با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد).
ردیف | عنوان | نوع |
---|---|---|
1 |
Predicting ground-level PM2:5 concentrations in the Beijing-Tianjin- Hebei region: A hybrid remote sensing and machine learning approach
پیش بینی غلظت PM2:5 در سطح زمین در منطقه پکن، Beijing-Tianjin- هبی: یک روش سنجش از دور و یادگیری ماشین هیبریدی-2019 An accurate estimation of PM2.5 (fine particulate matters with diameters 2.5 mm) concentration is
critical for health risk assessment and generating air pollution control strategies. In this study, a hybrid
remote sensing and machine learning approach, named RSRF model is proposed to estimate daily
ground-level PM2.5 concentrations, which integrates Random Forest (RF), one of machine learning (ML)
models, and aerosol optical depth (AOD), one of remote sensing (RS) products. The proposed RSRF model
provides an opportunity for an adequate characterization of real-time spatiotemporal PM2.5 distributions
at uninhabited places and complex surfaces. It also offers advantages in handling complicated non-linear
relationships among a large number of meteorological, environmental and air pollutant factors, as well as
ever-increasing environmental data sets. The applicability of the proposed RSRF model is tested in the
Beijing-Tianjin-Hebei region (BTH region) during 2015e2017. Deep Blue (DB) AOD from Aqua-retrieved
Collection 6.1 (C_61) aerosol products of Moderate Resolution Imaging Spectroradiometer (MODIS) is
validated with Aerosol Robotic Network. The validation results indicate C_61 DB AOD has a high correlation
with ground based AOD in the BTH region. The proposed RSRF model performed well in characterizing
spatiotemporal variations of annual and seasonal PM2.5 concentrations. It not only is useful to
quantify the relationships between PM2.5 and relevant factors such as DB AOD, meteorological and air
pollutant variables, but also can provide decision support for air pollution control at a regional environment
during haze periods. Keywords: Remote sensing | Aerosol optical depth | Machine learning | PM2.5 | Random forest |
مقاله انگلیسی |
2 |
داده های مربوط به غلظت فلوراید و ارزیابی ریسک بهداشت آب آشامیدنی استان خراسان رضوی
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 6 - تعداد صفحات فایل doc فارسی: 8 در حالی که فلوراید (F) آنیون ضروری برای حفظ سلامت بدن انسان است، مصرف زیاد فلوراید می تواند منجر به مشکلات جدی سلامتی شود. نظارت بر میزان فلوراید آب آشامیدنی در مسیر اصلی مصرف فلوراید ، یک عامل کلیدی در پیشگیری از پیامدهای منفی بهداشتی آن است. در این مقاله به سطوح فلوراید در شبکه های توزیع آب آشامیدنی استان خراسان رضوی دسترسی داریم که طی 2016 تا 2017 جمع آوری شده است. محاسبه خطر ابتلا به سرطان ناشی از فلوراید در مناطق شهری و روستایی نیز با محاسبه¬ی مصرف روزانه مزمن (CDI) و فاکتور خطر (HQ) برای بزرگسالان و کودکان انجام شد. نمونه برداری از شبکه توزیع آب آشامیدنی در 112 منطقه مختلف خراسان رضوی صورت گرفت و غلظت فسفر ، با روش استاندارد SPADNS تعیین شد. حداقل سطح فلوراید در نمونه های شهرداری و روستایی به ترتیب 0.09 و 0.16 میلی گرم در لیتر، حداکثر آن نیز به ترتیب 1.7 و 1.1 و میانگین آن به ترتیب 0.74 و 0.59 میلی گرم در لیتر است. میانگین مقادیر میانگین CDI فلوراید در نمونه های شهری برای مردان، زنان و کودکان به ترتیب 2-10 × 1.3، 4-10 × 3.34 و 6-10 × 6.56 میلی گرم/کیلوگرم/ روز بدست امد. CDIبرای نمونه های روستایی به ترتیب برای مردان، زنان و کودکان به ترتیب2-10 × 1.51، 4-10 × 3.34 و 6-10 × 8.56 میلی گرم/کیلوگرم/ روز بدست آمد. میانگین HQ فلوراید برای مردان، زنان و کودکان در نمونه های شهری و روستایی به ترتیب 1-10 × 2.17، 3-10 × 5.56 ، 4-10 × 1.43 و 1-10 × 2.44، 3-10 × 6.26 ، 4-10 × 1.61 است. به منظور جلوگیری از خطرات بالقوه سلامتی در مناطق دارای HQ>1 به استراتژی مناسب برای کاهش سطح فلوراید آب آشامیدنی نیاز است.
کليدواژه: فلورايد | ارزيابي ريسك سلامتی | آب آشاميدني | خراسان رضوي |
مقاله ترجمه شده |