فهرست نشریات علمی دسترسی آزاد ایران

آلودگی هوا خطرات قابل توجهی را برای سلامت انسان و محیط زیست به همراه دارد، که این موضوع ایجاد راهبردهای موثر در مدیریت کیفیت هوا را ضروری می‌سازد. این مطالعه رویکردی برای مدیریت کیفیت هوا شهر تهران با استفاده از الگوریتم شبکه عصبی کانولوشن (CNN) ارائه می‌دهد. روش پیشنهادی امکان مدل سازی مکانی و تهیه نقشه خطر دو آلاینده هوایی مهم یعنی ذرات معلق 5/2 میکرومتر (PM2.5) و ذرات معلق 10 میکرون (PM10) را فراهم می‌نماید. برای توسعه این مدل آلودگی هوا، از داده‌های موجود در پایگاه داده حاوی میانگین سالانه دو آلاینده از سال ۲۰۱۲ تا ۲۰۲۲ استفاده شده است. در این مدل، پارامترهای مختلف موثر بر آلودگی هوا شامل ارتفاع، رطوبت، فاصله تا مناطق صنعتی، شاخص تفاوت نرمال شده گیاهان (NDVI)، چگالی جمعیت، بارش، فاصله تا خیابان، دما، حجم ترافیک، جهت باد و سرعت باد در نظر گرفته شده و مدل سازی مکانی دو آلاینده با استفاده از شبکه عصبی کانولوشنی (CNN) انجام گردیده است. ارزیابی مدل با استفاده از معیارهای ارزیابی مختلف انجام گردید. نتایج نشان داد مقادیر (R2) -squared Rدر این مدل برای آلاینده‌های PM2.5 و PM10 به ترتیب 889/0 و 972/0 است. دقت نقشه خطر با استفاده از مساحت زیر منحنی عملکرد مشخص کننده (relative operating characteristic) ROC)) برای دو آلاینده ارزیابی گردید که نتایج نشان دادند مدل CNN در تولید نقشه خطر آلودگی دقت قابل پذیرشی دارد. به طور کلی، نقشه‌های خطر اطلاعات مفیدی درباره مناطق جغرافیایی با خطرات آلودگی بالا ارائه می‌دهند و در تلاش‌ها به منظور تصمیم سازی و کاهش هدفمند آلودگی کمک می‌نمایند.