این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های محیط زیست، جلد ۹، شماره ۱۸، صفحات ۱۴۳-۱۵۶
عنوان فارسی تحلیل فضایی آلاینده PM۲.۵ و همبستگی آماری آن با پارامترهای هواشناسی در تهران
چکیده فارسی مقاله تحلیل فضایی آلاینده PM2.5 و همبستگی آماری آن با پارامترهای هواشناسی در تهران     سعید کریمی*1، محمد سخایی2   1 عضو هیات علمی پردیس فنی دانشگاه تهران، دانشکده محیط زیست، ایران 2 کارشناس ارشد برنامه‌‌ریزی محیط‌‌زیست، پردیس فنی دانشگاه تهران، دانشکده محیط‌‌زیست، ایران   (تاریخ دریافت: 06/10/1395؛ تاریخ تصویب: 09/07/1397)     چکیده هدف از این پژوهش، تحلیل فضایی وضعیت آلاینده‌‌ PM2.5 و بررسی اثرات فاکتورهای جوی بر روی آن در کلان شهر تهران است. به این منظور از داده‌های روزانه‌‌ PM2.5 که توسط شرکت کنترل کیفیت هوا و پارامترهای جوی که توسط سازمان هواشناسی شهر تهران اندازه‌‌گیری شده بود استفاده شد. پارامترهای هواشناسی مورد استفاده در این تحقیق شامل: دما (حداقل، میانگین و حداکثر)، رطوبت نسبی (حداقل، میانگین و حداکثر)، سرعت باد (میانگین و حداکثر)، نقطه شبنم و فشار اتمسفری می‌‌باشد. برای بررسی فضایی غلظت PM2.5،از روش درون‌‌یابی وزن‌‌دهی معکوس فاصله، استفاده شد. نتایج مدل وزن‌‌دهی معکوس فاصله نشان می‌‌دهد که در مناطق 7، 10، 20 و 21 شاهد بیشترین غلظت هستیم. میانگین روزانه غلظت PM2.5 در طول دوره مورد مطالعه نشان داد، بیشترین غلظت در 18 خرداد و کمترین در سوم فروردین بوده است. همچنین میانگین ماهانه نشان می‌‌دهد بیشترین غلظت در دی‌‌ماه بوده است، در حالی که کمترین غلظت را ماه فروردین به خود اختصاص داده است. غلظت فصلی حاکی از آن است که در فصل زمستان شاهد بیشترین غلظت PM2.5هستیم. در مرحله بعد همبستگی آماری بین PM2.5 و پارامترهای جوی مورد بررسی قرار گرفت. برای این منظور از همبستگی پیرسن و روش‌های چندگانه رگرسیون خطی استفاده شد. نتایج همبستگی پیرسن نشان می‌‌دهد، PM2.5با فشار هوا و نقطه شبنم همبستگی مستقیم دارد. در حالی که با بارش و سرعت باد همبستگی معکوس دارد. ارتباط بین PM2.5 به عنوان متغیر وابسته و پارامترهای جوی به عنوان متغیرهای مستقل توسط مدل‌های رگرسیون خطی (Enter و Stepwise)، مورد برسی قرار گرفت. ضریب همبستگی در معادله ) Enter 427/0) و Stepwise) 346/0( است. که نشان دهنده توانایی خوب هر دو مدل در پیش بینی مقدار PM2.5 می‌‌باشد. نتایج تست میانگین مربعات خطا، نشان می‌‌دهد، مدل Stepwise در پیش‌‌بینی PM2.5، نسبت به دیگر روش‌‌ها مناسب‌‌تر است.       کلید واژه‌ها‌‌: آلودگی هوا، PM2.5، پارامترهای جوی، درون‌‌یابی، همبستگی آماری، رگرسیون خطی         * نویسنده مسئول                                                             Email: Karimis@ut.ac.ir                                                             
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Spatial analysis of PM2.5 pollutants and its statistical correlation with meteorological parameters in Tehran
چکیده انگلیسی مقاله Spatial Analysis of PM2.5 Pollutants and its Statistical Correlation with Meteorological Parameters in Tehran         1*Karimi, S.; 2Sakhaei, M.   1 Assist. Profe. College of Engineering, School of Environment, University of Tehran, Iran 2 M.Sc, Environmental Planning, College of Engineering, School of Environment, University of Tehran, Iran   (Received: 2016/12/26; Accepted: 2018/10/02)   Abstract The objective of this study is the surveying spatial analysis of PM2.5 pollutants condition and the effects of atmospheric factors on it in the metropolis of Tehran. For this, the daily PM2.5 data measured by the controlling air quality and atmospheric parameters measured by Meteorological Organization in Tehran was used. The meteorological parameters used in this study include: temperature (minimum, average and maximum), relative humidity (minimum, average and maximum), wind speed (average and maximum), dew point and atmospheric pressure respectively. To study the spatial concentration of PM2.5, inverse distance weighting interpolation method was used. Inverse distance weighting model results show that in regions 7, 10, 20 and 21 have the highest concentration. Daily average PM2.5 concentrations during the study period showed that the highest concentrations at 18 June and the lowest was in the third April. It also shows the monthly average in January was the highest concentrations, while the lowest concentration is assigned to April.  Seasonal Concentration shows the highest concentration of PM2.5 in winter season. Then, the statistical correlation between PM2.5 and atmospheric parameters examined. For this purpose, Pearson correlation and multiple linear regression methods were used. Pearson correlation coefficient analysis shows that, PM2.5 has a direct correlation with air pressure and dew point, While a negative correlation with rainfall and wind speed. The relationship between PM2.5 as the dependent variable and atmospheric parameters as independent variables were investigated by linear regression models (Enter and Stepwise). The correlation coefficient in the equation Enter and Stepwise is 0.427 and 0.346 respectively. Which represents the ability of both models to predict the amount of PM2.5. Test Results of Mean Square Error, shows, Stepwise model to predict PM2.5, is more suitable than other methods.         Keyword: Air pollution, PM2.5, Atmospheric factors, Interpolation, Statistical correlation, Linear regression           *Corresponding author:                                                                                      Email: karimis@ut.ac.ir
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمد سخایی |
دانشجوی دانشگاه تهران

سعید کریمی |
استادیار دانشگاه تهران

نشانی اینترنتی http://www.iraneiap.ir/article_89108_e9632300c026330bb89ca3ff9814b220.pdf
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