ارزيابي روش هاي قطعي و زمين آمار در پهنه بندي غلظت ذرات معلق (PM2.5 و PM10) با استفاده از GIS: مطالعه موردي، شهر سبزوار

Evaluatin of Deterministic and Geostatistics Methods for Particulate Matter Concentration (PM2.5 and PM10) Zoning Using GIS: case study, Sabzevar City

زمينه و هدف: امروزه زندگي افراد به خاطر آلاينده هاي متعدد وارد شده به اتمسفر ناشي از اقدامات انساني و فعاليت هاي بيولوژيكي در معرض خطر است. از ديدگاه بهداشت عمومي ذرات معلق يكي از آلاينده هاي اصلي هوا مي باشد. هدف از اين پژوهش ارزيابي روش هاي ميان­ يابي مكاني جهت تعيين غلظت سطحي ذرات معلق PM10و PM2.5 در شهر سبزوار و در نتيجه، انتخاب مناسب ترين روش ميان­ يابي به منظور تهيه نقشه هاي پهنه بندي ذرات معلق در محيطGIS است. مواد و روش ها: اندازه گيري ذرات معلق PM2.5 و PM10 توسط دستگاه مونيتورينگ گرد و غبار محيطي مدل Haz-Dust EPAM5000، در 48 ايستگاه سطح شهر انجام شد و پس از اطمينان از صحت آماري آن­ها در محيط نرم افزاري ARC GIS توسط افزونه زمين آماري در منطقه مورد مطالعه (شهر سبزوار) به روش هاي كريجينگ (Kriging)، وزن دهي فاصله معكوس (IDW) پهنه بندي و ارزيابي شد. در نهايت با توجه به مقادير خطايي كه هر الگوريتم پس از ميان­ يابي نشان داد بهترين روش از بين روش هاي ميان­ يابي مورد آزمون انتخاب شد. يافته ها: نتايج حاصل نشان دهنده اين بود كه بين روش هاي زمين آمار و قطعي تفاوت چنداني بين روش هاي قطعي و زمين آمار به لحاظ مقادير مربع ميانگين ريشه دوم (Root Mean Squared (RMS)) و همچنين ميانگين قدر مطلق درصد خطا (Mean Absolute Percentage Error (MAPE)) وجود ندارد هر چند كه اين ميزان براي روش هاي قطعي كم­تر مي باشد. بحث و نتيجه گيري: به نظر مي رسد كه مناسب­ ترين روش ميان­ يابي براي پهنه بندي غلظت ذرات معلق PM2.5 و PM10 روش قطعي با تابع IDW مي باشد.

Background and Objectives: Nowadays, people’s life is at risk because of various pollutants into the atmosphere by human action and biological activities. One of the major air pollutants are particulate matter. The aim of this study was to evaluate spatial interpolation methods to determine the concentration PMand PM in Sabzevar city and select the most suitable interpolation method for preparation of zoning maps particulate matter in GIS. Materials and Methods: Particulate matter were measured by a monitoring device, environmental dust model Haz-Dust EPAM 5000 at 48 stations in the city, then in ARC GIS software three well-known spatial interpolation techniques, namely Kriging, Inverse Distance Weighting (IDW) were applied for generating the prediction maps. Finally the best interpolation method was chosen according to the values of each algorithm error. Findings: The results indicated that the RMS was lower between geostatistical and deterministic methods, and the MAPE in deterministic methods was lower. Discussion and Conclusion: The best interpolation method for the particulate matter (PM2.5 and PM) was deterministic method by IDW function.