دانلود مقاله انگلیسی رایگان:تخمین PM2:5 مبتنی بر ماهواره مستقیم از بازتاب در بالای جو با استفاده از یک الگوریتم یادگیری ماشین - 2019
دانلود بهترین مقالات isi همراه با ترجمه فارسی
دانلود مقاله انگلیسی یادگیری ماشین رایگان
  • Satellite-based PM2:5 estimation directly from reflectance at the top of the atmosphere using a machine learning algorithm Satellite-based PM2:5 estimation directly from reflectance at the top of the atmosphere using a machine learning algorithm
    Satellite-based PM2:5 estimation directly from reflectance at the top of the atmosphere using a machine learning algorithm

    سال انتشار:

    2019


    عنوان انگلیسی مقاله:

    Satellite-based PM2:5 estimation directly from reflectance at the top of the atmosphere using a machine learning algorithm


    ترجمه فارسی عنوان مقاله:

    تخمین PM2:5 مبتنی بر ماهواره مستقیم از بازتاب در بالای جو با استفاده از یک الگوریتم یادگیری ماشین


    منبع:

    Sciencedirect - Elsevier - Atmospheric Environment, 208 (2019) 113-122: doi:10:1016/j:atmosenv:2019:04:002


    نویسنده:

    Jianjun Liua, Fuzhong Wengb,∗, Zhanqing Lic


    چکیده انگلیسی:

    Atmospheric particulate matter (PM) that have particle diameter less than 2.5 μm (PM2.5) are hazardous to public health whose concentration has been either measured on the ground or inferred from satellite-retrieved aerosol optical depth (AOD). The latter is subject to numerous sources of errors, making the satellite retrievals of PM2.5 highly uncertain. This study developed an ensemble machine-learning (ML) algorithm for estimating PM2.5 concentration directly from Advanced Himawari Imager satellite measured top-of-the-atmosphere (TOA) reflectances in 2016 integrated with meteorological parameters. The algorithm is demonstrated to perform well across China with high accuracies at different temporal scales. The model has an overall cross-validation coefficient of determination (R2) of 0.86 and a root-mean-square error (RMSE) of 17.3 μgm−3 for hourly PM2.5 concentration estimation. Such accuracies of the estimation on PM2.5 concentration by using TOA reflectance directly are comparable with those of the common methods on estimating PM2.5 concentration by using satellitederived AODs, but the former has a relatively stronger predictive power relating to spatial-temporal coverages than the latter. Annual and seasonal variations of PM2.5 concentration over three major the developed regions in China are estimated using the model and analyzed. The relatively stronger predictive ability of developed model in this study may help provide information about the diurnal cycle of PM2.5 concentrations as well as aid in monitoring the processes of regional pollution episodes and the evolution of PM2.5 concentration.
    Keywords: PM2.5 concentration | TOA reflectances | Machine learning


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 10
    حجم فایل: 6387 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی