ارزیابی داده های سنجنده مودیس (MODIS) در پایش غلظت آلاینده های PM۲.۵ و PM۱۰ با تاکید بر متغیرهای هواشناسی
محل انتشار: مجله تحقیقات آب و خاک ایران، دوره: 52، شماره: 12
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 296
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJSWR-52-12_003
تاریخ نمایه سازی: 31 اردیبهشت 1402
چکیده مقاله:
در این پژوهش با استفاده از داده های حاصل از سنجنده مودیس (MODIS) به ارزیابی توانایی داده های این سنجنده در برآورد غلظت آلاینده های PM۲.۵ وPM۱۰ در شهر تهران پرداخته شد. برای این منظور از داده های شش ایستگاه هواشناسی و آلودگی سنجی زمینی استفاده شد و مدل های خطی و غیرخطی برآورد غلظت هواویزها ارائه شد. متغیرهای این مدل ها شامل متغیرهای هواشناسی و عمق نوری هواویزها (AOD) مستخرج از محصولات MOD۰۴-L۲ سنجنده مودیس ماهواره ترا (TERRA) است. نتایج تحلیل های آماری نشان داد مدل رگرسیون خطی که شامل متغیرهای عمق نوری هواویزها، بارش ۲۴ ساعته، میانگین فشار بخار آب و ساعت آفتابی است، در مقیاس کل شهر تهران (۷۵/۰R۲= و ug/m۳ ۴۷/۷ RMSE=) و ایستگاه ها مناسب ترین مدل در مقایسه با بقیه مدل های به دست آمده است. در این مدل غلظت PM۲.۵ با ساعت آفتابی رابطه عکس و با بقیه متغیرها رابطه مستقیم دارد. نتایج نشان داد استفاده از متغیرهای هواشناسی و توجه به پدیده های جوی موجب بهبود عملکرد داده های سنجنده مودیس در برآورد غلظت آلاینده PM۲.۵ می شود و مدل ارائه شده می تواند مکمل مناسبی برای ایستگاه های زمینی پایش آلودگی هوا در برآورد غلظت هواویزها باشد و نواقص آن ها تا حد زیادی برطرف سازد.
کلیدواژه ها:
نویسندگان
صبا حسینی تابش
, Irrigation Engineering Department, Faculty of Agricultural Engineering and Technology, University College of Agriculture and Natural Resources, University of Tehran,
زهرا آقاشریعتمداری
Assistant Prof., Irrigation & Reclamation Engrg. Dept. University of Tehran Karaj, Iran.
سمیه حجابی
Assistant professor, Department of Water Engineering, Faculty of Agriculture, Urmia University, Urmia, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :