• شماره ركورد
    24738
  • شماره راهنما
    MAP3 17
  • عنوان

    بازيابي ارتفاعي عمق نوري ريزگرد با استفاده از داده سنجنده SEVIRI: منطقه مطالعاتي قاره اروپا

  • مقطع تحصيلي
    دكتري
  • رشته تحصيلي
    مهندسي نقشه برداري- سنجش از دور
  • دانشكده
    مهندسي عمران و حمل و نقل
  • تاريخ دفاع
    28 ارديبهشت 1404
  • صفحه شمار
    124 ص.
  • استاد راهنما
    مهران ستاري آبروي , مهدي مؤمني شهركي
  • كليدواژه فارسي
    ماهواره‌هاي زمين‌ايستا , نمايه عمودي AOD , CALIOP , SEVIRI , EARLINET , يادگيري ماشين
  • چكيده فارسي
    با توجه به تغييرات قابل توجه در طول زمان و مكان، تعيين دقيق عمق نوري ريزگرد ( AOD) در ارتفاعات مختلف با قدرت تفكيك مكاني و زماني كافي براي نظارت موثر بر كيفيت آب و هوا بسيار مهم است. در حالي كه مشاهدات زميني نمايه‌هاي عمودي دقيقي را ارائه مي‌دهند، داده‌هاي ماهواره‌اي براي پر كردن شكاف‌هاي مكاني و زماني اين كميت بسيار ضروري هستند. اين مطالعه از پروفايل‌هاي ليدار ابري- ريزگرد با قطبش متعامد ( CALIOP) و داده‌هاي سنجنده‌ي ( SEVIRI) براي تخمين مقادير AOD عمودي در لايه‌هاي 1.5، 3، 5 و 10 كيلومتري استفاده مي‌كند. اين برآوردها با قدرت تفكيك مكاني و زماني 3 كيلومتر × 3 كيلومتر و 15 دقيقه در اروپا به دست آمده‌اند. در اين مطالعه مدل‌هاي يادگيري ماشين از جمله تقويت گراديان شديد و جنگل تصادفي مورد استفاده قرار گرفته است كه بر روي داده‌هاي SEVIRI از سال 2017 تا 2018 براي برآوردها آموزش ديده‌اند. اعتبارسنجي با استفاده از بازيابي‌هاي CALIOP AOD در سال 2019، قابليت اطمينان يافته‌هاي ما را تأييد كرد و بر اهميت سرعت باد ( Ws) و جهت باد ( Wd) در بهبود دقت تخمين AOD تأكيد دارند. در ميان مدل‌هاي سالانه، مدل XGB نسبت به مدل RF در هر چهار لايه عملكرد بهتري نشان داد و تخمين‌هاي AOD قابل اعتماد‌تري را، با مقادير R² برابر با 0.99، 0.97، 0.98 و 0.98 براي چهار لايه از لايه‌هاي كم تا ارتفاع بالا، ارائه مي‌نمايد. اعتبارسنجي بيشتر با استفاده از داده‌هاي ايستگاه‌هاي تحقيقاتي ليدار اروپايي (EARLINET) در سراسر اروپا در سال 2020 نشان مي‌دهد كه مدل XGB همچنان با مقادير AOD بازيابي¬شده توسط EARLINET، با مقادير R² برابر با 0.86، 0.80، 0.75 و 0.59 و مقادير RMSE برابر با 0.022، 0.012، 0.015 و 0.005 براي لايه‌هاي ارتفاعي 1.5، 3، 5 و 10 كيلومتري مطابقت بهتري دارد. همچنين، ما اعتبارسنجي كيفي تخمين‌هاي AOD چندلايه را با مقايسه روندهاي فضايي با بازيابي‌هاي CALIOP AOD براي پيكسل‌هاي SEVIRI در چهار تاريخ مختلف از سال 2019 انجام داديم كه توافق قابل توجهي در سطوح مختلف AOD مشاهده مي‌شود. علاوه‌براين، مدل با موفقيت AOD را در فواصل 15 دقيقه‌اي براي دو رويداد واقعي – يك توده غبار صحرا و فوران كوه اتنا – برآورد كرد كه ويژگي‌هاي فيزيكي ثابتي مانند انتقال دوربرد در لايه‌هاي بالايي و افزايش تدريجي AOD از لايه‌هاي پايين‌تر به لايه‌هاي بالاتر تروپوسفر در طول رويدادهاي آتشفشاني را نشان مي‌دهد. نتايج اين تحقيق نشان مي‌دهد كه روش پيشنهادي، نظارت جامع بر رفتار AOD را در سراسر چهار لايه عمودي تروپوسفر تسهيل كرده و بينش‌هاي مهمي در خصوص پويايي وقوع ريزگرد ارائه مي‌دهد.
  • كليدواژه لاتين
    AOD Vertical Profile , SEVIRI , Geostationary satellite , CALIOP , EARLINET , Machine Learning
  • عنوان لاتين
    Vertical Retrieva‎l of AOD using SEVIRI data, Case Study: European Continent
  • گروه آموزشي
    مهندسي نقشه برداري
  • چكيده لاتين
    Multi-layer Aerosol Optical Depth (AOD) estimation with sufficient spatial an‎d temporal resolution is crucial for effective aerosol monitoring, given the significant variations over time an‎d space. While ground-based observations provide detailed vertical profiles, satellite data are essential for addressing the spatial an‎d temporal gaps. This study utilizes profiles from the Cloud-Aerosol Lidar with Orthogonal Polarization (CALIOP) an‎d data from the Spinning Enhanced Visible an‎d Infrared Imager (SEVIRI) to estimate vertical AOD values at 1.5, 3, 5, an‎d 10 km layers. These estimations are achieved with spatial an‎d temporal resolutions of 3 km × 3 km an‎d 15 minutes, respectively, over Europe troposphere. We employed machine learning models—XGBoost (XGB) an‎d Ran‎dom Forest (RF)—trained on SEVIRI data from 2017 an‎d 2018 for the estimations. Validation using CALIOP AOD retrieva‎ls in 2019 confirmed the reliability of our findings, emphasizing the importance of wind speed (Ws) an‎d wind direction (Wd) in improving AOD estimation accuracy. A comparison between seasonal an‎d annual models revealed slight variations in accuracy, leading to the selec‎tion of annual models as the preferred approach for estimating SEVIRI multi-layer AOD values. Among the annual models, the XGB model demonstrated superior performance over the RF model at all four layers, yielding more reliable AOD estimations with R² values 0.99, 0.97, 0.98, an‎d 0.98 for the four layers from low to high altitude layers. Further validation using data from EARLINET stations across Europe in 2020 indicated that the XGB model still achieved better agreement with EARLINET AOD profiles, with R² values of 0.86, 0.80, 0.75, an‎d 0.59, an‎d RMSE values of 0.022, 0.012, 0.015, an‎d 0.005, respectively. We performed a qualitative validation of multi-layer AOD estimations by comparing spatial trends with CALIOP AOD retrieva‎ls for SEVIRI pixels on four dates in 2019, showing strong agreement across varying AOD levels. Additionally, the model successfully estimated AOD at 15-minute intervals for two real events—a Saharan dust plume an‎d the Mount Etna eruption—revealing consistent physical characteristics, including long-range transport in the upper layers an‎d a gradual increase in AOD from lower to higher tropospheric layers during volcanic events. The results demonstrate that the proposed method facilitates comprehensive monitoring of AOD behaviour throughout the four vertical layers of the troposphere, offering important insights into the dynamics of aerosol occurrence.
  • تعداد فصل ها
    5
  • فهرست مطالب pdf
    134511
  • نويسنده

    پاشايي، مريم