دوره 19، شماره 1 - ( 3-1400 )
جلد 19 شماره 1 صفحات 34-21 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Motesadi Zarandi S, Nasiri R, Motlagh M E. Modeling of the Relationships Between Spatio-Temporal Changes of Traffic Volume and Particulate Matter-2.5 Pollutant Concentration Based on Geographically Weighted Regression (GWR) and Inverse Distance Weighting (IDW) Model: A Case Study in Tehran Metropolis, Iran. sjsph 2021; 19 (1) :21-34
URL: http://sjsph.tums.ac.ir/article-1-5991-fa.html
URL: http://sjsph.tums.ac.ir/article-1-5991-fa.html
متصدی زرندی سعید، نصیری رسول، مطلق محمد اسماعیل. مدل سازی روابط بین تغییرات مکانی- زمانی حجم ترافیک و غلظت آلاینده ی PM2.5 بر پایه مدل رگرسیون وزنی جغرافیایی(GWR) و معکوس فاصله وزنی (IDW)،
مطالعه موردی: کلانشهر تهران. مجله دانشکده بهداشت و انستیتو تحقیقات بهداشتی. 1400; 19 (1) :21-34
1- ، nasirirasul@gmail.com
چکیده: (2072 مشاهده)
زمینه و هدف: غلظت بالای PM2.5 مسبب اکثر روزهای ناسالم هوای تهران طی سال های اخیر بوده است؛ به همین منظور مطالعه حاضر با هدف تحلیل فضایی- زمانی حجم ترافیک و ارتباط آن با غلظت آلاینده ی PM2.5 در کلانشهر تهران طی سال های 1397-1394 با استفاده از سیستم اطلاعات جغرافیایی (GIS) انجام شد.
روش کار: در این مطالعه از مدل درون یابی معکوس فاصله وزنی(IDW) Inverse Distance Weighting برای پیش بینی و پهنه بندی غلظت آلاینده ی PM2.5 و حجم ترافیک استفاده شد. همچنین از مدل رگرسیون وزنی جغرافیاییGeographically Weighted Regression (GWR) برای میزان ارتباط غلظت آلاینده PM2.5 و حجم ترافیک در نواحی مختلف کلانشهر تهران طی چهار سال متوالی (1394-1397) استفاده شده است.
نتایج: نتایج حاصل از پهنه بندی غلظت آلاینده PM2.5 و حجم ترافیک نشان داد که نواحی جنوب و جنوب غرب بیشترین غلظت آلاینده PM2.5 (میانگین سالانه بیش از μg/m3 40) و نواحی شرقی و شمالی بیشترین حجم ترافیک را داشته اند؛ همچنین بیشترین مقادیر R2 محلی از مدلGWR برای نواحی شرقی (بین 36/0 تا 70/0) به دست آمد.
نتیجه گیری: در بیشتر مناطق تهران نمی توان ارتباط قوی بین غلظت بالای آلاینده PM2.5 و ترافیک یافت. با این وجود، مطالعه حاضر ارتباط ترافیک و غلظت آلاینده PM2.5 را رد نمی کند بلکه علت اصلی غلظت بالای PM2.5 را منابع دیگری می داند که در گام اول، باید شناسایی شوند؛ در گام بعدی برای رسیدن به هوایی پاک تر، به استراتژی های کنترل و کاهش حجم ترافیک پرداخته شود.
روش کار: در این مطالعه از مدل درون یابی معکوس فاصله وزنی(IDW) Inverse Distance Weighting برای پیش بینی و پهنه بندی غلظت آلاینده ی PM2.5 و حجم ترافیک استفاده شد. همچنین از مدل رگرسیون وزنی جغرافیاییGeographically Weighted Regression (GWR) برای میزان ارتباط غلظت آلاینده PM2.5 و حجم ترافیک در نواحی مختلف کلانشهر تهران طی چهار سال متوالی (1394-1397) استفاده شده است.
نتایج: نتایج حاصل از پهنه بندی غلظت آلاینده PM2.5 و حجم ترافیک نشان داد که نواحی جنوب و جنوب غرب بیشترین غلظت آلاینده PM2.5 (میانگین سالانه بیش از μg/m3 40) و نواحی شرقی و شمالی بیشترین حجم ترافیک را داشته اند؛ همچنین بیشترین مقادیر R2 محلی از مدلGWR برای نواحی شرقی (بین 36/0 تا 70/0) به دست آمد.
نتیجه گیری: در بیشتر مناطق تهران نمی توان ارتباط قوی بین غلظت بالای آلاینده PM2.5 و ترافیک یافت. با این وجود، مطالعه حاضر ارتباط ترافیک و غلظت آلاینده PM2.5 را رد نمی کند بلکه علت اصلی غلظت بالای PM2.5 را منابع دیگری می داند که در گام اول، باید شناسایی شوند؛ در گام بعدی برای رسیدن به هوایی پاک تر، به استراتژی های کنترل و کاهش حجم ترافیک پرداخته شود.
واژه‌های کلیدی: آلاینده PM2.5، سیستم اطلاعات جغرافیایی، مدل سازی فضایی- زمانی، ترافیک، درون یابی معکوس فاصله وزنی، رگرسیون وزنی جغرافیایی، تهران، ایران
نوع مطالعه: پژوهشي |
موضوع مقاله:
بهداشت عمومی
دریافت: 1400/4/20 | پذیرش: 1400/3/31 | انتشار: 1400/3/31
دریافت: 1400/4/20 | پذیرش: 1400/3/31 | انتشار: 1400/3/31
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
