高解像度地表温度データを用いた埋立地における熱熱点検知:活動地と閉鎖地に関する事例研究

科学分野:

• 環境科学
• リモートセンシング
• 地理情報学

背景:

• 埋立地では 廃棄物の分解により 相当な熱的活動が生じます
• 埋立地閉鎖後のモニタリングは重要ですが,高解像度の熱データはありません.
• 廃棄物の効率的な管理には 埋立地の熱的振る舞いを理解することが不可欠です

研究 の 目的:

• 機械学習を用いて 活発な埋立地と閉鎖された埋立地の熱的振る舞いを調査する.
• 衛星による陸地表面温度 (LST) データを10mの解像度まで縮小する.
• 埋立地での熱的活動を評価し,永続的なホットスポットを特定します.

主な方法:

• センチネル2のスペクトルインデックスを用いて縮小したランドサット8とランドサット9のデータを使用した.
• 自動化された機械学習フレームワークを使用して,さまざまな回帰アルゴリズム (例えば,ニューラルネットワーク,ガウスプロセス) を評価します.
• 2023-2024年に月間観測を行い,縮小されたLSTデータでホットスポット分析を行った.

主要な成果:

• ニューラルネットワーク (Net) は,アクティブなコムルジュオダ埋立地で最適であり,ガウスプロセス (Gp) は,閉鎖されたオデエリ埋立地で最適であった.
• 縮小したLSTデータは,元のデータセットと比較して高い精度 (RMSE 0.74°C 2.38°C) を示した.
• 継続的な高温地帯は,有効な埋立地と閉鎖された埋立地の両方で特定されました.

結論:

• 機械学習ベースの縮小は,埋立地のモニタリングのためのLSTの解像度を効果的に高めます.
• オダエリ埋立地では 閉鎖後も 継続的な熱活動が示されました
• 埋立地表面の温度が長期にわたって上昇し,継続的な監視が必要になります.