ارزیابی و پهنه بندی آلودگی هوای کلانشهر تبریز
محورهای موضوعی : فصلنامه علمی برنامه ریزی منطقه ای
مرتضی اسماعیل نژاد
1
(استادیار جغرافیا و اقلیم شناسی، دانشگاه بیرجند، بیرجند، ایران)
محمد اسکندری ثانی
2
(استادیار جغرافیا و برنامه ریزی شهری، دانشگاه بیرجند، بیرجند، ایران)
سپیده بارزمان
3
(کارشناس ارشد جغرافیا و اقلیم شناسی، دانشگاه شهید بهشتی، تهران، ایران)
کلید واژه: تبریز, کاربری اراضی, زمین آمار, آلودگی هوا, درون یابی, شاخص PSI,
چکیده مقاله :
با سرعت زیاد شهرنشینی در ایران بسیاری از شهرها به ویژه کلانشهرها با معضلات زیادی مواجهه شدند که عدم پایداری را برای آنها به ارمغان آورده است. این پژوهش بحران آلودگی شهر تبریز به عنوان یکی از هشت شهر آلوده ایران را مورد بررسی قرار داده است. سؤالات مطرح شده در تحقیق عبارت است از بهترین الگوریتم درونیابی در توزیع آلودگی هوا کدام است؟ تراکم آلایندهها در کدام بخش شهر تبریز بیشتر است؟ کاربریهای مؤثر در کاهش و افزایش آلودگی هوای شهر کدامند؟ برای پاسخ به این سؤالات اطلاعات آماری آلایندهها، مربوط به آلایندههای ذرات معلق هوا (PM10 )، ازن ( O3 )، دی اکسید گوگرد (SO2 )، دی اکسید نیتروژن ( NO2 ) و دی اکسیدکربن ( CO2 ) در بازهی زمانی سالهای 1383 تا 1392 برای کلیه ماههای سال، از پنج ایستگاه سنجش آلایندههای هوای شهر گردآوری و سپس این اطلاعات با استفاده از افزونه زمین آماری نرمافزار ARC GIS درحالتهای مختلف درونیابی و مورد آنالیز قرار گرفت. نتایج نشان داد که: ضرایب میزان خطای درونیابی RMSE و MAE کریجینگ نسبت به IDW از میزان پایینتری برخوردار بوده، لذا بهترین شیوه درونیابی تعیین گردید. همچنین نتایج با معیارهای کیفیت هوا از جمله PSI آلودگی هوا مقایسه گردیده و وضعیت کیفیت هوای شهر در ایستگاههای مورد نظر تعیین و به نقش متقابل کاربریهای اراضی مؤثر در کاهش یا افزایش آلودگی معرفی شدند.
With a large speed of urbanization in many cities in Iran, especially large metropolises were faced with lack of stability. The Tabriz pollution crisis is studied as one of the eight infected city in Iran. This study is based on these questions: What is the best interpolation algorithm for distribution of air pollution? Which part of Tabriz has the most density of pollutants? Which applications are effective in reducing and increasing air pollution? To answer these questions, statistical data pollutants related to particulate air pollution (PM10), ozone (O3), sulfur dioxide (SO2), nitrogen dioxide (NO2) and carbon dioxide (CO2) had been collected for measuring air pollutants from five stations measuring air pollutants from 1383 to 1392 for each month of the year. Then the collected data were analyzed by different geostatistical interpolation mode such as ARC GIS software. The coefficient rate of interpolation error RMSE and MAE of Kriging was at lower place in comparison with IDW interpolation method. The PSI of air pollution and air quality standards are compared. The status of air quality in desired stations was determined and the role of user interaction or effective increase in reducing contamination of land were introduced.