LED رگرسیون خطی (رگرسیون خطی)
کاربرد روش رگرسیون کاربری اراضی (LUR) در مدل‌سازی فضایی آلاینده‌های هوا در شهر اصفهان
سابقه و هدف:
یکی از معضلات مهم کلان‌شهرها، ازجمله شهر اصفهان، آلودگی هوا است و مهمترین آلاینده‌ها PM، O3، SO2، CO و NOx هستند. بررسی‌های متعددی نشان داده‌اند که مدل رگرسیون کاربری اراضی را می‌توان برای برآورد غلظت‌های آلاینده به‌طور LED رگرسیون خطی (رگرسیون خطی) دقیق بدون پایش مستمر آلودگی مورد استفاده قرار داد. هدف مدل‌های رگرسیون کاربری اراضی نشان دادن توزیع مکانی غلظت‌های آلاینده‌ها است. هدف کلی این پژوهش، استفاده از مدل رگرسیون کاربری اراضی به‌منظور درک بهتر توزیع و پراکنش مکانی آلاینده‌های NOX، PM10، CO، O3 و SO2 و بررسی تاثیر کاربری اراضی و سایر عوامل تاثیرگذار از جمله ترافیک بر کیفیت هوای شهر اصفهان است.
مواد و روش‌‌ها:
مدل‌سازی رگرسیون کاربری اراضی به‌عنوان روش مفیدی برای برآورد تغییرات غلظت آلاینده‌ها در شهرها استفاده می‌شود. این روش از الگوهای ترافیک، حمل‌ونقل و کاربری اراضی به‌عنوان پیش‌بینی‌کننده تغییرات LED رگرسیون خطی (رگرسیون خطی) آلودگی استفاده می‌کند. از آنجاکه آلودگی هوا با عوامل متعددی از قبیل جمعیت، ترافیک، کاربری اراضی، ارتفاع، طول جاده‌ها، حجم سواری شخصی و حجم حمل‌ونقل عمومی در ارتباط است، نقشه‌ها و داده‌های مربوط به این عوامل با استفاده از نرم‌افزار ArcGIS 10.2 تهیه و با استفاده از روش رگرسیون کاربری اراضی، مهمترین عوامل موثر در تولید هر یک از آلاینده‌ها تعیین شد. برای تهیه نقشه کاربری اراضی منطقه اصفهان از تصویر سنجندهTM ماهواره لندست و روش طبقه‌بندی نظارت‌شده LED رگرسیون خطی (رگرسیون خطی) حداکثر احتمال استفاده شد و بعد از آن صحت طبقه‌بندی ارزیابی شد. به‌منظور مدل‌سازی در ابتدا دو بافر دایره‌ای شکل در اطراف ایستگاه‌های سنجش آلاینده‌ها (500-1000 متر) تعریف شد. سپس مساحت کاربری‌های اراضی، طول معابر، ترافیک، جمعیت و ارتفاع به‌صورت جداگانه توسط نرم‌افزار ArcGIS10.2 استخراج شد. پس از استخراج متغیر‌های مورد نظر این داده‌ها با استفاده از نرم‌افزار SPSS 19 تجزیه‌وتحلیل آماری شد. برای آشکارسازی تاثیرات کاربری اراضی بر آلاینده‌ها، از رابطه رگرسیون خطی استفاده شد.
نتایج و بحث:
نتایج ارزیابی صحت طبقه‌بندی نشان‌دهنده قابلیت بالای روش طبقه‌بندی نظارت‌شده حداکثر احتمال در تهیه نقشه کاربری اراضی با صحت بالا است زیرا نقشه کاربری اراضی تهیه‌شده دارای صحت 95 درصد بود. نتایج مدل رگرسیون کاربری اراضی نشان داد از بین انواع گوناگون کاربری اراضی، مناطق مسکونی و صنعتی بیشترین تاثیر را در آلودگی هوا دارد و نتایج همچنین نشان داد که مهمترین عوامل موثر بر آلاینده‌ها حجم ترافیک، جمعیت و کاربری اراضی است.
نتیجه‌گیری:
براساس بررسی‌ها و تحلیل‌های صورت‌گرفته و با توجه به آنالیز همبستگی بین داده‌های واقعی و داده‌های پیش‌‌بینی‌شده LED رگرسیون خطی (رگرسیون خطی) آلاینده‌ها و برآورد ضریب همبستگی بالاتر از 90 درصد، مدل رگرسیون کاربری اراضی قابلیت بالایی برای پیش‌بینی آلاینده‌ها دارد و جمعیت، ترافیک و کاربری اراضی جز متغیر‌های اصلی هستند که بر پراکنش آلاینده‌ها تاثیرگذارند.
کلیدواژه‌ها
عنوان مقاله [English]
Application of a land use regression (LUR) model to the spatial modelling of air pollutants in Esfahan city
نویسندگان [English]
- Maryam Sharifi Sadeh
- Mozhgan Ahmadi Nadoushan
Department of Environment, Islamic Azad University, Isfahan (Khorasgan) branch, Isfahan, Iran
چکیده [English]
Introduction:
The rapid growth of technology has led to an increase in air pollution in most countries of the world. One of the most serious problems that metropolitan cities such as Esfahan encounter is air pollution. The most important pollutants that should be mentioned are PM, O3, SO2, CO and NOX. The main objective of LED رگرسیون خطی (رگرسیون خطی) this study is to analyze the land use effects and other effective parameters such as traffic on the air quality of Esfahan and evaluating the spatial dispersion of PM, O3, SO2, CO and NOX. LUR offers an improved level of detail at which pollution variability is observed. Numerous studies have shown that land use regression (LUR) models can be applied to obtain accurate, small-scale air pollutant concentrations without a detailed pollutant emission inventory.
Materials and methods:
Land use regression modelling is used as a useful method for estimating changes in the concentrations of air pollutants in cities. Thus, LUR predicts the concentrations of pollution based on surrounding land use and traffic characteristics within circular areas (buffers) as predictors of measured concentrations. Moreover, the enhancement of geographic information system (GIS) techniques has contributed to the dissemination of the LUR method. Since the air pollution is in relation to factors such as population, traffic, land use, height, road length and public transportation as the most effective factors in producing these pollutants have prepared using ArcGIS 10.2 and modeled by LUR method. The regression model was run using SPSS 19.
Results LED رگرسیون خطی (رگرسیون خطی) and discussion:
With the usage of the LUR method, the most important and effective factors could be determined and modelled. It should be mentioned that among different types of land uses, residential areas and industrial regions cause the maximum effects on air pollution.
Conclusion:
The results of the LUR model have revealed that traffic volume, population and land use are the most important factor affected on pollutants production.
