نوع مقاله : مقالات پژوهشی
نویسندگان
1 موسسه آموزش عالی خردگرایان مطهر
2 معاومت خدمات و محیط زیست شهری، مدیر اجرایی مرکز پایش آلاینده های زیست محیطی شهر مشهد
چکیده
چکیده
زمینه و هدف: منواکسیدکربن، گازی سمّی بوده و از آنجاییکه بیرنگ، بیبو و بیمزه است، اغلب فاقد علائم هشدار برای فرد در معرض خطر میباشد. مطالعه حاضر با هدف توزیع مکانی آلاینده منواکسیدکربن با استفاده از روش درونیابی در سطح شهر مشهد انجام شد.
مواد و روشها: در این مطالعه دادههای مربوط به 19 ایستگاه سنجش آلودگی در سطح شهر مورد استفاده قرار گرفت. سپس روشهای درونیابی تابع فاصله معکوس وزندار، کریجینگ معمولی و کریجینگ جهانی بررسی شدند. به منظور انتخاب مدل مناسب، از ریشه میانگین مربعات خطا استفاده شد. در نهایت نقشههای پهنهبندی برای 12 ماه سال 1396 با کمک سامانه اطلاعات جغرافیایی (GIS) تهیه گردید.
یافتهها: تکنیک درونیابی کریجینگ معمولی به دلیل خطای کمتر، روش بهینهای نسبت به کریجینگ جهانی و فاصله معکوس وزندار است. با تهیه نقشههای پهنهبندی مشخص شد که در ماههای فروردین، اردیبهشت و خرداد، کمربند میانی شهر از شمال غربی تا جنوب شرقی دارای آلودگی بیشتری میباشند. در ماههای تیر، مرداد و شهریور، مناطق شرقی شهر نسبت به سایر مناطق آلودهتر بودند. در ماههای مهر، آبان و آذر بیشترین بارِ آلودگی مربوط به قسمتهای مرکزی شهر بوده و در ماههای دی، بهمن و اسفند، قسمت غرب و جنوب غربی شهر دارای بیشترین میزان آلودگی میباشد.
نتیجهگیری: در بین ایستگاههای سنجش آلودگی هوا، ایستگاه خیام جنوبی و صدف بالاترین و ایستگاههای خاقانی و الهیه کمترین مقدار آلاینده منواکسیدکربن را به خود اختصاص دادهاند. نقشه های پهنهبندی ماهانه نشان داد که بیشترین بارِ آلودگی در ماههای ابتدایی سال مربوط به قسمت شرقی و در ماههای دوم سال در قسمت غربی شهر حاکم میباشد، اما با این حال مقدار آلاینده منواکسیدکربن در سال 1396 از حد استاندارد کمتر بوده است.
نوع مقاله: مقاله پژوهشی
کلید واژهها: آلودگی هوا، درونیابی، سامانه اطلاعات جغرافیایی (GIS)، کریجینگ، منواکسیدکربن
کلیدواژهها
عنوان مقاله [English]
Spatial Analysis of Carbon Monoxide Pollutant in Mashhad by Interpolation Method and Using Geographic Information System (GIS) during 2017-2018
نویسندگان [English]
- Sara GHolamhosein Ghoochani 1
- Shabnam Hoshdar Tehrani 1
- Reza Esmaili 2
1 Institution kheradgrayan motahar
2 . Administrativ Manager of environmental pollution monitoring center Mashhad, Municipality of Mashhad
چکیده [English]
Background & objeftive: Carbon monoxide is a toxic gas and since it is colorless, odorless and tasteless, it often has no warning signs for people who are at risk of this pollutant. This study focused on the spatial distribution of carbon monoxide on a monthly basis with the interpolation method in Mashhad city.
Materials & Methods: In this study, data were collected from 19 metropolitan stations in the city. Then the inverse weighing intervals, ordinary kriging, and universal kriging methods were used. To determine the best spetial distribution, the root mean square error were applied .finally, the best interpolation methods was selected.with the help of geostatistical map in Arc GIS, monthly zoning map have prepared during 2017-2018.
Results: The results showed that ordinary kriging is a best method rather than universal kriging and inverse weighteing due to the lees error. By providing monthly zoning map in 2017-2018, it was cleared that in the months of April, May and June, the middle belt of the city was more polluted from northwest to southeast. The estern part of city in July, August and September have been more contaminated rather than other area. The months of October, November and December wre more polluted in central part of the urban area and from the western to southwestern of the city, in December, February and March, were indicated more pollution.
Conclusion: A mong the metropolitan stations for measuring air pollution, southern part of Khayam and sadaf had a highest levels of carbon monoxide and Khaghani and Elahie were lowest rate. Also, monthly zoning maps indicated that the highest pollution rate in hot season was in the eastern and in cold season was in the western part of the city. However, the amount of carbon monoxide was less than standard level during 2017-2018.
کلیدواژهها [English]
- Air Pollution
- Kriging
- UK
- OK
- Inverse Distance Weighting IDW