تعيين تغييرات مكاني و زماني آلاينده‌هاي گوگرد دي اكسيد، نيتروژن دي اكسيد و انواع ذرات معلق با استفاده از تكنيك‌هاي GIS در تهران

Determination of the Spatial and Temporal Variation of SO2, NO2 and Particulate Matter Using GIS Techniques and Estimation of Concentration Modeling With LUR Method (Case Study: City of Tehran)

يكي از معضلات اساسي شهرهاي بزرگ جهان پديده آلودگي هواست. ايران به خصوص كلان‌شهر تهران نيز از اين پديده مصون نيست، به طوري كه ساليانه شاهد خسارات مالي، جاني و اجتماعي متاثر از اين نوع آلودگي‌ها هستيم. آلودگي هواي اين شهر اغلب ناشي از منابع ثابت و متحرك آلوده‌كننده است و مهم‌ترين آلاينده‌هاي تهران را ذرات معلق PM10 و PM2.5، CO، O3، SO2 و NO2 دربر مي‌گيرند. از اين رو در تخمين حاضر ابتدا روش‌هاي مختلف درون‌يابي براي توليد نقشه‌هاي كيفيت هواي حاصل از آلاينده‌هاي ذرات معلق، دي اكسيد گوگرد و دي اكسيد نيتروژن ارزيابي شدند. سپس، با استفاده از روش‌هاي درون‌يابي بهينه، نقشه‌هاي كيفيت هواي حاصل از اين آلاينده‌ها براي همه روزهاي سال 1391 توليد شد. همچنين، از آنجا كه آلودگي هوا با عوامل متعددي از قبيل توپوگرافي، اقليم، جمعيت، شبكه حمل ‌و نقل و حجم ترافيك در ارتباط است با استفاده از روش LUR مهم‌ترين عوامل موثر‌‌‌ در توليد هر يك از اين آلاينده‌ها تعيين و در ادامه با استفاده از همين روش به مدل‌سازي آن‌‌‌ها در بهار پرداخته شد. نتايج نشان داد كه براي درون‌يابي داده‌هاي آلاينده‌‌‌هاي دي اكسيد گوگرد و دي اكسيد نيتروژن روش كوكريجينگ همراه سه پارامتر دما، جهت و سرعت باد مناسب‌ترين روش‌ به شمار مي‌رود، در حالي‌ كه براي آلاينده‌‌‌هاي ذرات معلق PM10 و PM2.5 روش Spline نتايج بهتري را ارايه مي‌دهد. همچنين، نتايج مدل LUR نشان داد كه مهم‌ترين عامل موثر‌‌‌ در آلاينده‌‌‌هاي SO2، NO2 و ذرات معلق PM2.5 حجم ترافيك است، در حالي ‌كه مهم‌ترين عامل موثر‌‌‌ در آلاينده ذرات معلق PM10 اماكن صنعتي است.

One of the main problems of large cities is air pollution. Iran, in particular Tehran is not immune from this phenomenon, as huge number of financial, physical and social losses is observed. The air pollution of this city is mainly due to static and dynamic air pollutant resources and Sulfur Dioxide (SO2), Nitrogen Dioxide (NO2) and Particulate Matter with an aerodynamic diameter less than 10 ?m (PM10) and 2.5 ?m (PM2.5). In this study, firstly, different interpolation methods for generating air quality maps resulting from these pollutants are assessed, and then using optimum interpolation method, the air quality maps resulting from these pollutants were generated for all days of the year 1391. Moreover, as air pollution is related to different factors such as topography, volume of traffic, climate, pollution, transportation system and industry. Using Land Use Regression (LUR) method, the most significant factors in generating each of these pollutants were determined. Next for the spring season modeling of the mentioned pollutants using the same method was conducted. Our result shows that interpolating of SO2 and NO2 pollutants cokriging methods together with thermal, wind direction and wind speed parameters is the best method, where for PM10 and PM2.5 pollutants, spline method provides more desirable outcomes. Moreover, results from LUR model demonstrated that the most important factor affecting SO2, NO2 and PM2.5 pollutants was the volume of traffic, were this for PM10 was the presence of industrial locations.