تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,020 |
تعداد مشاهده مقاله | 52,487,443 |
تعداد دریافت فایل اصل مقاله | 15,214,257 |
پهنه بنـدی مکانی کربن منوکسید با روشهای رایج و نوین درونیابی (مطالعه موردی: شهر تهران) | ||
نشریه مهندسی عمران و محیط زیست دانشگاه تبریز | ||
مقاله 13، دوره 51.4، شماره 105، دی 1400، صفحه 141-152 اصل مقاله (855.2 K) | ||
نوع مقاله: مقاله کامل پژوهشی | ||
شناسه دیجیتال (DOI): 10.22034/jcee.2020.38774.1921 | ||
نویسندگان | ||
نوید هوشنگی* 1؛ نوید مهدی زاده قراخانلو2 | ||
1گروه مهندسی نقشهبرداری، دانشکده مهندسی علوم زمین، دانشگاه صنعتی اراک | ||
2دانشکده جغرافیا، دانشگاه مونترال، مونترال، کانادا | ||
چکیده | ||
گازکربن منوکسید (CO) باعث ضایعات عصبی پایدار و مرگومیر در درازمدت میشود. روش های مختلفی برای درون یابی و پهنه بندی CO استفاده شده است که هر کدام مزایا و معایبی دارند. هدف اصلی این تحقیق ارزیابی روشهای پهنه بندی آلودگی گاز CO در شهر تهران می باشد. در این تحقیق روش های درون یابی رایج (وزن دهی معکوس فاصله، تابع پایه شعاعی و کریجینگ (ساده، عادی و عمومی)) و روش های نوین ارائه شده (شبکه عصبی مصنوعی و فازی تاکاگی- سوگنو (Takagi-Sugeno) با خوشه بندی فازی) در حوزه آلودگی هوا ارزیابی شدند. بدین منظور داده های سال 1397 از ایستگاه های سنجش آلودگی هوای شهر تهران (34 ایستگاه) جمع آوری و پس از ارزیابی داده ها، درون یابی CO در ماه های مختلف انجام شد. دقت روش های مورد بحث با استفاده از خطای جذر میانگین مربعات (RMSE) و میانگین خطای مطلق (MAE) مورد بررسی قرار گرفت. نتایج تحقیق نشان داد خطای درون یابی با روش های ارزیابی شده، بالا می باشد (حداقل ppm349/0RMSE= و ppm205/0MAE=) که میتواند ناشی از تعداد کم ایستگاه های سنجش آلودگی و عدم پراکندگی مناسب آن ها باشد. از بین روش های موجود، روش فازی تاکاگی- سوگنو در محاسبات پنج ماه، تابع پایه شعاعی و کریجینگ عادی هرکدام در سه ماه و کریجینگ عمومی در یک ماه به عنوان روش بهینه انتخاب شدند. دقت روش فازی تاکاگی- سوگنو با وجود بهینگی در پنج ماه، در بقیه ماه ها نیز به مقادیر بهینه نزدیک بود. لذا، روش فازی تاکاگی- سوگنو در مدلسازی آلودگی هوا در شرایطی که تعداد داده ها کم باشد و نرمال بودن داده ها تأمین نشود روش مناسبتری میباشد. نتایج این تحقیق می تواند در پهنه بندی مکانی سایر پدیده های جغرافیایی نیز کاربرد داشته باشد. | ||
کلیدواژهها | ||
کربن منوکسید؛ درون یابی مکانی؛ روش های رایج درون یابی؛ شبکه عصبی مصنوعی؛ فازی تاکاگی- سوگنو | ||
سایر فایل های مرتبط با مقاله
|
||
مراجع | ||
احمدیان ا، محمدرضا، م، متکان ع ا، "پهنهبندی NO2 جوی در شهرهای صنعتی با استفاده از تصاویر OMI و MODIS مطالعه موردی: کلان شهر تهران)"، مهندسی فناوری اطلاعات مکانی، 1397، 6، 171-184.
اسماعیل نژاد م، اسکندری ثانی م، بارزمان س، "ارزیابی و پهنه بندی آلودگی هوای کلانشهر تبریز"، فصلنامه علمی- پژوهشی برنامه ریزی منطقه ای، 1394، 5، 173-186.
جانی ر، "اولویت سنجی روش های درون یابی فضایی در پهنه بندی مقاومت خاک (مطالعه موردی: شهرک پرواز)"، فضای جغرافیایی، 1397، 18.
چرم زن م، اسماعیلی ر، محمدی م، "ارزیابی بهترین الگوریتم درون یابی در توزیع مکانی آلاینده های هوا"، اولین کنفرانس ملّی مطالعات و تحقیقات نوین در حوزه علوم زیست محیطی و مدیریتی، مشهد: مؤسسه آموزش عالی خردگرایان مطهر، 1397.
خازینی ل، جمشیدی کلجاهی م، N Blond ، "بررسی میزان انتشار و نحوه پراکندگی آلایندههای حاصل از خودروهای شهر تبریز"، نشریه مهندسی عمران و محیط زیست دانشگاه تبریز، 2019، 49 (3)، 23-34.
کامرانی ک ص ا، رضایی م، "ارزیابی کیفی آب زیرزمینی در دشت لنجانات با روش فازی تاکاگی سوگنو"، مجله زمین شناسی کاربردی پیشرفته، 1394، 16، 14-32.
محسنی ب، نمین ب ر، "بررسی تغییرات مکانی نیترات و فسفات آبهای زیرزمینی و شناسایی مهمترین عوامل آلودگی از طریق ارزیابی روشهای سری کریجینگ، کوکریجینگ و مدل رگرسیون چندگانه در حوزه آبخیز قرهسو- استان گلستان"، فضای جغرافیایی، 1396، 59، 311-330.
محمدی ن، ظروفچی بنیس خ، شاکرخطیبی م، فاتحی فر ا، بهروز سرند ع، محمودیان ا، شیخ الاسلامی ف، "پیشبینی غلظت آلایندههای گازی در هوای شهر تبریز با استفاده از شبکه عصبی"، نشریه مهندسی عمران و محیط زیست دانشگاه تبریز، 2016، 46 (2)، 87-94.
میری م، قانعیان م ت، قلیزاده ع، یزدانی اول م، نیکونهاد ع، "تحلیل و پهنه بندی آلودگی هوا شهر مشهد با استفاده از مدل های مختلف تحلیل فضایی"، مهندسی بهداشت محیط، 1394، 3، 143-154.
ندیری ع، واحدی ف، اصغری مقدم ا، کدخدایی ع، "استفاده از مدل هوش مصنوعی مرکب نظارت شده برای پیشبینی سطح آب زیرزمینی"، نشریه مهندسی عمران و محیط زیست دانشگاه تبریز، 2016، 46 (3)، 101-112.
نورپور ع، فیض س م ع، "تعیین تغییرات مکانی و زمانی آلایندههای گوگرد دیاکسید، نیتروژن دیاکسید و انواع ذرات معلق با استفاده از تکنیکهای GIS در تهران"، محیط شناسی، 1393، 40، 723-738.
هوشنگی ن، آل شیخ ع ا، هلالی ح، "بررسی منطقه ای پتانسیل تابش خورشیدی با ارزیابی و بهینه سازی روش های درون یابی در سطح کشور ایران"، فصلنامه علمی- پژوهشی برنامه ریزی منطقه ای، 1393، 4، 1-16.
هوشنگی ن، آل شیخ ع ا، "ارزیابی روشهای فازی، عصبی و فازی- عصبی در تخمین تابش خورشیدی کشور"، نشریه علمی- پژوهشی علوم و فنون نقشه برداری، 1393، 4، 187-200.
Alimissis A, Philippopoulos K, Tzanis CG, Deligiorgi D, “Spatial estimation of urban air pollution with the use of artificial neural network models”, Atmospheric Environment, 2018, 191, 205-213. Anselin L, Le Gallo J, “Interpolation of Air Quality Measures in Hedonic House Price Models: Spatial Aspects”, Spatial Economic Analysis, 2006, 1, 31-52. Bahari RA, Abaspour RA, Pahlavani P, “Zoning of Particulate Matters (PM) Pollution Using Local Statistical Models in GIS (Case Study: Tehran Metropolisies)”, Journal of Geomatics Science and Technology, 2016, 5, 165-174. Belkhiri L, Tiri A, Mouni L, “Spatial distribution of the groundwater quality using kriging and Co-kriging interpolations”, Groundwater for Sustainable Development, 2020, 11, 100473. Bigaignon L, Fieuzal R, Delon C, Tallec T, “Combination of two methodologies, artificial neural network and linear interpolation, to gap-fill daily nitrous oxide flux measurements”, Agricultural and Forest Meteorology, 2020, 291, 108037. Ding Q, Wang Y, Zhuang D, “Comparison of the common spatial interpolation methods used to analyze potentially toxic elements surrounding mining regions”, Journal of Environmental Management, 2018, 212, 23-31. Esri, “Understanding interpolation analysis”, http://resources.arcgis.com/en/help/main/10.1/index.html#//009z0000006w000000, 15 October 2020. García-Santos G, Scheiber M, Pilz J, “Spatial interpolation methods to predict airborne pesticide drift deposits on soils using knapsack sprayers”, Chemosphere, 2020, 258, 127231. Kalo M, Zhou X, Li L, Tong W, Piltner R, “Chapter 8- Sensing air quality: Spatiotemporal interpolation and visualization of real-time air pollution data for the contiguous United States”, LI, L., ZHOU, X., TONG, W. (eds.), Spatiotemporal Analysis of Air Pollution and Its Application in Public Health, Elsevier, 2020. Li J, Wan H, Shang S, “Comparison of interpolation methods for mapping layered soil particle-size fractions and texture in an arid oasis”, Catena, 2020, 190, 104514. Masroor K, Fanaei F, Yousefi S, Raeesi M, Abbaslou H, Shahsavani A, Hadei M, “Spatial modelling of PM2. 5 concentrations in Tehran using Kriging and inverse distance weighting (IDW) methods”, Journal of Air Pollution and Health, 2020, 5, 89-96. Qiao P, Lei M, Yang S, Yang J, Guo G, Zhou X, “Comparing ordinary kriging and inverse distance weighting for soil as pollution in Beijing”, Environmental Science and Pollution Research, 2018, 25, 15597-15608. Tutmez B, Hatipoglu Z, “Comparing two data driven interpolation methods for modeling nitrate distribution in aquifer”, Ecological Informatics, 2010, 5, 311-315. Vienneau D, De Hoogh K, Briggs D, “A GIS-based method for modelling air pollution exposures across Europe”, Science of The Total Environment, 2009, 408, 255-266. Yuval, Levy I, Broday DM, “Improving modeled air pollution concentration maps by residual interpolation”, Science of The Total Environment, 2017, 598, 780-788. | ||
آمار تعداد مشاهده مقاله: 800 تعداد دریافت فایل اصل مقاله: 335 |