کد خبر:۱۱۹۰۲۹۷
در گفتگو با دانشجو مطرح شد:

روش‌های سنجش از دور/ابزاری ارزشمند برای پایش محیط زیست و برنامه‌ریزی شهری

رییس گروه مطالعات محیط زیست مرکز مطالعات و برنامه ریزی شهر تهران گفت: با به‌کارگیری تکنولوژی سنجش از دور و روش‌های هوش مصنوعی، میزان غلظت آلاینده‌های اصلی مانند ذرات معلق، اوزون، نیتروژن دی‌اکسید، سولفور دی‌اکسید و کربن مونوکسید در آینده برآورده شده و الگوریتم مناسبی برای این پیش‌بینی ارائه شده است.

زهرا برزگر، رییس گروه مطالعات محیط زیست مرکز مطالعات و برنامه ریزی شهر تهران در گفتگو با خبرنگار اجتماعی خبرگزاری دانشجو پیرامون پروژه پایش زیست‌محیطی آلودگی هوا اظهار داشت: این پروژه با استفاده از تصاویر ماهواره‌ای که یکی از پروژه‌های موفق مرکز مطالعات و برنامه ریزی شهر تهران و گروه محیط زیست است، از بستر موتور گوگل ارث (Google Earth) برای استخراج داده‌های آلودگی هوای تهران استفاده شده است.

وی افزود: با به‌کارگیری تکنولوژی سنجش از دور و روش‌های هوش مصنوعی، میزان غلظت آلاینده‌های اصلی مانند ذرات معلق، اوزون، نیتروژن دی‌اکسید، سولفور دی‌اکسید و کربن مونوکسید در آینده برآورده شده و الگوریتم مناسبی برای این پیش‌بینی ارائه شده است.

برزگر با اشاره به بهره‌گیری از داده‌های سنجش از دور که از محصولات ماهواره‌ای Sentinel-۵ P و ERA ۵ در بازه زمانی ۲۰۱۹ تا ۲۰۲۴ استخراج شده‌اند، گفت: مدل یادگیری ماشین برای پیش‌بینی غلظت آلاینده‌های معیار مانند ذرات معلق ریز و درشت، اوزون، نیتروژن دی‌اکسید، سولفور دی‌اکسید و کربن مونوکسید در تهران توسعه یافته است. یکی از نقاط قوت این مدل، استفاده از پارامتر‌های هواشناسی ماهواره‌ای و متغیر‌های مکانی برای افزایش دقت پیش‌بینی است. وی ادامه داد: یافته‌های این مطالعه نشان‌دهنده اثربخشی روش‌های سنجش از دور و یادگیری ماشین در پیش‌بینی سطح آلودگی هوا با دقت بالا و در سطح پژوهش‌های معتبر بین‌المللی است.

رییس گروه مطالعات محیط زیست مرکز مطالعات و برنامه ریزی شهر تهران با بیان اینکه نتایج این پژوهش نشان می‌دهد با استفاده از پارامتر‌های هواشناسی ماهواره‌ای و زمینی، دقت مدل منتخب به طور متوسط ۶۹ درصد است، خاطرنشان کرد: این دقت در مقایسه با مطالعات مشابه در تهران، عملکرد قابل قبولی را برای مدل نشان می‌دهد. برای آلاینده نیتروژن دی‌اکسید، بهترین مدل برازش (روشی برای سنجش میزان سازگاری یک الگوی نظری) و برای آلاینده سولفوردی‌اکسید، ضعیف‌ترین مدل را برازش داشته است.

وی افزود: این یافته‌ها با میزان داده‌های گمشده در سری زمانی مطابقت دارد؛ به عبارت دیگر، ضعف مدل در پیش‌بینی آلاینده سولفور دی‌اکسید به دلیل کمبود داده‌های ثبت‌شده ماهواره‌ای در تهران است. بنابراین، امکان تخمین داده‌های زمینی از دست رفته با استفاده از داده‌های ماهواره‌ای برای همه آلاینده‌ها به جز سولفور دی‌اکسید با دقت بالا فراهم است. استفاده از داده‌های ماهواره‌ای نیز می‌تواند رزولوشن مکانی داده‌های زمینی را با دقت بهتری افزایش داده و پژوهش‌های مرتبط با مواجهه با آلاینده‌ها را تسهیل کند.

برزگر ضمن بیان این موضوع که یکی دیگر از کاربرد‌های این پروژه، تعیین موقعیت ایستگاه‌های زمینی و شناسایی داده‌های قابل اطمینان با استفاده از داده‌های سنجش از دور است، عنوان کرد: امکان استفاده از مدل برای شهر‌های مشابه با تعداد ایستگاه کمتر مانند کرج و قدس با عدم قطعیت پایین‌تر نیز وجود دارد. با استفاده از داده‌های ماهواره‌ای، می‌توان نقاط بحرانی شهر را در مقیاس‌های زمانی مختلف شناسایی کرده و برنامه‌ریزی‌های مدیریت شهری مانند کاهش ترددها، توسعه ناوگان حمل‌ونقل عمومی و گسترش فضای سبز را تسهیل کرد.

وی در پایان به اهمیت بهره وری از این پروژه و رویکرد استفاده از روش‌های سنجش از دور اشاره و تاکید کرد: روش‌های سنجش از دور ابزاری ارزشمند برای پایش محیط زیست، بهداشت عمومی و برنامه‌ریزی شهری بوده و امکان تصمیم‌گیری آگاهانه‌تر در توسعه و جانمایی ایستگاه‌های پایش زمینی آلودگی هوا را فراهم می‌کند.

ارسال نظر
captcha
*شرایط و مقررات*
خبرگزاری دانشجو نظراتی را که حاوی توهین است منتشر نمی کند.
لطفا از نوشتن نظرات خود به صورت حروف لاتین (فینگیلیش) خودداری نمايید.
توصیه می شود به جای ارسال نظرات مشابه با نظرات منتشر شده، از مثبت یا منفی استفاده فرمایید.
با توجه به آن که امکان موافقت یا مخالفت با محتوای نظرات وجود دارد، معمولا نظراتی که محتوای مشابهی دارند، انتشار نمی یابد.
پربازدیدترین آخرین اخبار