S., Lee, J., Im, J., Song, C-K., Choi, M., ...
  • Soleimani A., Mohammad Asgari, H., Dadalehi, SA., Elmizadeh, H., Cheraghi, ...
  • Sotoudian S., Arhami, M., ۱۳۹۰, Investigation of Satellite Data in ...
  • Tanre, D., Kaufman, Y.J., Herman, M. & Mattoo, S., ۱۹۹۷, ...
  • Tzanis, C., Varotsos, C., Christodoulakis, J., Tidblad, J., Ferm, M., ...
  • Wang, J. & Christopher, S.A., ۲۰۰۳, Inter Comparison between Satellite-Derived ...
  • Wang, J., Pan, Y., Tian, S., Chen, X., Wang, L. ...
  • Wei, C., Aiping, F. & Lei, Y., ۲۰۱۷, Performance of MODIS C۶ Aerosol ...
  • Xu, H., Guanga, J., Xue, Y., Gerrit, D.L., Leeuwc, Y.H., ...
  • Yadav, A.K., Sahoo, S.K., Dubey, J.S., Kumar, A.V., Pandey, G. ...
  • نمایش کامل مراجع