بررسی مقایسۀ میزان همبستگی عناصر اقلیمی مؤثر بر پراکندگی زمانی آلاینده‌های CO و SO2 در استان مازندران

نوع مقاله : پژوهشی

نویسندگان

علی اصغر شیرزاد ^{1 ¶}

علی محمد خورشیددوست ²

سعید جهانبخش اصل ²

¹ دانشجوی دکتری آب‌وهواشناسی و برنامه‌ریزی محیطی، دانشگاه تبریز، تبریز، ایران

² استاد گروه اقلیم‌شناسی و برنامه‌ریزی، دانشگاه تبریز، تبریز، ایران.

https://doi.org/10.22067/jgrd.2024.90939.1496

چکیده

 آلودگی هوای شهرها امروزه یکی از چالش‌های اساسی و گسترده زیست‌محیطی در جهان به‌شمار می‌رود و آثار مخرب آن بر سلامت انسان، کیفیت زندگی و پایداری محیط‌زیست به‌طور مستند در بسیاری از پژوهش‌ها گزارش شده است. پیشرفت‌های اخیر در علوم رایانه و علوم جوی امکان تحلیل دقیق‌تر و جامع‌تر آلاینده‌های جوی و نقش عوامل اقلیمی مؤثر بر آن‌ها را فراهم کرده است. پژوهش حاضر نیز با هدف بررسی ارتباط میان عناصر اقلیمی و دو آلاینده مهم یعنی منواکسید کربن (CO) و دی‌اکسید گوگرد (SO₂) در استان مازندران انجام شده است. این تحقیق از نظر ماهیت در زمره تحقیقات کاربردی و از نظر روش در گروه مطالعات تحلیلی–نرم‌افزاری قرار می‌گیرد. در این پژوهش داده‌های ماهواره‌ای سنجنده‌های مختلف، به‌ویژه Sentinel‑5، برای دوره‌های زمانی متفاوت جمع‌آوری شد. پس از فیلترگذاری روزهای دارای پوشش ابری، داده‌های آلاینده‌های CO و SO₂ در محیط Google Earth Engine پردازش و استخراج گردید. داده‌ها به‌صورت ماهانه تهیه و سپس در نرم‌افزار Minitab با استفاده از ضریب همبستگی پیرسون مورد تجزیه‌وتحلیل قرار گرفت. یافته‌ها نشان داد که برای آلایندۀ CO، عنصر بارش ماهانه با 31 درصد بالاترین همبستگی و آلبیدو با 9.5 درصد کمترین میزان همبستگی را داشتند. همچنین برای SO₂، بیشترین همبستگی مربوط به شار گرمای نهان با 34 درصد و کمترین مقدار مربوط به تابش موج‌کوتاه با 14 درصد بود. این نتایج بیانگر آن است که برخی عناصر اقلیمی نقش محدودی در پراکنش آلاینده‌ها در سطح استان دارند. با توجه به رشد جمعیت، توسعۀ گسترده تغییرات محیطی در استان، نتایج پژوهش ضرورت توجه ویژه به مدیریت آلودگی هوا و ارتقای آگاهی عمومی را نشان می‌دهد و بر لزوم اقدام جدی مسئولان و برنامه‌ریزان در این حوزه تأکید دارد.
 
 

کلیدواژه‌ها

آلاینده‌های CO و SO₂

تحلیل زمانی آلودگی هوا

عناصر اقلیمی مؤثر

استان مازندران

موضوعات

• جغرافیای طبیعی و بر نامه ریزی محیطی

---

مراجع

1. احسانی، ا. ه؛ و بیگدلی، م. (1399). تخمین غلظت ذرات5 در تهران با استفاده از داده‌های دورسنجی عمق نوری هواویزها. پژوهش­های اقلیم‌شناسی، 43(11)، 108-99.
2. امیدوار، ک؛ شهائیان، س؛ و امیری‌اسفندقه م. (1399). بررسی ارتباط غلظت آلاینده‌ها و برخی پارامترهای اقلیمی با میزان مرگ‌های ناشی از بیماری‌های قلبی و تنفسی در شهر شیراز. مجلۀ علمی پژوهشی دانشگاه علوم پزشکی شهید صدوقی یزد، 28(۳)، ۲۴78-۲۴67.
3. خورشیددوست، ع. م؛ محمدپور، ک؛ و بیورانی، ح. (1392). تأثیر عناصر اقلیمی و آلاینده‌ها بر روی بیماریهای سکته قلبی و آسم. فصلنامۀ علمی- پژوهشی فضای جغرافیایی، 13(42)، 120- 105.
4. شفیع‌پور، م. (1387). مهندسی آلودگی هوا. چاپ اول. تهران: مؤسسه نشر شهر.
5. عبدالمنافی‌جهرمی، ن؛ موسوی‌بایگی م؛ و ضیابی، ع. (1392). برآورد خسارت ناشی از آلاینده‌های جوی بر محصولات کشاورزی در شرایط مختلف هواشناسی. فصلنامۀ آب‌وخاک (علوم و صنایع کشاورزی)، 26(2)، 532- 523.
6. عزتیان، و؛ و هاشمی‌نسب، س. (1392). انتشار آلاینده‌های جوی چالش زیست محیطی شهر اصفهان. مطالعات و پژوهش‌های شهری و منطقه‌ای، 4(16)، 160- 145.
7. فرجی، ع؛ و رحیمی، ن. (1401). واکاوی پراکنش زمانی-مکانی آلاینده CO در دوران همه‌گیری COVID-19 (مطالعه موردی: استان خوزستان، اصفهان، تهران). جغرافیا و پایداری محیط (پژوهشنامۀ جغرافیایی)، 12(43)، 108-95.
8. قربانی‌سالخورد، ر. (1389). اعتبارسنجی داده‌های سنجنده مودیس در رابطه با آلودگی جوی در مناطق شهری. پایان‌نامۀ کارشناسی‌ارشد گروه فتوگرامتری و سنجش از دور، دانشکدۀ ژئودزی و زئوماتیک،  دانشگاه خواجه‌نصیرالدین طوسی.
9. Alimissis, A., Philippopoulos, K., Tzanis, C., & Deligiorgi, D. (2018). Spatial estimation of urban air pollution with the use of artificial neural network models. Atmospheric environment,191, 205-213.
10. Almubaidin, M. A., binti Ismail, N. S., Latif, S. D., Ahmed, A. N., Dullah, H., El-Shafie, A., & Sonne, C. (2024). Machine learning predictions for carbon monoxide levels in urban environments. Results in Engineering, 22, 102114.
11. Arshad, K., Hussain, N., Ashraf, M. H., & Saleem, M. Z. (2024). Air pollution and climate change as grand challenges to sustainability. Science of The Total Environment, 172370.
12. Asikainen, A., Carrer, P., Kephalopoulos, S., Fernandes. Ede O., Wargocki, P., Hanninen, O. (2016). Reducing burden of disease from residential indoor air exposures in Europe (HEALTHVENT project) Environ Health,15 (Suppl 1): 35 - PMC – PubMed, 62-72.
13. Bourdrel, T., Bind, M. A., Béjot, Y., Morel, O., & Argacha, J. F. (2017). Cardiovascular effects of air pollution. Archives of cardiovascular diseases, 110(11), 634-642.
14. Burnham, K. P., & Anderson, D. R. (2004). Multimodel Inference Understanding AIC and BIC in Model Selection. Sociological Methods & Research, 33(2), 261-304.
15. Hannah, L. (2014). Carbon Sinks and Sources in: L, Hannah. Climate change biology Second Edition, Elsevier: Academic Press, pp. 403-422.
16. Kim, J. B., Prunicki, M., Haddad, F., Dant, C., Sampath, V., Patel, R., …, & Nadeau, K. C. (2020). Cumulative Lifetime Burden of Cardiovascular Disease From Early Exposure to Air Pollution. Journal of the American Heart Association, 9(6), e014944. https://doi.org/10.1161/JAHA.119.014944
17. Neira, M., Erguler, K., Ahmady-Birgani, H., Al-Hmoud, N. D., Fears, R., Gogos, C., ... & Christophides, G. (2023). Climate change and human health in the Eastern Mediterranean and Middle East: Literature review, research priorities and policy suggestions. Environmental research, 216, 114537.
18. Rosenzweig, C., Solecki, W., Hammer, S. A., & Mehrotra, S. (2010). Cities lead the way in climate–change action. Nature, 467(7318), 909-911.
19. Valari, M., & Menut, L. (2008). Does an increase in air quality models’ resolution bring surface ozone concentrations closer to reality?. Journal of Atmospheric and Oceanic Technology, 25(11), 1955-1968.
20. Yıldırım, E. (2023). The relationship between PM10 and SO2 exposure and Covid-19 infection rates in Turkey using nomenclature of territorial units for statistics level 1 regions. Heliyon, 9(11), e21795.
21. Zhang, K., Thé, J., Xie, G., & Yu, H. (2020). Multi-step ahead forecasting of regional air quality using spatial-temporal deep neural networks: A case study of Huaihai Economic Zone. Journal of Cleaner Production, 277, 123231.
22. Zheng, C., Zhang, H., Cai, X., Chen, L., Liu, M., Lin, H., & Wang, X. (2021). Characteristics of CO2 and atmospheric pollutant emissions from China’s cement industry: A life-cycle perspective. Journal of Cleaner Production, 282, 124533.