ارزیابی روش های قطعی و زمین آمار در پهنه بندی غلظت ذرات معلق (pm2.5 و pm10) با استفاده از gis: مطالعه موردی، شهر سبزوار

زمینه و هدف: امروزه زندگی افراد به خاطر آلاینده های متعدد وارد شده به اتمسفر ناشی از اقدامات انسانی و فعالیت های بیولوژیکی در معرض خطر است. از دیدگاه بهداشت عمومی ذرات معلق یکی از آلاینده های اصلی هوا می باشد. هدف از این پژوهش ارزیابی روش های میان یابی مکانی جهت تعیین غلظت سطحی ذرات معلق pm10و pm2.5 در شهر سبزوار و در نتیجه، انتخاب مناسب ترین روش میان یابی به منظور تهیه نقشه های پهنه بندی ذرات معلق در محیطgis  است.مواد و روش ها: اندازه گیری ذرات معلق pm2.5 و pm10 توسط دستگاه مونیتورینگ گرد و غبار محیطی مدل hazdust epam5000، در 48 ایستگاه سطح شهر انجام شد و پس از اطمینان از صحت آماری آن ها در محیط نرم افزاری arc gis  توسط افزونه زمین آماری در منطقه مورد مطالعه (شهر سبزوار) به روش های کریجینگ (kriging)، وزن دهی فاصله معکوس (idw) پهنه بندی و ارزیابی شد. در نهایت با توجه به مقادیر خطایی که هر الگوریتم پس از میان یابی نشان داد بهترین روش از بین روش های میان یابی مورد آزمون انتخاب شد.یافته ها: نتایج حاصل نشان دهنده این بود که بین روش های زمین آمار و قطعی تفاوت چندانی بین روش های قطعی و زمین آمار به لحاظ مقادیر مربع میانگین ریشه دوم (root mean squared (rms)) و همچنین میانگین قدر مطلق درصد خطا (mean absolute percentage error (mape)) وجود ندارد هر چند که این میزان برای روش های قطعی کم تر می باشد.بحث و نتیجه گیری: به نظر می رسد که مناسب ترین روش میان یابی برای پهنه بندی غلظت ذرات معلق pm2.5 و pm10 روش قطعی با تابع idw می باشد.

Evaluatin of Deterministic and Geostatistics Methods for Particulate Matter Concentration (PM2.5 and PM10) Zoning Using GIS: case study, Sabzevar City

Background and Objectives: Nowadays, people’s life is at risk because of various pollutants into the atmosphere by human action and biological activities. One of the major air pollutants are particulate matter. The aim of this study was to evaluate spatial interpolation methods to determine the concentration PM2.5 and PM10 in Sabzevar city and select the most suitable interpolation method for preparation of zoning maps particulate matter in GIS.Materials and Methods: Particulate matter were measured by a monitoring device, environmental dust model HazDust EPAM 5000 at 48 stations in the city, then in ARC GIS software three wellknown spatial interpolation techniques, namely Kriging, Inverse Distance Weighting (IDW) were applied for generating the prediction maps. Finally the best interpolation method was chosen according to the values of each algorithm error.Findings: The results indicated that the RMS was lower between geostatistical and deterministic methods, and the MAPE in deterministic methods was lower.Discussion and Conclusion: The best interpolation method for the particulate matter (PM2.5 and PM10) was deterministic method by IDW function.