سارا حق بیان؛ بهنام تشیع
چکیده
آلودگی هوا از جمله پدیدههای پیچیدهای است که دارای دینامیک غیرخطی بوده و تأثیر پارامترهای متنوع بر رفتار آن، تجزیه و تحلیل و مدلسازی تغییرات مکانی و زمانی غلظت آلایندهها را با دشواریهای فراوانی مواجه میسازد. هدف از این مطالعه بهبود دقت مدلسازی آلایندههای هوا به منظور مدیریت مواجهه با استفاده از دادههای ...
بیشتر
آلودگی هوا از جمله پدیدههای پیچیدهای است که دارای دینامیک غیرخطی بوده و تأثیر پارامترهای متنوع بر رفتار آن، تجزیه و تحلیل و مدلسازی تغییرات مکانی و زمانی غلظت آلایندهها را با دشواریهای فراوانی مواجه میسازد. هدف از این مطالعه بهبود دقت مدلسازی آلایندههای هوا به منظور مدیریت مواجهه با استفاده از دادههای حاصل از حسگرهای همراه جهت مرتفع ساختن نواقص روش رگرسیون کاربری اراضی[1] است. به منظور بهبود دقت مدلسازی LUR برای تخمین غلظت PM2.5 از هفت ایستگاه ثابت و چهارده حسگر همراه استفاده گردید. منطقه مورد مطالعه شهر اصفهان است و محل نمونهبرداری حسگرهای همراه در مکانهایی با بیشترین پیشبینی عدم قطعیت و بالاترین احتمالی که از یک حد آستانه معین تجاوز میکند، انتخاب شدند؛ سپس از آزمون آماری t برای بررسی معنیدار بودن و یا نبودن بهبود نتایج استفاده گردید. در این تحقیق، چارچوبی برای تأمین دقت مورد نظر با افزودن دادههای حاصل از حسگرهای همراه؛ پیشنهاد شده است. نتایج حاصل از این تحقیق نشان داد که خطای جذر میانگین مربعات[2] حاصل از لایه زمین آمار هفت ایستگاهثابت پایش برابر با 1.802 و RMSE حاصل از ترکیب این ایستگاهها با چهارده ایستگاه همراه معادل با 0.591 برآورد شد. نتایج نشان داد که حتی با افزودن یک حسگر همراه به ایستگاههای ثابت میزان RMSE 0.113 میکروگرم بر متر مکعب کاهش مییابد و با افزودن چهارده حسگر همراه به هفت ایستگاه ثابت میزان RMSE حاصل از ساخت مدل LUR حدود سه برابر کاهش مییابد. یافتههای حاصل از این تحقیق نشان داد کهبا استفاده از چارچوب پیشنهادی میتوان کیفیت هوا را در هر مکان و زمان با دقت مورد نظر تخمین زد و قدرت تفکیک بالاتری را برای محیطهای ناهمگن شهری فراهم کرد. [1]- Land Use Regression (LUR) [2]- Root Mean Square Residual (RMSE)