پیش بینی عمق نوری آئروسل ماهواره ای با استفاده از داده کاوی پارامترهای اقلیمی

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 185

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JPHGR-53-3_002

تاریخ نمایه سازی: 4 دی 1400

چکیده مقاله:

عمق نوری آئروسل (AOD) پارامتر سنجش از دور مهمی است که به عنوان نماینده ای از غلظت آئروسل اتمسفری برای نظارت بر طوفان های گردوغبار استفاده می شود. در مطالعات پیشین ارتباط بین پارامترهای اقلیمی و AOD گزارش شده است. از طریق تجزیه و تحلیل این ارتباط می توان الگوهای مکانی- زمانی AOD را پیش بینی کرد. در پژوهش حاضر برای اولین بار از الگوریتم داده کاوی M۵P نظر به کاربرد آن در خصوص کشف اطلاعات ارزشمند از میان مجموعه داده های بزرگ برای استخراج مدل های پیش بینی کننده AOD استفاده شد. بدین منظور، سری زمانی روزانه داده های سنجش از دوری پارامترهای دمای هوا، بارش، رطوبت نسبی، و سرعت باد و AOD در یک بازه زمانی ده ساله (۲۰۰۵-۲۰۱۴) در محدوده شهرستان اهواز به عنوان ورودی های M۵P تهیه و آماده سازی شد. از طریق تشکیل درخت های تصمیم مبتنی بر قوانین «اگر– آنگاه» و تجزیه وتحلیل رگرسیون چندمتغیره در چارچوب الگوریتم M۵P، چهار مدل پیش بینی کننده خطی به دست آمد. برای اعتبارسنجی مدل های خطی، از آماره های ضریب همبستگی پیرسون، MAE، و RMSE بهره گرفته شد. مقادیر این آماره ها به ترتیب ۰/۶۹، ۰/۲۲، و ۰/۳۱ برآورد شد که حاکی از قابلیت اطمینان مدلها در رابطه با پیشبینی AOD است. به طور کلی، نتایج این پژوهش نشان داد تکنیک داده کاوی در زمینه پیش بینی AOD کارآمد است.

نویسندگان

مسعود سلیمانی

دانشجوی دکتری سنجش از دور و GIS، دانشگاه تهران

میثم ارگانی

استادیار گروه سنجش از دور و GIS، دانشگاه تهران

رامین پاپی

دانشجوی دکتری سنجش از دور و GIS، دانشگاه تهران

فاطمه امیری

دانشجوی کارشناسی ارشد سنجش از دور و GIS، دانشگاه تربیت مدرس

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Alsultanny, Y. (۲۰۲۰). Machine Learning by Data Mining REPTree and ...
  • Andina, D. and Pham, D. T. (۲۰۰۷). Computational intelligence: For ...
  • Bellinger, C.; Jabbar, M. S. M.; Zaïane, O. and Osornio-Vargas, ...
  • Chu, D. A.; Kaufman, Y. J.; Ichoku, C.; Remer, L. ...
  • Darvishi Boloorani, A.; Papi, R.; Soleimani, M.; Karami, L.; Amiri, ...
  • Du, M.; Yonemura, S.; Den, H.; Shen, Z. and Shen, ...
  • Frank, E.; Wang, Y.; Inglis, S.; Holmes, G. and Witten, ...
  • Gholami, H.; Mohamadifar, A. and Collins, A. L. (۲۰۲۰). Spatial ...
  • Ghorbanzadeh, O.; Rostamzadeh, H.; Blaschke, T.; Gholaminia, K. and Aryal, ...
  • Ginoux, P.; Garbuzov, D. and Hsu, N. C. (۲۰۱۰). Identification ...
  • Ginoux, P.; Prospero, J. M.; Gill, T. E.; Hsu, N. ...
  • Goswami, S.; Chakraborty, S.; Ghosh, S.; Chakrabarti, A. and Chakraborty, ...
  • Goudie, A. S. (۲۰۰۹). Dust storms: Recent developments. Journal of ...
  • Hsu, N. C.; Tsay, S.-C.; King, M. D. and Herman, ...
  • Kaufman, Y. J.; Tanré, D.; Remer, L. A.; Vermote, E. ...
  • King, M. D.; Kaufman, Y. J.; Menzel, W. P. and ...
  • Lee, S.; Lee, M.-J. and Jung, H.-S. (۲۰۱۷). Data mining ...
  • Li, C.; Lau, A.-H.; Mao, J. and Chu, D. A. ...
  • Nabavi, S. O.; Haimberger, L. and Samimi, C. (۲۰۱۶). Climatology ...
  • Najafi, M. S.; Khoshakhllagh, F.; Zamanzadeh, S. M.; Shirazi, M. ...
  • Oprea, M.; Dragomir, E. G.; Popescu, M. and Mihalache, S. ...
  • Pal, M. (۲۰۰۶). M۵ model tree for land cover classification. ...
  • Prospero, J. M.; Ginoux, P.; Torres, O.; Nicholson, S. E. ...
  • Rahimikhoob, A.; Asadi, M. and Mashal, M. (۲۰۱۳). A comparison ...
  • Rahmati, O.; Mohammadi, F.; Ghiasi, S. S.; Tiefenbacher, J.; Moghaddam, ...
  • Samadi, M.; Darvishi Boloorani, A.; Alavipanah, S.; Mohamadi, H. and ...
  • Schober, P.; Boer, C. and Schwarte, L. A. (۲۰۱۸). Correlation ...
  • Shaban, K. B.; Kadri, A. and Rezk, E. (۲۰۱۶). Urban ...
  • Siwek, K. and Osowski, S. (۲۰۱۶). Data mining methods for ...
  • Srinivasan, D. B. and Mekala, P. (۲۰۱۴). Mining social networking ...
  • Tan, F.; San Lim, H.; Abdullah, K. and Holben, B. ...
  • Trigo, R. M.; Gouveia, C. M. and Barriopedro, D. (۲۰۱۰). ...
  • Willmott, C. J. and Matsuura, K. (۲۰۰۵). Advantages of the ...
  • Witten, I. H. and Frank, E. (۲۰۰۲). Data mining: practical ...
  • Xu, H. and Deng, Y. (۲۰۱۷). Dependent evidence combination based ...
  • Yu, Y.; Kalashnikova, O. V.; Garay, M. J.; Lee, H. ...
  • Zhao, C.; Dabu, X. and Li, Y. (۲۰۰۴). Relationship between ...
  • Zhou, Z.-H. (۲۰۰۳). Three perspectives of data mining. Artificial Intelligence, ...
  • نمایش کامل مراجع