آمار
| تعداد نشریات | 45 |
| تعداد شماره‌ها | 1,557 |
| تعداد مقالات | 18,996 |
| تعداد مشاهده مقاله | 64,321,134 |
| تعداد دریافت فایل اصل مقاله | 23,537,607 |
تخمین آلاینده‌های ایستگاهی استان تهران با استفاده از مقایسه شش سناریوی متفاوت مبتنی بر مدل HGBR | ||
| جغرافیا و برنامه‌ریزی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 08 آبان 1405 | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/gp.2026.73344.3574 | ||
| نویسندگان | ||
| ساجده مرادی پر1؛ هاشم رستم زاده* 2؛ بهروز ساری صراف3؛ سعید جهانبخش اصل3 | ||
| 1آب و هواشناسی، دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران | ||
| 2استاد یار | ||
| 3آب و هواشناسی، برنامه ریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران | ||
| چکیده | ||
| پژوهش حاضر با هدف تخمین غلظت آلاینده‌های هوا در سطح ایستگاه‌های زمینی استان تهران، به مقایسه شش سناریوی متفاوت ورود متغیرها به مدل تخمین مبتنی بر مدل رگرسیون تقویت‌شده با گرادیان هیستوگرامی (HGBR) می‌پردازد. بر اساس یافته‌های حاصل از مدل‌سازی در‌ایستگاه‌های مختلف، برای آلاینده‌های NO₂ و CO، دو متغیر PBLH و داده ماهواره به تنهایی توانسته‌اند عملکردی برابر یا بهتر از مدل کامل (با حضور تمام متغیرهای جوی) ارائه دهند. در‌ایستگاه‌های مختلف مانند ژئوفیزیک، پاکدشت، علم و صنعت، امام خمینی، شهریار، سلامت و چشمه، سناریوی فقط داده ماهواره همراه با PBLH با حذف سایر متغیرهای جوی، بالاترین ضریب تعیین و کمترین مقادیر خطا را نسبت به سناریوی مبنا (همه متغیرها) به ثبت رسانده است. این یافته نشان می‌دهد که برای پیش‌بینی NO₂ و CO، افزودن سایر متغیرهای جوی (دما، باد، فشار) ارزش افزوده چندانی به همراه ندارد و گاهی حتی باعث کاهش عملکرد مدل می‌شود. برای SO₂، سناریوی ورود داده ماهواره همراه با PBLH به مدل، عملکرد ضعیفی داشته است. در نهایت در مورد آلاینده O₃ به دلیل ماهیت پیچیده‌ای که در این مطالعه با آن برخورد کردیم، حتی حضور PBLH و داده ماهواره نیز نتوانست باعث عملکرد قابل قبول مدل تخمین شود. در مجموع یافته‌ها نشان می‌دهد که متغیرهای جوی اطلاعات مستقلی فراتر از PBLH و داده ماهواره ارائه نمی‌دهند. در تخمین ازن، تنها متغیری که در برخی موارد حذف آن عملکرد را بدتر کرد، دما بود که نشان‌دهنده نقش نسبی این متغیر در فرآیندهای تشکیل ازن می‌باشد. می‌توان نتیجه گرفت که PBLH و داده‌های ماهواره‌ای سنتینل5 به عنوان دو ستون اصلی پیش‌بینی برای NO₂ و CO عمل می‌کنند و به تنهایی برای تخمین این آلاینده‌ها کافی و مؤثر هستند، در حالی که برای SO₂ و به ویژه O₃، این دو متغیر به تنهایی کافی نبوده و نیاز به متغیرهای تکمیلی احساس می‌شود. | ||
| کلیدواژه‌ها | ||
| آلاینده؛ مدل HGBR؛ تخمین؛ سنتینل 5؛ ارتفاع لایه مرزی سیاره‌ای | ||
|
آمار تعداد مشاهده مقاله: 2 |
||