پهنه بندی انتشار CO در تهران در میان مدت با استفاده از چارک سوم به عنوان کاندید مواجهه

CO یکی از آلاینده های اصلی هوا است که مشکلات زیادی را برای انسان به دنبال دارد. کلان شهرهایی مانند تهران با افزایش وسایل نقلیه، مصرف سوخت و گسترش مناطق شهری دارای مشکلات حیاتی هستند. از این رو، برای داشتن دیدگاهی روشن در مورد الگوی غلظت CO در شهر تهران، از داده های 14 مرکز غلظت کیفیت هوا در یک دوره میان مدت (1388 و 1391) استفاده شده است. نکته اصلی این تحقیق استفاده از چارک سوم (Q3) به عنوان شاخص آلودگی است که منجر به نتایج دقیق تری بر اساس الگوی مواجهه در یک روز می شود. علاوه بر این، با استفاده از مدل درونیابی Spline و با استفاده از نرم افزار ArcGIS، نقشه های پهنه بندی برای نشان دادن غلظت CO در منطقه شهری نشان داده و مورد بحث قرار گرفته است. استفاده از Q3 به جای مقادیر میانگین به دلیل الگوهای مواجهه نتایج دقیق تری را نشان داد. با توجه به نتایج،

کلید واژه ها:

منوکسید کربن، درونیابی، GIS، تهران

1. مقدمه

آلودگی هوای کلان شهرها یکی از معضلات بزرگ جهان در حال حاضر است. در تهران آلودگی هوا با افزایش جمعیت و توسعه صنعتی ایجاد شده است. آلودگی هوای تهران کمتر از استانداردهای جهانی است و دولت جمهوری اسلامی ایران آلودگی را به عنوان یک چالش زیست محیطی و بهداشتی با اولویت بالا معرفی کرده است. یکی از عوامل مهم آلودگی هوا، اگزوز حدود 1.4 میلیون وسیله نقلیه موتوری، از جمله حدود 0.5 میلیون موتورسیکلت است که در یک فضای جاده ای بسیار شلوغ (متوسط ​​سرعت وسیله نقلیه زیر 18 کیلومتر در ساعت) و 70000 واحد صنعتی کار می کنند. مشخص شده است که بین 65 تا 70 درصد از کل انتشارات مربوط به عملیات حمل و نقل شهری است [ 1 ]] . میانگین غلظت های گزارش شده آلاینده هایی مانند مونوکسید کربن (CO)، ذرات معلق (قطر کمتر از 10 میکرون (PM-10)) و دی اکسید گوگرد (SO ₂ )، در مرکز شهر در سال 2007، دو تا سه برابر بالاتر از حد متوسط ​​بود. توصیه شده توسط WHO/USEPA. رشد تعداد خودروها در دو سال گذشته وضعیت را شدیدتر کرده است.

برنامه ریزی صحیح، مدیریت و نظارت بر وضعیت آلودگی بستگی به در دسترس بودن اطلاعات دقیق دارد. ادغام داده های تولید شده در مناطق و غیره می تواند منجر به شناسایی مناطق تنش آلودگی با ترکیبی منحصر به فرد از ویژگی ها و در نتیجه مناسب بودن خاص از نظر روش های علمی برای کاهش بار آلودگی بدون به خطر انداختن برنامه های اقدام بلند مدت برای کیفیت محیطی شود [ 2 ]. ] .

سنجش از دور به عنوان یک فناوری قدرتمند برای نقشه برداری و مدل سازی مطالعات آلودگی، ابزار مناسبی برای پایش پهنه بندی آلودگی است. تکنیک های درون یابی کلیدهای اصلی این مدل ها هستند. به عنوان مثال، لام (1983) و بارو (1986) انواع روش های درونیابی کمی مناسب برای الگوریتم های کانتورینگ کامپیوتری [ 3 ] [ 4 ] را توصیف می کنند که معمولاً در مدل های درون یابی استفاده می شوند.

تهران به عنوان پایتخت ایران با مشکلات جدی آلودگی هوا مواجه است. با توجه به برخی از مطالعات اخیر، این نتیجه حاصل شد که میزان تأثیر سلامت برآورد شده برای شهر تهران، نیاز به اقدام فوری برای کاهش بار بهداشتی آلودگی هوا را نشان می‌دهد [ 5 ]. یکی از آلاینده های اصلی هوا مونوکسید کربن (CO) است. این گاز بی رنگ، بی بو و بی مزه است که محصول احتراق ناقص سوخت های کربنی جامد، مایع و گاز است. اینها عبارتند از چوب، زغال سنگ، بنزین، گازوئیل، LPG، نفت سفید CNG و نفت.

منابع غلظت مونوکسید کربن در هوای محیط تهران معمولاً انتشارات وسایل نقلیه موتوری و گرمایش خانگی در اکثر مناطق شهری است. غلظت مونوکسید کربن در محیط داخلی از منابع داخلی نیز می تواند یک تهدید بزرگ برای سلامتی باشد. غلظت بالای CO در داخل خانه می تواند در نتیجه انتشار گازهای گلخانه ای و بخاری های بدون تهویه رخ دهد. دیگر منابع متداول CO CO در داخل ساختمان شامل سوزاندن سوخت جامد و کشیدن سیگار است [ 6 ].

در این تحقیق داده های 14 ایستگاه کنترل کیفیت هوا واقع در شهر تهران در سال های 1388 و 1391 در نظر گرفته شده است. هر ایستگاه هر ساعت غلظت CO را بررسی می کرد و مقادیر را ذخیره می کرد. برای نتایج دقیق، چارک سوم (Q3) غلظت ها محاسبه شده و برای مقدار میانگین هر ایستگاه در نظر گرفته می شود. چارک سوم (Q3) مقدار میانی بین میانه و بالاترین مقدار مجموعه داده است [ 7 ]. استفاده از چارک سوم به دلیل قرار گرفتن بیشتر در معرض آلاینده های هوا در طول روز است.

2. مواد و روش ها

2.1. منطقه مطالعه

مطالعه حاضر تأثیر سلامتی کیفیت هوا بر ساکنان تهران، پایتخت ایران، بزرگترین منطقه شهری ایران با جمعیت 8700000 نفر را در سال 2011 مورد ارزیابی قرار داد [ 8 ]. این شهر همچنین به عنوان یکی از بزرگترین شهرهای غرب آسیا و نوزدهمین شهر در کل جهان است. تهران مانند سایر شهرهای بزرگ با مشکلات جدی کیفیت هوا مواجه است. به طور کلی 20 درصد انرژی کل کشور در تهران مصرف می شود.

این شهر ظرفیت 700000 خودروی ثبت نامی را دارد اما روزانه 3 میلیون خودرو در خیابان های آن تردد می کنند. تشدید مشکل آلودگی هوای تهران موقعیت جغرافیایی آن است. تهران با موقعیت 35 درجه و 41 دقیقه شمالی تا 51 درجه و 25 دقیقه شرقی و ارتفاع 1000 تا 1800 متری از سطح دریا، در دره‌هایی قرار گرفته و از شمال، شمال غرب، شرق و جنوب شرق با ارتفاعات مرتفع تا متوسط ​​احاطه شده است. 3800 – 1000 متر) رشته کوه. رشته کوه جریان باد مرطوب را به پایتخت اصلی می رساند و از انتقال هوای آلوده به شهر جلوگیری می کند. بنابراین در فصل زمستان فقدان باد و هوای سرد باعث می‌شود که هوای آلوده در داخل شهر محبوس شود [ 9 ].

2.2. مدل درونیابی

در زمینه ریاضی تحلیل عددی، درون یابی روشی برای ساختن نقاط داده جدید در محدوده مجموعه ای گسسته از نقاط داده شناخته شده است [ 10 ]. چندین روش مختلف برای طبقه بندی رویه های درون یابی فضایی در ArcGIS وجود دارد که در اینجا با توجه به داده های موجود، روش Spline انتخاب شده است.

ابزار Spline از یک روش درون یابی استفاده می کند که مقادیر را با استفاده از یک تابع ریاضی تخمین می زند که انحنای کلی سطح را به حداقل می رساند و در نتیجه سطح صافی ایجاد می کند که دقیقاً از نقاط ورودی عبور می کند.

از نظر مفهومی، نقاط نمونه به ارتفاع قدر خود اکسترود می شوند. Spline یک ورقه لاستیک را خم می کند که از نقاط ورودی عبور می کند در حالی که انحنای کل سطح را به حداقل می رساند. در حین عبور از نقاط نمونه، یک تابع ریاضی را با تعداد مشخصی از نزدیکترین نقاط ورودی مطابقت می دهد. این روش برای ایجاد سطوح با تغییرات ملایم مانند ارتفاع، ارتفاع سطح آب یا غلظت آلودگی بهترین است.

شکل اصلی درونیابی Spline حداقل انحنای دو شرط زیر را بر interpolant تحمیل می کند:

· سطح باید دقیقاً از نقاط داده عبور کند.

· سطح باید حداقل انحنا داشته باشد، مجموع مجذورات مشتق دوم سطح گرفته شده روی هر نقطه از سطح باید حداقل باشد.

روش حداقل انحنای پایه نیز به عنوان درون یابی صفحه نازک نامیده می شود. این یک سطح صاف (مستمر و قابل تمایز) را همراه با سطوح مشتق اول پیوسته تضمین می کند. تغییرات سریع در شیب یا شیب (نخستین مشتق) می تواند در مجاورت نقاط داده رخ دهد. از این رو، این مدل برای تخمین مشتق دوم (انحنا) مناسب نیست. تکنیک درون یابی اولیه را می توان با استفاده از مقدار صفر برای آرگومان Weight در ابزار Spline اعمال کرد.

دو روش Spline وجود دارد: Regularized و Tension. روش Regularized یک سطح صاف و به تدریج در حال تغییر با مقادیری ایجاد می کند که ممکن است خارج از محدوده داده های نمونه قرار داشته باشند. روش تنش سفتی سطح را با توجه به ویژگی پدیده مدل شده کنترل می کند. این یک سطح صاف کمتر با مقادیر محدودتر توسط محدوده داده نمونه ایجاد می کند. در این مطالعه از روش منظم استفاده شده است.

معیارهای کمینه سازی را می توان با گزینه REGULARIZED تغییر داد. با این حال، اصطلاحات مشتق سوم در معیارهای کمینه سازی گنجانده شده است. وزن متصل به عبارت‌های مشتق سوم در طول کمینه‌سازی توسط پارامتر وزن مشخص می‌شود در حالی که مقادیر بالاتر این عبارت باعث صاف‌تر شدن سطوح می‌شود. علاوه بر این، مقادیر پارامتر وزن بین 0 تا 0.5 برای رسیدن به نتایج صاف کردن مناسب است، همانطور که می توان نتیجه گرفت، استفاده از گزینه REGULARIZED سطح صاف را همراه با سطوح مشتق اول صاف تضمین می کند. همچنین، این روش در صورتی مفید است که مشتق دوم سطح درون یابی شده نیاز به محاسبه داشته باشد [ 11 ] [ 12 ].

کنترل سطح خروجی توسط دو پارامتر اضافی از جمله انجام می شود. وزن و تعداد امتیاز جالب توجه است که پارامتر وزن وزن مشتقات سوم سطح را در بیان به حداقل رساندن انحنا تعریف می کند. برای روش Spline منظم، که در آن وزن بالاتر، سطح خروجی صاف تر می شود. معمولاً وزن مقادیر مشتقات سوم برابر یا بزرگتر از صفر است در حالی که با توجه به تحقیقات اخیر مقادیر معمولی توصیه شده 0، 0.001، 0.01، 0.1 و 0.5 است [ 13 ] [ 14 ].

تعداد نقاط تعداد نقاط مورد استفاده در محاسبه هر سلول درون یابی را مشخص می کند. هرچه نقاط ورودی بیشتری را مشخص کنید، هر سلول بیشتر تحت تأثیر نقاط دورتر قرار می‌گیرد و سطح خروجی صاف‌تر می‌شود که می‌توان نتیجه گرفت که تعداد نقاط ورودی بیشتر است تا زمان بیشتری برای پردازش شطرنجی خروجی به دست آید.

الگوریتم مورد استفاده برای ابزار Spline از فرمول زیر برای درون یابی سطحی [ 13 ] [ 14 ] استفاده می کند:

(1)

جایی که:

و N تعداد نقاط است.

ضرایبی هستند که با حل یک سیستم معادلات خطی پیدا می شوند. r _j فاصله نقطه (x, y) تا نقطه j است و _بسته به گزینه انتخاب شده متفاوت تعریف می شود.

برای اهداف محاسباتی، کل فضای شطرنجی خروجی به بلوک ها یا مناطق مساوی از نظر اندازه تقسیم می شود. تعداد نواحی در جهت x و y یکسان است و مستطیل شکل هستند. تعداد مناطق با تقسیم مقدار کل نقاط در مجموعه داده نقطه ورودی بر مقدار مشخص شده برای تعداد نقاط تعیین می شود. برای داده هایی که به طور یکنواخت کمتر توزیع شده اند، مناطق ممکن است دارای تعداد متفاوتی از نقاط باشند، که مقدار تعداد نقاط فقط میانگین تقریبی است. اگر در هر منطقه ای تعداد نقاط کوچکتر از هشت باشد، منطقه تا جایی گسترش می یابد که حداقل هشت نقطه داشته باشد.

برای گزینه REGULARIZED

(2)

که در آن a _i ضرایبی هستند که با حل یک سیستم معادلات خطی پیدا می شوند. و،

(3)

جایی که r فاصله بین نقطه و نمونه است. پارامتر وزن است. K ₀ تابع بسل اصلاح شده و c ثابتی برابر با 0.577215 است.

3. نتایج و بحث

غلظت CO در سال های 2009 و 2012 برای ارزیابی الگوی آلودگی CO در شهر تهران انتخاب شده است. از این رو، داده های مراکز تمرکز کیفیت هوا (AQCC) واقع در شهر تهران جمع آوری شده است. 14 AQCC به دلیل پراکندگی آنها در محدوده شهری در نظر گرفته شده است. نام ایستگاه ها در جدول 1 ارائه شده است.

همانطور که در شکل 1 مشاهده می شود ، دو مواجهه معمول روزانه CO نشان داده شده است. محور افقی قرمز میانگین مقدار CO ساعتی است در حالی که محور آبی چارک سوم (Q3) است. در ساعات معمولی روز، انسان بیشتر در معرض بالاترین میزان آلودگی قرار می‌گیرد که در نیمه‌شب کمترین میزان آلودگی را دارد. از این رو، استفاده از مقدار میانگین مناسب نیست و نمی تواند به عنوان یک کاندید نوردهی دقیق در نظر گرفته شود که Q3 الگوی واقعی تری را نشان می دهد و می تواند به عنوان بهترین عامل برای نشان دادن مواجهه با آلودگی به انسان در نظر گرفته شود.

نکته قابل توجه این است که Q3 در درون یابی به جای مقدار میانگین استفاده می شود. معمولاً انسان در روز در معرض آلاینده های هوا قرار می گیرد در حالی که در این دوره غلظت آلاینده ها بیشتر از دوره مشابه در شب است. بنابراین، اگر مقدار میانگین به عنوان شاخص مواجهه در نظر گرفته شود، واقعیت را در نظر نخواهد گرفت. بنابراین، برای پوشش این مشکل، Q3 به عنوان نشانگر نوردهی مناسب تری در محاسبه انتخاب می شود. مقادیر Q3 برای غلظت CO در جدول 1 آورده شده است.

GIS ابزاری مناسب برای مدیریت کیفیت هوا است زیرا حجم بالایی از داده ها بستگی به زمان و موقعیت دارد. با تحلیل موقعیت زمانی و شناسایی موقعیت بحرانی آلودگی، این امکان برای مدیران در سطوح مختلف وجود دارد که در خصوص بومی سازی مراکز صنعتی جدید، انتقال تولیدکننده آلودگی هوا به نحوی که کمترین تاثیر را بر آلودگی هوای تهران داشته باشند، تصمیم گیری کند و منطقه ای را ایجاد کند که نیاز به هوای پاک دارد، شناسایی منطقه نیاز به ایجاد فضای سبز دارد.

با استفاده از GIS تخصصی برای کنترل کیفیت هوا می‌توانیم مکان مناسبی را برای ایستگاه انتخاب کنیم. با توجه به تأثیر توزیع آلودگی به عنوان مثال داده های توپوگرافی، کاربری اراضی، عوامل اقلیمی و جغرافیایی و تأثیر آنها در توزیع آلاینده های زیست محیطی، برای ورود این عامل در GIS باید به فاکتورها و مدل سازی های قبلی توجه کرد تا از تحلیل های فوق اطمینان و صحت داشته باشیم.

همانطور که در شکل 2 و شکل 3 مشاهده می شود ، غلظت CO بین سال های 2009 و 2012 کاهش یافته است. با این حال، مرکز شهر همچنان مشکل دارد و غلظت CO بالاتر از مقدار استاندارد است. لازم به ذکر است با توجه به سازمان محیط زیست ایران غلظت استاندارد CO در محدوده شهری 5ppm می باشد.

دو AQCC اضافی در شکل 2 و شکل 3 وجود دارد . CO ₁ و CO ₂ . این ایستگاه های اضافی برای کاهش خطای برون یابی در نظر گرفته می شوند. قبل از در نظر گرفتن این ایستگاه ها خطاها بسیار زیاد و غیرقابل قبول بود، بنابراین استفاده از این ایستگاه های اضافی خطاهای قابل قبولی را نشان داد.

دایره ها مقدار Q3 هر ایستگاه را نشان می دهند در حالی که اندازه نشان دهنده سطح غلظت آلاینده ها است. به عبارت دیگر، دایره های بزرگتر سطح بالاتری از غلظت CO را شناسایی کردند.

با توجه به مقایسه شکل 2 و نمودار 3 ، غلظت CO در تهران بین سال های 1388 تا 1391 به شدت کاهش یافت. با این حال، مرکز شهر همچنان مشکلاتی دارد. جنوب غرب شهر در سال 2009 وضعیت بحرانی را نشان می دهد که به دلیل غلظت در این مکان در سال 2012 کمتر از حد استاندارد است. از سوی دیگر غلظت دی اکسید کربن در شمال غرب تهران از سال 1388 تا 1391 افزایش یافته است که از دلایل این تغییرات می توان به افزایش صنایع و گسترش شهری در شمال غرب و احداث دریاچه مصنوعی در غرب شهر اشاره کرد.

لازم به ذکر است که نقشه بر اساس درونیابی دقیقتر از برون یابی است. از این رو مناطق بحرانی در لبه نقشه ها دارای خطاهای بیشتری هستند. از این رو، مناطق درون یابی باید در نظر گرفته شوند.

4. نتیجه گیری

با محاسبه مقادير سه ماهه سوم غلظت CO2 شهر تهران در سالهاي 1388 و 1391، نقشه هاي درون يابي استخراج و به تصوير كشيده شده است. نکته اصلی این تحقیق استفاده از چارک سوم (Q3) به عنوان شاخص آلودگی است که منجر به نتایج دقیق تری بر اساس الگوی مواجهه در یک روز می شود. با مفهوم و الگوی قرار گرفتن در معرض CO در یک دوره روزانه با استفاده از Q3 نتایج مناسب تری به جای مقادیر میانگین نشان می دهد. نکته قابل توجه این است که Q3 در درونیابی به جای مقدار میانگین استفاده می شود. معمولاً انسان در روز در معرض آلاینده های هوا قرار می گیرد در حالی که در این دوره غلظت آلاینده ها بیشتر از مدت مشابه در شب است. بنابراین، اگر مقدار میانگین به عنوان شاخص مواجهه در نظر گرفته شود، واقعیت را در نظر نخواهد گرفت. بنابراین،

علیرضا قراگوزلو، علیرضا طیبه، مریم داداشی، هادی عبدالهی روش Spline برای درونیابی غلظت CO بر اساس AQCC در نظر گرفته شده انتخاب شده است. با توجه به نقشه های درونیابی وضعیت شهر بر اساس غلظت CO در سال 2012 بهتر از سال 2009 است و بیشترین تغییرات در غرب شهر مشاهده می شود. مقایسه این نقشه ها منجر به روشن شدن دیدگاه مسئولان در پایش آلاینده های هوای تهران می شود.

منابع