结合深度学习和机器学习技术,跟踪与植被覆盖相关的空气污染,利用远程传感数据
Mashoukur Rahaman1, Jane Southworth1, Amobichukwu Chukwudi Amanambu2
1Department of Geography, 3141 Turlington Hall, 330 Newell Dr., University of Florida, 32611-7315, USA.
Journal of environmental management
|February 6, 2025
概括
达卡城市快速增长与空气污染增加和绿色空间减少有关. 机器学习和深度学习证实了强烈的负相关性,强调了绿色基础设施和污染控制的必要性.
科学领域:
- 环境科学 环境科学
- 城市规划 城市规划
- 数据科学数据科学数据科学
背景情况:
- 达卡的快速城市化导致严重的空气污染和绿色空间的减少.
- 空气污染,特别是颗粒物 (PM2.5和PM10),对环境和健康构成重大风险.
- 城市绿地对环境质量和减轻污染影响至关重要.
研究的目的:
- 调查1990年至2022年达卡空气污染和城市绿地变化之间的关系.
- 应用机器学习 (ML) 和深度学习 (DL) 技术进行环境评估和预测.
- 确定植被减少和空气污染水平上升之间的因果关系.
主要方法:
- 使用ML算法 (XGB,SVM,RF) 来预测高空气污染区域.
- 使用DL模型 (Unet,Unet++,MAnet,Linknet) 来预测植被覆盖的趋势.
- 分析了从1990年到2022年的数据,以追踪环境变化.
主要成果:
- ML模型准确地确定了空气污染度高的区域.
- DL模型有效地预测了植被覆盖率下降的趋势.
- 证实了空气污染增加和植被覆盖面减少之间存在显著的负相关性.
结论:
- 这项研究证实了大卡空气污染和绿色空间之间存在强烈的反向关系.
- 调查结果强调,迫切需要综合污染管理和绿色基础设施的发展.
- ML和DL是监测环境退化和为城市规划提供信息的有价值,具有成本效益的工具.
