عنوان پایان‌نامه
پایش آلودگی هوای ناشی از واحدهای صنعتی با استفاده از تصاویر ماهواره ای مطالعه موردی شهرستان اراک
- رشته تحصیلی
- برنامه‌ریزی مدیریت وآموزش محیط زیست
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده محیط زیست شماره ثبت: ENV 1072;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 60578
- تاریخ دفاع
- ۱۰ تیر ۱۳۹۲
- دانشجو
- آتنا امینی سعد
- استاد راهنما
- حمیدرضا جعفری
- چکیده
- هدف اصلی این تحقیق بررسی قابلیت داده¬های ماهواره¬ای در پایش آلودگی هوای شهرستان اراک در سال 1390 می-باشد. در این مطالعه از شاخص کیفیت هوا (AQI) و داده-های تصاویر سنجنده مودیس(MODIS) به منظور رسیدن به هدف تحقیق استفاده شده است. از آن جایی که تکنیک شبکه-های عصبی مصنوعی ابزاری قدرتمند برای بررسی متغیرهای ماهواره¬ای و محیط زیستی است، از شبکه عصبی مصنوعی چند لایه پرسپترون (MLP) به منظور بررسی قابلیت داده¬های ماهواره¬ای برای پایش آلودگی هوای شهرستان اراک استفاده شده است. برای به دست آوردن مدل بهینه شبکه عصبی که بهترین کارکرد را در این زمینه از خود نشان دهد، شبکه عصبی مصنوعی با روش توقف زود هنگام در 10 حالت با تعداد نودهای مختلف آموزش داده شده است و نتایج در کمترین میزان خطا با یکدیگر مقایسه گردیده و شبکه بهینه برای پژوهش مشخص گردیده است. شاخص کیفیت هوا بر اساس فرمول تصویب شده توسط مرکز تحقیقات آلودگی هوای پژوهشکده محیط زیست دانشکده علوم پزشگی تهران به دست آمده است، نتایج حاکی از آن است که بیشترین میزان آلودگی ناشی از PM10 در این منطقه می-باشد. از نتایج این شاخص به عنوان خروجی شبکه و از داده¬های تصویر ماهواره¬ای به عنوان ورودی آن استفاده شده است و سپس شبکه به تعداد 50 بار اجرا شده است. میانگین خطای شبکه پس از 50 بار اجرای آن 0771/0 تعیین شد. به این معنا که با این میزان خطا می¬توان شاخص کیفیت هوا با استفاده از تصاویر ماهواره¬ای همان ایستگاه را تخمین زد. ناگفته پیداست که با استفاده از داده¬های موجود این نتیجه به دست آمده است و نیاز به نمونه¬های بیشتر و تست¬های بیشتر شبکه کاملا محسوس است. واژه¬های کلیدی: پایش، آلودگی هوا،شاخص کیفیت هوا، سنجنده مودیس، شبکه عصبی
- Abstract
- The main objective of this study is to evaluate the ability of MODIS imagery for monitoring air quality index of Arak, Iran, 2011-2012. In this study the technique of artificial neural network was found as a powerful tool for analyzing the relationship between variable, therefor Multi Layer Perception Artificial Neural Network (MLPANN) is used to verify the satellite data in order to monitor the air pollution in the city of Arak. To obtain an optimal neural network model that works best in this field, artificial neural network for early stopping technique is taught in ten states with different numbers of nodes was adabted. And the results have been compared with each other in the lowest error rate and the optimal network is chosen for the research. The Air Quality Index is obtained based on a formula approved by the air pollution research center of Tehran medical science environmental research institute. The results indicate that the highest pollution in this area is resulting from PM10. The results of this index are used as the output of the network and the satellite image data as the input to the network, then the network is run for 50 times. This means that the error rate is an indicator of estimating the air quality of the station using satellite images. It goes without saying that such a result is obtained using the existing data, so , more and more tests of the network are quite sensible. Keywords: monitoring, air pollution, air quality index, MODIS sensors, neural network.
