خلاصه مدیریتی

بیان / شرح مسئله

آلودگی هوای محیطی در ایران به یک بحران ملی با پیامدهای گسترده سلامت، اجتماعی و اقتصادی تبدیل شده است. در چنین شرایطی، کیفیت نظام پایش هوا نقش تعیین‌کننده‌ای در شناسایی ابعاد بحران، اولویت‌بندی مداخلات و ارزیابی اثربخشی سیاست‌ها دارد. با وجود ایجاد شبکه‌ای از ایستگاه‌های پایش ثابت در کشور، نظام پایش محیطی ایران با چالش‌هایی نظیر توزیع نامتوازن ایستگاه‌ها، ضعف در کالیبراسیون و تضمین کیفیت داده‌ها، ناپایداری زمانی اطلاعات و محدودیت در پوشش ناهمگنی‌های مکانی آلودگی مواجه است. این ضعف‌ها موجب شده که داده‌های موجود، در بسیاری از موارد، پاسخگوی نیازهای تصمیم‌سازی سلامت‌محور و عدالت‌ محیطی نباشند. گزارش حاضر با تمرکز بر پایش نوین کیفیت هوا، وضعیت موجود ایران را تحلیل کرده و ضمن مرور پیشینه قانونی و پژوهشی، فناوری‌ها و تجارب جهانی را معرفی می‌کند.

نقطه‌نظرات / یافته‌های کلیدی

پایش کیفیت هوا در جهان طی دو دهه اخیر دستخوش تحول اساسی شده است. تا پیش از دهه ۲۰۱۰، اغلب کشورها برای سنجش آلودگی هوا به شبکه‌ای محدود از ایستگاه‌های مرجع ثابت متکی بودند که اگرچه داده‌های بسیار دقیق تولید می‌کردند، اما به‌علت هزینه‌های بالای نصب و نگهداشت، پوشش مکانی کافی برای نشان ‌دادن ناهمگنی آلودگی در مقیاس شهری فراهم نمی‌کردند. از دهه ۲۰۱۰ به بعد، با ظهور حسگرهای کم‌هزینه، گسترش داده‌های ماهواره‌ای و پیشرفت روش‌های داده‌محور و مدل‌سازی، رویکرد «پایش محیطی ترکیبی» شکل گرفت. این رویکرد بر ادغام هوشمندانه چندین منبع داده استوار است و امکان افزایش چشمگیر پوشش مکانی، کاهش هزینه‌ها و تقویت تصمیم‌سازی مبتنی‌بر شواهد را فراهم می‌کند.

تجربه‌های کشورهای پیشرو نشان می‌دهد که نظام‌های پایش مدرن به سمت اکوسیستم‌های چندلایه و داده‌محور حرکت کرده‌اند. در این الگو، ایستگاه‌های مرجع همچنان ستون فقرات دقت محسوب می‌شوند و برای کالیبراسیون و اعتبارسنجی داده‌ها ضروری هستند، اما شبکه‌های گسترده حسگرهای کم‌هزینه، داده‌های ماهواره‌ای و مدل‌های پیچیده تحلیلی نقش حیاتی در پوشش مکانی، تکمیل اطلاعات و تحلیل الگوهای ریزمقیاس آلودگی ایفا می‌کنند. به موازات این تحول، در بسیاری از کشورها، مجموعه‌ای از تجهیزات پیشرفته و مکمل (با قابلیت منشأیابی و اندازه‌گیری دقیق‌تر ذرات و گازها) در مناطق بحرانی کانونی مستقر شده که وظیفه آنها اندازه‌گیری دقیق و منشأیابی پیشرفته آلاینده‌هاست. این ساختار جدید موجب شده پایش کیفیت هوا تنها یک فعالیت فنی نباشد، بلکه به «سیستم عصبی مرکزی حکمرانی هوشمند کیفیت هوا» تبدیل شود؛ سیستمی که داده‌های متنوع را جمع‌آوری، ادغام و به ابزار تصمیم‌گیری و مدیریت تبدیل می‌کند. در چنین الگوی پیشنهادی، ایستگاه‌های مرجع ارتقایافته نقش معیار دقت را ایفا کرده، درحالی‌که شبکه‌های متراکم حسگرهای کم‌هزینه پوشش محله‌ای و امکان پایش عدالت محیطی را فراهم می‌کنند. داده‌های ماهواره‌ای نیز دید کلان منطقه‌ای و اطلاعات مکمل را ارائه می‌کنند و مدل‌های پیش‌بینی‌گر و روش‌های هوش مصنوعی وظیفه ادغام، تفسیر و استخراج الگوها را برعهده می‌گیرند. در لایه‌های تخصصی‌تر، استقرار سوپرایستگاه‌ها برای منشأیابی و تحلیل پیشرفته آلاینده‌ها اهمیت دارد.

پیشنهاد راهکارهای تقنینی، نظارتی یا سیاستی

الف) ارتقای شبکه ملی یکپارچه کیفیت هوا با انتشار برخط داده‌ها و API عمومی: ایجاد یک شبکه ملی یکپارچه برای جمع‌آوری، پاکسازی و استانداردسازی داده‌های کیفیت هوا از همه نهادها شامل ایستگاه‌های مرجع، حسگرهای کم‌هزینه و داده‌های ماهواره‌ای ضروری است. این سامانه باید داده‌ها را به‌صورت برخط از طریق داشبوردهای عمومی، نقشه‌های لحظه‌ای و API باز منتشر کند تا شفافیت، اعتماد عمومی و امکان نوآوری مبتنی‌بر داده تقویت شود. این شبکه عملاً ستون اصلی حکمرانی داده در حوزه آلودگی هوا خواهد بود.

ب) تدوین دستورالعمل اجرایی استفاده از حسگرهای کم‌هزینه: برای بهره‌گیری مطمئن از حسگرهای کم‌هزینه، لازم است دستورالعملی جامع شامل طبقه‌بندی حسگرها براساس کیفیت، الزامات کالیبراسیون و معیارهای پذیرش داده‌ها و قواعد اتصال آنها به شبکه ملی تدوین شود. این چارچوب با جلوگیری از انتشار داده‌های نادقیق، زمینه گسترش شبکه‌های متراکم حسگری و توسعه بازار شرکت‌های دانش‌بنیان را فراهم می‌کند.

ج) اجرای پایلوت‌های ترکیبی در کلان‌شهرهای بحرانی: برای آزمون عملی یک مدل پایش ترکیبی مبتنی‌بر ایستگاه‌های مرجع، حسگرها، ماهواره و مدل‌های تحلیلی، اجرای پایلوت در دو یا سه کلان‌شهر آلوده ضروری است. این پایلوت‌ها کیفیت ادغام داده‌ها، قابلیت اتکای حسگرها و نقش داده‌ها در تصمیم‌گیری مدیریتی را ارزیابی کرده و چالش‌های فنی و نهادی را پیش از اجرا در مقیاس ملی آشکار می‌کنند.

د) توسعه شبکه‌های متراکم حسگرهای کم‌هزینه: گسترش حسگرها در محله‌ها، مدارس، مسیرهای پرتردد و مناطق کم‌برخوردار، وضوح مکانی پایش را افزایش داده و امکان شناسایی نقاط داغ آلودگی و تحلیل عدالت محیطی را فراهم می‌کند. این شبکه‌ها نقشه‌ای محله‌محور از الگوهای آلودگی ارائه می‌دهند.

ه) بهره‌گیری ساختاریافته از داده‌های ماهواره‌ای: ادغام داده‌های سنجش‌ از دور با داده‌های زمینی و مدل‌های جوی برای پرکردن شکاف‌های مکانی و بهبود پیش‌بینی رخدادهایی مانند گردوغبار، وارونگی دما و انتقال آلاینده‌ها ضروری است.

و) ایجاد قطب علمی تلفیق داده‌ها: یک مرکز تخصصی برای ادغام هوشمند داده‌های ایستگاه‌ها، حسگرها و ماهواره‌ها با استفاده از مدل‌های جوی و روش‌های یادگیری ماشین باید در سازمان حفاظت محیط زیست ایجاد شده تا خروجی‌هایی مانند نقشه‌های غلظت، منشأیابی و عدم ‌قطعیت تولید و به نهادهای مدیریتی ارائه شود.

ز) توسعه مدل‌های پیش‌بینی‌گر هوش مصنوعی: به‌کارگیری الگوریتم‌های یادگیری ماشین توسط سازمان هواشناسی کشور برای پیش‌بینی ساعتی و روزانه آلودگی، امکان تصمیم‌گیری پیشگیرانه و واکنش سریع‌تر را فراهم می‌کند.

ح) توسعه پژوهش و پایلوت فناوری‌های نوین: حمایت از پژوهش مشترک دانشگاه‌ها و شرکت‌های دانش‌بنیان برای بومی‌سازی فناوری‌های نسل جدید پایش مانند آنالیز ترکیب ذرات و ابزارهای منشأیابی ضروری است.

ط) توسعه و توانمندسازی نیروی انسانی: آموزش کارکنان در حوزه کالیبراسیون، کار با حسگرها، تحلیل داده‌های ماهواره‌ای، مدل‌سازی و نگهداشت تجهیزات، پیش‌شرط بهره‌برداری موفق از نظام پایش نوین است. 

1. مقدمه

آلودگی هوای محیطی طی دهه‌های اخیر به یکی از مهم‌ترین چالش‌های زیست‌محیطی، سلامت عمومی و حکمرانی شهری در جمهوری اسلامی ایران تبدیل شده است. رشد شتابان شهرنشینی، تمرکز جمعیت در کلان‌شهرها، افزایش مصرف انرژی‌های فسیلی، فرسودگی ناوگان حمل‌ونقل، توسعه نامتوازن صنعتی، عدم جایابی مناسب صنایع آلاینده و تشدید پدیده‌های اقلیمی نظیر خشکسالی و گردوغبار، موجب شده کیفیت هوای بسیاری از شهرهای کشور در بخش قابل توجهی از سال در شرایط ناسالم یا بسیار ناسالم قرار گیرد. پیامدهای این وضعیت، فراتر از یک مسئله محیط ‌زیستی، به حوزه‌های سلامت، اقتصاد، عدالت اجتماعی و پایداری توسعه تسری یافته است.

مطالعات ملی و بین‌المللی نشان می‌دهد که آلودگی هوا، به‌ویژه ذرات معلق ریز (PM_2.5)، سهم قابل توجهی در بروز بیماری‌های قلبی- عروقی، تنفسی، سرطان‌ها و مرگ‌های زودرس دارد. براساس گزارش مشترک وزارت بهداشت، درمان و آموزش پزشکی و دانشگاه علوم‌پزشکی تهران با عنوان «کیفیت هوای آزاد در ایران و برآورد آثار بهداشتی–اقتصادی آن در سال ۱۴۰۳»، تعداد موارد مرگ‌های زودرس منتسب به مواجهه با آلودگی هوای محیطی در کشور در سال ۱۴۰۳ در افراد بالای 30 سال، برابر با ۵۸٬۹۷۵ نفر برآورد شده است. براساس همین گزارش، خسارت اقتصادی منتسب به این مرگ‌ها و بیماری‌های ناشی از آلودگی هوا در سال ۱۴۰۳ حدود 17.2 میلیارد دلار برآورد شده که شامل هزینه‌های سلامت، کاهش بهره‌وری نیروی کار و افت رفاه اجتماعی می‌شود. درنتیجه، آلودگی هوا به یکی از مهم‌ترین ریسک‌های سلامت عمومی کشور تبدیل شده و نیازمند مداخله‌ای نظام‌مند، مبتنی‌بر شواهد و داده‌های معتبر است [1].

در چنین شرایطی، پایش کیفیت هوای محیطی، نقشی بنیادین در مدیریت و کنترل آلودگی هوا ایفا می‌کند. پایش محیطی نه‌تنها ابزار سنجش وضعیت موجود بوده، بلکه زیربنای تشخیص مسئله، اولویت‌بندی مداخلات، ارزیابی اثربخشی سیاست‌ها و اطلاع‌رسانی به‌موقع به شهروندان و مدیران است. بدون نظام پایش کارآمد، شفاف و قابل اتکا، سیاستگذاری در حوزه کیفیت هوا ناگزیر بر حدس، تجربه‌های موردی یا واکنش‌های کوتاه‌مدت استوار خواهد بود و امکان حرکت به‌سوی مدیریت پیشگیرانه و سلامت‌محور فراهم نمی‌شود.

در ایران، طی حدود دو دهه گذشته شبکه‌ای از ایستگاه‌های پایش کیفیت هوا با محوریت سازمان حفاظت محیط ‌زیست و با مشارکت شهرداری‌ها، به‌ویژه در کلان‌شهرها، ایجاد شده است. در حال حاضر بیش از 400 ایستگاه پایش در سطح کشور وجود دارد که بخش قابل توجهی از آنها مجهز به آنالایزرهای اندازه‌گیری آلاینده‌های معیار هستند. بااین‌حال، شواهد میدانی و نظر خبرگان نشان می‌دهد که چالش اصلی شبکه فعلی، بیش از آنکه کمبود تعداد ایستگاه باشد، ضعف در بهره‌برداری مؤثر، کالیبراسیون، نگهداشت، توزیع عادلانه مکانی و تضمین کیفیت داده‌هاست. فرسودگی بخشی از تجهیزات، کمبود بودجه تعمیر و نوسازی، قطعی برق، نبود زیرساخت‌های حفاظتی مناسب و کمبود نیروی انسانی متخصص، موجب شده که بخشی از ظرفیت بالقوه شبکه پایش کشور بالفعل نشود [2].

ازسوی‌دیگر، الگوهای مکانی و زمانی آلودگی هوا در شهرهای ایران، به‌ویژه کلان‌شهرها، به‌شدت ناهمگن است. تفاوت کاربری‌های شهری، تراکم جمعیت، ترافیک، شرایط توپوگرافی و الگوهای جوی سبب شده مواجهه شهروندان با آلودگی هوا در نقاط مختلف یک شهر به‌طور معناداری متفاوت باشد. در چنین شرایطی، اتکای صرف به شبکه‌های سنتی با تراکم محدود، توان پاسخ‌گویی به نیازهای نوین مدیریت کیفیت هوا و عدالت زیست‌محیطی را ندارد و ضرورت بهره‌گیری از رویکردهای مکمل بیش از پیش آشکار می‌شود [3].

تحولات فناورانه سال‌های اخیر، افق‌های جدیدی را در حوزه پایش کیفیت هوای محیطی گشوده است. پایش ماهواره‌ای، حسگرهای کم‌هزینه، شبکه‌های پایش متراکم شهری، سامانه‌های گزارش‌دهی مردمی و ابزارهای نوین تحلیل داده، در بسیاری از کشورهای جهان به‌عنوان مکمل شبکه‌های مرجع به‌کار گرفته شده‌اند. این فناوری‌ها امکان پوشش مکانی گسترده‌تر، پایش پیوسته‌تر، شناسایی کانون‌های آلودگی، رصد پدیده‌های فرامرزی مانند گردوغبار و ارتقای شفافیت داده‌ها را فراهم کرده‌اند [3و4].

در این میان، ظرفیت‌های داخلی کشور نیز در حال شکل‌گیری و توسعه است. شرکت‌های دانش‌بنیان داخلی در حوزه تولید تجهیزات پایش، به‌ویژه حسگرهای کم‌هزینه، فعال شده‌اند و صنعت فضایی کشور نیز به توانمندی‌های قابل توجهی در حوزه تصویربرداری ماهواره‌ای دست یافته است. اظهارات مسئولان سازمان فضایی کشور نشان می‌دهد که ماهواره‌های سنجشی با دقت‌ مناسب برای پایش آلاینده‌ها و شناسایی کانون‌های گردوغبار در دسترس یا در حال توسعه هستند. بااین‌حال، بهره‌برداری مؤثر از این ظرفیت‌ها مستلزم رفع موانع نهادی، تعریف چارچوب‌های همکاری، دسترسی به داده‌ها و پیوند نظام‌مند میان داده‌های ماهواره‌ای و پایش زمینی است.

تجربه‌های جهانی نشان می‌دهد که موفقیت پایش‌های نوین، نه صرفاً در به‌کارگیری فناوری، بلکه در حکمرانی داده، استانداردسازی، تضمین کیفیت، شفافیت و پیوند پایش با تصمیم‌گیری سیاستی نهفته است. کشورهایی مانند چین، ایالات متحده و اعضای اتحادیه اروپا، پایش کیفیت هوا را برمبنای سلامت انسان طراحی کرده و از ترکیب داده‌های زمینی، ماهواره‌ای و مدل‌سازی برای مدیریت فعال کیفیت هوا بهره می‌برند. این تجربه‌ها نشان می‌دهد که پایش مؤثر می‌تواند مستقیماً به کاهش آلودگی، بهبود سلامت عمومی و افزایش اعتماد اجتماعی منجر شود [5].

این گزارش با تمرکز بر پایش‌های نوین کیفیت هوای محیطی و با پرهیز آگاهانه از ورود تفصیلی به پایش از منبع، تلاش دارد تصویری جامع، واقع‌بینانه و سیاست‌محور از وضعیت موجود پایش محیطی در ایران ارائه دهد. گزارش ضمن مرور پیشینه پژوهشی و تقنینی، به بررسی وضعیت فعلی شبکه پایش، معرفی فناوری‌ها و روش‌های نوین، تحلیل تجربیات موفق جهانی و در نهایت ارائه پیشنهادهای سیاستی متناسب با شرایط کشور می‌پردازد. هدف اصلی این گزارش، پشتیبانی از تصمیم‌سازی تقنینی و نظارتی و تقویت بنیان‌های داده‌محور مدیریت کیفیت هوا در راستای حفاظت از سلامت شهروندان است.

2. پیشینه

2-1. سوابق مطالعاتی در مرکز

پیش از این در مرکز پژوهش‌های مجلس در گزارش‌های مختلف بر موضوعاتی نظیر ضرورت پایش نوین و فناوری‌های پیشرفته مانند تصویربرداری ماهواره‌ای، پایش هوایی و سامانه‌های هوشمند تأکید شده است. در جدول 1 پیشینه پژوهشی مرکز ارائه شده است.

جدول 1. تحلیل پیشینه پژوهشی موضوع

مأخذ: نگارندگان.

2-2. سوابق تقنینی

چارچوب حقوقی و مقرراتی پایش کیفیت هوای محیطی در ایران، در لایه‌های مختلفی از قانون تا دستورالعمل‌های فنی شکل گرفته است. بررسی این اسناد نشان می‌دهد که اگرچه پشتوانه قانونی کلی برای پایش وجود دارد، اما اجرای کامل، یکپارچه و هماهنگ این مقررات با چالش‌های جدی مواجه است.

الف) آیین‌نامه فنی در زمینه کنترل و کاهش آلودگی‌ها (موضوع ماده (۲) قانون هوای پاک) مصوب 1397/06/21 هیئت وزیران 

ماده (18): سازمان ملی استاندارد ایران موظف است ظرف شش‌ماه از تاریخ ابلاغ این تصویب‌نامه نسبت به تدوین استاندارد ملی راهبری و نگهداری ایستگاه‌های پایش آلودگی هوا شامل همه آلاینده‌های معیار، آزمایشگاه مرجع برای صحت‌سنجی (کالیبراسیون) گازهای مرجع و تجهیزات مربوط اقدام و مراحل اجباری شدن آن را از طریق شورای عالی استاندارد پیگیری کند.

ماده (19): سازمان ملی استاندارد ایران موظف است با همکاری سازمان [حفاظت محیط زیست] و سازمان هواشناسی کشور ظرف شش‌ماه از تاریخ ابلاغ این تصویب‌نامه نسبت به تهیه فهرست تجهیزات مورد تأیید برای پایش آلودگی هوا و اطلاع‌رسانی آن در درگاه اینترنتی سازمان ملی استاندارد ایران اقدام و فهرست مذکور را به‌صورت سالیانه به‌روزرسانی کند. تأمین هرگونه تجهیزات پایش آلایندگی هوا خارج از فهرست مذکور توسط دستگاه‌هایی که به نحوی از بودجه عمومی یا کمک‌های دولتی استفاده می‌کنند، ممنوع است.

ماده (20): به‌منظور هم‌افزایی در بهره‌برداری از دستگاه‌های سنجش آلودگی هوا، کلیه دستگاه‌های اجرایی و شهرداری‌های دارای دستگاه‌های مذکور موظف‌اند ظرف شش‌ماه از تاریخ ابلاغ این تصویب‌نامه امکان دسترسی برخط اطلاعات و خروجی‌های دستگاه‌های مذکور را به‌صورت تعاملات الکترونیکی (وب‌سرویس) و از طریق شبکه ملی پایش آلودگی هوا فراهم کنند. سازمان [حفاظت محیط زیست] موظف است ظرف شش‌ماه از تاریخ ابلاغ این تصویب‌نامه شبکه ملی پایش موضوع این ماده را در آن سازمان ایجاد کند. کارگروهی با مسئولیت سازمان و عضویت وزارتخانه‌های ارتباطات و فناوری اطلاعات، بهداشت، درمان و آموزش پزشکی، راه و شهرسازی (سازمان هواشناسی کشور) و کشور و مسئولیت هماهنگی‌های اجرایی لازم به‌منظور استفاده بهینه از امکانات موجود در کشور در خصوص موضوع این ماده را برعهده دارد.

ماده (24): سازمان [حفاظت محیط زیست] موظف است نسبت به تولید سیاهه انتشار آلاینده‌های هوا در شهرهای دارای اولویت، اقدام و نتیجه را تا پایان شهریورماه سال ۱۳۹۸ به‌صورت سامانه پویا با قابلیت به‌روزرسانی ارائه کند.
تبصره‌: سازمان هواشناسی کشور موظف است الگو (مدل)‌های پیش‌بینی آلودگی هوا مبتنی‌بر استفاده از اطلاعات سامانه سیاهه انتشار موضوع این ماده و اطلاعات ایستگاه‌های پایش آلودگی هوا را به نحوی تهیه کند که تا شش‌ماه پس از دریافت سیاهه انتشار امکان ارائه اطلاعات پیش‌بینی آلودگی هوا از طریق الگو (مدل)‌های مذکور به مراجع ذی‌ربط و هشدار و آگاهی‌بخشی عمومی در این خصوص فراهم شود.

ب) مصوبه شماره ۱ جلسه ۳۵۷ کمیسیون تنظیم مقررات ارتباطات در خصوص تعرفه تصاویر ماهواره «خیام»  

این مصوبه با تعیین تعرفه‌های ترجیحی برای داده‌های ماهواره «خیام»، دسترسی به داده‌های ماهواره‌ای را به‌عنوان یک ابزار مکمل و کلان‌نگر برای پایش رسمی تسهیل می‌کند. این اقدام نشان‌دهنده حرکت به‌سوی به رسمیت شناختن پایش ترکیبی (هیبرید) است که در آن داده‌های ماهواره‌ای برای ردیابی توده‌های آلاینده (مانند ریزگرد) و پر کردن شکاف‌های پوشش شبکه زمینی استفاده می‌شود.

ج) بند (پ) ماده (۲۲) قانون برنامه پنج‌ساله هفتم پیشرفت جمهوری اسلامی ایران

سازمان حفاظت محیط‌ زیست مجاز است از طریق آزمایشگاه‌های معتمد و همکار، بر میزان آلایندگی و ارزیابی خوداظهاری واحدهای آلاینده و واسنجی (کالیبراسیون) تجهیزات پایش آلاینده‌های منابع زیستی نظارت نماید. پرداخت تعرفه خدمات مذکور برعهده واحدهای مشمول می‌باشد. آیین‌نامه اجرایی این بند مشتمل بر تعیین شاخص‌ها و معیارهای زیست‌محیطی و تعرفه‌های ارائه خدمات به واحدهای مشمول، توسط سازمان حفاظت محیط‌زیست تهیه می‌شود و به تصویب هیئت وزیران می‌رسد.

جدول 2. تحلیل پیشینه تقنینی

مأخذ: همان.

3. چالش‌های شبکه فعلی پایش محیطی هوا در کشور و ضرورت تحول

شبکه پایش کیفیت هوا، زیربنای نظام مدیریت کیفیت هوا و مبنای تصمیم‌گیری، سیاستگذاری و ارزیابی اثربخشی اقدامات کنترلی است. با‌این‌حال، بررسی وضعیت موجود نشان می‌دهد که شبکه‌های پایش کشور با چالش‌هایی همچون محدودیت پوشش مکانی، نقص و ناپیوستگی داده‌ها، فرسودگی تجهیزات، محدودیت منابع مالی، نبود یکپارچگی سامانه‌های اطلاعاتی و بهره‌گیری محدود از فناوری‌های نوین مواجه هستند. از سوی دیگر، افزایش انتظارات از نظام پایش و ضرورت پاسخ‌گویی به نیازهای روز مدیریت محیط زیست، تحول در ساختار و رویکرد شبکه پایش را اجتناب‌ناپذیر کرده است. در ادامه، مهم‌ترین چالش‌های شبکه فعلی و محورهای اصلی این تحول بررسی می‌شود.

3-1. ایستگاه‌های پایش ثابت زمینی و نقص داده

شبکه پایش محیطی آلودگی هوا در ایران عمدتاً متکی بر ایستگاه‌های پایش ثابت زمینی است که توسط سازمان حفاظت محیط زیست و شهرداری‌ها اداره می‌شوند. طی 14 سال منتهی به 1403 حدود 437 ایستگاه پایش کیفیت هوا در سراسر کشور نصب شده که داده‌های آنها در سامانه پایش کیفی کشور در دسترس بوده است. این ایستگاه‌ها عموماً آلاینده‌هایی نظیرPM₁₀، PM_2.5، NO₂، SO₂، CO و O₃ را اندازه‌گیری می‌کنند و داده‌ها به‌صورت برخط یا شبه‌برخط منتشر می‌شوند[1].

شکل 1. توزیع مکانی ایستگاه‌های پایش آلاینده‌های محیطی در کشور[2]

از حدود 437 ایستگاه فوق، 176 ایستگاه (تنها حدود 40 درصد) در سال 1403 دارای داده معتبر (حداقل 50 درصد داده ساعتی معتبر برای یک‌سال) برای آلاینده PM_2.5 بوده است. در شکل زیر روند تعداد ایستگاه‌های معتبر پایش کیفیت هوا در کل کشور طی سال‌های 1390 الی 1403 به تفکیک آلاینده‌های هوا نمایش داده شده است[1].

شکل 2. نمودار روند تعداد ایستگاه‌های معتبر پایش کیفیت هوای محیطی در ایران[1]

بر این اساس وزارت بهداشت در کنار سازمان حفاظت محیط زیست که مسئولیت پایش کیفیت هوا را برعهده دارد، اقدام به نصب حدود 53 ایستگاه پایش ذرات معلق هوا، اغلب در نیمه دوم سال 1403 کرده؛ به سامانه پایش کیفیت هوا متصل شده‌ و در مناطق مختلف کشور توزیع شده است [1].

3-2. توزیع مکانی ایستگاه‌ها و نابرابری پوشش شهری

توزیع مکانی ایستگاه‌های پایش و موقعیت قرارگیری آنها در بسیاری از شهرهای ایران با الگوی توزیع جمعیت، کاربری زمین و منابع آلودگی همخوانی ندارد. این مسئله باعث شده که میانگین‌های شهری محاسبه‌شده لزوماً بیانگر مواجهه واقعی شهروندان با آلودگی هوا نباشد[3]. ازسوی‌دیگر، طراحی شبکه فعلی عمدتاً مبتنی‌بر رویکردهای سنتی بوده و پاسخگوی نیازهای نوین مانند تحلیل توزیع مکانی آلودگی، شناسایی نقاط داغ و منشأیابی دقیق نیست[4].

بیشترین تعداد ایستگاه نصب شده، به ترتیب در استان تهران (63)، خوزستان (46)، خراسان رضوی (40) و اصفهان (31) بوده که مجموع تعداد ایستگاه‌های این 4 استان حدود 42 درصد از کل ایستگاه‌های کشور را به خود اختصاص داده است. تعداد ایستگاه‌ها به‌صورت نابرابری در استان‌های مختلف توزیع شده‌ و در 6 استان هرمزگان، کهگیلویه و بویراحمد، گلستان، لرستان، اردبیل و مازندران در سال 1403 هیچ ایستگاه معتبری برای PM_2.5 وجود نداشته است. با وجود توسعه نسبی تعداد ایستگاه‌ها در برخی کلان‌شهرها، این شبکه در سطح ملی ناهمگون و نامتوازن است. تمرکز ایستگاه‌ها در مراکز شهری و مناطق برخوردار، سبب شده که بسیاری از مناطق حاشیه‌ای، شهرهای متوسط، مناطق صنعتی و کانون‌های گردوغبار عملاً فاقد پوشش پایش مؤثر باشند [1].

در کلان‌شهرهایی مانند تهران، اختلاف معنا‌داری میان غلظت آلاینده‌ها در مناطق شمالی، مرکزی و جنوبی مشاهده می‌شود. اگرچه تعداد ایستگاه‌های پایش در تهران در مقایسه با بسیاری از شهرهای کشور قابل ‌توجه است، اما چیدمان فضایی، نوع تجهیزات و وضوح مکانی و زمانی داده‌ها به‌گونه‌ای نیست که بتواند ناهمگنی‌های ریزمقیاس آلودگی هوا را به‌طور کامل ثبت کند و منابع ایجاد آلودگی‌ها را نشان دهد. این محدودیت، کارایی داده‌ها در پشتیبانی از تصمیم‌گیری‌های مدیریتی هدفمند و تحقق عدالت زیست‌محیطی را کاهش می‌دهد[5 و 3] و ضرورت بررسی و بازنگری علمی جانمایی ایستگاه‌های پایش و رعایت اصول نصب، راه‌اندازی و بهره‌برداری صحیح ایستگاه‌ها را نمایان می‌کند.

3-3. یکسان فرض شدن داده‌های انواع ایستگاه‌های پایش محیطی

طبقه‌بندی‌های مختلفی در خصوص ایستگاه‌های ثابت سنجش آلودگی هوا برحسب محل قرارگیری و آلاینده‌های مختلف ارائه شده که در آنها به موارد متعددی چون نوع کاربری ایستگاه (شهری، ترافیکی، صنعتی و ...)، فاصله از موانع (ساختمان‌ها، درختان و ...)، فاصله از خیابان، بزرگراه و تقاطع، فاصله از منابع آلودگی مانند دودکش و واحدهای صنعتی، ارتفاع از سطح زمین، نوع پوشش زمین، جهت وزش باد غالب و ... توجه شده است.

به‌طورکلی محل ایستگاه تا حد امکان باید نماینده مناطق اطراف خود باشد. به‌طور مثال ایستگاه‌های ترافیکی باید معرف وضعیت هوا برای بیش از 200 مترمربع از سطح اطراف خود باشند و این میزان برای ایستگاه‌های واقع در حومه شهر به چندین برابر می‌رسد. هدف از استقرار ایستگاه‌های ترافیکی، بررسی آلودگی ناشی از خیابان‌های نزدیک به مناطق پرجمعیت است. این ایستگاه‌ها باید تحت تأثیر مستقیم خیابان و وسایل نقلیه باشند. ایستگاه‌های شهری برای بررسی تأثیر آلاینده‌ها بر جمعیت در معرض آلودگی، در شهرها احداث می‌شوند. فاصله ایستگاه‌های شهری از خیابان‌های پرترافیک برحسب میزان متوسط ترافیک روزانه (تعداد وسیله نقلیه)، متفاوت بوده و از حدود 10 تا 200 متر متغیر است. همچنین ایستگاه‌های شهری باید از تعمیرگاه‌های اتومبیل و پارکینگ‌های بزرگ حداقل 200 متر و از ایستگاه‌های اتوبوس و تاکسی در حدود 100 متر فاصله داشته باشند [3].

با توجه به موجود نبودن استاندارد و دستورالعمل مدون در خصوص طبقه‌بندی ایستگاه‌ها در کشور، گروه‌بندی برای کاربری ایستگاه‌ها براساس ضوابط و مقررات سایر کشورها انجام شده است. با توجه به تفاوت در توزیع منابع انتشار در سطح شهرها، بافت و طراحی شهری در کشورهای مختلف، ضرورت تدوین استاندارد جامع در این خصوص برای کشور وجود دارد. همچنین با توجه به اینکه از نصب و راه‌اندازی برخی از ایستگاه‌های سنجش آلودگی بیش از یک دهه می‌گذرد، تغییرات صورت گرفته در بافت و تراکم شهری، طبقه‌بندی دقیق آنها را مشکل کرده و استفاده از داده‌های خروجی انواع ایستگاه‌ها، به‌صورت یکسان انجام می‌شود. به‌عنوان مثال برای ترسیم توزیع مکانی غلظت آلودگی، از داده‌های همه‌ انواع ایستگاه‌ها، بدون در نظر گرفتن تفاوت آنها استفاده می‌شود[3].

3-4. وضعیت کالیبراسیون، نگهداشت و کیفیت داده‌ها

یکی از مهم‌ترین چالش‌های شبکه پایش محیطی ایران، مسئله کالیبراسیون تجهیزات اندازه‌گیری است. کالیبراسیون منظم و استاندارد شرط اساسی اعتبار داده‌های پایش محسوب می‌شود، اما شواهد میدانی و گزارش‌های رسمی نشان می‌دهد که بخش قابل توجهی از ایستگاه‌های فعال کشور فاقد کالیبراسیون معتبر و به‌روز هستند [3]. هزینه بالای کالیبراسیون، نیاز به تجهیزات مرجع، وابستگی به خدمات تخصصی و کمبود نیروی انسانی آموزش‌دیده از عوامل اصلی این وضعیت به شمار می‌رود. درنتیجه، بخشی از داده‌های تولید شده قابلیت استفاده در تحلیل‌های سیاستی و علمی را ندارند یا با عدم قطعیت بالا همراه‌اند. این چالش به‌ویژه در مواجهه با فناوری‌های نوین مانند حسگرهای کم‌هزینه اهمیت دوچندان پیدا می‌کند، زیرا بدون چارچوب کالیبراسیون و کنترل کیفیت، افزایش حجم داده لزوماً به بهبود کیفیت تصمیم‌سازی منجر نمی‌شود[4].

3-5. ناپایداری داده‌ها و قطع پیوستگی زمانی

پایش کیفیت هوا نیازمند داده‌های پیوسته و بلندمدت است تا امکان تحلیل روندها و ارزیابی اثر سیاست‌ها فراهم شود. بااین‌حال، قطع برق، خرابی تجهیزات، مشکلات مخابراتی و ضعف نگهداشت موجب شده که بسیاری از ایستگاه‌ها با وقفه‌های طولانی در ثبت داده مواجه باشند[2]. این ناپایداری داده‌ها، تحلیل‌های آماری و مدل‌سازی را با خطا مواجه می‌کند و امکان مقایسه سالیانه و فصلی را کاهش می‌دهد. درنتیجه، تصمیم‌گیران ناچار به اتکا بر داده‌های ناقص یا تخمینی می‌شوند[3].

3-6. ضرورت بازنگری و بازطراحی علمی شبکه موجود ایستگاه‌های پایش

گذشته از چالش‌های مرتبط با کیفیت داده و پوشش مکانی، یک مسئله بنیادی‌تر که کمتر به آن پرداخته شده، عدم بازنگری و بازطراحی علمی شبکه موجود ایستگاه‌های پایش است. شواهد میدانی و تحلیل‌های کارشناسی نشان می‌دهد که جانمایی برخی از ایستگاه‌های فعال کشور، به‌ویژه آنهایی که بیش از یک دهه از نصب آنها می‌گذرد، منطبق بر اصول استاندارد و ضوابط روز دنیا نیست؛ اصولی نظیر فاصله استاندارد از موانع (ساختمان‌ها، درختان)، فاصله مناسب از تقاطع‌ها و خیابان‌های پرترافیک، رعایت ارتفاع استاندارد از سطح زمین، توجه به جهت وزش باد غالب و همچنین تفکیک کاربری صحیح ایستگاه‌ها (شهری، ترافیکی، صنعتی، پس‌زمینه). در عمل، بخش قابل توجهی از ایستگاه‌ها بدون برخورداری از یک «نقشه راه استقرار علمی» و صرفاً براساس دسترسی فیزیکی یا ملاحظات غیرفنی نصب شده‌اند. با وجود این مسئله داده‌های خروجی این ایستگاه‌ها لزوماً معرف شرایط واقعی مواجهه جمعیت نبوده و در مواردی، حتی برای تحلیل الگوهای آلودگی نیز قابل استفاده نیستند [3].

به همین علت، هرگونه برنامه برای توسعه پایش‌های نوین (اعم از حسگرهای کم‌هزینه، ماهواره یا مدل‌سازی) باید با یک گام اساسی و فوری یعنی «بازنگری و بازطراحی شبکه موجود» آغاز شود. این فرایند شامل ارزیابی جانمایی ایستگاه‌های فعلی براساس استانداردهای ملی به‌روزشده (مطابق ماده (۱۸) آیین‌نامه فنی)، تعیین تکلیف ایستگاه‌های فاقد داده معتبر یا دارای تجهیزات فرسوده، شناسایی شکاف‌های مکانی (به‌ویژه در مناطق حاشیه‌نشین، مجاور صنایع و کانون‌های گردوغبار) و در نهایت تدوین یک طرح جامع برای بهینه‌سازی شبکه موجود و تکمیل هدفمند آن است. تأکید می‌شود که این بازطراحی، پیش‌نیاز اساسی برای هرگونه سرمایه‌گذاری جدید در تجهیزات پایش است و بدون آن، حتی توسعه شبکه‌های متراکم حسگرهای کم‌هزینه یا بهره‌گیری از داده‌های ماهواره‌ای نیز نمی‌تواند تصویر درست و قابلی از توزیع آلودگی و مواجهه واقعی جمعیت ارائه دهد [3].

4. فناوری‌ها و روش‌های نوین پایش محیطی آلودگی هوا و کاربردهای عملی در ایران

شبکه فعلی پایش محیطی اگرچه پایه‌ای ارزشمند ایجاد کرده، اما با چالش‌هایی نظیر عدم پوشش مکانی کافی، ضعف کالیبراسیون، ناپایداری داده و محدودیت در پاسخ‌گویی به نیازهای نوین مدیریت کیفیت هوا مواجه است. این وضعیت، ضرورت گذار به پایش‌های نوین محیطی را برجسته می‌کند؛ پایش‌هایی که بتوانند با هزینه معقول، پوشش گسترده، دقت قابل اتکا و قابلیت تحلیل پیشرفته، زیربنای تصمیم‌سازی مؤثر در حوزه کیفیت هوا را فراهم کنند[4]. در ادامه فناوری‌های نوین پایش محیطی آلودگی هوا از منظر دامنه کاربرد، مزایا، محدودیت‌ها و کاربردهای عملی در ایران بررسی شده است.

4-1. پایش ماهواره‌ای: چشم بی‌دریغ برای رصد منابع گسترده و غیرمتمرکز

کاربرد ماهواره‌ها در پایش کیفیت هوا، امروزه بسیار گسترده و چندبُعدی است. یکی از مهم‌ترین کاربردها، پایش وسیع و یکپارچه آلاینده‌ها در مقیاس ملی، منطقه‌ای و جهانی است؛ قابلیتی که هیچ شبکه زمینی به‌تنهایی قادر به فراهم کردن آن نیست. داده‌های ماهواره‌ای برای شناسایی ریزگردها، کانون‌های آلودگی صنعتی، آثار آتش‌سوزی جنگل‌ها، ردیابی انتقال بین‌ مرزی آلاینده‌ها و تحلیل تغییرات بلندمدت استفاده می‌شوند[7]. همچنین، ترکیب داده‌های ماهواره‌ای با مدل‌های شیمی–انتقال و شبکه‌های پیش‌بینی، امکان ایجاد نقشه‌های همزمان کیفیت هوا و پیش‌بینی‌های دقیق برای مناطق فاقد ایستگاه زمینی را فراهم کرده است[8]. ازسوی‌دیگر، داده‌های ماهواره‌ای نقشی اساسی در اعتبارسنجی منابع آلاینده‌ها، مانند انتشار ناشی از ترافیک، صنایع بزرگ، معادن و نیروگاه‌ها ایفا می‌کنند.

مزایای فناوری ماهواره‌ای در پایش کیفیت هوا قابل ‌توجه است. نخستین مزیت، پوشش وسیع جغرافیایی است که امکان پایش پیوسته مناطق دورافتاده، مرزی و فاقد زیرساخت زمینی را فراهم می‌کند. دوم، یکپارچگی داده‌هاست که امکان مقایسه عملکرد مناطق مختلف و تحلیل‌های مقیاس بزرگ را میسر می‌کند. سوم، ماهواره‌ها امکان تهیه داده‌های چندطیفی و چندزمانه را فراهم می‌کنند که می‌تواند در شناسایی الگوهای فصلی، بلندمدت و آثار تغییرات اقلیمی بر کیفیت هوا نقش به‌سزایی داشته باشد[9]. افزون بر این، دسترسی آزاد به داده‌های مأموریت‌هایی مانند Sentinel، از نظر اقتصادی مزیت بزرگی به شمار می‌آید.

با وجود این مزایا، فناوری ماهواره‌ای محدودیت‌هایی نیز دارد که یکی از مهم‌ترین آنها، تفکیک مکانی نسبتاً پایین برای مطالعات محلی و درون‌شهری است. علاوه‌بر این، وابستگی داده‌ها به شرایط جوی مانند ابر، رطوبت و زاویه تابش خورشید است که می‌تواند کیفیت داده‌ها را تحت تأثیر قرار دهد. از طرف دیگر، داده‌های ماهواره‌ای اغلب ستونی بوده و به‌طور مستقیم غلظت سطح زمین را نمایش نمی‌دهند؛ بنابراین نیازمند مدل‌سازی و داده‌های کمکی هستند[10]. علاوه‌بر این، محدودیت در دفعات گذر ماهواره ممکن است مانع پایش لحظه‌ای آلودگی شود، مگر در ماهواره‌های مدار پایین با ظرفیت تصویربرداری روزانه.

وسعت جغرافیایی ایران، وجود کانون‌های داخلی و فرامرزی گردوغبار و شیوع منابع آلودگی غیرمتمرکز (مانند سوزاندن پسماند)، بهره‌گیری از پایش ماهواره‌ای را از یک گزینه به یک ضرورت راهبردی تبدیل کرده است. ازجمله کاربردهای عملیاتی پایش ماهواره‌ای در ایران می‌توان به موارد زیر اشاره کرد.

-       پیش‌بینی و ردیابی گردوغبار: به‌ویژه در سیستان و بلوچستان، خوزستان و استان‌های غرب کشور با استفاده از مدل‌های ترکیبی زمین-ماهواره برای پیش‌بینی مسیر و شدت طوفان‌های گردوغبار با دقت زمانی ۴۸ تا ۷۲ ساعت جلوتر و ارائه هشدارهای عملیاتی به بخش‌های سلامت، کشاورزی و حمل‌ونقل.

-       برآورد سطحی آلودگی در مناطق فاقد پایش: تولید نقشه‌های روزانه و ساعتی از توزیع  PM_2.5و دی‌اکسید نیتروژن با وضوح ۱×۱ کیلومتر برای کل کشور، با استفاده از الگوریتم‌های یادگیری ماشین که داده‌های ماهواره‌ای را با داده‌های زمینی محدود تلفیق می‌کنند. این نقشه‌ها می‌توانند شکاف اطلاعاتی در شهرهای کوچک، مناطق روستایی و حریم کلان‌شهرها را پر کند.

-       نظارت بر آلاینده‌های گازی خاص: رصد انتشار دی‌اکسید گوگرد (SO₂) از مجتمع‌های صنعتی بزرگ (مانند پالایشگاه‌ها و نیروگاه‌ها) و متان (CH₄) از مراکز دفن زباله و خطوط انتقال نفت و گاز.

4-2. شبکه‌های حسگرهای کم‌هزینه: ایجاد تراکم مکانی و تمرکز بر عدالت محیطی

حسگرهای کم‌هزینه در دهه‌های اخیر به‌عنوان یکی از نوآورانه‌ترین فناوری‌ها در حوزه پایش کیفیت هوا مطرح شده‌اند. مهم‌ترین کاربرد آنها ایجاد شبکه‌های پایش پرشمار و با تفکیک مکانی بالا در مناطق شهری است؛ شبکه‌هایی که می‌توانند تغییرات کوتاه‌مدت و ریزمقیاس آلودگی را به‌ویژه در مجاورت خیابان‌ها، مدارس، مناطق صنعتی و نقاط داغ آلایندگی ثبت کنند[11]. ترکیب این داده‌ها با مدل‌های شیمی–انتقال و داده‌های ماهواره‌ای، امکان ارائه نقشه‌های چندمنبعی کیفیت هوا را فراهم می‌کند که در مطالعات مدیریت شهری، تحقیقات اپیدمیولوژیک و تحلیل آثار ترافیک کاربرد دارد[12]. افزون بر این، نصب سنسورها در محیط‌های داخلی مانند منازل، مدارس و ادارات، دیدگاه جدیدی درباره تفاوت میان کیفیت هوای داخل و خارج ایجاد کرده و این داده‌ها به‌صورت فزاینده‌ای در مطالعات سلامت و پایش قرارگیری انسان در معرض آلودگی استفاده می‌شوند. در حوزه مشارکت عمومی نیز سنسورهای کم‌هزینه موجب افزایش آگاهی عمومی نسبت به آلودگی هوا شده‌اند[13].

هزینه اندک، نصب و نگهداری آسان، مصرف انرژی پایین، قابلیت انتقال داده بلادرنگ و امکان ایجاد شبکه‌های گسترده، این سنسورها را به گزینه‌ای ایدئال برای پایش تکمیلی و پشتیبانی از ایستگاه‌های مرجع تبدیل کرده است. همچنین، به‌واسطه الگوریتم‌های تصحیح مبتنی‌بر یادگیری ماشین، دقت داده‌های آنها به‌طور چشمگیری بهبود یافته است[14]. بااین‌حال، محدودیت‌هایی نیز وجود دارد. سنسورهای کم‌هزینه نسبت به تغییرات دما، رطوبت و سایر شرایط محیطی حساس‌اند و ممکن است در بلندمدت دچار رانش سیگنال شوند. دقت آنها همچنان کمتر از استانداردهای ایستگاه‌های مرجع بوده و برای کاربری‌های قانونی، مقرراتی و مطالعات حساس ممکن است نیاز به اعتبارسنجی مستمر و کالیبراسیون داشته باشند[15]. علاوه‌بر این، تنوع زیاد در کیفیت ساخت و استانداردهای تولید میان برندها، چالش‌هایی در مقایسه و تلفیق داده‌ها ایجاد می‌کند. حسگرهای کم‌هزینه در کنار ایستگاه‌های مرجع سازمان حفاظت محیط زیست و شهرداری‌های کشور می‌تواند در موارد زیر در ایران به‌کار گرفته شود.

•      پایش مواجهه جمعیت‌های حساس در داخل ساختمان‌ها، مدارس، بیمارستان‌ها و مهدکودک‌ها به‌ویژه در مناطق دارای آلودگی بالا؛
•      شناسایی نقاط داغ آلودگی شهری در کلان‌شهرهایی مانند تهران، اصفهان و مشهد؛
•      پایش آلودگی ناشی از منابع خاص نظیر صنایع، معادن، نیروگاه‌ها و کوره‌های آجرپزی.

4-3. فناوری‌های پیشرفته آنالیز برخط ذرات معلق: کلید منشأیابی سریع و هدف‌گیری سیاستی

پایش نوین فراتر از اندازه‌گیری غلظت کل ذرات (مانند PM_2.5) رفته و به سمت شناسایی ترکیب شیمیایی ذرات در لحظه (برخط) حرکت کرده است. این فناوری‌های پیشرفته، امکان سهم‌بندی لحظه‌ای منابع آلودگی را فراهم می‌کنند و به جای انتظار برای نتایج آزمایشگاه (که ممکن است هفته‌ها طول بکشد)، اطلاعاتی حیاتی برای پاسخ فوری و هدف‌گیری مؤثر سیاست‌ها ارائه می‌دهند[16]. منشأیابی آلودگی هوا با استفاده از فناوری‌های آنالیز برخط، رویکردی نوین در شناسایی و تفکیک منابع آلاینده در محیط‌های شهری و صنعتی است. این فناوری‌ها با فراهم‌سازی داده‌های لحظه‌ای، پیوسته و دقیق از غلظت و خصوصیات ذرات معلق، امکان بررسی پویایی آلودگی هوا را در ابعاد زمانی و مکانی فراهم می‌کنند. برخلاف روش‌های سنتی مبتنی‌بر نمونه‌برداری دوره‌ای و تحلیل آزمایشگاهی، سامانه‌های برخط قادرند تغییرات سریع و ناگهانی آلودگی ناشی از فعالیت‌های ترافیکی، صنعتی، رویدادهای آتش‌سوزی یا ورود توده‌های گردوغبار را در لحظه ثبت کرده و الگوهای رفتاری هر منبع را با دقت بالاتری آشکار کنند.

الف) آنالایزرهای برخط فلزات معلق در هوا: این دستگاه‌ها، با استفاده از تکنیک‌هایی مانند طیف‌سنجی فلورسانس اشعه ایکس یا طیف‌سنجی جرمی پلاسمای جفت شده القایی، غلظت فلزات سنگین و عناصر کم‌مقدار (مانند سرب، آرسنیک، کادمیوم، روی، وانادیوم، نیکل) را در ذرات معلق به‌طور پیوسته اندازه‌گیری می‌کنند. ازآنجاکه الگوی فلزات مانند اثرانگشت شیمیایی برای منابع مختلف است (مانند وانادیوم و نیکل شاخص سوخت کشتی، سرب می‌تواند شاخص صنایع خاص یا خاک باشد)، این داده‌ها امکان شناسایی سریع و کمّی سهم منابع صنعتی، فرسایش خاک و گردوغبار را ممکن می‌کنند[17].

ب) آنالایزرهای برخط یون‌های معلق: این تجهیزات غلظت یون‌های مهم موجود در ذرات، مانند نیترات (NO₃)، سولفات (SO₄^-2) ، آمونیوم (NH₄⁺) و کلرید (Cl^-) را به صورت ساعتی یا با وضوح زمانی بالاتر اندازه می‌گیرند. نیترات و سولفات، شاخص آلودگی ثانویه ناشی از واکنش‌های جوی گازهای NO_x و SO₂ هستند. پایش برخط این یون‌ها می‌تواند اثربخشی سیاست‌های کاهش انتشار این گازها از صنایع و حمل‌ونقل را با سرعت بی‌سابقه‌ای ارزیابی کند و نشان دهد که کاهش انتشار یک گاز چگونه مستقیماً بر غلظت ذرات معلق تأثیر می‌گذارد[18].

ج) آنالایزرهای برخط کربن آلی/کربن عنصری: این دستگاه‌ها با روش‌های حرارتی، کربن موجود در ذرات را به 2 بخش کلیدی تفکیک می‌کنند: کربن عنصری (EC) که عمدتاً از احتراق ناقص سوخت‌های فسیلی و زیست‌توده (مانند دوده) ناشی می‌شود و کربن آلی (OC) که منشأ گسترده‌تری شامل احتراق، واکنش‌های ثانویه و منابع طبیعی دارد. نسبت EC/OC یک شاخص قدرتمند برای تشخیص سهم نسبی منابع احتراقی (مانند ترافیک دیزلی، سوزاندن زباله) در آلودگی لحظه‌ای است[19].

منشأیابی آلودگی هوا با استفاده از فناوری‌های پیشرفته آنالیز برخط در ایران، قابلیت به‌کارگیری در محورهای زیر را دارد:

•      ارزیابی اثربخشی سیاست‌های ترافیکی بر کنترل کیفیت هوا و بهینه‌سازی طرح‌های ترافیکی در کلان‌شهرهای کشور از طریق تعیین هوشمند محدوده ترافیکی، اعمال محدودیت هوشمند وسایل نقلیه سبک و سنگین اعم از دیزلی، خودروهای سواری و موتورسیکلت.
•      برنامه‌ریزی بلندمدت و سیاستگذاری مبتنی‌بر داده واقعی در خصوص گسترش حمل‌ونقل عمومی، ارتقای استاندارد خودرو، جابه‌جایی صنایع، ارتقای کیفیت سوخت یا نوسازی ناوگان.
•      پایش محدوده شهرک‌های صنعتی و نیروگاه‌ها و کشف تخلفات به‌ویژه در زمان اوج آلودگی هوا.

4-4. دوربین‌های پایش کیفیت هوا و تحلیل تصویر

دوربین‌های پایش کیفیت هوا در سال‌های اخیر به‌عنوان یکی از ابزارهای نوین در شبکه‌های پایش کیفیت هوا مورد توجه قرار گرفته‌اند. این فناوری با اتکا به تحلیل تصاویر و الگوریتم‌های پردازش تصویر، امکان ارزیابی غیرمستقیم وضعیت آلودگی هوا را فراهم کرده و به‌ویژه برای پایش ذرات معلق، دود و کاهش دید کاربرد گسترده‌ای یافته است. ترکیب داده‌های تصویری با مدل‌های هوش مصنوعی، شبکه‌های عصبی و داده‌های ایستگاه‌های مرجع، دقت تحلیل و پیش‌بینی آلودگی را به‌طور قابل توجهی افزایش داده است .استفاده از دوربین‌های پایش کیفیت هوا در مقایسه با ایستگاه‌های مرجع سنجش کیفیت هوا، با هزینه‌ کمتر، پوشش گسترده‌تر و پایش مستمری را فراهم می‌کند[20]. بااین‌حال، دقت این دوربین‌ها نسبت به ایستگاه‌های سنجش استاندارد پایین‌تر است و عواملی مانند نور، وضعیت جوی، ابر، باران، انعکاس و زاویه قرارگیری دوربین می‌تواند باعث خطا در تحلیل شود. این فناوری عمدتاً برای پایش ذرات و دود مناسب است و برای تحلیل مستقیم آلاینده‌های گازی کارایی محدودی دارد و برای ذرات معلق نیز نیازمند کالیبراسیون مداوم با داده‌های زمین پایه هستند[21]. یک نمونه نوآورانه، پروژه‌ای است که توسط گوگل و شرکای تحقیقاتی آن در حال توسعه بوده و از دوربین‌های موجود در سطح شهر (مانند دوربین‌های ترافیکی یا دوربین‌های مخصوص نصب‌ شده بر روی خودروهای سرویس) برای استنتاج کیفیت هوا استفاده می‌کند[22]. داده‌های تصویری پردازش‌ شده سپس با داده‌های ایستگاه‌های زمینی ثابت کالیبره می‌شوند تا مدل‌های یادگیری ماشین بتوانند با دقت قابل قبولی، نقشه‌های پراکنش مکانی آلودگی با وضوح بسیار بالا (در مقیاس خیابان) را استنتاج کنند[23].

داده‌های تصویری می‌توانند به‌عنوان یک جریان داده مکمل ارزشمند در اکوسیستم پایش ترکیبی مورد توجه قرار گیرند. ازجمله کاربردهای این روش برای پایش کیفیت هوا می‌توان به موارد زیر اشاره کرد:

•      شناسایی لحظه‌ای شروع طوفان‌های گردوغبار به‌ویژه در مناطق غربی، جنوب غربی و جنوب شرقی کشور.
•      شناسایی خودکار منابع نقطه‌ای آلودگی دیداری (دودکش‌ها، خودروهای دودزا) و تکمیل نقشه‌های آلودگی در مناطق فاقد ایستگاه یا حسگر با استفاده از شبکه گسترده دوربین‌های ترافیکی و نظارتی.

با توجه به عدم بلوغ کافی این فناوری و نیاز به کالیبراسیون بسیار دقیق و مستقل با داده‌های زمینی، در حال حاضر کاربرد عملیاتی آن برای ایران توصیه نمی‌شود. پیشنهاد می‌شود این موضوع صرفاً در قالب پروژه‌های پژوهشی محدود توسط دانشگاه‌ها دنبال شود و تا زمان حصول نتایج قابل اتکا، در شبکه رسمی پایش کشور جایگاهی نداشته باشد.

4-5. پهپادها: دقت بیشتر، دید گسترده‌تر

پایش کیفیت هوا با استفاده از سامانه‌های هوابرد بدون سرنشین یا پهپادها طی دو دهه اخیر به یکی از حوزه‌های نوظهور و تحول‌آفرین در علوم محیطی تبدیل شده است. کاربردهای پهپادها در پایش نوین کیفیت هوا بسیار متنوع و منحصربه‌فرد است. یکی از مهم‌ترین کاربردها، اندازه‌گیری عمودی و سه‌بٌعدی آلاینده‌هاست. برخلاف ایستگاه‌های زمینی که تنها داده سطح زمین را ارائه می‌دهند، پهپادها قادرند نحوه تغییر غلظت آلاینده‌هایی مانند PM₂.₅، NOₓ و O₃ را در ارتفاعات مختلف تا چندصد متر ثبت کنند[24]. همچنین، پهپادها ابزاری کارآمد برای پایش نزدیک منبع محسوب می‌شوند؛ به‌ویژه در صنایع نفت و گاز، پالایشگاه‌ها، کارخانه‌ها، دودکش‌ها و معادن که امکان نمونه‌برداری مستقیم از نقاط پرخطر یا دور از دسترس را فراهم می‌کنند. افزون بر این، پهپادها جایگاه مهمی در کالیبراسیون و اعتبارسنجی مدل‌های شیمی–انتقال و داده‌های ماهواره‌ای پیدا کرده‌اند، زیرا قادرند اندازه‌گیری‌های دقیق را در ارتفاعات مختلف فراهم کنند که برای ارزیابی داده‌های ماهواره‌ای بسیار ارزشمند است[25].

این سامانه‌ها چابکی و انعطاف‌پذیری بالایی دارند؛ به‌نحوی‌که می‌توان آنها را در مناطق صعب‌العبور، صنعتی یا خطرناک استفاده کرد. علاوه‌بر این، پهپادها قادر به جمع‌آوری داده‌های بسیار دقیق در ارتفاعات مختلف هستند، چیزی که هیچ روش زمینی یا حتی بسیاری از روش‌های هوابرد سنتی قادر به انجام آن نیستند. همچنین، هزینه عملیاتی پایین‌تر نسبت به هواپیماهای سرنشین‌دار و تجهیزات سنجش هوایی کلاسیک به پژوهشگران و نهادهای نظارتی اجازه می‌دهد مطالعات میدانی مکرر و با بودجه محدود انجام دهند[26]. همچنین، امکان نصب همزمان چند حسگر گازی، ذره‌ای و اپتیکی بر روی پهپاد، آن را به یک پلتفرم چندمنظوره و کارآمد برای مطالعات محیطی تبدیل می‌کند.

با وجود این مزایا، محدودیت‌هایی نیز وجود دارد که یکی از مهم‌ترین آنها، محدودیت باتری و زمان پرواز است که مانع از انجام عملیات طولانی‌مدت می‌شود. دوم، پهپادها تحت تأثیر شرایط نامساعد جوی مانند باد شدید، بارش و دما قرار می‌گیرند که می‌تواند ایمنی پرواز و دقت سنسورها را کاهش دهد. سوم، چالش‌های مقررات‌گذاری و نیاز به مجوزهای پروازی در بسیاری از کشورها مانع اجرای آزادانه مأموریت‌های میدانی می‌شود[27]. ازسوی‌دیگر، ارتعاش، جریان هوای ملخ‌ها و آثار حرارتی موتور می‌تواند در اندازه‌گیری برخی آلاینده‌ها خطا ایجاد کند، که نیازمند کالیبراسیون دقیق و طراحی مناسب جایگاه حسگر است. به‌علاوه، هزینه بالای برخی حسگرهای دقیق ممکن است مانع استفاده گسترده از پهپادهای پیشرفته در برخی پروژه‌ها شود.

پهپادها قابلیت به‌کارگیری در پایش کیفیت در حوزه‌های زیر را در کشور دارند.

•      پایش آلودگی اطراف پالایشگاه‌ها و صنایع نفت و گاز در جنوب کشور به‌ویژه مشعل‌سوزی‌ها با پهپادهای مجهز به سنسورهای گازی.
•      ردیابی انتشارات صنایع غیرمجاز آلاینده و پسماندسوزی در حاشیه شهرها به‌ویژه در اوج آلودگی هوا.

4-6. هوش مصنوعی و یادگیری ماشین: پیش‌بینی آلاینده‌ها و ادغام داده‌های چندمنبعی

در سال‌های اخیر، با ظهور معماری‌های یادگیری عمیق-زمانی و مدل‌های ترکیبی، هوش مصنوعی در نقش ابزاری کلیدی برای تحلیل داده‌های چندمنبعی و مدل‌سازی پیچیدگی‌های شیمی–انتقال جو ایفای نقش می‌کند[28]. یکی از مهم‌ترین کاربردهای هوش مصنوعی، پیش‌بینی کوتاه‌مدت و میان‌مدت آلاینده‌هاست؛ که شامل پیش‌بینی آلاینده‌هایی مانند PM₂.₅، PM₁₀، NO₂ و O₃ با استفاده از داده‌های هواشناسی، ترافیکی و اندازه‌گیری‌ها می‌شود. این مدل‌ها در شرایط هشدار آلودگی، نقش مهمی در مدیریت شهری دارند. دومین کاربرد مهم، ترکیب و ادغام داده‌های چندمنبعی است؛ به‌طوری‌که هوش مصنوعی می‌تواند داده‌های ماهواره‌ای، شبکه‌های سنسور کم‌هزینه و مدل‌های عددی را ادغام و نقشه‌های کیفیت هوای سطح زمین را با دقت بالا بازسازی کند[29]. علاوه‌بر این، روش‌های یادگیری ماشین به‌طور گسترده برای تصحیح داده‌های سنسورهای کم‌هزینه، کاهش نویز و رفع خطاهای محیطی به کار می‌روند و موجب ارتقای کیفیت داده‌های این سنسورها شده‌اند. در حوزه شناسایی منابع، هوش مصنوعی با استفاده از الگوریتم‌های دسته‌بندی و تحلیل الگو قادر است منابع آلاینده‌های شهری را شناسایی، تفکیک و مدل‌سازی کند؛ قابلیتی که پیش‌تر تنها با مدل‌های عددی پیچیده امکان‌پذیر بود[30].

هوش مصنوعی قادر است روابط غیرخطی و پیچیده میان عوامل متعدد نظیر دما، رطوبت، ترافیک، باد و واکنش‌های شیمیایی را که در مدل‌های کلاسیک به‌سختی قابل توصیف‌اند، به‌طور دقیق مدل‌سازی کند. علاوه‌بر این، هوش مصنوعی توانایی استخراج اطلاعات از داده‌های ناقص، نویزی یا چندمنبعی را دارد و می‌تواند کیفیت داده‌ها را ارتقا دهد. از طرف دیگر، مدل‌های هوشمند معمولاً سرعت پردازش بسیار بالایی دارند و امکان پیش‌بینی‌های بلادرنگ را فراهم می‌کنند، که در مدیریت شرایط اضطراری آلودگی اهمیت فراوان دارد. با وجود این مزایا، محدودیت‌هایی نیز وجود دارد. عملکرد مدل‌های هوش مصنوعی به شدت وابسته به کیفیت و حجم داده‌های آموزشی است و در صورت وجود داده‌های خطا یا عدم داده‌های کافی، دقت پیش‌بینی‌ها کاهش می‌یابد. ازسوی‌دیگر، بسیاری از مدل‌های یادگیری عمیق ماهیت «جعبه‌سیاه» دارند و قابلیت تفسیرپذیری کم آنها می‌تواند در کاربردهای مقررات‌گذاری و سیاستگذاری چالش ایجاد کند. همچنین، مدل‌های هوش مصنوعی ممکن است بدون داده‌های مناسب برای شرایط جدید، دچار بیش‌برازش و عملکرد ضعیف در رویدادهای نادر شوند[31].

ازجمله کاربردهای هوش مصنوعی در پایش کیفیت هوا در ایران می‌توان به محورهای عملی زیر اشاره کرد.

•      مدل‌سازی و پیش‌بینی غلظت آلاینده‌های مختلف به‌ویژه PM₂.₅ در کلان‌شهرهای کشور با الگوریتم‌های مربوطه و ترکیب با داده‌های ماهواره‌ای.
•      تشخیص الگوهای انتشار ترافیکی در کلان‌شهرهای کشور با استفاده از داده‌های تردد و مدل‌های یادگیری عمیق.
•      پیش‌بینی وقوع طوفان‌های گردوغبار در جنوب‌ غرب، غرب و جنوب شرق کشور از طریق مدل‌های هوشمند ترکیبی.

4-7. مدل‌سازی عددی: پایش، پیش‌بینی و تحلیل آلودگی هوا

مدل‌سازی عددی کیفیت هوا طی 5 دهه گذشته به‌عنوان یکی از مهم‌ترین ابزارهای علمی برای درک، پایش و پیش‌بینی فرایندهای شیمی-فیزیکی جو تکامل یافته است. ورود مدل‌های هواشناسی-شیمیایی یکپارچه در دهه 2000 نقطه عطف بزرگی بود و امکان شبیه‌سازی همزمان پدیده‌های هواشناسی و واکنش‌های شیمیایی با دقتی بالا فراهم شد [32]. در دهه اخیر نیز ادغام مدل‌های عددی با داده‌های ماهواره‌ای و الگوریتم‌های هوش مصنوعی، ابعاد جدیدی به پایش نوین کیفیت هوا افزوده و دقت پیش‌بینی‌ها را به‌طور چشمگیری افزایش داده است.

این مدل‌ها ابزار اصلی پیش‌بینی کوتاه‌مدت، میان‌مدت و بلندمدت آلودگی هوا هستند و طیف وسیعی از آلاینده‌ها را شبیه‌سازی می‌کنند. علاوه‌بر این، مدل‌سازی عددی امکان تحلیل سناریوهای انتشار را فراهم می‌کند؛ به‌عنوان مثال بررسی اینکه کاهش ۳۰ درصدی انتشارهای صنعتی یا تغییرات ترافیکی چگونه بر سطح آلاینده‌ها اثر می‌گذارد[33]. سوم، مدل‌های عددی نقشی اساسی در بررسی انتقال دوربرد آلاینده‌ها ایفا می‌کنند؛ مانند انتقال ریزگردهای صحراهای خاورمیانه، آتش‌سوزی‌های سیبری و آلودگی ناشی از نیروگاه‌های مناطق صنعتی. چهارم، مدل‌ها برای ادغام داده‌های مشاهداتی، از ماهواره، سنسورهای کم‌هزینه و ایستگاه‌های زمینی استفاده کرده تا نقشه‌های دقیق و فراگیر کیفیت هوا تولید کنند. افزون بر این، مدل‌سازی عددی ابزاری کلیدی برای سیاستگذاری، ارزیابی اثربخشی قوانین کاهش آلودگی و طراحی برنامه‌های کنترل انتشار است.

این مدل‌ها قادرند برهم‌کنش‌های پیچیده بین فرایندهای هواشناسی و شیمیایی را بازنمایی کنند، موضوعی که با روش‌های ساده تجربی امکان‌پذیر نیست. دوم، مدل‌ها قابلیت پیش‌بینی آینده را دارند و می‌توانند سناریوهای مختلف را شبیه‌سازی کنند؛ امکانی که برای برنامه‌ریزی شهری و تدوین سیاست‌های کاهش آلودگی حیاتی است. سوم، مدل‌های عددی با پوشش سه‌بُعدی و منطقه‌ای خود امکان تحلیل دینامیک عمودی و افقی آلاینده‌ها را فراهم می‌کنند. چهارم، امکان ادغام داده‌های متنوع (هواشناسی، ماهواره، سنسورهای زمینی) باعث شده مدل‌های یکپارچه به ابزارهایی قدرتمند برای تولید نقشه‌های جامع کیفیت هوا تبدیل شوند[34]. با وجود این مزایا، مدل‌سازی عددی محدودیت‌هایی نیز دارد که یکی از مهم‌ترین آنها، نیاز شدید به توان محاسباتی بوده؛ اجرای مدل‌ها برای بازه‌های زمانی طولانی مستلزم زیرساخت‌های محاسباتی قدرتمند است. دوم، دقت مدل‌ها به شدت وابسته به کیفیت موجودی انتشار است و خطاهای موجود در تخمین منابع باعث بروز عدم ‌قطعیت در نتایج می‌شود. سوم، مدل‌ها گاهی در بازتولید پدیده‌های پیچیده مانند تولید اوزون در شرایط ناپایدار یا آلودگی ثانویه با محدودیت مواجه‌اند[35]. چهارم، پیچیدگی زیاد و وابستگی به پارامترسازی‌ها ممکن است به حساسیت بالا به ورودی‌ها منجر شود و حتی تغییرات کوچک بتواند نتایج را تغییر دهد.

مدل‌سازی آلودگی هوا برای حوزه‌های زیر در ایران قابل بهره‌برداری است.

•      پیش‌بینی روزانه آلودگی هوای کلان‌شهرهای کشور با مدل‌های محاسباتی؛
•     مدل‌سازی ریزگردهای ورودی از کشورهای همسایه با مدل‌های شیمی–انتقال منطقه‌ای؛
•      تحلیل سناریوهای کنترل انتشار در کلان‌شهرهای کشور (مانند محدودیت ترافیک، بهبود سوخت، نوسازی ناوگان، ارتقای معاینه فنی).

4-8. جمع‌بندی: ترسیم معماری یک اکوسیستم پایشی ترکیبی، هوشمند و عمل‌گرا

گذار ایران به پایش محیطی نوین، حرکت از شبکه متکی بر ایستگاه‌های ثابت به سمت یک اکوسیستم ترکیبی که در آن ایستگاه‌های مرجع ارتقایافته (ستون دقت)، شبکه‌های متراکم و هدفمند حسگرهای کم‌هزینه (ستون پوشش و عدالت)، پایش ماهواره‌ای فعال (ستون نگاه کلان) و مدل‌سازی پیش‌بینی‌گر به‌طور هوشمندانه‌ای در هم تنیده شده‌اند. لایه تکمیلی و پیشرفته این اکوسیستم می‌تواند شامل فناوری‌های تشخیصی پیشرفته (مانند آنالایزرهای برخط ترکیب شیمیایی ذرات برای منشأیابی دقیق) و سامانه‌های پایش هوشمند مبتنی‌بر داده‌های تصویری شهری باشد که در مراحل بعدی توسعه و در مناطق خاص قابل پیاده‌سازی هستند. هوش مصنوعی نیز می‌تواند نقشی کلیدی در تلفیق و صحت‌سنجی داده‌های حاصله داشته باشد. در جدول، روش‌های مختلف پایش نوین به همراه مزایا، محدودیت‌ها و کاربردهای عملی آن در ایران به‌طور خلاصه ارائه شده است. طبعاً ایجاد این اکوسیستم ترکیبی زمانی کارا خواهد بود که از یک طرف بستر لازم برای دسترسی باز و شفاف شهروندان به داده‌ها به‌عنوان زیربنای اعتماد عمومی فراهم شده و از طرف دیگر خروجی این اکوسیستم به فرایندهای اجرایی و عملیاتی برای بهبود کیفیت هوا پیوند بخورد.

جدول 3. روش‌های پایش نوین کیفیت هوا و کاربردهای عملی برای ایران

مأخذ: همان.

بر اساس مباحث مطرح‌شده، پایش نوین کیفیت هوا دیگر متکی بر یک فناوری یا یک شبکه اندازه‌گیری نیست، بلکه از تعامل چندین لایه مکمل تشکیل می‌شود. شکل ۳ معماری مفهومی یک اکوسیستم پایش ترکیبی، هوشمند و عمل‌گرا را نشان می‌دهد که در آن داده‌های حاصل از منابع مختلف پس از تلفیق، کنترل کیفیت و تحلیل، به اطلاعات قابل استفاده برای مدیریت، هشدار، سیاستگذاری و ارزیابی عملکرد تبدیل می‌شوند.

شکل 3. معماری مفهومی اکوسیستم پایش نوین کیفیت هوا و تبدیل داده‌های چندمنبعی به تصمیم‌سازی، هشدار و سیاستگذاری

مأخذ: نگارندگان

5. تجربیات موفق جهانی در پایش نوین محیطی آلودگی هوا

تحول نظام‌های پایش محیطی آلودگی هوا در جهان عمدتاً در پاسخ به ناکارآمدی شبکه‌های سنتی، مشخص نبودن سهم منابع مختلف در ایجاد غلظت‌های آلودگی محیطی، افزایش بار بیماری‌های منتسب به آلودگی هوا و ضرورت پاسخ‌گویی شفاف به افکار عمومی شکل گرفته است. تجربه کشورها نشان می‌دهد که پایش محیطی، زمانی می‌تواند به ابزار مؤثر سیاستگذاری تبدیل شود که قادر به نمایش دقیق توزیع مکانی آلودگی، تغییرات زمانی و میزان مواجهه واقعی جمعیت باشد[5]. برای ایران، که با چالش‌هایی نظیر تمرکز آلودگی در کلان‌شهرها، گسترش گردوغبار و محدودیت منابع مالی و نهادی مواجه است، بررسی تجربیات جهانی نه به‌عنوان الگوهای قابل تقلید، بلکه به‌عنوان منبع درس‌آموخته‌های سیاستی و اجرایی اهمیت دارد[36].

5-1. اتحادیه اروپا: حکمرانی یکپارچه مبتنی‌بر داده و استانداردسازی فراملی

 اتحادیه اروپا با تدوین دستورالعمل کیفیت هوای پاک (50/2008EC/) و ایجاد چارچوب نظارتی و استانداردسازی فراملی، یکی از پیشرفته‌ترین و منسجم‌ترین نظام‌های حکمرانی پایش کیفیت هوا را ایجاد کرده است. هسته فیزیکی این نظام، شبکهEionet  (شبکه اطلاعات و مشاهده محیط زیست اروپا) است که بیش از ۴۰۰۰ ایستگاه پایش مرجع در کشورهای عضو را به یکدیگر متصل می‌کند. داده‌های این شبکه به‌صورت کاملاً شفاف و بی‌درنگ از طریق پرتال «Air Quality e-Reporting»  در دسترس عموم، پژوهشگران و نهادهای سیاستگذار قرار می‌گیرد[37].

بااین‌حال، سیاستگذاران اروپایی به‌خوبی دریافته‌اند که شبکه زمینی به‌تنهایی قادر به پاسخ‌گویی به نیازهای مدیریت کیفیت هوا در قرن 21 نیست. ازاین‌رو، اتحادیه اروپا با سرمایه‌گذاری کلان در برنامه «کوپرنیکوس»، به‌ویژه سرویس پایش جوی کوپرنیکوس (CAMS)، داده‌های ماهواره‌ای را به‌عنوان مکمل رسمی و الزامی پایش محیطی معرفی کرده است. داده‌های ماهواره‌ای Sentinel-5P که انتشار گازهایی مانند NO₂ و SO₂ را با وضوح مکانی حدود ۷×۷ کیلومتر رصد می‌کنند، برای پر کردن شکاف‌های پوشش ایستگاه‌های زمینی، ردیابی انتقال فرامرزی آلودگی و ارائه پیش‌بینی‌های باکیفیت در مقیاس قاره‌ای استفاده می‌شوند. این ادغام عمیق داده زمینی و فضایی، مبنای علمی قدرتمندی برای هشدارهای سلامت عمومی، ارزیابی اثربخشی سیاست‌ها (مانند محدودیت‌های انتشار صنایع) و مبارزه قضایی با تخلفات زیست‌محیطی فراهم آورده است[38].

هم‌زمان، اتحادیه اروپا به‌خوبی دریافته است که ظهور حسگرهای کم‌هزینه نقش مهمی در توسعه پایش‌های محلی، تولید داده‌های پرشمار و ارتقای مشارکت شهروندان دارد. اما به علت کیفیت متغیر این حسگرها، پروژه‌هایی مانند EQUOL و FAIRMODE با هدف تدوین پروتکل‌های یکسان برای ارزیابی، کالیبراسیون و معتبرسازی داده‌های حسگرهای کم‌هزینه ایجاد شده‌اند. این استانداردسازی به شهرهای پیشرو، همچون آمستردام و هلسینکی، امکان داده که شبکه‌های حسگر کم‌هزینه را در کنار ایستگاه‌های مرجع کالیبره کرده و نقشه‌های آلودگی با وضوح بسیار بالا برای مدیریت هوشمند ترافیک، طراحی سیاست‌های شهری و تحلیل مواجهه ساکنان را تهیه کنند[39]. افزون بر این، توسعه مدل‌های پیش‌بینی کیفیت هوا براساس یادگیری ماشین، تحلیل داده‌های بزرگ و مدل‌سازی شیمی‌-‌انتقال، از دیگر مسیرهای نوین اتحادیه اروپا برای ارتقای سامانه پایش است. این مدل‌ها به ایجاد سیستم‌های هشدار سریع، ارزیابی تأثیر سیاست‌های کاهش انتشار و تصمیم‌سازی مبتنی‌بر داده کمک می‌کنند [29و31و39].

شکل 4. نمونه نقشه پایش کیفیت هوای اتحادیه اروپا (وابسته به آژانس محیط زیست اروپا)[40]

شکل 5. سرویس پایش جوی کوپرنیکوس [41]

درس‌آموخته برای ایران: مهم‌ترین درس اتحادیه اروپا برای ایران، ایجاد یک سامانه ملی یکپارچه پایش کیفیت هواست که در آن داده‌های زمینی، ماهواره‌ای و حسگرهای کم‌هزینه با استانداردهای مشترک ادغام شده، به‌صورت شفاف منتشر می‌شوند و مبنای تصمیم‌گیری، پیش‌بینی و اعمال قوانین محیط‌ زیستی قرار می‌گیرند.

5-2. ایالات متحده: اکوسیستم داده‌باز، مشارکت شهروندی و نوآوری محله‌محور

ایالات متحده با شبکه گسترده‌ای شامل بیش از ۳۰۰۰ ایستگاه پایش مرجع تحت برنامه هوای پاک ملی و فلسفه «داده‌باز» قوی، نظام پایش شفاف و در دسترسی را ایجاد کرده است. تمامی داده‌ها از طریق پلتفرم ملی«AirNow.gov»  به‌صورت بی‌درنگ و با فرمت‌های استاندارد شده منتشر می‌شوند و بستری برای خلق صدها اپلیکیشن و سرویس ارزش‌افزوده توسط بخش خصوصی و جامعه مدنی فراهم کرده‌اند. نوآوری کلیدی EPA، موضع فعال و پیش‌دستانه آن در قبال فناوری‌های نوظهور است.

شکل 6. سیستم پایش هوای ایالات متحده[42]

این آژانس با راه‌اندازی جعبه‌ابزار حسگرهای هوا، نه‌تنها به ارزیابی مستقل عملکرد تجهیزات کم‌هزینه می‌پردازد، بلکه راهنمای استفاده، محدودیت‌ها و روش‌های کالیبراسیون آنها را به‌طور شفاف منتشر می‌کند. این رویکرد، «مشارکت آگاهانه» شهرداری‌ها، دانشگاه‌ها و حتی شهروندان را در توسعه شبکه‌های متراکم پایش ممکن ساخته است [43]. در سطح محلی، شهرهایی مانند لس‌آنجلس و نیویورک از پیشگامان به‌کارگیری این شبکه‌های حسگر محله‌محور هستند. در لس‌آنجلس، پروژه «سنسی‌الای» با نصب هزاران حسگر، «نقاط داغ» آلودگی ناشی از ترافیک و صنایع را در مقیاس محلات کم‌درآمد شناسایی کرده و مستقیماً بر سیاست‌های عدالت محیطی و برنامه‌ریزی شهری تأثیر گذاشته است. در نیویورک، پروژه «پایش هوای جامعه‌محور» با نمونه‌برداری منظم از ۱۵۰ نقطه ثابت در سطح شهر، دقیق‌ترین نقشه‌های توزیع آلاینده‌ها (به‌ویژه PM₂.₅ و NO₂) را تولید کرده و شکاف مواجهه سلامت بین محلات فقیر و ثروتمند را به‌وضوح آشکار ساخته است. این داده‌های ریزدانه، ابزاری قدرتمند را برای تصمیم‌گیری محلی، اولویت‌بندی سرمایه‌گذاری‌های زیرساختی و پاسخ‌گویی نهادها فراهم می‌کند[44 و 45].

در کنار پایش زمینی، آمریکا به سرمایه‌گذاری گسترده‌ای در مدل‌سازی عددی و سامانه‌های تلفیق داده اقدام کرده است. مدل‌های شبیه‌سازی کیفیت هوا مانند CMAQ، به همراه داده‌های ماهواره‌ها و شبکه‌های لیدار، امکان تحلیل منبع، پیش‌بینی کیفیت هوا و برآورد انتقال آلاینده‌ها را فراهم می‌کند[46]. یکپارچگی میان پایش زمینی، سنجش ‌از دور و مدل‌سازی، نقطه تمایز اصلی آمریکا با بسیاری از کشورهاست و نشان می‌دهد که کیفیت هوا تنها با افزایش تعداد ایستگاه‌ها مدیریت نمی‌شود، بلکه تلفیق داده‌ها نقش اساسی دارد.

شکل 7. نوآوری در ارزیابی حسگرهای کم‌هزینه توسط سازمان حفاظت محیط زیست آمریکا- نمونه‌هایی از نحوه‌ استقرار حسگرهای هوا توسط کاربران[43]

درس‌آموخته کلیدی آمریکا برای ایران: باید از نگاه «تجهیزات‌محور» فاصله گرفت و به سمت یک سیستم یکپارچه، قانون‌محور، چندلایه، مبتنی‌بر داده‌باز و پشتیبانی ‌شده با مدل‌سازی پیشرفته حرکت کرد؛ سیستمی که در آن فناوری‌های نو به‌صورت استاندارد و کنترل‌ شده ادغام می‌شوند و داده‌ها به موتور تصمیم‌سازی و اعتمادسازی عمومی تبدیل می‌شوند.

5-3. چین: پایش گسترده، نظارت سختگیرانه و کنترل دیجیتال در مقیاس ملی

تجربه چین در تحول نظام پایش خود، نمونه‌ای بارز از مقیاس عملیاتی، سرعت اجرا و ادغام عمیق فناوری دیجیتال در حکمرانی محیط زیست است. این کشور در پاسخ به بحران آلودگی اوایل قرن 21، یک شبکه پایش ملی با بیش از ۵۰۰۰ ایستگاه دولتی ایجاد کرد که داده‌های آن به‌صورت ساعتی و با شفافیت نسبی بالا منتشر می‌شود. اما وجه تمایز چین، سیستم نظارت و کنترل یکپارچه صنایع است. هزاران صنعت بزرگ و متوسط مجهز به دستگاه‌های پایش برخط (CEMS) شده‌اند که داده‌های انتشار آنها مستقیماً و بدون امکان دستکاری، به مراکز نظارت زیست‌محیطی استانی و ملی ارسال می‌شود. این داده‌ها با استفاده از هوش مصنوعی و تحلیل کلان‌داده، برای شناسایی خودکار تخلفات (مانند غیرفعال کردن دستگاه یا دستکاری داده)، اعمال جریمه‌های آنی و رتبه‌بندی عملکرد زیست‌محیطی صنایع استفاده می‌شوند.

علاوه‌بر این، چین به‌طور فزاینده‌ای از داده‌های ماهواره‌ای بومی (مانند ماهواره‌های سری GaoFen) و شبکه‌های پهپادی برای نظارت بر منابع غیرمتمرکز آلودگی (مانند آتش‌سوزی مزارع، گردوغبار و آلایندگی کشتی‌ها) استفاده می‌کند. این رویکرد «نظارت همه‌جانبه و پاسخ سریع» اگرچه نقدهایی در مورد حریم خصوصی و تمرکزگرایی به همراه دارد، اما به‌وضوح در کاهش سریع غلظت آلاینده‌های کلیدی در کلان‌شهرهایی مانند پکن در دهه گذشته مؤثر بوده و نشان می‌دهد که چگونه پایش دقیق و سختگیرانه می‌تواند به ابزاری کارآمد برای اجرای سیاست‌های کلان کاهش آلودگی تبدیل شود[47]. چین به‌طور گسترده از داده‌های ماهواره‌ای برای پوشش خلأهای مکانی پایش استفاده کرده است. داده‌های MODIS، MISR و TROPOMI امکان برآورد توزیع مکانی PM_2.5، ردیابی گردوغبار و تحلیل روندهای بلندمدت را فراهم کرده‌اند [48]. مطالعات نشان می‌دهد که تلفیق داده‌های زمینی و ماهواره‌ای در چین موجب کاهش عدم قطعیت و ارتقای قابلیت اتکای تحلیل‌های سیاستی شده؛ رویکردی که برای ایران نیز قابل توجه است[5].

در کنار این اقدام‌ها، استفاده از حسگرهای کم‌هزینه مبتنی‌بر اینترنت اشیا تحول دیگری در پوشش مکانی و زمانی داده‌ها ایجاد کرد. این حسگرها با اتصال به سامانه‌های ابری، داده‌ها را با دقت بالا و در مقیاس خُرد جمع‌آوری می‌کنند و در ترکیب با روش‌های یادگیری ماشین، منابع انتشار ترافیکی و صنعتی شناسایی می‌شوند[23]. در سطح شهری نیز انتشار عمومی داده‌های کیفیت هوا به‌صورت لحظه‌ای از طریق اپلیکیشن‌ها و وب‌پرتال‌ها، موجب افزایش آگاهی و مشارکت اجتماعی در کاهش رفتارهای آلاینده شد[47 و 49]. به موازات آن، بهره‌گیری از مدل‌های عددی مانند CMAQ-China امکان پیش‌بینی دقیق تغییرات کیفیت هوا در افق چندروزه را فراهم کرده است. حتی در سال‌های اخیر، کاربرد هوش مصنوعی در مدل‌سازی پیش‌بینی و مدیریت پیش‌دستانه آلودگی به دولت چین اجازه داده تا در برخی مناطق، پیش از وقوع بحران، فعالیت‌های صنعتی یا ترددهای سنگین را محدود کند. افزون بر این، تلفیق داده‌های آلودگی با داده‌های سلامت و اطلاعات بیمارستانی، پایه‌گذار سامانه‌های ارزیابی ریسک و هشدار به گروه‌های آسیب‌پذیر شد و به کاهش آثار بهداشتی ناشی از آلودگی کمک کرد[50].

یکی دیگر از ویژگی‌های قابل توجه تجربه چین، حرکت از پایش صِرف به سمت «اجرای هوشمند مقررات» است. در این رویکرد، داده‌های پایش فقط برای تهیه گزارش‌های دوره‌ای استفاده نمی‌شوند، بلکه مستقیماً به سامانه‌های نظارتی، صدور اخطار، ارزیابی عملکرد صنایع و تصمیمات مدیریتی متصل هستند. این تجربه نشان می‌دهد که اثربخشی سرمایه‌گذاری در پایش، بیش از آنکه به تعداد تجهیزات وابسته باشد، به میزان اتصال داده‌ها به چرخه تصمیم‌گیری و اعمال قانون بستگی دارد. درس‌آموخته برای ایران: موفقیت در پایش و کنترل آلودگی هوا از ترکیب 3 عامل بنیادی حاصل شده است: نخست، ایجاد زیرساخت گسترده و استانداردهای ملی پایش؛ دوم، ادغام فناوری‌های نوین مانند حسگرهای هوشمند، ماهواره‌ها و سیستم‌های هوش مصنوعی؛ و سوم، استفاده عملیاتی از داده‌ها در حکمرانی محیط ‌زیست، اعمال قانون و ارتقای مشارکت عمومی. این ترکیب موجب شد غلظت آلاینده‌های کلیدی در کلان‌شهرهایی مانند پکن در کمتر از یک دهه به‌طور محسوسی کاهش یابد و الگویی عملی برای کشورهایی با شرایط مشابه پدید آید.

5-4. هند: شبکه‌سازی نوین برای مواجهه با بحران ملموس

هند به‌عنوان کشوری که کلان‌شهرهایی مانند دهلی‌نو به‌طور مزمن در زمره آلوده‌ترین شهرهای جهان قرار دارند، با بحرانی ملموس و فوری در حوزه آلودگی هوا روبه‌رو است. شاخص کیفیت هوا در فصول سرد سال به‌طور مکرر به سطوح «خطرناک» (بالای ۴۰۰ و حتی ۵۰۰) می‌رسد که عملاً وضعیت اضطرار سلامت عمومی را اعلام می‌کند. این بحران آشکار، هند را وادار به تحولی سریع در نظام پایش خود کرده است. دولت مرکزی و دولت‌های ایالتی، ضمن توسعه شبکه ایستگاه‌های مرجع خود، به‌شدت بر سرمایه‌گذاری در شبکه‌های گسترده حسگرهای کم‌هزینه متکی شده‌اند. پروژه‌هایی مانند «NCAP» (برنامه عملی ملی برای آب و هوا و کیفیت هوا) با نصب هزاران حسگر در شهرهای بزرگ، امکان ردیابی «نقاط داغ» آلودگی را در مقیاس محلات فراهم کرده‌اند[51].

هند با استفاده از داده‌های ماهواره‌های MODIS و Sentinel-5P و ترکیب آنها با داده‌های شبکه‌های حسگر زمینی، نقشه‌های پیوسته‌ای از توزیع آلاینده‌های کلیدی تولید کرده است.هند همچنین از سامانه‌های هوشمند بهره گرفته است تا پیش‌بینی کوتاه‌مدت اپیزودهای آلودگی شدید را با استفاده از مدل‌های عددی و الگوریتم‌های یادگیری ماشین ممکن کند. داده‌های این سامانه مستقیماً در سیاست‌های واکنشی کوتاه‌مدت مانند محدودیت‌های ترافیکی، تعطیلی فعالیت‌های صنعتی و هشدارهای سلامت عمومی کاربرد دارند[52]. نوآوری دیگر هند، اتحاد استراتژیک با پلتفرم‌های بین‌المللی داده باز (مانند IQAir وOpenAQ) و انتشار داده‌های ملی در این پلتفرم‌هاست. این کار نه‌تنها شفافیت و دسترسی جهانی را افزایش داده، بلکه با مقایسه داده‌های داخلی و خارجی، بر فشار افکار عمومی و پاسخ‌گویی نهادهای مسئول افزوده است. تجربه هند نشان می‌دهد که وجود یک بحران مشهود می‌تواند محرک قوی برای پذیرش فناوری‌های نوین و رویکردهای مشارکت‌محور باشد، حتی در بستری با چالش‌های نهادی پیچیده.

درس‌آموخته برای ایران: در شرایطی که پهنه جغرافیایی وسیع، تنوع اقلیمی و محدودیت منابع مالی وجود دارد، اتکای صرف به ایستگاه‌های مرجع گران‌قیمت نمی‌تواند تصویری کامل و قابل‌ اتکا از وضعیت آلودگی هوا ارائه دهد. ایجاد یک شبکه ترکیبی پایش کیفیت هوا (شامل ایستگاه‌های مرجع دقیق با حسگرهای کم‌هزینه و داده‌های سنجش ‌از دور) پوشش مکانی پایش را گسترش می‌دهد، امکان شناسایی سریع نقاط داغ آلودگی را فراهم کرده و با هزینه کمتر، داده‌های پیوسته و قابل ‌اعتماد تولید می‌کند. ترکیب این داده‌ها با مدل‌های تصحیح خطا و انتشار عمومی آنها، شفافیت را افزایش داده و زمینه تصمیم‌گیری سیاستی مبتنی‌بر داده و ارزیابی اثربخشی برنامه‌های کاهش آلودگی در ایران را تقویت می‌کند.

5-5. ترکیه: شفافیت داده به‌عنوان موتور محرک بهبود حکمرانی

تجربه ترکیه به‌ویژه برای ایران آموزنده است، زیرا این کشور از نظر ساختار جمعیتی (شهرنشینی شتابان)، تنوع منابع آلودگی (ترافیک، صنعت، ذغال‌سنگ) و چارچوب نهادی متمرکز تشابهات قابل توجهی دارد. نقطه عطف تحول پایشی ترکیه، تصمیم استراتژیک برای انتشار عمومی و آنلاین داده‌های کیفیت هوا از طریق پرتال ملی"HAVAIZLEME" بود. این پلتفرم که توسط وزارت محیط زیست، شهرسازی و تغییر اقلیم اداره می‌شود، داده‌های ساعتی بیش از ۳۵۰ ایستگاه پایش را در سراسر کشور به نمایش می‌گذارد. شفافیت اجباری، یک «اثر حلقه بازخورد مثبت» ایجاد کرد: دسترسی آزاد به داده، رسانه‌ها و سازمان‌های مردم‌نهاد را توانمند ساخت تا عملکرد شهرداری‌ها و صنایع را زیر نظر بگیرند و خواستار اقدام شوند. این فشار اجتماعی، به نوبه خود، مقامات محلی را مجبور کرد تا سیاست‌های مدیریت ترافیک و صنعت مبتنی‌بر شواهد را جدی‌تر پیگیری کنند.

یکی دیگر از جنبه‌های مهم تحول، گرایش به فناوری‌های نوین مانند حسگرهای کم‌هزینه همراه با الگوریتم‌های تصحیح مبتنی‌بر یادگیری ماشین است. ترکیه از نیمه دهه 2010، پروژه‌هایی را برای استقرار حسگرهای کم‌هزینه در کنار ایستگاه‌های مرجع آغاز کرد تا امکان افزایش چگالی شبکه بدون تحمیل هزینه‌های سنگین فراهم شود. ارزیابی‌ها نشان داد که استفاده ترکیبی از داده‌های ایستگاه‌های مرجع و حسگرهای کم‌هزینه، زمانی‌که با مدل‌های تصحیح مناسب همراه باشد، می‌تواند با دقت مطلوب برای مدیریت شهری و هشداردهی استفاده شود.

ترکیه همچنین نشان داد که پوشش مکانی مناسب، حتی با تعداد متوسط ایستگاه‌ها، کلید مدیریت مؤثر است. با استقرار ایستگاه‌ها نه فقط در مراکز شهر، بلکه در مناطق صنعتی و ورودی‌های شهری، تصویری واقعی‌تر از مواجهه جمعیت و منابع آلودگی ترسیم شد. درس اصلی ترکیه این است که اولین و ضروری‌ترین گام در اصلاح نظام پایش، تعهد راسخ به شفافیت داده است. این تعهد، خود به‌عنوان موتوری برای بهبود تدریجی کیفیت داده، توسعه شبکه و نهایتاً کارآمدی سیاست‌ها عمل می‌کند، بدون اینکه لزوماً نیاز به سرمایه‌گذاری اولیه کلانی در پیشرفته‌ترین فناوری‌ها را داشته باشد.

درس‌آموخته ترکیه برای ایران: مسیر ترکیه ثابت می‌کند که اراده سیاسی برای شفاف‌سازی و انتشار عمومی داده‌های موجود، حتی در ابتدایی‌ترین شکل، می‌تواند چرخه‌ بهبود حکمرانی را به حرکت درآورد. برای ایران، راه‌اندازی یک پلتفرم ملی شفاف و واحد برای انتشار تمامی داده‌های موجود (از سازمان محیط زیست، وزارت بهداشت و شهرداری‌ها) به عنوان سنگ بنای اعتماد عمومی خواهد بود.

5-6. کره جنوبی: پیوستگی سنجش دقیق، تحلیل هوشمند و تصمیم‌سازی

کره‌ جنوبی طی دو دهه گذشته یکی از موفق‌ترین کشورها در توسعه و به‌کارگیری سامانه‌های پایش نوین کیفیت هوا بوده است. این کشور با ترکیب زیرساخت‌های پیشرفته سنجش زمینی، مدل‌سازی، سنجش‌ از دور و سامانه‌های هوشمند مدیریت داده توانست شبکه‌ای یکپارچه، واکنش‌پذیر و مبتنی‌بر دانش برای مدیریت آلودگی هوا ایجاد کند[53]. یکی از آموخته‌های کلیدی، یکپارچه‌سازی داده‌های چندمنبعی است؛ به‌طوری‌که وزارت محیط زیست کره داده‌های ایستگاه‌های مرجع، حسگرهای کم‌هزینه، داده‌های ماهواره‌ای و مدل‌های شیمی–انتقال را در یک پلتفرم ملی یکپارچه می‌کند تا دقت تخمین آلاینده‌ها و قابلیت پیش‌بینی تقویت شود. یکی از مهم‌ترین دستاوردهای کره جنوبی در حوزه پایش نوین، سرمایه‌گذاری استراتژیک در سنجش‌ از دور زمین‌آهنگ است. این کشور با پرتاب ماهواره GEMS در سال 2020، نخستین سامانه سنجش گازهای آلاینده شهری را از مدار زمین‌آهنگ عملیاتی کرد[54]. داده‌های GEMS امکان رصد ساعتی آلاینده‌ها را فراهم کرده و نقش مهمی در فهم انتقال فرامرزی آلاینده‌ها، به‌ویژه جریان ذرات ریز از شرق چین به کره، داشته است[54]. درس مهم دیگر، پایش ترکیبی با شبکه‌های حسگرهای کم‌هزینه است. کره‌ جنوبی به جای اتکا به داده خام این حسگرها، رویکرد پیشرفته‌ای برای کالیبراسیون، اعتبارسنجی و اصلاح داده بر پایه مدل‌های یادگیری ماشین اتخاذ کرده که دقت استفاده از این حسگرها را به‌طور چشمگیری افزایش داده است. این تجربه نشان می‌دهد که اجرای موفق شبکه‌های حسگر کم‌هزینه نیازمند سرمایه‌گذاری در تحلیل داده و الگوریتم‌های تصحیح خطاست. در زمینه توسعه مدل‌های پیش‌بینی و هشدار سریع کیفیت هوا، این کشور با ترکیب مدل‌های شیمی–انتقال مانند CMAQ و CAMx با داده‌های ماهواره GEMS توانسته پیش‌بینی کوتاه‌مدت و میان‌مدت کیفیت هوا را با دقت بالا ارائه دهد. این پیش‌بینی‌ها مبنای تصمیم‌گیری‌های فوری نظیر هشدارهای عمومی، محدودیت‌های موقت صنعتی یا مدیریت حمل‌ونقل هستند. نکته مهم دیگر، شفافیت و اشتراک عمومی داده‌هاست. در این زمینه سامانه AirKorea داده‌های لحظه‌ای آلودگی هوا، نقشه‌های تعاملی و هشدارهای سلامت‌محور را در اختیار مردم قرار می‌دهد که این اقدام به افزایش آگاهی عمومی و تقویت اعتماد به سیاست‌های محیط ‌زیستی منجر شده است[55].

درس‌آموخته کره ‌جنوبی برای ایران: تجربه کره ‌جنوبی نشان می‌دهد که ارتقای پایش تنها با ایجاد سامانه ملی یکپارچه، کالیبراسیون سنسورهای کم‌هزینه، به‌کارگیری داده‌های ماهواره‌ای و توسعه مدل‌های هشدار سریع امکان‌پذیر است. این رویکرد می‌تواند پایه تصمیم‌سازی علمی و مدیریت مؤثر آلودگی در کشور باشد.

5-7. پیوند پایش محیطی، سلامت عمومی و سیاستگذاری: نمونه‌های عملیاتی از حکمرانی سلامت‌محور

در کشورهای پیشرو، داده‌های پایش محیطی مستقیماً به موتور تصمیم‌گیری نهادهای بهداشتی، ترافیکی و برنامه‌ریزی شهری متصل شده‌اند و حکمرانی مبتنی‌بر شواهد را ممکن ساخته‌اند.

•        فرانسه؛ هشدار سلامت عملیاتی و محدودیت ترافیک پویا: در شهرهای بزرگی مانند پاریس و لیون، یک سامانه سلسله‌مراتبی هشدار سلامت فعال است. هنگامی‌که پیش‌بینی‌های کیفیت هوا (که خود مبتنی‌بر پایش ترکیبی هستند) عبور از یک آستانه را نشان می‌دهند، شهرداری به‌طور خودکار محدودیت‌های ترافیکی (مانند ممنوعیت تردد خودروهای دارای پلاک زوج یا فرد) را اجرا کرده، محدودیت سرعت را کاهش می‌دهد و استفاده از حمل‌ونقل عمومی را رایگان می‌کند. این تصمیمات به‌طور مستقیم از داده پایش نشأت می‌گیرند[56].
•        سنگاپور؛ برنامه‌ریزی شهری پیشگیرانه با داده پایش: سنگاپور از داده‌های بلندمدت پایش کیفیت هوا و مدل‌های پراکنش، برای طراحی و مکان‌یابی زیرساخت‌های حساس استفاده می‌کند. موقعیت مدارس جدید، بیمارستان‌ها و مناطق مسکونی پرتراکم با در نظر گرفتن الگوهای آلودگی و با فاصله گرفتن از بزرگراه‌ها و مناطق صنعتی برنامه‌ریزی می‌شوند. این نقشه‌های حساسیت آلودگی مستقیماً در اسناد برنامه‌ریزی شهری گنجانده می‌شوند[57].
•        کالیفرنیا (ایالات متحده)؛ قانونگذاری مبتنی‌بر داده و عدالت محیطی: ایالت کالیفرنیا با استفاده از داده‌های پایش دقیق محله‌محور، قانون"AB 617" را تصویب کرد. این قانون، مناطق کم‌درآمدی را که به‌طور نامتناسبی تحت تأثیر آلودگی قرار داشتند، شناسایی و مستقیماً منابع آلاینده در آن مناطق را ملزم به کاهش فوری انتشار کرده است. این یک نمونه کلاسیک از تبدیل داده پایش به اقدام قانونی هدفمند برای کاهش نابرابری سلامت است [58].

درس‌آموخته کلیدی برای ایران: پیوند مؤثر پایش و سیاستگذاری، نیازمند تعریف نهادهای رابط و پروتکل‌های عملیاتی مشخص است. برای مثال، سازمان محیط زیست باید به‌طور قانونی موظف شود تا داده‌های هشدار خود را به وزارت بهداشت (برای اعلام وضعیت به بیمارستان‌ها و مدارس) و به پلیس راهور و شهرداری (برای اجرای محدودیت‌های ترافیکی) ارسال کند. ایجاد این زنجیره اقدام خودکار، تأثیر واقعی پایش را آشکار می‌کند.

5-8. جمع‌بندی نهایی و درس‌آموخته‌ها برای ایران: فراتر از خرید سخت‌افزار

تجربه جهانی نشان می‌دهد که موفقیت در مدیریت کیفیت هوا بدون پایش محیطی معتبر، شفاف و چندلایه امکان‌پذیر نیست. تجربه چین به‌ویژه نشان می‌دهد که حتی در شرایط بحران شدید، سرمایه‌گذاری هدفمند در پایش محیطی می‌تواند مبنای اصلاح سیاست‌ها و کاهش آلودگی باشد[5].

تجربیات فوق، چند اصل کلیدی را برای ایران برجسته می‌کند.

الف) معماری یکپارچه به جای سامانه‌های جزیره‌ای: موفقیت در گرو ایجاد یک «پلتفرم ملی داده کیفیت هوا» است که داده‌های ایستگاه‌های مرجع (محیط زیست، بهداشت، شهرداری‌ها)، حسگرهای کم‌هزینه، ماهواره و صنایع (CEMS) را در یک قالب استاندارد ادغام کند.

ب) شفافیت به‌عنوان پایه اعتماد: انتشار عمومی و کاربرپسند داده‌های خام و پردازش ‌شده، نه‌تنها حق آگاهی مردم را تأمین می‌کند، بلکه موجب مشارکت جامعه علمی و بخش خصوصی در تحلیل و ارائه راه‌حل می‌شود.

ج) راهبرد ترکیبی (هیبرید): باید از دوقطبی «ایستگاه گران‌قیمت در مقابل حسگر ارزان‌قیمت» پرهیز کرد. شبکه آینده باید از ایستگاه‌های مرجع کم‌تعداد اما با دقت بسیار بالا (به‌عنوان معیار کالیبراسیون) و شبکه‌های انبوه حسگرهای کم‌هزینه کالیبره ‌شده (برای پوشش مکانی) به‌طور همزمان بهره ببرد.

د) پایش منبع‌محور مکمل پایش محیطی: بدون نظارت دقیق، شفاف و مستمر بر منابع اصلی (صنایع، نیروگاه‌ها، خودروها)، داده‌های محیطی صرفاً وضعیت را توصیف می‌کنند؛ بدون اینکه ابزاری برای کنترل آن ارائه دهند. نظام CEMS نیاز به اصلاحات جدی در راستای شفافیت و اعتبار داده دارد.

ه) ظرفیت‌سازی نهادی و قانونی: تحول فناورانه بدون تقویت نهادهای نظارتی، تدوین استانداردهای ملی برای فناوری‌های نوین (به‌عنوان مثال برای LCS) و ایجاد چارچوب‌های حقوقی برای استفاده از داده‌های ماهواره‌ای در اثبات جرائم زیست‌محیطی محقق نخواهد شد.

و) پذیرش فناوری‌های تحلیلی و هوشمند در مسیر بلوغ پایش: تجربیات جهانی نشان می‌دهد که تکامل نظام پایش از سنجش غلظت به تشخیص منشأ و از اندازه‌گیری فیزیکی به استنتاج هوشمند در حال حرکت است. فناوری‌هایی مانند آنالایزرهای برخط ترکیب شیمیایی ذرات و سامانه‌های پایش مبتنی‌بر بینایی ماشین، اگرچه در مراحل ابتدایی به‌کارگیری هستند، اما افق جدیدی از پایش تشخیصی-عامل‌محور و پوشش مکانی فوق‌ متراکم با هزینه نسبتاً پایین را نمایان می‌کنند. درس‌آموخته ایران این است که در طراحی نقشه راه تحول پایش، باید ظرفیت‌سازی پژوهشی و آزمایشی برای این گونه فناوری‌های نسل بعد نیز دیده شود. این امر می‌تواند از طریق حمایت از پروژه‌های پایلوت مشترک بین دانشگاه‌های فنی، شرکت‌های دانش‌بنیان و شهرداری‌ها محقق شود. هدف، نه خرید فوری، بلکه کسب توانمندی و شناخت کاربرد عملیاتی این ابزارها در بستری ایرانی است تا در زمان مناسب، گزینه‌های مؤثرتری برای ادغام در شبکه ملی پایش ترکیبی فراهم باشد.

ز) گذار از پایش به حکمرانی داده‌محور: بررسی تجربه کشورهای مختلف نشان می‌دهد که تفاوت اصلی نظام‌های موفق پایش محیطی با سایر کشورها، صرفاً در برخورداری از تجهیزات پیشرفته نیست، بلکه در تبدیل داده به دانش، دانش به تصمیم و تصمیم به اقدام اجرایی است. در این کشورها، داده‌های پایش به‌صورت مستمر در چرخه سیاستگذاری، برنامه‌ریزی شهری، ارزیابی عملکرد دستگاه‌ها، اطلاع‌رسانی عمومی و نظام‌های هشدار سلامت مورد استفاده قرار می‌گیرند. از این منظر، توسعه شبکه پایش باید همزمان با توسعه زیرساخت‌های تحلیل داده، مدل‌سازی، انتشار عمومی اطلاعات و سازوکارهای تصمیم‌سازی انجام شود؛ در غیر این صورت، افزایش حجم داده‌ها به‌تنهایی منجر به بهبود مدیریت کیفیت هوا نخواهد شد.

6. جمع‌بندی و ارائه پیشنهادهای سیاستی

پایش کیفیت هوا در سطح جهانی طی دو دهه اخیر دچار تحول قابل توجهی شده است. تا دهه ۲۰۰۰ میلادی، در اغلب کشورها پایش کیفیت هوا عمدتاً متکی بر ایستگاه‌های مرجع ثابت با دقت بالا اما تعداد محدود بود. اگرچه این ایستگاه‌ها داده‌هایی بسیار دقیق تولید می‌کردند، اما هزینه بالای ایجاد، نگهداشت و کالیبراسیون آنها موجب می‌شد حتی در کشورهای توسعه‌یافته نیز پوشش مکانی شبکه‌های پایش برای نمایش ناهمگنی آلودگی در مقیاس شهری کافی نباشد. از دهه ۲۰۱۰ به بعد، با پیشرفت فناوری‌های سنجش، داده‌های ماهواره‌ای و تحلیل‌های داده‌محور، رویکردی جدید با عنوان «پایش محیطی ترکیبی» شکل گرفت. این رویکرد بر استفاده همزمان از منابع مختلف داده شامل ایستگاه‌های مرجع، حسگرهای کم‌هزینه، سنجش از دور ماهواره‌ای و مدل‌سازی عددی استوار است و امکان افزایش پوشش مکانی پایش، کاهش هزینه‌ها و ارتقای کارآمدی تصمیم‌سازی را فراهم می‌کند.

بررسی تطبیقی تجربیات کشورهای پیشرو نشان می‌دهد که پایش کیفیت هوا در حال حرکت به‌سوی ایجاد اکوسیستم‌های داده‌محور و چندلایه است. در این الگو، پایش دیگر به چند ایستگاه ثابت گران‌قیمت محدود نیست، بلکه مبتنی‌بر ترکیب هوشمندانه داده‌های متنوع و تحلیل پیشرفته آنهاست. داده‌های دقیق ایستگاه‌های مرجع به‌عنوان مبنای کالیبراسیون و اعتبارسنجی استفاده می‌شوند، درحالی‌که شبکه‌های گسترده حسگرهای کم‌هزینه و داده‌های ماهواره‌ای پوشش مکانی وسیعی فراهم کرده که امکان مشاهده الگوهای آلودگی در مقیاس خیابان و محله را فراهم می‌کند. مدل‌سازی عددی و ابزارهای هوش مصنوعی نیز نقش مهمی در ادغام، تحلیل و تفسیر این داده‌ها ایفا می‌کنند. در چنین چارچوبی، پایش محیطی دیگر صرفاً یک فعالیت فنی یا آزمایشگاهی نیست، بلکه به نوعی «سیستم عصبی مرکزی حکمرانی هوشمند کیفیت هوا» تبدیل شده است. تجربه‌های موفق جهانی نظیر شبکه یکپارچه اتحادیه اروپا یا شبکه‌های محله‌محور در ایالات متحده نشان می‌دهد که پایش مؤثر سه ویژگی کلیدی دارد: ترکیب‌پذیری داده‌ها از منابع مختلف، عمل‌گرایی در اتصال مستقیم داده‌ها به سازوکارهای تصمیم‌گیری و اجرا، و عدالت‌محوری در تمرکز بر جمعیت‌ها و مناطق در معرض بیشترین خطر آلودگی.

در ایران، با وجود توسعه نسبی شبکه ایستگاه‌های ثابت در بسیاری از شهرها، ساختار فعلی پایش همچنان با چالش‌هایی اساسی مواجه است. مهم‌ترین این چالش‌ها شامل وضوح مکانی محدود برای نمایش ناهمگنی آلودگی در سطح شهر، ناتوانی در رصد منابع پراکنده آلودگی و همچنین ضعف در پیوند عملیاتی داده‌های پایش با فرایندهای تصمیم‌گیری و کنترل آلودگی است. علاوه‌بر این، پراکندگی نهادی، ناهمگنی استانداردهای فنی و ضعف در نظام تضمین کیفیت داده‌ها موجب شده تا ظرفیت واقعی شبکه موجود به‌طور کامل استفاده نشود.

گذار ایران به نظام پایش محیطی نوین مستلزم حرکت از شبکه‌ای متکی بر ایستگاه‌های ثابت به سمت یک اکوسیستم ترکیبی و یکپارچه پایش است. در چنین اکوسیستمی، ایستگاه‌های مرجع ارتقایافته نقش ستون دقت و معیار سنجش را ایفا می‌کنند، درحالی‌که شبکه‌های متراکم حسگرهای کم‌هزینه پوشش مکانی گسترده و امکان رصد عدالت محیطی را فراهم می‌آورند. داده‌های ماهواره‌ای نیز دید کلان منطقه‌ای را تکمیل کرده و مدل‌های پیش‌بینی‌گر و ابزارهای هوش مصنوعی امکان ادغام، صحت‌سنجی و استخراج بینش از داده‌های متنوع را فراهم می‌کنند. در لایه‌های پیشرفته‌تر این اکوسیستم، استفاده از فناوری‌های تشخیصی پیشرفته مانند آنالایزرهای برخط ترکیب شیمیایی ذرات برای منشأیابی دقیق می‌تواند نقش مهمی در تحلیل دقیق منابع آلودگی ایفا کند. چنین تجهیزاتی در بسیاری از کشورها در قالب «سوپرایستگاه‌ها» یا ایستگاه‌های پیشرفته پایش در مناطق بحرانی مستقر می‌شوند و داده‌های آنها برای هشدار سریع، بهبود مدل‌های منشأیابی و ارزیابی اثربخشی سیاست‌های کنترل آلودگی استفاده می‌شوند.

تحقق این تحول نیازمند تقویت 2 پایه کلیدی در نظام حکمرانی پایش است. نخست، پایه عملیاتی–نهادی که در آن خروجی سامانه پایش به‌طور مستقیم با سازوکارهای اجرایی و نظارتی پیوند می‌خورد؛ از سامانه‌های هشدار سریع برای شناسایی رویدادهایی مانند سوزاندن پسماند گرفته تا پایش الزام‌آور پیرامون صنایع و استفاده از گزارش‌های مردمی در شناسایی منابع آلودگی. دوم، پایه حکمرانی داده که بر تضمین کیفیت، استانداردسازی، شفافیت و دسترسی باز به داده‌های محیطی تأکید دارد و زمینه‌ساز اعتماد عمومی، مشارکت اجتماعی و تصمیم‌گیری مبتنی‌بر شواهد است.

در ادامه راهکارهایی برای ارتقای شبکه پایش با تأکید بر بهره‌گیری از پایش‌های نوین ارائه شده است.

الف) بازنگری و بازطراحی علمی شبکه موجود ایستگاه‌های پایش: نخستین گام برای هرگونه اصلاح در نظام پایش، ارزیابی و بازنگری کامل شبکه موجود است. متأسفانه، شواهد میدانی و نظرات کارشناسی حاکی از آن است که جانمایی برخی از ایستگاه‌ها منطبق بر اصول علمی و استانداردهای روز نیست، طبقه‌بندی صحیحی از نوع کاربری ایستگاه‌ها (شهری، ترافیکی، صنعتی) وجود ندارد و برخی ایستگاه‌ها پس از یک دهه همچنان بدون بازبینی در بافت شهری تغییریافته، به فعالیت خود ادامه می‌دهند. این بازنگری باید شامل ارزیابی جانمایی براساس توزیع جمعیت و کاربری اراضی، تعیین تکلیف ایستگاه‌های فاقد داده معتبر، شناسایی شکاف‌های مکانی (به‌ویژه در مناطق حاشیه‌نشین و مجاور صنایع) و به‌روزرسانی استانداردهای ملی جانمایی براساس موفق‌ترین تجارب جهانی (مانند دستورالعمل‌های EPA  و Eionet) باشد. ضروری است سازمان حفاظت محیط زیست با همکاری سازمان ملی استاندارد و دانشگاه‌های علوم‌پزشکی، این بازنگری را ظرف حداکثر یک‌سال به پایان رسانده و نقشه راه نوسازی و بهینه‌سازی شبکه را تدوین کند.

ب) ارتقای شبکه ملی یکپارچه کیفیت هوا با انتشار برخط داده‌ها و API عمومی: ارتقای شبکه ملی پایش سراسری که همه داده‌های پایش کشور متعلق به همه نهادهای مرتبط (اعم از سازمان حفاظت محیط زیست، شهرداری‌ها، وزارت بهداشت و ...) مشتمل بر ایستگاه‌های مرجع، حسگرهای کم‌هزینه و حتی ماهواره را در یک نقطه جمع‌آوری، پاکسازی، استانداردسازی و به‌صورت برخط منتشر کند، توسط سازمان حفاظت محیط زیست ضروری است. این شبکه با ارائه داشبوردهای عمومی، نقشه‌های لحظه‌ای، شاخص کیفیت هوا، و API باز برای پژوهشگران، شرکت‌های دانش‌بنیان و نهادهای نظارتی، عملاً قلب اطلاعاتی نظام مدیریت آلودگی هوا می‌شود. چنین سامانه‌ای هم شفافیت و اعتماد عمومی را افزایش می‌دهد، هم امکان پایش منسجم و واکنش سریع دستگاه‌ها را فراهم کرده، و هم بستر توسعه نوآوری‌های مبتنی‌بر داده از مدل‌های پیش‌بینی تا ابزارهای نظارتی هوشمند را ایجاد می‌کند. در همین راستا و به استناد ماده (۲۰) آیین‌نامه فنی، تأکید می‌شود که تمامی دستگاه‌های اجرایی و شهرداری‌های دارای ایستگاه پایش، موظف به اتصال برخط داده‌های خود به این شبکه ملی هستند و راهبری، نظارت فنی و تضمین کیفیت داده‌ها (QA/QC) صرفاً توسط سازمان حفاظت محیط زیست به‌عنوان متولی واحد شبکه ملی انجام می‌شود. سایر نهادها (مانند وزارت بهداشت و سازمان هواشناسی) صرفاً به‌عنوان بهره‌بردار داده و کاربر نهایی در این شبکه ایفای نقش خواهند کرد. این رویکرد از پراکندگی، موازی‌کاری و تولید داده‌های ناهماهنگ جلوگیری می‌کند.

ج) تدوین دستورالعمل اجرایی استفاده از حسگرهای کم‌هزینه (طبقه‌بندی، کالیبراسیون، نحوه اتصال به شبکه رسمی): برای بهره‌مندی از فناوری حسگرهای کم‌هزینه در کشور، ایجاد یک چارچوب رسمی و قابل‌ اعتماد برای به‌کارگیری گسترده این حسگرها در کنار ایستگاه‌های مرجع، بدون آنکه دقت شبکه ملی پایش قربانی شود، ضروری است. این چارچوب باید 3 مؤلفه اصلی را پوشش دهد: طبقه‌بندی حسگرها براساس سطح کیفیت و کاربرد (مانند سنجش همگانی، پژوهشی یا نظارتی)، الزامات کالیبراسیون شامل نحوه آزمون، دوره‌های هم‌ترازی با ایستگاه‌های مرجع و معیارهای پذیرش داده، و قواعد اتصال به شبکه رسمی که تعیین می‌کند چه نوع حسگرهایی با چه استانداردی می‌توانند داده‌های خود را به پلتفرم ملی ارسال کنند. نتیجه چنین چارچوبی، ایجاد یک اکوسیستم سالم و قابل ‌اعتماد برای توسعه شبکه‌های متراکم، حمایت از نوآوری شرکت‌های دانش‌بنیان و جلوگیری از انتشار داده‌های نادقیق یا گمراه‌کننده است. در این راستا ضروری است سازمان ملی استاندارد با استفاد از ظرفیت ماده (18) و (19) آیین‌نامه فنی در زمینه کنترل و کاهش آلودگی‌ها با همکاری سازمان حفاظت محیط زیست و معاونت علمی، فناوری و اقتصاد دانش‌بنیان ریاست‌جمهوری دستورالعمل‌های اجرایی لازم را تدوین کند.

د) اجرای پایلوت‌های محدود پایش ترکیبی در 2 تا 3 کلان‌شهر بحرانی: برای ایجاد الگوی جدید پایش که ترکیبی از ایستگاه‌های مرجع، شبکه‌های متراکم حسگرهای کم‌هزینه، داده‌های ماهواره‌ای و مدل‌های تحلیلی است، پیشنهاد می‌شود ابتدا در مقیاس آزمایشی در چند کلان‌شهر با آلودگی بالا اجرا شود. در این پایلوت‌ها، هدف آزمون عملی نحوه ادغام داده‌ها، ارزیابی کیفیت و قابلیت اتکای حسگرها، بهبود مدل‌های پیش‌بینی و بررسی کاربرد داده‌ها در تصمیم‌گیری‌های مدیریتی است. اجرای چنین پروژه‌هایی امکان می‌دهد پیش از گسترش ملی، چالش‌های فنی، نهادی و مدیریتی شناسایی و برطرف شوند و در عین حال تجربه عملی برای طراحی معماری نهایی نظام پایش ترکیبی کشور شکل بگیرد.

ه) توسعه شبکه‌های متراکم حسگرهای کم‌هزینه برای افزایش وضوح مکانی و پایش عدالت محیطی: استقرار تعداد زیادی حسگر در مقیاس محلی اعم از محله‌ها، مجاورت مدارس، بیمارستان‌ها، مجاورت صنایع، مسیرهای پرتردد و نقاط فاقد ایستگاه مرجع برای افزایش وضوح مکانی داده‌های کیفیت هوا امری ضروری است. از این طریق می‌توان الگوهای آلودگی را نه در سطح شهر، بلکه در سطح خیابان و محله نیز رصد و مشاهده کرد. این شبکه‌های متراکم، در کنار کالیبراسیون منظم با ایستگاه‌های مرجع، امکان شناسایی نقاط داغ آلودگی، ثبت تفاوت‌های مکانی بین مناطق برخوردار و کم‌برخوردار، و پایش عدالت محیطی را فراهم کرده؛ اینکه کدام گروه‌ها و محله‌ها بار بیشتری از آلودگی را تحمل می‌کنند و کدام اقدام‌های مدیریتی می‌تواند شکاف را کاهش دهد.

و) بهره‌گیری ساختاریافته از داده‌های ماهواره‌ای و ادغام آنها در مدل‌های پیش‌بینی‌گر: وارد کردن منظم و نظام‌مند داده‌های سنجش ‌از دور مانند اندازه‌گیری ستون آلاینده‌ها، آئروسل‌ها و پارامترهای هواشناسی، به چرخه پایش و پیش‌بینی کیفیت هوا، ‌باید در دستور کار قرار بگیرد. این داده‌ها با پوشش گسترده و یکنواخت خود، شکاف‌های مکانی ناشی از کمبود ایستگاه‌ها را جبران می‌کنند و زمانی‌که با اندازه‌گیری‌های زمینی و شبکه حسگرهای کم‌هزینه ادغام شوند، تصویر کامل‌تری از وضعیت آلودگی و تغییرات زمانی آن ارائه می‌دهند. ادغام ماهواره با مدل‌های پیش‌بینی‌گر و شبیه‌سازی‌های جوی، دقت برآورد غلظت آلاینده‌ها، پیش‌بینی ورود طوفان‌های فرامرزی گردوغبار به کشور، تحلیل انتقال بین ‌شهری و پیش‌آگاهی چندساعته تا چندروزه را به‌طور چشمگیری افزایش می‌دهد. نتیجه این رویکرد، یک نظام پایش و پیش‌بینی قابل‌ اتکاست که هم برای مدیریت بحران و هم برای برنامه‌ریزی سیاستی کاربرد دارد. در این راستا ضروری است سازمان هواشناسی کشور با همکاری سازمان حفاظت محیط زیست و وزارت ارتباطات و فناوری اطلاعات به استناد ماده (24) آیین‌نامه فنی در زمینه کنترل و کاهش آلودگی‌ها (موضوع ماده (۲) قانون هوای پاک) نسبت به بهر‌ه‌گیری از داده‌های سنجش از دور و تقویت الگوهای پیش‌بینی آلودگی هوا اهتمام ورزد.

ز) تقویت هسته تلفیق داده در سازمان حفاظت محیط زیست: سازمان حفاظت محیط زیست به‌عنوان متولی اصلی شبکه ملی پایش، موظف است با همکاری دانشگاه‌ها و مراکز پژوهشی، هسته تخصصی تلفیق داده‌ها را درون سازمان خود ایجاد یا تقویت کند. وظیفه این هسته، ادغام هوشمندانه داده‌های ایستگاه‌های مرجع، شبکه‌های حسگرهای کم‌هزینه و داده‌های ماهواره‌ای با استفاده از مدل‌های فیزیکی-جوی و الگوریتم‌های یادگیری ماشین است تا خروجی‌های تحلیلی (مانند نقشه‌های غلظت یکپارچه) مستقیماً در اختیار نهادهای نظارتی و تصمیم‌گیر قرار گیرد. این رویکرد از پراکندگی و موازی‌کاری در این حوزه جلوگیری می‌کند.

ح) توسعه مدل‌های پیش‌بینی‌گر هوش مصنوعی توسط سازمان هواشناسی کشور (براساس تکلیف ماده (۲۴) آیین‌نامه فنی): سازمان هواشناسی کشور موظف است با بهره‌گیری از الگوریتم‌های یادگیری ماشین و شبکه‌های عصبی پیشرفته، نسبت به پیش‌بینی چندساعته تا چندروزه وضعیت آلودگی هوا (شامل غلظت آلاینده‌ها، وقوع طوفان‌های گردوغبار و رخدادهای وارونگی دما) اقدام کند. این پیش‌بینی‌ها باید با استفاده از تلفیق داده‌های ایستگاه‌های زمینی، حسگرهای کم‌هزینه، داده‌های ماهواره‌ای و خروجی مدل‌های جوی تهیه و در اختیار سامانه هشدار سریع و نهادهای تصمیم‌گیر قرار گیرد.

ط) توسعه پژوهش و پایلوت فناوری‌های پیشرفته و هوشمند پایش هوا: حمایت ساختاریافته از برنامه‌های پژوهشی و پروژه‌های پایلوت مشترک میان دانشگاه‌ها، شرکت‌های دانش‌بنیان، پژوهشگاه‌ها و نهادهای شهری با هدف بومی‌سازی و آزمودن فناوری‌های نسل جدید پایش کیفیت هوا، ‌باید مورد توجه قرار گیرد. ازجمله مهم‌ترین این فناوری‌ها می‌توان به سامانه‌های آنالیز برخط ترکیب شیمیایی ذرات، ابزارهای منشأیابی پیشرفته و الگوریتم‌های پایش مبتنی‌بر بینایی ماشین و داده‌های تصویری اشاره کرد. ایجاد زیرساخت دانشی و فنی لازم برای ادغام تدریجی این فناوری‌ها در معماری ملی پایش ازجمله ثمره‌های این اقدام در افق بلندمدت خواهد بود.

ی) توسعه و توانمندسازی نیروی انسانی تخصصی در نظام ملی پایش کیفیت هوا: توسعه و توانمندسازی نیروی انسانی تخصصی مستلزم ایجاد یک برنامه جامع آموزش و ارتقای مهارت است که کارکنان دستگاه‌های محیط ‌زیستی، بهره‌برداران ایستگاه‌ها و متخصصان داده را برای کار با فناوری‌های نوین پایش آماده کند. این برنامه باید شامل دوره‌هایی در حوزه‌های کالیبراسیون و کنترل کیفیت، کار با حسگرهای کم‌هزینه، تفسیر داده‌های ماهواره‌ای، مدل‌سازی و پیش‌بینی مبتنی‌بر هوش مصنوعی، ترکیب داده‌های چندمنبعی و نگهداشت تجهیزات پیشرفته باشد. همچنین ایجاد گواهی‌نامه‌های تخصصی، دوره‌های مهارت‌افزایی برای نهادهای محلی، همکاری با دانشگاه‌ها و مراکز بین‌المللی و طراحی نظام ارتقای شغلی بر پایه شایستگی‌های فنی ضروری است. این رویکرد می‌تواند ظرفیت ملی برای بهره‌برداری از سامانه‌های پایش نسل جدید را تقویت کرده و گذار ایران به اکوسیستم پایش ترکیبی و حکمرانی داده‌محور در حوزه کیفیت هوا را تسهیل کند.

جدول 4. پیشنهادهای سیاستی

*تداوم یا تقویت آیتم‌ها یا اقدام‌ها.

**اصلاح رویه‌ها یا ایجاد سازوکار.

مأخذ: همان.