توسعه سامانه های پایش و هشدار آلودگی هوا مبتنی بر داده های سنجش از دور و پیش بینی های هواشناسی

آلودگی هوا به ویژه ذرات معلق ریز (PM۲.۵)، یکی از مهم ترین چالش های زیست محیطی و تهدیدهای سلامت عمومی در مناطق شهری به شمار می رود. محدودیت های شبکه های پایش زمینی از جمله پوشش مکانی ناکافی و هزینه های بالای نگهداری، ضرورت بهره گیری از رویکردهای نوین پایش را برجسته ساخته است. در این پژوهش چارچوبی یکپارچه برای توسعه سامانه های پایش و هشدار زودهنگام آلودگی هوا مبتنی بر داده های سنجش از دور و پیش بینی های هواشناسی ارائه می شود. این چارچوب بر ادغام داده های ماهواره ای شامل عمق نوری آئروسل (AOD) و آلاینده های گازی از ماهواره هایی نظیر Sentinel- MODIS و GEMS با خروجی مدل های پیش بینی عددی جو (WRF و ERAS) و الگوریتم های یادگیری ماشین و یادگیری عمیق تمرکز دارد. مرور مطالعات پیشین نشان می دهد که استفاده از مدل های هیبریدی چند منبعی می تواند دقت تخمین و پیش بینی غلظت PM۲.۵ را به طور معناداری افزایش داده و امکان پایش ساعتی، پوشش مکانی گسترده و صدور هشدارهای به موقع را فراهم سازد. این رویکرد به ویژه برای کشورهایی با شبکه پایش محدود از جمله ایران کاربرد و اهمیت بالایی دارد.

کلیدواژه ها:

پایش آلودگی هوا ، سنجش از دور ، AOD ، پیش بینی هواشناسی ، سامانه هشدار زودهنگام ، یادگیری عمیق ، PM۲.۵