ورود آلودگی هوای تهران به مرحله‌ای چندلایه و پیچیده

نتایج 10 مطالعه علمی و سیاسی منتشر شده بین سال‌های 1400 تا 1404 (2021 تا 2025) که به تحلیل داده‌های کیفیت هوای تهران در دوره زمانی 1381 تا 1400 (2003 تا 2022) پرداخته است، نشان می‌دهد که روند آلودگی هوا در تهران نه تنها کاهش قابل توجهی نداشته است، بلکه به‌عنوان برجسته‌کننده تغییرات در ابعاد عمودی درازمدت غلظت ذرات، روند آلودگی هوای تهران را نشان می‌دهد. آلاینده ها، نقش ازن، و چالش های سیاست. انجام داده است

به گزارش ایسنا، این پژوهش که تصویری جامع و چند بعدی از آلودگی هوای تهران ارائه می کند، نشان می دهد که آلودگی هوای تهران ماهیتی پایدار، ساختاری دارد و در برخی مناطق نسبت به گذشته پیچیده تر است.

ذرات معلق؛ تمرکز اصلی وضعیت کیفیت هوا

بر اساس نتایج مطالعات، ذرات معلق PM2.5 و PM10 همچنان بیشترین سهم را در کاهش کیفیت هوای تهران دارند. تحلیل‌های زمانی- مکانی مربوط به دوره زمانی 2017 تا 2022 (2019 تا 2022 میلادی) با استفاده از روش‌های آماری و مدل‌های کاپولا نشان می‌دهد که الگوی توزیع این ذرات در نقاط مختلف شهر دستخوش تغییرات قابل‌توجهی شده است. موضوعی که در طراحی سیاست های کنترل آلودگی هوا اهمیت ویژه ای دارد.

بررسی 20 سال داده ها و اثرات سلامتی

در بخشی دیگر از پژوهش، روند بلندمدت غلظت ذرات معلق طی سال‌های 1381 تا 1400 (2003 تا 2022 میلادی) با استفاده از آزمون من کندال تحلیل شده است. یافته ها نشان می دهد که قرار گرفتن طولانی مدت در معرض مقادیر بالای این آلاینده ها می تواند عواقب سلامت عمومی از جمله افزایش بیماری های قلبی و تنفسی را تشدید کند. این مطالعات بر آن تاکید دارد ارزیابی های سلامت محور باید در طراحی سیاست های کاهش آلودگی بیشتر مورد توجه قرار گیرد.

ابعاد عمودی آلودگی و نقش آلاینده های ثانویه

یکی از یافته های جدید اندازه گیری توزیع عمودی ذرات معلق در ارتفاعات مختلف شهری است. این داده ها که با کمک سنسورهای ارزان قیمت تولید شده اند، نشان می دهد که الگوهای تجمع و انتقال ذرات در لایه های مختلف جو شهری یکسان نیست و تغییرات ارتفاع می تواند بر شدت آلودگی تجربه شده توسط ساکنان تأثیر بگذارد. همچنین بررسی وضعیت آلاینده هایی مانند ازن نشان می دهد که این آلاینده ثانویه نقش فزاینده ای در افزایش روزهای با کیفیت نامطلوب هوا دارد و باید در پایش و سیاست گذاری مورد توجه قرار گیرد.

مدل سازی و پیش بینی آلودگی هوا

مطالعات اخیر عملکرد مدل‌های یادگیری ماشینی، به‌ویژه LSTM را با روش‌های سنتی در پیش‌بینی روزانه آلودگی هوا به طور نسبی ارزیابی کرده‌اند. نتایج نشان می‌دهد که مدل‌های مبتنی بر داده‌ها توانایی بیشتری برای نمایش تغییرات سریع آلاینده‌ها دارند. علاوه بر این، استفاده از مدل زنجیره مارکوف برای تحلیل تداوم وضعیت آلودگی، ظرفیت جدیدی را برای بررسی چرخه‌های آلودگی هوا در مقیاس استانی فراهم کرده است.

تجزیه و تحلیل سیاست و ارزیابی قانون هوای پاک

بر اساس بررسی اسناد سیاستی و گزارش های منتشر شده در سال های 1401 و 1402، اجرای قانون هوای پاک در برخی بخش ها با چالش هایی مواجه بوده است. تحلیل‌ها نشان می‌دهند که برای اثربخشی بیشتر سیاست‌ها، شناسایی سیستماتیک عوامل مؤثر بر آلودگی از طریق روش‌هایی مانند مدل‌سازی ساختاری تفسیری (ISM) ضروری است.

پژوهش ها تاکید می کنند که گام های سیاستی باید همراه با نظارت مستمر، بهبود زیرساخت های نظارت و به روز رسانی ابزارهای کنترلی دنبال شود.

به گزارش جهاد دانشگاهی، مجموعه مطالب منتشر شده در پنج سال اخیر نشان می دهد که آلودگی هوای تهران نیازمند نگاه تلفیقی و بلندمدت است. یافته‌ها بیان می‌کنند که ترکیب مدل‌های پیش‌بینی پیشرفته، تحلیل‌های سلامت محور، اندازه‌گیری عمودی آلاینده‌ها و بازنگری در سیاست‌های اجرایی می‌تواند مسیر واقعی‌تری را برای مدیریت بحران آلودگی هوا در اختیار تصمیم‌گیرندگان قرار دهد.