通过卫星图像和人工智能增强风险沟通和环境危机管理,用于空气质量指数估计

科学领域:

• 环境科学 环境科学
• 遥感 遥感 遥感 遥感
• 数据科学数据科学数据科学

背景情况:

• 空气污染是一个日益严重的全球性问题,气候变化加剧了这一问题,对健康构成重大风险.
• 像泰国这样的发展中国家面临着空气质量方面的特殊挑战,PM2.5水平经常超过世卫组织的指导方针.
• 目前的空气质量监测依赖于有限的物理设备,阻碍了大规模评估.

研究的目的:

• 开发和评估一种使用卫星图像进行大规模空气质量指数 (AQI) 估计的新方法.
• 将混合机器学习模型的性能与用于AQI预测的纯回归模型进行比较.
• 评估将"年度日" (DOY) 因素纳入空气质量预测模型的影响.

主要方法:

• 利用Landsat 8卫星图像与机器学习技术相结合,用于AQI估计.
• 开发了一种混合模型,包括分类组件 (用于分类空气质量标准) 和估计组件.
• 将混合模型与纯回归模型进行比较,将"年度日"作为额外的预测因素.

主要成果:

• 混合和纯回归模型都实现了最小的R平方 (R2>0.7),这表明性能一般良好.
• 与纯回归模型相比,拟议的混合模型表现出略高的性能.
• 纳入"年度日" (DOY) 因素进一步提高了混合模型在额外的实验中的性能.

结论:

• 混合机器学习模型为使用卫星数据进行增强,大规模的空气质量评估提供了一个有希望的方法.
• 该方法适用于泰国以外的其他地区的空气质量分析.
• 卫星图像分析与人工智能相结合,为环境数据分析和监测提供了宝贵的工具.