FenixEdu™

Dissertação

Using remotely sensed data for air pollution assessment EVALUATED

Detalhes: A poluição atmosférica constitui um problema global de extrema importância, uma vez que afeta a saúde humana e o ambiente. A existência de dados espaciais e temporais relativos a concentrações de poluentes é crucial para realizar estudos de poluição atmosférica e monitorizar as emissões. No entanto, apesar de dados de observações apresentarem excelente cobertura temporal, o número de estações é muito limitado e estas são normalmente construídas em zonas mais povoadas. O principal objetivo deste trabalho é de criar modelos capazes de prever concentrações de poluentes em locais onde não existem observações. Um modelo random forest foi desenvolvido para prever concentrações na Península Ibérica em 2019 para os seguintes cinco poluentes: NO2, O3 SO2, PM10, and PM2.5. Features do modelo incluem dados de satélite, variáveis meteorológicas, classificação do solo, variáveis temporais (mês, dia do ano), e variáveis espaciais (latitude, longitude, altitude). Os modelos foram avaliados utilizando vários métodos, incluindo validação cruzada de 10 folds por estação, na qual em cada fold são utilizadas observações de 10% das estações como conjunto de teste e as restantes como conjunto de treino. O R^2, RMSE e enviesamento médio foram determinados para cada modelo. Os modelos de NO2 e O3 apresentaram bons valores de R^2. No entanto, os modelos de SO2, PM10, e PM2.5 tiveram muito má performance. Todos os modelos sobrestimaram um pouco as concentrações de poluentes, excepto o modelo de O3. Todos os modelos apresentaram RMSE aceitáveis, excepto o modelo de O3 e PM10, onde os valores médios foram um pouco superiores.
Keywords: Poluição atmosférica, Deteção remota, Aprendizagem automática, Modelo random forest.

Discussão: novembro 15, 2022, 14:0