@article { author = {Ghannadi, Mohammad Amin and Shahri, Matin and Moradi, Amirreza}, title = {Air pollution monitoring using Sentinel-5 (Case study: big industrial cities of Iran)}, journal = {Environmental Sciences}, volume = {20}, number = {2}, pages = {81-98}, year = {2022}, publisher = {Shahid Beheshti University}, issn = {1735-1324}, eissn = {2588-6177}, doi = {10.52547/envs.2022.1026}, abstract = {Introduction: Air pollution and its negative effects on human health have become a major issue around the world, especially in developing countries and Iran. Contaminants such as nitrogen dioxide, sulfur dioxide, carbon monoxide, and aerosols, in addition to having significant negative health consequences, cause to damage vegetation and contribute to global climate change. Therefore, the comprehensive monitoring of pollutants and, consequently, appropriate management decisions to address the issue is required. Remote sensing methods, especially Sentinel-5, the European Space Agency's most recent project (in collaboration with the Netherlands), which allows for the capture of images in various spectral bands using a TROPOspheric Monitoring Instrument (TROPOMI) sensor, are recognized as a useful tool for monitoring various types of air pollutants.Material and methods: In this analysis, the most significant air contaminants such as nitrogen dioxide, sulfur dioxide, carbon monoxide, and aerosol were monitored using Sentinel-5 satellite images for 20 major industrial cities in Iran in 2019 and 2020. A large number of level-3 images collected from Google Earth Engine were used in this research. Ground-based stations were used to verify the monitoring process.Results and discussion: The results show that monitoring values obtained using Sentinel-5 satellite images are at least 78 percent correlated with ground-based station values. As a result, it has been demonstrated that Sentinel-5 satellite images can be successfully used in management studies with the aim of reducing air pollution. Based on the results, it can also be inferred that, Tehran and Zanjan are respectively the most and the least polluted city in terms of total carbon monoxide, nitrogen dioxide, sulfur dioxide and dust in 2019. The same is true for 2020. It is also clear that air pollution levels in Karaj and Kermanshah increased significantly in 2020 compared to 2019. Another significant finding is that, in general, air pollution levels in 2020 are lower than in 2019. One significant explanation may be the effect of the Covid-19 pandemic in 2020, which resulted in a decrease in industrial activity and reduced traffic and congestion on the roads.Conclusion: In general, the results of this research showed that it is possible to systematically monitor the air pollutants using images captured by TROPOMI sensor on the Sentinel-5 satellite with acceptable accuracy. The results of this study can help researchers and urban managers for appropriate management in metropolitan areas.}, keywords = {Air pollution,Sentinel-5 Images,TROPOMI,Industrial cities of Iran}, title_fa = {پایش آلودگی هوا با استفاده از تصاویر ماهواره سنتینل-5 (مطالعه موردی: شهرهای بزرگ صنعتی ایران)}, abstract_fa = {سابقه و هدف: یکی از اساسی ­ترین مشکل­ های امروز دنیا، بحث آلودگی هوا و اثرهای آن بر سلامت انسان است. کشور در حال توسعه ایران هم از این امر جدا نمی­ باشد. وجود آلاینده ­هایی همچون دی اکسید نیتروژن، دی اکسید گوگرد، مونوکسید کربن و ذرات معلق (آئروسل­ ها) افزون بر تأثیرهای مخرب جدی بر سلامتی انسان، سبب آسیب به پوشش گیاهی و بروز تغییرات اقلیمی جهانی می­ شود، بنابراین لزوم پایش جامع آلاینده­ ها و به تبع آن اتخاذ تصمیم ­های صحیح مدیریتی جهت مقابله با این بحران ضروری به نظر می­ رسد. یکی از ابزارهای قدرتمند در پایش آلودگی هوا، روش ­های مبتنی بر سنجش از دور می ­باشد. سنتینل-5 1 آخرین پروژه سازمان فضایی اتحادیه اروپا (با همکاری کشور هلند) می ­باشد که با استفاده از سنجنده (2TROPOMI) تصاویری در باندهای طیفی متنوع اخذ می­ کند و ابزاری مناسب جهت پایش بسیاری از آلاینده ­های هوا محسوب می‌گردد.مواد و روش­ ها: در این مطالعه، پایشی جامع براساس مقادیر برخی از مهمترین آلاینده ­های هوا از جمله دی اکسید نیتروژن، دی اکسید گوگرد، مونوکسید کربن و ذرات معلق، با استفاده از تصویرهای ماهواره سنتینل-5 برای 20 شهر بزرگ و صنعتی ایران در سال 2019 و 2020 صورت گرفته است. در این پژوهش، از تعداد بالایی تصویر سطح سه که از طریق موتور گوگل ارث3 فراخوانی شده  اند، استفاده شده است. صحت پایش صورت گرفته با استفاده از ایستگاه ­های ثبت آلاینده ­های زمینی مورد ارزیابی قرار گرفته است.نتایج و بحث: نتایج این ارزیابی نشان می ­دهد که مقادیر پایش با استفاده از تصاویر ماهواره سنتینل-5 حداقل 78% با مقادیر پایش شده توسط ایستگاه‌های زمینی همبستگی دارد. بنابراین می­ توان از پتانسیل بالای تصویرهای ماهوره سنتینل-5 در مطالعات کلان مدیریتی با هدف کاهش آلاینده­ های هوا استفاده نمود. پایش صورت گرفته بوسیله تصویرهای ماهواره سنتینل-5 نشان می ­دهد که در سال 2019، تهران آلوده ­ترین هوا را به لحاظ مجموع گازهای مونوکسید کربن، دی اکسید نیتروژن، دی اکسید گوگرد و ذرات معلق (گرد و غبار) داشته است. همچنین زنجان کمترین میزان آلودگی را در مقایسه با سایر شهرهای مورد مطالعه داشته است. در سال 2020، باز هم تهران به ­عنوان آلوده­ترین شهر ایران شناخته می ­شود. در این سال نیز هوای زنجان در قیاس با سایر شهرستان­ های مورد مطالعه وضعیت بهتری داشته است. مشاهده می­ شود که کرج و کرمانشاه در سال 2020 در مقایسه با سال 2019 افزایش آلودگی هوای قابل توجهی داشته ­اند. از دیگر نتایج مهم این تحقیق این است که در مجموع میزان آلودگی هوا در سال 2020 در مقایسه با سال 2019 با روندی کاهشی مواجه شده است که شاید یکی از مهمترین دلیل­ های، تأثیرگذاری همه ­گیری ویروس کرونا در سال 2020 و کاهش نسبی (و البته اندک) فعالیت­ های صنعتی و کاهش ترافیک خودروها باشد.نتیجه ­گیری: نتایج این تحقیق نشان می ­دهد که می­ توان با استفاده از تصاویر سنجنده (TROPOMI) که بر روی ماهواره سنتینل-5 نصب شده است، به ­عنوان داده­ای جامع، در دسترس و با دقت قابل قبول به ­صورت سیستماتیک آلاینده ­های هوای شهرهای کشور را پایش نمود و با قرار دادن نتایج آن در اختیار سایر محققان و یا مسئولین اجرایی در جهت تصمیم ­گیری­ های مناسب در مدیریت کلان شهرها به آنها یاری نمود.}, keywords_fa = {آلودگی هوا,تصاویر سنتنیل-5,سنجنده (TROPOMI),شهرهای صنعتی ایران}, url = {https://envs.sbu.ac.ir/article_102134.html}, eprint = {https://envs.sbu.ac.ir/article_102134_34042fbc5fe65c370fe9ae6589c29e2c.pdf} }