تخمین میزان آلودگی هوا با استفاده از داده‌های حجم ترافیک عبوری و داده‌های روزانه جوی در محدوده شهر مشهد

نویسندگان
1 هیئت علمی گروه سنجش از دور دانشگاه تربیت مدرس
2 دانشجودانشگاه تربیت مدرس
چکیده
آگاهی از میزان آلاینده‏های هوا و توزیع زمانی و مکانی آن‌ها اهمیت ویژه‏ای در تصمیم‏گیری و برنامه‏ریزی‏های مرتبط با سلامت، محیط‌زیست و برآورد کیفیت هوا در مقیاس‏های مختلف دارد. کلان‌شهر مشهد به دلیل موقعیت مذهبی، اجتماعی، فرهنگی و جغرافیای خاص خود در برخی روزهای سال آلوده‏ترین شهر کشور است. هدف این تحقیق با فرض وجود رابطه بین حجم ترافیک و غلظت آلاینده‏های مختلف (PM2.5, CO, ) تخمین میزان آلاینده‏های هوا براساس داده‏های حجم ترافیک و داده‏های ساده جوی است. برای این هدف با استفاده از مدل‏های تجربی Baker و AERMOD، مدل رگرسیون خطی و مدل‏ غیر خطی شبکه‏های عصبی مصنوعی به بررسی رابطه میان تعداد وسایل نقلیه و غلظت آلاینده‏ها در نقاط مختلف شهر برای بازه زمانی شش ماهه پرداخته شد. نتایج حاکی از همبستگی پایین داده‏های حجم ترافیک و آلاینده‏های مختلف در بازه زمانی مورد مطالعه است که امکان استفاده از این مدل‏ها برای تخمین میزان آلودگی و تهیه نقشه پیوسته آلودگی این شهر را ناممکن می‏سازد. نتایج نشان می‏دهد که این همبستگی در آلاینده PM2.5 پایین‏تر از دو آلاینده دیگر است. نتایج تحلیل حساسیت مدل‏های تجربی نیز نشان داد که متغیر سرعت اتوموبیل اثرگذارترین متغیر در دو مدل تجربی مورد استفاده در تحقیق است.

کلیدواژه‌ها

موضوعات


-       مرکز ملی آمار، «نتایج سرشماری ۱۳۹۰»، بایگانی‌شده از نسخه‌ اصلی در ۲۱ آبان ۱۳۹۲.
-       پایگاه اطلاع‌رسانی شهرداری، «کاهش ۲۰درصدی مشکلات زیست‌محیطی در مشهد»، پایگاه اطلاع‌رسانی شهرداری، 1394.
-       پایگاه اطلاع‌رسانی سازمان محیط زیست مشهد، «سهم بالای خودروهای فرسوده در آلودگی هوا»، 1393.
-       قراگوزلو، علیرضا، آل شیخ، علی‌اصغر، سجادیان، مهیار، «تحلیلی تطبیقی بر نقش حمل و نقل شهری در آلودگی هوا به تفکیک مناطق شهرداری کلان‌شهر تهران (منوکسید‌کربن) با بهره‌گیری از GIS»، فصل‌نامه جغرافیا و برنامه‌ریزی شهری چشم‌انداز زاگرس، سال چهارم، شماره 12، 1391.
-       قربانی‌سالخورد، رضوان، مباشری، محمدرضا، رحیم‌زادگان، مجید، «روشی سریع در برآورد غلظت ذرات معلق با استفاده از سنجنده مودیس: یک مطالعه موردی در تهران»، مجله پژوهشی حکیم، تابستان 91، دوره پانزدهم، شماره دوم، 1391.
-       National center of statistics, “National Population and Housing Census, 2011”, Data service census support, archived edition, 2013. [in Persian فارسی]
-     Municipal website, “Reduction of 20 percent in Mashhad’s environmental problems”, the municipal website, 2015. [in Persian فارسی]
-     Mashhad department of environment website, “Large contribution of worn-out vehicles on air pollution”, 2014. [in Persian فارسی]
-     Gharagozloo, A., Alshikh, A., & Sadjadian, M. “Comparative analysis of urban transport on air pollution (Carbon monoxide) in terms of municipal districts in Tehran using GIS”, Quarterly of geography and urban planning of Zagros Perspective, No. 12, 2012. [in Persian فارسی]
-     Qorbani Salkhord, R., Mobasheri, M., & Rahimzadehgan, M. “A fast method for assessment of PM10 concentration using MODIS images, a case study in Tehran”. Hakim Research Journal, No. 15, Vol. 2, pp. 166-177, 2012. [in Persian فارسی]
-     Alfieri, S. M., Lorenzi, F. D., & Menenti, M. “Mapping air temperature using time series analysis of LST: the SINTESI approach”. Nonlinear Processes in Geophysics, No. 20, Vol. 4, pp. 513-527, 2013.
-     Briggs, D. J., Collins, S., Elliott, P., Fischer, P., Kingham, S., Lebret, E., Pryl, K., Van Reeuwijk, H., Smallbone, K., & Van Der Veen, A. “Mapping urban air pollution using GIS: a regression-based approach”. International Journal of Geographical Information Science, No. 11, Vol. 7, pp. 699-718, 1997.
-     De Hoogh, C., “Estimating exposure to traffic-related pollution within a GIS environment”. Ph.D. Thesis in Geography, 1999.
-     HEI Panel on the health effects of traffic-related air pollution, “Traffic-related air pollution: a critical review of the literature on emissions, exposure, Health effects”. HEI special report 17, Health Effects Institute, Boston, MA, 2010.
-     Nameghi, H.M., Xu, X., Lee, C., & Henshaw, P., “Sensitivity to input parameters of Mobile6. 2-AERMOD simulated emissions and concentrations”. International Journal of Environment and Pollution, No. 53, Vol. 1-2, pp. 24-45, 2013.
-     Lin, C. E., Kao, C. M., Lai, Y. C., Shan, W. L., & Wu, C. Y., “Application of integrated GIS and multimedia modeling on NPS pollution evaluation”. Environmental monitoring and assessment, No. 158, Vol. 1-4, pp. 319-331, 2009.
-     Mousivand, A., Menenti, M., Gorte, B., & Verhoef, W. “Global sensitivity analysis of the spectral radiance of a soil–vegetation system”. Remote sensing of environment, No. 145, pp. 131-144, 2014.
-     National Science and Technology Council (U.S.), “Air quality research subcommittee and natural resources national science and technology council (U.S.)”. Committee on environment, “Air quality observation systems in the United States”, Washington D.C., 2013.
-     Pantaleoni, E., “Combining a road pollution dispersion model with GIS to determine carbon monoxide concentration in Tennessee”. Environmental monitoring and assessment, No. 185, Vol. 3, pp. 2705-2722, 2013
-     Saeb, K., Malekzadeh, M., & Kardar, S. “Air pollution estimation from traffic flows in Tehran highways”. Current World Environment, No. 207.7, pp. 1, 2012.
-     Villa, Paolo, Mousivand, A., & Bresciani, M., “Aquatic vegetation indices assessment through radiative transfer modeling and linear mixture simulation”. International Journal of Applied Earth Observation and Geoinformation, No. 30, pp. 113-127, 2014.
-     World Health Organization. Health effects of transport-related air pollution. Copenhagen: WHO Regional Office for Europe, pp. 125–65, 2005.
-     Zhang, L., Guan, Y., Leaderer, B. P., & Holford, T. R. “Estimating daily nitrogen dioxide level: exploring traffic effects”. The annals of applied statistics, No. 7, Vol. 3, 2013