Shapefile Sebaran Kualitas Udara PM2.5

Shapefile Prediksi Kualitas Udara PM2.5 ini merupakan model yang dikembangkan memanfaatkan data satelit untuk mengolah berbagai variabel lingkungan yang berkontribusi terhadap tingkat polusi udara.

PM2.5 merupakan partikel udara dengan diameter kurang dari 2,5 mikrometer yang dapat menimbulkan dampak serius terhadap kesehatan manusia. Partikel ini berasal dari berbagai sumber, seperti emisi kendaraan bermotor, pembakaran biomassa, dan aktivitas industri. Karena ukurannya yang sangat kecil, PM2.5 dapat dengan mudah terhirup dan masuk ke dalam sistem pernapasan, menyebabkan berbagai masalah kesehatan seperti gangguan paru-paru.

Dalam konteks pemantauan kualitas udara, ini bisa menjadi alat yang sangat penting dalam visualisasi, analisis spasial, dan pengambilan keputusan berbasis data dan memungkinkan integrasi berbagai sumber data untuk membuat peta distribusi PM2.5 yang akurat dan informatif.

SHP yang dihasilkan dari model ini dirancang untuk memperkirakan distribusi PM2.5 berdasarkan beberapa variabel lingkungan yang berpengaruh:

1. Polusi Aerosol – Indikator utama keberadaan partikel udara di atmosfer.
2. Konsentrasi Gas Polutan (NO₂ & SO₂) – Gas pencemar yang berkorelasi dengan tingginya PM2.5.
3. Kecepatan Angin & Kelembaban Udara – Faktor meteorologi yang memengaruhi penyebaran polusi.
4. Tingkat Urbanisasi – Menggambarkan kontribusi aktivitas manusia terhadap peningkatan polusi udara.

Model ini menggunakan input data dari Tren Perubahan Kualitas Udara PM2.5 Tahunan sebagai referensi utama dalam memahami pola perubahan polusi udara dari tahun ke tahun. Dengan mempertimbangkan tren historis ini, estimasi yang dihasilkan dapat memberikan gambaran lebih akurat terkait dinamika kualitas udara di suatu wilayah.

Dengan mengombinasikan variabel-variabel diatas, model ini mampu memperkirakan konsentrasi PM2.5 dalam satuan µg/m³ secara spasial, memberikan gambaran lengkap tentang distribusi kualitas udara di suatu wilayah.

Pendekatan Normalisasi Data

Agar hasil perhitungan lebih akurat dan stabil, model ini menggunakan metode Robust Scaling Normalization. Normalisasi ini dipilih karena lebih tahan terhadap outlier. Dengan metode ini, variasi data tetap terjaga tanpa dipengaruhi oleh nilai ekstrem, sehingga distribusi hasil lebih representatif terhadap kondisi sebenarnya. Metode lain yang bisa digunakan adalah Z-Score Normalization namun kekurangannya adalah sensitif terhadap outlier (nilai ekstrem bisa memengaruhi hasil).

Jika berminat mendapatkan data format SHP Shapefile diatas, silahkan hubungi admin melalui Contact Form/Whatsapp. Jika tidak ada halangan dan kesibukan lainnya, admin akan langsung merespon pesan yang teman-teman kirimkan.

Baca Juga:

1. Daftar kumpulan data shapefile (SHP) berbagai tema.
2. Kumpulan Tutorial GIS dan Remote Sensing

Baiklah sekian dulu untuk sharing kali ini tentang SHP Prediksi Sebaran Kualitas Udara PM2.5. Jika ada saran, tanggapan, pertanyaan, link mati serta request silakan gunakan halaman kontak atau sosial media yang ada di website Lapak GIS. Terima Kasih.