نشریه کاربرد سنجش از دور و سیستم اطلاعات جغرافیایی در علوم محیطی

پایش و تحلیل فصلی آلودگی هوای ایران با استفاده از تصاویر ماهواره‌ای سنتینل در گوگل ارث انجین

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی نقشه برداری، دانشکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران، ایران

2 دانشجوی ارشد گروه نقشه برداری، دانشگاه تربیت دبیر شهید رجایی،تهران،ایران

10.22034/rsgi.2025.62940.1093

چکیده

امروزه آلودگی هوا به مشکلی جدی در جوامع بشری تبدیل شده است. یکی از روش‌های مناسب برای مدیریت بهتر در مقابله با این پدیده مخرب زیست محیطی، پایش و بررسی روند میزان آلودگی با استفاده از تکنولوژی‌های روز دنیا از جمله تصاویر ماهواره‌ای می‌باشد. در این مطالعه تولید نقشه فصلی و بررسی روند آلودگی‌های منواکسید کربن(CO)، دی‌اکسید نیتروژن(NO2)، متان(CH4) و دی‌اکسید گوگرد(SO2) هدف قرار داده شده است. منطقه مورد مطالعه جهت تولید نقشه آلودگی کشور ایران است. همچنین داده‌های مورد استفاده مربوط به تصاویر ماهواره سنتینل5 می‌باشد. با استفاده از سامانه گوگل ارث انجین، تصاویر مربوط به هر آلودگی در سال 1402 شمسی استخراج شده است. با ایجاد مدل و بهره‌گیری از باند‌های مخصوص، نقشه آلودگی فصلی ایران تولید می‌گردد. در ادامه نیز برای تحلیل روند آلودگی، نقطه‌ای در شهر تهران درنظر گرفته شد. با ایجاد تابع در گوگل ارث انجین نمودار سال 1402 مربوط به آلاینده‌های CO، NO2، CH4 و SO2 ترسیم می‌شود. نتایج این دو قسمت نشان می‌دهد که میزان آلودگی در زمستان نسبت به فصول دیگر بیشتر است. برخی از مناطق به‌ویژه در سواحل خلیج فارس و دریای خزر در هر 4 فصل از سال در از لحاظ وجود CO پرخطر هستند. آلودگی NO2 در کلانشهرها در طول سال خطرناک است. نقشه‌های ch4 تقریبا خنثی هستند. از طرفی آلودگی SO2 همانند NO2 در مناطق صنعتی و پرجمعیت بیشتر دیده می‌شود. نمودارها هم نشان می‌دهند که روند آلودگی CO، NO2 و SO2 در نیمه دوم سال برای بشدت افزایش می‌یابد.

تازه های تحقیق

نتایج این تحقیق در خصوص تغییرات زمانی و مکانی آلاینده‌ها در ایران، اطلاعات ارزشمندی درباره الگوهای فصلی و جغرافیایی آلودگی‌های CO، NO2، CH4، و SO2 ارائه می‌دهد. تحلیل‌های انجام‌شده در این پژوهش نشان داد که آلودگی CO در زمستان و پاییز به اوج خود می‌رسد و مناطق ساحلی خلیج فارس و دریای خزر در تمامی فصول دارای مقادیر بالایی از این آلاینده هستند. مشابه این یافته‌ها، تحقیقات انجام‌شده توسط شفر و همکاران نشان داده‌ که آلودگی CO در مناطق شهری و صنعتی در فصل‌های سرد به دلیل کاهش ارتفاع لایه اختلاط اتمسفری و افزایش فعالیت‌های گرمایشی تشدید می‌شود. در ایران، مطالعات مشابهی نظیر کار صفریان و همکاران نیز بر نقش ترکیبی منابع طبیعی و انسانی در آلودگی CO تأکید دارند. تطبیق این نتایج نشان می‌دهد که سیاست‌گذاری برای مدیریت آلودگی CO باید به نقش عوامل طبیعی مانند توپوگرافی و سرمای هوا نیز توجه داشته باشد.

پژوهش انجام شده نشان داد که آلودگی NO2 به‌ویژه در مناطق صنعتی و شهرهای پرجمعیت مانند تهران، مشهد و اصفهان در تمام سال بالا بوده و در زمستان شدت بیشتری دارد. این نتایج با یافته‌های لامسال و همکاران که غلظت NO2 در مناطق صنعتی و پرجمعیت را مرتبط با فعالیت‌های انسانی مانند ترافیک و صنایع سنگین دانسته‌اند، هم‌خوانی دارد. بررسی نقشه‌های منتشر شده توسط European Space Agency (ESA) نیز نشان می‌دهد که در مناطق شهری ایران، غلظت این آلاینده به‌ویژه در فصول سرد با استفاده بیشتر از سوخت‌های فسیلی افزایش می‌یابد. تفاوت اساسی در این مطالعه تأکید بیشتر بر نقش پالایشگاه‌ها و صنایع جنوبی کشور در آلودگی NO2 بوده که می‌تواند برای سیاست‌گذاران ملی اهمیت ویژه‌ای داشته باشد.

بر اساس این مطالعه، آلاینده CH4 به‌طور گسترده در سراسر کشور پراکنده است و تغییرات فصلی مشخصی ندارد. مشابه این نتایج، مطالعات تاوسف همکاران نیز تأکید کرده‌اند که متان بیشتر به منابع زیست‌محیطی مانند دامداری، زباله‌ها، و فاضلاب مرتبط است و تأثیر کمتری از فعالیت‌های صنعتی و فصلی دارد. پژوهش‌های داخلی نیز نشان داده‌اند که بیشترین غلظت CH4 در ایران در نزدیکی مناطق کشاورزی و دامپروری مشاهده می‌شود که این پژوهش نیز با تأیید این نتایج، پیشنهاد مدیریت پایدار منابع طبیعی را مطرح می‌کند.

نتایج نشان داد که SO2 به‌ویژه در مناطق صنعتی و شهرهای بزرگ مانند تهران و عسلویه به‌شدت بالا است. یافته‌های این پژوهش با نتایج آزیس و همکاران درباره توزیع SO2 در مناطق صنعتی و معدنی جهان و همچنین گزارش‌های ملی از سازمان محیط‌زیست ایران مطابقت دارد. در عسلویه، نقش پالایشگاه‌های گاز در افزایش غلظت SO2 تأیید شده و این مسئله نیاز به اقدامات فوری برای کاهش انتشار این آلاینده را برجسته می‌کند.

این پژوهش به تحلیل همزمان چهار آلاینده اصلی پرداخته است. این رویکرد چندبعدی نه‌تنها به شناسایی تعاملات میان آلاینده‌ها کمک می‌کند، بلکه امکان شناسایی الگوهای پیچیده‌تر محیطی را نیز فراهم می‌سازد. همچنین در این تحقیق تحلیل تفاوت‌های مکانی و زمانی تغییرات آلاینده‌ها در یک بازه زمانی مشخص است. ضمنا تمام مراحل در سامانه Google Earth Engine (GEE)  انجام شده است. این محیط به‌دلیل قابلیت‌های پیشرفته در پردازش داده‌های عظیم مکانی و زمانی، ابزار بسیار قدرتمندی برای تحلیل‌های جامع در مقیاس‌های بزرگ است. با این حال، استفاده از GEE در داخل کشور کمتر رایج بوده و این پژوهش نشان می‌دهد که چگونه می‌توان از این ابزار برای تحلیل‌های کلان و راهبردی استفاده کرد. مطالعه حاضر به بررسی تغییرات زمانی و مکانی آلودگی‌های NO2 ،  CO،  SO2 و CH4 در ایران پرداخته و به تحلیل روند آنها با استفاده از داده‌های ماهواره‌ای سنتینل 5 و سامانه گوگل ارث انجین پرداخته است. نتایج این پژوهش نشان می‌دهد که آلودگی هوا در ایران به‌ویژه در فصل زمستان افزایش قابل‌توجهی دارد. این افزایش آلودگی در مناطق پرجمعیت و صنعتی بیشتر به چشم می‌خورد، به‌ویژه در شهرهای بزرگ مانند تهران که میزان آلاینده‌هایی نظیر NO2 و SO2 به‌طور مداوم در سطح خطرناک باقی می‌ماند. بررسی نقشه‌های فصلی نشان داد که برخی مناطق کشور، به‌ویژه در سواحل خلیج فارس و دریای خزر، در تمامی فصول سال در معرض سطوح بالایی از آلودگی CO قرار دارند. همچنین، آلودگی NO2 در مناطق صنعتی و کلانشهرها به دلیل فعالیت‌های صنعتی و ترافیک سنگین، همواره در سطوح نگران‌کننده‌ای باقی می‌ماند. در مقابل، نقشه‌های CH4 نشان‌دهنده پراکندگی یکنواخت‌تر این آلاینده هستند و تغییرات آن در طول سال کمتر محسوس است. از طرفی، نمودارهای ترسیم‌شده برای آلودگی‌های مختلف در شهر تهران نیز روند افزایشی آلودگی را به‌ویژه در نیمه دوم سال تأیید می‌کنند. این افزایش می‌تواند ناشی از پدیده‌هایی مانند وارونگی دما و کاهش جریان هوا باشد که به انباشت آلاینده‌ها در سطح زمین کمک می‌کند. به‌طور کلی، این پژوهش تأکید می‌کند که پایش دقیق و مداوم آلودگی هوا با استفاده از داده‌های ماهواره‌ای می‌تواند ابزار مهمی برای مدیریت بهتر این معضل زیست‌محیطی باشد. نتایج به‌دست‌آمده می‌تواند به عنوان اطلاعات پایه برای سیاست‌گذاران و مدیران شهری در جهت اتخاذ تصمیمات مناسب برای کاهش آلودگی هوا و بهبود کیفیت زندگی شهروندان مورد استفاده قرار گیرد. با توجه به افزایش سریع جمعیت و توسعه صنعتی در ایران، ضرورت دارد که پایش آلودگی هوا به‌صورت سیستماتیک و مستمر ادامه یابد تا بتوان با تحلیل روندها، اقدامات پیشگیرانه و کنترلی مؤثرتری را اعمال کرد. این نتایج می‌تواند به‌طور مستقیم در تصمیم‌گیری‌های اجرایی و برنامه‌ریزی‌های آینده برای کاهش آلودگی‌ها مورد استفاده قرار گیرد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Seasonal monitoring and analysis of air pollution in Iran using Sentinel satellite images in Google Earth Engine

نویسندگان [English]

  • Saeed Behzad 1
  • Parsa Afzali Kordmahalleh 2

1 Associate Professor, Department of Surveying Engineering, Faculty of Civil, Water and Environmental Engineering, Shahid Beheshti University, Tehran, Iran

2 Master student of surveying Engineering department, Shahid Rajaei Teacher Training University

چکیده [English]

Today, air pollution has become a serious problem in human societies. One of the appropriate methods for better management in dealing with this destructive environmental phenomenon is to monitor and investigate the pollution trend using modern technologies, including satellite images. In this study, the production of a seasonal map and the investigation of pollution trends of carbon monoxide (CO), nitrogen dioxide (NO2), methane (CH4), and sulfur dioxide (SO2) are targeted. The study area FOR producing a pollution map is Iran in Southwest Asia. Also, the data used are related to Sentinel 5 satellite images. By creating a model and using special bands, the seasonal pollution map of Iran is produced. In the following, a point in the city of Tehran was considered to analyze the pollution trend. By creating a function in Google Earth Engine, the graph of 1402 related to CO, NO2, CH4, and pollutants is drawn. The results of these two parts show that the amount of pollution in winter is higher than in other seasons. Some areas, especially on the coasts of the Persian Gulf and the Caspian Sea, are dangerous in terms of the presence of CO in all 4 seasons of the year. NO2 reporting is hazardous in metropolitan areas throughout the year. Ch4 maps are almost neutral. On the other hand, partial SO2 and NO2 are seen more in industrial and densely populated areas. The graphs also show that the trend of CO, NO2, and SO2 pollution increases drastically in the second half of the year.

کلیدواژه‌ها [English]

  • Pollution
  • remote sensing
  • Google Earth Engine
  • satellite images

امروزه آلودگی هوا به مشکلی جدی در جوامع بشری تبدیل شده است. در ایران نیز سال به سال میزان آلودگی در حال افزایش است. یکی از روش­های مناسب برای مدیریت بهتر در مقابله با این پدیده مخرب زیست محیطی، پایش و بررسی روند میزان آلودگی با استفاده از تکنولوژی­های روز دنیا از جمله تصاویر ماهواره­ای می­باشد. هدف این مطالعه تولید نقشه فصلی و بررسی روند آلودگی­های منواکسید کربن (CO)، دی­اکسید نیتروژن (NO2)، متان (CH4) و دی­اکسید گوگرد (SO2) می­باشد. نقطه عطف این پژوهش بهره‌گیری از تصاویر ماهواره‌ای سنتینل با وضوح بالا و مدل‌سازی در گوگل ارث انجین برای تحلیل دقیق فصلی و سالانه آلودگی‌ها است. منطقه مورد مطالعه جهت تولید نقشه آلودگی، کشور ایران در جنوب غرب آسیا است. با استفاده از سامانه گوگل ارث انجین، تصاویر مربوط به هر آلودگی در سال 1402 شمسی استخراج شده است. با ایجاد مدل و بهره­گیری از باند­های مخصوص، نقشه آلودگی فصلی ایران براساس آلاینده­ها تولید گردید. در ادامه نیز برای تحلیل روند آلودگی، نقطه­ای در شهر تهران درنظر گرفته شد. با ایجاد تابع در گوگل ارث انجین نمودار سال 1402 مربوط به آلاینده­های CO، NO2، CH4 و SO2 ترسیم می­شود. نتایج این دو قسمت نشان می­دهد که میزان آلودگی در زمستان نسبت به فصول دیگر بیشتر است. برخی از مناطق به­ویژه در سواحل خلیج فارس و دریای خزر در هر 4 فصل از سال در از لحاظ وجود CO پرخطر هستند. آلودگی NO2 در کلانشهرها در طول سال خطرناک است. نقشه­های CH4 تقریبا خنثی هستند. از طرفی آلودگی SO2 همانند NO2 در مناطق صنعتی و پرجمعیت بیشتر دیده می­شود. نمودارها هم نشان می­دهند که روند آلودگی CO،  NO2و  SO2در نیمه دوم سال بشدت افزایش می­یابد. درنهایت سنجش از دور می­تواند آلودگی­ها را در سطح وسیع مورد بررسی قرار داده و اطلاعات مفیدی را برای برنامه­ریزی در اختیار سازمان­ها قرار دهد. 

  • Heydari, Rahim., & Valizadeh, Naseh. (2024). Investigating health indicators of air quality and its relationship with changes in the green spaces land use (the case study of Tabriz metropolitan). Remote Sensing and GIS Applications in Environmental Sciences, 3(9), 37-1. (In Persian)
  • Olyaei, Masoud., Pardakhti, Alireza., & Zahed, Mohammadali. (2024). Investigating the correlation coefficient of carbon monoxide pollutant concentration from air pollution measurement stations and Sentinel 5 satellite (Mashhad city case study). Quarterly Journal of Urban Management and Environmental Engineering, 2(1), 55-66. (In Persian)
  • Qolipour, Milad, & Behzadi, Saeed. (2016). Modeling the concentration of carbon monoxide pollutant in the air of Tehran city. The sixth national conference on air and noise pollution management. Tehran, Iran (In Persian)
  • Shaygan, M., & Mokarram, M. (2023). Investigating Air Pollution during the Corona Era and before that in the Metropolises of Tehran, Isfahan and Qom. Iranian Journal of Remote Sensing & GIS, 15(2), 101-116. (In Persian)
  • Mahmoudzadeh, Hassan., & esmailzadeh laleh, Ali. (2023). Spatial assessment of environmental pollution of heavy metals in surface dust according to the type of urban land use; a case study of the northwestern region of Tabriz metropolis. Remote Sensing and GIS Applications in Environmental Sciences, 3(7), 119-98 (In Persian)
  • Ghannadi, Mohammad Amin., Shahri, Matin., & Moradi, Amirreza. (2022). Air pollution monitoring using Sentinel-5 (Case study: big industrial cities of Iran). Environmental Sciences, 20(2), 81-98. (In Persian)
  • Ghahremanlou, Amir. , Saffarzadeh, Mahmoud. , Naderan, Ali. , & Javanshir, Hassan. (2022). Mechanism of the Effect of Urban Form and Land Use on Transportation and Air Pollution in Tehran. The Monthly Scientific Journal of Bagh-e Nazar, 19(109), 35-46 (In Persian)
  • Jafarian, Hosei., & Behzadi, Saeed (2018). Air pollution zoning in Tehran using artificial neural network algorithms. The second national conference of environmental science and engineering and sustainable development. Tehran, Iran. (In Persian)
  • Jafarian, Hosein., & Behzadi, Saeed. (2018). Zoning of air pollution in Tehran using different models of kriging interpolation method. The first national conference on geographic information science foundations and interdisciplinary applications. Mashhad, Iran. (In Persian)
  • Khamesi Meibodi, Mohammad Hassan. (2023). Investigating changes in air pollution in Tehran using Landsat images. The fifth international conference and the sixth national conference on civil engineering, architecture, art and urban design. Tabriz, Iran. (In Persian)
  • Mohammadi, Hosein., & Shaban, Majid. (2023). Application of remote sensing in air pollution. The 12th international conference on modern researches in civil engineering, architecture, urban management and environment. Tehran, Iran. (In Persian)
  • Mohammadi, Parviz., Cheraghian Fard, Shahin., Mohammadi, Tahmineh., & Mortezaei, Zahra. (2014). An overview of the amounts and effects of carbon monoxide gas on humans and the environment. The first national conference on and management. Ardabil, Iran. (In Persian)
  • Zakeri KIA, Samira, Aghamohammadi, Hossein., Behzadi, Saeed, & Azizi, Zahra. (2020). Modeling and Spatio-Temporal Analysis of the Distribution of Particulate Matter in Tehran City Based on Spatial Analysis in GIS Enviroment. Journal of environmental science and technology, 21(11 (90) ), 241-252.(In Persian)
  • Omrani, H., Omrani, B., Parmentier, B., & Helbich, M. (2020). Spatio-temporal data on the air pollutant nitrogen dioxide derived from Sentinel satellite for France. Data in brief, 28, 105089.
  • Safarianzengir, V., Sobhani, B., Yazdani, M. H., & Kianian, M. (2020). Monitoring, analysis and spatial and temporal zoning of air pollution (carbon monoxide) using Sentinel-5 satellite data for health management in Iran, located in the Middle East. Air Quality, Atmosphere & Health, 13, 709-719.
  • Jafarian, H., & Behzadi, S. (2020). Evaluation of PM2. 5 emissions in Tehran by means of remote sensing and regression models. Pollution, 6(3), 521-529.
  • Li, Y., Zhang, M., Ma, G., Ren, H., & Yu, E. (2024). Analysis of Primary Air Pollutants’ Spatiotemporal Distributions Based on Satellite Imagery and Machine-Learning Techniques. Atmosphere, 15(3), 287.
  • Holloway, T., Miller, D., Anenberg, S., Diao, M., Duncan, B., Fiore, A. M., ... & Zondlo, M. A. (2021). Satellite monitoring for air quality and health. Annual review of biomedical data science, 4(1), 417-447.
  • Azis, S. D., Azizah, R., & Jalaludin, J. (2024). Risk Analysis of Sulfur Dioxide (SO2) Exposure to Public Health Around Kolaka District Nickel Processing Plant, Journal of Environmental Health, 16(4).
  • Muthukumar, P., Cocom, E., Nagrecha, K., Comer, D., Burga, I., Taub, J., ... & Pourhomayoun, M. (2021). Predicting PM2. 5 atmospheric air pollution using deep learning with meteorological data and ground-based observations and remote-sensing satellite big data. Air Quality, Atmosphere & Health, 1-14.
  • De Mes, T. Z. D., Stams, A. J. M., Reith, J. H., & Zeeman, G. (2003). Methane production by anaerobic digestion of wastewater and solid wastes. Bio-methane & Bio-hydrogen, 2003, 58-102.
  • Savenets, M. (2021). Air pollution in Ukraine: a view from the Sentinel-5P satellite. Időjárás - Quarterly Journal of the Hungarian Meteorological Service (OMSZ), 125(2), 271-290.
  • Lamsal, L. N., Martin, R. V., Parrish, D. D., & Krotkov, N. A. (2013). Scaling relationship for NO2 pollution and urban population size: a satellite perspective. Environmental science & technology, 47(14), 7855-7861.
  • Tao, M., Gui, L., Li, R., Wang, L., Liang, S., Li, Q., ... & Chen, L. (2021). Tracking prevailing dust aerosol over the air pollution in central China with integrated satellite and ground observations. Atmospheric Environment, 253, 118369.
  • Schäfer, K., Emeis, S., Hoffmann, H., & Jahn, C. (2006). Influence of mixing layer height upon air pollution in urban and sub-urban areas, Meteorol. Z., 15, 647–658.
  • Tauseef, S. M., Premalatha, M., Abbasi, T., & Abbasi, S. A. (2013). Methane capture from livestock manure. Journal of environmental management, 117, 187-207.
  • Sathe, Y., Gupta, P., Bawase, M., Lamsal, L., Patadia, F., & Thipse, S. (2021). Surface and satellite observations of air pollution in India during COVID-19 lockdown: Implication to air quality. Sustainable cities and society, 66, 102688.
نشریه کاربرد سنجش از دور و سیستم اطلاعات جغرافیایی در علوم محیطی
دوره 4، شماره 13
بهمن 1403
صفحه 89-68
  • تاریخ دریافت: 22 مرداد 1403
  • تاریخ بازنگری: 05 دی 1403
  • تاریخ پذیرش: 10 بهمن 1403