بررسی رابطه موجود میان غلظت ذرات معلق و عمق اپتیکی آلاینده ها طی دوره های گردوغبار: مطالعه موردی در شهر تهران

زمینه و هدف: طی سالیان گذشته، آلودگی هوا و افزایش سطح ذرات معلق (pms) به یک معضل اصلی بهداشت در کلانشهر تهران بدل شده است. هزینه بالای احداث و نگهداری ایستگاه های پایش آلودگی هوا، امکان دستیابی به یک پوشش مکانیزمانی مناسب از داده های pm را دشوار نموده است. در این راستا، استفاده از داده های سنجش از دور مانند عمق اپتیکی آلاینده ها (aod) می تواند به عنوان روشی سریع و اقتصادی به منظور برطرف نمودن موانع موجود به‌کار گرفته شود. روش بررسی: با توجه به ضعف رابطه خطی خام تک متغیره pm10-aod در شرایط عادی، در تحقیق پیش رو رابطه مذکور برای بازه های زمانی وقوع پدیده گردوغبار طی سال های 2007 تا 2010 میلادی در تهران مورد بررسی قرار گرفته است. از داده های ماهواره ای با دقت مکانی km 3 و km 10 استخراج شده از سنجنده modis به منظور برازش مدل ها استفاده شده است.یافته‌ها: بهترین عملکرد مدل تک متغیره مربوط به شعاع km 3 استخراج aod و متوسط روزانه pm10 است (0/55=r). استفاده از متغیرهای کمکی هواشناسی و توسعه مدل رگرسیون خطی چند متغیره سبب بهبود عملکرد مدل گردیده است (0/64=r). همچنین مدل نهایی توانایی پیش بینی غلظت های بالای pm10 در دوره های گردوغبار را داراست.نتیجه گیری: در مجموع، رابطه خطی خام تک متغیره میان pm10 و aod در دوره های گردوغبار قوی تر از رابطه مذکور در شرایط عادی بوده و این امر نشان می دهد همبستگی بالاتری میان aod و pm10 ناشی از گردوغبار ‒نسبت به ذرات معلق ناشی از منابع دیگر‒وجود دارد. همچنین مدل نهایی توسعه داده شده می تواند به منظور پیش بینی روزانه pm10 در دوره های گردوغبار به‌کار گرفته شود.

Investigating the relationship between ground-level particulate matter and aerosol optical depth during dust storm episodes: a case study of Tehran

Background and Objective: During the last few years, air pollution and increasing levels of particulate matters (PMs) have become major public health issues in the megacity of Tehran. The high cost of constructing and maintaining air pollution monitoring stations has made it difficult to achieve adequate spatialtemporal coverage of PM data over various regions. In this regard, the use of remote sensing data such as aerosol optical depth (AOD) can be a simple and costeffective way to overcome the problem.Materials and Methods: Due to the weakness of univariate linear relationship of PM10AOD under normal conditions, this relationship has been studied for the time periods of dust storm occurrence during 20072010 in Tehran. Satellite product with spatial resolution of 3 and 10 km obtained from MODIS sensor were used to fit the models.Results: Results showed that the best performance of univariate model was achieved for 5 km radius of AOD extraction and daily mean of PM10 concentrations (r = 0.55). Moreover, the use of meteorological auxiliary variables and the development of multivariate linear regression model have improved the performance of the model (r = 0.64). The final model also exhibited accurate capability for prediction of high PM10 concentrations during dusty days.Conclusion: Overall, the obtained univariate linear relationships of PM10AOD was stronger during dusty episodes than those of normal conditions, suggest a higher correlation between AOD and PM10 from dust activities as compared with PM10 originating from other sources. Furthermore, the final developed model could be used to predict daily level of PM10 concentrations during dusty episodes.