مدل سازی توزیع غلظت آلاینده های NO2 و O3 با توان تفکیک مکانی مناسب با استفاده از تلفیق داده های زمینی و ماهواره ای (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
سابقه و هدف: آلودگی هوا یکی از مهم ترین بحران هایی است که امروزه اکثر کشور ها با توجه به پیشرفت صنعت و فنّاوری با آن رو به رو هستند. کشور ایران و به ویژه شهر تهران نیز از این پدیده مستثنا نیست. تأثیر آلودگی هوای شهری بر محیط زیست و سلامت انسان نگرانی های فزاینده ای را برای محققان، سیاست گذاران و شهروندان برانگیخته است. برای کاهش تأثیرات منفی آلودگی هوا بر سلامت، اندازه گیری به موقع آن در وضوح زمانی و مکانی بالا اهمیت فراوانی دارد. ازطرفی، ایستگاه های سنجش آلودگی هوا در سطح شهر به رغم صحت بالا در اندازه گیری آلاینده ها، به دلیل محدودیت های زمانی و مکانی و اندازه گیری نقطه ای قابلیت تعمیم پذیری ندارند. راهکار مکمل و بعضاً جایگزین استفاده از سنجش ازدور و داده های ماهواره ای است که با توجه به هزینه بهینه و پوشش وسیع روشی مناسب برای پایش آلودگی هوا به شمار می رود. آلاینده های دی اکسید نیتروژن (NO2) و ازن (O3) از مهم ترین شاخص های آلودگی هوا هستند که در این پژوهش برای مدل سازی توزیع غلظت آن ها در سطح شهر تهران با توان تفکیک مکانی برابر (تقریباً یک کیلومتر) و صحتی بالاتر از داده های ماهواره ای تلاش خواهد شد. مواد و روش ها: به منظور مدل سازی توزیع غلظت دو آلاینده NO2 و O3 با دقت و توان تفکیک مناسب، از روش نوآورانه مبتنی بر روش درون یابی کریجینگ استفاده شده است. این روش با بهره گیری هم زمان از مزایای داده های ایستگاهی سنجش آلودگی از شرکت کنترل کیفیت هوای تهران، که با بهره گیری از 21 ایستگاه سنجش آلودگی هوای فعال که در نقاط مختلف شهر تهران مستقر است، بالاترین دقت در اندازه گیری پارامترها را دارند و داده های ماهواره ی سنتینل 5P، که از توان تفکیک مکانی بالا برخوردارند، مدل سازی را انجام می دهد. با توجه به قابلیت های سامانه گوگل ارت انجین، نقشه های توزیع غلظت دو آلاینده در کل مناطق 22 گانه شهر تهران به صورت ماهانه و همچنین داده های ماهواره ای نقطه ای دو آلاینده در مختصات مکانی ایستگاه های زمینی، به صورت ساعتی، روزانه و ماهانه به مدت یک سال از تاریخ 1 فروردین 1400 تا 1 فروردین 1401 در سامانه گوگل ارت تهیه و جمع آوری شد. پس از بررسی همبستگی بین داده های ماهواره ای و داده های ایستگاه های سنجش زمینی و حذف بایاس از داده های ماهواره ای، مراحل مختلف مدل سازی نوآورانه درون یابی کریجینگ به منظور مدل سازی توزیع غلظت دو پارامتر به کار گرفته شد. نتایج و بحث: به منظور صحت سنجی داده های خروجی حاصل از مدل سازی توزیع آلاینده ها، 70 درصد ایستگاه ها به عنوان داده های آموزش (Train) و 30 درصد ایستگاه ها به عنوان داده های آزمون (Test) انتخاب شدند. این نقاط به صورت تصادفی و برای هر ماه از سال 1400 انتخاب شدند. مدل سازی نقشه نهایی توزیع آلاینده ها با استفاده از داده های آموزش و صحت سنجی مدل سازی انجام شده با استفاده از داده های آزمون انجام شد. این کار با استفاده از محاسبه میانگین خطای بین داده های پیش بینی شده توسط مدل و داده های ایستگاهی مستخرج از شرکت کنترل کیفیت هوای تهران (با واحد ppb) و همچنین محاسبه شاخص RMSE صورت گرفته است. نتایج نشان می دهد که میانگین خطای ماهانه مدل پیشنهادی، نسبت به داده های ماهواره سنتینل 5P از 16.8 به 1.73 درصد برای آلاینده NO2 و از 21.9 به 2.53 درصد برای آلاینده O3 کاهش یافته است. همچنین خطای جذر میانگین مربعات (RMSE) این مدل نسبت به داده های ایستگاهی سنجش آلودگی برای آلاینده NO2 و O3 به ترتیب برابر با ppb 2.79 و ppb 0.86 است. این در حالی است که در حالت مشابه شاخص RMSE نقشه خروجی ماهواره سنتینل 5P نسبت به داده های ایستگاهی سنجش آلودگی برای آلاینده NO2 و O3 به ترتیب برابر با ppb 10.083 و ppb 6.238 است. نتیجه گیری: با توجه به اینکه مدل تلفیقی پیشنهادی عملکرد بسیار مطلوبی در مدل سازی غلظت توزیع غلظت آلاینده های مورد نظر در طول سال 1400 با دقت و توان تفکیک مکانی تقریباً یک کیلومتری داشته است، به کارگیری هم زمان داده های ماهواره ای و زمینی در برآورد آلاینده ها توصیه می شود.Modeling the concentration distribution of NO2 and O3 pollutants with an appropriate spatial resolution by combining ground and satellite data
Introduction: Air pollution represents one of the most important challenges currently facing the majority of countries, largely as a consequence of the advancement of industry and technology. . It is evident that the country of Iran, and in particular the city of Tehran, is not exempt from this phenomenon. The impact of urban air pollution on the environment and human health has raised increasing concerns among researchers, policy makers, and citizens. In order to minimize the adverse effects on human health, it is of paramount importance to monitor air pollution at high temporal and spatial resolution. On the other hand, air pollution measurement stations in the urban areas, despite their high accuracy in pollutant measurement, are not generalisable due to temporal and spatial limitations and point measurement. An alternative solution is the use of remote sensing and satellite data, which is a suitable method for monitoring air pollution due to the optimal cost and wide coverage. Nitrogen dioxide (NO2) and ozone (O3) pollutants are among the most important indicators of air pollution. Therefore, the objective of this research, is to develop a for the concentration distribution of these pollutants inTehran with an equal spatial resolution (approximately one kilometer) and a higher level of accuracy than satellite data.
Material and methods: In order to model the concentration distribution of two pollutants, NO2 and O3, with appropriate accuracy and resolution, an innovative method based on the kriging interpolation method has been employed. This modeling method has been developed by simultaneously utilizing the advantages of both pollution measurement station data and high resolution Sentinel-5P satellite data. The former comprises 21 active air pollution measurement stations that have been identified as offering the highest accuracy in measuring parameters in different parts of Tehran. The Google Earth Engine system, has been employed to generate concentration distribution maps of the two pollutants in all 22 districts of Tehran on a monthly basis. Additionally, the system has been used to generate point satellite data of the two pollutants in the spatial coordinates of the ground stations on an hourly, daily and monthly basis. The data was prepared and collected in the Google Earth system over the course of one year, from 1 April 1400 to 1 April 1401. Following the correlation between the satellite data and the ground measurement station data and removal of the bias from the satellite data, different stages of innovative kriging interpolation modeling were employed to model the concentration distribution of the two parameters.
Results and discussion: In order to validate the output data from pollutant distribution modeling, 70% of the stations were selected as training data (Train) and 30% of the stations were selected as test data (Test). The points were randomly selected for each month of the year. The final modeling of pollutant distribution was conducted using the training data with the model subsequently validated using the test data. Validation was conducted using both the average error between the predicted data by the model and the station data extracted from the Tehran Air Quality Control Company (in ppb units) and also calculating the RMSE index. The results demonstarte that the average monthly error of the proposed model has decreased from 16.8 to 1.73% for NO2 pollutant and from 21.9 to 2.53% for O3 pollutant compared to the data of the Steinel 5P satellite. Additionally, the root mean square error (RMSE) of this model is equal to 2.79 ppb and 0.86 ppb for NO2 and O3 pollutant, respectively. In a comparable scenario, the RMSE index of the Sentinel 5P satellite output map in relation to the pollution measurement station data for NO2 and O3 pollutants is 10.083 ppb and 6.238 ppb, respectively.
Conclusion: Considering that the proposed integrated model has performed very well in modeling the concentration distribution of the two pollutants throughout the year with an accuracy and spatial resolution of almost one kilometer, it is recommended that the simultaneous use of satellite and ground data be employed in the estimation of pollutants.
تبلیغات
