مدل سازی روابط بین تغییرات مکانی- زمانی حجم ترافیک و غلظت آلاینده ی PM۲.۵ بر پایه مدل رگرسیون وزنی جغرافیایی(GWR) و معکوس فاصله وزنی (IDW)، مطالعه موردی: کلانشهر تهران

زمینه و هدف: غلظت بالای PM۲.۵ مسبب اکثر روزهای ناسالم هوای تهران طی سال های اخیر بوده است؛ به همین منظور مطالعه حاضر با هدف تحلیل فضایی- زمانی حجم ترافیک و ارتباط آن با غلظت آلاینده ی PM۲.۵ در کلانشهر تهران طی سال های ۱۳۹۷-۱۳۹۴ با استفاده از سیستم اطلاعات جغرافیایی (GIS) انجام شد. روش کار: در این مطالعه از مدل درون یابی معکوس فاصله وزنی(IDW) Inverse Distance Weighting برای پیش بینی و پهنه بندی غلظت آلاینده ی PM۲.۵ و حجم ترافیک استفاده شد. همچنین از مدل رگرسیون وزنی جغرافیاییGeographically Weighted Regression (GWR) برای میزان ارتباط غلظت آلاینده PM۲.۵ و حجم ترافیک در نواحی مختلف کلانشهر تهران طی چهار سال متوالی (۱۳۹۴-۱۳۹۷) استفاده شده است. نتایج: نتایج حاصل از پهنه بندی غلظت آلاینده PM۲.۵ و حجم ترافیک نشان داد که نواحی جنوب و جنوب غرب بیشترین غلظت آلاینده PM۲.۵ (میانگین سالانه بیش از μg/m۳ ۴۰) و نواحی شرقی و شمالی بیشترین حجم ترافیک را داشته اند؛ همچنین بیشترین مقادیر R۲ محلی از مدلGWR  برای نواحی شرقی (بین ۳۶/۰ تا ۷۰/۰) به دست آمد. نتیجه گیری: در بیشتر مناطق تهران نمی توان ارتباط قوی بین غلظت بالای آلاینده PM۲.۵ و ترافیک یافت. با این وجود، مطالعه حاضر ارتباط ترافیک و غلظت آلاینده PM۲.۵ را رد نمی کند بلکه علت اصلی غلظت بالای PM۲.۵ را منابع دیگری می داند که در گام اول، باید شناسایی شوند؛ در گام بعدی برای رسیدن به هوایی پاک تر، به استراتژی های کنترل و کاهش حجم ترافیک پرداخته شود.

کلیدواژه ها:

PM۲.۵ Pollutant ، GIS ، Spatio-Temporal Modeling ، Traffic ، Inverse Distance Weighting (IDW) ، Geographically Weighted Regression (GWR) ، Tehran ، Iran ، آلاینده PM۲.۵ ، سیستم اطلاعات جغرافیایی ، مدل سازی فضایی- زمانی ، ترافیک ، درون یابی معکوس فاصله وزنی ، رگرسیون وزنی جغرافیایی ، تهران ، ایران