Predicting pm2.5 in Thailand using MODIS AOD

Abstract

PM2.5 is a significant problem affecting public health. Measuring PM2.5 concentration provides a guideline for preventing health issues from PM2.5. However, in Thailand, PM2.5 monitoring stations are limited. Using an artificial neural network (ANN) to estimate PM2.5 concentration from aerosol optical depth (AOD) data measured by the MODIS TERRA and AQUA satellites can help estimate PM2.5 concentration in areas without monitoring stations. The researcher collected PM2.5 data from the pollution control department and AOD data from MODIS TERRA and AQUA satellites between 2011 and 2024 and processed the data using an ANN through Weka3.8 software with an ANN structure consisting of 2 input nodes, 1 hidden layer with 6 nodes, and 1 output node. The PM2.5 concentration estimated by the ANN compared with ground-based measurements from all monitoring stations in Thailand between 2023 and 2024 found that the PM2.5 estimation method has a good accuracy with the correlation coefficient (r) of 0.70, root mean square error (RMSE) of 15.04 µg/m3, and mean bias error (MBE) of 6.21 µg/m3

ปัญหาฝุ่นละออง PM2.5 เป็นปัญหาสำคัญที่ส่งผลต่อสุขภาพของประชาชน โดยฝุ่น PM2.5 สามารถทำให้เกิดความผิดปกติของระบบทางเดินหายใจและหลอดเลือดหัวใจได้ ดังนั้นการตรวจวัดหาค่าฝุ่น PM2.5 จึงเป็นแนวทางการวางแผนในการป้องกันปัญหาอันเนื่องมาจากฝุ่น PM2.5 สำหรับประเทศไทยมีสถานีตรวจวัดภาคพื้นดินติดตั้งอยู่หลายแห่งแต่ยังครอบคลุมไม่ทั่วถึงทุกพื้นที่ การใช้ค่าความลึกเชิงแสงของฝุ่นละอองจากภาพถ่ายดาวเทียมที่มีความครอบคลุมมากกว่าจึงเป็นแนวทางในการแก้ไขปัญหานี้ เนื่องจากความสัมพันธ์ระหว่างค่าฝุ่น PM2.5 และค่าความลึกเชิงแสงของฝุ่นละอองที่มีความสอดคล้องกัน โดยใช้โครงข่ายประสาทเทียม (artificial neural network) เพื่อคำนวณค่าฝุ่น PM2.5 จากข้อมูลความลึกเชิงแสงของฝุ่นละอองที่วัดได้จากดาวเทียม MODIS (TERRA และ AQUA) จึงเป็นส่วนช่วยในการประมาณค่า PM2.5 ที่ไม่มีสถานีตรวจวัดได้ โดยผู้วิจัยทำการรวบรวมข้อมูลของค่าฝุ่น PM2.5 จากกรมควบคุมมลพิษและข้อมูลความลึกเชิงแสงของฝุ่นละอองที่วัดได้จากดาวเทียม MODIS (TERRA และ AQUA) ในระหว่างปี พ.ศ. 2554 ถึงปี พ.ศ. 2567 และได้ทำการประมวลผลข้อมูลโดยใช้โครงข่ายประสาทเทียมผ่านโปรแกรม Weka3.8 โดยโครงข่ายประสาทเทียมมีโครงสร้างประกอบด้วยข้อมูลนำเข้า (input) 2 โหนด ชั้นซ่อน (hidden Layer) 1 ชั้นประกอบด้วย โหนด 6 โหนด และข้อมูลผลลัพธ์ (output) 1 โหนด และเมื่อเทียบค่า PM2.5 ที่ได้จากการประมาณโดยใช้โครงข่ายประสาทเทียมและค่า PM2.5 ที่ได้จากสถานีวัดภาคพื้นดินของกรมควบคุมมลพิษในประเทศไทยทั้งหมดในปี พ.ศ. 2566 ถึงปี พ.ศ. 2567 พบว่าการประมาณค่า PM2.5 ที่พัฒนาขึ้นในงานวิจัยนี้มีความถูกต้องอยู่ในระดับดีโดยมีผลการเปรียบเทียบค่าสัมประสิทธิ์สหสัมพันธ์ (correlation coefficient) เท่ากับ 0.70 ค่ารากที่สองของค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง (root mean square error) เท่ากับ 15.04 ไมโครกรัมต่อลูกบาศก์เมตร และค่าเฉลี่ยความคลาดเคลื่อน (mean bias error) เท่ากับ 6.21 ไมโครกรัมต่อลูกบาศก์เมตร