بررسی تغییرات زمانی-مکانی ذرات معلق (PM10 و PM2.5) شهر تهران با استفاده از GIS (99-92)
محورهای موضوعی : آلودگی هوا
مریم انصاری
1
(اقلیم شناسی دانشکده علوم زمین دانشگاه شهید بهشتی)
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)
کلید واژه: تغییرات زمانی- مکانی, PM10, PM2.5, GIS, تهران.,
چکیده مقاله :
زمینه و هدف: کلان¬شهر تهران یکی از آلوده¬ترین شهرهاي جهان محسوب می¬شود. هدف اصلی این پژوهش بررسی رفتار زمانی و مکانی ذرات معلق (PM2.5 وPM10 ) شهر تهران در سالهای 99-92 می¬باشد. روش بررسی: به منظور بررسی تغییرات آلاینده¬هاي هوا در مقیاس¬هاي زمانی و مکانی داده¬هاي ایستگاه¬هاي آلودگی¬سنجی شرکت کنترل کیفیت هوا طی دوره آماری (99-92) مورد استفاده قرارگرفت. داده¬ها با استفاده از نرم افزارهاي MATLAB و Excel و SPSS، تحلیل و نتایج حاصل از تحلیل¬هاي آماري توزیع آلاینده¬ها در مقیاس¬هاي زمانی و مکانی با نرم افزار Arc Gis با تابع تحلیلی درونیابی فاصله معکوس (IDW) به¬صورت نقشه¬ها، جداول و نمودار¬ها ترسیم شده است. این تحقیق در فصل بهار سال 1400 انجام شده است. یافته¬ها: 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 آلاینده-ها 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) می¬باشد. 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) می¬باشند اما در همه فصول علاوه بر مناطق غربی و جنوبی، مناطق مرکزی دارای غلظت بالایی از ذرات معلق (PM2.5) می¬باشند. بحث و نتیجه¬گیری: در بعضی از روزها و ماه¬هاي سال و مناطق خاصی از شهر تهران غلظت ذرات معلق بیشتر از حد مجاز می¬شود، بنابراین باید برنامه¬ریزی جهت مدیریت کنترل ذرات معلق و کاهش آلودگی هوا مورد استفاده برنامه¬ریزان و تصمیم¬گیرندگان شهری قرار گیرد.
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.
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)
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 *
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 *
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
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)