A Statistical Study of Mashhad׳s Air Polluted Days

Subject Areas :

Tahereh  Soltani ¹ (Geography Dept, Faculty of Humanity, Islamic Azad University, Najafad Branch, Najafabad ,Iran)
Amir  Gandomkar ² (Geography Dept, Faculty of Humanity, Islamic Azad University, Najafad Branch, Najafabad ,Iran)
Hooshmand  Ataei ³ (Associate Professor, Payame Noor University, Tehran, Iran)
Abbas  Mofidi ⁴ (Geography Dept, Faculty of Humanity, Ferdowsi University of Mashhad, Mashhad, Iran)

Received: 2016-02-09 Accepted : 2016-04-04 Published : 2016-05-04

Keywords: city, Mashhad, study, statistical, polluted, days,

Abstract :

Abstract For a precise study of polluted days in terms of persistence and stability , this paper statistically studies the air pollution of Mashhad.The data related to the pollution was provided daily by environment department of Razavi Khorasan province from 2003 to 2009. After collecting the data and specifying statistical period , the pollutants with the most impact on the air pollution of Mashhad ( carbon monoxide , nitrogen dioxide , sulfur dioxide , ozone and particulate matters ( PM10 ) were selected among these data for specifying air quality. Then , statistical analysis was made in order to specify persistence and number of the polluted days and finally , these results were obtained that the air pollution has been ranging from 2003 to 2009 with a reduction trend. In addition , during the desired period , particulate matters (PM10 ) had the maximum amount.The most polluted seasons of Mashhad are autumn and winter. In the terms of annual distribution , the year 2007 with 29 days had the maximum amount of pollution. December with 18 days has been specified as the most polluted and June the cleanest months of the year. In addition , after studying the number of polluted days with the persistence of two days and more , it was revealed that the years 2007 and 2008 were more significant in terms of persistence than the other years.

References:

1. انصافی مقدم، طاهره (1389): تحلیل و مقایسه آماری گرد و غبار در ایلام و تهران در طی دو سال اخیر، دومین همایش ملی فرسایش بادی و طوفانهای گرد وغبار.دانشگاه یزد.

2. انتظاری، علیرضا (1384): مطالعه آماری وسینوپتیکی آلودگی هوای تهران،رساله دکتری،دانشگاه تربیت معلم تهران.

3. بهنیافر، ابوالفضل، قنبرزاده، هادی (1389):بررسی عوامل و پارامترهای موثر بر آلودگی هوا در شهر مشهد، دانشگاه آزاداسلامی واحد مشهد

4. جهانشیری، مهین (1389): بررسی آماری و سینوپتیکی آلودگی هوای مشهد، پایان نامه کارشناسی ارشد، دانشگاه تربیت معلم سبزوار. استادراهنما دکتر انتظاری.

5. صادقی، سلیمان، مفیدی، عباس، جهانشیری، مهین، دوستان، رضا (1393) نقش گردش مقیاس منطقه‌ای جو بر وقوع روزهای دارای هوای بسیارآلوده در شهر مشهد، مجله جغرافیا و مطالعات محیطی. شماره دهم، تابستان 93 ص1.

6. صداقت کردار، عبدالله، جهانگیری زهره، رحیم زاده، فاطمه (1382): توانایی‌های بالقوه علم آمار در مطالعات هواشناسی آلودگی هوا، کنفرانس آمار، دانشگاه علامه طباطبایی،صص10-1

7. علیجانی، بهلول، نجفی نیک، زهرا (1388): بررسی الگوهای سینوپتیکی اینورژن در مشهد با استفاده از تحلیل عاملی، مجله جغرافیا و توسعه ناحیه‌ای، شماره دوازدهم، 1

8. عزیزی فر، محمد، ندافی، کاظم، محمدیان، مجید، صفدری، مرتضی، خزایی، محمد(1390): بررسی شاخص کیفیت هوا و غلظت ذرات با قطر آئرودینامیکی در هوای شهر قم، مجله دانشگاه علوم پزشکی قم، تابستان.

9. فهیمی فرد، سیدمحمد، افشار، فهیمه، (1389) بررسی و اندازه گیری آلودگی هوای شهر مشهد: دومین کنفرانس برنامه ریزی و مدیریت شهری

10. قربانی، محمد،علی فیروز زارع (1388): ارزش گذاری ویژگیهای مختلف آلودگی هوا در مشهد، مجله تحقیقات اقتصادی، شماره 89، صص241_-215

11. موسوی، محمود، بحرپیما، سارا، رضازاده، رضا (1382): بررسی آلودگی هوای ناشی از سه نیروگاه موجود در شهر مشهد با استفاده از مدل گوس، چهارمین همایش ملی انرژی

12. واثقی، الهه، منصور زیبایی (1386): پیش بینی آلودگی هوای شیراز، مجله محیط شناسی، سال سی وچهارم، شماره 47، صص72-6

13. Ziv.A. D, lakovleva. E.A, palmgren. F, Berkowicz. R. (2005).Fourth International Conference on Urban Air Quality:Measurement, Modelling and Management, Volume 39, Issue 15.

14. Janes. H, Sheppard. L. (2008).Statistical Analysis of Air Pollution Panel Studies: An Illustration, Volume 18, Issue 10, October  Pages 792–802.

15. Demuzere. M, Lipzig. V.(2009): A new method to estimate air  quality levels using a synoptic-regression approach. Part I: Present-day O₃ and PM₁₀ analysis,.06.029.

16. Losada. Á.Gómez, G.(2014) Finite mixture models to characterize and refine air quality monitoring networks. Volumes 485–486, 1 July 2014, Pages 292–29