پرسش و پاسخ: پایش کیفیت هوا با یادگیری عمیق که با استفاده از داده های ماهواره ای به دست می آید

ویرایش شده توسط گابی کلارک، بررسی توسط اندرو زینین

این مقاله با توجه به روند و سیاست‌های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:

پایان نامه دکترا توسط آندریا پورچدو، کارشناسی ارشد در زمینه فیزیک فنی در دانشکده علوم، جنگلداری و فناوری، پردیس Kuopio مورد بررسی قرار می گیرد.

تحقیق دکتری من مربوط به کیفیت هوا و برآورد آن با استفاده از تلفیقی از منابع داده، به ویژه داده های ماهواره ای است. کیفیت پایین هوا هر ساله منجر به مرگ و میرهای متعددی در سراسر جهان می شود. بنابراین مهم است که بدانیم کدام مناطق بیشتر تحت تأثیر قرار می گیرند تا سیاست گذاران بتوانند به سرعت برای کاهش آلودگی هوا و نجات جان افراد اقدام کنند. ایستگاه های پایش زمینی برای تخمین آلودگی هوا وجود دارد اما به ندرت قرار دارند و عمدتا در کشورهای توسعه یافته یافت می شوند. داده‌های ماهواره‌ای می‌تواند تخمین‌های جهانی را امکان‌پذیر کند، ایستگاه‌های زمینی را تکمیل کند و به نظارت بر کیفیت هوا کمک کند.

ما یک چارچوب جدید برای تخمین کیفیت هوا با استفاده از محصولات داده مدل جهانی و داده های ماهواره ای ایجاد کردیم. داده های مدل از نظر وضوح فضایی درشت هستند اما در سطح جهانی و اغلب در طول زمان در دسترس هستند. داده‌های ماهواره‌ای عموما وضوح‌های مکانی دقیق‌تر و وضوح‌های زمانی متفاوتی دارند (در مورد ما، ما با ماهواره‌های مدار قطبی با وضوح زمانی یک روزه و ماهواره‌های زمین‌ایستا با وضوح زمانی ۱۰ دقیقه کار کردیم).

با ترکیب آنها با سایر منابع داده (مانند ایستگاه های زمینی و شاخص های جغرافیایی)، هدف ما تبدیل داده های مدل با وضوح درشت به نقشه های ساعتی دقیق است که می تواند به سیاست گذاران در درک بهتر آلودگی هوا در محیط های شهری کمک کند.

برای دستیابی به نتایج خود، از یک رویکرد داده محور مدرن استفاده کردیم. به طور خاص، ما معماری های مختلف شبکه عصبی را برای ترکیب منابع داده های متعدد (تلفیقی داده) در نظر گرفتیم. به عنوان اولین گام، ما یک روش برای تخمین PM2.5 سطح زمین در زمان روگذرهای ماهواره‌ای در مدار قطبی با استفاده از مجموعه‌ای از پرسپترون‌های چند لایه توسعه دادیم. سپس از یک U-Net سه بعدی برای به دست آوردن نقشه های ریز دانه ساعتی از این نقشه های ماهواره ای مدار قطبی، داده های مدل و داده های ایستگاه زمینی استفاده کردیم. این دو مرحله اول چارچوبی را برای تخمین نقشه‌های PM2.5 ساعتی در یک شبکه وضوح 100 متری تشکیل می‌دهند.

در نهایت، به عنوان اولین گام برای گسترش این چارچوب به ماهواره‌های زمین‌ایستا، ما داده‌های ماهواره‌ای GOES-East و GOES-West را با استفاده از معماری ترانسفورماتور بر روی منطقه پیوسته ایالات متحده (CONUS) ترکیب کردیم.

پایان نامه دکتری آندریا پورچدو، کارشناسی ارشد، با عنوان از فضا تا سطح خیابان: پایش کیفیت هوا با یادگیری عمیق با استفاده از داده های ماهواره ای در دانشکده علوم، جنگلداری و فناوری، پردیس Kuopio مورد بررسی قرار می گیرد: erepo.uef.fi/items/b90a92b6-ad … 045-97658

کارشناسی ارشد زبان انگلیسی، ویرایشگر کپی از سال 2021 با تجربه در آموزش عالی و محتوای بهداشتی. تقدیم به اخبار معتبر علمی. نمایه کامل →

فوق لیسانس فیزیک با تجربه تحقیق. علاقه مندان به اخبار علمی طولانی مدت. نقش کلیدی در موفقیت سرمقاله Science X ایفا می کند. نمایه کامل →