آمایش فضا و ژئوماتیک، جلد ۲۱، شماره ۲، صفحات ۱۹۷-۲۱۸
عنوان فارسی تخمین میزان آلودگی هوا با استفاده از داده‌های حجم ترافیک عبوری و داده‌های روزانه جوی در محدوده شهر مشهد
چکیده فارسی مقاله 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.
کلیدواژه‌های فارسی مقاله تخمین آلودگی هوا،غلظت آلاینده‌های هوا،مشهد،مدل بیکر،مدل آئرمود،تحلیل حساسیت
عنوان انگلیسی Air pollution estimation using traffic volume data and primary weather data: case study Mashhad
چکیده انگلیسی مقاله Rapid urbanization and population growth has resulted in increased traffic congestion and consequently air pollution in most major cities, in particular, in the developing countries. Knowledge on the amount of different air pollutants and their spatial and temporal concentrations is of great importance for decision makers on health, environment and air quality estimation in different scales. Mashhad, as a metropolitan, due to its specific religious, socio-cultural and geographical role in the region is declared as one of the most polluted cities of the country. Given that there is a direct relationship between traffic volume data and air pollutants (PM2.5, CO and ), this study attempts to estimate the amount of each pollutant based on traffic volume and some primary weather data. We used empirical models proposed in the literature, such as Baker model and AERMOD, as well as linear regression and nonlinear neural network methods to explore the correlation between traffic volume and air pollutants over a period of six months in the city of Mashhad. The results showed low correlation coefficients between traffic volume and air pollutants in all models, indicating that such models may not be suitable to further estimate air pollutants using only traffic volume and primary weather data. Correlation coefficients were lowest for the pollutant PM2.5 over the time period of the study. Sensitivity analysis demonstrated that vehicle average velocity is by far the most influential variable in the empirical models used.
کلیدواژه‌های انگلیسی مقاله Air pollution estimation,Baker model,AERMOD model,Mashhad,Sensitivity analysis
نویسندگان مقاله علی جعفر موسیوند | alijafar mousivand
remote sensing and gis department, tarbiat modares university, tehran, iran
هیئت علمی گروه سنجش از دور دانشگاه تربیت مدرس
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

علی شمس الدینی | ali shamsoddini
هیئت علمی گروه سنجش از دور دانشگاه تربیت مدرس
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

ایمان اسدالهی همدانی | iman asadollahi
دانشجو

نشانی اینترنتی http://journals.modares.ac.ir/browse.php?a_code=A-21-18746-1&slc_lang=fa&sid=21
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات