Modeling Dispersion of PM10 for a Steel Billet and Pipe Production Plant Using AERMOD: (A Case Study: Ashtian County)

Subject Areas : Environmental impact assessment

Zahra Johari ¹ , Reza Peykanpour ² , Maryam Nasrinasrabadi ³

1 - 1- Department of environmental Science, Faculty of Agriculture and Natural Resources, Islamic Azad University of Isfahan, Isfahan, Iran
2 - Department of Environment, Faculty of Natural Resources, Isfahan University of Technology, Isfahan, Iran
3 - Department of environmental Science, Faculty of Agriculture and Natural Resources, Islamic Azad University of Isfahan, Isfahan, Iran.

Received: 2024-04-07 Accepted : 2024-08-31 Published : 2024-09-18

Keywords: Quantification, Air pollution, Particulate Matter, AERMOD,

Abstract :

Air pollution, a complex and multidimensional phenomenon, has increasingly affected industrial and urban communities. Particulate matter (PM), as a primary air pollutant, significantly affect quality of life in urban areas. These particles, due to their ability to penetrate deep into the lungs and enter the bloodstream, are responsible for numerous acute and chronic respiratory and cardiovascular diseases. The aim of this research is to model the dispersion of air pollutants resulting from the construction and operation of the proposed project. In this study, the AERMOD software was used to model air pollutants. This software evaluates and quantifies the level of air pollution related to pollutants at a specific location using meteorological data, a digital elevation model, and information related to pollution sources. The results of the dispersion modeling of pollutants showed a maximum concentration of PM10 of 47.9 micrograms per cubic meter, which was lower than the maximum 24-hour standard. Therefore, the proposed project, in terms of the maximum 24-hour concentration of suspended particles, excluding the background, is below the standard limit and does not pose a threat to air quality.

References:

Abbaspour, M. (2012). Air pollution modeling. First. Sharif University of Technology, 9-1. [In Persian]
Bayat, R., Hassanvand, M. S., & Daroudi, R. (2020). Economic analysis of the cost of air pollution deaths in Tehran. Urban Economics and Planning, 1(3), 188-197. [In Persian]$
Bayraktar, O. M., & Mutlu, A. (2024). Analyses of industrial air pollution and long-term health risk using different dispersion models and WRF physics parameters. Air Quality, Atmosphere & Health, 1-29.
Deary, M. E., & Griffiths, S. D. (2021). A novel approach to the development of 1‐hour threshold concentrations for exposure to particulate matter during episodic air pollution events. Journal of Hazardous Materials, 418, 126334.
EPA (2012). AERMOD User's Guide. Environmental Protection Agency.
Esmaeilzadeh, M., Bazrafshan, E., Nasrabadi., M. (2013). Dispersion Modeling of NOX and SO2 Emissions from Tous Gas Power Plant. Health & Environ, 6(1), 77-90. [In Persian]
Liu, W., Xu, Z., & Yang, T. (2018). Health effects of air pollution in China. International journal of environmental research and public health, 15(7), 1471.
Manisalidis, I., Stavropoulou, E., Stavropoulos, A., & Bezirtzoglou, E. (2020). Environmental and health impacts of air pollution: a review. Frontiers in public health, 8, 14.
Prasad, N., Mishra, A., Bhattacharya, T., Lal, B., Chandra Jha, P., & Kumar, A. (2024). Validation of AERMOD prediction accuracy for particulate matters (PM10, PM2. 5) for a large coal mine complex: A Multisource Perspective. Aerosol Science and Engineering, 1-15.
Salahi, B., & Behrouzi, M. (2023). Evaluation of the distribution of exhaust air pollution from the chimneys of Tabriz Oil Refinery using AERMOD model. Researches in Earth Sciences, 14(1), 86-101. [In Persian]
Seihei, N., Farhadi, M., Takdastan, A., Asban, P., Kiani, F., & Mohammadi, M. J. (2024). Short-term and long-term effects of exposure to PM10. Clinical Epidemiology and Global Health, 27, 101611.
Statistical Yearbook of Markazi Province. (2016). [In Persian]
USEPA. (2022). AERMOD: Description of Model Formulation and Applications. United States Environmental Protection Agency.
WHO. New WHO Global Air Quality Guidelines Aim to Save Millions of Lives from Air Pollution. 2022. Available online: https://www.who.int/news/item/22-09-2021-new-who-global-air-quality-guidelines-aim-to-save-millions-of-lives-from-air-pollution .
Zehtab Yazdi, Y., Mansouri, N., Atabi, F., & Aghamohammadi, H. (2021). Dispersion Modeling of Particulate Matters (PM2.5, PM10) from Asphalt Plants in the Southwest of Tehran. Jehe, 8(4), 375-390. [In Persian]

Full-Text:



فصلنامه مدیریت و حقوق محیط‌ زیست 2(1): بهار 1403: 73-60

Journal of Environmental management and law, Vol.2, Issue 1, 60-73

 

فصلنامه مدیریت و حقوق محیط ‌زیست https://sanad.iau.ir/en/Journal/jeml

 

Modeling Dispersion of PM10 for a Steel Billet and Pipe Production Plant Using AERMOD: (A Case Study: Ashtian County)

Zahra Johari1, Reza Peykanpour Fard2, Maryam Nasri Nasrabadi3*

1 Department of Environmental Sciences, Waste and Wastewater Research Center, Isfahan (Khorasgan) Branch, Islamic Azad University, Isfahan, Iran.

2 Department of Natural Resources Engineering, Isfahan University of Technology, Isfahan, Iran.

3 Department of environmental Science, Faculty of Agriculture and Natural Resources, Islamic Azad University of Isfahan, Isfahan, Iran.

*Corresponding Author: [e-mail]

 

Abstract Air pollution, a complex and multidimensional phenomenon, has increasingly affected industrial and urban communities. Particulate matter (PM), as a primary air pollutant, significantly affect quality of life in urban areas. These particles, due to their ability to penetrate deep into the lungs and enter the bloodstream, are responsible for numerous acute and chronic respiratory and cardiovascular diseases. The aim of this research is to model the dispersion of air pollutants resulting from the construction and operation of the proposed project. In this study, the AERMOD software was used to model air pollutants. This software evaluates and quantifies the level of air pollution related to pollutants at a specific location using meteorological data, a digital elevation model, and information related to pollution sources. The results of the dispersion modeling of pollutants showed a maximum concentration of PM10 of 47.9 micrograms per cubic meter, which was lower than the maximum 24-hour standard. Therefore, the proposed project, in terms of the maximum 24-hour concentration of suspended particles, excluding the background, is below the standard limit and does not pose a threat to air quality.	Original Paper
	Received: 4.7.2024 Accepted: 8.31.2024
	Keywords: Quantification, Air pollution, Particulate Matter, AERMOD.

 

 

 

 

مدلسازی پراکندگی ذرات معلق PM10 در اثر احداث و بهره‌برداری از طرح تولید بیلت و لوله‌های فولادی با استفاده از نرم‌افزار AERMOD(مطالعه موردی: شهرستان آشتیان)

زهرا جوهری1، رضا پیکانپور فرد2، مریم نصری نصرآبادی3*

1-       مرکز تحقیقات پسماند و پساب، واحد اصفهان(خوراسگان)، دانشگاه آزاد اسلامی، اصفهان، ایران.

2-       دانشجوی دکتری دانشکده مهندسی منابع طبیعی، دانشگاه صنعتی اصفهان، اصفهان، ایران.

3-        دانشجوی دکتری دانشگاه آزاد اسلامی، واحد اصفهان(خوراسگان)، اصفهان، ایران. 

* پست الکترونیکی نویسنده مسئول:  [e-mail]

نوع مقاله: علمی-پژوهشی	چكيده آلودگی هوا به عنوان یک پدیده پیچیده و چند وجهی، به طور فزاینده‌ای جوامع صنعتی و شهری را تحت تأثیر قرار داده است. ذرات معلق (PM) به عنوان یکی از آلاینده‌های اصلی هوا، کیفیت زندگی شهری را به شدت تحت تأثیر قرار می‌دهند. این ذرات به دلیل قابلیت نفوذ به عمق ریه‌ها و ورود به جریان خون، عامل بسیاری از بیماری‌های حاد و مزمن تنفسی و قلبی عروقی هستند. هدف از اين پژوهش مدلسازی پراکندگی و غلظت آلاینده‌های هوا در اثر احداث و بهره‌برداری از طرح مورد نظر است. در اين مطالعه به جهت مدلسازى آلاينده‌هاى هوا از نرم‌افزار AERMOD استفاده گرديد. اين نرم‌افزار ميزان آلودگى هواى مربوط به آلاينده‌ها را در يك مكان مشخص با استفاده از داده‌هاى هواشناسى، مدل رقومى ارتفاع و اطلاعات مربوط به منابع آلاينده، ارزيابى و كمى‌سازى مى‌كند. نتایج مدلسازی پراکندگی آلاینده‌ها، حداکثر غلظت PM10، به میزان 47/9 میکروگرم بر مترمکعب را نشان داد که کمتر از استاندارد حداکثر غلظت 24 ساعته بود. بنابراین طرح مورد نظر از لحاظ حداکثر غلظت 24 ساعته ذرات معلق بدون در نظرگرفتن پس زمینه کمتر از حد استاندارد است و تهدیدی برای کیفیت هوا محسوب نمی‌شود.
تاریخچه مقاله: ارسال: 19/01/1403 پذیرش: 10/06/1403
کلمات کلیدی: كمى‌سازى، آلودگی هوا، ذرات معلق،  AERMOD.

 

 

مقدمه

آلودگی هوا یکی از مشکلات جدی ‌محیط زیستی است که به ویژه در مناطق صنعتی و شهری پرجمعیت، تاثیرات قابل توجهی بر سلامت انسان‌ها، اکوسیستم‌ها و تغییرات اقلیمی دارد. تنوع منابع آلودگی و افزایش غلظت آلاینده‌ها، مدیریت و کنترل این پدیده را به یک چالش اساسی تبدیل کرده است. پیچیدگی این مسئله، ناشی از عوامل متعددی از جمله منابع متحرک، صنایع، پدیده‌های طبیعی و تنوع آلاینده‌ها است (Esmaeilzadeh et al., 2013). عناصرى چون مونوكسيدكربن، اكسيدهاى نيتروژن، هيدروكربن‌ها، اكسیدهاى سولفور و ذرات معلق، به عنوان آلوده‌كننده‌هاى اصلى هوا شناخته شده‌اند و سبب به وجود آمدن بيش از 90 درصد آلودگى هوا مى‌شوند (Abbaspour, 2012). منابع مختلفی از جمله حمل‌ونقل، صنایع، و نیروگاه‌ها نقش عمده‌ای در افزایش غلظت آلاینده‌ها در جو ایفا می‌کنند. در این میان، انتشارات صنعتی به‌خصوص از دودکش‌ها، یکی از منابع اصلی آلودگی هوا در مناطق صنعتی به شمار می‌آید (Prasad et al., 2024). این آلاینده‌ها می‌توانند به‌صورت گسترده‌ای در فضا منتشر شده و اثرات منفی بر کیفیت هوا و سلامت عمومی داشته باشند (Manisalidis et al., 2020). آلودگی هوا با بیش از هفت میلیون مرگ زودهنگام در سراسر جهان مرتبط است و محققان بسیاری تلاش می‌کنند تا تأثیر آلاینده‌های هوا بر انسان‌ها و محیط زیست را کشف کنند. طبق آخرین دستورالعمل‌های سازمان جهانی بهداشت (WHO) در مورد آلودگی هوا، حتی مقادیر کم می‌تواند بر سلامت انسان تأثیر بگذارد. آلودگی هوا باعث بیماری‌های مختلفی مانند سرطان، بیماری‌های تنفسی و قلبی، بیماری‌های عصبی-تخریب کننده و سایر شرایط نگران‌کننده در تمام گروه‌های سنی می‌شود (WHO, 2022). ذرات معلق (PM) به عنوان یکی از آلاینده‌های اصلی هوا، کیفیت زندگی شهری را به شدت تحت تأثیر قرار می‌دهند. این ذرات به دلیل قابلیت نفوذ به عمق ریه‌ها و ورود به جریان خون، عامل بسیاری از بیماری‌های حاد و مزمن تنفسی و قلبی عروقی هستند. به همین دلیل، افزایش آگاهی عمومی در مورد خطرات ناشی از آلودگی ذرات معلق از اهمیت بالایی برخوردار است. در سال‌های اخیر، مطالعات متعدد بر روی پیش‌بینی دقیق غلظت ذرات معلق و ارزیابی اثرات بهداشتی آن‌ها متمرکز شده است که به تصمیم‌گیرندگان و مقامات اجازه می‌دهند تا اقدامات پیشگیرانه انجام دهند و واکنش‌های به موقع داشته باشند. برای مثال، مطالعه Liu و همکاران (2018) به طور جامع به بررسی تأثیرات منفی آلودگی هوا بر سلامت انسان پرداخته و با استفاده از روش‌های آماری، امکان پیش‌بینی کیفیت هوا و برآورد اثرات بهداشتی آن را فراهم کرده است. Bayat و همکاران (2020) در مطالعه‌اى تأثير عوارض آلودگى هوا ناشی از ذرات  PM2.5بر سلامتى و هزينه‌هاى مربوط به آن را در شهر تهران در سال 2017 بررسی کردند، علاوه بر ميزان مرگ و مير ناشى از آلودگى هوا، تأثير اقتصادى مرتبط با اين اثرات را نيز مورد بررسی قرار دادند. براساس نتايج بيش از 7000 كشته يا 100000 سال زندگى از دست رفته وجود داشت و هزينه اقتصادى مربوط به آن حدود 3 ميليارد دلار در سال 2017 بود. استراتژی‌های قاطع و پایدار كاهش آلودگی هوا قادرند صرفه‌جویی چشمگیری را در دو بخش سلامت و اقتصاد به همراه داشته باشد كه بدون همکاری دولت و سياست‌گذاران مسئول قابل دستيابى نيست. Bayraktar & Mutlu (2024) در مطالعه‌ای به بررسی آلودگی هوا و ریسک‌های سلامت درازمدت با استفاده از مدل‌های پراکندگی مختلف و پارامترهای فیزیکی WRF پرداخته، حداکثر غلظت‌های PM10 براساس مدل‌های پراکندگی مختلف و با در نظر گرفتن پارامترهای جوی گوناگون ارزیابی شده است. نتایج این مطالعه نشان می‌دهد که در برخی شرایط، غلظت PM10 می‌تواند به سطوح نزدیک به 100 میکروگرم بر مترمکعب برسد، اما همچنان زیر حد استاندارد 150 میکروگرم بر مترمکعب باقی می‌ماند. 

مدلسازى پراکندگی آلاینده‌های هوا ابزاری مؤثر برای پیش‌بینی و ارزیابی تاثیرات ‌محیط زیستی این انتشارات است. AERMOD یکی از پیشرفته‌ترین و پرکاربردترین مدل‌های پراکندگی هوا است که توسط آژانس حفاظت محیط زیست ایالات متحده (USEPA) توسعه یافته است. این مدل براساس شرایط جوی محلی، توپوگرافی و ویژگی‌های منبع آلاینده، الگوی پراکندگی و غلظت آلاینده‌ها را پیش‌بینی می‌کند (USEPA, 2022). AERMOD به دلیل توانایی بالا در شبیه‌سازی دقیق شرایط واقعی، به‌طور گسترده در مطالعات محیط زیستی و مدیریتی مورد استفاده قرار می‌گیرد (Prasad et al., 2024). Salahi & Behrouzi (2023) در مطالعه‌ای، پراکندگی آلاینده‌های خروجی از دودکش‌های پالایشگاه نفت تبریز را با استفاده از مدلAERMOD  بررسی کردند. نتایج نشان می‌دهد که حداکثر غلظت آلاینده‌ها مانند SO2 و PM10 بسته به شرایط جوی و حجم انتشار در مناطق مختلف متغیر است. حداکثر غلظت PM10،90 میکروگرم بر مترمکعب بدست آمده است. که پایین‌تر از استاندارد 150 میکروگرم بر مترمکعب است. شهرستان آشتیان با وجود فعالیت‌های صنعتی متعدد، از مناطقی است که تحت تأثیر آلودگی‌های هوا قرار دارد. بنابراین، بررسی و مدلسازى پراکندگی آلاینده‌های ناشی از این صنایع، به‌منظور ارائه راهکارهای مدیریتی و کاهش اثرات محیط زیستی ضروری است .این مطالعه با هدف مدلسازی پراکندگی و غلظت آلاینده‌های هوا در اثر احداث و بهره‌برداری از طرح تولید بیلت و لوله‌های فولادی با استفاده از نرم‌افزار AERMOD در شهرستان آشتیان انجام شده است. نتایج این تحقیق می‌تواند به مدیران و تصمیم‌گیران محیط زیستی در اتخاذ تدابیر لازم برای کنترل و کاهش آلودگی هوا کمک کند.

 

مواد و روش‌ها

محدوده مورد مطالعه

محدوده بلافصل طرح تولید بیلت فولاد ساده کربنی و کم آلیاژی و لوله­های فولادی بدون درز و اتصالات جوشی، در زمینی به مساحت 824/200684متر مربع (20 هکتار) در محدوده استان مرکزی، شهرستان آشتیان، بخش مرکزی، دهستان گرکان واقع شده است (Statistical Yearbook of Markazi Province, 2016). شهر آشتیان نزدیکترین شهر به محدوده طرح در فاصله 2 کیلومتری غرب و شمال غربی محدوده طرح واقع شده است. پس از آن روستای نادرآباد در فاصله 4/2 کیلومتری جنوبی و روستای شوره بالا در فاصله 7/3 کیلومتری جنوبی و روستای گرکان در فاصله 5/2 کیلومتری شمال غربی محدوده واقع گردیده‌اند. فاصله محل طرح تا شهر اراک به عنوان مرکز استان 53 کیلومتر، جنوبی است. شهرک صنعتی فرمهین (فراهان) در فاصله 4/21 کیلومتری غربی محدوده طرح واقع شده است. فاصله سایت مورد نظر از دانشگاه آزاد اسلامی آشتیان 5/3 کیلومتر است.

 

 

شکل 1- موقعیت محدوده مطالعاتی بر روی تصاویر ماهواره‌ای

Fig. 1- Location of the study area on satellite imagery

 

شکل 2- تقسیمات سیاسی

Fig.2- Political divisions

 

روش پژوهش

مدلسازی پراکندگی آلاینده‌ها، ابزاری قدرتمند برای ارزیابی اثرات محیط زیستی صنایع و پیش‌بینی کیفیت هوا در مناطق مختلف است. هدف از مطالعات ارزیابی اثرات محیط زیستی شناسایی و پیش‌بینی اثرات مثبت و منفی ناشی از احداث یک پروژه و ارائه راهکارهای کاهشی برای اثرات منفی و راهکارهای افزایشی برای اثرات مثبت است. نرم‌افزار AERMOD یکی از پرکاربردترین ابزارها در این زمینه است. به همین خاطر در این مطالعه به منظور پیش‌بینی دامنه پراکنش و غلظت آلاینده‌های هوای منتشره در صورت احداث و بهره برداری از طرح پیش‌رو  در مساحتی حدود 2116 کیلومترمربع و همچنین شناسایی جمعیت‌های تحت تاثیر غلظت‌های بالاتر از حد استاندارد، با استفاده از نرم افزار AERMOD که مورد تایید آژانس حفاظت محیط‌زیست ایالات‌متحده آمریکا (EPA)، صورت می‌گیرد. AERMOD به دلیل دقت و کارایی بالا در مدلسازی پراکنش آلاینده‌های هوا، جزو مدل‌های ارجح برای این منظور به شمار می‌آید. این نرم‌افزار از ترکیبی از روش‌های گوسی و گوسی دوگانه در مدلسازی پراکنش آلاینده‌ها استفاده می‌کند و الگوریتم‌های متنوعی را براساس ویژگی‌های هواشناسی غالب منطقه به کار می‌گیرد. AERMOD قابلیت مدلسازی غلظت آلاینده‌ها را در بازه‌های زمانی مختلف از جمله روزانه، ماهانه و سالانه دارد و برای منابع آلاینده مختلف در مناطق شهری و روستایی، هموار و ناهموار قابل استفاده است (EPA, 2012).

 

مدلسازى آلودگی هوای ناشی از طرح

اطلاعات هواشناسی مورد استفاده

داده‌های هواشناسی و بررسی‌ها بیانگر این است که از نظر موقعیت اقلیمی، نزدیکترین ایستگاه سینوپتیک به محدوده مورد مطالعه ایستگاه سینوپتیک آشتیان بوده که در شهر آشتیان واقع شده است. در این گزارش از اطلاعات ایستگاه سینوپتیک شهر آشتیان استفاده شد.

ماژول AERMET به عنوان یک ورودی برای ماژول اصلی AERMOD استفاده می‌شود که با استفاده از آیکون WRPLOT می‌توان گلباد یک ایستگاه هواشناسی را استخراج کرد. در این پروژه با استفاده از داده‌های پنج ساله (7 مهر 1397 الی 6 مهر 1402) سایت irimo و ایستگاه سینوپتیک آشتیان و همچنین ایجاد دو سکتور شهری و زمین بایر با شعاع سه کیلومتر در اطراف ایستگاه سینوپتیک، اطلاعات لازم برای ماژول AERMOD تهیه شد.

 

 

شکل 3- سکتور بندی ایستگاه سینوپتیک آشتیان

Table 3- Sectorization of Ashtian Synoptic Station

 

جدول2- مشخصات ایستگاه سینوپتیک دریایی دیر و ایستگاه باران‌سنجی بردخون

Table 2- Characteristics of Dir Maritime Synoptic Station and Bardkhun Rain Gauge Station.

ایستگاه هواشناسی	طول جغرافیایی	عرض جغرافیایی	ارتفاع
ایستگاه سینوپتیک آشتیان	50 درجه و 01 دقیقه طول شرقی	34 درجه و 51 دقیقه عرض شمالي	2065 متر از سطح دریا

براساس اطلاعات آماری بلندمدت، حداقل و حداکثر دمای مطلق در ایستگاه آشتیان به ترتیب 15- و 8/37 درجه سانتیگراد، میانگین دمای حداکثر 3/18 درجه سانتیگراد و میانگین دمای حداقل 5/7 درجه سانتیگراد است. میانگین دمای سالانه آشتیان 9/12 درجه سانتیگراد ثبت شده است که ماه تیر با میانگین 7/24 درجه سانتیگراد، گرمترین ماه و ماه بهمن با میانگین 6/0- درجه سانتیگراد سردترین ماه سال است. همچنین میانگین رطوبت در زمستان 53 درصد و در تابستان 26 درصد است. میانگین رطوبت سالانه ایستگاه آشتیان، 40 درصد، میانگین ماکزیمم رطوبت 54 درصد و میانگین مینیمم رطوبت 25 درصد ثبت شده است. میانگین تعداد روزهای بارندگی بیش از 10 میلیمتر 7 روز، میانگین تعداد روزهای همراه با بارندگی 67 روز، حداکثر و حداقل بارندگی سالانه به ترتیب 304 و 245 روز و حداکثر بارندگی ماهانه 95 روز ثبت گردیده است. بیشتر بادها از سمت شمال غربی و شرقی می‌وزند که شامل بادهای منظم و فصلی و بادهای محلی است.

تعیین شعاع مدلسازی

نرم افزار AERMOD قابلیت مدلسازی پخش و پراکنش آلاینده‌ها تا شعاع 50 کیلومتری را دارا است. در این مطالعه شعاع مدلسازی حدود 23 کیلومتر از مرز بلافصل پروژه مطابق شکل 4، در نظر گرفته شد زیرا اکثر مناطق جمعیتی در این محدوده وجود داشت. در نتیجه مدلسازی آلودگی هوا حدودا 2116 کیلومترمربع ایجاد شد.

تعیین مقیاس مدلسازی

به منظور تعیین مقیاس مدلسازی، با توجه با شعاع حدودا 23 کیلومتری در نظر گرفته شده از یک شبکه با سلول‌هایی به ابعاد 150 متر در 150 متر استفاده گردید. در نتیجه هر پیکسل فقط 22500 متر مربع مساحت دارد.

 

 

شکل 4- محدوده مدلسازی آلودگی هوا به محوریت دودکش

Fig. 4- Modeling Domain of Air Pollution with a Focus on the Stack

 

نوع آلاینده هوای مورد بررسی

براساس طرح پیشنهادی، منابع انتشار آلاینده عبارت است از یک دودکش به ارتفاع 20 متر و قطر دهانه 210 سانتیمتر.

با توجه به این که پروژه مورد نظر هنوز احداث نگردیده و در مرحله مطالعات محیط زیستی پیش از احداث قرار دارد، برای تعیین نوع و نرخ خروجی آلاینده‌ها از اطلاعات مربوط به خوداظهاری واحد مشابه و مقالات و سایت EPA-AP42 استفاده گردید. مهمترین آلاینده‌های پروژه پیش‌رو ذرات معلق هستند. همچنین برای این مطالعه بالاترین غلظت، دما و سرعت خروجی مربوط به دودکش برای کل سال به صورت زیر در نظر گرفته شد.

E=Q*C

Q=A*S

در این رابطه:

E: نرخ انتشار براساس واحد (g/s)

Q: دبی حجمی براساس واحد (مترمکعب در ثانیه)

C: غلظت جرمی آلاینده براساس واحد (گرم بر مترمکعب)

A: سطح مقطع بر حسب مترمربع

S: خروجی بر حسب متر بر ثانیه است.

جدول 3- موقعیت جغرافیایی دودکش

Table 3- Geographic Location of the Stack

	مختصات جغرافیایی
X	012234/50
Y	518363/34

 

جدول 4- اطلاعات خروجی دودکش

Table 4- Flue Gas Emission Data

ردیف	عنوان	مقدار
1	سرعت انتشار گاز خروجی	18 m/s (max)
2	ارتفاع دودکش	20 m
3	قطر دهانه دودکش	210 cm
4	دمای گاز خروجی	150 ˚C
5	دبی خروجی	34/62 m3/s

 

جدول 5- نرخ انتشار 

Table 5- Emission Rate

ردیف	عنوان	گرم بر ساعت	گرم بر ثانیه	ضریب برای کل سال
1	PM10	321	11/3	1

 

جدول16- تعیین نرخ انتشار برحسب EPA:AP42

Table 16: Emission Rates Determined According to EPA:AP42

آلاینده	نرخ انتشار (EPA) برحسب گرم بر ثانیه	ضریب برای کل سال‌ها
PM10	3/11	1

 

براساس گزارش Compilation of Air Emissions Factors (AP-42) منتشر شده در وبسایت آژانس حفاظت از محیط زیست آمریکا (EPA) و با فرض جایگزینی برق به جای گاز در این مجموعه، نرخ انتشار ذرات معلق با قطر کمتر از 10 میکرومتر (PM10)  برابر 11/3 گرم بر ثانیه محاسبه شده است.

به منظور تعیین دامنه زمانی مدلسازی پخش و پراکنش و غلظت آلاینده‌های مختلف، براساس استانداردهای هوای آزاد ایران عمل شد. به همین منظور نقشه غلظت حداکثر 24 ساعته برای آلاینده PM10 تهیه گردید.

صحت سنجی مدل: با توجه به این که پروژه مورد نظر هنوز احداث نشده، امکان صحت سنجی نقشه‌های تولید شده از طریق اندازه‌گیری‌های میدانی وجود ندارد.

 

نتایج

این تحقیق به‌طور جامع مدلسازی پراکندگی و غلظت آلاینده‌های هوا، به‌ویژه ذرات معلق (PM10) را برای پروژه تولید فولاد در شهرستان آشتیان انجام داده است. می‌توان گفت که این آلاینده یکی از مهم‌ترین پارامترهای کیفی هوا است که به‌ویژه در فعالیت‌های صنعتی مانند تولید فولاد اهمیت زیادی دارد. تمرکز بر این آلاینده در پروژه شهرستان آشتیان به دلیل اثرات منفی آن بر سلامت انسان و محیط زیست ضروری است.این مدلسازی با استفاده از داده‌های پنج‌ساله ایستگاه سینوپتیک آشتیان و سایر منابع معتبر، پراکنش آلاینده‌ها در شعاع 23 کیلومتری از مرز پروژه را بررسی کرد.

 

 

شکل 6- غلظت حداکثر 24 ساعته PM10

Fig. 6- 24-hour Maximum PM10 Concentration

 

شکل 6 مربوط به پراکنش ذرات معلق (PM10) در دوره 24 ساعته است که از مدلسازی AERMOD به دست آمده و با استفاده ازGoogle Earth  بر روی نقشه‌ای از منطقه پیاده‌سازی شده است. مدلسازی انجام شده برای آلاینده PM10 نشان می‌دهد که حداکثر غلظت 24 ساعته بدون در نظر گرفتن غلظت پس‌زمینه در محدوده نزدیک به مرز بلافصل پروژه به مقدار 47/9 میکروگرم بر مترمکعب رسیده است. این مقدار در مقایسه با حداکثر مجاز تعیین شده در استاندارد هوای پاک ایران (150 میکروگرم بر مترمکعب)، بسیار پایین‌تر است و نشان می‌دهد که آلاینده PM10 در شرایط فعالیت پروژه به طور عمده از محدوده‌های مجاز فراتر نمی‌رود و کمتر از حد استاندارد است. رنگ‌های مختلف در نقشه نشان‌دهنده غلظت‌های مختلف PM10 بر حسب میکروگرم بر مترمکعب هستند. محدوده‌ای با غلظت‌های بالا (حدود 47/9 میکروگرم بر مترمکعب) در نزدیکی منبع انتشار متمرکز است که با رنگ‌های سبز تیره و روشن نشان داده شده است. با فاصله گرفتن از منبع انتشار، غلظت PM10 کاهش یافته و به رنگ‌های بنفش و زرد کم‌رنگ تغییر می‌کند، که نشان‌دهنده غلظت‌های بسیار کمتر است (09/0 میکروگرم بر مترمکعب). الگوی باد غالب و شرایط هواشناسی باعث شده است که پراکنش آلاینده‌ها به‌طور ناهمگن در جهات مختلف پخش شود که نشان‌دهنده تأثیر باد غالب منطقه بر پراکنش آلاینده‌ها است.

 

 

شکل 7- غلظت حداکثر سالانه NOx 

Table 7- Annual Maximum NOx Concentration

 

نتایج مدلسازی برای دامنه پراکنش و حداکثر غلظت سالیانه PM10 طبق فرمت AP42 در حالت حداکثر بدون در نظرگرفتن پس زمینه در شکل 7 نمایش داده شده است. بالاترین غلظت  PM10در نزدیکی منبع انتشار به مقدار 4/34 میکروگرم بر مترمکعب ثبت شده است که با رنگ‌های سبز و زرد مشخص شده است. با افزایش فاصله از منبع، غلظت آلاینده‌ها به سرعت کاهش یافته و به مقادیر زیر 5/0 میکروگرم بر مترمکعب می‌رسد که با رنگ‌های بنفش و زرد کم‌رنگ نشان داده شده است. مانند شکل قبلی، الگوی باد و شرایط هواشناسی منطقه تأثیر مستقیمی بر پراکنش آلاینده‌ها داشته است. براساس این شکل حداکثر غلظت سالانه به 4/34میکروگرم بر مترمکعب می‌رسد. این مقدار باز هم به طور قابل توجهی پایین‌تر از حد مجاز سالانه 150 میکروگرم بر مترمکعب است. این امر نشان داد که پروژه نه تنها در کوتاه مدت بلکه در بلند مدت نیز تأثیر قابل ملاحظه‌ای بر غلظت ذرات معلق نخواهد داشت.

در مدلسازی جهت بررسی هواشناسی و توپوگرافی منطقه، از داده‌های هواشناسی پنج ساله ایستگاه سینوپتیک آشتیان استفاده شده است. این داده‌ها شامل اطلاعات دما، رطوبت، باد و بارش است. به علاوه، تحلیل‌های توپوگرافی نیز به کمک نقشه‌های توپوگرافی با مقیاس 1:25000 و نقشه‌های ماهواره‌ای صورت گرفته است که تمامی شرایط محیطی تأثیرگذار بر پراکنش آلاینده‌ها را پوشش داد. پروژه در نزدیکی شهر آشتیان و روستاهای اطراف آن واقع شده است. مدلسازی‌ها نشان داده‌اند که پراکنش آلاینده‌ها به شعاع حداکثر 23 کیلومتر از مرز بلافصل پروژه گسترش می‌یابد. با این حال با توجه به غلظت‌های به دست آمده، آلاینده‌ها در فاصله‌های نزدیک نیز از استانداردهای مجاز تجاوز نمی‌کنند. این نتایج نشان می‌دهد که طرح پیشنهادی بدون در نظر گرفتن پس‌زمینه، تأثیر قابل توجهی در افزایش سطح آلودگی PM10 نخواهد داشت و از نظر انتشار این نوع آلاینده در محدوده امن و قابل قبولی قرار دارد و مناطق مسکونی اطراف مانند شهر آشتیان و روستاهای مجاور، به‌طور قابل توجهی تحت تأثیر آلاینده‌های پروژه قرار نمی‌گیرند.

با توجه به این که پروژه هنوز احداث نشده است، امکان صحت‌سنجی نتایج از طریق اندازه‌گیری‌های میدانی وجود نداشت. نتایج این مطالعه صرفاً براساس مدلسازی نرم‌افزاری و بدون اعتبارسنجی میدانی است. با این حال، استفاده از داده‌های هواشناسی معتبر و استانداردهای بین‌المللی، دقت نتایج مدلسازی را تا حدی تضمین می‌کند.

مقایسه نتایج مدلسازی با استانداردهای هوای پاک نشان می‌دهد که طرح مورد نظر از لحاظ حداکثر غلظت 24 ساعته و سالانه ذرات معلق PM10در حد استانداردها قرار دارد و تأثیر منفی چندانی بر کیفیت هوا نخواهد داشت. این موضوع حاکی از این است که می‌توان انتظار داشت عملیات احداث و بهره‌برداری از طرح و فعالیت‌های آن در محدوده‌ای ایمن و مطابق با استانداردهای محیط زیستی و بدون نگرانی از آلودگی هوای ناشی از ذرات معلق صورت پذیرد.

 

بحث و نتیجه‌گیری

نتایج مدلسازی پراکندگی آلاینده‌های PM10 با استفاده از نرم‌افزار AERMOD، نشان‌دهنده تمرکز این آلاینده‌ها در نزدیکی مرز بلافصل منابع صنعتی است. براساس داده‌های ارائه شده در شکل 8، حداکثر غلظت PM10 در شرایط حداکثر، بدون لحاظ پس‌زمینه، به میزان 47/9 میکروگرم بر مترمکعب می‌رسد. این مقدار، علیرغم وقوع آن در مناطق مجاور منابع انتشار، به‌طور چشمگیری کمتر از حد مجاز استاندارد برای غلظت 24 ساعتهPM10، که 150 میکروگرم بر مترمکعب تعیین شده، است. این یافته حاکی از آن است که طرح پیشنهادی از نظر حداکثر غلظت 24 ساعته ذرات معلق، حتی بدون در نظر گرفتن پس‌زمینه، در محدوده‌ای ایمن و زیر استانداردهای زیست‌محیطی قرار دارد و بنابراین تهدیدی برای کیفیت هوا محسوب نمی‌شود.

افزون بر این، تحلیل پراکندگی و حداکثر غلظت سالیانه PM10 بر اساس فرمتAP42، که در شکل 34 نمایش داده شده، نشان می‌دهد که حداکثر غلظت سالیانه 4/34 میکروگرم بر مترمکعب بوده که در پیرامون مرز بلافصل رخ می‌دهد. این مقدار نیز به‌طور قابل توجهی پایین‌تر از حد استاندارد سالانه 150 میکروگرم بر مترمکعب است. بنابراین، حتی در شرایط حداکثر، غلظت سالانه PM10 به مراتب کمتر از استانداردهای مجاز بوده و از این رو، طرح صنعتی مورد نظر از حیث آلایندگی PM10 نگرانی خاصی ایجاد نمی‌کند. در مطالعه مشابهی که توسط Zehtab Yazdi و همکاران (1400) در منطقه جنوب غرب تهران انجام شده، مشخص شد که حداکثر غلظت PM10  خروجی از کارخانه‌های آسفالت در این منطقه به 85 میکروگرم بر مترمکعب رسیده است، که همچنان زیر حد استاندارد 150 میکروگرم بر مترمکعب است، اما به‌طور قابل‌توجهی بالاتر از نتیجه حاصل از مطالعه حاضر در شهرستان آشتیان است. در مطالعه Bayraktar & Mutlu (2024) در مقایسه با مطالعه حاضر، نتایج مقاله مذکور حاکی از آن است که غلظت‌های PM10 در شرایط مختلف می‌تواند نوسانات بیشتری را تجربه کند و بسته به پارامترهای جوی و نوع مدل پراکندگی مورد استفاده، می‌تواند به مقادیر بالاتری نزدیک شود. با این حال، هر دو مطالعه نشان می‌دهند که غلظت‌های PM10 در محدوده‌ای پایین‌تر از استانداردهای مجاز باقی می‌مانند. نتایج هر دو مطالعه تأیید می‌کنند که طرح‌های صنعتی می‌توانند با رعایت استانداردهای محیط زیستی، غلظت آلاینده‌های هوا را در محدوده‌های ایمن حفظ کنند. در مطالعه Salahi & Behrouzi (2023)، حداکثر غلظت گزارش شده در پالایشگاه تبریز 90 میکروگرم بر مترمکعب گزارش شده است و در مطالعه حاضر حداکثر غلظت PM10، 47/9 میکروگرم بر مترمکعب بدست آمده است که این نشان می‌دهد طرح صنعتی مورد بررسی در شهرستان آشتیان دارای سطح آلایندگی کمتری نسبت به پالایشگاه نفت تبریز است. تجاوز از حد مجاز غلظت 24 ساعته PM10 پیامدهای قابل‌توجهی برای سلامت انسان و محیط زیست دارد. آلودگی PM10، با افزایش مرگ و میر ناشی از بیماری‌های قلبی عروقی مرتبط است (Seihei et al., 2024). قرار گرفتن در معرض کوتاه‌مدت PM10 بالا می‌تواند پاسخ‌های التهابی را تحریک کند (Deary & Griffiths 2021). آلودگی PM10 بر دید، سلامت گیاهان و حیوانات تأثیر می‌گذارد و اکوسیستم‌های محلی را مختل می‌کند (Kunt & Erdoğan 2022). مدلسازى پراکندگی آلاینده‌ها با استفاده از AERMOD نشان می‌دهد که این مدل ابزار قدرتمندی برای ارزیابی تاثیرات محیط زیستی انتشارات صنعتی است. با این حال، دقت نتایج مدل به شدت به کیفیت داده‌های ورودی و تنظیمات مدل بستگی دارد. نتایج مدلسازى و تحلیل غلظت‌های PM10 حاصل از مدل AERMOD در شرایط حداکثر نشان داد که مقادیر غلظت‌های 24 ساعته و سالیانه ذرات معلقPM10، بدون لحاظ پس‌زمینه، به‌طور چشمگیری پایین‌تر از استانداردهای مجاز محیط زیستی هستند. این نتایج دلالت بر این دارد که طرح صنعتی مورد مطالعه، از منظر پراکندگی ذرات معلق PM10 و تأثیرات آن بر کیفیت هوا، در محدوده استانداردهای محیط زیستی قرار گرفته است. پایین بودن غلظت PM10 نسبت به استانداردها نشان می‌دهد که ریسک بهداشتی ناشی از قرار گرفتن افراد در معرض این آلاینده بسیار کم است. این امر به‌ویژه برای افراد حساس مانند کودکان و سالمندان که بیشتر در معرض خطر هستند، اهمیت دارد. همچنین عدم تجاوز غلظت‌های PM10 از حدود مجاز، تضمینی برای حفاظت از محیط زیست منطقه به‌ویژه گیاهان و جانوران است که در مجاورت پروژه قرار دارند.

این یافته‌ها اطمینان می‌دهند که اجرای طرح پیشنهادی تأثیری منفی بر کیفیت هوای منطقه نخواهد داشت و از این رو، نگرانی‌هایی بابت تجاوز از حدود مجاز استانداردها وجود ندارد. چنین نتایجی می‌تواند به تصمیم‌گیران و مدیران محیط زیستی در اتخاذ سیاست‌های مناسب برای اجرای پروژه‌های صنعتی مشابه کمک شایانی نماید.

با در نظر گرفتن نتایج مدلسازی، می‌توان تصمیم‌گیری‌های مدیریتی مناسبی را جهت کنترل و کاهش آلاینده‌های هوا اتخاذ کرد. به عنوان مثال، اگرچه غلظت‌های اندازه‌گیری شده پایین‌تر از حد مجاز هستند، اما اقدامات کنترلی نظیر نصب فیلترهای پیشرفته به منظور کاهش ذرات معلق و بهره‌گیری از تجهیزات کنترل آلودگی قادر است به بهبود بیشتر کیفیت هوا کمک کند علاوه بر آن ایجاد کمربندهای سبز در اطراف مناطق صنعتی می‌تواند به جذب و کاهش غلظت ذرات معلق کمک کند.

با توجه به تحلیل داده‌های هواشناسی، می‌توان اقدامات پیشگیرانه مانند تنظیم زمان‌های بهره‌برداری از تجهیزات صنعتی در ساعات و فصولی که شرایط جوی مناسب‌تر است، به کاهش پراکنش آلاینده‌ها کمک نماید. همچنین، ایجاد مناطق سبز و استفاده از درختان و گیاهان که به جذب آلاینده‌ها کمک می‌کنند، می‌تواند به عنوان یک اقدام مکمل در نظر گرفته شود.

اگرچه تمرکز اصلی این مدل‌سازی بر روی  PM10بوده است، اما استفاده از AERMOD برای مدلسازی آلاینده‌های گازی نظیر CO، NOx، و SO2 نیز توصیه می‌شود. این آلاینده‌ها می‌توانند تأثیرات متفاوتی بر کیفیت هوا و سلامت انسان‌ها داشته باشند. در صورت انجام چنین مدلسازی‌هایی، می‌توان به تحلیل کامل‌تری از وضعیت آلودگی هوا دست یافت. برای اعتبارسنجی مدلسازی‌های انجام شده، انجام اندازه‌گیری‌های میدانی پس از شروع به کار پروژه پیشنهاد می‌گردد. این اندازه‌گیری‌ها قادرند به ارزیابی دقیق‌تری از صحت نتایج مدلسازی کمک نمایند و در صورت نیاز، اقدامات اصلاحی را نیز تسهیل کنند. علاوه بر AERMOD، استفاده از مدل‌های ترکیبی که بتوانند تأثیرات مختلف آلاینده‌ها را بر روی یکدیگر و بر روی محیط‌های مختلف به خوبی نشان دهند، می‌تواند به بهبود دقت مدلسازی‌ها کمک کند.

 

References

Abbaspour, M. (2012). Air pollution modeling. First. Sharif University of Technology, 9-1. [In Persian]

Bayat, R., Hassanvand, M. S., & Daroudi, R. (2020). Economic analysis of the cost of air pollution deaths in Tehran. Urban Economics and Planning, 1(3), 188-197. [In Persian]

Bayraktar, O. M., & Mutlu, A. (2024). Analyses of industrial air pollution and long-term health risk using different dispersion models and WRF physics parameters. Air Quality, Atmosphere & Health, 1-29.

Deary, M. E., & Griffiths, S. D. (2021). A novel approach to the development of 1‐hour threshold concentrations for exposure to particulate matter during episodic air pollution events. Journal of Hazardous Materials, 418, 126334.

EPA (2012). AERMOD User's Guide. Environmental Protection Agency.

Esmaeilzadeh, M., Bazrafshan, E., & Nasrabadi., M. (2013). Dispersion Modeling of NOX and SO2 Emissions from Tous Gas Power Plant. Health & Environ, 6(1), 77-90. [In Persian]

Liu, W., Xu, Z., & Yang, T. (2018). Health effects of air pollution in China. International journal of environmental research and public health, 15(7), 1471.

Manisalidis, I., Stavropoulou, E., Stavropoulos, A., & Bezirtzoglou, E. (2020). Environmental and health impacts of air pollution: a review. Frontiers in public health, 8, 14.

Prasad, N., Mishra, A., Bhattacharya, T., Lal, B., Chandra Jha, P., & Kumar, A. (2024). Validation of AERMOD prediction accuracy for particulate matters (PM10, PM2. 5) for a large coal mine complex: A Multisource Perspective. Aerosol Science and Engineering, 1-15.

Salahi, B., & Behrouzi, M. (2023). Evaluation of the distribution of exhaust air pollution from the chimneys of Tabriz Oil Refinery using AERMOD model. Researches in Earth Sciences, 14(1), 86-101. [In Persian]

Seihei, N., Farhadi, M., Takdastan, A., Asban, P., Kiani, F., & Mohammadi, M. J. (2024). Short-term and long-term effects of exposure to PM10. Clinical Epidemiology and Global Health, 27, 101611.

Statistical Yearbook of Markazi Province. (2016). [In Persian]

USEPA. (2022). AERMOD: Description of Model Formulation and Applications. United States Environmental Protection Agency.

WHO. New WHO Global Air Quality Guidelines Aim to Save Millions of Lives from Air Pollution. 2022. Available online: https://www.who.int/news/item/22-09-2021-new-who-global-air-quality-guidelines-aim-to-save-millions-of-lives-from-air-pollution .

Zehtab Yazdi, Y., Mansouri, N., Atabi, F., & Aghamohammadi, H. (2021). Dispersion Modeling of Particulate Matters (PM2.5, PM10) from Asphalt Plants in the Southwest of Tehran. Jehe, 8(4), 375-390. [In Persian]

Kunt, F., & Erdoğan, Ş. (2022). Evaluation of Outdoor Environment PM10 Concentration in an Organized Industrial Zone Using Geographical Information System. Atmosphere, 13(11), 1918.

 

 

 

Creative Commons Attribution (CC BY) license (https://creativecommons.org/licenses/by/4.0/).

 

Copyright: © 2023 by the authors. Submitted for possible open access publication under the terms and conditions of the