تحلیل فضایی آلاینده PM۲.۵ و همبستگی آماری آن با پارامترهای هواشناسی (شهر تهران)

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 185

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IRIAT-14-28_004

تاریخ نمایه سازی: 2 فروردین 1404

چکیده مقاله:

امروزه آلودگی هوا به عنوان یکی از معضلات مهم شهرنشینی و زندگی صنعتی مطرح می باشد هدف از این تحقیق، تحلیل فضایی آلاینده PM۲.۵ و بررسی ارتباط آماری آن با پارامترهای جوی در محدوده کلان شهر تهران می باشد. جهت رسیدن به این اهداف از ۲ سری داده استفاده شده است: ۱. داده های غلظت روزانه  PM۲.۵ که از شرکت کنترل کیفیت هوا تهیه شد و ۲. داده های روزانه پارامترهای هواشناسی (مقدار بارندگی، تبخیر، سرعت حداکثر باد، کمینه رطوبت نسبی، ساعت آفتابی، بیشینه رطوبت نسبی، کمینه دما، بیشینه دما) که از سازمان هواشناسی تهیه و مرتب شدند. برای پهنه بندی غلظت PM۲.۵، از روش وزن دهی معکوس فاصله، استفاده شد. نتایج مدل روش درون یابی معکوس فاصله نشان می دهد که مناطق ۹، ۱۶، ۱۹ و ۲۰ دارای بالاترین مقدار آلودگی ذرات معلق و مناطق ۸، ۱۵ و ۲۲ نیز دارای کمترین مقدار غلظت هستند. جهت برقراری ارتباط آماری بین آلاینده PM۲.۵ و پارامترهای هواشناسی از آزمون همبستگی پیرسون و رگرسیون خطی چندگانه استفاده شد. نتایج همبستگی پیرسون نشان داد که PM۲.۵ با حداقل و حداکثر دما و ساعات آفتابی همبستگی مستقیم و با سرعت باد حداکثر و مقدار بارندگی همبستگی منفی دارد. ارتباط بین PM۲.۵ به عنوان متغیر وابسته و پارامترهای جوی به عنوان متغیرهای مستقل توسط دو مدل رگرسیون خطی (Enter و Stepwise) برقرار گردید. نتایج این ارتباط نشان داد که ضریب رگرسیون در مدل Enter، ۶۰/۰ و در مدل Stepwise مقدار ۵۶/۰ به دست آمد. این مقادیر تقریبا یکسان نشان از عملکرد خوب دو مدل در پیش بینی مقدار غلظت PM۲.۵ دارد. درنهایت جهت انتخاب مدل مناسب تر، مقدار خطای استاندارد تخمینی بین دو مدل با هم مقایسه گردید، که با توجه به کمتر بودن مقدار مدل Stepwise (۸۴/۵) نسبت به مدل Enter (۰۰/۶)، مدل Stepwise مناسب تر است.

نویسندگان

ابوالفضل قنبری

استاد گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه تبریز، ایران

وحید کاکاپور

دانشجوی دکتری، رشته سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه تبریز، ایران

حسین فکرت

دانشجوی دکتری، رشته سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه تبریز، ایران

مریم صادقی

دانشجوی دکتری، رشته سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه تبریز، ایران

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 :
  • The effect of climatic parameters on air pollution in Sanandaj, Iran [مقاله ژورنالی]
  • Ju Wang, Jiatong Han, Tongnan Li, Tong Wu, Chunsheng Fang. ...
  • Goudie AS, Middleton N. Desert Dust in the Global System. ...
  • Gu J, Bai Z, Liu A, Wu L, Xie Y, ...
  • Horak FSM, Gartner C, Spengler JD, Tauber E, Urbanek R, ...
  • Kermani, M., Jonidi Jafari, A., Gholami, M., Fanaei, F., Arfaeinia, ...
  • Ketabi, D., Esmaili, R., Alidadi, H., Peirovi, R. & Joulaei, ...
  • Kuo, C-Y., Chen, P-T., Lin, Y-C., Lin, C-Y., Chen, H-H. ...
  • Rahimi, M., Yazdani, M., Asadi, R. M., & Haydari, M.T. ...
  • Nasibulina, A. ۲۰۱۵. Education for Sustainable Development and Environmental Ethics. ...
  • Nasibulina, An. ۲۰۱۹. Education for Sustainable Development and Environmental Ethics. ...
  • Nourpoor, A. & Feyz, A. ۲۰۱۴. Determination of spatial and ...
  • Anusasananan, P., Morasum, D., Suwanaratand, S., Thangprasert, N. ۲۰۲۲. Correlation ...
  • Rahimi, M.; Yazdani, M.; Asadi, M. & Heydari, M. ۲۰۱۵. ...
  • Rezaei, A.; Sayadi, M. & Rezaei, M. ۲۰۱۳. Quantitative and ...
  • Robles, L. A., Ortega, J. C., Fu, J. S., Reed, ...
  • Sandstrom, T. FB. ۲۰۰۸. Desert dust, an unrecognized source of ...
  • Schaap, M. G., ۲۰۱۶. Using neural network to predict soil ...
  • Sousa SIV, Martins FG, Pereira MC, Alvim-Ferraz MCM, Ribeiro H, ...
  • Shahsavani, A., Yarahmadi, M., Mesdaghinia, A., Younesian, M., Jaafarzadeh, N., ...
  • Wu, Dan, Xu, Yuan, Zhang, Shiqiu. ۲۰۱۵. Will joint regional ...
  • Tecer, L. H.; Süren, P.; Alagha, O.; Karaca, F. & ...
  • Tor, H. O., Markey, j., Kathy, T., & Lsaac N, ...
  • Xing-Ming., X. & P. An-Hua. ۲۰۱۶. Material selection using PROMETHEE ...
  • Vassilakos, C., Saraga, D., Maggos, T., Michopoulos, J., Pateraki, S., ...
  • نمایش کامل مراجع