چکیده:
آگاهی از میزان آلایندههای هوا و توزیع زمانی و مکانی آنها اهمیت ویژهای در تصمیمگیری و برنامهریزیهای مرتبط با سلامت، محیطزیست و برآورد کیفیت هوا در مقیاسهای مختلف دارد. کلانشهر مشهد به دلیل موقعیت مذهبی، اجتماعی، فرهنگی و جغرافیای خاص خود در برخی روزهای سال آلودهترین شهر کشور است. هدف این تحقیق با فرض وجود رابطه بین حجم ترافیک و غلظت آلایندههای مختلف (PM2.5, CO،NO2 ) تخمین میزان آلایندههای هوا براساس دادههای حجم ترافیک و دادههای ساده جوی است. برای این هدف با استفاده از مدلهای تجربی Baker و AERMOD، مدل رگرسیون خطی و مدل غیر خطی شبکههای عصبی مصنوعی به بررسی رابطه میان تعداد وسایل نقلیه و غلظت آلایندهها در نقاط مختلف شهر برای بازه زمانی شش ماهه پرداخته شد.
نتایج حاکی از همبستگی پایین دادههای حجم ترافیک و آلایندههای مختلف در بازه زمانی مورد مطالعه است که امکان استفاده از این مدلها برای تخمین میزان آلودگی و تهیه نقشه پیوسته آلودگی این شهر را ناممکن میسازد. نتایج نشان میدهد که این همبستگی در آلاینده PM2.5 پایینتر از دو آلاینده دیگر است. نتایج تحلیل حساسیت مدلهای تجربی نیز نشان داد که متغیر سرعت اتوموبیل اثرگذارترین متغیر در دو مدل تجربی مورد استفاده در تحقیق است.
خلاصه ماشینی:
برای این هدف با استفاده از مدلهای تجربی Baker و AERMOD، مدل رگرسیون خطی و مدل غیر خطی شبکه های عصبی مصنوعی به بررسی رابطه میان تعداد وسایل نقلیه و غلظت آلایندهها در نقاط مختلف شهر برای بازه زمانی شش ماهه پرداخته شد.
نتایج حاکی از همبستگی پایین دادههای حجم ترافیک و آلایندههای مختلف در بازه زمانی مورد مطالعه است که امکان استفاده از این مدلها برای تخمین میزان آلودگی و تهیه نقشه پیوسته آلودگی این شهر را ناممکن می سازد.
آنها با استفاده از داده های حجم ترافیک، سرعت ترافیک، فاکتورهای تابندگی وسایل نقلیه ، خصوصیات خیابانها (از قبیل عرض راه، ارتفاع ساختمان های اطراف) و شرایط آب و هوایی (مانند سرعت باد، جهت باد و پایداری اتمسفر) نشان دادند که نتایج به دست آمده در ایستگاههای آلودگی فقط برای فاصله محدودی از ایستگاه می تواند مورد استناد قرار گیرد.
هدف این تحقیق با فرض ارتباط بین حجم و سرعت ترافیک عبوری با میزان آلایندهها در هو،ا ارائه مدلی برای تخمین میزان آلودگی هوا با استفاده از حجم ترافیک ، سرعت لحظه ای اتوموبیل ها و همچنین دادههای ساده جوی (مانند دمای هوا، مقدار بارندگی ، سرعت باد) است .
برای هر ایستگاه میزان غلظت آلاینده مورد نظر با استفاده از مدل بیکر (یا آئرمود) محاسبه شده و سپس رگرسیون آن با داده واقعی (ایستگاه سنجش آلودگی ) به دست آمده است .
International Journal of Environment and Pollution, No. 53, Vol. 1-2, pp.