سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات163
تعداد شماره‌ها6,877
تعداد مقالات74,134
تعداد مشاهده مقاله137,826,978
تعداد دریافت فایل اصل مقاله107,229,629
ناجی, محمد, عزیزی, قاسم, کریمی, مصطفی. (1404). تغییرات زمانی و پراکنش مکانی شاخص ذرات معلق در دامنه جنوبی البرز مرکزی بر پایه داده‌های ماهواره‌ای. , 57(2), 1-18. doi: 10.22059/jphgr.2024.383803.1007845
محمد ناجی; قاسم عزیزی; مصطفی کریمی. "تغییرات زمانی و پراکنش مکانی شاخص ذرات معلق در دامنه جنوبی البرز مرکزی بر پایه داده‌های ماهواره‌ای". , 57, 2, 1404, 1-18. doi: 10.22059/jphgr.2024.383803.1007845
ناجی, محمد, عزیزی, قاسم, کریمی, مصطفی. (1404). 'تغییرات زمانی و پراکنش مکانی شاخص ذرات معلق در دامنه جنوبی البرز مرکزی بر پایه داده‌های ماهواره‌ای', , 57(2), pp. 1-18. doi: 10.22059/jphgr.2024.383803.1007845
ناجی, محمد, عزیزی, قاسم, کریمی, مصطفی. تغییرات زمانی و پراکنش مکانی شاخص ذرات معلق در دامنه جنوبی البرز مرکزی بر پایه داده‌های ماهواره‌ای. , 1404; 57(2): 1-18. doi: 10.22059/jphgr.2024.383803.1007845

تغییرات زمانی و پراکنش مکانی شاخص ذرات معلق در دامنه جنوبی البرز مرکزی بر پایه داده‌های ماهواره‌ای

پژوهش های جغرافیای طبیعی
دوره 57، شماره 2، مرداد 1404، صفحه 1-18    اصل مقاله (1.58 M)
نوع مقاله: مقاله کامل
شناسه دیجیتال (DOI): 10.22059/jphgr.2024.383803.1007845
نویسندگان
محمد ناجی؛ قاسم عزیزی* ؛ مصطفی کریمی
گروه جغرافیای طبیعی، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران
چکیده
آلودگی هوا یکی از چالش‌های اصلی زیست‌محیطی در کلان‌شهرهای تهران، کرج و قزوین است که به دلیل تمرکز صنعتی و جمعیتی این منطقه، سطوح بالای ذرات معلق، سلامت انسان و محیط‌زیست را تهدید می‌کند. هدف این پژوهش، تحلیل زمانی _ مکانی غلظت ذرات معلق و شناسایی مناطق بحرانی به‌صورت میانگین پنج‌ساله، تغییرات سالانه، فصلی و ماهانه است. بدین منظور، از داده‌های شاخص جذب آئروسل (AAI) ماهواره‌ای سنتینل-5 استفاده‌شده تا تغییرات مکانی _ زمانی ذرات معلق در دامنه‌های جنوبی البرز مرکزی بررسی شوند. نتایج نشان داد بیشترین غلظت ذرات معلق در نواحی جنوبی و شرقی منطقه از جمله تهران، مرز سیاسی قم و کرج مشاهده‌شده است. تحلیل کانون‌های بحرانی در سطح اطمینان 99% حاکی از تمرکز بالای آلودگی در این نواحی است. در مقابل، مناطق شمالی قزوین و ارتفاعات البرز به دلیل جریان هوای بهتر و فعالیت‌های صنعتی کمتر دارای کیفیت هوای بهتری هستند. طی بازه زمانی 1397 تا 1399، روند تغییرات غلظت ذرات معلق نزولی بوده و به حداقل مقدار خود رسیده، اما در سال 1401 به اوج خود افزایش‌یافته است. تحلیل‌های فصلی و ماهانه نشان می‌دهند که بیشترین غلظت ذرات معلق در فصل تابستان ثبت‌شده است. این الگو تأثیر عوامل جغرافیایی، تراکم جمعیت، و فعالیت‌های صنعتی بر توزیع فضایی آلاینده‌ها را برجسته می‌کند و بر اهمیت مداخلات منطقه‌ای برای مدیریت کیفیت هوا تأکید دارد.
کلیدواژه‌ها
آئروسل؛ پایش ذرات معلق؛ گوگل ارث انجین؛ مخاطرات محیطی؛ مناطق بحرانی
مراجع
  1. آزادی مبارکی، محمد و احمدی، محمود. (1399). تغییرپذیری بلندمدت ذرات معلق (PM2.5) شهر تبریز با استفاده از داده‌های سنجش‌ازدور. پژوهش‌های جغرافیای طبیعی، 52(3)، 467-480. doi: 10.22059/jphgr.2020.295385.1007474
  2. انصاری، مریم؛ احمدی، محمود و گودرزی، غلامرضا. (1401). تحلیل فضایی کیفیت هوای شهر تهران با تأکید بر ذرات معلق (PM10 و PM2.5). مخاطرات محیط طبیعی، 11(32)، 109-128. doi: 10.22111/jneh.2021.37338.1759
  3. انصاری، مریم؛ محمود، احمدی و غلامرضا، گودرزی. (1403). بررسی تغییرات زمانی-مکانی ذرات معلق (PM10) و (PM2.5) شهر تهران با استفاده از GIS (99-92).  نشریه علوم و تکنولوژی محیط‌زیست، (3)26، 35-48. Doi: 10.30495/jest.2022.61846.5441
  4. برتینا، هدایت اله؛ صیاد، غلام عباس؛ متین فر، حمیدرضا و حجتی، سعید. (1393). توزیع زمانی_مکانی ذرات معلق اتمسفری در غرب کشور بر مبنای داده‌های طیفی سنجنده MODIS. پژوهش‌های حفاظت آب‌وخاک (علوم کشاورزی و منابع طبیعی)، 21(4)، 119-137.
  5. برزگر، وحیده؛ غلامپور، اکبر و حسنوند، محمدصادق. (1400). بررسی روند تغییرات مکانی-زمانی آلاینده‌های با قطر آئرودینامیکی 2.5 و ۱۰ میکرومتر و ازن هوای شهر تبریز طی سال‌های ۱۳۹۶-۱۳۸۵. سلامت و محیط‌زیست، 14(2)،284-261.
  6. رنجبر، محسن و باهک، بتول. (1398). تغییرات زمانی و مکانی آلاینده‌های هوا با استفاده از GIS (موردمطالعه: نیمه شمالی شهر تهران. جغرافیای ایران، 17(60)، 72-85.
  7. رئیس‌پور، کوهزاد. (1400). ارزیابی زمانی-مکانی غلظت ستونی ذرات معلق (PM2.5) ناشی از رویدادهای گردوغباری در ایران با استفاده از داده‌های باز تحلیل NASA/MERRA-2. فیزیک زمین و فض، 47(2)،^ 333-354. doi: 10.22059/jesphys.2021.316499.1007273
  8. زینالی، بتول؛ ملانوری، الهام؛ صفری، شیوا. (1402). تحلیل زمانی و مکانی آلایندهای هوا در استان آذربایجان شرقی. جغرافیای طبیعی، 15(62)، 89-104.
  9. شاه بیک، اعظم؛ پورمظاهری، راحله و طاهری، احمد. (1401). بررسی روندهای زمانی و مکانی تغییرات آلاینده‌های هوا در کلان‌شهر کرج. محیط‌زیست و توسعه فرابخشی،7 (76)،27-44. https://doi.org/10.22034/envj.2022.154827
  10. عزیزی، قاسم؛ ناجی، محمد و کریمی، مصطفی. (1403). تحلیل همدیدی-دورسنجی تداوم آلودگی هوا در دامنه‌های جنوبی البرز (تهران، البرز و قزوین). جغرافیا و پایداری محیط، 14(2)، 65-82. doi: 10.22126/ges.2024.10555.2752
  11. عسگری، علی. (1390). تحلیل‌های آمار فضایی با Arc GIS. چاپ اول. تهران: انتشارات سازمان فناوری اطلاعات و ارتباطات شهرداری تهران.
  12. عبدالعظیمی، هادی؛ فرهادی، هادی؛ روستا، حسین و مختاری، نسرین. (1402). پایش غلظت دی‌اکسید نیتروژن در دوره کووید-19 با استفاده از داده‌های ماهواره سنتینل-5 (مطالعه موردی: کلان‌شهر شیراز). مخاطرات محیط طبیعی، 12(38)، 113-130. doi: 10.22111/jneh.2023.45267.1949
  13. غریبی، شیوا و شایسته، کامران. (1400). کاربرد تصاویر ماهواره‌ای سنتینل 5 در شناسایی کانون‌های آلاینده‌های هوا در ایران. نشریه تحلیل فضایی مخاطرات محیطی، 8 (3)، 123–138. http://jsaeh.khu.ac.ir/article-1-3117-fa.html
  14. قنادی، محمدامین؛ شهری، متین و مرادی، امیررضا. (1401). پایش آلودگی هوا با استفاده از تصاویر ماهواره سنتینل 5- (مطالعه موردی: شهرهای بزرگ صنعتی ایران). فصلنامه علوم محیطی، 20 (2)، 81–98. Doi 10.52547/envs.2022.1026
  15. منصور مقدم، محمد؛ نقی پور، نگار؛ روستا، ایمان و غفاریان مالمیری، حمیدرضا.  (1401). پایش و پیش‌بینی زمانی و مکانی گردوغبار معلق در جو در استان قزوین با استفاده از سامانه گوگل ارث انجین. مجله مدیریت بیابان،10(1) ، 77-98.  Doi: 10.22034/jdmal.2022.544754
  16. مرکز آمار ایران. (1395). داده‌ها و اطلاعات آماری، برگرفته از: www.amar.org.ir
  17. میری، پروین؛ راشکی، علیرضا و سپهر، عادل. (1396). بررسی تغییرات زمانی و مکانی شاخص‌های گردوغبار در شرق خراسان بر پایه داده‌های ماهواره‌ای. جغرافیا و مخاطرات محیطی، (3)6،1-20. doi: 10.22067/geo.v6i3.54464
  18. ناجی، محمد. (1403). واکاوی همدیدی_دورسنجی آلودگی هوا در دامنه‌های جنوبی البرز مرکزی، پایان‌نامه کارشناسی ارشد، استاد راهنما قاسم عزیزی، رشته آب‌وهوا شناسی سینوپتیک، دانشگاه تهران.
  19. نادیان، مرضیه؛ میرزایی، روح‌اله و سلطانی محمدی، سعید. (1397). کاربرد شاخص خودهمبستگی فضایی موران در تحلیل فضایی-زمانی آلاینده PM2.5 (مطالعه موردی: شهر تهران). مجله مهندسی بهداشت محیط 5(3)، 213-197.
  20. Abdolazimi, H., Farhadi, H., Roosta, H., & Mokhtari, N. (2023). Monitoring of the Nitrogen Dioxide Concentration in the Period of Covid-19 Using Sentinel-5 Satellite Data (Case Study: Shiraz Metropolis). Journal of Natural Environmental Hazards, 12(38), 113-130. doi: 10.22111/jneh.2023.45267.1949 [In Persian]
  21. Amanollahi, J., Abdullah, A. M., Ramli, M. F., & Pirasteh, S. (2011). Real time assessment of haze and pm 10 aided by modis aerosol optical thickness over klang valley, Malaysia. World Applied Sciences Journal, 14(SPL ISS 1), 08–13.
  22. Ansari, M., Ahmadi, M., & Goudarzi, G. (2022). Spatial analysis of air quality in Tehran with emphasis on particulate matter (PM2.5 and PM10). Journal of Natural Environmental Hazards, 11(32), 109-128. doi: 10.22111/jneh.2021.37338.1759 [In Persian]
  23. Ansari, M., Ahmadi, M., & Goudarzi, G. (2024). Temporal-spatial analysis of particulate matter (PM10 and PM2.5) in Tehran using GIS (2013-2020). Environmental Science and Technology Journal, 26(3), 35-48. https://doi.org/10.30495/jest.2022.61846.5441[In Persian]
  24. Asgari, A. (2011). Spatial statistical analyses with ArcGIS (1st ed.). Tehran Municipality Information and Communication Technology Organization Press. [In Persian]
  25. Azadi Mubaraky, M., & Ahmadi, M. (2020). Long-term variability of particulate matter (PM2. 5) in Tabriz using remote sensing data. Physical Geography Research Quarterly, 52(3), 467-480. doi: 10.22059/jphgr.2020.295385.1007474[In Persian]
  26. Azizi, G., Naji, M., & Karimi, M. (2024). Synoptic-Remote Sensing Analysis of the Persistence of Air Pollution in the Southern Slopes of Alborz (Tehran, Alborz and Qazvin Metropolitan). Geography and Environmental Sustainability, 14(2), 65-82. doi: 10.22126/ges.2024.10555.2752 [In Persian]
  27. Bartina, h., Sayyad, Gh.A., Matinfar H.R., & Hojati, S. (2014). Spatio-temporal distribution of atmospheric aerosols in western part of Iran based on MODIS spectral data. Water and Soil Conservation, 21(4), 119-137. [In Persian]
  28. Barzeghar, V., Gholampour, A., & Hassanvand, M. S. (2021). Spatiotemporal trend of ambient air particulate matter with aerodynamic diameter less than 2.5 and 10 μm and ozone in Tabriz city, Iran, during 2006–2017. ijhe, 14 (2), 261-284. [In Persian]
  29. Chuanglin, F., Zhenbo, W., & Guang, X. U. (2016). Spatial-temporal characteristics of PM 2. 5 in China : A city-level perspective analysis. 26(41590842), 1519–1532. https://doi.org/10.1007/s11442-016-1341-9
  30. Cohen, A. J., Brauer, M., Burnett, R., Anderson, H. R., Frostad, J., Estep, K., Balakrishnan, K., Brunekreef, B., Dandona, L., Dandona, R., Feigin, V., Freedman, G., Hubbell, B., Jobling, A., Kan, H., Knibbs, L., Liu, Y., Martin, R., Morawska, L., … Forouzanfar, M. H. (2017). Estimates and 25-year trends of the global burden of disease attributable to ambient air pollution: an analysis of data from the Global Burden of Diseases Study 2015. The Lancet, 389(10082), 1907–1918. https://doi.org/10.1016/S0140-6736(17)30505-6
  31. Fan, H., Zhao, C., & Yang, Y. (2020). A comprehensive analysis of the spatio-temporal variation of urban air pollution in China during 2014–2018. Atmospheric Environment, 220(April 2019). https://doi.org/10.1016/j.atmosenv.2019.117066
  32. Farhadi, H., & Najafzadeh, M. (2021). Flood risk mapping by remote sensing data and random forest technique. Water (Switzerland), 13(21). https://doi.org/10.3390/w13213115
  33. García, M. Á., Sánchez, M. L., Ríos, A. D. L., Pérez, I. A., Pardo, N., & Fernández-duque, B. (2019). Analysis of PM10 and PM2. 5 Concentrations in an Urban Atmosphere in Northern Spain. Archives of Environmental Contamination and Toxicology, 76, 331–341. https://doi.org/10.1007/s00244-018-0581-3
  34. Gautam, S., & Brema, J. (2020). Spatio-temporal variation in the concentration of atmospheric particulate matter: A study in fourth largest urban agglomeration in India. Environmental Technology and Innovation, 17. https://doi.org/10.1016/j.eti.2019.100546
  35. Ghannadi, M. A., Shahri, M., & Moradi, A. (2022). Air pollution monitoring using Sentinel-5 (Case study: big industrial cities of Iran). Environmental Sciences, 20(2), 81-98. doi: 10.52547/envs.2022.1026 [In Persian]
  36. Gharibi, S., & Shayesteh, K. (2021). Application of Sentinel 5 satellite imagery in identifying air pollutants Hotspots in Iran. Journal of Spatial Analysis Environmental Hazards, 8 (3),123-138. [In Persian]
  37. Goudarzi, G., Shirmardi, M., Naimabadi, A., Ghadiri, A., & Sajedifar, J. (2019). Science of the Total Environment Chemical and organic characteristics of PM 2. 5 particles and their in-vitro cytotoxic effects on lung cells : The Middle East dust storms in Ahvaz, Iran. Science of the Total Environment, 655, 434–445. https://doi.org/10.1016/j.scitotenv.2018.11.153
  38. Guo, J. P., Zhang, X. Y., Che, H. Z., Gong, S. L., An, X., Cao, C. X., Guang, J., Zhang, H., Wang, Y. Q., Zhang, X. C., Xue, M., & Li, X. W. (2009). Correlation between PM concentrations and aerosol optical depth in eastern China. Atmospheric Environment, 43(37), 5876–5886. https://doi.org/10.1016/j.atmosenv.2009.08.026
  39. Herrera-Estrada, J. E., Diffenbaugh, N. S., Wagner, F., Craft, A., & Sheffield, J. (2018). Response of electricity sector air pollution emissions to drought conditions in the western United States. Environmental Research Letters, 13(12). https://doi.org/10.1088/1748-9326/aaf07b
  40. Iran Statistics Center. (2016). Statistical data and information. Retrieved from www.amar.org.ir [In Persian]
  41. Kan, H., Chen, R., & Tong, S. (2012). Ambient air pollution, climate change, and population health in China. Environment International, 42, 10–19. https://doi.org/10.1016/j.envint.2011.03.003
  42. Kok, T. M. C. M. De, Driece, H. A. L., Hogervorst, J. G. F., & Briede, J. J. (2006). Toxicological assessment of ambient and traffic-related particulate matter : A review of recent studies. 613, 103–122. https://doi.org/10.1016/j.mrrev.2006.07.001
  43. Lamsal, L. N., Duncan, B. N., Yoshida, Y., Krotkov, N. A., Pickering, K. E., Streets, D. G., & Lu, Z. (2015). U.S. NO2 trends (2005-2013): EPA Air Quality System (AQS) data versus improved observations from the Ozone Monitoring Instrument (OMI). Atmospheric Environment, 110(2), 130–143.
  44. Mansourmoghaddam, M., Naghipur, N., Rousta, I., & Ghaffarian, H. R. (2022). Temporal and Spatial Monitoring and Forecasting of Suspended Dust Using Google Earth Engine and Remote Sensing Data (Case Study: Qazvin Province). Desert Management, 10(1), 77-98. doi: 10.22034/jdmal.2022.548083.1372 [In Persian]
  45. Mayer, H. (1999). Air pollution in cities. Atmospheric Environment, 33(24), 4029–4037.
  46. Miri, P., Rashki, A., & Sepehr, A. (2017). Spatial and Temporal Variability of Aerosol Indices over East Khorasan, Iran based on Satellite Observation. Journal of Geography and Environmental Hazards, 6(3), 1-20. doi: 10.22067/geo.v6i3.54464 [In Persian]
  47. Mohammadi, Z., Rahimi, D., Najafi, M. R., & Zakerinejad, R. (2024). The impact of environmental degradation and climate change on dust in Khuzestan province, Iran. Natural Hazards, 120(5), 4329–4348. https://doi.org/10.1007/s11069-023-06368-1
  48. Nadian, M., Mirzaei, R., & Soltani Mohammadi, S. (2018). Application of Moran'sI Autocorrelation in Spatial-Temporal Analysis of PM2.5 Pollutant (A case Study: Tehran City). jehe, 5 (3), 197-213[In Persian]
  49. Naji, M. (2024). Synoptic-remote sensing analysis of air pollution in the southern slopes of the Central Alborz. Supervisor: Q. Azizi, Master's thesis, University of Tehran. [In Persian]
  50. Raispour, K. (2021). Evaluation of Spatiotemporal Column Particulate Matter Concentration (PM2.5) Due to Dust Events in Iran Using Data from NASAN / MERRA-2 Reanalysis Model. Journal of the Earth and Space Physics, 47(2), 333-354. doi: 10.22059/jesphys.2021.316499.1007273 [In Persian]
  51. Ranjbar, M., & Mahak, B. (2019). Temporal and spatial changes of air pollutants using GIS (Case study: Northern half of Tehran). Geography, 17(60), 72-85. [In Persian]
  52. Saw, G. K., Dey, S., Kaushal, H., & Lal, K. (2021). Tracking NO2 emission from thermal power plants in North India using TROPOMI data. Atmospheric Environment, 259(2), 118514. https://doi.org/10.1016/j.atmosenv.2021.118514
  53. Shahbazi, H., Taghvaee, S., Hosseini, V., & Afshin, H. (2016). A GIS based emission inventory development for Tehran. Urban Climate, 17, 216–229. https://doi.org/10.1016/j.uclim.2016.08.005
  54. Shahbeik, A., Pourmazaheri, R., & Taheri, A. (2022). Investigation of Temporal and Spatial Trends of Air Pollutants in the City of Karaj. Environment and Interdisciplinary Development, 7(76), 27-44. doi: 10.22034/envj.2022.154827 [In Persian]
  55. Shikwambana, L., Mhangara, P., & Mbatha, N. (2020). Trend analysis and first time observations of sulphur dioxide and nitrogen dioxide in South Africa using TROPOMI/Sentinel-5 P data. International Journal of Applied Earth Observation and Geoinformation, 91(April), 102130. https://doi.org/10.1016/j.jag.2020.102130
  56. Tiwari, S., Chate, D. M., Srivastava, M. K., Safai, P. D., Srivastava, A. K., Bisht, D. S., & Padmanabhamurty, B. (2012). Statistical evaluation of PM10 and distribution of PM1, PM2.5, and PM10 in ambient air due to extreme fireworks episodes (Deepawali festivals) in megacity Delhi. Natural Hazards, 61(2), 521–531. https://doi.org/10.1007/s11069-011-9931-4
  57. Veefkind, J. P., Aben, I., McMullan, K., Förster, H., de Vries, J., Otter, G., Claas, J., Eskes, H. J., de Haan, J. F., Kleipool, Q., van Weele, M., Hasekamp, O., Hoogeveen, R., Landgraf, J., Snel, R., Tol, P., Ingmann, P., Voors, R., Kruizinga, B., … Levelt, P. F. (2012). TROPOMI on the ESA Sentinel-5 Precursor: A GMES mission for global observations of the atmospheric composition for climate, air quality and ozone layer applications. Remote Sensing of Environment, 120(2012), 70–83. https://doi.org/10.1016/j.rse.2011.09.027
  58. Wang, Y., Ying, Q., Hu, J., & Zhang, H. (2014). Spatial and temporal variations of six criteria air pollutants in 31 provincial capital cities in China during 2013 – 2014. Environment International, 73, 413–422. https://doi.org/10.1016/j.envint.2014.08.016
  59. Xu, J., Jiang, H., Xiao, Z., Wang, B., Wu, J., & Lv, X. (2016). Estimating Air Particulate Matter Using MODIS Data and Analyzing Its Spatial and Temporal Pattern over the Yangtze Delta Region. Sustainability, 8(9), 932. https://doi.org/10.3390/su8090932
  60. Zeinali, B., Melanouri, E., & Safari, S. (2023). Temporal and spatial analysis of air pollutants in East Azerbaijan Province. Journal of Physical Geography, 15(62), 89-104. [In Persian]
آمار
تعداد مشاهده مقاله: 477
تعداد دریافت فایل اصل مقاله: 43





سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب