کاربرد داده های ماهواره ای modis برای پایش و مدل سازی ریزگردها و برخی از نمایه های آلودگی هوا در گستره شهر شیراز
چکیده
چکیده کاربرد داده های ماهواره ای modis برای پایش و مدل سازی ریزگردها و برخی از نمایه های آلودگی هوا در گستره شهر شیراز به کوشش علیرضا دهقانی یکی از جستارهای ریشه ای بوم زیستی بررسی چگونگی آب و هواست. روشن است که چگونگی آب و هوای زمین در پیوند با کنش گرانی چون دگرگونی گازهای جوی، پوشش ابرها، تابش خورشیدی وریزگردها(aerosol) می باشد. ازاین روی برای داشتن مدلی که به خوبی نشان گر چگونگی آب وهوا باشد و توانایی پیش بینی آن را نیز داشته باشد، نیاز است به کمک امکاناتی بتوان رفتارهای این گونه کنش گران کارا را پایش کرد. پیش بینی تراکم ریزگرد ها، گامی کارا در ایجاد تصمیمات لازم برای روبرو شدن با آلودگی هوا می باشد. برای این کار می توانیم مدل های ریاضی و روش های آماری را بکار ببریم. مدل های ریاضی و آماری همانند رگرسیون، شبکه های عصبی و مدل های احتمالاتی برای مدل سازی آلودگی هوا بکار برده می شوند. برای پایش آلودگی هوا و ریزگردها، بکارگیری سنجنده های ماهواره ای در سنجش با ایستگاه های زمینی، از برتری های فراوانی برخوردار است. از این رو، چندی است که کاربرد این سنجنده ها برای سنجش آلودگی هوا و بویژه ریزگردها در دستور کار کارشناسان و برنامه ریزان شهری جای گرفته است. در کنار پوشش گسترده، داده های ماهواره ای تا اندازه زیادی از هزینه کمتری برای گرد آوری داده ها نسبت به روش های قدیمی، برخوردار هستند. ایستگاه های بررسی آلودگی زمین روزانه میزان آلاینده ها را در بخش های گوناگون شهر گرد آوری می کنند، اما این ایستگاه ها پخش مساوی در سرتاسر شهر ندارند و بنابراین برای بدست آوردن الگوهای پیچیده آلودگی در شهر کافی نیستند. با مقایسه این داده ها با داده های فضایی می توانیم به نتایج بهتری دست پیدا کنیم. در این پژوهش به بررسی همبستگی میان داده های ماهواره ای و زمینی و سپس ساخت مدلی بر اساس شبکه های عصبی پرداخته شده است. همان گونه که می دانیم، داده های ماهواره ای modis در 36 باند فرکانسی گونا گون در دسترس هستند. در این پژوهش به همبستگی های خوبی میان داده های زمینی آلاینده ها و باندهای فرکانسی نگاره های ماهواره ای دست یافته شده است. در بررسی انجام شده، باند در خور برای هر آلاینده بدست آورده شده و برای بررسی همبستگی، نرم افزار matlab بکار برده شده است. سپس به ساخت مدلی از آلاینده های گوناگون به کمک شبکه های عصبی و با استفاده از داده های زمینی و داده های ماهواره ای نمونه پرداخته گردیده است، که در آن داده های ماهواره ای باند درخور برای هر آلاینده برای ورودی و داده های زمینی برای خروجی بکار برده شده اند و نتایج خوبی به دست آمده است، که در ادامه آورده شده است.