بررسی عمل کرد الگوریتم های مبتنی بر یادگیری ماشین و یادگیری عمیق، در تخمین غلظت ذرات PM۲.۵ با استفاده از محصولات مختلف عمق نوری آئروسل

آلودگی هوا در ردیف یکی از زیا نبارترین بلایای طبیعی قرار گرفته است. ذرات معلق درهوا با قطر کمتر از ۲.۵میکرومتر (PM۲.۵) یکی از خطرنا کترین و مضرترین نوع ذرات در میان آلاینده های مختلف هوا برای سلامتی انسان هستند. یکی از تکنیک های تخمین PM۲.۵ استفاده از محصولات ماهواره ایی عمق نوری آئروسل (AOD) می باشد . این تحقیق به انجام آزمایش بر روی الگوریت مهای مختلف یادگیری ماشین و بررسی عملکرد آ نها درتخمین PM۲.۵ از روی داده های AOD سنجنده های MODIS و VIIRS و داده های هواشناسی می پردازد. نتایج حاکی از آن است که الگوریتم XGBooST بهترین عملکرد را برای تخمین رابطه ی AOD و RM۲.۵ از خود نشان می دهد. دقت این الگوریتم برای بهترین محصول AOD به R(۲)=۰.۸۱ رسید.

کلیدواژه ها:

عمق نوری آئروسل ، یادگیری ماشین ، PM۲.۵ ، VIIRS ، MODIS