MAIAC AODデータを用いたイラン,テヘランにおけるPM_2.5の高分解能マッピングのための機械学習ベースフレームワーク【JST・京大機械翻訳】

Bagheri Hossein

プレプリント

J-GLOBAL ID：202202200662765302 整理番号：22P0325590

MAIAC AODデータを用いたイラン,テヘランにおけるPM_2.5の高分解能マッピングのための機械学習ベースフレームワーク【JST・京大機械翻訳】

A machine learning-based framework for high resolution mapping of PM2.5 in Tehran, Iran, using MAIAC AOD data

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (1件)：
資料名：
発行年： 2022年04月05日プレプリントサーバーでの情報更新日： 2022年04月05日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

高分解能衛星AOD(MAIAC)検索を用いて,Tehran市のPM_2.5濃度の高分解能マッピングの可能性を調べた。この目的のために,3つの主な段階,データ前処理を含むフレームワーク;回帰モデリング;そして,モデル展開を提案した。フレームワークの出力は,MAIAC AOD検索と気象データからPM_2.5を予測するために訓練された機械学習モデルであった。モデル試験の結果は,PM_2.5の高分解能マッピングのための開発フレームワークの効率と能力を明らかにし,これは都市にわたって行われた以前の研究では実現されなかった。したがって,本研究は,初めて,TheranのPM_2.5の1km分解能マッピングを,約0.74のR ̄2と9.0mg/m ̄3より良いRMSEで実現した。キーワード:MAIAC;MODIS;AOD;機械学習;深層学習;PM_2.5;回帰,【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

粒状物調査測定 , リモートセンシング一般

, , , , ,

前のページに戻る