پهنه بندی آلودگی ذرات معلق با استفاده از مدلهای آماری محلی در GIS (مطالعه موردی، شهر تهران)

چکیده:
امروزه آلودگی هوا در شهرهای بزرگ دنیا سلامت انسان ها را به مخاطره کشانده است. شهر تهران نیز از این قضیه مستثنی نبوده است و آلودگی در این شهر به یک چالش بزرگ برای مدیریت شهری تبدیل شده است. در پژوهش کنونی به مدلسازی مکانی غلظت آلاینده PM2.5 با بهره گیری از مدل رگرسیون وزندار جغرافیایی از خانواده مدلهای آماری محلی پرداخته شده است. برای این مدلسازی از 18 ایستگاه سنجش کیفیت هوای شهر تهران استفاده شده و پارامترهای غلظت آلاینده PM2.5، کاربری های 9 گانه، جمعیت، پارامترهای هواشناسی، فاصله از معابر اصلی و آزادراه ها و ارتفاع به عنوان پارامترهای موثر در نظر گرفته شده اند. از ویژگی های این مدل ترکیب متغیرهای مختلف با همبستگی فضایی متنوع می باشد. این پژوهش در نهایت منجر به تولید نقشه هایی از وضعیت آلاینده PM2.5 بر روی کل شهر تهران شده است که به منظور شناخت مناطق پر ریسک در شهر و بکارگیری اقدامات مفید به منظور کاهش آلودگی در آن نقاط بسیار سودمند می باشد. پس از مقایسه این نقشه ها با مقادیر مشاهده شده و بررسی پارامترهای آماری ضریب تعیین (R2=0.75 - 0.80) و جذر میانگین مربعات خطا (RMSE=7.1 - 8.5) مشخص گردید که مدل پیشنهادی توانایی بالایی در تخمین غلظت در مناطق مختلف در سطح شهر تهران دارد.
زبان:
فارسی
صفحات:
165 تا 174
لینک کوتاه:
magiran.com/p1527269 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!