پژوهشي علمي ي فصلنامه زیست محيط و سالمت مجله ايران محيط بهداشت علمي انجمن 224 تا 213 صفحات 1396 تابستان دوم شماره دهم دوره ت س ز ی Available online: http:// پژوهشی مقاله در معلق ذرات غلظت پیشبینی جهت خطی اختالط اثرات مدل از بهرهگیری تهران در موردی مطالعه زمین: سطح ارحامی محمد * ستودهیان سعید ایران تهران شریف صنعتی دانشگاه عمران مهندسی دانشکده آب منابع و محیطزیست مهندسی گروه مقاله: اطالعات 96/02/31 دریافت: تاریخ 96/05/21 ویرایش: تاریخ 96/05/25 پذیرش: تاریخ 96/06/29 انتشار: تاریخ آالیندهها اپتیکی عمق PM 2.5 کلیدی: واژگان خطی اختالط اثرات مدل MODIS سنجنده مسئول: نویسنده الکترونیکی پست چکيده بهعنوان تهران شهر کالن در معلق ذرات غلظت بحرانی وضعیت اخیر سالهای در هدف: و زمینه پایش ایستگاههای شبکه بودن محدود به توجه با است. بوده توجه مورد همواره شاخص معضلی از اس تفاده محققین موجود ایس تگاههای افزایش جهت اقتصادی صرفه عدم و هوا آالیندههای پوشش به دستیابی جهت آس ان و اقتصادی روش ی عنوان به را دور از س نجش تکنیکهای نمودهاند. پیشنهاد معلق ذرات غلظت از کامل زمانی و مکانی زا )AOD( معلق ذرات اپتیک ی عمق ماه وارهای پارامتر پیشرو مطالع ه در بررسی: روش اختالط اثرات آماری مدل توس عه جهت هواشناس ی پارامترهای همراه به MODIS س نجنده دادههای اس ت. گرفته قرار اس تفاده مورد زمین س طح در معلق ذرات غلظت پیشبینی و خطی 5 برای هواشناس ی دادههای و زمینی پایش ایس تگاه 13 برای 3 km مکانی وضوح با AOD شدهاند. استخراج 2013 سال برای تهران شهر سطح در سینوپتیک ایستگاه دارا را PM 2.5 غلظت روزانه تغییرات درصد 57-72 پیشبینی توانایی پیش نهادی مدل یافتهها: در موجود روند است توانسته PM غلظت برای ش ده زده تخمین مقادیر زمانی آنالیز اس ت. 2.5 مراحل طی مدل عملکرد بهترین نماید. پیشبینی قبولی قابل دقت با را ش ده اندازهگیری مقادیر پیشبینی غلظت مکانی توزیع است. 2013 سال May ماه به مربوط اعتبارس نجی و مدلس ازی است. ایستگاهها در شده اندازهگیری مقادیر با کاملی همخوانی دارای مدل توسط شده شمالی و مرکزی مناطق شده پیشبینی PM 2.5 غلظت مکانی توزیع نقشه به توجه با نتیجهگیری: هب خطی اختالط اثرات مدل که میدهد نش ان نتایج ش دهاند. تعیین بخشها آلودهترین عنوان به غلظت پیشبینی جهت قبولی قابل توانایی دارای هواشناسی متغیرهای و ماهوارهای پارامتر همراه Saeed_sotodian@yahoo.com است. PM 2.5 Please cite this article as: Sotoudeheian S, Arhami M. Using linear mixed effect model to estimate ground-level PM 2.5 : case study for Tehran. Iranian Journal of Health and Environment. 2017;10(2):213-24.
بهرهگیری از مدل اثرات اختالط خطی... مقدمه غلظت باالی آالیندههای هوا و ارتباط آن با س المتی انس انها به ویژه در ش هرهای بزرگ دنیا و کشورهای در حال پیشرفت به موضوعی بدل ش ده است که در سالهای اخیر بسیار مورد توجه قرار گرفته اس ت )1 2(. در می ان آالیندههای مختلف PM 2.5 و ذرات معلق (PM(( )Particulate Matter شامل µm ترتیب ذرات معلق با قطر آئرودینامیکی کمتر از )به PM 10 2/5 و 10( µm به دلیل تاثیرات قابل توجه بر سالمت عمومی افراد جامعه س بب بروز نگرانی گستردهای در جوامع مختلف گردیده اس ت. مطالعات نش ان داده اس ت که افزایش غلظت ذرات معلق میتواند سبب بروز مشکالت تنفسی بیماریهای قلبی و عروقی و افزایش آمار مرگو میر گردد )3-6(. با توجه به محدود بودن شبکه ایستگاههای پایش آالیندههای هوا و غیر اقتصادی بودن افزایش تعداد ایس تگاههای موجود دستیابی به پوش ش مکانی و زمانی مناس ب جهت نشان دادن تغییرات غلظت ذرات معلق در س طح زمین بسیار دشوار است. در این بین محققان کوش یدهاند تا با بهرهگیری از تکنیک س نجش از دور ابزاری سریع و اقتصادی را جهت پیشبینی غلظت ذرات معل ق در اختیار قرار دهن د )7-9(. س نجندههای ماهوارهای کدورت موجود در س تون جو ناشی از فراوانی ذرات معلق را از طریق بازیابی ش اخص عمق اپتیک ی آالیندهها Aerosol( (AOD) )Optical Depth مش خص مینمایند. محقق ان هم واره در تالش هس تند تا رابط ه PM-AOD را از طریق ارائه مدلهای خطی بس یار ساده تا مدلهای غیرخطی پیچیده بهبود بخش یده و توانایی آنها در پیشبینی غلظت ذرات معلق در سطح زمین را افزایش دهند. مطالعات انجام شده نشان داده اس ت که اس تفاده از یک رابطه خطی تک متغی ره بین پارامتر غلظ ت ذرات معلق و AOD نمیتواند منجر به مدلی مقاوم و توانا جهت پیشبینی غلظت ذرات معلق در س طح زمین شود. در نتیجه پیش نهاد شده است تا با استفاده از پارامترهای کمکی از جمله پارامترهای هواشناس ی موث ر توانایی مدلها افزایش داده شود )7 12-10(. PM 2.5 مطالعات ابتدایی در راس تای بررس ی رابط ه -AOD عموما از رگرسیون خطی جهت ایجاد ارتباط مورد نظر استفاده کردهان د )10 14(. 13 جهت بهبود رابطه مورد نظر مدلهای رگرس یونی چند متغیره با بهرهگیری از پارامترهای هواشناسی مانند رطوبت نس بی و ارتفاع الی ه مرزی )7 11( و اطالعات کاربری زمین )15( جهت پیشبینی غلظت ذرات معلق پیشنهاد گردی د. با توجه به اینکه بس یاری از پارامترهای موثر بر رابطه PM 2.5 مانند متغیرهای هواشناس ی )دما و رطوبت( -AOD پروفای ل عم ودی غلظ ت ذرات معلق و س ایر خصوصیات اپتیکی آالیندهها دارای تغییرات روزانه هس تند انتظار میرود ت ا رابطه مورد نظر نیز به صورت روزانه تغییر نماید. به منظور در نظرگیری تغییرات روزانه پارامترهای مورد اس تفاده و بهبود عملک رد مدل Lee و همکاران در س ال 2011 بهرهگیری از مدل اثرات اختالط را پیش نهاد کردند )16(. در ادامه این مدل توس ط محققی ن در مناطق مختلف جهان مورد اس تفاده قرار گرفت و نتایج متفاوتی را در برداشت )8 21-17(. 9 مروری بر ادبیات موضوع نش ان داده است که مطالعات انجام ش ده در رابط ه با اس تفاده از تکنیک س نجش از دور جهت پیشبینی غلظت ذرات معلق در ایران بسیار محدود بوده است. مطالعات مش ابه نیز از مدلهای آماری جهت پیشبینی غلظت PM 10 اس تفاده نمودهان د )22 23(. این در حالی اس ت که PM 2.5 با تاکن ون مطالعهای جامع در رابطه با پیشبینی غلظت اس تفاده از پارامتر بازیابی شده توسط ماهواره برای شهر تهران انجام نش ده است. لذا در تحقیق پیشرو - با توجه به ضعف مدلهای رگرسیون خطی- از مدل اثرات اختالط خطی جهت توس عه م دل و پیشبینی غلظت ذرات معلق در س طح زمین استفاده شده است. مواد و روشها - منطقه مورد مطالعه PM 2.5 محدوده مکانی مورد نظر جهت بررسی رابطه -AOD کالنش هر تهران است که در محدوده 51 الی 51/7 در جهت ط ول جغرافیایی و 35/5 ال ی 36 در جهت عرض جغرافیایی واقع شده است. این کالن شهر با دارا بودن جمعیتی در حدود 214
سعید ستودهیان و همکار 8/5 میلی ون نفر به عنوان جمعیت ثابت و ش بکه حملو نقل متراک م و همچنی ن طوفانه ای گردوغبار متناوب ناش ی از کشورهای همس ایه به ش دت با معضل آلودگی هوا به ویژه PM 2.5 روبرو است.)23( غلظت باالی - دادهها در مطالعه حاضر از دادههای مربوط به عمق اپتیکی آالیندهها در طول موج 550 nm بازیابی شده توسط سنجنده (Moderate- resolution imaging spectroradiometer) MODIS )س طح دو- مجموعه 6( ک ه بر روی ماهواره اکو )ارسال شده در تاریخ 2002( May 4 قرار دارد استفاده شده است. س نجنده MODIS به دلیل پوش ش جهانی روزانه و وضوح مکانی 3 km ابزاری مناس ب جهت پیشبینی غلظت ذرات معلق در س طح زمین است. دادههای AOD برای سال 2013 و ب ازه زمان ی 8:30-10:30 به وق ت جهانی متناظر با 12 الی 14 به وقت محلی تهیه ش ده اس ت. الزم به ذکر است که کلیه دادههای اس تخراج شده دارای باالترین سطح تضمین کیفیت )QA=3( اس ت )24 25(. دادههای مربوط به غلظت PM 2.5 از 13 ایستگاه س نجش آلودگی هوا در سطح س اعتی ش هر تهران )زیر نظر ش رکت کنترل کیفیت هوا( برای س ال 2013 جمعآوری ش ده اس ت. مقادیر غلظت استفاده شده در این مطالعه از متوس ط غلظت ثبت ش ده برای ساعات 12 الی 14 به دس ت آمده که متناظ ر با زمان عبور ماه واره بر فراز منطقه مورد مطالعه اس ت. از آنجاییکه پارامترهای هواشناسی میتوانن د از طری ق تاثی ر ب ر روی خصوصی ات فیزیکی و ش یمیایی ذرات معلق ویژگیه ای اپتیکی آنها را تغییر دهند لذا به نظر میرسد استفاده از این پارامترها در مدلهای آماری س بب افزایش توانایی مدلها در پیشبینی غلظت ذرات گردد )23(. بدین منظور پارامترهای هواشناسی مختلف از 5 ایستگاه س ینوپتیک در س طح ش هر تهران جمعآوری ش ده و جهت اس تفاده در مدل بکار گرفته ش دهاند. جانمایی ایس تگاههای سنجش آلودگی هوا و ایستگاههای سینوپتیک در شکل 1 نشان داده شده است. شکل 1- جانمایی ایستگاههای سنجش آلودگی هوا و سینوپتیک در سطح شهر تهران )دوایر ایستگاههای سنجش هستند( 215
... خطی اختالط اثرات مدل از بهرهگیری آماری مدل توسعه - مطالعات در اختالط اث رات مدل مناس ب عملکرد به توجه با از بهرهگیری با تا اس ت ش ده س عی نیز مطالعه این در اخیر پارامترهای از اس تفاده و خطی متغیره چند اختالط اثرات مدل پیشبینی جه ت قبول قابل عملکرد ب ا مقاوم مدلی کمک ی بهدست نهایی مدل ش ود. ارائه س طح در معلق ذرات غلظت است. شده آورده 1 معادله در پژوهش این در آمده PMij = ( α 0 + U j ) + α1 AODij + α2 Tempij + α3 RHij + α TC + α PBLH + V AOD + s + ε 4 ij 5 ij j ij i ij در و iام پایش ایس تگاه در PM 2.5 غلظت PM 1 معادل ه در ij به PBLH ij TC ij RH ij Temp ij AOD ij اس ت. jام روز ( 1 ) پوش ش نس بی رطوبت دما معلق ذرات اپتیکی عمق ترتیب روز در i سنجش ایس تگاه به مربوط مرزی الیه ارتفاع و ابری تا α 1 رندم و ثابت مبدا از عرض ترتیب به U j و α 0 است. jام AOD پارامتر به مربوط رندم شیب V j و ثابت شیبهای α5 است. i پایش ایستگاه به مربوط رندم مبدا از عرض s i اس ت. برازش با است. jام روز و i سنجش ایستگاه در خطا عبارت ε+ ij جمعآوری دادهه ای مجموعه روی ب ر مدل مختلف اش کال و گردید تعیی ن 1 معادله بص ورت مدل نهایی ش کل ش ده ارزیابی جهت ش د. تعیین مذکور مدل رندم و ثابت ضرای ب مربعات میانگین جذر و R( 2 ( تعیی ن ضریب از مدل عملکرد تعیین ضریب مقادیر اس ت. ش ده اس تفاده )RMSE( خطا ش ده اندازهگیری غلظت مقادیر بین موجود همبس تگی میزان بیانگر RMSE حالیکه در میدهد نشان را ش ده پیشبینی و س طح در معلق ذرات غلظت پیشبینی در مدل خطای می زان تغییرات بررسی به توجه با که اس ت ذکر به الزم اس ت. زمین اثرات مدل توس ط مطالعه مورد بازه طی در پارامترها روزان ه نیازمند خاص روز ی ک در برازش جهت م دل این اختالط از روزهایی نتیجه در اس ت. PM 2.5 -AOD زوج دو حداقل مستقل پارامترهای دارای پایش ایستگاه یک تنها آن در که سال میشود. حذف مدلسازی از باشد مدل برازش جهت نیاز مورد مجموعه روی ب ر خطی اختالط اث رات مدل ب رازش جهت است. شده استفاده R نرمافزار از شده جمعآوری دادههای آماری مدل اعتبارسنجی - متقاطع اعتبارس نجی روش از آماری مدل اعتبارس نجی جهت این در است. ش ده اس تفاده )Cross Validation (CV)( مدلسازی و ش ده جدا ایس تگاه یک به مربوط دادههای روش صورت باقیمانده ایستگاه 12 به مربوط دادههای از اس تفاده با جدا ایستگاه برای معلق ذرات غلظت مقادیر س پس میپذیرد. تخمین در مدل توانایی تا میگردد پیشبینی مدل توسط ش ده سنجیده است نش ده داده آموزش آنها برای که غلظتی مقادیر جداگانه ص ورت به ایس تگاهها تمامی برای عمل این ش ود. اعتبارسنجی جهت یکبار دادهها کلیه ترتیب بدین و شده تکرار میگیرند. قرار استفاده مورد یافتهها دادهها آماری توصیف - 1 جدول در مدل در اس تفاده مورد دادههای آم اری توصیف با ایستگاهها کلیه در PM 2.5 غلظت مقادیر اس ت. ش ده آورده از )SD=18/2 µg/m 3 ( 31/7 µg/m 3 متوس ط می زان ک ه اس ت ب وده متغی ر 127/5 µg/m 3 ت ا 4/5 µg/m 3 از AOD دادههای است. آالینده این غلظت باالی سطح بیانگر )SD=0/25( 0/71 متوس ط دارای و بوده متغیر 1/54 تا 0/21 اندازهگیری PM دادههای تمام که اس ت ذکر به الزم است. 2.5 AOD ماه وارهای پارامتر دارای لزوما ایس تگاهها در ش ده در PM برای شده اندازهگیری داده 3600 از نیس تند متناظر 2.5 13 تنها پایش ایستگاه 13 به مربوط و مطالعه مورد زمانی بازه ش ده بازیابی متناظر AOD پارامتر دارای دادهها این از درصد MODIS سنجنده ضعف موضوع این هستند. ماهواره توسط ابری آلودگی جمله از مختلف دالیل به را AOD بازیاب ی در غیره و س طوح ب ودن ب راق )Cloud Contamination( تغییرات بازه و 28/8 o C متوس ط با دما مقادیر میدهد. نش ان این توجه قابل تغیی رات نش اندهنده 39/2 o C ت ا 11/2 o C معلق ذرات غلظت ب ر دما تاثیر اس ت. فصول ط ی در پارامتر 216 1396 تابستان دوم/ شماره دهم/ دوره
سعید ستودهیان و همکار لزوما به صورت رابطه مس تقیم نبوده و به ترکیب ذرات معلق بس تگی دارد )26(. متوس ط میزان رطوبت نسبی 19/5 درصد با انحراف معیار 6/8 درصد بوده که نش اندهنده شرایط جوی خش ک به دلیل مج اورت محدوده مطالعه ب ه مناطق کویری است. با اینحال برای روزهایی که میزان رطوبت نسبی افزایش مییابد ذرات آبدوست Particles( )Hygroscopic تغییر ان دازه داده و خصوصی ات اپتیک ی آنها تغیی ر میکند )26(. پوش ش ابری نیز دارای میانگین 1 و انحراف معیار 1/5 است. دادهها نشان میدهد که آلودگی ابری سبب عدم بازیابی پارامتر AOD در بس یاری از زمانها به ویژه در فصول سرد گردیده اس ت. مقادیر ارتفاع الیه مرزی در ب ازه 919 m تا 4110 m متغیر اس ت. در حالیکه عوامل دیگر دارای اثرات متفاوت بر PM 2.5 هستند کاهش ارتفاع الیه مرزی و روی رابطه -AOD اختالط عمودی میتواند س بب افزایش غلظت ذرات معلق در سطح زمین گردد )26(. آماري آماری مدل مدل در در استفاده استفاده مورد جدول جدول 1-1- توصيف توصیف آماري آماری پارامترهاي پارامترهای مستقل مستقل و وابسته وابسته مورد SD Mean 5 درصد 95 درصد Max Min متغير دادهها آماره 18 /2 31 /7 127 /5 67 /7 10 /7 4 /5 PM 2,5 2.5 0/25 0/71 1/54 1/21 0/37 0/21 AOD 1/5 1 8 4 صفر صفر TC 6 28/ /8 39/2 36/2 17 11/2 Temp 6/8 19/ /5 61 31 10 5 RH 503 2841 4110 3660 1926 919 PBLH جهت پیشبینی غلظت ذرات معلق در سطح زمین را در اختیار ق رار دهد. جهت بهب ود رابطه موجود بی ن PM و مقادیر 2.5 AOD بازیابی شده توس ط ماهواره از مدل اثرات اختالط به همراه پارامترهای کمکی موثر از جمله پارامترهای هواشناس ی استفاده شده است تا مدل به حد مطلوب نزدیک شود. همبس تگی موجود بین پارامتر AOD بازیابی ش ده توس ط PM 2.5 در نمودار 1 نش ان داده شده ماهواره و مقادیر غلظت است. ضریب تعیین 0/03 نش ان میدهد که رابطه اولیه بسیار ضعیفی میان این دو پارامتر برقرار است. لذا میتوان دریافت که استفاده از رابطه رگرس یونی تک متغیره نمیتواند مدلی مقاوم PM 2.5 اندازهگير اندازهگیری شده در شده ايست در اههاي پايش ایستگاههای مپایش زمینی نمودار 1- نمودار 1- پراکندگی پراكندگي پارامتر پارامتر مستقل مستقل AOD در در مقا مقابلل غلظت غلظت 217
... خطی اختالط اثرات مدل از بهرهگیری مدل عملکرد - و مدلسازی فرایند طی پیشنهادی مدل عملکرد به مربوط نتایج متغیرهای تمامی است. شده داده نشان 2 نمودار در اعتبارسنجی قبولی قابل معنیداری سطح دارای مدل در شده استفاده مستقل در پارامترها این از اس تفاده که معنا بدین )0/05>p(. هس تند در معلق ذرات غلظت پیشبینی در مدل عملکرد بهبود به مدل فرایند طی شده داده توسعه مدل کرد. خواهد کمک زمین سطح در موجود تغییرات از درص د 72 توصیف توانایی مدلس ازی این )0/85=R(. است دارا را زمین سطح در معلق ذرات غلظت ضریب دارای اعتبارسنجی دوره طی مدل این که است حالی در مدل مربوطبه RMSE مقدار اس ت. )0/76=R( 0/57 تعیین و 8/5 µg/m 3 ترتیب به اعتبارسنجی و مدلس ازی دوره طی آمده بدست بازه به توجه با است. شده محاسبه 10/8 µg/m 3 به )0/76-0/85=R( پیشنهادی مدل همبس تگی ضریب برای قبولی قابل توانایی دارای شده داده توسعه مدل که میرسد نظر است. زمین سطح در معلق ذرات غلظت پیشبینی در اعتبارسنجی )2( مدلسازی )1( شده اندازهگیری و شده پیشبینی غلظت مقادیر مقایسه 2- نمودار 218 1396 تابستان دوم/ شماره دهم/ دوره
سعید ستودهیان و همکار تغیی رات روزان ه مقادیر غلظت پیشبینی ش ده ط ی فرایند مدلس ازی و اعتبارسنجی در مقایسه با مقادیر اندازهگیری شده در س طح زمین در نمودار 3 نش ان داده ش ده اس ت. در این نمودار مقادیر PM اس تفاده ش ده برای هر روز از میانگین 2.5 غلظت ذرات معلق در ایس تگاههای مختل ف مربوط به همان روز محاس به شده اس ت. نتایج نش ان میدهد که منحنیهای حاص ل از مقادی ر پیشبینی ش ده توانایی دنب ال کردن روند موجود در منحن ی حاصل از مقادیر اندازهگیری ش ده را دارا هس تند. با اینحال منحنی مقادیر پیشبینی ش ده طی فرایند مدلسازی دارای همخوانی بیشتری با منحنی حاصل از دادههای اندازهگیری شده است. مدل در فرایند مدلسازی دارای بهترین عملک رد طی ماههای May و July با ضریب تعیین به ترتیب 0/98 و 0/91 است. این در حالی است که مدل طی اعتبارسنجی در ماههای May و August با ضریب تعیین به ترتیب 0/98 و 0/96 بهترین عملکرد خود را نشان داده است. مقایسه مقادیر R 2 بهدس ت آمده طی ماههای مختلف نشان میدهد که مقادیر پیشبینی ش ده در اواس ط بازه زمانی م ورد مطالعه به مقادیر اندازهگیری شده نزدیک بوده ولی در ابتدا و انتهای بازه زمانی عملکرد مدل کاه ش مییابد با اینحال توانایی مدل همچنان در سطح قابل قبولی قرار دارد )نمودار 3(. Observed Model-Fitting Cross-Validation PM 2.5 Concentration Day PM 2.5 اندازهگیری شده و پیشبینی شده طی فرایند مدلسازی و اعتبارسنجی نمودار 3- تغییرات روزانه PM 2.5 تخمین زده ش ده توس ط مدل توزیع مکانی غلظت در ش کل 2 نش ان داده ش ده است. تخمین س االنه غلظت ذرات معل ق در ش هر تهران در ب ازه 22-45 µg/m 3 قرار دارد. مقادیر ب االی غلظت پیشبینی ش ده مربوط به مناطق مرکزی و شمالی ش هر تهران است که با مقادیر اندازهگیری شده نیز تطابق دارد. بحث مقایس ه پژوهش انجام شده با نتایج مطالعات پیشین بیانگر این موضوع است که یافتههای این تحقیق و ضرایب تعیین حاصله میان مقادیر اندازهگیری ش ده و پیشبینی ش ده در سطح قابل قبولی نس بت به نتایج مطالعات انجام شده توسط سایرین بوده اس ت )8 21(. 19 16 الزم به ذکر است که دادههای AOD 219
بهرهگیری از مدل اثرات اختالط خطی... PM 2.5 تخمین زده شده در سال 2013 شکل 2- تغییرات مکانی غلظت استفاده ش ده در این تحقیق دارای وضوح مکانی 3 km بوده و در س ال 2014 توس ط ناس ا در اختیار محققین قرار گرفته اس ت )25( و مطالع ات اندکی با اس تفاده از دادههایی با این وضوح مکانی تاکنون در دنیا صورت پذیرفته اس ت )26 27(. اگرچه تاکنون مطالعات مختلفی در خصوص رابطه موجود بین پارامتره ای ماهوارهای و غلظت ذرات معلق در س طح زمین صورت پذیرفته اس ت اما مطالعه حاضر اولین پژوهش در این رابطه جه ت پیشبینی غلظت PM با اس تفاده از دادههای 2.5 AOD با وضوح مکانی 3 km در ایران است. PM 2.5 نش ان میدهد که رابطه خطی بررس ی رابطه -AOD تک متغیره ضعیف میان این دو متغیر میتواند با استفاده از مدل اثرات اختالط خط ی و همچنین بکارگیری پارامترهای کمکی به میزان قابل قبولی بهبود یابد بگونهای که میزان ضریب تعیین از 0/03 ب رای م دل خطی تک متغیره ب ه 0/72 افزایش یافته اس ت. با اینحال عملکرد مدل نشان داده است که اگرچه مدل اثرات اخت الط خطی طی فرایند مدلس ازی توانایی پیشبینی PM 2.5 را دارا است اما مدل مذکور نتوانسته غلظتهای باالی اس ت این عملکرد را طی اعتبارس نجی حفظ نموده و جهت PM 2.5 با مش کل مواجه شده است. الزم تخمین مقادیر باالی به ذکر اس ت که منطقه مورد مطالعه در بازههای زمانی خاصی از سال در معرض طوفانهای گردوغبار محلی و منطقهای بوده و این امر عموما سبب افزایش غلظت ذرات معلق شده و فرایند مدلس ازی را با مش کل مواجه میس ازد )28 29(. همچنین مشکالت مربوط به بازیابی AOD توسط سنجنده در محدوده مطالعات ی به دلیل وجود نواحی بیابانی و نیمه-بیابانی به جهت دارا بودن س طوح براق میتواند بر عملک رد مدلهای آماری تاثیر بگذارد )22 23(. مطالعه مش ابه در منطقه خاورمیانه نیز PM 2.5 را به ترتیب 0/69 و PM 10 و بیشترین مقدار R 2 برای 0/45 گزارش کرده اس ت ) 21 ( که این امر نشاندهنده چالش برانگیز بودن رابطه PM-AOD برای منطقه خاورمیانه نسبت به س ایر نقاط دنیا است. لذا به نظر میرسد مطالعات بیشتر در این زمینه به منظور بررسی رابطه مورد نظر برای محدوده مورد مطالعه در آینده مورد نیاز خواهد بود. بررسی تغییرات زمانی مقادیر پیشبینی شده و اندازهگیری شده 220
همکار و ستودهیان سعید جهت باالیی توانایی از آمده بدست مدل که میدهد نش ان نیز نتایج همچنین است. برخوردار سطح در غلظت مقادیر تخمین ذرات غلظت ش ده پیشبینی مقادیر مکانی توزی ع به مرب وط دارد مطابقت شهر این کنونی ش رایط با تهران ش هر در معلق سبب شرق( به )غرب تهران شهر غالب باد س و یک از چراکه به غربی حاش یه در صنعتی مناطق از تولیدی آالیندههای انتقال حملونقل شبکه دیگر سوی از و گردیده ش هر محدوده درون با نقلیه وس ایل و ش هر- مرکز در ویژه به موجود متراک م مناطق در هوا آلودگی بحران تا است شده موجب پایین کیفیت یابد. مضاعف شدت شرقی شمال و شمالی مرکزی نتیجهگیری پارامتر همراه به خط ی اختالط اثرات مدل حاضر مطالع ه در از 3 km مکانی وضوح با ماهواره توسط شده بازیابی AOD ذرات غلظت پیشبینی جهت MODIS )C06( 6 مجموع ه پارامترهای همچنین است. شده گرفته بکار تهران شهر در معلق عملکرد بهبود جهت کمک ی پارامترهای عنوان به هواشناس ی حساس یت آنالیز ش دهاند. لحاظ مدل نهایی ش کل در م دل در اس تفاده مورد پارامترهای مختلف ترکیبات روی بر جامعی عملکردی سطح باالترین با مدل شکل بهترین تا شد انجام مدل توانایی پیشنهادی مدل که است داده نش ان نتایج گردد. تعیین س طح در معلق ذرات غلظت تغییرات از درصد 72 توصی ف نشان نیز اعتبارسنجی دوره در حاصله نتایج است. دارا را زمین و ش ده اندازهگیری مقادیر میان تعیین ضری ب که اس ت داده مقادیر روزانه تغییرات است. 0/57 دوره این در شده پیشبینی توانایی که است آن از حاکی شده اندازهگیری و شده پیشبینی اندازهگیری مقادیر همچنین و تغییرات روند پیشبینی در م دل مکانی توزیع همچنین دارد. قرار قبولی قابل س طح در ش ده تهران شهر سطح در معلق ذرات غلظت ش ده پیشبینی مقادیر شمالی مرکزی مناطق و بوده مطابق شده اندازهگیری مقادیر با نقشه شدهاند. مشخص شهری آلوده مناطق جزء شرق شمال و و مطالعه محدوده واقعی وضعیت با آمده بدست مکانی توزیع است. داشته همخوانی آلودگی کننده تولید منابع و ماهوارهای پارامت ر به ش ده ارائه آماری مدل آنجاییک ه از در مناطقی برای میتواند اس ت وابسته هواشناس ی متغیرهای مش ابه آالینده منابع و آبوهوایی وضعی ت دارای ک ه ایران ش بکه دارای کویری نیمه مناط ق در واق ع کالنش هرهای انتها در گیرد. قرار اس تفاده مورد هس تند متراکم- حملونقل میتواند دور از س نجش تکنیک از اس تفاده که گفت میتوان غلظت مقادیر تخمین جهت اقتصادی و سریع روشی عنوان به مناطقی برای بخصوص شود گرفته بکار سطح در معلق ذرات هستند. پراکنده زمینی پایش ایستگاههای شبکه دارای که منابع 1. WHO. Air quality guidelines for Europe. Copenhagen: World Health Organization Regional Office for Europe; 2000. 2. Kampa M, Castanas E. Human health effects of air pollution. Environmental Pollution. 2008;151(2):362-67. 3. Atkinson RW, Ross Anderson H, Sunyer J, Ayres J, Baccini M, Vonk JM, et al. Acute effects of particulate air pollution on respiratory admissions: Results from APHEA 2 project. American Journal of Respiratory and Critical Care Medicine. 2001;164(10):1860-66. 4. Brunekreef B, Holgate ST. Air pollution and health. The lancet. 2002;360(9341):1233-42. 5. Pope CA. Epidemiology of fine particulate air pollution and human health: Biologic mechanisms and who s at risk? Environmental Health Perspectives. 2000;108(Suppl 4):713-23. 6. Dominici F, Peng RD, Bell ML, Pham L, McDermott A, Zeger SL, et al. Fine particulate air pollution and hospital admission for cardiovascular and respiratory diseases. JAMA. 2006;295(10):1127-34. 7. Tian J, Chen D. A semi-empirical model for predicting hourly ground-level fine particulate matter (PM 2.5) concentration in southern Ontario from satellite remote sensing and ground-based meteorological measurements. Remote Sensing of Environment. 2010;114(2):221-29. 8. Nordio F, Kloog I, Coull BA, Chudnovsky A, Gril- 1396 تابستان دوم/ شماره دهم/ دوره 221
بهرهگیری از مدل اثرات اختالط خطی... lo P, Bertazzi PA, et al. Estimating spatio-temporal resolved PM 10 aerosol mass concentrations using MODIS satellite data and land use regression over Lombardy, Italy. Atmospheric Environment. 2013;74:227-36. 9. Lee HJ, Coull BA, Bell ML, Koutrakis P. Use of satellite-based aerosol optical depth and spatial clustering to predict ambient PM2.5 concentrations. Environmental Research. 2012;118:8-15. 10. Wang J, Christopher SA. Intercomparison between satellite derived aerosol optical thickness and PM2.5 mass: Implications for air quality studies. Geophysical Research Letters. 2003;30(21):2095. doi:10.1029/2003gl018174. 11. Liu Y, Franklin M, Kahn R, Koutrakis P. Using aerosol optical thickness to predict ground-level PM2.5 concentrations in the St. Louis area: A comparison between MISR and MODIS. Remote Sensing of Environment. 2007;107(1):33-44. 12. Liu Y, Sarnat JA, Kilaru V, Jacob DJ, Koutrakis P. Estimating ground-level PM2.5 in the eastern United States using satellite remote sensing. Environmental Science & Technology. 2005;39(9):3269-78. 13. Engel-Cox JA, Holloman CH, Coutant BW, Hoff RM. Qualitative and quantitative evaluation of MODIS satellite sensor data for regional and urban scale air quality. Atmospheric Environment. 2004;38(16):2495-509. 14. Shao P, Xin J, An J, Kong L, Wang B, Wang J, et al. The empirical relationship between PM2.5 and AOD in Nanjing of the Yangtze River Delta. Atmospheric Pollution Research. 2017;8(2):233-43. 15. Kloog I, Nordio F, Coull BA, Schwartz J. Incorporating local land use regression and satellite aerosol optical depth in a hybrid model of spatiotemporal PM2.5 exposures in the Mid-Atlantic states. Environmental Science & Technology. 2012;46(21):11913-21. 16. Lee H, Liu Y, Coull B, Schwartz J, Koutrakis P. A novel calibration approach of MODIS AOD data to predict PM2.5 concentrations. Atmospheric Chemistry and Physics. 2011;11(15): 7991-8002. 17. Meng X, Fu Q, Ma Z, Chen L, Zou B, Zhang Y, et al. Estimating ground-level PM10 in a Chinese city by combining satellite data, meteorological information and a land use regression model. Environmental Pollution. 2016;208:177-84. 18. Zheng Y, Zhang Q, Liu Y, Geng G, He K. Estimating ground-level PM2.5 concentrations over three megalopolises in China using satellite-derived aerosol optical depth measurements. Atmospheric Environment. 2016;124:232-42. 19. Yap X, Hashim M. A robust calibration approach for PM10 prediction from MODIS aerosol optical depth. Atmospheric Chemistry and Physics. 2013;13(6):3517-26. 20. Hu X, Waller LA, Lyapustin A, Wang Y, Al-Hamdan MZ, Crosson WL, et al. Estimating groundlevel PM2.5 concentrations in the Southeastern United States using MAIAC AOD retrievals and a two-stage model. Remote Sensing of Environment. 2014;140:220-32. 21. Sorek-Hamer M, Kloog I, Koutrakis P, Strawa AW, Chatfield R, Cohen A, et al. Assessment of PM2.5 concentrations over bright surfaces using MODIS satellite observations. Remote Sensing of Environment. 2015;163:180-85. 22. Ghotbi S, Sotoudeheian S, Arhami M. Estimating urban ground-level PM10 using MODIS 3km AOD product and meteorological parameters from WRF model. Atmospheric Environment. 2016;141:333-46. 23. Sotoudeheian S, Arhami M. Estimating groundlevel PM10 using satellite remote sensing and ground-based meteorological measurements over Tehran. Journal of Environmental Health Science and Engineering. 2014;12(1):122-35. 24. Remer LA, Kaufman Y, Tanré D, Mattoo S, Chu D, Martins JV, et al. The MODIS aerosol algorithm, products, and validation. Journal of the Atmospheric Sciences. 2005;62(4):947-73. 25. Remer L, Mattoo S, Levy R, Munchak L. MODIS 3 km aerosol product: algorithm and global perspective. Atmospheric Measurement Techniques. 2013;6(7):1829-44. 26. You W, Zang Z, Pan X, Zhang L, Chen D. Estimating PM2.5 in Xi an, China using aerosol optical depth: A comparison between the MODIS and MISR retrieval models. Science of the Total Environment. 2015;505:1156-65. 222
سعید ستودهیان و همکار 27. Xie Y, Wang Y, Zhang K, Dong W, Lv B, Bai Y. Daily estimation of ground-level PM2.5 concentrations over Beijing using 3 km resolution MO- DIS AOD. Environmental Science & Technology. 2015;49(20):12280-88. 28. Sotoudeheian S, Salim R, Arhami M. Impact of Middle Eastern dust sources on PM10 in Iran: Highlighting the impact of Tigris Euphrates basin sources and Lake Urmia desiccation. Journal of Geophysical Research: Atmospheres. 2016;121(23):14018-34. 29. Kermanshah A, Sotoudeheian S, Tajrishy M. Satellite and ground-based assessment of Middle East meteorological parameters impact on dust activities in western Iran. Scientia Iranica. Transaction C, Chemistry, Chemical Engineering. 2016;23(6):2478-93. 223
Iran. J. Health & Environ., 2017, Vol. 10, No. 2 Available online: http:// Original Article Using linear mixed effect model to estimate ground-level PM 2.5 : case study for Tehran S Sotoudeheian *, M Arhami Environmental Engineering and Water Resource Division, Department of Civil Engineering, Sharif University of Technology, Tehran, Iran ARTICLE INFORMATION: Received: 21 May 2017 Revised: 12 August 2017 Accepted: 16 August 2017 Published: 20 September 2017 Key words: PM 2.5, Aerosol optical depth, MODIS, Linear mixed effect model *Corresponding Author: Saeed_sotodian@yahoo.com ABSTRACT Background and Objective: In the recent decade, critical condition of particulate matters (PMs) concentration is considered as one of the most important issues in Tehran megacity. Due to sparse spatial distribution of air quality monitoring stations and economic considerations, researchers proposed remote sensing technique as a fast and economical way to obtain complete spatial and temporal coverage of PM concentrations. Materials and Methods: In this study, aerosol optical depth (AOD) retrieved by MODIS along with meteorological parameters were used to develop statistical linear mixed effect (LME) model and estimating ground-level PM 2.5 concentrations. AOD data with a spatial resolution of 3 km from 13 monitoring stations and meteorological data from 5 synoptic stations were extracted over Tehran during 2013. Results: The results showed that the proposed model was able to explain about 57%-72% of daily PM 2.5 concentration variations. Temporal analysis of predicted PM 2.5 concentrations could follow the curve trend which was obtained from the observed PM 2.5 measurements with a reasonable level of accuracy. Best performance of the model was in May 2013 during a model-fitting and cross-validation practice. Also, the spatial distribution of the estimated PM 2.5 concentrations was consistent with the measured values in the monitoring stations. Conclusion: Based on the spatial distribution map of the estimated PM 2.5, central and northern parts of Tehran were the most polluted areas in the study region. The result showed that the LME model using the satellitederived AOD and meteorological variables could provide an accurate prediction of ground-level PM 2.5 concentrations. Please cite this article as: Sotoudeheian S, Arhami M. Using linear mixed effect model to estimate ground-level PM 2.5 : case study for Tehran. Iranian Journal of Health and Environment. 2017;10(2):213-24.