تخمين مكاني – زماني آلاينده‌هاي منواكسيد كربن و دي‌اكسيد نيتروژن شهر تهران مبتني بر داده‌هاي حاصل از سنجش‌ازدور و داده‌هاي كمكي

آلودگي هوا يكي از پيامدهاي ناهنجار فعّاليت هاي بشر است كه نه‌تنها سلامت انسان را تهديد مي‌كند؛ بلكه بر همه عوامل محيط‌زيست ازجمله گياهان و جانوران تأثير نامطلوب مي‌گذارد. تهران به‌عنوان مركز اداري، سياسي و اقتصادي كشور و پرجمعيّت ترين شهر ايران، يكي از آلوده‌ترين شهرهاي دنيا به شمار مي رود. از مدل‌هاي خطّي و غير خطّي متعدّدي تاكنون به‌منظور مدل سازي آلودگي هوا استفاده شده است. در نوشتار پيش رو از ويژگي هاي مكاني و زماني مستخرج از تصاوير سنجش‌ازدور و داده هاي محيطي ايستگاه هاي پايش آلودگي هوا سازمان محيط‌زيست واقع در سطح شهر تهران پس از پيش‌پردازش‌هاي لازم به مثابه ورودي مدل استفاده شد. ازميان ايستگاه هاي آلاينده سنج موجود در سطح شهر تهران، با درنظرگرفتن پوشش سري زماني مشترك داده هاي ثبت‌شده، تعداد هشت ايستگاه انتخاب شد. به منظور انجام فرايند مدل‌سازي از روش شبكه عصبي مصنوعي پرسپترون چندلايه با الگوريتم آموزش لونبرگ – ماركوارت و تابع فعّال‌سازي سيگموئيدي استفاده شد. در پژوهش حاضر از داده هاي هواشناسي، داده‌هاي مربوط به غلظت آلاينده‌ها در روزهاي قبل، كاربري اراضي و نيز داده‌هاي مستخرج از تصاوير ماهواره‌اي شامل داده‌هاي مربوط به پوشش گياهي و جزاير حرارتي به‌منظور مدل‌سازي غلظت آلاينده‌ها استفاده شد. از روش تبديل موجك بر روي مقادير غلظت آلاينده ها در روزهاي قبل استفاده گرديد و سپس روش انتخاب ويژگي جنگل تصادفي بر روي ويژگي هاي ورودي مدل اعمال شد؛ همچنين با توجّه به تغييرات مكاني آلودگي هوا سعي بر آن شد كه با استفاده از اطّلاعات هفت ايستگاه، مقادير غلظت آلاينده يك ايستگاه برآورد شود. نتايج حاصل از ارزيابي مدل بيانگر كارابودن مدل ارائه‌شده در تخمين مقادير بيشينه روزانه غلظت آلاينده بود. منواكسيد كربن و دي‌اكسيد نيتروژن به ترتيب با خطاي 13% و 11.5% به‌صورت زماني پيش‌بيني شدند؛ همچنين اين دو آلاينده به‌صورت مكاني با خطاي تخمين كمتر از 17% پيش‌بيني شدند.