Η παρούσα εργασία επικεντρώνεται στην ανάλυση των επιπέδων συγκέντρωσης του
μονοξειδίου του άνθρακα (CO) σε τρεις αστικούς σταθμούς παρακολούθησης της
ατμοσφαιρικής ρύπανσης στη Δυτική Ελλάδα και την Ήπειρο: Πάτρα, Ιωάννινα και
Αγρίνιο, για την περίοδο 2001–2024. Σκοπός της έρευνας είναι η βέλτιστη στατιστική
κατανομή των μετρούμενων συγκεντρώσεων CO μέσω της εφαρμογής τεσσάρων
θεωρητικών κατανομών: Normal, Lognormal, Gamma και Weibull. Η ανάλυση
αποκάλυψε σημαντική χωρική ετερογένεια, με τις περιοχές της Πάτρας και των
Ιωαννίνων να παρουσιάζουν υψηλότερες τιμές CO και ασύμμετρες κατανομές, ενώ το
Αγρίνιο εμφάνισε ηπιότερες τιμές και συμμετρία. Τα αποτελέσματα έδειξαν ότι οι
GAMMA και LOGNORMAL κατανομές περιγράφουν καλύτερα την κατανομή του ρύπου
στις πιο επιβαρυμένες περιοχές.
Η μελέτη καταδεικνύει τη χρησιμότητα των στατιστικών κατανομών ως εργαλείων
περιβαλλοντικής ανάλυσης και πρόβλεψης, με σημαντικές εφαρμογές στον σχεδιασμό
πολιτικών αντιμετώπισης της ρύπανσης, την προστασία της δημόσιας υγείας και την
υποστήριξη της βιώσιμης ανάπτυξης. Τέλος, προτείνονται ερευνητικές κατευθύνσεις για
τη μελλοντική εμβάθυνση της ανάλυσης, όπως η σύνδεση με μετεωρολογικές μεταβλητές και γεωγραφικά δεδομένα.

This study focuses on the analysis of carbon monoxide (CO) concentration levels in three urban air quality monitoring stations in Western Greece and Epirus: Patras, Ioannina, and Agrinio, for the period 2008–2024. The main objective is the optimal statistical distribution of CO concentrations through the application of four theoretical probability distributions: Normal, Lognormal, Gamma, and Weibull. The analysis revealed significant spatial heterogeneity, with Patras and Ioannina showing higher and more asymmetric CO values, while Agrinio presented milder and more symmetric patterns. Results indicated that the GAMMA and LOGNORMAL distributions offered the best fit in the most polluted areas.
The study highlights the usefulness of statistical distribution models as tools for
environmental analysis and forecasting, with important applications in pollution control
policy, public health protection, and support for sustainable development. Finally, future research directions are suggested, such as integration with meteorological parameters and geographic information systems (GIS).