ارزیابی ارتباط غلظت آلاینده PM2.5 و پارامترهای اقلیمی با استفاده از داده های ماهواره ای و تحلیل رگرسیون وزنی جغرافیایی
Publish place: The 4th Conference on Environmental Planning and Management
Publish Year: 1396
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 862
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ESPME04_313
تاریخ نمایه سازی: 19 خرداد 1396
Abstract:
امروزه آلودگی هوا یکی از مهمترین معظلات زیست محیطی شهر ها به شمار می آید. کیفیت هوا از جمله میزان غلظت PM 2.5 (ذرات معلق کمتر از 2.5 میکرومتر) به دلیل مضرات آن بر سلامت انسان، به یک نگرانی عمومی در شهرها مبدل شده است. شهر تهران به عنوان پرجمعیت ترین شهر ایران در معرض چالش آلودگی هواست. در همین راستا در پژوهش حاضر، به بررسی ارتباط بین میزان غلطت PM 2.5 و پارامترهای اقلیمی(رطوبت، فشار، دما، بارش و سرعت باد) به همراه داده های ماهواره ای (محصولات شاخص پوشش گیاهی تفاضلی (NDVI ) و دمای سطح زمین(LST ) سنجنده مادیس) در شهر تهران پرداخته شده است. روش مورد استفاده جهت ارزیابی ارتباط موثر پارامترها بر غلظت PM 2.5 در دو فصل مطالعاتی سرد و گرم، رگرسیون وزنی جغرافیایی(GWR ) می باشد. از ویژگی های این روش ترکیب متغیرهای مختلف با همبستگی فضایی متنوع می باشد. در تحلیل نتایج رگرسیون وزنی جغرافیایی، ضریب تعیین محلی R2 و باقی مانده استاندارد اهمیت بسیاری دارند که نتایج نشان می دهد هر دو مفهوم در هر دو دوره مطالعاتی از ضریب همبستگی نسبتا بالا و میزان خطای پایین برخوردار می باشند. پارامترهای بارش و LST به ترتیب بیشترین و کمترین میزان ضریب تعیین محلی را در هر دو فصل به خود اختصاص داده اند. همچنین با توجه به نتایج نقشه های خروجی از باقی مانده استاندارد، تمام پارامترها در دو فصل مورد مطالعه از الگوی توزیع مکانی مشابهی تبعیت می کنند.
Keywords:
Authors
فخرالدین حاجیلو
دانشجوی کارشناسی ارشد رشته سنجش از دور و سیستم اطالاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران
مهسا قیساری
دانشجوی کارشناسی ارشد رشته سنجش از دور و سیستم اطالاعات جغرافیایی، دانشکده جغرافیا ، دانشگاه تهران
سعید حمزه
استادیار گروه سنجش از دور و سیستم اطالاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران
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 :