تعهد نامه

نوع مقاله : مقالات پژوهشى اصیل کمی و کیفی

نویسندگان

1 دانشجوی کارشناسی ارشد مهندسی منابع طبیعی- محیط زیست، مؤسسه آموزش عالی خردگرایان مطهر، مشهد، ایران.

2 دکتری تخصصی آب و هواشناسی، مرکز پایش آلاینده‌های زیست‌محیطی مشهد، مشهد، ایران.

3 استادیار، دکتری بیوتکنولوژی محیط زیست، مؤسسه آموزش عالی خردگرایان مطهر، مشهد، ایران.

4 دکتری آگروتکنولوژی،دانشگاه آزاد اسلامی، مشهد، ایران.

چکیده


زمینه و هدف: آلودگی هوا از مهم ترین مشکلات زیست محیطی در قرن اخیر است که سلامت انسانها را تهدید می نماید و ذرات معلق از مرگبارترین انواع آلودگی هوا محسوب می شوند. لذا مطالعه حاضر با هدف انتخاب بهترین الگوریتم درون‌یابی در توزیع مکانی ذرات معلق PM2.5 شهر مشهد در سال 1395 توسط مدل­های مختلف فضایی انجام شد.
مواد و روش‌ها: غلظت ذرات معلق PM2.5 از تعداد 21 ایستگاه فعال سنجش کیفیت هوا در نقاط مختلف شهر مشهد جمع‌آوری و مدل‌های درون‌یابی کریجینگ معمولی،کریجینگ جهانی و تابع فاصله معکوس وزن دار به‌منظور بررسی فضایی وضعیت آلودگی هوای کلان‌شهر مشهد مورد ارزیابی قرار گرفتند. برای مقایسه مدل­ها و انتخاب بهترین مدل از ریشه میانگین مربعات خطا(RMSE ) و برای انتخاب بهینه‌ترین شرایط اجرای دو مدل کریجینگ معمولی و کریجینگ جهانی از ریشه میانگین خطای استاندارد(Standardized RMSE)استفاده گردید.
یافتهها: بر اساس نتایج، بیشترین میانگین فصلی آلاینده PM2.5 در سال 1395 مربوط به فصل پاییز (40/84 میکروگرم بر متر مکعب) و کمترین آن مربوط به فصل بهار (27/78 میکروگرم بر مترمکعب) بود. همچنین منطقه شرق تا شمال شهر مشهد در وضعیت نامناسب‌تری از نظر غلظت آلاینده نسبت به نواحی غربی این شهر قرار داشت. مقایسه مدل‌ها با استفاده از شاخص ریشه میانگین مربعات خطا نیز نشان داد که مدل کریجینگ معمولی به‌علت دارا بودن کمترین میزان RMSE برای میانگین فصلی و سالیانه غلظت ذرات معلق PM2.5 دارای میزان خطای کمتر در مقادیر پیش‌بینی نسبت به اندازه‌گیری است، لذا دارای شرایط بهتر در میان‌یابی است.
نتیجه‌گیری: این پژوهش در نهایت منجر به تولید نقشه­هایی از وضعیت آلاینده PM2.5 بر روی کل شهر مشهد شد که به‌منظور شناخت مناطق پرریسک در شهر و بکارگیری اقدامات مفید به‌منظور کاهش آلودگی هوا در آن مناطق بسیار سودمند می­باشد.

 
 

کلیدواژه‌ها

عنوان مقاله [English]

Providing the best pattern Interpolation in the spatial distribution of partiulate matter smaller than 2.5 microns of mashhad

نویسندگان [English]

  • Maryam Charmzan 1
  • Reza Esmaili 2
  • Mitra Mohammadi 3
  • Vahid Moradnezadhesare 4

1 M.Sc. Student, Natural Resources, Environmental Engineering, Kheradgarayan Motahar Institute Of Higher Education, Mashhad, Iran

2 Ph.D. Climatology, Manager of Environment Pollution Monitoring Center of Mashhad, Mashhad, Iran

3 Assistant Professor, Ph.D. in Environmental Biotechnology, Kheradgarayan Motahar Institute Of Higher Education, Mashhad, Iran.

4 Ph.D. Agrotechnology, Islamic Azad University, Mashhad, Iran

چکیده [English]

Abstract
Background and Aim:Air pollution is one of the most important environmental problems in the last century that threatens human health and particulate matter is one of the deadliest types of air pollution.This study was done to choose the best interpolation algorithm in the spatial distribution of PM2.5 suspended particles in Mashhad in 1395by different spatial models.
Material and Methods: PM2.5 particulate concentrations was collected from 21 active air quality measuring stations in different parts of Mashhad and IDW, Ordinary Kriging (OK) and Universal Kriging (UK) interpolation models were evaluated to spatially investigate the air pollution situation in Mashhad. The root mean square error (RMSE) was used to compare the models and select the best model, and the Standardized RMSE was used to choose the most optimal conditions for running the OK and UK models.
Results: The results showed that the highest seasonal average of PM2.5 pollutants in 1395 was related to autumn (40.84 µg/m3) and the lowest was related to spring (27.78 µg/m3). Also, the east to north area of Mashhad is in a more unfavorable situation in pollution concentration than the western areas of the city. Comparison of models using RMSE index also showed that OK model due to having the lowest amount of RMSE for seasonal average and annual concentration of suspended particles PM2.5 has a lower error in the predicted values than the measurement, so it has better conditions for intermediation.
Conclusion: This research eventually led to the production of maps of PM2.5 Pollutants situation in the whole city of Mashhad, which is very useful in order to identify high-risk areas in the city and use useful measures to reduce air pollution in those areas.
 

کلیدواژه‌ها [English]

  • Keywords: air pollution
  • particles
  • Mashhad
  • Modeling
  • GIS
1.Shokri P. The effect of spatial distribution of Tabriz urban uses on air pollution. J urban Ecology Res 2011;2(3):75-82(In Persion).
2.Atai H. Hashemi Nasab s. Identification and analysis of atmospheric mid-Level patterns affecting air pollution in Isfahan. J urban Res and planning 2011;2(4):97-112(In Persion).
3.Bahari R.A. Abaspour R.A. pahlavani p. zoning of particulate Matters (pm) pollution using local statistical Models in GIS (case study: Tehran Metropolisies). J Geomatics science and technology2016;5(3):165-174(In Persion).
4-Evans J. Van Donkelaar A. Martin RV. Burnett R. Rainham DG. Birkett NJ. et al. Estimates of global mortality attributable to Particulate air Pollution using Satellite imagery. Environ Res 2013;120:33-42
5-Dehghani M. Kamali Y. Shamsedini N. Ghanbarian M. A Study of the Relationship between Indoor/Outdoor Particle Concentration in Dena hospital in shiraz. J Health Res Commun 2015;1(1):49-55(In Persion).
6-Zhang A. Qi Q. Jiang L. Zhou F. Wang J. Population Exposure to PM2.5 in the Urban area of Beijing 2013.
7-Jorgensen NW.Van Hee VC. Barr RG. ONeill MS. Herrington DM. Polak JF. et al. Vascular Responses to long-and Short- Term Exposure to Fin Particulate Matter. J Am Coll Cardiol 2012;60(21):2158-2166.
8.Fatah Tabar Firooz jaei S. Al sheikh A.A. Rangzan k. chinipardaz R. classification of air pollutants using statistical models and GIS techniques (case study: in Tehran).The Fifth National Conference on Environmental Engineering. Tehran 2011(In Persion).
9-Berman JD. Breysse PN. White RH. Waugh DW. Curriero FC. Evaluating methods for spatial mapping: Applications for estimating ozone concentrations across the contiguous United States. Environmental Technology & Innovation. 2015;3:1-10
10-Kumar Jha D. Sabesan M. Das A. vinithkumar N.V. Kirubagaran R. Evaluation Of Interpolation Technique for Air Quality Parameters in Port Blair, India. Universal Journal Of Environmenta Research and Technology 2011;1(3):301-310.
11-Prapassornpitaya S.Jinsart w. Sanguansintukul S. Mapping of Urban Air Quality by Clustering Analysis and Geographic Information System, CASANZ 2011,Jully 31.
12-Ismail Nejad M. Eskandari Thani M. Barazman S. Evaluation and zoning of air pollution in Tabriz metropolis.J Regional planning(2015);5(19):173-186. (In Persion).
13.Nour pour A.R. Faiz M.A. Determination of spatial and temporal changes of sulfur dioxide, nitrogen dioxide and suspended solids using GIS techniques in Tehran. J Environmental science(2014);40(3):723-738. (In Persion).
14.Noor Abdi S. Application of gis in determining the best interpolation algorithm for urban air pollution in Tabriz. (M.SC). Iran. Ministry of science, Research and Technology- universitg of Tabriz_Faculty of Geography 2014. (In Persion).
15.Fatah Tabar Firooz jaei S. Al sheikh A.A. Rangzan k. chinipardaz R. classification of air pollutants using statistical models and GIS techniques (case study: in Tehran).The Fifth National Conference on Environmental Engineering. Tehran 2011(In Persion). 
16.Baharloo Ghara Baltaghi I. Determination of spatial Variations of carbon monoxide and particulate matter pollution in Tehran using interpolation techniques in GIS environment. (M.SC).Iran. Ministry of science, Research and Technology- shahid Beheshti university -Faculty of Earth sciences 2009 (In Persion).
17.Miri M. Ghaneian M.T. Gholizadeh A.M. Yazdani Avval M. Nikoonahad A. Assessment of spatial Analysis Methods in Mapping of Air pollution in Mashhad. J Environmental Health Engineering 2016;3(2):143-154. (In Persion)
18.Ismaili R. Homogeneous areas of air pollution in Mashhad. J Natural hazards 2019;7(16): 227-240. (In Persion). 19.Ismaili R. Application of cluster Analysis group of stations to measure air pollution case study: the city of Mashhad. the second National conference on Air and Noise pollution Management, Tehran, Radio and Television International conference center 2013. (In Persion)
20.Akbari E. Mohammadnia M. keshavarz Mozaffari Z. Modeling air pollution in Mashhad using PSI index in GIS environment. National conference on Air Flow and pollution Tehran 2012. (In Persion).
21.Akbari E. Fakheri M. pour gholam Hassan E. Akbari Z. Monthly zoning of air pollution and its relationship with climatic factors (case study:Mashhad). J Natural environment. 2016;68(4):533-547.. (In Persion).
22.Kazemi kh. shakeri Roush M. Rastegar M. sayadi S. Air pollution And urban management challenges in metropolises (case:mashhad metropolis).sixth National conference on urban planning and Management with emphasis on the components of the Islamic city 2014. (In Persion).
23.Famili A. Jalali Yazdi A. Hassanpour M. Geo-statistical analysis of air pollutants with the aim of blue sky for the metropolis of mashhad. fifth International conference on Transportation and Traffic Engineering, Tehran 2016 24.Ghahroudi Tali M. The Introduction to Geographic Information systems.1 (ed) payame Noor university:2015
25-Hosseinzadeh S R.Doostan r. Haghighat Ziabary S M. Haghighat Ziabary S M.The Study of Synoptic Patterns of Air Pollution in Mashhad Metropolis. J of Geography and Regional Development Res2014 ;11(21):81-101. (In Persion)
26-GHolamhosein ghochani S. Hoshdar Tehrani Sh. Esmaili R. Study of Spatial Distribution Pattern of Carbon Monoxid in Mashhad City Using Interpolation Methods During.J of Research in Environmental Health 2019; 5(1):53-64. (In Persion). 27-Mehraban Ghezelhesar S. Mafi E.Investigation and analysis of the Share of Pollutant Sources in air Pollution in Mashhad metropolis.The first Conference on architecture,restoration, urban planning and Sustainable environment 2014. (In Persion).