بهره گیری از مدل یادگیری ماشین در بررسی عوامل محیطی تاثیرگذار بر غلظت ازون سطحی

ازون تروپوسفری یکی از گازهای کلیدی در شیمی جو است که در سطوح پایین جو و نزدیک سطح زمین به عنوان آلاینده ثانویه نقش ایفا می کند. هدف این پژوهش بررسی عوامل محیطی تاثیرگذار بر غلظت ازون سطحی بر فراز شهر تهران طی دوره زمانی ۱۹۹۷ تا ۲۰۲۲ با استفاده از یک مدل برگزیده یادگیری ماشین می باشد. برای این منظور از داده های پروفیل قائم IAGOS و الگوریتم قدرتمند XGBoost استفاده شد. نتایج نشان داد که به طور کلی غلظت ازون در لایه مرزی دارای بیشینه فصلی در تابستان و کمینه در پاییز است و با دمای هوا همبستگی مثبت و عموما با رطوبت نسبی همبستگی منفی دارد. عملکرد مدل در لایه سطحی تروپوسفر با ضریب همبستگی (۰/۷۱) در داده های آزمون، متوسط ارزیابی شد. یافته های این پژوهش نشان می دهد که تحلیل داده های بلند مدت پروفیل قائم جو همراه با تکنیک های یادگیری ماشین ابزاری موثر برای درک تغییرات ازون در مناطق شهری فراهم می آورد و می تواند به پیش بینی دقیق تر کیفیت هوا و تدوین راهبردهای زیست محیطی کمک کند.

کلیدواژه ها:

ازون تروپوسفری ، IAGOS ، یادگیری ماشین ، تهران