Investigation of Temporal – spatial variations of particulate matter (PM2.5 and PM10) in Tehran city Using GIS (2013-2020)

Subject Areas : Air Pollution

Maryam  Ansari ¹ (1PhD Student of Climatology, Faculty of Earth Sciences, Shahid Beheshti University, Tehran, Iran)
محمود  احمدی ² (استادیار گروه جغرافیا طبیعی دانشکده علوم زمین، دانشگاه شهید بهشتی تهران)
Reza  Goudarzi ³ (Environmental Health Department,Ahvaz Jondishapour University of Medical Sciences, Ahwaz, Iran)

Received: 2021-07-06 Accepted : 2021-12-19 Published : 2024-04-20

Keywords: Temporal-spatial variations, PM2.5, PM10, GIS, Tehran.,

Abstract :

Background and Objective: Metropolis of Tehran is one of the most polluted cities in the world. The present study aims to analyze the temporal-spatial behavior of particulate matter (PM2.5 and PM10) in Tehran city. Material and Methodology: Thus, pollution- metric station data of Tehran Air Quality Control Company were used for evaluating the variations of air pollutants in temporal-spatial scales during 2013-2020. The results of statistical analysis of pollutant distribution in temporal-spatial scales were provided by using Arc GIS software and analytical function of inverse Distance Weighting interpolation (IDW) as maps, tables and graphs was demonstrated. Findings: Based on the results, particulate matter (PM10 and PM2.5) reached the minimum (65 and 23 µg/m3) and maximum concentration (81 and 30 µg/m3) at 18 and 24 p.m., respectively. In addition, maximum (81 and 30 µg/m3) and minimum concentration (73 and 23 µg/m3) of these pollutants was respectively related to Wednesday and Friday. Maximum seasonal concentration of particulate matter (PM10 and PM2.5) relates to summer (90 µg/m3) and winter (35 µg/m3) respectively and the minimum seasonal concentration (65 and 24 µg/m3) of both pollutants relate to spring. The results of inverse Distance Weighting interpolation (IDW) indicated that west, south and central regions of Tehran in summer season involved with particulate matter (PM10) more than other regions. But in all seasons, except the western and southern regions, the central regions have a high concentration of particulate matter (PM2.5). Discussion and Conclusion: The particulate matter concentrations is more than its allowable limit in specific regions of Tehran in some yearly days and months. Therefore, city programmers and decision_ makers must have schedule table for particulate matter control management and air pollution reduction.

References:

1. Kermani M, Dowlati M, Fallah S, Aghaei M, BahramiAsl F, Karimzadeh S (2017) Study of Air Quality Health Index and its Application in Seven Cities of Iran in 2011, J Arak University Medical Sciences, 19(12), 78-88. (In Persian)
2. Golbaz S, Farzadkia M, Kermani M, (2010) Determination of Tehran air quality with emphasis on air quality index (AQI); 2008-2009, J Iran Occupational Health 6(4): 59-65. (In Persian)
3. Nourpoor AR, Feiz SMA (2014) Determination of the Spatial and Temporal Variation of SO2, NO2 and Particulate Matter Using GIS Techniques and Estimation of Concentration Modeling with LUR Method, Case Study: Tehran City, J Environmental Studies 40(3): 723-738. (In Persian)
4. Garcia, M.A.; Sanchez, M. L.; Rois, A.; Peres, L. A.; Pardo, N.; (2018) Analysis of PM10 and PM2.5 Concentrations in an Urban Atmosphere in Northern Spain, Archives of Environmental Contamination and Toxicology, pp-1-15.
5. Goudarzi,G.H., Shirmardi, M., Abolfazl Naimabadi , A., Ata Ghadiri, A., , Sajedifar, J., (2019) Chemical and organic characteristics of PM2.5 particles and their in-vitro cytotoxic effects on lung cells: The Middle East dust storms in Ahvaz, Iran, Science of the Total Environment, 655 : 434–445.
6. Joanna, K., Mariusz, G., Lechosław, D, (2018) Characteristics of air quality and sources affecting high levels Of PM10 and PM2.5 in Poland, Upper Silesia urban area, Environ Monit Assess, 190, 515-525.
7. Nadian, M Mirzaei R, Soltani Mohammadi S, (2018) Application of MoransI Autocorrelation in Spatial-Temporal Analysis of PM2.5 Pollutant (A case Study: Tehran City) J Environmental Health Engineering 5(3): 213-197. (In Persian)
8. Gholampour A, Nabizadeh R, Hassanvand MS, Taghipour H, Faridi S, Mahvi AH (2013) Investigation of the ambient particulate matter concentration changes and assessing its health impacts in Tabriz, J Health & Environ 7(4): 541-556. (In Persian)
9. Leali M, Nadafi K, Nabizadeh R, Youneseian M, Mesdaghineia AR, Nazmara SH(2011) Particulate Matter Concentrations and The Air Quality Index In The Central Part Of Tehran City, Tehran, Iran, J School of Public Health And Institute of Public Health Research, 1(7): 57-67. [In Persian]
10. Wu Z, Liu F, Fan, W (2015) Characteristics of PM10 and PM2.5 at Mount Wutai Buddhism Scenic Spot Shanxi, China, J Atmosphere 6(8): 1195–1210.
11. Pui, D. H.Y., Chen, S. C., Zhili, Z., (2014) PM2.5 in China: Measurements, sources, visibility and health effects, and mitigation. Particuology, 13:1–26.
12. Bravoa, M, & Bella, M, (2011). Spatial heterogeneity of PM10 and O3 in São Paulo, Brazil, and implications for human health studies. The Air & Waste Management Association, 66(1), 69–77.
13. Bayraktar , H., Sezer , F., Tuncel, G., (2010) Average mass concentrations of TSP, PM10 and PM2.5 in Erzurum urban atmosphere, Turkey,Stoch Environ Res Risk Assess , 24:57–65.
14. Tiwari, S., Chate, D. M., Srivastava, M. K., Safai, P. D, (2012) Statistical evaluation of PM10 and distribution of PM1, PM2.5, and PM10 in ambient air due to extreme fireworks episodes (Deepawali festivals) in megacity Delhi, Nat Hazards, 61:521–531.
15. Gadass, R., Mirjana, C., kovic, A., Kres, I., (2012) Winter Mass Concentrations of Carbon Species in PM10, PM2.5 and PM1 in Zagreb Air, Croatia, Bull Environ Contam Toxicol , 89:1087–1090.
16. Khorshiddoust AM, Valizadeh KH, Ghasemi Baghtash A (2017) Analysis of temporal- spatial distribution of dangerous contaminants in Tabriz with emphasis on PM10, J Physical Geography Research 49(4): 585-602. (In Persian)
17. Asrari E, Paydar M (2018) Investigation of the airborne particulate matter concentration trend changes in Mashhad by using meteorological data during 2010-2015. Iranian Journal of Research in Environmental Health; 4 (1): 58-65. (In Persian)
18. zakeri KIA, S., Aghamohammadi, H., behzadi, S., azizi, Z. (2020). Modeling and Spatio -Temporal Analysis of the Distribution of Particulate Matter in Tehran City Based on Spatial Analysis in GIS Enviroment. Journal of Environmental Science and Technology, 21(11), (In Persian)
19. Sajjadi, S., Delsouz, M., Zolfaghari, G. (2019). Evaluatin of Deterministic and Geostatistics Methods for Particulate Matter Concentration (PM2.5 and PM10) Zoning Using GIS: case study, Sabzevar City. Journal of Environmental Science and Technology, 21(10), 1-13. (In Persian)
20. Mirakbari, M., Ebrahimi Khusfi, Z. (2020). Investigation of spatial and temporal changes in atmospheric aerosol using aerosol optical depth in Southeastern Iran. Journal of RS and GIS for Natural Resources, 11(3), 87-105. (In Persian)
21. Raispour, K. (2021). Evaluation of Spatiotemporal Column Particulate Matter Concentration (PM2.5) Due to Dust Events in Iran Using Data from NASAN / MERRA-2 Reanalysis Model. Journal of the Earth and Space Physics, 47(2), 333-354. doi: 10.22059/jesphys.2021.316499.1007273. (In Persian)
22. Garcia, M.A.; Sanchez, M. L.; Rois, A.; Peres, L. A.; Pardo, N.; (2018) Analysis of PM10 and PM2.5 Concentrations in an Urban Atmosphere in Northern Spain, Archives of Environmental Contamination and Toxicology, pp-1-15.
23. Gautam S. and Brema J., Spatio-temporal variation in the concentration of atmosp particulate matter: A study in fourth largest urban agglomeration in India. Environmental Technology & Innovation (2019), doi: https://doi.org/10.1016/j.eti.2019.100546.
24. Gholizadeh MH, Farajzadeh M, Darand M (2009) the Correlation between Air Pollution and Human Mortality in Tehran, Hakim Research Journal; 12(2): 65- 71. (In Persian)
25. Mousavi F, Jahed S. A, Rajab A, Nikuo Sokhantabar A. K, Kashi G, Tabatabaee R(2013)Survey Of Air Pollution Effect On Variation Of Glycosylated Hemoglobin A1c (Hba1c) Level In Diabetic Patients In Tehran, Iranian Journal Of Health And Environment, 6(1), 123-132. (In Persian)
26. Bahari RA, Abaspour RA, Pahlavani P (2015) Zoning of Particulate Matters (PM) Pollution Using Local Statistical Models in GIS (Case Study: Tehran Metropolisies) J Geomatics Science and Technology 5(3):165-173. (In Persian)
27. Safavi SY, alijani B (2007) Studying geographical factors in Tehran air pollution, J Geography Research (58):99-112. (In Persian)

Full-Text:



 

                 

 

 

مقاله پژوهشی

 

 

علوم و تکنولوژی محيط زيست، دوره بیست و شش، شماره دو، اردیبهشت ماه 1403 (127-140)

 

بررسی تغییرات زمانی-مکانی ذرات معلق (PM10 و PM2.5) شهر تهران با استفاده از GIS (99-92)

 

مریم انصاری ¹ 

محمود احمدی ²  *

[e-mail] 

غلامرضا گودرزی³

تاريخ دريافت: 15/4/1400

تاريخ پذيرش: 28/9/1400

 

چكيده

زمینه و هدف: کلان­شهر تهران یکی از آلوده­ترین شهرهاي جهان محسوب می­شود. هدف اصلی این پژوهش بررسی رفتار زمانی و مکانی ذرات معلق (PM2.5  وPM10 ) شهر تهران در سالهای 99-92 می­باشد.

روش بررسی: به منظور بررسی تغییرات آلاینده­هاي هوا در مقیاس­هاي زمانی و مکانی داده­هاي ایستگاه­هاي آلودگی­سنجی شرکت کنترل کیفیت هوا طی دوره آماری (99-92) مورد استفاده قرارگرفت. داده­ها با استفاده از نرم افزارهاي MATLAB و Excel  و SPSS، تحلیل و نتایج حاصل از تحلیل­هاي آماري توزیع آلاینده­ها در مقیاس­هاي زمانی و مکانی با نرم افزار Arc Gis با تابع تحلیلی درونیابی فاصله معکوس (IDW) به­صورت نقشه­ها، جداول و نمودار­ها ترسیم شده است. این تحقیق در فصل بهار سال 1400 انجام شده است.

یافته­ها: نتایج حاصل از پژوهش نشان داد که ذرات معلق (PM10   و PM2.5) در ساعت 5 و 6 عصر به حداقل غلظت (65 و µg/m3 23) و در ساعت 12 شب تا 1 بامداد  به حداکثر غلظت (81 و µg/m3 30) رسیده است. بالاترین غلظت روزانه این آلاینده­ها مربوط به روز چهارشنبه (81 و µg/m3 30 ) و حداقل غلظت (73 و µg/m3 23) را روز جمعه به خود اختصاص داده است. بالاترین غلظت فصلی ذرات معلق (PM10) و (PM2.5) را به ترتیب فصل تابستان (µg/m3 90) و زمستان (µg/m3 35) و کمترین غلظت فصلی هر دو آلاینده­ مربوط به فصل بهار(65 و µg/m3 24) می­باشد. نتایج حاصل از درونیابی فاصله معکوس (IDW) نشان داد که مناطق غربی، جنوبی و در فصل تابستان مناطق مرکزی بیشتر از سایر مناطق درگیر ذرات معلق (PM10) می­باشند اما در همه فصول علاوه بر مناطق غربی و جنوبی، مناطق مرکزی دارای غلظت بالایی از ذرات معلق (PM2.5) می­باشند. 

بحث و نتیجه­گیری: در بعضی از روزها و ماه­هاي سال و مناطق خاصی از شهر تهران غلظت ذرات معلق بیشتر از حد مجاز می­شود، بنابراین باید برنامه­ریزی جهت مدیریت کنترل ذرات معلق و کاهش آلودگی هوا مورد استفاده برنامه­ریزان و تصمیم­گیرندگان شهری قرار گیرد.

 

واژه های کلیدی: تغییرات زمانی- مکانی، PM10، PM2.5، GIS، تهران.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

J. Env. Sci. Tech., Vol 26, No. 2, May, 2024

 

 

 

Investigation of Temporal – spatial variations of particulate matter (PM2.5 and PM10) in Tehran city Using GIS

(2013-2020)

 

Maryam Ansari ⁴ 

Mahmoud Ahmadi ⁵ *

[e-mail] 

 Gholamreza Goudarzi ⁶

 

Admission Date: December 19, 2021

Date Received:July 6, 2021

 

Abstract

Background and Objective: Metropolis of Tehran is one of the most polluted cities in the world. The present study aims to analyze the temporal-spatial behavior of particulate matter (PM2.5 and PM10) in Tehran city.

Material and Methodology: Thus, pollution- metric station data of Tehran Air Quality Control Company were used for evaluating the variations of air pollutants in temporal-spatial scales during 2013-2020. The results of statistical analysis of pollutant distribution in temporal-spatial scales were provided by using Arc GIS software and analytical function of inverse Distance Weighting interpolation (IDW) as maps, tables and graphs was demonstrated.

Findings: Based on the results, particulate matter (PM10 and PM2.5) reached the minimum (65 and 23 µg/m3) and maximum concentration (81 and 30 µg/m3) at 18 and 24 p.m., respectively. In addition, maximum (81 and 30 µg/m3) and minimum concentration (73 and 23 µg/m3) of these pollutants was respectively related to Wednesday and Friday. Maximum seasonal concentration of particulate matter (PM10 and PM2.5) relates to summer (90 µg/m3) and winter (35 µg/m3) respectively and the minimum seasonal concentration (65 and 24 µg/m3) of both pollutants relate to spring. The results of inverse Distance Weighting interpolation (IDW) indicated that west, south and central regions of Tehran in summer season involved with particulate matter (PM10) more than other regions. But in all seasons, except the western and southern regions, the central regions have a high concentration of particulate matter (PM2.5).

Discussion and Conclusion: The particulate matter concentrations is more than its allowable limit in specific regions of Tehran in some yearly days and months. Therefore, city programmers and decision_ makers must have schedule table for particulate matter control management and air pollution reduction.

 

Keywords: Temporal-spatial variations, PM2.5, PM10, GIS, Tehran.

 

---

[1] 1- دانشجوی دکترای آب و هواشناسی شهری، دانشکده علوم زمین، دانشگاه شهید بهشتی، تهران، ایران.  

[2] 2- دانشیار گروه آب و هواشناسی، دانشکده علوم زمین، دانشگاه شهید بهشتی، تهران، ایران. *(مسوول مکاتبات)

[3] 3- دانشیار گروه مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی اهواز، اهواز، ایران مرکز تحقیقات آلودگی هوا، دانشگاه علوم پزشکی اهواز، اهواز، ایران.

[4] - PhD Student of Climatology, Faculty of Earth Sciences, Shahid Beheshti University, Tehran, Iran.

[5] 2- Associate Professor, Department of Climatology, Faculty of Earth Sciences, Shahid Beheshti University, Tehran, Iran. * (Corresponding Author)

[6] 3- Associate professor, Department of Environmental Health Engineering, Ahvaz Jundishapur University of Medical Sciences, Ahvaz, Iran.

مقدمه

 

امروزه هوای بسیاری از شهر­های ایران به­ویژه کلان­شهر­ها، از کیفیت مطلوبی برخوردار نیست(1). رشد سریع فناوری باعث افزایش بی­رویه آلودگی هوا در اکثر کشورهای جهان شده است (2) و متاسفانه با پیشرفت صنعت و با گام برداشتن به سوی مکانیک و ماشین­آلات آلاینده­های بسیاری وارد محیط زیست و به طور شدیدی وارد هوای شهرها شده است (3). آلودگی هوا به­وسیله ذرات معلق (PM¹) به تغییر در ترکیبات طبیعی جو به علت ذرات ورودی ناشی از عوامل انسانی و طبیعی مربوط می­شود. (4). ذرات معلق شامل مخلوطی از ذرات جامد و مایع است که در شکل، اندازه، تعداد، ترکیب شیمیایی، سطح ناحیه، قابلیت حل و منشأ متفاوت می­باشند و به علت این تنوع بعضی ذرات اترات بهداشتی قوی­تری نسبت به دیگران دارند (5) و ممکن است از منابع طبیعی و یا منابع انسانی باشند (6). توزيع مكاني و زماني غلظت اين آلاينده تحت تأثير شدت تغييرات آب و هوايي، شدت ترافيك، فاصله از جاده و منابع انتشار مي­تواند بسيار متغير باشد (7). معمولا ذرات منتقله توسط هوا دارای اندازه­ای با رنج 500-001/0 میکرومتر هستند که بخش عمده آن را مواد ذره­ای در رنج 10-1/0 میکرومتر تشکیل می­دهد (8). در یک دسته­بندی این ذرات معلق شامل PM10، PM2.5، PM1 می­باشند (9). ذرات ریز آلاینده­های اصلی تروپوسفر هستند و یکی از شاخص­های کیفی آنها غلظت توده (PM10)  و (PM2.5) است (10) و جزء اصلی آلودگی هوا است. اولین باری که PM2.5 وارد فرهنگ لغت عمومی شد در سال 1997 بود (11). همچنین این ذرات اثر سمی بر روی سلامتی انسان دارد (12) و همین­طور باعث کاهش دید، تأثیرگذاری بر تابش خورشید، تغییر در خصوصیات ابر و ... می­شوند (13). در کلان­شهر­ها منابع اصلی PM10 و PM2.5 ترکیبی از سوخت­های فسیلی اتومبیل­ها، تجهیزات ساختمانی، کوره­ها و نیروگاه­ها می­باشد. ذرات ریز مثل (PM2.5 و PM1) از طریق احتراق منتشر می­شوند در حالیکه ذرات درشت­تر مانند (PM10) به وسیله فرایند­های مکانیکی به داخل هوا نفوذ می­کنند (14). بنابراین ذرات معلق به عنوان یکی از آلاینده­های مهم محیط­زیستی در مناطق شهری در نظر گرفته شده است (15).

بر اساس آخرین مطالعات، خورشید دوست و همکاران (1396) تغییرات زمانی- مکانی ذرات معلق PM10 را در شهر تبریز (16) و اسراری و پایدار (1396) نیز روند تغییرات غلظت ذرات معلق شهر مشهد را طی سال­های 95-90 مورد بررسی قرار دادند (17). همچنین ذاکری­ کیا و همکاران (1398) مدل­سازی و تغییرات زمانی مکانی پراکنش ذرات معلق در سطح شهر تهران را بررسی کردند (18). نتایج هر سه مطالعه نشان داد که غلظت ذرات معلق PM10  در فصل تابستان نسبت به فصل­های دیگر بیشتر است اما ذرات معلق PM2.5 در فصل پاییز و زمستان غلظت بیشتری را نشان می­دهند. سجادی و همکاران (1398) با مطالعه ارزیابی روش­های قطعی و زمین آمار در پهنه­بندی غلظت ذرات معلق (PM2.5 و PM10) شهر سبزه­وار دریافتند که مناسب­ترین روش میان­یابی برای پهنه­بندی غلظت ذرات معلق روش قطعی با تابع IDW می­باشد (19). زرندی و نصیری (1399) با مطالعه تحلیل فضایی-زمانی آلاینده PM2.5 شهر تهران به این نتیجه رسیدند که مناطق غربی، جنوب غربی، جنوبی و مرکزی از آلوده­ترین مناطق شهر تهران می­باشند (20). رئیس پور (1400) به ارزیابی زمانی مکانی غلظت ذرات معلق PM2.5 ایران پرداخت. نتایج نشان داد بیشترین و کم­ترین تراکم ذرات معلق PM2.5 به ترتیب در فصل تابستان و زمستان اتفاق افتاده است و از لحاظ توزیع فضایی، بیشترین تراکم ذرات معلق در بخش­های جنوبی، شرقی و شمال شرق می­باشد (21). گارسیا و همکاران (2018) تغییرات غلظتPM10  و PM2.5 را در هوای شهری شمال اسپانیا در مقیاس­های زمانی مختلف با استفاده از مدل آماری تحلیل واریانس (ANOVA) مورد بررسی قرار دادند. نتایج نشان داد بالاترین غلظت میانگین­های ماهانهPM10  و PM2.5  مربوط به ماه­های پاییز و زمستان است. ­(222). گوتام و بریما (2020) تغییرات زمانی مکانی ذرات معلق را در شهر چنای هند طی سال­های 2013 تا 2018 مورد مطالعه قرار دادند. نتایج نشان داد که غلظت ذرات معلق PM10 در مجاورت مناطق صنعتی بالاتر است همپنین در فصل تابستان به علت اثر فصل خشک موسمی باعث می­شود تا غلظت این ذرات نسبت به دیگر فصل­ها بیشتر باشد. (23).

ذرات معلق به ویژه ذرات کوچکتر ازmµ 5/2 به حدی در هوای تهران وجود دارند که در هر ایستگاهی نمی­توان استاندارد مربوطه را تأیید شده دانست (24). همچنین بسیاري از مطالعات اپیدمیولوژیکی نشان داده است که مواجهه با آلاینده­هاي هوا اثرات سوئی را برای سلامتی انسان به دنبال دارد (25). در سال­هاي اخير يكي از آلاينده­هايي كه بيشترين تهديد را براي شهر تهران داشته است ذرات معلق بخصوص ذرات با قطر كمتر از 5/2 ميكرون بوده است (26) که به علت توانایی نفوذ به داخل آلوئل­های ریوی دارای بیشترین اثرات بهداشتی بوده است. آگاهی از اینکه یکی از معضلات اساسی شهر تهران، آلودگی هوا و افزایش آلاینده­های مختلف بخصوص ذرات معلق در سال­های اخیر و همچنین به بار آمدن خسارت­های مالی، جانی و اجتماعی عمده می­باشد،­ باعث شده تا تغییرات زمانی و مکانی ذرات معلق را در آلوده­ترین شهر ایران شناسایی و پیشنهاد­ها و راهبردهایی را در این زمینه ارائه نماییم.

روش بررسی

این تحقیق در فصل بهار سال 1400 انجام شده است. داده­های مورد نیاز شامل داده­های ساعتی ذرات معلق (PM10 وPM2.5 ) سال 99-92 شهر تهران می­باشد که از شرکت کنترل کیفت هوا اخذ و با استفاده از دستور کد نویسی در نرم افزار MATLAB داده­های صفر، منفی و مفقود حذف گردید. سپس میانگین­های ساعتی، روزانه، هفتگی، ماهانه و فصلی در نرم افزار MATLAB محاسبه شد و گراف­های مورد نیاز در Excel ترسیم شد و جهت مقایسه با استاندارد­های محیط زیستی، استاندارد هوای آزاد EPA² و همچنین استاندارد سازمان بهداشت جهانی (WHO) ملاک عمل قرار گرفت. حداکثر غلظت 24 ساعته استاندارد EPA برای ذرات معلق (PM10) برابر با µg/m3150 و برای ذرات معلق (PM2.5) µg/m3 35 می­باشد. حداکثر غلظت سالانه استاندارد EPA برای ذرات معلق (PM2.5) نیز برابر با µg/m3 12 و حداکثر غلظت سالانه استاندارد WHO برای ذرات معلق (PM10) برابر با µg/m3 20 می­باشد.

جهت انجام درون­یابی روش­های IDW³، Spline و Kriging  بر مقادیر غلظت فصلی ذرات معلق (PM10 وPM2.5 ) اعمال گردید و میزان خطای RMSE به شرح جدول 1 مربوط به روش IDW گزارش شد، بنابراین نقشه­های پهنه­بندی مکانی غلظت فصلی ذرات معلق با استفاده از نرم افزار Arc Gis با تابع تحلیلی درونیابی فاصله معکوس (⁴IDW) تولید شد.

 

---

[1] 1- particulate matter

[2] 1- Environmental protection agency

[3] 2- Inverse distance weighting

[4]  

 

 

جدول 1- میزان خطای RMSE روش­های مختلف درون­یابی برای ذرات معلق (PM10 , PM2.5)

Table1. RMSE values for different interpolation methods of particulate matter (PM10 and PM2.5)

میزان RMSE	روش درون­یابی	آلاینده هوا
2502/1	IDW	PM2.5
9476/5	SPLINE
6775/6	ORDINARY KRIGING
0142/1	IDW	PM10
7529/7	SPLINE
97921/15	ORDINARY KRIGING

 

 رابطه بین ذرات معلق (PM10  و PM2.5) با استفاده از آزمون همبستگی پیرسون (رابطه 1) طی بازه­های زمانی مختلف تعیین گردید. به دلیل این­که مقادیر ذرات معلق (PM10 , PM2.5 دارای توزیع نسبتا نرمالی بودند از این آزمون استفاده شده است.

(1)

 

یافته­ها

نتایج حاصل از تغییرات زمانی ذرات معلق (PM10 و PM2.5) شهر تهران

نتایج حاصل از تغییرات زمانی (ساعتی، روزانه، ماهانه، فصلی و سالانه) ذرات معلق (PM10 و PM2.5) شهر تهران در قالب شکل­های 5-1 نشان داده شده است.

 

 

 

شکل 1- تغییرات میانگین ساعتی ذرات معلق (PM10 و PM2.5) در شهر تهران طی سال­های 99-1392

Figure 1. mean hourly variations of particulate matter concentration (PM10 and PM2.5) in Tehran during 2013-2020

 

 

مطابق شکل 1 غلظت هر دو آلاینده از ساعت 6 تا 9 صبح افزایشی بوده و از ساعت 9 صبح روندی کاهشی داشته تا ساعت 6 عصر که به حداقل غلظت µg/m323 برای PM2.5 وµg/m362 برای ذرات معلق PM10 رسیده است. از ساعت 6 عصر تا 12 شب روند تغییرات غلظت این دو آلاینده صعودی می­باشد که به غلظت µg/m330 برای PM2.5 و حدود µg/m381 برای PM10 رسیده است. اساساً به علت اهمیت حمل و نقل در تولید و انتشار آلاینده ذرات معلق با قطر کوچکتر از 5/2 میکرون، اولین نقطه بیشینه در ساعت 9 صبح به علت ترافیک صبحگاهی بروز نموده است و هم زمان با گرم شدن هوا در ساعات میان روز و کاهش حجم ترافیک، با کاهش غلظت در این ساعات روبرو هستیم. مقایسه تغییرات میانگین ساعتی غلظت ذرات معلق PM2.5 و PM10 شهر تهران با استاندارد EPA نشان داد که مقادیر ساعتی هر دو آلاینده نسبت به استاندارد EPA پایین­تر می­باشد.

 

 

 

شکل 2- تغییرات میانگین روزانه غلظت ذرات معلق (PM10 و PM2.5) در شهر تهران طی سال­های 99-1392

Figure 2. mean daily variations of particulate matter concentration (PM10 and PM2.5) in Tehran during 2013-2020

 

 

مطابق شکل 2 غلظت هر دو آلاینده از روز شنبه تا روز چهارشنبه روند صعودی داشته و از µg/m3 25 برای PM2.5  و µg/m373 برای PM10 در روز شنبه به µg/m330 برای PM2.5 و µg/m3 81 برای PM10 در روز چهارشنبه رسیده است. علت این تغییرات صعودی می­تواند به دلیل افزایش حجم تردد­های شهری باشد. همچنین غلظت آلاینده­ها از روز چهارشنبه تا روز جمعه روند نزولی داشته و به حداقل غلظت در روز جمعه رسیده است. مقایسه میانگین روزانه غلظت ذرات معلق PM2.5 و PM10 شهر تهران با استاندارد EPA نشان داد که مقادیر روزانه هر دو آلاینده نسبت به استاندارد EPA پایین­تر می­باشد.

 

 

شکل 3- تغییرات میانگین ماهانه غلظت ذرات معلق (PM10 و PM2.5) در شهر تهران طی سال­های 99-1392

Figure 3. mean monthly variations of particulate matter concentration (PM10, PM2.5) in Tehran during 2013-2020

 

 

مطابق شکل 3 غلظت هر دو آلاینده از فروردین ماه با افزایش دما سیری صعودی دارد و از µg/m319 برای PM2.5 و µg/m353 برای PM10 در فروردین ماه به µg/m3 30 برای PM2.5 و µg/m353 برای PM10 در تیر ماه رسیده است. به­طور کلی حداکثر غلظت ماهانه PM10  وPM2.5   به ترتیب حدود µg/m3 90 مربوط به تیر ماه و µg/m3 45 برای دی ماه می­باشد. فروردین ماه نیز کمترین غلظت ماهانه هر دو آلاینده را دارا می­باشد. مقایسه میانگین ماهانه غلظت ذرات معلق PM2.5 و PM10 شهر تهران با استاندارد EPA (µg/m3 12) و استاندارد WHO (µg/m3 20) نشان داد که مقادیر ماهانه هر دو آلاینده نسبت به استاندارد سالانه EPA  و WHO بالاتر است.

 

 

شکل 4-  تغییرات میانگین فصلی غلظت ذرات معلق (PM10 و PM2.5) در شهر تهران طی سال­های 99-1392

Figure 4. mean Seasonal variations of particulate matter concentration (PM10, PM2.5) in Tehran during 2013-2020

 

 

بر اساس شکل 4 فصل تابستان حداکثر غلظت فصلی (µg/m3 90) ذرات معلق (PM10) را به خود اختصاص داده است و حداقل غلظت فصلی (µg/m360) این آلاینده مربوط به فصل بهار می­باشد. تغییرات فصلی ذرات معلق (PM2.5) نشان می­دهد که حداکثر غلظت فصلی این آلاینده مربوط به ماه زمستان (µg/m3 35) و حداقل غلظت آن مربوط به فصل بهار (µg/m3 23) می­باشد. مقایسه میانگین فصلی غلظت ذرات معلق PM2.5 و PM10 شهر تهران با استاندارد EPA (µg/m3 12) و استاندارد WHO (µg/m3 20) نشان داد که مقادیر فصلی هر دو آلاینده نسبت به استاندارد سالانه EPA  و WHO بالاتر است.

 

 

شکل 5- تغییرات میانگین سالانه غلظت ذرات معلق (PM10 و PM2.5) در شهر تهران طی سال­های 99-1392

Figure 5. mean annual variations of particulate matter concentration (PM10 and PM2.5) in Tehran during 2013-2020

 

 

مطابق شکل 5 میانگین سالانه غلظت ذرات معلق (PM10 و PM2.5) طی سال­های 99-1392 روند نامنظمی را نشان می­دهند. میانگین غلظت سالانه ذرات معلق (PM10) از حدود µg/m3 87 در سال 92 و 95 به کم­ترین مقدار خود (µg/m3 71) در سال 1393 رسیده است. همچنین میانگین غلظت سالانه ذرات معلق (PM2.5) از حداکثر مقدار (µg/m3 40) به حداقل میزان (µg/m3 27) در سال 1392 رسیده است. مقایسه غلظت سالانه ذرات معلق (PM10 و PM2.5) شهر تهران با استاندارد سالانه EPA و WHO نشان داد طی سال­های 99-1392 نسبت به استاندارد سالانه EPA و WHO مقادیر بالاتری را نشان می­دهد.

 بررسی رابطه بین غلظت ذرات معلق (PM10 و PM2.5)

با استفاده از آزمون همبستگی پیرسون رابطه بین غلظت ذرات معلق (PM10 و PM2.5) در بازه­های زمانی ساعتی، روزانه، ماهانه و فصلی محاسبه شده است. جدول 2 نتایج حاصل از همبستگی پیرسون بین ذرات معلق شهر تهران را نشان می­دهد.

 

 

جدول 2- نتایج حاصل از همبستگی بین ذرات معلق ( PM10 و PM2.5)

Table 3. Results of correlation between particulate matter (PM10 and PM2.5)

PM10/ PM2.5	ساعتی	روزانه	ماهانه	فصلی
ضریب همبستگی	890/0	909/0	548/0	552/0
سطح معناداری	000/0	005/0	046/0	448/0

 

مطابق با جدول 2 بین ذرات معلق ( PM10 و PM2.5) در بازه های ساعتی، روزانه و ماهانه با ضریب همبستگی (890/0)، (909/0) و (548/0) با سطح معناداری کمتر (05/0) همبستگی مستقیمی برقرار هست اما در بازه­های فصلی هیچ نوع همبستگی بین این آلاینده­ها وجود ندارد. در بازه زمانی ساعتی، روزانه و ماهانه به علت اینکه تغییرات میانگین غلظت ذرات معلق (PM2.5) نسبت تغییرات میانگین غلظت ذرات معلق (PM10) خیلی کم می­باشد و از طرفی به ازای افزایش یا کاهش میانگین غلظت ذرات معلق (PM2.5)، میانگین غلظت ذرات معلق (PM10) نیز افزایش یا کاهش پیدا می­کند، همبستگی مثبت و معناداری بین میانگین غلظت هر دو آلاینده وجود دارد.

نتایج حاصل از تغییرات مکانی ذرات معلق (PM10 و PM2.5) شهر تهران

شکل 6 و 7 تغییرات مکانی ذرات معلق (PM10 و PM2.5) شهر تهران را با استفاده از روش IDW نشان می­دهد.

 

 

 

 

                               الف- بهار ب- تابستان

 

                                       ج- پاییز د-زمستان

شکل 6 - تغییرات مکانی میانگین غلظت ذرات معلق (PM10) در شهر تهران طی سال­های 99-1392

Figure 6. spatial variations of particulate matter concentration mean (PM10) in Tehran during 2013-2020

 

 

 

مطابق شکل 6 کم­ترین توزیع ذرات معلق (PM10) مربوط به فصل پاییز می­باشد که غالبا تراکم این آلاینده با غلظت µg/m3120 مربوط به ایستگاه­ شهر­ری و سپس µg/m3 107 در مناطق غربی تهران می­باشد و به سمت مناطق شرقی و شمال از غلظت ذرات معلق کاسته شده به طوری که در مناطق شرقی از حدود µg/m380 به µg/m3 66 در مناطق شمالی رسیده است. در فصل بهار ایستگاه­های واقع در مناطق شمالی و همین­طور ایستگاه شهرداری منطقه 16 در پهنه جنوبی با غلظت تقربی µg/m354 از کیفیت هوای نسبتا مطلوبی برخوردار هستند و تنها در مناطق غربی و تا حدی ایستگاه شهر­ری غلظت این آلاینده به µg/m390 رسیده است. در فصل زمستان مناطق غربی به سمت مرکز، شمال غربی، ایستگاه شهر­ری و حدودی از مناطق شرقی تهران درگیر غلظت نسبتا بالای ذرات معلق (PM10) می­باشند به طوری که غلظت این آلاینده از µg/m3 98 در شهر­ری و غرب تهران به µg/m3 88 در مرکز و به پایین­ترین حد خود با غلظت µg/m3 64 در مناطق شمالی، جنوب شرقی و ایستگاه شهرداری منطقه 19 رسیده است. فصل تابستان ذرات معلق (PM10) فراگیر­تر شده و تنها مناطق شمالی شهر تهران غلظت کم­تر از µg/m3 72 را نشان می­دهد. در 4 ایستگاه غربی و جنوبی غلظت ذرات معلق (PM10) مقدار µg/m3 116 میکروگرم بر متر مکعب را نشان می­دهد. به­طور­کلی بیشترین غلظت ذرات معلق کمتر از 10 میکرون شهر تهران در مناطقی دیده می­شود که بیشتر در معرض گرد و غبار با منشأ خارج از شهر هستند. لازم به ذکر است علاوه بر تأثیر ترافیک و پدیده گرد و غبار، فعالیت­های منابع ساکن آلودگی هوا از جمله فعالیت­های ساختمانی و پروژه­های عمرانی در اطراف ایستگاه­ها نیز در انتشار این آلاینده مؤثر می­باشند.

مقایسه غلظت فصلی ذرات معلق (PM10) شهر تهران نسبت به استاندارد سالانه  WHO(20 میکروگرم بر متر مکعب) نشان داد که در همه مناطق شهر تهران غلظت ذرات معلق (PM10) نسبت به استاندارد WHO مقدار بالاتری را دارا می­باشند.

 

 

                               الف- بهار ب- تابستان

 

                                          ج- پاییز د-زمستان

        شکل 7- تغییرات مکانی ذرات معلق (PM2.5) در شهر تهران طی سال­های 99-1392

Figure 7.   spatial variations of particulate matter concentration mean (PM2.5) in Tehran during 2013-2020

 

 

بر اساس شکل 7 بیشترین غلظت ذرات معلق (PM2.5) در فصل بهار مربوط به ایستگاه­های مرکزی، غربی و جنوبی می­باشد که به غلظت µg/m3 28 نیز رسیده و به سمت مناطق شرقی و شمال غربی غلظت ذرات معلق مقدار µg/m3  24 را نشان می­دهد. فصل تابستان نسبت به دیگر فصول، گستره بیشتری از سطح شهر تهران درگیر ذرات معلق (PM2.5) می­باشند به طوری که تنها ایستگاه­های شمالی از کیفیت هوای نسبتا خوبی برخوردار هستند. همچنین فصل پاییز مناطق آلوده از منظر آلاینده ذره­ای (PM2.5) محدود به مناطق مرکزی، غربی و جنوبی با غلظت بالای µg/m340 می­باشد اما حداقل غلظت این آلاینده در فصل پاییز محدود به مناطق شمالی، شمال شرق و جنوب شرقی با غلظت µg/m327 می­باشد. فصل زمستان نیز مانند فصل پاییز ذرات معلق (PM2.5) تنها در مناطق مرکزی، غربی و جنوبی شهر تهران توزیع شده اما غلظت این آلاینده به بالاترین حد خود (µg/m3 43) نسبت به دیگر فصل­ها رسیده است. عامل اصلی در تجمع آلاینده مذکور را می توان افزایش برقراری شرایط جوی پایدار در سطح منطقه، احتمال وقوع وارونگی دمای شدید در لایه نزدیک سطح زمین و ازدیاد حجم تردد خودروها طی ماه­های سرد سال دانست. به طور کلی غلظت فصلی ذرات معلق (PM2.5) در همه مناطق شهر نسبت به استاندارد سالانه EPA (µg/m3 12) مقادیر بالاتری را نشان ­می­دهند.

 

بحث و نتیجه­گیری

پژوهش حاضر تغییرات زمانی- مکانی ذرات معلق (PM10 و PM2.5) شهر تهران را طی دوره آماری 99-92 مورد بررسی قرار داد. نتایج حاصل از تغییرات زمانی ذرات معلق نشان داد تغییرات ساعتی ذرات معلق (PM10 و PM2.5) با هم منطبق هستند. پیک این دو آلاینده در ساعات 12 شب تا 1 بامداد می­باشد و در ساعات 5 و 6 عصر به حداقل خود کاهش می­یابند. طی روزهای اوایل هفته به تدریج بر غلظت ذرت معلق (PM10 و PM2.5) افزوده شده و سرانجام در پایان هفته با کاهش حجم ترافیک و تردد­های شهری میزان غلظت این آلاینده­ها نیز به حداقل رسید. تغییرات فصلی ذرات معلق شهر تهران نشان داد بیشترین غلظت فصلی ذرات معلق (PM10 و PM2.5) را به ترتیب فصل تابستان و زمستان به خود اختصاص داده است و حداقل غلظت هر دو آلاینده مربوط به فصل بهار می­باشد. در مجموع فصل تابستان مناطق بیشتری از شهر تهران درگیر ذرات معلق (PM10) می­باشند. شهر تهران از سمت جنوب به­طور عمده با بیابان‌های رسی و زمین‌های نمکی احاطه شده است. این بیابان‌ها که در حاشیه شمالی کویر مرکزی ایران واقع شده‌اند، نقش قابل ملاحظه‌ای بعنوان کانون ریزگرد برای شهر تهران دارند. بطور معمول در فصل تابستان، وجود اختلاف دما (گرادیان فشار) بین مناطق کویری واقع در جنوب شهر تهران با اقلیم خشک و نیمه خشک شهر تهران، باعث وزش بادهای شمال‌سو در این منطقه می‌شود. که قابلیت تولید ریزگرد و ذرات معلق از کانون‌های واقع در جنوب شهر تهران و انتقال آن‌ها به جو این شهر را دارند. تجمع ذرات معلق (PM2.5) در شهر تهران طی فصول مختلف شامل مناطق غربی، جنوبی و بخصوص مناطق مرکزی شهر تهران می­باشد. ایستگاه­های شمالی، شرقی و جنوب شرق تهران از جمله ایستگاه­هایی هستند که کمترین مقادیر غلظت ذرات معلق (PM2.5) در آنها به ثبت رسیده است. همین­طور بیشترین غلظت ذرات معلق (PM2.5) مربوط به مناطق مرکزی شهر تهران می­باشد که این امر می­تواند بالا بودن حجم ترافیک شهری در مناطق مرکزی، جابجایی جمعیت زیاد در این منطقه، ‌فرایند ‌احتراق ‌خودروها ‌و‌ منابع ‌ساکن‌ شهری، ‌انتشار ‌از‌ منابع ‌طبیعی‌خارج ‌و‌ داخل‌ شهر ‌و همچنین ‌انتقال ‌از‌ چشمه‌های ‌تولید ‌گرد ‌و‌ غبار در مناطق جنوب و جنوب غربی تهران را ‌تأثیر گذار‌ دانست.

مقایسه میانگین ساعتی و روزانه غلظت ذرات معلق (PM2.5) و (PM10) شهر تهران نسبت به استاندارد EPA (35 و 150 میکروگرم بر متر مکعب) نشان داد در همه ساعات شبانه روز و در همه روزهای هفته غلظت ذرات معلق (PM2.5) و (PM10) نسبت به میانگین 24 ساعته استاندارد EPA پایین­تر است. اما مقایسه میانگین ماهانه، فصلی و سالانه غلظت ذرات معلق (PM2.5) نسبت به استاندارد سالانه EPA و ذرات معلق (PM10) نسبت به استاندارد سالانه WHO نشان داد که در این بازه­های زمانی غلظت ذرات معلق (PM2.5) و (PM10) نسبت به استاندارد سالانه EPA و استاندارد سالانه WHO بالاتر می­باشد. نتایج حاصل از همبستگی پیرسون بین ذرات معلق (PM2.5) و (PM10) نشان داد که این آلاینده­ها در بازه­های زمانی فصلی هیچ گونه همبستگی ندارند، اما طی روزهای مختلف هفته و بازه زمانی ساعتی و ماهانه با سطح اطمینان 95% و 99% دارای ارتباط مستقیم و معناداری می­باشند.

با توجه به این­که تمام اهداف پژوهش­های مرتبط تعیین تغییرات زمانی مکانی ذرات معلق ( PM2.5 و  PM10) می­باشد، نتایج این تحقیق نیز اکثر نتایج مطروح در پیشینه را تأیید می­کند. از جمله با نتایج تحقیقات (16)، (17)، (18) و (20) که غلظت ذرات معلق PM10  در فصل تابستان نسبت به فصل­های دیگر بیشتر است اما ذرات معلق PM2.5 در فصل پاییز و زمستان غلظت بالاتری را نشان می­دهد مطابقت دارد. همچنین نتایج پژوهش (19) که دریافتند مناسب­ترین روش میان­یابی برای پهنه­بندی غلظت ذرات معلق روش قطعی با تابع IDW می­باشد و همین­طور نتیجه تحقیق (9) که مناطق غربی، جنوب غربی، جنوبی و مرکزی از آلوده­ترین مناطق شهر تهران می­باشند را مورد تأیید قرار می­دهد. نتایج این مطالعه همچنین با نتایج تحقیق (22) و (23) که نشان داد بالاترین غلظت میانگین ماهانه PM2.5  مربوط به ماه­های پاییز و زمستان است مشابهت دارد و با نتایج پژوهش (21) هیچ گونه مطابقتی ندارد.

در مقایسه با دیگر مطالعاتی که در نقاط مختلف جهان صورت گرفته است در شهر تهران تنها ذرات معلق (PM2.5) به عنوان آلاینده مسئول آلودگی هوای شهر تهران شناخته شدند که گسترش بیشتری در سطح شهر داشتند و توزیع غلظت این ذرات در مناطق جنوبی، غربی و مرکزی شهر تهران بیشتر بوده است. این آلاینده که نماینده طیف وسیعی از ذرات بسیار ریز با سایزهای متفاوت با قطر کمتر از 5/2 میکرون می­باشد. این آلاینده درصورت حاکمیت شرایط جوی پایدار برای چند روز متوالی و همچنین وقوع پدیده گرد و غبار، در هوای شهر انباشت شده و در اکثر قریب به اتفاق روزهای آلوده، آلاینده شاخص شهر تهران به شمار می­رود. این امر ممکن است که باعث اثرات زیان آوري بر روي سلامت افراد جامعه به­خصوص کودکان و افراد مسن شود. توصیه می­شود مدیریت کیفیت هوا در تمام مناطق شهري قسمتی از برنامه­هاي توسعه و عمران شده و به توسعه فضاي سبز و جلوگیري از تخریب آن اهمیت داده شود. نتایج حاصل می­تواند در بحث مدیریت آلودگی هوا بخصوص برنامه­ریزی جهت مدیریت کنترل ذرات معلق و کاهش آلودگی هوا مورد استفاده برنامه­ریزان و تصمیم­گیرندگان شهری قرار گیرد.

 

تقدیر و تشکر

نویسندگان از شرکت کنترل کیفیت هوای تهران جهت در اختیار گذاشتن داده­های مورد نیاز این تحقیق سپاسگزاری می­نماید.

 

Reference

1.       Kermani M, Dowlati M, Fallah S, Aghaei M, BahramiAsl  F, Karimzadeh S (2017) Study of Air Quality Health Index and its Application in Seven Cities of Iran in 2011, J Arak University Medical Sciences, 19(12), 78-88. (In Persian)

2.       Golbaz S, Farzadkia M, Kermani M, (2010) Determination of Tehran air quality with emphasis on air quality index (AQI); 2008-2009, J Iran Occupational Health 6(4): 59-65. (In Persian)

3.        Nourpoor AR,  Feiz SMA (2014) Determination of the Spatial and Temporal Variation of SO2, NO2 and Particulate Matter Using GIS Techniques and Estimation of Concentration Modeling with LUR Method, Case Study: Tehran City, J Environmental Studies 40(3): 723-738. (In Persian)

4.       Garcia, M.A.; Sanchez, M. L.; Rois, A.; Peres, L. A.; Pardo, N.; (2018) Analysis of PM10 and PM2.5 Concentrations in an Urban Atmosphere in Northern Spain, Archives of Environmental Contamination and Toxicology, pp-1-15.

5.       Goudarzi,G.H., Shirmardi, M., Abolfazl Naimabadi , A., Ata Ghadiri, A., , Sajedifar, J., (2019) Chemical and organic characteristics of PM2.5 particles and their in-vitro cytotoxic effects on lung cells: The Middle East dust storms in Ahvaz, Iran, Science of the Total Environment, 655 : 434–445.

6.        Joanna, K., Mariusz, G., Lechosław, D, (2018) Characteristics of air quality and sources affecting high levels Of PM10 and PM2.5 in Poland, Upper Silesia urban area, Environ Monit Assess, 190, 515-525.

7.        Nadian, M  Mirzaei R, Soltani Mohammadi  S, (2018) Application of MoransI Autocorrelation in Spatial-Temporal Analysis of PM2.5 Pollutant (A case Study: Tehran City) J Environmental Health Engineering 5(3): 213-197. (In Persian)

8.        Gholampour A, Nabizadeh R, Hassanvand MS, Taghipour H, Faridi S, Mahvi AH (2013) Investigation of the ambient particulate matter concentration changes and assessing its health impacts in Tabriz, J Health & Environ 7(4): 541-556. (In Persian)

9.       Leali M, Nadafi K, Nabizadeh R, Youneseian M, Mesdaghineia AR, Nazmara SH(2011) Particulate Matter Concentrations and The Air Quality Index In The Central Part Of Tehran City, Tehran, Iran, J School of Public Health And Institute of Public Health Research, 1(7): 57-67. [In Persian]

10.       Wu Z, Liu F, Fan, W (2015) Characteristics of PM10 and PM2.5 at Mount Wutai Buddhism Scenic Spot Shanxi, China, J Atmosphere 6(8): 1195–1210.

11.       Pui, D. H.Y., Chen, S. C., Zhili, Z., (2014) PM2.5 in China: Measurements, sources, visibility and health effects, and mitigation. Particuology, 13:1–26.

12.       Bravoa, M, & Bella, M, (2011). Spatial heterogeneity of PM10 and O3 in São Paulo, Brazil, and implications for human health studies. The Air & Waste Management Association, 66(1), 69–77.

13.       Bayraktar , H., Sezer , F., Tuncel, G., (2010) Average mass concentrations of TSP, PM10 and PM2.5 in Erzurum urban atmosphere, Turkey,Stoch Environ Res Risk Assess , 24:57–65.

14.       Tiwari, S., Chate, D. M., Srivastava, M. K., Safai, P. D, (2012) Statistical evaluation of PM10 and distribution of PM1, PM2.5, and PM10 in ambient air due to extreme fireworks episodes (Deepawali festivals) in megacity Delhi, Nat Hazards, 61:521–531.

15.       Gadass, R., Mirjana, C., kovic, A., Kres, I., (2012) Winter Mass Concentrations of Carbon Species in PM10, PM2.5 and PM1 in Zagreb Air, Croatia, Bull Environ Contam Toxicol , 89:1087–1090.

16.        Khorshiddoust AM, Valizadeh KH, Ghasemi Baghtash A (2017) Analysis of temporal- spatial distribution of dangerous contaminants in Tabriz with emphasis on PM10, J Physical Geography Research 49(4): 585-602. (In Persian)

17.       Asrari E, Paydar M (2018) Investigation of the airborne particulate matter concentration trend changes in Mashhad by using meteorological data during 2010-2015. Iranian Journal of Research in Environmental Health; 4 (1): 58-65. (In Persian)

18.       zakeri KIA, S., Aghamohammadi, H., behzadi, S., azizi, Z. (2020). Modeling and Spatio -Temporal Analysis of the Distribution of Particulate Matter in Tehran City Based on Spatial Analysis in GIS Enviroment. Journal of Environmental Science and Technology, 21(11), (In Persian)

19.       Sajjadi, S., Delsouz, M., Zolfaghari, G. (2019). Evaluatin of Deterministic and Geostatistics Methods for Particulate Matter Concentration (PM2.5 and PM10) Zoning Using GIS: case study, Sabzevar City. Journal of Environmental Science and Technology, 21(10), 1-13. (In Persian)

20.       Mirakbari, M., Ebrahimi Khusfi, Z. (2020). Investigation of spatial and temporal changes in atmospheric aerosol using aerosol optical depth in Southeastern Iran. Journal of RS and GIS for Natural Resources, 11(3), 87-105. (In Persian)

21.       Raispour, K. (2021). Evaluation of Spatiotemporal Column Particulate Matter Concentration (PM2.5) Due to Dust Events in Iran Using Data from NASAN / MERRA-2 Reanalysis Model. Journal of the Earth and Space Physics, 47(2), 333-354. doi: 10.22059/jesphys.2021.316499.1007273. (In Persian)

22.       Garcia, M.A.; Sanchez, M. L.; Rois, A.; Peres, L. A.; Pardo, N.; (2018) Analysis of PM10 and PM2.5 Concentrations in an Urban Atmosphere in Northern Spain, Archives of Environmental Contamination and Toxicology, pp-1-15.

23.       Gautam S. and Brema J., Spatio-temporal variation in the concentration of atmosp particulate matter: A study in fourth largest urban agglomeration in India. Environmental Technology & Innovation (2019), doi: https://doi.org/10.1016/j.eti.2019.100546.

24.       Gholizadeh MH, Farajzadeh M, Darand M (2009) the Correlation between Air Pollution and Human Mortality in Tehran, Hakim Research Journal; 12(2): 65- 71. (In Persian)

25.       Mousavi F, Jahed S. A, Rajab A, Nikuo Sokhantabar A. K, Kashi G, Tabatabaee R(2013)Survey Of Air Pollution Effect On Variation Of Glycosylated Hemoglobin A1c (Hba1c) Level In Diabetic Patients In Tehran, Iranian Journal Of Health And Environment, 6(1), 123-132. (In Persian)

26.        Bahari RA,  Abaspour RA,  Pahlavani P (2015) Zoning of Particulate Matters (PM) Pollution Using Local Statistical Models in GIS (Case Study: Tehran Metropolisies) J Geomatics Science and Technology 5(3):165-173. (In Persian)

27.       Safavi SY, alijani B (2007) Studying geographical factors in Tehran air pollution, J Geography Research (58):99-112. (In Persian)

 

 

 

 

 

 

 

 

 

 

 

 

 

---