پیش بینی آلاینده های هوا (CO، O۳ و PM۱۰) و پارامترهای هواشناسی: مطالعه موردی شهرستان بیرجند

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 105

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ENVJ-6-71_006

تاریخ نمایه سازی: 31 خرداد 1401

چکیده مقاله:

آلودگی هوا، یک تهدید جهانی برای بهداشت عمومی و محیط زیست، به ویژه در مناطق شهری است. از این رو برای کنترل و برنامه ­ریزی غلظت آلاینده ها از مدل سازی استفاده می­ شود. در این مقاله یک مدل بر مبانی رگرسیون خطی به منظور پیش بینی کوتاه مدت CO، PM۱۰ و O۳ بر حسب پارامترهای هواشناسی ارائه شده است. داده های پارامترهای هواشناسی شامل رطوبت، فشار، حداقل و حداکثر دما و سرعت باد (سازمان هواشناسی بیرجند) و داده های آلودگی هوا (غلظت CO، PM۱۰ و O۳) از اداره کل محیط زیست بیرجند، تهیه و به صورت میانگین روزانه استفاده شد. برای مدل سازی رگرسیون خطی از نرم افزار SPSS.۱۶ استفاده گردید. نتایج به دست آمده نشان داد که بیش ترین ضریب همبستگی برای آلاینده CO با حداقل درجه حرارت، ۰/۵۳ و کم ترین ضریب همبستگی با مقدار ۰/۱۶۶ بود. بیش ترین ضریب همبستگی آلاینده PM۱۰ با سرعت باد، ۰/۳۳ و کم ترین ضریب همبستگی این آلاینده با فشار، ۰/۰۸۲ به دست آمد. بیش ترین ضریب همبستگی آلاینده O۳ با حداکثر درجه حرارت، ۰/۵۰ و کم ترین ضریب همبستگی این آلاینده با جهت باد، ۰/۰۹ به دست آمد. هم چنین نتایج حاصل از مدل رگرسیون برای آلاینده مونوکسیدکربن در مقایسه با دو آلاینده دیگر، بهتر بود.

نویسندگان

راضیه فرهادی

گروه مهندسی محیط زیست، دانشکده علوم محیطی، دانشگاه حکیم سبزواری، سبزوار، ایران

مهدی کارگر

گروه مهندسی محیط زیست، دانشکده علوم محیطی، دانشگاه حکیم سبزواری، سبزوار، ایران

قاسم ذوالفقاری

گروه مهندسی محیط زیست، دانشکده علوم محیطی، دانشگاه حکیم سبزواری، سبزوار، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • Anderson, R.; Wong, C.; Atkinson, R.W.; Anderson, H.R.; Hedley, A.J. ...
  • Arasa, R.; Soler, M.R.; Ortega, S.; Olid, M. and Merino, ...
  • Baldasano, J. and Valera, E.J.P., ۲۰۰۳. Air quality data from ...
  • Bernatsky, S.; Smargiassi, A.; Johnson, M.; Kaplan, G.G.; Barnabe, C. ...
  • Bhaskar, B.V.; Rajasekhar, R.V.J. and Muthusubramaian, P.K.A., ۲۰۰۸. Measurement and ...
  • Biancofiore, F.; Verdecchia, M.; Di Carlo, P.; Tomassetti, B.; Aruffo, ...
  • Boznar, M.; Lesjak, M. and Mlakar, P., ۱۹۹۳. A neural ...
  • Burnett, R.T.; Pope, C.A.; Ezzati, M.; Olives, C.; Lim, S.S. ...
  • Cimorelli AJ, Perry SG, Venkatram A, Weil J, Paine R, ...
  • Dai L, Zanobetti A, Koutrakis P, Schwartz JD. ۲۰۱۴. Associations ...
  • Dayan, U, Levy I. ۲۰۰۲. Relationship between synoptic–scale atmospheric circulation ...
  • Dutot A.L, Rynkiewicz J, Steiner F.E, Rude J. A. ۲۰۰۷. ...
  • Elangasinghe M.A, Singhal N, Dirks K.N, Salmond JA. ۲۰۱۴. Development ...
  • Gratani L VL. ۲۰۰۵. Daily and seasonal variation of CO۲ ...
  • Hooyberghs J, Mensink C, Dumont G, Fierens F, Brasseur O, ...
  • Kesarkar AP, Dalvi M, Kaginlkar A OA. ۱۹۷۶–۸۸. Journal of ...
  • Kolehmainen M, Martikainen H, Ruuskanen J. ۲۰۰۱. Neural networks and ...
  • Luecken DJ, Hutzell WT, Gipson GL. ۲۰۰۶. Development and analysis ...
  • Middleton DR, McKendry IG. ۱۹۹۸. A new box model to ...
  • Monteiro, A., Vautard, R., Borrego, C., Miranda AI. ۲۰۰۵. Long–term ...
  • Russo A, Trigo R.M, Martins H, Mendes MT. ۲۰۱۴. NO۲, ...
  • Saavedra S, Rodriguez A, Taboada J.J, Souto J.A, Casares J. ...
  • Shi J.P, Harrison RM. ۱۹۹۷. Regression modelling of hourly NOx ...
  • Wise EK CA. ۲۰۰۵. Meteorologically adjusted urban air quality trends ...
  • Zhang Lw, Chen X, Xue X, Sun M, Han B, ...
  • نمایش کامل مراجع