تعداد نشریات | 31 |
تعداد شمارهها | 712 |
تعداد مقالات | 6,935 |
تعداد مشاهده مقاله | 11,408,760 |
تعداد دریافت فایل اصل مقاله | 7,787,194 |
برآورد رابطه میان PM10 و دید افقی به تفکیک کد همدیدی در یزد | ||
مخاطرات محیط طبیعی | ||
مقاله 6، دوره 8، شماره 19، فروردین 1398، صفحه 75-90 اصل مقاله (1.96 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22111/jneh.2018.20849.1283 | ||
نویسندگان | ||
مهدی دهقان1؛ کمال امیدوار* 2؛ غلامعلی مظفری3؛ احمد مزیدی3 | ||
1دانشجوی دکتری آب و هواشناسی گرایش مخاطرات آب و هوایی. دانشگاه یزد | ||
2استاد اقلیم شناسی، گروه جغرافیا، دانشگاه یزد | ||
3دانشیار اقلیم شناسی، گروه جغرافیا، دانشگاه یزد | ||
چکیده | ||
ذرات معلق با قطر کوچکتر از 10 میکرون (PM10) و دید افقی، به عنوان دو فراسنج مهم در پژوهشهای مرتبط با ریزگردها و گرد و غبارهای تروپوسفری شناخته میشوند که آلودگی هوا تا اندازهی زیادی وابسته به مقدار این دو فراسنج در زمان است. این پژوهش، رابطهی میان فراسنجهای PM10 و دید افقی را با کاربست الگوریتم تکاملی ژنتیک واکاوی کرده است. منطقهی مورد بررسی شهر یزد در جایگاه نمایندهی 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 دادههای PM10 از ایستگاههای 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 همسنجی قرار گرفتند؛ که تابع گوسین به عنوان مناسبترین تابع برازندگی گزینش گردید. دستآوردهای 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 دورهی 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 میباشند. | ||
کلیدواژهها | ||
PM10؛ دید افقی؛ الگوریتم ژنتیک؛ تابع گوسین؛ یزد | ||
مراجع | ||
حجازی عباس؛ محمد رضا مباشری و ابوالفضل احمدیان (1393). بهینه سازی یک مدل شبه تجربی با استفاده از الگوریتم ژنتیک به منظور برآورد غلظت ذرات معلق (PM10) سطحی در شهر تهران با استفاده از دادههای ماهوارهای و دادههای هواشناسی. جغرافیا و برنامهریزی محیطی، سال 25، پیاپی 54، شماره 2، صص 37-50. خوش سیما مسعود؛ عباسعلی علی اکبری بیدختی و فرهنگ احمدی گیوی (1392). تعیین عمق نوری هواویزها با استفاده از دادههای دید افقی و سنجش از دور در دو منطقه شهری در ایران، مجله فیزیک زمین و فضا، دوره 39، شماره 1، صص 163-174. خوشسیما مسعود؛ سمانه ثابتقدم و عباسعلی علی اکبری بیدختی (1394). تخمین تمرکز ذرات معلق در جو با استفاده از دادههای سنجش از دور ماهوارهای و زمینپایه و پراسنجهای هواشناختی: کاربست شبکۀ عصبی مصنوعی، فیزیک زمین و فضا، دوره 41، شماره 3، صص 499-510. رنجبران ملیحه؛ عاطفه عجمی؛ محسن بنجخی؛ هادی برزویی و سید مجتبی برزین (1393). بررسی رابطه بین زاویه و شدت پراکندگی برای ذرات جوی کاهنده قابلیت دید افقی، مرکز خدمات تخصصی اپتیک جهاد دانشگاهی صنعتی شریف، بیست و یکمین کنفرانس اپتیک و فوتونیک ایران و هفتمین کنفرانس مهندسی و فناوری فوتونیک ایران، دانشگاه شهید بهشتی، صص 1397-1400. مغربی مهدی و مسعود تجرشی (1390). بررسی کاربرد حسگرهای ماهوارهای در تشخیص ذرات معلق شهرهای بزرگ، فصلنامه علمی پژوهشی و تحلیلی اوج، دانشگاه صنعتی شریف، دانشکده هوا فضا، شماره 1، صص 38-41. Baddock, M.C., Strong, C.L., Leys, J.F., Heidenreich, S.K., Tews, E.K., McTainsh, G.H., (2014). A visibility and total suspended dust relationship. Atmospheric Environment, 89, 329-336. Camino, C., Cuevas, E., Basart, S., Alonso, S., Baldasano, J.M., Terradellas, E., Marticorena, B., RodrIguez, S., Berjon, A., (2015). An empirical equation to estimate mineral dust concentrations from visibility observations in Northern Africa. Aeolian Research, 16, 55–68. Chepil, W.S., Woodruff, N.P., (1957). Sedimentary characteristics of dust storms: visibility and dust concentration. American Journal of science, 255, 104-114. Davor, A., Viktor, P., Dragan, P., Mirjana, R., Aleksandra, P., (2013). PM10 emission forecasting using artificial neural networks and genetic algorithm input variable optimization. Science of the Total Environment, 443, 511–519. Dayan, U., Ziv, B., Shoob, T., Enzel, Y., (2008). Suspended dust over southeastern Mediterranean and its relation to atmospheric circulations. International Journal of Climatology, 28, 915–924. Dimitris, V., Kostas, K., Jaakko, K., Teemu, R., Ari, K., Mikko, K., (2011). Intercomparison of air quality data using principal component analysis, and forecasting of PM10 and PM2.5 concentrations using artificial neural networks, in Thessaloniki and Helsinki. Science of the Total Environment, 409, 1266–1276. Ganjehkaviri, A., Mohd, M.N., Hosseini, S.E., Barzegaravval, H., (2017) Genetic algorithm for optimization of energy systems: Solution uniqueness, accuracy, Pareto convergence and dimension reduction. Energy, 119, 167–177. Grivas, G., Chaloulakou, A., (2006). Artificial neural network models for prediction of PM10 hourly concentrations, in the Greater Area of Athens, Greece. Atmospheric Environment, 40, 1216–1229. Grzegorz, M., Wioletta, R., Piotr, O., Artur, B., Andrzej, B., (2015). The Impact of Selected Parameters on Visibility: First Results from a Long-Term Campaign in Warsaw, Poland. Atmosphere, 6, 1154-1174. Doi: 10.3390/atmos6081154. Guillaume, A., Almeida, D., (1986). A model for Saharan dust transport. American Meteorological Society, 25, 903-916. Maulik, U., Bandyopadhyay, S., (2000) Genetic algorithm-based clustering technique. Pattern Recognition, 33, 1455-1465. Patterson, E.M., Gillette, D.A., (1977). Measurements of visibility vs. mass concentration for airborne soil particles. Atmospheric Environment, 11, 193–196. Shao, Y., Yang, Y., Wang, J., Song, Z., Leslie, L.M., Dong, C., Zhang, Z., Lin, Z., Kanai, Y., Yabuki, S., Chun, Y., (2003), Northeast Asian dust storms: Real-time numerical prediction and validation, Journal of Geophysical Research, 108, doi:10.1029/2003JD003667. Vajanapoom, N., Carl, M., Lucas, M., Dana. L., (2001). Estimation of particulate matter from visibility in Bangkok, Thailand. Journal of Exposure Analysis and Environmental Epidemiology, 11, 97-102. Wang, Z., Chen, L., Tao, J., Zhang, Y., Su. L., (2010). Satellite-based estimation of regional particulate matter (PM) in Beijing using vertical-and-RH correcting method. Remote Sensing of Environment, 114, 50–63. | ||
آمار تعداد مشاهده مقاله: 671 تعداد دریافت فایل اصل مقاله: 500 |