تعیین غلظت آلاینده های معلق جو (PM10) با بهره گیری از داده های سنجش از دور اپتیکی و هواشناختی
Publish place: Third National Conference on Air and Sound Management
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 609
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CANPM03_043
تاریخ نمایه سازی: 10 تیر 1396
Abstract:
در مقاله حاضر، مدلی برای برآورد غلظت روزانه ذرات معلق با قطر کمتر از 10 میکرون (PM10) با استفاده از نمایه های نورشناخت حاصل داده های سنجش از دور و کمیت های هواشناسی ارایه شده است. برای انجام این پژوهش از داده های مربوط به سنجیده مادیس، داده های سان فوتومتر شامل عمق نوری هواویزها (AOD)، نمای آنگستروم (α) و ضریب تیرگی آنگستروم (β)، داده های هواشناسی شامل فشار، دما، رطوبت، تندی و جهت باد و همچنین داده های مربوط به غلظت PM10 برای دوره دسامبر 2009 تا سپتامبر 2010 استفاده شده است. این مطالعه در منطقه زنجان صورت گرفته که دارای اقلیمی خشک، به ویژ] در تابستان است. برای پیش بینی غلظت PM10 با استفاده از نمایه های نورشناخت جو و پارامترهای هواشناختی، روش شبکه عصبی از نوع مصنوعی با تابع پایه شعاعی تحت عنوان شبکه فرا بازگشتی به کار رفته است. براساس نتایج، ضریب همبستگی بین مقادیر مشاهداتی با مقادیر پیش بینی شده برای روش همبستگی ساده چند متغیره و شبکه عصبی به ترتیب برابر 0/62 و 0/82 است. از این رو به نظر می رسد استفاده از شبکه عصبی که قادر به پیش بینی روابط پیچیده بین پارامترهای ورودی و خروجی می باشد، روش مناسبی برای برآورد غلظت PM10 با استفاده از داده های سنجش از دور اپتیکی جو است.
Keywords:
Authors
مسعود خوش سیما
استادیار، پژوهشکده سامانه های ماهواره، پژوهشگاه فضایی ایران
عباسعلی علی اکبری بیدختی
استاد، گروه فیزیک فضا، موسسه ژیوفیزیک دانشگاه تهران
فرهنگ احمدی گیوی
دانشیار، گروه فیزیک فضا، موسسه ژیوفیزیک دانشگاه تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :