نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه محیط زیست، دانشگاه آزاد اسلامی واحد اصفهان (خوراسگان)، اصفهان، ایران

2 گروه محیط زیست، مرکز تحقیقات پسماند و پساب، دانشگاه آزاد اسلامی واحد اصفهان (خوراسگان)، اصفهان، ایران

3 گروه خاکشناسی، دانشگاه آزاد اسلامی واحد اصفهان (خوراسگان)، اصفهان، ایران

10.52547/envs.2021.222269.1069

چکیده

سابقه و هدف
امروزه صنعتی شدن و توسعه شهرنشینی باعث آلودگی هوا در اکثر کلان‌شهرهای جهان شده است و سالانه میلیون‌ها نفر به‌علت آلودگی هوا جان خود را از دست می‌دهند. ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﺤﺪود ﺑﻮدن ﺷﺒﻜﻪ اﻳﺴﺘﮕﺎه‌ﻫﺎى ﭘﺎﻳﺶ آﻻﻳﻨﺪه‌ﻫﺎى ﻫﻮا و ﻏﻴﺮ اﻗﺘﺼﺎدى ﺑﻮدن اﻓﺰاﻳﺶ ﺗﻌﺪاد این اﻳﺴــﺘﮕﺎه‌ﻫا در سطح شهرها، دﺳﺖﻳﺎﺑﻰ ﺑﻪ ﭘﻮﺷــﺶ ﻣﻜﺎﻧﻰ و زﻣﺎﻧﻰ ﻣﻨﺎﺳــﺐ برای ﻧﺸﺎن دادن ﺗﻐﻴﻴﺮات ﻏﻠﻈﺖ ذرات آلاینده هوا ﺑﺴﻴﺎر دﺷﻮار اﺳﺖ. بر این اساس پژوهش حاضر با هدف تهیه نقشه‌های دو سالانه (سال‌های 1397 و 1398 هجری شمسی) آلودگی هوای شهری در سطح شهر اصفهان بر اساس آلاینده‌ CO و با استفاده از داده‌های زمینی و تصاویر ماهواره‌ای سنجنده MODIS انجام شد.
مواد و روش‌ها
برای این مطالعه از دو الگوریتم ANFIS و RF استفاده شد. برای اجرای الگوریتم ANFIS، ابتدا داده‌های ایستگاه‌های زمینی پایش آلودگی هوا جمع‌آوری شد و بر اساس آن و با توجه به داده‌های عمق نوری هواویز حاصل از تصاویر سنجنده MODIS نسبت به استخراج قوانین نخستین فازی اقدام شد و در نهایت با ادغام قوانین فازی و الگوریتم شبکه عصبی مصنوعی، الگوریتم ANFIS برای مدل‌سازی پراکنش آلودگی هوا در سطح شهر اصفهان اجرا شد. در اجرای الگوریتم RF نیز از داده-های ایستگاه‌های زمینی و داده‌های عمق نوری هواویز سنجنده MODIS استفاده شد. دو پارامتر مهم در اجرای الگوریتم RF تعداد درختان جنگل و تعداد متغیرهای موجود در هر گره است که برای بهینه‌سازی آن‌ها از روش اعتبارسنجی متقابل 10 قسمتی استفاده شد.
نتایج و بحث
نتایج مدل‌سازی آلاینده CO نشان داد الگوریتم RF نتایج بهتری را نسبت به الگوریتم ANFIS ارائه داده است، به‌طوری‌که مقدار خطای RMSE الگوریتم RF 724/0 و مقدار خطای RMSE الگوریتم ANFIS 809/0 پی پی ام است، همچنین مقدار خطای MAE الگوریتم RF 636/0 و مقدار خطای MAE الگوریتم ANFIS 792/0 پی پی ام است. بنابراین می‌توان گفت الگوریتم RF از کارایی و دقت بیشتری در مدل‌سازی آلاینده‌ CO برخوردار است. نتایج پراکنش مکانی آلاینده CO با استفاده از الگوریتم ANFIS نشان داد میزان این آلاینده در سطح شهر اصفهان به‌صورت محلی تغییر می‌کند، به‌طوری‌که مناطق مرکزی و شمالی شهر اصفهان دارای بیشترین آلایندگی و مناطق شرقی و غربی اصفهان دارای کمترین آلایندگی هستند. بررسی مقادیر عددی به‌دست آمده از الگوریتم ANFIS نیز نشان داد کمترین میزان آلایندگی CO در سطح شهر اصفهان برابر با 43/1 پی پی ام و بیشترین مقدار آن برابر با 13/2 پی پی ام است. نتایج به‌دست آمده از الگوریتم RF نشان داد با حرکت از جنوب‌شرقی به سمت شمال‌غربی شهر اصفهان بر میزان آلاینده CO افزوده شده و مناطق شمال‌غربی شهر اصفهان از بیش‌ترین آلایندگی CO برخوردار هستند، بررسی مقادیر عددی به‌دست آمده از میزان آلایندگی CO بر اساس الگوریتم RF نشان داد کمترین میزان آلاینده CO برابر با 57/0 پی پی ام و بیشترین مقدار آن برابر با 27/2 پی پی ام است.
نتیجه‌گیری
در انتها می‌توان نتیجه گرفت الگوریتم‌های ANFIS و RF با داشتن ویژگی‌هایی همچون امکان مدل‌سازی غیر خطی، توانایی کاهش اثرات منفی داده‌های پرت و حساسیت کمتر به مساله کمینه محلی، روش‌هایی مناسب و دقیق در مدل‌سازی مسائل محیطی هستند. شایان به ذکر است که بخش گسترده‌ای از خطای مشاهده شده در نتایج روش‌های ANFIS و RF، مرتبط با ویژگی‌های ذاتی تصاویر سنجنده مودیس (همچون پوشش ابر و مختلط بودن بیش از حد پیکسل‌ها با توجه به ابعاد یک کیلومتری آنها) و نقطه‌ای بودن اندازه گیری‌های ایستگاه‌های زمینی و همچنین امکان خطا در داده‌های ثبت شده در ایستگاه‌های زمینی است.

کلیدواژه‌ها

عنوان مقاله [English]

Spatiotemporal modeling of CO pollutant in city of Isfahan using MODIS imagery and ANFIS and RF algorithms

نویسندگان [English]

  • Soolmaz Shamsaie 1
  • Mozhgan Ahmadi Nadoushan 2
  • Ahmad Jalalian 3

1 Department of environmental sciences, Isfahan (Khorasgan) Branch, Islamic Azad University, Isfahan, Iran

2 Department of environmental sciences, Waste and Wastewater Research Center, Isfahan (Khorasgan) Branch, Islamic Azad University, Isfahan, Iran

3 Department of Soil Sciences, Isfahan (Khorasgan) Branch, Islamic Azad University, Isfahan, Iran

چکیده [English]

Introduction
Industrialization, urbanization, and population growth are considered as the main causes of urban air pollution that is responsible for millions of deaths per year worldwide. Besides, the impact of urban air pollution on health is considerable. Respiratory, lung diseases, and heart attacks are largely due to urban air pollution. However, there is a lack of air pollution monitoring stations (hereafter simply stations) in most cities worldwide because of their high expenses, and, thus, access to high spatial and temporal coverage of air pollutants and their distribution is limited. To address this issue, the main purpose of this study was to estimate CO concentration in Isfahan, Iran, based on air pollution monitoring stations and Moderate Resolution Imaging Spectroradiometer (MODIS) data from 2018 to 2019.
Materials and methods
In the present work, we used ANFIS and Random Forest (RF) algorithms to estimate the CO concentration level. To implement the ANFIS algorithm, based on collected air pollution data from the stations and Aerosol Optical Depth (AOD) data from MODIS imagery, the basic fuzzy rules were extracted. Further, with the integration of fuzzy rules and artificial neural network algorithm, ANFIS algorithm was implemented to model the dispersion of CO level in Isfahan city. To model the dispersion of CO using the RF algorithm, air pollution data and AOD data were used. Since the number of trees and the number of variables in each node are two basic parameters in the success of the RF algorithm, a 10-fold cross-validation method was used to identify value for these two variables.
Results and discussion
Our findings indicated that the RF algorithm was more efficient and accurate in spatial modeling the dispersion of CO because it achieved better RMSE and MAE results than the ANFIS algorithm. The RMSE error value of the RF and ANFIS algorithms were 0.724 and 0.809 ppm, respectively. Furthermore, the MAE error value of the RF and ANFIS algorithms were 0.636 and 0.792 ppm, respectively. In the case of spatial dispersion of CO pollutants, the ANFIS algorithm showed that the amount of this pollutant varies in the city. For example, the central and northern regions of Isfahan had the most pollution and the eastern and western regions of Isfahan had the least pollution based on the ANFIS algorithm. Regarding the RF algorithm, it was observed that by moving from the southeast to the northwest of Isfahan, the amount of CO pollutant increases, and the northwestern regions of Isfahan had the highest CO pollution. The examination of numerical values obtained from the ANFIS algorithm showed that the lowest amount of CO pollution in Isfahan city was equal to 1.43 ppm and the highest amount was 2.13 ppm. In contrast, obtained results from the RF algorithm showed that the lowest amount of CO pollution in the city was equal to 0.57 ppm and the highest amount was 2.27 ppm.
Conclusion
Overall, it can be concluded that since ANFIS and RF algorithms are appropriate and accurate methods in modeling environmental problems due to their nonlinear modeling, the ability to reduce the negative effects of outgoing data, and less sensitivity to the local minimum problem. It should be noted that a significant part of the error observed in the results of ANFIS and RF methods was related to the intrinsic properties of MODIS imagery (i.e., cloud cover and mixed pixel problem due to the coarse resolution of MODIS imagery), point measurements of air pollution data collected from the stations, and recorded data error at the stations.

کلیدواژه‌ها [English]

  • Isfahan
  • Modeling
  • ANFIS
  • CO
  • RF