مدل سازی الگوهای پراکنش مکانی آلاینده های هوا با استفاده از هوش مصنوعی و داده های چندمنبعی سنجش از دور: مطالعه موردی شهرستان مشهد

آلودگی هوا یکی از مهم ترین چالش های زیست محیطی به شمار می رود و پایش دقیق آن به دلیل محدودیت ایستگاه های زمینی، مستلزم بهره گیری از داده های سنجش از دور و روش های نوین یادگیری ماشین است. این پژوهش با هدف برآورد و تدقیق الگوهای پراکنش مکانی آلاینده های CO، NO₂، SO₂ و HCHO در شهرستان مشهد، به توسعه ی یک مدل یادگیری ماشین در چهارچوب الگوریتم جنگل تصادفی پرداخت. این مدل در بستر سامانه ی رایانش ابری Google Earth Engine و بر اساس داده های منبع باز سنجش از دوری، اقلیمی، توپوگرافی، شاخص های طیفی و اطلاعات انسانی توسعه داده شد. مدل با ضریب R² بین ۰.۸۱ تا ۰.۹۸ توانست با افزایش حساسیت مکانی به اثرات ریزمقیاس جغرافیایی محدوده ی مورد مطالعه، جزئیات مکانی دقیق تری نسبت به داده های خام سنجنده ی TROPOMI ارائه دهد، محدودیت هایی مانند نویز و خطاهای ناشی از نوسانات لحظه ای جوی را تعدیل کند و در نهایت الگوهای واقع گرایانه تری از پراکنش آلاینده ها را تولید نماید.

کلیدواژه ها:

یادگیری ماشین ، سنجش از دور ، آلودگی هوا ، رایانش ابری ، هوش مصنوعی