حسگرهای همراه

آلودگی هوا از جمله پدیده های پیچیده ای است که دارای دینامیک غیرخطی بوده و تأثیر پارامترهای متنوع بر رفتار آن، تجزیه و تحلیل و مدل سازی تغییرات مکانی و زمانی غلظت آلاینده ها را با دشواری های فراوانی مواجه می سازد. هدف از این مطالعه  بهبود دقت مدل سازی آلاینده های هوا به منظور مدیریت مواجهه با استفاده از داده های حاصل از حسگرهای همراه جهت مرتفع ساختن نواقص روش رگرسیون کاربری اراضی [1] است. به منظور بهبود دقت مدل سازی LUR برای تخمین غلظت PM 2.5 از هفت ایستگاه ثابت و چهارده حسگر همراه استفاده گردید. منطقه مورد مطالعه شهر اصفهان است و محل نمونه برداری حسگرهای همراه در مکان هایی با بیشترین پیش بینی عدم قطعیت و بالاترین احتمالی که از یک حد آستانه معین تجاوز می کند، انتخاب شدند؛ سپس از آزمون آماری t برای بررسی معنی دار بودن و یا نبودن بهبود نتایج استفاده گردید. در این تحقیق، چارچوبی برای تأمین دقت مورد نظر با افزودن داده های حاصل از حسگرهای همراه؛ پیشنهاد شده است. نتایج حاصل از این تحقیق نشان داد که خطای جذر میانگین مربعات [2] حاصل از لایه زمین آمار هفت ایستگاه ثابت پایش برابر با  1.802 و RMSE حاصل از ترکیب این ایستگاه ها با چهارده ایستگاه همراه معادل با 0.591 برآورد شد. نتایج  نشان داد که حتی با افزودن یک حسگر همراه به ایستگاه های ثابت میزان RMSE 0.113  میکروگرم بر متر مکعب کاهش می یابد و با افزودن چهارده حسگر همراه به هفت ایستگاه ثابت میزان RMSE حاصل از ساخت مدل LUR حدود سه برابر کاهش می یابد. یافته های حاصل از این تحقیق نشان داد که با استفاده از چارچوب پیشنهادی می توان کیفیت هوا را در هر مکان و زمان  با دقت مورد نظر تخمین زد و قدرت تفکیک بالاتری را برای محیط های ناهمگن شهری فراهم کرد.