ارزیابی همبستگی بین داده PM10 ایستگاه زمینی سنندج و داده AOD سنجنده مادیس (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
تحقیق حاضر با هدف ارزیابی دقت داده های ماهواره ای سنجنده مادیس در پایش ریزگردها (ذرات PM 10 )، به منظور مقایسه با داده های ایستگاه زمینی سنجش آلودگی در شهر سنندج انجام گرفته است. بدین ترتیب، میزان عملکرد داده های ماهواره ای در اندازه گیری ریزگردها، در ایستگاه زمینی سنندج، مشخص می شود. ابتدا داده های ماهواره ای عمق نوری (ذرات PM 10 ) سنجنده مادیس، متناظر با داده های PM 10 زمینی تهیه شده از ایستگاه زمینی پایش آلودگی واقع در شهر سنندج، به دست آمد؛ آنگاه ضریب همبستگی دو سری داده محاسبه شد. برای پیش بینی دقیق داده های PM 10 ، دو مدل آریما و شبکه عصبی مصنوعی به کار رفت. داده های AOD سنجنده مادیس با استفاده از روش حداکثر برآورد احتمال و وزن به دست آمده از ریشه میانگین مربعات خطا، به منظور استفاده در این دو مدل، ترکیب شدند. در نهایت، روش مقایسه منفرد برای هریک از مدل ها و نیز مقایسه مدل ها، با هدف شناسایی مدل بهتر در تشخیص و پیش بینی داده های PM 10 حاصل از سنجنده مادیس، اعتبارسنجی شد. در مدل شبکه عصبی، ضریب همبستگی در مرحله آموزش 52%، در مرحله آزمون 53%، RMSE برابر با 62/1 و MAE برابر 62/2 به دست آمد. طبق محاسبات، مدل آریمای 1-0-3 تنها مدل مورد قبول با R برابر با 46/0و 06/0MAE= و 69/0RMSE= است. این بیان می کند مدل آریما مدل مناسبی برای پیش بینی داده هاست اما دقت مدل شبکه عصبی، در ارزیابی میزان همبستگی بین داده ها، بیشتر تشخیص داده شد. نتایج تحقیق نشان داد که بین داده های عمق نوری ریزگرد سنجنده مادیس با داده های زمینی رابطه مستقیمی وجود دارد و این الگوریتم قادر به شناسایی گردوغبار است و می تواند جایگزین مناسبی برای محصولات PM 10 تولیدشده از سوی ایستگاه زمینی باشد.Assessment of Correlation between PM10 Data Measured at Ground Station of Sanandaj and AOD Data of MODIS Sensor
The aim of this study was to evaluate the accuracy of MODIS satellite data in monitoring aerosol (PM10 particles) to compare with ground pollution station data It was done in Sanandaj. In this case, the performance of satellite data in measuring dust particles at Sanandaj ground station is identified. At first, the aerosol optical depth data provided by MODIS sensor was prepared based on the corresponding of the PM 10 measured by pollution monitoring station located in Sanandaj.Then, the correlation coefficient between two series of data was calculated. In order to obtain the accurate prediction of PM 10 the ARIMA and artificial neural network were used.The AOD of MODIS sensor was combined using maximum likelihood and root mean square error for input of prediction models. At last, a single comparison method for each model as well as models comparison was evaluated to identify the accurate model in predicting of PM 10 . In the ANN model R 2 was acquired in training phase as 0.52, and testing phase as 0.53 with RMSE=1.62 and MAE=2.62. The analysis showed that the ARIMA model 1-0-3 with R 2 =0.46, MAE=0.06 and RMSE=0.69 is the only acceptable model.It states that ARIMA model, is a suitable model for prediction of PM 10 . However, the ANN model was more accurately estimated for the correlation between the data.The results of presented study showed that there is direct relationship between the MODIS sensor AOD data and ground station PM 10 data.The results conclude that this algorithm is capable for detecting of dust and can be good alternative to the PM 10 provided by the ground stations measurement.
تبلیغات
