گزارش SID از بررسی ۱۰ مطالعه علمی جدید: ورود آلودگی هوای تهران به مرحله‌ای چندلایه و پیچیده

مطابق نتایج مطالعات، ذرات معلق PM۲.۵ و PM۱۰ همچنان بیشترین سهم را در کاهش کیفیت هوای تهران دارند. تحلیل‌های زمانی- مکانی مربوط به بازه ۱۳۹۷ تا ۱۴۰۰‌ (۲۰۱۹ تا ۲۰۲۲ میلادی) با استفاده از روش‌های آماری و مدل‌های کوپولا نشان می‌دهد که الگوهای توزیع این ذرات در نقاط مختلف شهر تغییراتی قابل‌توجه داشته است؛ موضوعی که به‌ویژه در طراحی سیاست‌های کنترل آلودگی هوا اهمیت دارد.

براساس گزارش مرکز اطلاعات علمی جهاددانشگاهی(SID)، نتایج ۱۰ مطالعه علمی و سیاستی منتشرشده از تحلیل داده‌های کیفیت هوای تهران، نشان می‌دهد که روند آلودگی هوا در پایتخت نه‌تنها کاهش قابل‌توجهی نداشته، بلکه ابعاد تازه‌ای از آن را برجسته‌تر کرده است.

به گزارش ایسنا، نتایج ۱۰ مطالعه علمی و سیاستی منتشرشده در فاصله سال‌های ۱۴۰۰ تا ۱۴۰۴ (۲۰۲۱ تا ۲۰۲۵ میلادی) که داده‌های کیفیت هوای تهران را در بازه ۱۳۸۱ تا ۱۴۰۰‌ (۲۰۰۳ تا ۲۰۲۲ میلادی) تحلیل کرده‌اند، نشان می‌دهد که روند آلودگی هوای تهران نه‌تنها کاهش قابل‌توجهی نداشته، بلکه ابعاد تازه‌ای همچون توزیع عمودی ذرات، تغییرات بلندمدت غلظت آلاینده‌ها، نقش ازن و چالش‌های سیاست‌گذاری را نیز برجسته‌تر کرده است. این بررسی که تصویری جامع و چندبعدی از وضعیت آلودگی هوای تهران ارائه می‌دهد، نشان می‌دهد که آلودگی هوا در تهران ماهیتی پایدار، ساختاری و در برخی حوزه‌ها پیچیده‌تر از گذشته دارد.

ذرات معلق؛ محور اصلی وضعیت کیفیت هوا

بررسی ۲۰ سال داده و اثرات سلامت

در بخش دیگری از پژوهش‌ها، روند بلندمدت غلظت ذرات معلق طی سال‌های ۱۳۸۱ تا ۱۴۰۰‌ (۲۰۰۳ تا ۲۰۲۲ میلادی) با استفاده از آزمون من-کندال تحلیل شده است. یافته‌ها نشان می‌دهد که قرارگرفتن طولانی‌مدت در معرض مقادیر بالای این آلاینده‌ها می‌تواند پیامدهای سلامت عمومی از جمله افزایش بیماری‌های قلبی و تنفسی را تشدید کند. این مطالعات تأکید دارند که ارزیابی‌های سلامت‌محور باید در طراحی سیاست‌های کاهش آلودگی موردتوجه بیشتری قرار گیرد.

ابعاد عمودی آلودگی و نقش آلاینده‌های ثانویه

یکی از یافته‌های جدید، اندازه‌گیری توزیع عمودی ذرات معلق در ارتفاعات مختلف شهری است. این داده‌ها که با کمک سنسورهای کم‌هزینه تولید شده‌اند، نشان می‌دهد که الگوهای تجمع و انتقال ذرات در لایه‌های مختلف جو شهری یکسان نیست و تغییرات ارتفاعی می‌تواند در شدت آلودگی تجربه‌شده توسط ساکنان تأثیرگذار باشد. همچنین بررسی وضعیت آلاینده‌هایی مانند اُزُن نشان می‌دهد که این آلاینده ثانویه نقش فزاینده‌ای در افزایش تعداد روزهای با کیفیت هوای نامطلوب داشته و باید در پایش و سیاست‌گذاری بیشتر موردتوجه قرار گیرد.

مدل‌سازی و پیش‌بینی آلودگی هوا

مطالعات جدید به‌طور مقایسه‌ای عملکرد مدل‌های یادگیری ماشین، به‌ویژه LSTM را با روش‌های سنتی در پیش‌بینی روزانه آلودگی هوا ارزیابی کرده‌اند. نتایج نشان می‌دهد که مدل‌های مبتنی بر داده توانایی بیشتری در بازنمایی تغییرات سریع آلاینده‌ها دارند. علاوه‌ بر این، استفاده از مدل زنجیره مارکوف برای تحلیل پیوستگی وضعیت آلودگی، ظرفیت تازه‌ای برای بررسی چرخه‌های آلودگی هوا در مقیاس استانی فراهم کرده است.

تحلیل سیاستی و ارزیابی قانون هوای پاک

مطابق مرور اسناد سیاستی و گزارش‌های منتشرشده در سال‌های ۱۴۰۱ و ۱۴۰۲، اجرای قانون هوای پاک در برخی بخش‌ها با چالش‌هایی مواجه بوده است. تحلیل‌ها نشان می‌دهد که برای اثربخشی بیشتر سیاست‌ها، شناسایی نظام‌مند عوامل مؤثر بر آلودگی از طریق روش‌هایی مانند مدلسازی ساختاری تفسیری (ISM) ضروری است.

پژوهش‌ها تأکید دارند که گام‌های سیاستی باید همراه با نظارت پیوسته، ارتقای زیرساخت‌های پایش و به‌روزرسانی ابزارهای کنترلی دنبال شود.

به نقل از جهاددانشگاهی، مجموعه مطالب منتشرشده در بازه پنج‌ساله اخیر نشان می‌دهد که آلودگی هوای تهران نیازمند نگاه تلفیقی و بلندمدت است. یافته‌ها بیان می‌کند که ترکیب مدل‌های پیشرفته پیش‌بینی، تحلیل‌های سلامت‌محور، سنجش عمودی آلاینده‌ها و بازنگری در سیاست‌های اجرایی، می‌تواند مسیر واقع‌بینانه‌تری برای مدیریت بحران آلودگی هوا در اختیار تصمیم‌گیران قرار دهد.

پربیننده ترین پست همین یک ساعت اخیر

قصابی خوک؛ شگرد جدید کلاهبرداری در پیام‌رسان‌ها

خبر بعد نظرات کاربران خبر قبل