Preparation of Air Pollution Mapping by Interpolating Kriging Method in GIS, Case Study: Tehran Metropolis

Document Type : Science - Research

Authors

1 Ardakan University, Payam Noor University eastern Tehran unit

2 Payam Noor University eastern Tehran

3 Payam Noor university, Eastern of Tehran branch

Abstract

Tehran as the largest city in Iran, is one of the most polluted cities in the world, so necessity of accurate detection of contaminants and identifying contaminated areas for reducing their severity is obvious. The aim of this research was prepared Tehran air pollution map and determining the areas with the highest polluted. For studying air pollution situation in Tehran, after gathering concentration of 5 main Atmospheric pollutants (CO, NOx، SOx، O3، PM25) from 20 air pollutant recorder station, three Interpolation methods in ArcGIS software include: Kriging, radial basis function RBF and inverse distance weighted IWD have been used. In Additon, for comparing methods and selecting the best of them, root- mean- square error RMSE and the correlation coefficient R2 had been used. It determined that in most of parameters IDW had better accuracy for zoning pollution of the area by checking the RMSE values. For achieving results with using mentioned methods, map of air quality limits in the area was ready and by combining five maps and weighing them into each parameter, general pollution map of the area was prepared. Results showed that in Monoxide carbon pollution zoning map, most of the pollution was related to the unhealthy class, in Nitrogen Oxide and Ozone was related to very unhealthy class and in particle matter and sulfur oxide was related to unhealthy class. In final map also most portion was related to unhealthy class. Overlay Masudieh station with 1091 pollution weight had the most pollutants and dangerous weather conditions and Darrus station with 628 pollution weight had better position.

Highlights

Spatial analysis of the average concentration of CO, NOx, SOx, O3, PM25 particles by kriging methods, basic radial functions method and IDW weight distance inverse method in Tehran

9. Atai, Hooshmand, Hashemi Nasab, Sadat, (2011), Identification and analysis of atmospheric mid-level patterns affecting air pollution, using standard air pollution index data (PSI, Isfahan Case Study, Journal of Research and Planning)

Keywords

Main Subjects



آلاینده‌های هوا را می‌توان براساس منشأ ترکیب شیمیایی و حالت فیزیکی‌شان به دو گروه اولیه و ثانویه تقسیم نمود. آژانس حفاظت محیط‌ زیست آمریکا شش آلاینده اصلی را به‌عنوان معیار انتخاب نموده و آن‌ها را به دو دسته اولیه و ثانویه تقسیم کرده است. آلاینده‌های اولیه موادی هستند که از منابع به‌طور مستقیم در مقادیر زیاد به هوای محیط وارد می‌شوند و موجب بروز اثرات سوء بهداشتی و مزاحمت در رفاه عمومی در مقیاس مکانی نسبتاً بزرگ می‌شوند که برای این آلاینده‌ها استانداردهای ملی وضع نموده‌اند. این گروه آلاینده‌ها شامل پنج آلاینده منواکسید کربن (CO )، دی‌اکسید نیتروژن (NO2 )، ذرات معلق (PM2.5,10 )، دی‌اکسید گوگرد (SO2 ) و سرب (Pb ) می‌باشد. آلاینده‌های ثانویه به موادی اطلاق می‌شود که در اثر فعل‌و انفعالات موجود در هوای اطراف زمین به وجود می‌آید و در این گروه می‌توان از ازن (O3 ) نام برد (سازمان حفاظت محیط‌ زیست، 1395).
CO، گازی است که حاصل احتراق ناقص سوخت‌های فسیلی است. از فراوان‌ترین آلاینده‌های اصلی در اتمسفر می‌باشد و وسایط نقلیه موتوری بزرگ‌ترین سهم را در تولید این آلاینده به خود اختصاص می‌دهد. NO2، احتراق سوخت در دمای بالا موجب تولید این آلاینده می‌شود و هم‌چنین، هسته اولیه تشکیل ازن و باران‌های اسیدی است. PM، منابع تولید این آلاینده شامل همه انواع فرایندهای احتراقی و فعالیت صنایع و... می‌باشد. این ذرات به دلیل راه‌یابی به سیستم تنفس تحتانی به‌عنوان شاخص اصلی مواد معلق در هوا معرفی می‌شوند. SO2، از منابع انتشار اصلی این آلاینده می‌توان به نیروگاه‌ها، کارخانه‌ها، خودروهای دیزلی اشاره کرد. از ترکیب این آلاینده در هوا با بخارآب، باران اسیدی تشکیل می‌شود.O3 ، این آلاینده اساساً توسط منبعی به محیط منتشر نمی‌شود بلکه به‌وسیله واکنش‌های موجود بین آلاینده‌های اتمسفر تولید می‌شود و به همین علت این آلاینده را از نوع ثانویه می‌نامند. آلاینده‌های اولیه‌ای که در شکل‌گیری ازن شرکت دارند، اکسیدهای نیتروژن و مجموع هیدروکربن‌ها می‌باشند (سازمان حفاظت محیط‌ زیست، 1395).
آلودگی هوا طیف وسیعی از اثرات را برجای می‌گذارد. اثرات آلودگی بر روی گیاهان شاید از ملموس‌ترین اثرات آن باشد و هم‌چنین، آسیب‌هایی که این آلاینده‌ها بر انسان‌ها و سایر موجودات وارد می‌کنند. آثار تاریخی و موزه‌ها نیز به دلیل بارش باران‌های اسیدی از اثرات این آلاینده‌های هوا در امان نیستند (عطایی و هاشمی نسب، 1390: 4). امروزه آلاینده‌های گوناگونی به خاطر اقدامات انسانی و فعالیت‌های بیولوژیکی وارد هوا شده و زندگی انسان‌ها را به مخاطره می‌کشاند. زیرا این آلاینده‌ها اثر مستقیم بر سلامت انسان‌ها دارند. تهران به‌عنوان پایتخت ایران نیز از این امر مستثنی نبوده و دائماً با این خطرات دست‌به‌گریبان می‌باشد ( 2:Burnham & Anderson, 2004).
شهر تهران به‌عنوان بزرگ‌ترین شهر ایران با جمعیتی بالغ ‌بر 13 میلیون نفر (مرکز آمار ایران، اسفند 1395)، یکی از کلان‌شهرهای دنیا است. موقعیت جغرافیایی و توپوگرافی، شرایط اقلیمی خاصی را برای این شهر ایجاد نموده است هم‌چنین وجود بیش از 4 میلیون خودرو (شهرداری تهران، 1395) و 3 میلیون موتورسیکلت، 45 درصد کل صنایع کشور، تمرکز 70 درصد خدمات و 80 درصد متخصصین این شهر را به یکی از آلوده‌ترین شهرهای جهان تبدیل کرده است (سازمان حفاظت محیط‌ زیست، 1395).
در سال‌های اخیر یکی از آلاینده‌هایی که بیش‌ترین تهدید را برای شهر تهران داشته است ذرات معلق بوده که ذرات معلق با قطر کمتر از 2.5 میکرون بیش‌ترین آلودگی را در طی سال‌های اخیر داشته است ( 2:Burnham & Anderson, 2004). مقدار حجم ذرات معلق موجود در جو از مهم‌ترین شاخص‌های آلودگی هوا محسوب شده و به همین علت بیش‌ترین توجه را نسبت سایر آلاینده‌های جوی در سازمان‌های حفاظت محیط‌ زیست برخوردار هستند (Wang et al, 2010: 114).
بنا به گزارش اداره محیط‌ زیست تهران، رشد سریع شهر و صنعت در آن موجب شده است که ذرات معلق تبدیل به مهم‌ترین آلودگی هوای تهران و کلان‌شهرها شود (گزارش سالانه مرکز مطالعات و برنامه‌ریزی شهر تهران، 1394).
در اکثر شهرها و ازجمله شهر تهران ایستگاه‌های سنجش آلودگی دارای توزیعی تنک و غیر همگن می‌باشند (قربانی، 1390: 12). بنابراین تنها با اتکاء به ‌اندازه‌گیری این ایستگاه‌ها نمی‌توان با دقت مناسب در مورد توزیع آلودگی‌ها اظهار نظر کرد. ذرات معلق یکی از شاخص‌های آلودگی هوا است که توسط ایستگاه‌های سنجش آلودگی اندازه‌گیری می‌شود.
ذرات معلق، علاوه‌بر مشکلات سلامتی برای انسان‌ها باعث تأثیر بر روی مقدار تابش خورشید به زمین، تغییر سیستم زمین و جو، تأثیر روی الگوهای جریان جوی، تغییر دمای سطحی زمین و بارش و کاهش دید می‌شوند (Gupta & Christopher, 2008: 42).
توجه به پدیده آلودگی هوا و سیاست‌گذاری به‌منظور کاهش


غلظت گازهای سمی در هوای کلان‌شهری مثل تهران که دربرگیرنده حجم وسیعی از جمعیت کشور می‌باشد و تعیین مستمر کیفیت هوا به‌منظور تدوین برنامه‌های کنترل آن امری ضروری می‌باشد.
از آن‌جایی‌که نقشه‌سازی یکی از مناسب‌ترین روش‌ها جهت برنامه‌ریزی و تصمیم‌گیری است. در این پژوهش به ترسیم نقشه آلودگی هوای شهر تهران با استفاده از نرم‌افزار سیستم اطلاعات جغرافیایی پرداخته‌شده است. با توجه به آلودگی هوای تهران به‌خصوص در زمستان و آسیب‌های بهداشتی و اقتصادی این مقوله، پژوهش حاضر با هدف تهیه نقشه آلودگی ذرات معلق شهر تهران و به‌منظور ارائه راهکارهای عملی، انجام‌ شده است.

مبانی نظری
میری و همکاران (1394) ، در پژوهشی تحت عنوان "تحلیل و پهنه‌بندی آلودگی هوا شهر مشهد با استفاده از مدل‌های مختلف تحلیل فضایی"، به مطالعه تحلیل و پهنه‌بندی آلودگی هوا شهر مشهد با استفاده از مدل‌های مختلف تحلیل فضایی پرداخته‌اند و نتایج حاکی از این است که بیش‌ترین میانگین ماهیانه آلودگی PM2.5 مربوط به مهر ماه و ایستگاه «ساختمان» μg/m3 )1/ 95) و کم‌ترین میانگین آلودگی ماهیانه نیز مربوط به ایستگاه طرق و در آبان ماه (μg/m3 5/ 15) می‌باشد.
میرحسینی و شایق (1394)، در پژوهشی تحت عنوان "پهنه‌بندی آلودگی ناشی از ذرات معلق در هوای شهر شیراز" به مطالعه سنجش میزان غلظت ذرات معلق هوا پرداختند. نتایج نشان داد که بیش‌ترین میزان آلودگی ذرات معلق در شهر شیراز در نواحی جنوبی متمایل به جنوب غربی یعنی بخش‌هایی از مناطق 9، 5، 4 و کمترین میزان آلودگی در نواحی غربی متمایل به شمال غرب و جنوب غرب یعنی بخش‌هایی از مناطق 6 و 9 می‌باشد.
صاحبی و عادلی‌قرجه‌داغی(1392)، در مقاله‌ای با عنوان"بررسی کیفیت هوای شهری با درون‌یابی آلاینده‌ها در محیط GIS با روش‌های درون‌یابی، مطالعه موردی شهر تبریز" به بررسی کیفیت هوای شهر تبریز با درون‌یابی آلاینده‌ها، غلظت آلاینده‌های هوا در ایستگاه‌های چهارگانه شهر تبریز را محاسبه کردند. نتایج مطالعه آن‌ها نشان داد که کیفیت هوای تبریز در زمستان 1390 در مورد آلاینده‌های NO2 و SO2 در حد خوب و در مورد CO در حد متوسط بوده است. ذرات معلق موجود در هوای تبریز نیز در محدوده‌ ایستگاه راه‌آهن غیربهداشتی، در محدوده‌ ایستگاه حکیم نظامی غیر بهداشتی برای گروه‌های حساس و برای سایر مناطق در حد متوسط می‌باشد (صاحبی وایقان و عادلی قرجه داغی، 1392).
شکری فیروزه جاه(1390)، در پژوهشی "تأثیر پراکنش فضایی کاربری‌های شهری بر آلودگی با استفاده از روش‌شناسی توصیفی تحلیلی و بهره‌گیری از منابع کتابخانه‌ای، مطالعه موردی شهر تبریز" به بررسی تأثیر پراکنش فضایی کاربری‌های شهری بر آلودگی شهر تبریز با استفاده از روش‌شناسی توصیفی- تحلیلی و بهره‌گیری از منابع کتابخانه‌ای پرداخته است. نتایج نشان می‌دهد که کاربری‌های مورد مطالعه در مناطق مختلف شهر نامتناسب توزیع‌شدند به‌طوری‌که بیش‌ترین کاربری‌های خدماتی و تجاری که در طول روز جمعیت و وسایل نقلیه زیادی را به‌طرف خود می‌کشاند در منطقه شش طرح جامع یعنی در بافت مرکزی شهر قرارگرفتند.
فتح تبار و همکاران(1390)، در پژوهشی تحت عنوان "پهنه‌بندی آلاینده‌های هوا با استفاده از مدل‌های آماری و تکنیک GIS، مطالعه موردی شهر تهران" برای پهنه‌بندی آلاینده‌های هوا از مدل‌های آماری و تکنیک GIS استفاده نمودند. در این پژوهش، داده‌های مربوط به آلاینده‌هایPM10 ، O3، COشهر تهران را برای سال 1388 با استفاده از روش‌های کریجینگ ساده در حالت‌های مختلف واریوگرام و روش اسپلاین برای فصول مختلف سال مورد ارزیابی قرار داد و روش کریجینگ در حالت‌های مختلف واریوگرام با سطح خطای کم‌تر به‌عنوان روش بهینه انتخاب گردید.
ضرابی و همکاران(1389)، در مطالعه‌ای میزان آلاینده‌های منابع ثابت و متحرک شهر اصفهان را محاسبه و ارزیابی کردند. نتایج نشان داد که از مجموع آلاینده‌های واردشده به شهر اصفهان 13 درصد متعلق به صنایع شهری، 11 درصد متعلق به منابع خانگی و 76 درصد از کل آلاینده‌ها مربوط به منابع آلوده‌کننده ناشی از ترافیک در شهر اصفهان می‌باشد.
کاووسی و همکاران (2013)، به‌منظور پهنه‌بندی غلظت آلاینده CO و تهیه نقشه احتمال رخداد آلودگی هوا برای این آلاینده، از سه مدل اتولجستیک، اتولجستیک مرکزی شده و روش کریجینگ برای شهر تهران استفاده کرده‌اند. نتایج حاصل نشان داد مناطق شمالی، شرقی و مرکزی شهر تهران از سایر نواحی شهر آلوده‌تر هستند و از بین سه روش مذکور، مدل اتولجستیک مرکزی از توان بالاتری نسبت به روش کریجینگ و مدل اتولجستیک برخوردار است.

کاووسی و همکاران (2013)، به‌منظور پهنه‌بندی آلاینده‌های PM10 و COبر روی شهر تهران و شناسایی مکان‌های آسیب‌پذیر برای سال 1390 از روش کریجینگ استفاده کرده‌اند. نتایج نشان داد که خروجی‌های حاصل از مدل در مرکز شهر دارای دقت بالاتری می‌باشند .(Kavousi et al, 2013: 4)
رفیع‌پور در پژوهشی به‌منظور مدل‌سازی مکانی آلاینده منوکسیدکربن از سیستم اطلاعات مکانی، رگرسیون چند متغیره و شبکه‌های عصبی استفاده کردند. جهت نیل به این منظور از 18 ایستگاه سنجش کیفیت هوا و داده‌های موقعیت، ارتفاع و فاصله از خیابان اصلی جهت ورود به مدل و هم‌چنین، جهت مدل‌سازی از رگرسیون چند متغیره و سه شبکه عصبی MLP ، RBF ، GRNN استفاده شد. نتایج نشان داد شبکه عصبی MLP کارایی بهتری نسبت به بقیه مدل‌ها دارد (Rafipour, 2013: 2/113).
اکبری و همکاران (1394)، نیز در مطالعه‌ای با عنوان" پهنه‌بندی ماهانۀ میزان آلودگی هوا و بررسی نحوۀ ارتباط آن با عوامل اقلیمی، مطالعۀ موردی: شهر مشهد"، برای بررسیکیفیت هوای شهر مشهد با استفاده از روش پهنه‌بندی IDW، براساس شاخص PSI پرداختند. در نتایج مشخص شد که در فصل بهار سال 1388 کیفیت هوا در وضعیت بسیار ناسالم و خطرناک و به‌طورکلی کلیه فصول را با وضعیت نامطلوب هوا گزارش کردند. در این مطالعه از ذرات معلق و مونواکسید کربن برای تعیین شاخص PSI، استفاده‌شده است.
صفوی و علی‌‌جنتی(2007)، در مقاله‌ای با عنوان "بررسی عوامل جغرافیایی در آلودگی هوای تهران" به بررسی عوامل جغرافیایی در آلودگی هوای تهران پرداختند. آن‌ها به این نتایج دست یافتند که به‌جز ویژگی‌های طبیعی شهر که تأثیر بسیار زیادی بر آلودگی هوای شهردارند، عوامل انسانی مانند ازدحام جمعیت و استقرار کارخانه‌ها در سطح شهر و به‌ویژه در غرب و جنوب غربی آن میزان آلودگی شهر را دوچندان می‌کنند.

روش انجام پژوهش
این پژوهش از نوع کاربردی است و روش آن به صورت تحلیلی می‌باشد. نقشه سازی‌های این پژوهش با نرم‌افزار Arc GIS، انجام شده است. برای جمع‌آوری داده‌ها از میانگین غلظت آلاینده‌های اصلی 20 ایستگاه سنجش آلودگی هوای شهر تهران در طی سال 1395 و نیمه اول 1396 استفاده شده است.
Arc GIS نرم‌افزاری بسیار آسان است. GIS به کاربران این امکان را می‌دهد تا به‌ سادگی اطلاعات مکانی و داده‌های توصیفی را برای ایجاد نقشه‌ها، جداول و نمودارها به‌کار گیرند. این نرم‌افزار ابزارهای لازم برای جستجو، تحلیل داده و نمایش نتایج را با کیفیت مناسب در اختیار کاربران قرار می‌دهد (سلطانیان، 1391: 172).
در این پژوهش، ابتدا نقشه پراکنش ایستگاه‌های ثبت‌کننده در هوا که از سوی شهرداری معرفی‌شده بود، تعیین گردید. سپس بررسی و اصلاحات و نرمال‌سازی بر روی داده‌ها انجام گرفته شد. به‌منظور تست نرمال بودن داده‌ها از آزمون کلموگروف اسمیرونوف استفاده شده است. بعد از آماده شدن داده‌ها با استفاده از نرم‌افزار Arc GIS به پهنه‌بندی هر یک از پارامترهای ثبت‌شده در منطقه پرداخته‌شده است.
روش‌های مورد بررسی در این پژوهش شامل روش‌های پهنه‌بندی کریجینگ (ساده و معمولی)، روش توابع شعاعی پایه و روش عکس فاصله وزنی IDW می‌باشد. به‌منظور بررسی صحت و کارآمدی نقشه‌های تهیه ‌شده نیز از روش‌های کریجینگ دو معیار استفاده ‌شده است. ازجمله شرایط لازم در روش کریجینگ که نشان‌دهنده صحت نقشه‌ها می‌باشد، شامل ریشه میانگین مربع خطای استاندارد شده باید نزدیک به یک باشد و ریشه میانگین مربع خطا‌ها و میانگین خطای استاندارد باید نزدیک به هم می‌باشد (راهنمای Arc GIS، 2016)
با بررسی مقادیرRMSE مشخص گردید که در اکثر پارامترها روش IDW دارای دقت مناسب‌تری جهت پهنه‌بندی آلودگی منطقه می‌باشد. البته لازم به ذکر است که اختلاف دقت بین روش‌های مذکور چندان زیاد نمی‌باشد. نتایج روشIDW در جدول ۱ ارائه گردیده است.
هم‌چنین، با انجام پهنه‌بندی هر یک از پارامترهای اندازه‌گیری
شده با استفاده از جدول ۱ نقشه محدوده‌های کیفی هوا در منطقه تهیه گردید و با تلفیق پنج نقشه آلودگی مربوط به پنج پارامتر آلودگی هوا و وزن دهی به هریک از پارامترها، نقشه کلی آلودگی منطقه تهیه گردید که در شکل 7، نشان داده شده است.

جدول۱. نتایج ارزیابی روش پهنه‌بندی IDW
RMSE خطای متوسط آلاینده
51/65 05/1 CO

IDW

11/45 4/10 NOX
11/18 13/0- SOX
89/10 67/0- O3
44/33 34/3 PM25


روش کریجینگ (ساده و معمولی)
یک روش برآورد زمین‌آماری است که بر پایه میانگین متحرک وزن‌دار استوار می‌باشد. براساس خود همبستگی که توسط نیم تغییر نما محاسبه می‌شود، درون‌یابی پهنه‌ای از نقاط در سراسر حوزه سه‌بعدی ارائه می‌دهد. شرط استفاده از این تخمین‌گر این است که متغیرها دارای توزیع نرمال باشند. در غیر این صورت باید از کریجینگ غیرخطی استفاده کرد و یا این‌که با تبدیل‌های مناسب توزیع متغیر را به نرمال تبدیل نمود. تخمین‌گر کریجینگ معمولی که آن را بهترین تخمین‌گر خطی نااریب( BLUE) نیز می‌نامند در رابطه 1 مطرح شده است که در زیر آورده شده است(Isaaks & Srivastava, 1989) .


رابطه1. تخمین‌گر کریجینگ معمولی

معیار برآوردی، وزن یا اهمیت کمیت وابسته به نمونه iام و مقدار متغیر اندازه‌گیری شده می‌باشد.
روش عکس فاصله وزنی IDW
این روش از مهم‌ترین روش‌های درون‌یابی است. برای هر یک از نقاط اندازه‌گیری، وزنی براساس فاصله بین آن نقطه تا موقعیت نقطه مجهول در نظر می‌گیرد. سپس این وزن‌ها توسط توان وزن دهی کنترل می‌شود. به‌طوری‌که توان‌های بزرگ‌تر اثر نقاط دورتر از نقطه مورد برآورد را کاهش داده است و توان‌های کوچک‌تر وزن‌ها را به‌طور یکنواخت‌تری بین نقاط هم‌جوار توزیع می‌کنند. البته این روش بدون توجه به موقعیت و آرایش نقاط، فقط فاصله آن‌ها را در نظر می‌گیرد. یعنی نقاطی که دارای فاصله یکسانی از نقطه برآورد هستند، دارای وزن یکسانی می‌باشند. مقدار عامل وزنی با استفاده از رابطه 2، محاسبه می‌گردد (میری و همکاران، 1394: 2).

رابطه2. مقدار عامل وزنی
در رابطه 2، وزن ایستگاه iام، فاصله ایستگاه iام تا نقطه مجهول و توان وزن‌دهی می‌باشد.
روش توابع شعاعی پایه (RBF)
روش شبکه RBF یک رویکرد شبکه عصبی با قابلیت طراحی در موضوع برازش منحنی (تقریب) در یک فضای بعد بالاست. فرایند آموزش، معادل یافتن یک تابع مناسب چندبعدی است که بهترین برازش یا انطباق را، با توجه به معیارهای آماری "بهترین برازش"، برای داده‌های آموزش تأمین کند که به‌طور مشابه، معادل استفاده از سطوح چندبعدی برای درون‌یابی داده‌های آزمون است. با توجه به محدودیت‌های روش‌های سنتی درون‌یابی در یک فضای چندبعدی، روشRBF موردتوجه پژوهش‌گران در حوزه‌های مختلف علوم قرار گرفته است. واحدهای پنهان در شبکه‌های عصبی، به‌صورت مجموعه‌ای از توابع به‌منظور ترکیب بردارهای ورودی بر پایه الگوهای تصادفی بیان می‌شوند. توابع مورداستفاده در این نوع شبکه‌ها، توابع پایه شعاعی است (sahin, 1997: 42). توابع پایه شعاعی برای اولین بار برای حل مسئله درون‌یابی چندمتغیره مورداستفاده قرار گرفت 1):powell, 1977).
داده‌های ایستگاه‌های زمینی پایش آلودگی هوا
غلظت ذرات معلق توسط ایستگاه‌های زمینی و در ارتفاع کمی از سطح زمین اندازه‌گیری می‌شود. پهنه‌بندی دقیق کیفیت هوا تنها با استفاده از داده‌های شبکه‌های اندازه‌گیری زمینی مقدور نیست، زیرا تعداد این ایستگاه‌ها بسیار اندک بوده و کل شهر را به‌خوبی پوشش نمی‌دهند. این درحالی است که برای پوشش صحیح کیفیت هوای شهر تهران نصب ایستگاه‌های متعدد دیگر ضروری است، که خود مستلزم هزینه زیادی می‌باشد (قربانی، 1390). در سراسر شهر تهران در حال حاضر حدود 20 ایستگاه فعال سنجش آلودگی هوا مستقر می‌باشد. از این تعداد 13 ایستگاه متعلق به شرکت کنترل کیفیت آلودگی هوای تهران و 7 ایستگاه متعلق به سازمان حفاظت محیط‌ زیست است. این ایستگاه‌ها در طول شبانه‌روز به‌صورت ساعتی، میزان غلظت آلاینده‌هایی همچون CO، NOx، SOx، O3، PM25 را اندازه می‌گیرند که آمار استفاده ‌شده در این پژوهش مربوط به
میانگین غلظت های روزانه در سال 1395 و نیمه اول 1396 می‌باشد. محل استقرار این ایستگاه‌ها در هر منطقه شهر تهران در شکل 1، نشان داده ‌شده است. برای تعیین محدوه خطر و سلامت هوا استانداردهای متفاوتی وجود دارد که معتبرترین آن‌ها مربوط به استاندارد سازمان بهداشت جهانی (WHO) می‌باشد. در این تحقیق جهت نقشه سازی نیز به همین استاندارد استناد شده است (جدول2).

 

 

طبقه‌بندی کیفیت هوا

AQI

نقاط شکست
NO2
ppm ))
ا ساعته So2
ppm))
24 ساعته CO
ppm))
ا ساعته PM10
g/m3)µ)
24 ساعته PM2.5
g/m3)µ)
24 ساعته O3
ppm))
ا ساعته O3
ppm))
8ساعته
پاک 50- 0 053/0- 0 034/0- 0 4/4- 0/0 54- 0 4/15- 0/0 - 059/0- 0
سالم 100- 51 1/0- 054/0 144/0- 035/0 4/9- 5/4 154- 55 0/35- 5/15 - 075/0- 060/0
ناسالم برای گروه‌ حساس 150- 101 360/0- 101/0 224/0- 145/0 4/12- 5/9 254- 155 4/65- 1/35 164/0 – 125/0 095/0- 076/0
ناسالم 200- 151 640/0- 361/0 304/0- 225/0 4/15- 5/12 354- 255 4/150- 5/65 204/0- 165/0 115/0- 096/0
بسیار ناسالم 300- 201 24/1- 65/0 604/0- 305/0 4/30- 5/15 424- 355 4/250- 5/150 404/0- 205/0 374/0- 116/0
خطرناک 400- 301
500- 401 64/1- 25/1
04/2- 65/1 804/0- 605/0
004/1- 805/0 4/40- 5/30
4/50- 5/40 504- 425
604- 505 4/350- 5/250
4/500- 5/350 504/0- 405/0
604/0- 505/0 (2)


شکل1. موقعیت محل مطالعه و جایگاه ایستگاه‌های سنجش آلودگی هوا


یافته‌ها
پس از جمع‌آوری غلظت 5 آلاینده جوی (CO، NOx، SOx، O3، PM25) از 20 ایستگاه ثبت‌کننده آلاینده‌های اصلی و پهنه‌بندی هرکدام از این آلاینده‌ها به‌طور جداگانه در این 20 ایستگاه، پنج نقشه آلودگی مربوط به 5 آلاینده جوی به‌دست آمد که در شکل‌های 2 تا 6، آورده شده است. هم‌چنین، با استفاده از جدول 1، نقشه محدوده‌های کیفی هوا در منطقه تهیه گردید که در جدول 2، نشان داده‌شده است.
نتایج گزارش‌های مربوط به میانگین غلظت سالانه 5 پارامتر اصلی آلاینده هوا نیز که در ایستگاه‌های 20 گانه مذکور ثبت و

اصلی آلاینده هوا نیز که در ایستگاه‌های 20 گانه مذکور ثبت و

اصلی آلاینده هوا نیز که در ایستگاه‌های 20 گانه مذکور ثبت و در
نقشه‌سازی استفاده ‌شده، در جدول 3 آورده شده است. پس از انجام نقشه سازی، نتایج نشان می دهد از بین ایستگاه‌های ‌بیست‌گانه سنجش آلودگی هوای سطح شهر تهران، به ترتیب 5 ایستگاه مسعودیه، شهرداری منطقه 4، شهرداری منطقه 10، ستاد بحران منطقه 7 و اقدسیه آلوده‌ترین بودند. 5 ایستگاه دروس، گلبرگ، شهرری، فتح و شهرداری منطقه 7، پاک ترین ایستگاه‌ها می‌باشند.

جدول 3. میانگین غلظت سالانه 5 پارامتر اصلی آلاینده هوا در ایستگاه‌های 20 گانه
نام ایستگاه غلظت متوسط CO غلظت متوسط NOx غلظت متوسط SOx غلظت متوسط O3 غلظت متوسط PM10
اقدسیه 7/2 9/89 2/39 24 2/38
محلاتی 8/1 1/132 4/11 3/23 4/124
بهاران 7/1 5/75 4/13 1/8 4/129
پارک رز 7/2 1/37 7/21 7/28 3/78
پیروزی 2/3 9/18 6/34 8/12 3/104
پونک 9/2 6/80 2/27 4/24 60
دروس 7/2 - 23 4/18 7/100
ژئوفیزیک 6/2 102 7/45 8/31 53
ستاد بحران (م 7) 3 4/183 18 9/33 6/34
شادآباد 6/1 1/34 6/54 8 7/126
شهرری 8/2 2/106 3/23 1/14 6/55
شهرداری منطقه 4 5/2 8/105 5/14 8/15 9/41
شهرداری منطقه 7 8/5 5/70 4/14 3/26 2/95
شهرداری منطقه 10 2/285 3/152 86 1/3 5/24
شهرداری منطقه 16 4/2 80 1/27 9/17 5/91
شهرداری منطقه 19 5/3 1/38 15 4/46 5/89
گلبرگ 6/2 7/59 15 1/23 3/71
مسعودیه 5/3 63 6/17 2/25 71
فتح 3/2 2/95 2/25 6/17 2/118
شهرداری منطقه 11 8/2 85 4/29 4/16 1/94

 


شکل2. نقشه پهنه‌بندی آلودگی SO در ایستگاه‌های ثبت‌شده در تهران

شکل3. نقشه پهنه‌بندی آلودگیPM در ایستگاه‌های ثبت‌شده در تهران


شکل4. نقشه پهنه‌بندی آلودگی O3 در ایستگاه‌های ثبت‌شده در تهران


شکل5. نقشه پهنه‌بندی آلودگی CO در ایستگاه‌های ثبت‌شده در تهران


شکل6. نقشه پهنه‌بندی آلودگی NO در ایستگاه‌های ثبت‌شده در تهران


وضعیت بهترین و بدترین ایستگاه سنجش آلودگی در جدول 4
آورده شده است.

جدول 4. وضعیت آلودگی سالانه بهترین و بدترین ایستگاه سنجش آلودگی هوای شهر تهران

نام ایستگاه تعداد روز پاک تعداد روز سالم تعداد روز ناسالم تعداد روز بسیار ناسالم تعداد روز خطرناک وزن آلودگی
دروس 149 189 14 6 7 628
مسعودیه 49 277 86 25 26 1091



شکل‌های 2 تا 6، نقشه‌های پهنه‌بندی آلودگی ایستگاه‌های تهران را نشان می‌دهند. پس از تلفیق نقشه‌های 5 گانه مربوط به پنج آلاینده اصلی، نقشه نهایی آلودگی منطقه تهیه شد که در شکل 7، ارائه ‌شده است.
شکل 7، ارائه ‌شده است. در این نقشه، بیش‌ترین وضعیت آلودگی مربوط به طبقه ناسالم می‌باشد که نشان از کیفیت ناسالم هوای تهران است.


شکل7. نقشه نهایی پهنه‌بندی آلودگی ذرات معلق در ایستگاه‌های ثبت‌شده در تهران


بحث و نتیجه‌گیری
آلودگی هوا امروزه به‌عنوان یکی از مهم‌ترین مشکلات جوامع بشری مطرح می‌باشد. گسترش شهرنشینی و توسعه شهرها به همراه افزایش شتابان جمعیت، توسعه فعالیت‌های صنعتی و مصرف بی‌رویه سوخت‌های فسیلی به‌شدت آلودگی‌ها را افزایش داده و این مسئله را به‌عنوان یکی از مباحث مطرح زیست‌محیطی، در طی دهه‌های اخیر تبدیل کرده است.
کلان‌شهر تهران در جدول رده‌بندی شهرهای بزرگ جهان، ازنظر آلودگی هوا در رده بالایی قرارگرفته و این امتیاز منفی، دلایل عمده‌ای دارد که یکی از آن‌ها موقعیت جغرافیایی و اقلیمی تهران است. در فصل‌های پاییز و زمستان آلودگی هوای تهران به بالاترین میزان خود می‌رسد، زیرا در بیش‌تر روزهای این فصول پدیده‌ای موسوم به اینورژن یا وارونگی دما سراسر شهر را که در گودالی شبیه به یک کاسه بزرگ قرار دارد می‌پوشاند و آلودگی هوا را تشدید می‌کند. به نظر می‌رسد حل مشکل آلودگی هوا در شهرهای کشور به‌ویژه تهران بدون عزمی جدی و تلاش بی‌وقفه از سوی سیاست‌گذاران و مدیران اجرایی و اساتید فن در جهت تدوین راهبردها، قوانین و راهکارهای صحیح و علمی برای حل این معضل ملی میسر نمی‌باشد. در این مطالعه تحلیل فضایی میانگین غلظت آلایندگی ذرات CO،NOx ، SOx، O3، PM25 توسط روش‌های کریجینگ، روش توابع شعاعی پایه و روش عکس فاصله وزنی IDW در شهر تهران موردبررسی قرارگرفته است.
روش IDWازجمله روش‌های درون‌یابی است که در آن برآورد براساس مقادیر نقاط نزدیک به نقطۀ برآورد که بنا برعکس فاصله وزن دهی می‌شوند، انجام می‌گیرد. به‌عبارت‌دیگر، به نقاط نزدیک به نقطۀ برآورد وزن بیش‌تری داده می‌شود تا به نقاط دورتر. این روش برخلاف روش کریجینگ از فرضیات مربوط به ارتباط مکانی بین داده‌ها پیروی نمی‌کند و تنها بر این فرض متکی است که نقاط نزدیک‌تر به نقطۀ برآورد، شباهت بیش‌تری به آن دارند تا نقاط دورتر. اما کریجینگ، روش درون‌یابی و برآورد زمین‌آماری است که قادر است براساس مدل برازش شده بر واریوگرام تجربی و نمونه‌های اندازه‌گیری شده در جامعه، نقاط نمونه‌برداری نشده را بدون اریب و با حداقل واریانس برآورد کند. عمومی‌ترین روش آن‌که در علوم محیط زیستی نیز کاربرد فراوانی دارد، کریجینگ معمولی است 2012: 4) .(Akhavan,
در روش کریجینگ هر نمونه معلوم در تخمین نمونه مجهول بستگی کامل به ساختار فضایی محیط مربوطه دارد درحالی‌که در روش‌های دیگر وزن‌ها فقط به یک مشخصه مانند فاصله بستگی دارد و با تغییر ساختار فضایی نمونه‌ها، تغییر نمی-کند و با ضعیف شدن ساختار فضایی نقش نمونه‌ها کم‌تر می‌شود. مدل کریجینگ از دقیق‌ترین مدل‌هایی است که در تهیه نقشه‌های پراکندگی بکار می‌رود. به دلیل اینکه این مدل فاقد خطای سیستماتیک است و در تخمین‌ها دارای حداقل واریانس می‌باشد، جایگاه ویژه‌ای در درون‌یابی به‌دست آورده است.
همان‌طور که در بالا ذکر گردید، در اکثر پارامترها روش IDW دارای دقت مناسب‌تری جهت پهنه‌بندی آلودگی منطقه می‌باشد. هرچقدر مقدار RMSE کم‌تر باشد نشان‌دهنده اختلاف کم‌تر مقادیر برآورد شده (پیش‌بینی‌شده توسط روش) نسبت به مقادیر مشاهده‌ای می‌باشد. در این روش آلاینده O3 دارای کم‌ترین RMSE که معادل 89/ 10 و آلاینده CO دارای بیش‌ترین RMSE که معادل 51/ 65 می‌باشد، برآورد شده است.
در نقشه پهنه‌بندی آلودگی CO بیش‌ترین وضعیت آلودگی مربوط به طبقه ناسالم، در نقشه NO مربوط به طبقه بسیار ناسالم، در نقشه O3 مربوط به طبقه بسیار ناسالم، در نقشه PM مربوط به طبقه ناسالم و هم‌چنین، در نقشه SO مربوط به طبقه ناسالم می‌باشد. در نقشه نهایی نیز این وضعیت مربوط به طبقه ناسالم می‌باشد.
به‌طورکلی ایستگاه مسعودیه با داشتن تعداد 49 روز پاک، 277 روز سالم، 86 روز ناسالم، 25 روز بسیار ناسالم، 26 روز خطرناک و وزن آلودگی 1091 دارای بیش‌ترین آلودگی می‌باشد و خطرناک‌ترین وضعیت هوا را داراست. ایستگاه‌های شهرداری منطقه 4 و شهرداری منطقه 10 ترتیب با وزن آلودگی 1090 و 985 بیش‌ترین آلودگی را در بین سایر ایستگاه‌ها دارند. هم‌چنین، ایستگاه دروس با داشتن تعداد 149 روز پاک، 189 روز سالم، 14 روز ناسالم، 6 روز بسیار ناسالم، 7 روز خطرناک و وزن آلودگی 628 دارای کم‌ترین میزان آلودگی است و وضعیت مناسب‌تری دارد. ایستگاه‌های به‌ترتیب گلبرگ و شهر ری با وزن آلودگی 646 و 695 کم‌ترین آلودگی را در بین سایر ایستگاه‌ها دارند.
ازجمله دلایلی که می‌توان در آلوده‌ترین ایستگاه‌ها برای وضعیت نامناسب آن‌ها ذکر کرد شامل مواردی ازجمله تردد و پرجمعیت بودن در طول روز به علت مرکز شهر بودن، تردد خودروهای آلاینده در این مناطق، نبود فضای سبز کافی در منطقه و وجود پایانه‌های مسافربری می‌باشد. ایستگاه‌های آلوده اغلب محل تمرکز صنایع شهری نیز می باشند. هم‌چنین، از دلایل آلودگی کم‌تر در ایستگاه‌های ذکرشده مانند دروس و ... هم می‌توان به سرانه فضای سبز بهتر و استفاده بیش‌تر از خودروهای جدید و با آلایندگی کم‌تر اشاره نمود.
برخی از این مناطق نیز با با وجود جمعیت نسبتا بیش‌تر و تردد به علت موقعیت جغرافیایی یا اعمال محدودیت‌های ترافیکی وضعیت بهتری دارند مانند ایستگاه گلبرگ.

راهکارها
با توجه به نتایج پژوهش برای بهبود وضعیت کیفیت هوای شهر تهران می‌توان راهکارهای عملی زیر را پیشنهاد داد:

 استفاده کم‌تر از خودروهای شخصی و روی آوردن به‌وسیله نقلیه عمومی به‌ویژه در مناطق آلوده؛
 تحقیقات و پژوهش‌های بیش‌تر در شرکت نفت برای ارتقای کیفیت بیش‌تر سوخت‌های فسیلی به‌خصوص بنزین مصرفی خودروهای شخصی و همگانی؛
 اجرای طرح‌های تمرکززدایی جمعیتی از تهران و سایر کلان‌شهرها؛
 انتقال کارخانه‌های بزرگ و کوچک کوره‌های ذوب فلز و ریخته‌گری به نواحی دور از تهران و نواحی شهری؛
 ساماندهی سیستم حمل‌ونقل و ترافیک شهری به‌خصوص در مناطق با بیش‌ترین آلودگی.

 

 

1. Akbari, Elaheh, Masoumeh, Fakheri, Effat, Pourgholamhossein, Akbari, Zahra, (2015), Monthly zoning of air pollution and its relationship with climatic factors (Case study: Mashhad), Journal of Natural Environment, Volume 68 , No. 4: 533- 547.
1. Akbari, Elaheh, Masoumeh, Fakheri, Effat, Pourgholamhossein, Akbari, Zahra, (2015), Monthly zoning of air pollution and its relationship with climatic factors (Case study: Mashhad), Journal of Natural Environment, Volume 68 , No. 4: 533- 547.
2. Bahari, Rouhalamin, Abbaspour, Rahim Ali, Pahlavani, Parham, (2015), Zoning of Suspended Particle Pollution Using Local Statistical Models in GIS (Case Study, Tehran), Journal of Surveying Science and Technology, Volume 5, Number 3.
Environmental Protection Organization, (2016), Air Pollution Brochure, Tehran, Environmental Protection Organization Publications.
4. Soltanian, Mahmoud, (1391). Comprehensive Arc GIS training, Tehran, 172.
5. Shokri Firoozeh Jah, Peri, (2011), The effect of spatial distribution of urban land uses on pollution using descriptive-analytical methodology and utilization of library resources, Case study of Tabriz, Journal of Geography and Regional Planning, Year 2 (1): 44 - 33.
6. Tehran Municipality, Active Vehicle Survey, (2016), Tehran Transportation and Traffic Organization.
7. Sahebi Vaeqan, Saeedeh, Adeli Qarjeh Daghi, Shahab, (2013), Investigation of urban air quality by interrogation of pollutants in GIS environment with interpolation methods, Case study of Tabriz, 16th National Conference on Environmental Health, Iran University of Medical Sciences and Health Services Tabriz.
8. Zarabi, Asghar, Mohammadi, Jamal, Abdollahi, Ali Asghar, (2010), Study and evaluation of fixed and mobile sources in air pollution in Isfahan, Geography Quarterly (Iranian Geographical Association), New Volume, 8 (26): 151- 165.Shahri, second year, (No. 4), Marvdasht, 113-97.
10. Conquest of Firooz Jai, Somayeh, Al-Sheikh, Ali Asghar, Rangzan, Kazem,
Chinipardaz, Rahim, (2011), Zoning of Air Pollutants Using Statistical Models and GIS Techniques, Case Study of Tehran, Fifth National Conference and Specialized Exhibition of Environmental Engineering, Hamedan.
11. Ghorbani, Rezvan, (2011), Validation of Modis Sensor Data in Relation to Atmospheric Pollution in Urban Areas, Master Thesis in Remote Sensing under the guidance of Dr. Mohammad Reza Mobasheri, Faculty of Surveying, Khajeh Nasir al-Din Tusi University of Technology.
Annual report of Tehran Center for Studies and Planning, 2015.
13. Statistics Center of Iran, (2016), Iran Population Statistics, Tehran.
14. Mir Hosseini, Seyed Abolghasem, Shayegh, Mehdi, (2015), Zoning of Pollution Due to Particulate matter in the Air of Shiraz, the Second Passive Defense Conference in Agriculture, Natural Resources, Environment and Food Sciences.
15. Miri, Mohammad, Ghanian, Mohammad Taghi, Gholizadeh, Abdolmajid, Yazdani I, Mohsen, Nikonhad, Ali, (2015), Analysis and zoning of air pollution in Mashhad using different models of spatial analysis, Journal of Environmental Health Engineering, third year, Number 2.

16. Akbari, E. Mohammadnia, M. Keshavarz Mozaffari, Z. (2011), The modeling of air pollution in the city of Mashhad using SPI index in GIS environment, National Conference on Air Pollution. University of Tehran: 32. 
17. Akhavan, R. Karami, K.M., Soosani, J. (2012), Application of Kriging and IDW methods in mapping of crown cover and density of coppice oak forests (case study: Kakareza region, Khorramabad). Iran J Forest; 3(4): 305-316.
18. Alijani, B. Safavi, S. Y. (2007), Study Geographical
Geographical Factors in Tehran Air Pollution. Geographical Studies Journal, 58, 99-112.
19. Burnham, K. P. Anderson, D.R. (2004), Multimodel inference: understanding AIC and BIC in model selection. Sociological methods & research, 33(2): 261-304.
20. Gupta, P. Christopher. Sa A. (2008), An evaluation of Terra-MODIS sampling for monthly and annual particulate matter air quality assessment over the Southeastern United States. Atmospheric Environment, 42(26), 6465-6471.

21. Isaaks, E. H. Srivastava, R. M. (1989). Applied geostatistics. Oxford University Press. New York, 561.
22. Kavoosi, A. Sefidkar, R., Alavimajd, H., Imanzad, M., Noormoradi, H. (2013), spatial analysis of air pollution in Tehran using autologistic regression, centralized autologistic regression, and pointer kriging, research journal of Ilam medicine university,21 (7): 206-214.
23. Kavousi, Amir, Sefidkar, R., Alavimajd, H., Rashidi, Y., & Khonbi, Z. A. (2013), Spatial analysis of CO and PM10 pollutants in Tehran city, Journal of Paramedical Sciences, 4(3).41-50.
24. Powell, Michael J. D. (1977), Restart procedures for the conjugate gradient method, Mathematical programming, 12(1), 241-254.
25. Rafipour, M. (2013), Comparisons of efficiency of different neural networks in spatio-temporal prediction of air pollution of Tehran. MSc thesis, Faculty of Chemistry, K. N. Toosi University of Technology: 2/113.
26. Sahin, F. (1997), A radial basis function approach to a color image classification problem in a real time industrial application, Ph.D. Thesis, Polytechnic Institute of Virginia: 42.
27. Wang, Zh. Lin, Chen, L., Tao, J., Zhang, Y., Su, L. (2010), Satellite-based estimation of regional particulate matter (PM) in Beijing using vertical-and-RH correcting method, Remote sensing of environment, 114(1):50-63.
28. Kavousi, Amir, Sefidkar, R., Alavimajd, H., Rashidi, Y., & Khonbi, Z. A. (2013), Spatial analysis of CO and PM10 pollutants in Tehran city, Journal of Paramedical Sciences, 4(3).41-50.
29. Powell, Michael J. D. (1977), Restart procedures for the conjugate gradient method, Mathematical programming, 12(1), 241-254.
30. Rafipour, M. (2013), Comparisons of efficiency of different neural networks in spatio-temporal prediction of air pollution of Tehran. MSc thesis, Faculty of 
Chemistry, K. N. Toosi University of Technology: 2/113.
31. Sahin, F. (1997), A radial basis function approach to a color image classification problem in a real time industrial application, Ph.D. Thesis, Polytechnic Institute of Virginia: 42.
32. Wang, Zh. Lin, Chen, L., Tao, J., Zhang, Y., Su, L. (2010), Satellite-based estimation of regional particulate matter (PM) in Beijing using vertical-and-RH correcting method, Remote sensing of environment, 114(1):50