تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,501 |
تعداد مشاهده مقاله | 124,095,081 |
تعداد دریافت فایل اصل مقاله | 97,201,092 |
تحلیل تغییرپذیری زمانی ازنسطحی اندازهگیریشده در ایستگاه مؤسسه ژئوفیزیک دانشگاه تهران | ||
فیزیک زمین و فضا | ||
مقاله 11، دوره 48، شماره 3، آذر 1401، صفحه 673-691 اصل مقاله (5.58 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/jesphys.2022.329346.1007355 | ||
نویسندگان | ||
نجمه کفاشزاده* 1؛ عباسعلی علیاکبری بیدختی2 | ||
1پژوهشگر پسا دکتری، گروه فیزیک فضا، مؤسسه ژئوفیزیک، دانشگاه تهران، تهران، ایران | ||
2استاد، گروه فیزیک فضا، مؤسسه ژئوفیزیک، دانشگاه تهران، تهران، ایران | ||
چکیده | ||
ازنسطحی یک آلاینده ثانویه است که عمدتاً از واکنشهای نورشیمیایی دیگر عناصر در جو تشکیل میشود. میدانهای هواشناختی متعددی نیز در تغییرپذیری و انتقال این آلاینده مؤثر هستند. تمامی این عوامل منجر به تغییرپذیری ازنسطحی در مقیاسهای زمانی متفاوت میشود که در این پژوهش سعی شده است با استفاده از تکنیک کلمگرو-زوربنکو (KZ) به بررسی تغییرات آن پرداخته شود. بدینمنظور، سریزمانی ازنسطحی اندازهگیریشده در ایستگاه مؤسسه ژئوفیزیک در چهار سال متفاوت بهکار گرفته شد. این دادهها پس از انجام کنترل کیفی با استفاده از تکنیک KZ به پنج مؤلفه طیفی درونروزانه، روزانه، همدیدی، فصلی و روند بلندمدت تفکیک شد. در ادامه تغییرات هر یک از این مؤلفهها مورد ارزیابی قرار گرفت و از بین آنها مؤثرترین مؤلفه در این ایستگاه معرفی شد. نتایج نشان میدهد بیش از نیمی از تغییرپذیری ازنسطحی ناشی از نوسانات مؤلفه روزانه است، درحالیکه مؤلفه درونروزانه و همدیدی حدود پنج درصد از این تغییرات را تشکیل میدهند. اگرچه مؤلفه همدیدی مشارکت کمی در تغییرپذیری کل دارد، این مؤلفه قادر به تشدید تغییرات دیگر مؤلفهها از جمله مؤلفه روزانه است. از دیگر نتایج بهدست آمده در این پژوهش، تغییرات کاهشی مؤلفه روند بلندمدت از سال ۲۰۰۸-۲۰۰۷ تا ۲۰۲۰-۲۰۱۹ میباشد. | ||
کلیدواژهها | ||
ازنسطحی؛ تحلیل مقیاس زمانی؛ فیلتر KZ؛ مؤلفه طیفی | ||
عنوان مقاله [English] | ||
Temporal variability analysis of measured surface ozone at the Geophysics Institute Station of the University of Tehran | ||
نویسندگان [English] | ||
Najmeh Kaffashzadeh1؛ Abbas Ali Aliakbari-Bidokhti2 | ||
1Post-Doc Researcher, Department of Space Physics, Institute of Geophysics, University of Tehran, Tehran, Iran | ||
2Professor, Department of Space Physics, Institute of Geophysics, University of Tehran, Tehran, Iran | ||
چکیده [English] | ||
Near surface zone (O3surf), or tropospheric ozone at the ground level, is a secondary air pollutant that deteriorates human health and plants via damaging respiratory systems. This species is also one of the main greenhouse gases associated with global warming and climate change. Despite many efforts to study and to make policy control program, this gas is still increasing and is a recent serious threat for human. So, a comprehensive understating of its variation and controlling factors is necessary for having a precise plan for its regulation. Here, a measured time series of O3surf at one of the air quality monitoring sites in Iran, i.e. Geophysics Institute of the University of Tehran, is selected to assess the O3surf variation in more detail. Although this time series has been measured since 2007, there are many gaps in the data and a few years without data. Nevertheless, the data possess a high quality which is discussed in this paper. The series was prepared for the period of four years, i.e. 2007-2008 and 2019-2020. The data series was decomposed in to five spectral components, i.e. intraday (ID), diurnal (DU), synoptic (SY), seasonal (SE), and baseline (BL), by applying Kolmogorov-Zurbenko (KZ) filter. This filter was introduced by Kolmogorov and later was formalized by Zurbenko in 1997. Theoretically, the KZ filter is a technique consists of iterative running moving average (MA), in which a simple MA of m points is computed by: where ORG and t represent the original time series and its time steps, respectively, and S is the input for each iteration. Therefore, the filter can be express as: Here m and k are window length and number of iterations, respectively. R and J represent iteration and running window, respectively, and wi is defined as: Wi = Li – m +1 where Li is the length of S(ti). KZm,k is a low pass filter in which high frequency (short time period) variation are removed from the time series. The band of frequency and the level of suppression in this filter are controlled by m and k, respectively. Here, the ozone time series is decomposed to five spectral components as: ORG(t) = ID(t<12h) + DU(t12h-2.5d) + SY(t2.5d-21d) + SE(t21d-365d) + BL(t>365d) The results indicate that the contribution of each component to the O3surf variability is different as such that the DU component constitutes more than 50% of the ozone variability. In fact, this component makes most of the ozone variability which attributes to light variation (daytime-nighttime). The SE component has the second largest contribution to the O3surf variability. The contribution of the SY component is different and that depends on the year in which it is considered. As an example, the relative contribution of this component in 2007 is 8.93% and in 2019 is 4.84%. Only 5% of the total O3surf variability makes by the variation of the ID component. This implies that the contribution of each component to the total O3surf variability is different and such finding should be considered in ozone control strategies. | ||
کلیدواژهها [English] | ||
Surface ozone time series, spectral components, KZ filter, temporal variability | ||
مراجع | ||
پگاهفر، ن.، علیاکبری بیدختی، ع. ع.، و زواررضا، پ.، 1391، بررسی پارامترسازی عمق لایه پایدار شبانه و تأثیر آن در آلودگی هوای یک منطقه شهری با توپوگرافی پیچیده )تهران(، مجله فیزیک زمین و فضا، 38(4)، ۲۰۶-۱۸۹.
عزیزی، ق.، حنفی، ع.، سلطانی، م. و آقاجانی، م.، ۱۳۹۰، تحلیل سینوپتیک یخبندان شدید، دیرهنگام و فراگیر فروردینماه ۱۳۸۸، مجله جغرافیا و برنامهریزی محیطی، ۱، ۱۴-۱.
شرعیپور، ز. و علیاکبری بیدختی، ع. ع.، ۱۳۹۲الف، تغییرات دید جوی و عوامل مؤثر بر آن در ایستگاه ژئوفیزیک طی دوره ده ساله ۲۰۱۱-۲۰۰۱، مجله ژئوفیزیک ایران، ۷، ۲، ۱۴۱-۱۲۸.
شرعیپور، ز. و علیاکبری بیدختی، ع. ع.، ۱۳۹۲ب، بررسی آلاینده ازنسطحی در شهر تهران طی دوره سالهای ۲۰۱۱-۲۰۰۸، مجله فیزیک زمین و فضا، ۳۹(۳)، ۲۰۶-۱۹۱.
علیاکبری بیدختی، ع. ع. و شرعیپور، ز.، ۱۳۸۶، بررسی تغییرات ازنسطحی در محدوده ایستگاه سینوپتیک (هواشناسی) مؤسسه ژئوفیزیک برای سال ۲۰۰۲، نشریه محیطشناسی، ۴۲، ۷۴-۶۳.
علیاکبری بیدختی، ع. ع. و شرعیپور، ز.، 1388، شرایط هواشناختی جو بالا و وضعیت حاد آلودگی هوا )مطالعه موردی: شهر تهران(، نشریه محیطشناسی، 52، ۱۴-۱.
علیجانی، ب.، میرزایی، ن. و جاهدی، آ.، ۱۳۹۸، واکاوی همدید بارشهای حدی و سیلآسای کشور مطالعه موردی: ۱۶-۳۱ مارس ۲۰۱۹، دگرگونیها و مخاطرات آب و هوایی، ۲(۱۳)، ۱۱۴-۷۰.
لشکری، ح.، کیخسروی، ق. و کریمیان، ن.، ۱۳۹۹، بررسی الگوهای همدیدی آلودگیهای شدید هوا، در لایه وردسپهر زیرین کلانشهر تهران، جغرافیا و مخاطرات محیطی، ۳۵، ۲۰-۱.
مرادی، م. و رنجبر سعادتآبادی، ع.، ۱۳۹۸، بررسی موردی بارشهای سیلآسای ایران در ماه مارس ۲۰۱۹، مجله علمی و ترویجی نیوار، ۱۰۴-۱۰۵، ۷۲-۸۷.
Abdul-Wahab, S. A., Bakheit, C. S. and Al-Alawi, S. M., 2005, Principal component and multiple regression analysis in modelling of ground-level ozone and factors affecting its concentrations, Environmental Modelling and Software, 20(10), 1263-1271. Ainsworth, E. A., Yendrek, C. R., Sitch, S., Colluns, W. J. and Emberson, L. D., 2012, The effects of tropospheric ozone on net primary productivity and implications for climate change, Annual Review of Plant Biology, 63(1), 637-661. Akritidis, D., Zanis, P., Pytharoulis, I., Mavrakis, A. and Kara- costas, Th., 2010, A deep stratospheric intrusion event down to the earth’s surface of the megacity of Athens, Meteorol. Atmos. Phys., 109, 9–18. Aliakbari Bidokhti, A. A., Shareipour, Z. and Sehatkashani, S., 2016, Some resilient aspects of urban areas to air pollution and climate change, case study: Tehran, Iran, Scientica Iranica, 23, 5, 1994-2004. Bell, M. L., Goldberg, R., Hogrefe, C., Kinney, P. L., Knowlton, K., Lynn, B., Rosenthal, J., Rosenzweig, C. and Patz., J. A., 2007, Climate change, ambient ozone, and health in 50 US cities, Clim. Change, 82, 61–76. Bernard, S. M., Samet, J. M., Grambsch, A., Ebi, K. L. and Romieu, I., 2001, The potential impacts of climate variability and change on air pollution-related health effects in the United States, Env. Health Persp., 109, 199–209. Bell, M. L., Peng, R. D. and Domenici, F., 2006, The exposure–response curve for ozone and risk of mortality and the adequacy of current ozone regulations. Environmental Health Perspectives, 114, 532–536. Brockwell, P. and Davis R., 1991, Time series analysis, Springer-verlag, 577 p. Cooper, O. R., Parrish, D. D., Ziemke, J., Balashov, N. V., Cupeiro, M., Galbally, I. E., Gilge, S., Horowitz, L., Jensen, N. R., Lamarque, J. F., Naik, V. and Oltmans, S. J., 2014, Global distribution and trends of tropospheric ozone: an observation-based review, Elementa: Science of the Anthropocene, 2, 1-29. De Marco, A., Proietti, C., Anav, A., Ciancarella, L., D'Elia, I., Fares, S., Fornasier, M. F., Fusaro, L., Gualtieri, M., Manes, F., Marchetto, A., Mircea, M., Paoletti, E., Piersanti, A., Rogora, M., Salvati, L., Salvatori, E., Screpanti, A., Vialetto, G., Vitale, M. and Leonardi, C., 2019, Impacts of air pollution on human and ecosystem health, and implications for the National Emission Ceilings Directive: Insights from Italy, Environment International, 125, 320-333. EEA (European Environment Agency), 2018, Air quality in Europe, report number 12, https://doi.org/10.2800/777411, 88 p. Eskridge, R. E., Jia Yeong Ku, J. Y., Rao, S. T., Porter, P. S. and Zurbenko, I. G., 1997, Separating different Scales of motion in time series of meteorological variables, Bulletin of the American Meteorology Society, 78, 1473-1483. Faridi, S., Shamsipour, M., Krzyzanowski, M., Kuenzli, N., Amini, H., Azimi, F., Malkawi, M., Momeniha, F., Gholampour, A., Hassanvand, M. S. and Naddafi, K., 2018, Long-term trends and health impact of PM2.5 and O3 in Tehran, Iran, 2006–2015, Env. Int. J., 114, 1547, 37–49. Gryparis, A., Forsberg, B., Katsouyanni, K., Analitis, A., Touloumi, G., Schwartz, J., Samoli, E., Medina, S., Anderson, H. R., Niciu, E. M., Wichmann, H. E., Kriz, B., Kosnik, M., Skorkovsky, J., Vonk, J. M. and Dortbudak, Z., 2004, Acute effects of ozone on mortality from the ‘‘Air pollution and health: a European approach’’ project, American Journal of Respiratory and Critical Care Medicine, 170, 1080–1087. Hadei, M., Hopke, P. K., Hashemi Nazari, S. S., Yarahmadi, M., Shahsavani, A. and Alipour, M. R., 2017, Estimation of mortality and hospital admissions attributed to criteria air pollutants in Tehran metropolis, Iran (2013–2016), Aerosol Air Qual. Res., 17, 2474–2481. Hogrefe, C., Rao, S. T., Zurbenko, I. G. and Porter, P. S., 2000, Interpreting the information in ozone observations and model predictions relevant to regulatory policies in the eastern United States, Bulletin of the American Meteorology Society, 81(9), 2083-2106. Jacob, D. J., 1999, Introduction to atmospheric chemistry, Princeton, Princeton University Press, 266 p. Kaffashzadeh, N., 2018, A statistical analysis of surface ozone variability over the Mediterranean region during summer, Dissertation, Rheinische Friedrich-Wilhelms-Universität Bonn. Kaffashzadeh, N., Kleinert, F. and Schultz, M. G., 2019, A new tool for automated quality control of environmental time series (AutoQC4Env) in open web services, BIS workshop, Lecture notes in Business Information Processing, Springer 373, ISBN 978-3-030-36690-2, 513-518. Kaffashzadeh, N., 2020, AutoQA4Env, http://b2find.eudat.eu/dataset/895a5264-076f-57fa-8616-40406d5c7e5d. Kalabokas, P., Hjorth, J., Foret, G., Dufour, G., Eremenko, M., Siour, G., Cuesta, J. and Beekmann, M., 2017, An investigation on the origin of regional springtime ozone episodes in the western Mediterranean, Atmos. Chem. Phys., 17, 3905–3928. Kang, D., Hogrefe, C., Foley, K. L., Napelenok, S. L., Mathur, R. and Rao, S. T., 2013, Application of the Kolmogorove-Zurbenko filter and the decoupled direct 3D method for the dynamic evaluation of a regional air quality model, Atmospheric Environment, 80, 58–69. Lau, K. M. and Weng, H., 1995, Climate signal detection using wavelet transform: how to make a time series sing, Bulletin of the American Meteorology Society, 76, 2391–2402. Lelieveld, J. and Crutzen, P. J., 1990, Influence of cloud and photochemical processes on tropospheric ozone, Nature, 343, 227–233. Lelieveld, J. and Dentener, F. J., 2000, What controls tropospheric ozone?, Journal of Geophysical Research, 105, 3531-3551. Loneck, B. and Zurbenko, I., 2020, Theoretical and Practical Limits of Kolmogorov-Zurbenko Periodograms with DiRienzo-Zurbenko Algorithm Smoothing in the Spectral Analysis of Time Series Data, https://arxiv.org/abs/2007.03031, 28 p. Malley, C. S., Heal, M. R., Mills, G. and Braban, C. F., 2015, Trends and drivers of ozone human health and vegetation impact metrics from UK EMEP supersite measurements (1990–2013), Atmos. Chem. Phys., 15, 4025–4042. Marr, L. C. and Harley, R. A., 2002, Spectral analysis of weekday–weekend differences in ambient ozone, nitrogen oxide, and non-methane hydrocarbon time series in California, Atmospheric Environment, 36, 2327–2335. Monks, P. S., Archibald, A. T., Colette, A., Cooper, O., Coyle, M., Derwent, R., Fowler, D., Granier, C., Law, K. S., Mills, G. E., Stevenson, D. S., Tarasova, O., Thouret, V., von Schneidemesser, E., Sommariva, R., Wild, O. and Williams, M. L., 2015, Tropospheric ozone and its precursors from the urban to the global, Atmos. Chem. Phys., 15, 8889–8973. Rao, S. T. and Zurbenko, I. G., 1994, Detecting and tracking changes in ozone air quality, Air. And Waste Manage. Assoc., 44, 1089-1092. Rao, S. T., Zurbenko, I. G., Neagu, R., Porter, P. S., Ku, J. Y. and Henry, R. F., 1997, Space and time scales in ambient ozone data, Bulletin of the American Meteorology Society, 78(10), 2153-2166. Rasmussen, D. J., Fiore, A. M., Naik, V., Horowitz, L. W., McGinnis, S. J. and Schultz, M. G., 2012, Surface ozone-temperature relationships in the Eastern US: a monthly climatology for evaluating chemistry-climate models, Atmospheric Environment, 47, 142-153. Roelofs, G. J. and Lelieveld, J., 1997, Model study of the influence of cross-tropopause O3 transports on tropospheric O3 levels, Tellus B, 49, 38–55. Roemer, M., van den Hout, D. and Builtjes, P., 1994, Tropospheric ozone and the greenhouse effect, Springer, Dordrecht, https://doi.org/10.1007/978-94-011-0982-6_34, 301-309. Seinfeld, J. H. and Pandis, S. N., 1998, Atmospheric chemistry and physics: from air pollution to climate change, 2nd ed., New York, John Wiley, 1152 p. Seo, J., Youn, D., Kim, J. Y. and Lee, H., 2014, Extensive spatiotemporal analyses of surface ozone and related meteorological variables in South Korea for the period 1999–2010, Atmos. Chem. Phys., 14, 6395–6415. Shindell, D., Faluvegi, G., Lacis, A., Hansen, J., Ruedy, R. and Aguilar, E., 2006, Role of tropospheric ozone increases in 20th-century climate change, Journal of Geophysical Research, 111, 1-11. Sillman, S., 1999, The relation between ozone, NOx and hydrocarbons in urban and polluted rural environments, Atmospheric Environment, 33, 1821- 1845. Silva, R. A., West, J. J., Lamarque, J. F., Shindell, D. T., Collins, W. J., Faluvegi, G., Folberth, G. A., Horowitz, L. W., Nagashima, T., Naik, V., Rumbold, S. T., Sudo, K., Takemura, T., Bergmann, D., Cameron-Smith, P., Doherty, R.M., Josse, B., MacKenzie, I.A., Stevenson, D.S. and Zeng, G., 2017, Future global mortality from changes in air pollution attributable to climate change, Nature Climate Change, 7, 647–651. Solomon, S., Qin, D., Manning, M., Chen, Z., Marquis, M., Averyt, K. B., Tignor, M. and Miller, H. L., 2007, IPCC (Intergovernmental Panel on Climate Change), 2007, the physical scientific basis: contribution of working group I to the fourth assessment report of the intergovernmental panel on climate change, Cambridge University Press, Cam- bridge, United Kingdom and New York, NY, USA, 1007 p. Sprenger, M. and Wernli, H., 2003, A northern hemispheric climatology of cross-tropopause exchange for the ERA15 time period (1979– 1993), Journal of Geophysical Research, 108, 8521. Stull, R. B., 1988, An introduction to boundary layer meteorology, Dordrecht, Kluwer Acad, 670 p. Tarasova, O. A. and Karpetchko, A. Y., 2003, Accounting for local meteorological effects in the ozone time-series of Lovozero (Kola Peninsula), Atmos. Chem. Phys., 3, 941–949. Upadhaya, P., Du, H. and Kommalapati, R. R., 2020, Meteorological detrending of ozone at three sites in the Dallas-Fort Worth area: application of KZ filter method, Atmosphere, 11, 1-23. Wentworth, G. R., Murphy, J. G. and Sills, D. M. L., 2015, Impact of lake breezes on ozone and nitrogen oxides in the greater Toronto area, Atmospheric Environment, 109, 52-60. West, J. J., Cohen, A., Dentener, F., Brunekreef, B., Zhu, T., Armstrong, B., Bell, M. L., Brauer, M., Carmichael, G., Costa, D. L., Dockery, D. W., Kleeman, M., Krzyzanowski, M., Künzli, N., Liousse, C., Candice Lung, S. C., V. Martin, R., Pöschl, U., Arden Pope, C., M. Roberts, J., Russell, A. G. and Wiedinmyer C., 2016, What we breathe impacts our health: improving understanding of the link between air pollution and health, Environmental Science and Technology, 50 (10), 4895-4904. Wilks, D. S., 1995, Statistical methods in atmospheric sciences. International Geophysics Series, USA, Academic Press, 648 p. Yang, W. and Zurbenko, I., 2010, Kolmogorov–Zurbenko filters. Wiley Interdisciplinary Reviews: Computational Statistics, 2. 340 - 351. Zanis, P., Hadjinicolaou, P., Pozzer, A., Tyrlis, E., Dafka, S., Mihalopoulos, N. and Lelieveld, J., 2014, Summertime free-tropospheric ozone pool over the eastern Mediterranean/Middle East, Atmos. Chem. Phys., 14, 115–132. Zurbenko, I. G., 1986, The spectral analysis of time series, North Holland, 241 p.
| ||
آمار تعداد مشاهده مقاله: 812 تعداد دریافت فایل اصل مقاله: 586 |