جمیل امان اللهی

ه تحقیق حاضر با هدف ارزیابی دقت دادههای ماهوارهای سنجنده مادیس در پایش ریزگردها (ذرات PM10 ،( بهمنظـور مقایسـه بـا دادههـای ایستگاه زمینی سنجش آلودگی در شهر سنندج انجام گرفتـه اسـت. بـدینترتیـب، میـزان عملکـرد دادههـای مـاهوارهای در انـدازهگیـری ریزگردها، در ایستگاه زمینی سنندج، مشخص میشود. ابتدا دادههای ماهوارهای عمق نـوری (ذرات PM10 ( سـنجنده مـادیس، متنـاظر بـا دادههای PM10 زمینی تهیهشده از ایستگاه زمینی پایش آلودگی واقع در شهر سنندج، بهدست آمد؛ آنگاه ضریب همبستگی دو سـری داده محاسبه شد. برای پیشبینی دقیق دادههای PM10 ،دو مدل آریما و شبکۀ عصبی مصنوعی بهکار رفت. دادههای AOD سنجنده مـادیس بـا استفاده از روش حداکثر برآورد احتمال و وزن بهدستآمده از ریشۀ میانگین مربعات خطا، بهمنظور استفاده در این دو مدل، ترکیب شـدند. در نهایت، روش مقایسۀ منفرد برای هریک از مدلها و نیز مقایسۀ مدلها، با هدف شناسایی مدل بهتر در تشخیص و پیشبینـی دادههـای PM10 حاصل از سنجنده مادیس، اعتبارسنجی شد. در مدل شبکۀ عصبی، ضریب همبسـتگی در مرحلـۀ آمـوزش 52 ،%در مرحلـۀ آزمـون 53 ،%RMSE برابر با 62/1 و MAE برابر 62/2 بهدست آمد. طبق محاسبات، مدل آریمای 1-0-3 تنها مدل مورد قبول با R برابر با 46/0و 06/0=MAE و 69/0=RMSE است. این بیان میکند مدل آریما مدل مناسبی برای پیشبینی دادههاست اما دقت مدل شـبکۀ عصـبی، در ارزیابی میزان همبستگی بین دادهها، بیشتر تشخیص داده شد. نتایج تحقیق نشان داد کـه بـین دادههـای عمـق نـوری ریزگـرد سـنجنده مادیس با دادههای زمینی رابطۀ مستقیمی وجود دارد و این الگوریتم قادر به شناسایی گردوغبار است و میتواند جـایگزین مناسـبی بـرای محصولات PM10 تولیدشده از سوی ایستگاه زمینی باشد.