PM10

ذرات با قطر کمتر از 10 میکرومتر سلامتی ساکنین شهرهای بزرگ را تهدید می کند. تا کنون روش های مختلفی برای آشکارسازی این ذرات با استفاده از تصاویر ماهواره ای پیشنهاد شده است. اغلب این روش ها نیاز به واسنجی برای اقلیم های متفاوت دارند. در این تحقیق یک مدل شبه تجربی با روش الگوریتم ژنتیک برای برآورد غلظت ذرات معلق در زمان عبور ماهواره و در مقیاس محلی معرفی شده است. برای این کار از مقادیر تصحیح شده عمق اپتیکی (AOD) بدست آمده از تصاویر سنجنده MODISاستفاده گردیده است. بدین منظورAOD نسبت به رطوبت نسبی و ارتفاع اختلاط تصحیح شده است. در مدل شبه تجربی، با استفاده از الگوریتم ژنتیک داده های هواشناسی نیز وارد مدل شده و تاثیر آنها در نظر گرفته می شود. وارد شدن دما و رطوبت نسبی به مدل موجب بهبود برآورد غلظت ذرات معلق شده است. در نهایت این مدل برای منطقه تهران اعتبار سنجی شده و در نتیجه آن همبستگی قابل قبول (R2=0. 51) با تغییرات غلظت ذرات معلق سطحی با انحراف معیاری معادل 28 بدست آمد. در تصحیح AOD محدودیت هایی از قبیل ناکافی بودن ایستگاه های هواشناسی و تعیین تقریبی ارتفاع اختلاط وجود دارد که موجب ورود عدم قطعیت هایی به مدل می شود.

براساس داده های بادسنج فوق صوتی سال 2007، بیشتر زمان ها تندی باد بینm/s 5/0 تا 2 و دامنه چرخه سالانه آن کوچک است که شرایط حاد آلودگی هوا را در تهران فراهم می کند. همچنین CO و PM10 تغییرات فصلی از خود نشان می دهند که به شرایط هواشناختی و منابع آلاینده ها وابسته است. بررسی چرخه سالانه CO و PM10 نشان می دهد که غلظت CO در روزهای پاییز تا زمستان افزایش دارند. غلظت PM10 در روزهای زمستان تا بهار مقادیر پایینی دارد. افزایش غلظت آلاینده ها در زمستان عمدتا ناشی از کمبود سامانه های همدیدی فعال و وارونگی دمایی سطحی، بر اساس پارامتر پایداری N2، که در پاییز و زمستان نسبت به بهار و تابستان بیشتر است.) است. در چرخه سالانه براساس میانگین های شبانه روزی، ضریب همبستگی CO و PM10، 4/0 و در زمستان، 7/0 است که نشانگر ارتباط قوی منابع این دو در این فصل است. در بهار، خودروها، گرد و غبار ناشی از سطح و یا از منابع دورتر، منشا PM10 هستند، اما در پاییز، منابع عمدتاً خودروها و وسایل گرمایشی هستند. دو بیشینه در نمودار تغییرات CO در ابتدای صبح و شب رخ داده است که تقریباً با کمینه های تندی باد همزمان و وابسته به تغییرات فصلی نیز هستند. طی شب، شارش های کوه دشت (سرد) و نشست هوا ناشی از سامانه های پرفشار سبب ایجاد وارونگی دما بر روی منطقه می شوند که افزایش غلظت آلاینده ها را در پی دارد.نمودارهای سه بعدی مؤلفه های افقی سرعت باد، دمای هوا و آلاینده ها نشان می دهند که مؤلفه نصف النهاری باد، نقش برجسته تری در انتقال CO که مستقل از دما است، به عهده دارد که با توجه به وضعیت توپوگرافی منطقه، می تواند نشانگر محلی بودن منابع آن باشد. در حالی که هردو مؤلفه سرعت باد در انتقال PM10 نقش دارند. همچنین بیشینه های PM10 در فصل سرد با باد کم همزمان و در فصل گرم مستقل از تندی باد هستند.

در این تحقیق، ابتدا غلظت ذرات معلق در هوای محیط در محل سایت انرژی های تجدیدپذیر پژوهشگاه مواد و انرژی واقع در شهر مشکین دشت استان البرز در دو محدودة PM10و PM2.5 نمونه برداری و اندازه گیری شد. سپس ذراتِ نمونه برداری شده، استخراج شدند و به کمک دستگاه کرواتوگرافی یونی غلظت شش آنیون شامل: فلوراید، کلراید، بروماید، نیتریت، نیترات و سولفات و شش کاتیون شامل: لیتیم، سدیم، آمونیوم، پتاسیم، کلسیم و منیزیم بر روی مورد ارزیابی قرار گرفت. نتایج به دست آمده نشانگر غلظت نسبی بالای دو آنیون سولفات و نیترات در هر دو طبقه ذرات PM10 و PM2.5بوده است. کاتیون کلسیم در ذرات PM10 دارای بالاترین غلظت و کاتیون آمونیوم در ذرات PM2.5 دارای بالاترین غلظت مشاهده شدند. همچنین، بنابر نتایج به دست آمده، حضور یون ها (اعم از آنیون ها و کاتیون ها) در ذرات PM2.5 به طور نسبی دو برابر حضور آنها در ذرات PM10 دیده شد که تأکیدی بر خطرات بهداشتی بالای ذرات ریزتر می باشد.

پژوهش حاضر اثرات تمرین هوازی بر فاکتورهای التهابی قلب موش های در معرض ذرات کربن سیاه را مورد بررسی قرار داده است. در این پژوهش، 24 سر موش نر بالغ نژاد ویستار 10 هفته ای با میانگین وزنی 97/26±29/279 گرم به چهار گروه شش تایی تقسیم شدند که عبارت هستند از: گروه کنترل (بدون تمرین هوازی و قرارگیری در معرض PM10)، گروه تمرین هوازی (پنج جلسه در هفته و به مدت چهار هفته)، گروه قرارگیری در معرض PM10 کربن سیاه (پنج میلی گرم در متر مکعب) و گروه تمرین هوازی همراه با قرارگیری در معرض PM10 کربن سیاه. شایان ذکر است که بیان ژن های TLR4 و IL-1β در بافت قلب با استفاده از روش Real-Time PCR سنجیده شد. همچنین، جهت تعیین اختلاف معنادار بین گروه ها از آزمون تحلیل واریانس دو سویه و آزمون تعقیبی LSD با سطح معناداری 05.0≥P استفاده گردید. یافته ها نشان می دهد که تمرین هوازی توانسته است افزایش بیان ژن IL-1β ناشی از PM10 را در بافت قلب مهار کند، اما در مقایسه با گروه کنترل، بیان ژن IL-1β تنها در گروه آلودگی به شکل معناداری بالاتر می باشد (046. P=0). نتایج به دست آمده حاکی از آن است که چهار هفته قرارگیری در معرض PM10کربن سیاه، به شکل معناداری بیان ژن IL-1β را در بافت قلب افزایش می دهد و این وضعیت با انجام تمرینات هوازی وخیم تر نمی گردد.

مدیریت ذرات معلق یکی از موارد مهم در کنترل آلودگی شهرها محسوب می شود. این ذرات باعث ایجاد و توسعه بیماری های قلبی و تنفسی مختلف در افراد می گردد. شهر مشهد به عنوان یکی از شهرهای اصلی و پرجمعیت ایران با توجه به شرایط اقلیمی و همچنین توریستی بودن، بیش از هر چیزی در معرض خطر این نوع آلودگی قرار دارد. در این تحقیق سعی شده با استفاده از مدل های پرسپترون شبکه های عصبی مصنوعی و مدل زنجیره مارکوف غلظت PM10 پیش بینی و تحلیل گردد. برای این منظور از داده های ساعتی CO، SO2، PM2.5 و دما برای دو ماه فروردین و اردیبهشت در سال 1394 استفاده شد. از مجموع 1488 سری داده، 1300 داده برای آموزش شبکه و 188 داده جهت صحت سنجی استفاده گردید. نتایج نشان دهنده عملکرد مطلوب این روش ها در پیش بینی میزان آلاینده و همچنین احتمال وقوع ساعات با کیفیت های مختلف آلودگی بود. بهترین مدل پرسپترون میزان آلاینده ذرات معلق را با ضریب همبستگی 88/0، شاخص تطابق 91/0، میانگین بایاس خطای 0874/0 و جذر میانگین مربعات خطای 26/2 پیش بینی نمود، همچنین مدل مارکوف با خطای مطلق متوسط حدود 1/0 درصد احتمالات انتقال وضعیت و تداوم وضعیت های مختلف آلودگی هوای ناشی از ذرات معلق را پیش بینی نمود.

ذرات معلق با قطر کوچک تر از 10 میکرون (PM10) و دید افقی، به عنوان دو فراسنج مهم در پژوهش های مرتبط با ریزگردها و گرد و غبارهای تروپوسفری شناخته می شوند که آلودگی هوا تا اندازه ی زیادی وابسته به مقدار این دو فراسنج در زمان است. این پژوهش، رابطه ی میان فراسنج های PM10 و دید افقی را با کاربست الگوریتم تکاملی ژنتیک واکاوی کرده است. منطقه ی مورد بررسی شهر یزد در جایگاه نماینده ی ایران مرکزی بوده است. دیدهای افقی به تفکیک شرایط همدیدی 05، 06، 07 و 09 در یک بازه زمانی پنج ساله (2010 تا 2015) از دفاتر سینوپتیک اداره کل هواشناسی استان یزد و داده های PM10 از ایستگاه های پایش آلودگی هوا وابسته به اداره کل محیط زیست استان یزد گرفته شده است. برای رسیدن به روابط ریاضی گفته شده، معادله خط رگرسیون و چندین گونه تابع نامی دیگر مورد هم سنجی قرار گرفتند؛ که تابع گوسین به عنوان مناسب ترین تابع برازندگی گزینش گردید. دست آوردهای این پژوهش، روابط ریاضی میان PM10 و دید افقی در حالت فراگیر، PM10 و دید افقی هنگام رخداد کد همدید 05 و PM10 با دید افقی هنگام رخداد کد همدید 09، با کاربست تابع گوسین با دوره ی 1؛ و رابطه میان PM10 و دید افقی در هنگام رخداد شرایط همدید با کد 06 و 07 با کاربست تابع گوسین با دوره 2 می باشند.

در سال های اخیر، ذرات معلق، به عنوان یکی از آلاینده های هوا، توجه زیادی را به خود معطوف کرده است؛ این امر به سبب نقش این ذرات در تغییر آب و هوای جهانی، ایجاد آلودگی، و خطرهای بهداشتی است. هدف از این مطالعه شناسایی منشأ عناصر نادر و اصلی ذرات معلق (PM10) در اتمسفر کرمانشاه است. برای شناسایی منشأ طبیعی و انسانی این عناصر در ذرات معلق از روش آماری همانند تحلیل عاملی اکتشافی استفاده شده است. مناطق تأثیرگذار از نظر تولید ذرات معلق با استفاده از تصاویر ماهواره ای و تحلیل گل طوفان و گلباد تعیین شده است. تحلیل عاملی چهار منشأ احتمالی را شناسایی کرده است: 1. انتشارات وابسته به خاک؛ 2. انتشارات وابسته به وسایل نقلیه؛ 3. رهاسازی آلاینده ها از وسایل نقلیه؛ 4. صنعت و سوزاندن نفت. با توجه به واریانس بالای عامل اول، منابع انتشار وابسته به خاک کمک کننده اصلی عناصر اصلی و نادر در PM10در کرمانشاه محسوب می شوند. نتایج حاصل از بررسی منشأ ذرات معلق با استفاده از تصاویر ماهواره ای نشان می دهد که بیشترین فراوانی شکل گیری هسته گردوغبار مربوط به شمال غربی و نواحی بین شمال غرب و شمال شرق کشور عراق و در مراحل بعدی شرق سوریه و شمال غرب عربستان است. بررسی گل طوفان ها نشان می دهد که عمدتاً بادهای حاکم در منطقه دارای سرعتی کمتر از 5/4 متر بر ثانیه اند (حدود 80 درصد).

تهران به عنوان بزرگترین کلانشهر ایران در زمره آلودهترین شهرهای جهان به حساب می آید. با توجه به تأثیرات آلودگی هوا بر سلامت و محیط زیست، ضرورت شناخت دقیق آلایندهها و مشخص نمودن پهنههای آلوده ضروری به نظر میرسد.هدف این پژوهش، بررسی توانایی داده های سنجنده مودیس، در سنجش آلودگی هوا در کلانشهر تهران و تولید نقشههای کیفی هوا با استفاده از این دادهها و داده های زمینی میباشد. : در این تحقیق داده های مربوط به آلاینده های PM₁₀، ازن، منو اکسید کربن، دی اکسید گوگرد، PM_2.5در سال 1394 با استفاده از روش کریجینگ ساده به عنوان یک روش زمین آماری در حالت های مختلف مورد ارزیابی قرار گرفت و نقشه های سطوح آلاینده ترسیم گردید. همچنین از تصاویر ماهوارهای سطح اول و داده های سطحدوم سنجنده مودیس، برای انجام تحلیلهای کیفی و کمی ذرات معلق هوا در سطوح وسیع استفاده شد. با بکار بردن شاخص اختلاف نرمال گردوغبارمربوط به داده های سطح اول و پارامتر هایی نظیر عمق اپتیکی و نمای انگستروم مربوط به داده های سطح دوم، میزان همبستگی با استفاده از باندهای 3 و 7 سنجنده ی مودیس محاسبه و مقدار RMSE آنها با داده زمینی مربوط به آلاینده PM₁₀ محاسبه گردید. : نتایح نشان داد که همبستگی مناسبی بین پارامترهای تصاویر ماهوارهای و اندازهگیری زمینی وجود دارد. این نوع همبستگی نشانگر توانایی تصاویر این سنجنده در شناسایی گردوغبار جوی است. همچنین در بخش دیگر این تحقیق نقش پارامترهای هواشناسی تأثیرگذار بر آلودگی هوا مورد بررسی قرار گرفته و مشخص شد که آلاینده شاخص غالب در سال 94، ذرات معلق PM_2.5وPM₁₀بوده است. از عوامل موثر در افزایش غلظت آلاینده ها، استمرار شرایط جوی پایداربوده است که باعث انباشت آلاینده ها شده است.

داشته نقشه به روز، صحیح، سریع و جامع از کیفیت هوا می تواند گره گشای مشکلات مردم و مدیران باشد. در این تحقیق برای پایش میزان PM10 محلات شهر تبریز از تصاویر لندست 8 در سال 1399 استفاده شد. برای این کار؛ تصاویر در چهار فصل سال اخد شد و پس از پیش پردازش های اولیه، از بین الگوریتم های موجود، الگوریتمی که بالاترین همبستگی و پایین ترین RMSE را برای برآورد میزان PM10 بود انتخاب گردید و بر روی تصاویر اعمال شد. نتایج بدست آمده با استفاده از تابع خطی فازی نرمال شد. نتایج نشان داد که کیفیت هوای محلات شهر تبریز در سه فصل اول سال بسیار به هم شبیه است و در فصل زمستان تفاوت بسیاری با این سه فصل دارد. دو محله پاکیزه شهر در سه فصل اول سال ولی امر 2 و فرودگاه بودند و محلات لیل آباد 2 و 42متری 1 بودند. در مجموعه میانگین سالانه اما ولی امر 2 و رشدیه پاکترین محلات و لیل آباد 2 و 42متری 1 آلوده ترین محلات از لحاظ PM10 بودند.

آلودگی هوا از جمله موضوعات مهم در آب وهوای شهری است و به لحاظ این که تاثیر مستقیمی در انسان دارد، همواره مورد توجه محققان بوده است. این پژوهش با هدف تحلیل و خوشه بندی الگوهای همدیدی موثربرآلودگی های خطرناک PM10شهر تبریزانجام شده است. نخست داده های آلودگی PM10 بر حسب میکروگرم بر متر مکعب از سازمان حفاظت محیط زیست استان آذر بایجان شرقی برای پنج ایستگاه باغشمال، راه آهن، راسته کوچه، آبرسان و حکیم نظامی برای دوره 8 ساله(2005-2012) استخراج گردید. آستانه آلودگی خطرناک PM10 420 میکروگرم بر متر مکعب انتخاب گردید. داده های فشار متناظر با روزهای آلوده ازپایگاه داده های جوی مرکز پیش یابی اقلیم، وابسته به سازمان ملی جو واقیانوس شناسی ایالات متحده آمریکا NCEP/NCAR استخراج گردید. به منظور استخراج روزهای خطرناک آلودگی PM10روش تحلیل خوشه ای با یک رویکرد محیطی به گردشی و برای طبقه بندی نقشه های تراز دریا و استخراج الگوهای روزهای نماینده باآستانه 5/0، روش همبستگی لوند مورداستفاده قرارگرفت. با استفاده ازتحلیل خوشه ای با محاسبه ی فواصل اقلیدسی و پیوند آن به روش «وارد» در محیط نرم افزار متلب سه الگوی فشاری به دست آمد و برای هرخوشه یک روز به عنوان روز نماینده مشخص گردید. جهت تحلیل همدید آلودگی های خطرناک PM10، داده های فشار سطح دریا، ارتفاع ژئوپتانسیل و مولفه های نصف النهاری و مداری باد در ترازهای 1000 و 500 هکتوپاسکال مورد استفاده قرار گرفت. نتایج حاصل نشان می دهد که آلودگی های خطرناک تبریز از سه الگوی اصلی ، پرفشار عربستان، پرفشار شرق اروپا و الگوی دو هسته ای ، پرفشار خاورمیانه (آزور) و سیبری تاثیر می پذیرند. از میان سه الگوی استخراج شده االگوی پرفشار سیبری و پرفشار شرق اروپا یشترین تاثیر را بر روی آلودگی های خطرناک PM10 تبریز دارد.

تحقیق حاضر با هدف ارزیابی دقت داده های ماهواره ای سنجنده مادیس در پایش ریزگردها (ذرات PM 10 )، به منظور مقایسه با داده های ایستگاه زمینی سنجش آلودگی در شهر سنندج انجام گرفته است. بدین ترتیب، میزان عملکرد داده های ماهواره ای در اندازه گیری ریزگردها، در ایستگاه زمینی سنندج، مشخص می شود. ابتدا داده های ماهواره ای عمق نوری (ذرات PM 10 ) سنجنده مادیس، متناظر با داده های PM 10 زمینی تهیه شده از ایستگاه زمینی پایش آلودگی واقع در شهر سنندج، به دست آمد؛ آنگاه ضریب همبستگی دو سری داده محاسبه شد. برای پیش بینی دقیق داده های PM 10 ، دو مدل آریما و شبکه عصبی مصنوعی به کار رفت. داده های AOD سنجنده مادیس با استفاده از روش حداکثر برآورد احتمال و وزن به دست آمده از ریشه میانگین مربعات خطا، به منظور استفاده در این دو مدل، ترکیب شدند. در نهایت، روش مقایسه منفرد برای هریک از مدل ها و نیز مقایسه مدل ها، با هدف شناسایی مدل بهتر در تشخیص و پیش بینی داده های PM 10 حاصل از سنجنده مادیس، اعتبارسنجی شد. در مدل شبکه عصبی، ضریب همبستگی در مرحله آموزش 52%، در مرحله آزمون 53%، RMSE برابر با 62/1 و MAE برابر 62/2 به دست آمد. طبق محاسبات، مدل آریمای 1-0-3 تنها مدل مورد قبول با R برابر با 46/0و 06/0MAE= و 69/0RMSE= است. این بیان می کند مدل آریما مدل مناسبی برای پیش بینی داده هاست اما دقت مدل شبکه عصبی، در ارزیابی میزان همبستگی بین داده ها، بیشتر تشخیص داده شد. نتایج تحقیق نشان داد که بین داده های عمق نوری ریزگرد سنجنده مادیس با داده های زمینی رابطه مستقیمی وجود دارد و این الگوریتم قادر به شناسایی گردوغبار است و می تواند جایگزین مناسبی برای محصولات PM 10 تولیدشده از سوی ایستگاه زمینی باشد.