Модель оцінки якості повітря за супутниковими даними на основі методу групового урахування аргументів

• Datum: 2023
• Hauptverfasser: Khaidurov, Vladyslav, Yailymov, Bohdan, Shelestov, Andrii
• Format: Artikel
• Sprache: Ukrainian
• Veröffentlicht: V.M. Glushkov Institute of Cybernetics of NAS of Ukraine 2023
• Schlagworte: математичні моделі; регресійна модель; поліном Колмогорова–Габора; метод групового урахування даних; якість повітря; супутникові дані; кореляційний аналіз
• Online Zugang: https://jais.net.ua/index.php/files/article/view/201
• Назва журналу: Problems of Control and Informatics

У роботі представлено математичну модель на основі методу групового урахування аргументів (МГУА) для оцінки даних про якість повітря на рівні землі за допомогою супутникових спостережень. Забруднення повітря є серйозною екологічною проблемою, яка має значний вплив на екосистеми, здоров’я людини та зміну клімату. Наземні мережі моніторингу якості повітря забезпечують прямі вимірювання рівня забруднення, але у багатьох регіонах світу обмежені кількістю станцій. Супутникове дистанційне зондування пропонує нові можливості для послідовного та детального моніторингу якості повітря як доповнення до наземних спостережень. Однак існують певні обмеження, включно з низьким просторовим розрізненням супутникових даних, невизначеностями вимірювань і низькою частотою зйомки. У цьому дослідженні розроблено модифіковану модель МГУА для співставлення даних супутникових спостережень з наземними даними про якість повітря для дрібних твердих частинок (PM2,5) і твердих частинок розміром менше 10 мк (PM10) у місті Києві, Україна. Модель оптимально реконструює нелінійні функціональні залежності між часовими рядами супутникових і наземних змінних, одночасно оптимізуючи загальну складність моделі. Проведено кілька обчислювальних експериментів на реальних наборах даних. Результати показали сильну кореляцію між прогнозованими та емпірично спостережуваними значеннями на незалежному 25 %-му тестовому зразку (досягнуто 0,8889 для PM2,5). Для оптимізованої моделі МГУА вимагалось у          2–3 рази менше параметрів, ніж для порівнюваної архітектури нейронної мережі, щоб досягти того самого рівня точності. Це демонструє здатність запропонованого підходу точно оцінювати концентрації забруднення на рівні землі з високою роздільною здатністю на основі супутникових даних, використовуючи МГУА-моделювання. Розроблена модель надає більш повну просторово-часову картину розподілу забруднення для значного покращення можливостей моніторингу навколишнього середовища, інформування громадськості та підтримки науково обґрунтованих політичних рішень щодо стратегій пом’якшення впливу забруднення на довкілля. У дослідженні підкреслюється, що злиття супутникових і наземних даних за допомогою моделювання МГУА дозволяє значно удосконалити можливості оцінки якості повітря, щоб краще зрозуміти дрібномасштабну динаміку забруднення, захистити населення та розробити ефективні рішення для захисту навколишнього середовища.