Estimación de la distribución espacio-temporal de concentraciones de material particulado PM2.5 con el uso de redes neuronales artificiales e información geoespacial

Abstract

La presencia de PM2.5 en la atmósfera ha sido relacionado con problemas de salud pública. Se puede medir con precisión las concentraciones de este contaminante con equipos en tierra, pero estos están limitados debido a su alto costo, por ello se propone estimar las concentraciones por medio de imágenes satelitales Landsat 8, mediciones en tierra y modelos de regresión de redes neuronales artificiales. El modelo aplicado cuenta con 13 variables de entrada, dos capas ocultas la primera con 100 nodos y la segunda con 60 nodos, ambas activadas con la función ReLU. Se obtuvo como resultado un modelo con coeficiente de correlación de 0.85 y raíz del error cuadrático medio de 7.16. Este modelo fue aplicado a imágenes satelitales de la Ciudad de México, logrando mapas de concentraciones de PM2.5.