بررسی تاثیر ترافیک بر انتشار PM۲.۵ با استفاده از روش رگرسیون وزنی جغرافیایی (GWR) (مطالعه موردی شهر اصفهان)
Publish place: Environmental Science and Technology، Vol: 24، Issue: 4
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 190
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ESTJ-24-4_003
تاریخ نمایه سازی: 1 بهمن 1401
Abstract:
زمینه و هدف: میزان غلظت PM۲.۵ (ذرات معلق کمتر از ۵/۲ میکرون) به دلیل مضرات آن بر سلامت انسان، به یک نگرانی عمومی در شهرها مبدل شده است. در این پژوهش، با توجه به اهمیت موضوع آلودگی هوا، اثر شرایط ترافیک شهری بر روی انتشار آلاینده هوای شهری (PM۲.۵) با استفاده از مدل رگرسیون وزنی جغرافیایی (GWR) و درون یابی به روش وزن دهی معکوس فاصله (IDW) با بهره گیری از نرم افزار ArcGIS ۱۰.۵ مورد ارزیابی قرار گرفت.روش بررسی: داده های غلظت PM۲.۵ در سال ۱۳۹۸ از ۹ ایستگاه های سنجش آلودگی هوای شهرداری اصفهان، داده های بلوک جمعیتی و میزان تردد خودرو در شهر جمع آوری و وارد مدل GWR گردید و تهیه نقشه پهنه بندی غلظت آلاینده (به صورت فصلی) به روش IDW انجام گرفت.یافته ها: پس از اجرای رگرسیون وزنی جغرافیایی روی پارامترهای مدل، به منظور ارزیابی اعتبار مدل، مقدار R۲ محاسبه و به جهت بررسی آزمون خودهمبستگی مکانی از شاخص موران استفاده گردید. نزدیک بودن R۲ ذرات معلق به عدد ۱ نشان دهنده کارایی بالای مدل است. نتایج شاخص موران نشان داد که مدل GWR مدل خوبی برای بررسی الگوی زمانی مکانی ذرات معلق بوده است.بحث و نتیجه گیری: پس از مقایسه نقشه ها و بررسی پارامترهای ضریب تعیین، مشخص گردید که تردد خودرو و جمعیت (متغیرهای مستقل) بر روی افزایش آلاینده PM۲.۵ تاثیر مستقیم دارد. همبستگی بالایی با میزان R۲=۰.۷۵ بین آلاینده PM۲.۵، و متغیرهای مستقل، به خصوص در فصل تابستان مشاهده شد.
Authors
شراره محمودی
کارشناس ارشد آلودگی محیط زیست، گروه محیط زیست، واحد اصفهان (خوراسگان)، دانشگاه آزاد اسلامی، اصفهان، ایران.
مژگان احمدی ندوشن
استادیار گروه محیط زیست، مرکز تحقیقات پسماند و پساب، واحد اصفهان (خوراسگان)، دانشگاه آزاد اسلامی، اصفهان، ایران. (مسوول مکاتبات)
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :