مدلسازی و تحلیل مکانی زمانی پراکنش ازن در سطح شهر تهران بر پایه شبکه عصبی و آنالیز های مکانی در محیط GIS

آلودگی هوا یکی از مهم ترین معضلاتی است که امروزه مردم در کلان شهرها با آن روبرو هستند. ذرات معلق، مونوکسید کربن، دی اکسید گوگرد، ازن و دی اکسید نیتروژن پنج آلاینده اصلی هوا می باشند که مشکلات زیادی برای سلامت انسان به همراه دارند. اگر بتوان نقش پارامترهای هواشناسی را در میزان و نحوه پخش ازن، مشخص و مدل کرد، می توان از نتایج آن در مدیریت بهتر این آلاینده استفاده کرد. در این مطالعه هدف، ارایه ی راهکاری مکانمند برای مدلسازی و تحلیل مکانی و زمانی پراکنش ازن بر پایه آنالیزهای GIS ای با استفاده از هوش مصنوعی باتوجه به پارامترهای هواشناسی می باشد. با توجه به داده های دریافتی مربوط به آلاینده ازن شهر تهران، با بررسی دقت روش های مختلف درون یابی، روش IDW  به عنوان بهترین روش درون یابی برای تهیه نقشه میزان غلظت این آلاینده ها در سطح تهران انتخاب شد. با توجه به داده های روزانه این آلاینده ها در سال های 94، 95 و 96، نقشه های روزانه و میانگین ماهانه و سالانه غلظت آنها تهیه گردید. با توجه به بررسی های انجام شده می توان گفت بیشترین غلظت آلاینده  ازن در مناطق جنوب غربی قسمت هایی از بخش مرکزی شهر مشاهده می شود. سرانجام یک شبکه عصبی برپایه ی داده های ورودی برای پیش بینی میزان آلاینده ازن با توجه به پارامترهای هواشناسی توسعه داده شد، که دقت این شبکه با توجه به داده های این آلاینده در سال 96، برای روزهای گرم سال حدود 68 و برای روزهای سرد 77 درصد برای آلاینده ازن بدست آمد. و می توان گفت پارامترهای هواشناسی درجه حرارت، سرعت و جهت باد و میزان بارش در کنارهم در میزان غلظت آلاینده ازن تاثیرگذار هستند.