تحلیل فضایی آلاینده PM2.5 و همبستگی آماری آن با پارامترهای هواشناسی در تهران

نویسندگان

1 دانشجوی دانشگاه تهران

2 استادیار دانشگاه تهران

doi
چکیده

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