การเปรียบเทียบวิธีการประมาณค่าฝุ่นละอองขนาดเล็กด้วยดาวเทียมฮิมาวาริ 8 ในภาคเหนือของประเทศไทย
Article Sidebar
Main Article Content
บทคัดย่อ
ฝุ่นละอองขนาดเล็กไม่เกิน 2.5 ไมโครเมตร (PM2.5) สามารถตรวจวัดด้วยเครื่องมือที่ติดตั้งในสถานีวัดภาคพื้นดิน แต่เนื่องจากสถานีวัดภาคพื้นดินมีจำนวนไม่มากพอที่จะให้ข้อมูลครอบคลุมในทุกพื้นที่ได้ ปัจจุบันจึงมีการประยุกต์เทคโนโลยีการรับรู้ระยะไกลใช้ในการตรวจวัด PM2.5 ดังนั้น ในการศึกษานี้จึงเปรียบเทียบวิธีการประมาณค่า PM2.5 ด้วยการวิเคราะห์การถดถอยพหุคูณ (Multiple Linear Regression: MLR) และวิธีการวิเคราะห์องค์ประกอบหลักร่วมกับโครงข่ายประสาทเทียม (Principal Component Analysis - General Regression Neural Network: PCA-GRNN) เพื่อหาวิธีที่เหมาะสมในการประเมินค่า PM2.5 โดยใช้ข้อมูลความลึกเชิงแสงของฝุ่นละอองในอากาศ (Aerosol Optical Depth: AOD) จากดาวเทียมฮิมาวาริ 8 และ ข้อมูลกายภาพ ได้แก่ แบบจำลองระดับความสูงเชิงเลข ดัชนีพืชพรรณ และข้อมูลอุตุนิยมวิทยาในเดือน มกราคม - ธันวาคม ปี พ.ศ. 2561 และทำการสอบเทียบความถูกต้องด้วยข้อมูล PM2.5 จากสถานีวัดภาคพื้น การศึกษาพบว่า วิธี PCA-GRNN มีค่า RMSE เท่ากับ 17.76 และ R2 เท่ากับ 0.566 และวิธี MLR มีค่า RMSE เท่ากับ 33.90 และ R2 เท่ากับ 0.012 ดังนั้น วิธี PCA-GRNN สามารถประเมินค่า PM2.5 ได้ใกล้เคียงกับค่าที่ตรวจวัดจากสถานีวัดภาคพื้นดินมากกว่าวิธี MLR จึงเหมาะสมนำมาใช้ในการประมาณค่า PM2.5 ในพื้นที่ภาคเหนือได้อย่างมีประสิทธิภาพ
Article Details
เอกสารอ้างอิง
Greenpeace. (2016). Right to Clean Air. Access (5 March 2019). Available (http://www.greenpeace.org/seasia/th/)
Pollution Control Department. (2005). Situation and Management of Air and Noise Pollution Problems in 2004. He’s Company Limited Publishers. (in Thai)
Air Visual. (2018). World AQI Ranking. Access (6 March 2019). Available (https://www.airvisual.com)
Pollution Control Department. (2011). Know About Air Pollution, Pessons Concepts and Management. Kochakorn Publishing Publishers. (in Thai)
Guo, J., Xia, F., Zhang, Y., Liu, H., Li, J., Lou, M., He, J., Yan, Y., Wang, F., Min, M., and Zhai, P. (2016). Impact of Diurnal Variability and Meteorological Factors on the PM2.5 - AOD Relationship: Implications for PM2.5 Remote Sensing. Environmental Pollution. Vol. 221, pp. 94-104. DOI: 10.1016/j.envpol.2016.11.043
Zhang, W., Xu, H., and Zheng, F. (2018). Aerosol Optical Depth Retrieval Over East Asia Using Himawari-8/AHI Data. Remote Sensing. Vol. 10, Issue 137, pp. 1-19. DOI: 10.3390/rs10010137
Hirtl, M., Mantovani, S., Kruger, B. C., Triebnig, G., Flandorfer, C., Bottoni, M., and Cavicchi, M. (2014). Improvement of Air Quality Forecasts with Satellite and Ground Gased. Atmospheric Environment. Vol. 84, pp. 20-27. DOI: 10.1016/j.atmosenv.2013.11.027
Wiratchai, N. (2010). Multiple Linear Regression. Sukhothai Thammathirat Open University Publishers. (in Thai)
Zang, L., Mao, F., Guo, J., Wang, W., and Pan, X. (2018). Estimating Hourly PM1 Concentrations from Himawari-8 Aerosol Optical Depth in China. Environmental Pollution. Vol. 241, pp. 654-663. DOI: 10.1016/j.envpol.2018.05.100
Al-Mahasneh, A. J., Anavatti, S., Garratt, M., and Pratama, M. (2018). Applications of General Regression Neural Networks in Dynamic Systems. Digital Systems. pp. 133-154. DOI: 10.5772/intechopen.80258
