ارزیابی داده‌های سنجنده مودیس (modis) در پایش غلظت آلاینده‌های pm2.5 و pm10 با تاکید بر متغیرهای هواشناسی

در این پژوهش با استفاده از داده‌های حاصل از سنجنده مودیس (modis) به ارزیابی توانایی داده‌های این سنجنده در برآورد غلظت آلاینده‌های pm2.5 وpm10 در شهر تهران پرداخته شد. برای این منظور از داده‌های شش ایستگاه هواشناسی و آلودگی سنجی زمینی استفاده شد و مدل‌های خطی و غیرخطی برآورد غلظت هواویزها ارائه شد. متغیرهای این مدل‌ها شامل متغیرهای هواشناسی و عمق نوری هواویزها (aod) مستخرج از محصولات mod04-l2 سنجنده مودیس ماهواره ترا (terra) است. نتایج تحلیل‌های آماری نشان داد مدل رگرسیون خطی که شامل متغیرهای عمق نوری هواویزها، بارش 24 ساعته، میانگین فشار بخار آب و ساعت آفتابی است، در مقیاس کل شهر تهران (0/75=r^2 و ug/m3 7/47 rmse=) و ایستگاه‌ها مناسب‌ترین مدل در مقایسه با بقیه مدل‌های به‌دست‌آمده است. در این مدل غلظت pm2.5  با ساعت آفتابی رابطه عکس و با بقیه متغیرها رابطه مستقیم دارد. نتایج نشان داد استفاده از متغیرهای هواشناسی و توجه به پدیده‌های جوی موجب بهبود عملکرد داده‌های سنجنده مودیس در برآورد غلظت آلاینده pm2.5 می‌شود و مدل ارائه‌شده می‌تواند مکمل مناسبی برای ایستگاه‌های زمینی پایش آلودگی هوا در برآورد غلظت هواویزها باشد و نواقص آن‌ها تا حد زیادی برطرف سازد.

Assessment of MODIS Data in Monitoring the Concentrations of PM2.5 and PM10 Pollutants with Emphasis on Meteorological Variables

In this study, the function of the MODIS (Moderate Resolution Imaging Spectroradiometer) sensor to estimate the concentration of PM2.5 and PM10 pollutants in Tehran was assessed by using the data obtained from this sensor. In this study, linear and non-linear models for estimating the concentration of aerosols were presented in six meteorological and ground pollution monitoring stations in Tehran province. The results of the models were compared to the ground station observations by using statistical tests and the most appropriate model was elected from the regressions. The developed model (based on aerosol optical depth which was extracted from MOD04-L2 products of TERRA satellite MODIS sensor), 24-hour precipitation, average water vapor pressure, and sunshine) showed high accuracy, very low RMSE, and rather high R2 in Tehran province (R2 = 0.75 and RMSE= 7.47 ug / m3) and stations. In this model, PM2.5 concentration and sunshine hours have a negative correlation, also the positive relationship to other variables is observed. The results demonstrated that utilizing meteorological variables and attention to the prevailing atmospheric phenomena enhance the performance of MODIS sensor data in estimating PM2.5 pollutant concentration. Undesirable as MODIS sensor data might be in terms of certainty and accuracy, they are undoubtedly beneficial considering elimination defect of ground-based pollution monitoring stations in estimating aerosols concentration and complement each other suitably.