پایش و پیش بینی کیفیت هوای کلانشهرها با استفاده از ترکیب داده های ماهواره ای، ایستگاه های زمینی و تحلیل های مکانی GIS

آلودگی هوای کلانشهرها یکی از چالش های اساسی زیست محیطی قرن حاضر به شمار می رود که پیامدهای جدی بر سلامت عمومی و اکوسیستم های شهری دارد. پایش و پیش بینی دقیق کیفیت هوا در مقیاس شهری، به دلیل پراکندگی مکانی-زمانی پیچیده آلاینده ها و محدودیت های هر یک از روش های پایش منفرد، همواره با دشواری هایی همراه بوده است. مقالهی حاضر به بررسی رویکردهای تلفیق داده های ماهواره ای، ایستگاه های پایش زمینی و تحلیل های مکانی سامانه های اطلاعات جغرافیایی (GIS) برای پایش و پیش بینی کیفیت هوای کلانشهرها می پردازد. داده های زمینی با دقت نقطه ای بالا اما پوشش مکانی محدود، داده های ماهواره ای با پوشش گسترده اما دارای شکاف های داده ای و ابهامات جوی، و مدل های شیمیایی-انتقالی با پیوستگی مکانی-زمانی اما خطاهای پارامترسازی، هر یک به تنهایی ناقص هستند. رویکردهای تلفیق داده با بهره گیری از روش های زمین آماری، یادگیری ماشین و شبکه های عصبی عمیق، امکان بهره گیری هم زمان از نقاط قوت این منابع داده را فراهم می آورند. تحلیل های مکانی GIS نیز بستر لازم برای یکپارچه سازی، تجسم و تحلیل فضایی داده های چندمنبعی را ایجاد می کنند. در این مقاله، پس از مرور مبانی نظری و روش شناسی، مطالعهی موردی شهر تهران به عنوان یکی از آلوده ترین کلانشهرهای منطقه بررسی شده و عملکرد مدل های تلفیقی شامل LSTM بهینه شده با الگوریتم باغستان و مدل های مبتنی بر کریجینگ نوآورانه ارزیابی می گردد. نتایج نشان می دهد که رویکردهای تلفیق داده می توانند دقت پیش بینی را به طور قابل توجهی افزایش داده و خطای پیش بینی را تا بیش از ۹۰٪ نسبت به داده های ماهواره ای خام کاهش دهند.

کلیدواژه ها:

پایش کیفیت هوا ، داده های ماهواره ای ، ایستگاه های زمینی ، سامانه اطلاعات جغرافیایی (GIS) ، تلفیق داده ، پیش بینی آلودگی هوا ، یادگیری ماشین ، کلانشهر