تحلیل و پهنه بندی آلودگی هوا شهر مشهد با استفاده از مدل‌های مختلف تحلیل فضایی

مقدمه و هدف: این مطالعه به مقایسه و ارزیابی مدل های فضایی و آماری برای پیش بینی غلظت pm2.5 در سطح زمین و در مقیاس کلان در شهرستان مشهد می پردازد. روش کار: برای بررسی فضایی وضعیت آلودگی هوای کلان شهر مشهد از سه مدل درون یابی (ok) ordinary kriging ، universal kriging و وزن دهی معکوس فاصله (idw) استفاده گردید. برای مقایسه مدل ها و انتخاب بهترین مدل از ریشه میانگین مربعات خطا (rmse) و ضریب همبستگی (r2) استفاده گردید. همچنین برای انتخاب بهینه ترین شرایط برای اجرای دو مدل ok و uk از standardized rmse استفاده گردید. یافته ها: نتایج نشان داد که بیشترین میانگین ماهیانه آلودگی pm2.5 مربوط به مهر ماه و ایستگاه »ساختمان « (g/m3 mu; 1/95) می باشد. کمترین میانگین آلودگی ماهیانه نیز مربوط به ایستگاه »طرق « و در آبان ماه (g/m3 mu; 5/15) است. با توجه به داده ها، مدل ok دارای کمترین rmse (601/10) و بیشترین ضریب همبستگی نسبت به مدل uk و idw داشت. مقدار کمتر rmse نشان دهنده میزان خطای کمتر در مقادیر پیش بینی نسبت به مقادیر اندازه گیری است. بنابراین مدل ok دارای شرایط بهتر در میان یابی است نتیجه گیری: در نهایت باید بیان کرد که تولید و استفاده از چنین نقشه های زمین مرجعی امکان تجزیه و تحلیل های مکانی را به سرعت فراهم می آورد، چرا که می تواند در ترکیب با سامانه های اطلاعات جغرافیایی، کاربر را قادر سازد تا تاثیر عوامل مختلف بر غلظت آلاینده ها را بررسی کند.

Assessment of Spatial Analysis Methods in Mapping of Air Pollution in Mashhad

Background: This study aimed to compare and evaluate the spatial and statistical models to predict PM2.5 concentrations at ground level and at the macro scale in Mashhad. Methods: To investigate the status of air pollution in the metropolis of Mashhad air, three interpolating models including Ordinary Kriging (OK), Universal Kriging (UK) and inverse distance weighting (IDW) were used. Root Mean Square Error (RMSE) and correlation coefficient (R2) were employed to compare three models and choose the best one. As well as to select the most optimal conditions for the implementation of both OK and UK, used from Standardized RMSE. Results: The results showed that the highest monthly average of PM2.5 was belonged to September and ldquo;Sakhteman rdquo; station (95.1 mu;g/m3). Also, the lowest monthly average pollution had happened in Torogh station, in November (15.5 mu;g/m3). According to the data, the OK had the lowest RMSE (10.601) compared to the UK and IDW. Lower RMSE represents lower error between the predicted and measured values. So, OK model selected as better one in interpolation. Also, Judging by correlation coefficient (R2), the highest correlation belonged to OK compared to other two models. UK model showed a greater standard error of predicts than OK. The greatest standard errors of prediction were related to areas that have more distance from air pollution monitoring stations. Conclusion: it should be noted that the production and use of georeferenced maps could quickly provide spatial analyses, and because it can be combined with GIS, the user is able to investigate the influence the various concentrations of contaminants.