پیش ‏بینی عمق نوری آئروسل ماهواره ‏ای با استفاده از داده ‏کاوی پارامترهای اقلیمی

عمق نوری آیروسل (AOD) پارامتر سنجش‏ از ‏دور مهمی است که به‏ عنوان نماینده‏ ای از غلظت آیروسل اتمسفری برای نظارت بر طوفان ‏های گرد و غبار استفاده می‏ شود. در مطالعات پیشین ارتباط بین پارامترهای اقلیمی و AOD گزارش شده است. از طریق تجزیه‏ و‏ تحلیل این ارتباط می ‏توان الگوهای مکانی- زمانی AOD را پیش ‏بینی کرد. در پژوهش حاضر برای اولین بار از الگوریتم داده ‏کاوی M5P نظر به کاربرد آن در خصوص کشف اطلاعات ارزشمند از میان مجموعه ‏داده ‏های بزرگ برای استخراج مدل‏ های پیش ‏بینی‏ کننده AOD استفاده شد. بدین منظور، سری زمانی روزانه داده‏ های سنجش‏ از ‏دوری پارامترهای دمای هوا، بارش، رطوبت نسبی، و سرعت باد و AOD در یک بازه زمانی ده‏ ساله (2005-2014) در محدوده شهرستان اهواز به ‏عنوان ورودی‏ های M5P تهیه و آماده‏ سازی شد. از طریق تشکیل درخت ‏های تصمیم مبتنی بر قوانین «اگر- آنگاه» و تجزیه‏ و‏تحلیل رگرسیون چندمتغیره در چارچوب الگوریتم M5P، چهار مدل پیش‏ بینی‏ کننده خطی به ‏دست آمد. برای اعتبارسنجی مدل‏ های خطی، از آماره ‏های ضریب همبستگی پیرسون، MAE، و RMSE بهره گرفته شد. مقادیر این آماره‏ ها به ترتیب 69/0، 22/0، و 31/0 برآورد شد که حاکی از قابلیت اطمینان مدل‏ها در رابطه با پیش‏بینی AOD است. به‏ طور کلی، نتایج این پژوهش نشان داد تکنیک داده ‏کاوی در زمینه پیش ‏بینی AOD کارآمد است.