Please use this identifier to cite or link to this item: http://hdl.handle.net/10316/90175
Title: RSpreadNose Automatic Prediction of Air Pollution with Kriging in R
Other Titles: RSpreadNose Predição Automática de Poluição do Ar com Kriging em R
Authors: Marques, Luís Miguel Lobo Rodrigues Pinto
Orientador: Marques, Lino José Forte
Keywords: Modelação Espacio-Temporal; Kriging; Computação Paralela; Redes de Sensores Móveis; gstat; Spatio-temporal modelling; Kriging; Parallel Computing; Mobile Sensor Networks; gstat
Issue Date: 26-Feb-2020
Serial title, monograph or event: RSpreadNose Automatic Prediction of Air Pollution with Kriging in R
Place of publication or event: DEEC
Abstract: A poluição do ar está identificada como um dos principais factores de problemas desaúde, em particular, respiratórios. De acordo com a Organização Mundial de Saúde, é estimado que 4:2 milhões de mortes prematuras no mundo inteiro se devem à poluição do ar.É também sabido que alguns dos poluentes, em adição ao facto de serem prejudiciais para asaúde humana, contribuem consideravelmente para o aquecimento global, afectam padrõesmeteorológicos e comprometem rendimentos agrícolas. Para compreender melhor os efeitosda poluição, as suas causas e, com isso, poder tomar decisões mais informadas, é necessáriomonitorizar o ambiente em escalas finas. Com isto em mente, o projecto SpreadNose foiiniciado no Instituto de Sistemas e Robótica. Este projecto almeja monitorizar, modelare prever a poluição do ar em escalas espacio-temporais finas em ambiente urbano. Estadissertação segue o trabalho já desenvolvido no âmbito do projecto, no qual foi construídoum sistema de monitorização. Assim, é pretendido desenvolver o software necessário paramodelar e prever a poluição. Para isto, Kriging foi seleccionado como a ferramenta matemática para providenciar modelos matemáticos de concentrações de poluentes. O softwareimplementado na forma de um pacote da linguagem R consegue interagir com bases dedados PostgreSQL para a recolha e armazenamento de dados, e com o OpenStreetMappara obtenção de dados para a construção de mapas. São fornecidas funções para a previsão automática em pontos, tanto de forma paralela, como sequencial. Em adição sãofornecidas funções para construir mapas de poluição. O sistema desenvolvido é testado evalidado com datasets reais, obtidos através de uma rede estática de sensores e de umarede móvel, com resultados consistentes com o contexto de ambos. São gerados mapas dacidade de Zürich no âmbito dos testes, para avaliar resultados e demonstrar as capacidadesdo software.
Air pollution has long been identified as a primary factor in health related problems and, in particular, respiratory ones. According to the World Health Organization, it is estimated that $4.2$ million premature deaths world-wide are caused by air pollution. It is also known that some of these pollutants, in addition to being harmful to human health, contribute to the aggravation of global warming, affect weather patterns and compromise agricultural yield. To better understand the full effects of pollution, and achieve well-informed solutions environmental monitoring has to be done at a finer scale. With this in mind the SpreadNose project was started at the Institute of Systems and Robotics, which aims to monitor, model and predict air pollution at fine spatio-temporal resolutions. This dissertation follows the work already done in the monitoring component of the project, by aiming to provide the necessary software for modelling and prediction in the spatio-temporal context of urban areas. Hence, Kriging was selected as the mathematical tool to provide linear models of pollutant concentrations. The implemented software in the form of a R language package, allows the interaction with database systems using PostgreSQL for the collection and storing of data. It provides functions for the automatic point prediction, both in a parallel and sequential manner. The predictions are then used by the package which also makes use of OpenStreetMap data, for the construction and visualization of spatio-temporal maps.The system is tested and validated with real datasets obtained from a static sensor network and a mobile one, with results consistent with the context of each. Maps of the city of Zürich are generated in the context of the tests, to both evaluate results and to demonstrate the capabilities of the software.
Description: Dissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia
URI: http://hdl.handle.net/10316/90175
Rights: openAccess
Appears in Collections:UC - Dissertações de Mestrado

Files in This Item:
File Description SizeFormat
[Dissertação] RSpreadNose - Luís Marques.pdf18.27 MBAdobe PDFView/Open
Show full item record

Page view(s)

19
checked on Sep 24, 2020

Download(s)

20
checked on Sep 24, 2020

Google ScholarTM

Check


This item is licensed under a Creative Commons License Creative Commons