بررسي مهم‌ترين عوامل موثر بر غلظت ذرات معلق كوچك‌تر از 10 ميكرون (PM10) با استفاده از رگرسيون مولفه هاي اصلي

A study on the most important factors affecting the concentration of particulate matter smaller than 10 microns (PM10) using principal component regression

زمينه و هدف: ذرات معلق موجود در هوا با منشا طبيعي و انساني، تاثيرات قابل توجهي بر آب‌و‌هوا، محيط زيست و سلامت انسان دارند. مطالعات اپيدميولوژيك متعددي نشان داده‌اند كه بين غلظت ذرات معلق با نتايج نامطلوب بهداشتي مختلف ارتباط مستقيمي وجود دارد، لذا مطالعه حاضر با هدف كلي تعيين مهم‌ترين پارامترهاي تاثيرگذار بر غلظت PM10 ايستگاه تجريش تهران و ايجاد مدل برآوردگر PM10 انجام شد. روش‌كار: در مطالعه حاضر يك مدل با استفاده از رگرسيون مولفه هاي اصلي (PCR) براي بررسي ارتباط بين غلظت ساعتي ذرات معلق كوچك‌تر از 10 ميكرون با پارامترهاي هواشناسي (سرعت و جهت باد، فشار، رطوبت و دماي هوا) و آلودگي هواي (CO، NO2، SO2، NOx، NMHC و THC) ايستگاه تجريش شهر تهران مربوط به دوره زماني 1385 تا 1390 ارايه شد. نتايج ارزيابي عملكرد مدل PCR در مرحله آموزش و آزمون با استفاده از شاخص هاي آماري RMSE، MAE، R و IA مورد سنجش قرار گرفت. يافته‌ها: نتايج ورود مولفه هاي اصلي به مدل رگرسيون چندگانه نشان داد كه مهم‌ترين متغير موثر بر غلظت PM10، دماي هوا و سرعت باد مي باشند. همچنين آلاينده هاي CO و SO2 عوامل تشديد كننده PM10 هستند. نتايج نشان داد مدل PCR در مرحله آزمون قابليت تخمين 41 درصد مقادير PM10 را دارد. نتيجه‌گيري: نتايج تحليل رگرسيون مولفه هاي اصلي نشان داد كه پارامترهاي هواشناسي از عوامل موثر بر كاهش غلظت PM10 در محدوده ايستگاه تجريش مي باشند.

Background & objectives: Air particulate matters which have natural and human made origins have significant effects on the climate, the environment and human health. Several epidemiological studies have shown a direct relationship among the concentrations of suspended particles with different adverse health effects. The general purpose of this research was to determine the most important parameters affecting on the concentration of PM10 in Tajrish station (Tehran) and develop an estimator model for PM10. Materials & methods: In this study, a model is constructed using principal component regression (PCR) for the relationship between the hourly concentration of particulate matter smaller than 10 microns with meteorological parameters (WD, WS, T, P, H) and air pollution parameters (CO, NO2, SO2, NOx, NMHC, THC) in Tajrish station (Tehran). The results of the performance evaluation of PCR model were measured in training and testing stages using RMSE, MAE, R and IA as statistical indicators. Results: The results of principal components import into multiple regression model showed that the most important variable affecting on the concentrations of PM10, are air temperature and the wind speed. Also, CO and SO2 emissions were known as synergic factors for PM10 concentration. The results showed that PCR model is able to estimate 41% of PM10 concentrations in the testing. Conclusion: The principal components regression analysis showed that meteorological parameters are one of most important factors affecting on the reduction of PM10 concentration in Tajrish station (Tehran).