برآورد غلظت ریزگردها با استفاده از متغیرهای آب و هوایی (مطالعه موردی: شهرستان اهواز)

ددر چند سال اخیر میزان ریزگردها و دیگر آلاینده‌های هوا در استان های جنوبی و جنوب‌غربی ایران افزایش چشمگیری یافته است. یکی از مهمترین متغیرهایی که در این زمینه مورد بررسی قرار می‌گیرد مقدار PM10 می‌باشد. با توجه به ضرورت برآورد و پیش بینی آسان‌تر و کم هزینه‌تر این متغیر، در تحقیقات مختلف از روش‌های آماری متفاوتی به بررسی رابطه آن با دیگر متغیرها پرداخته‌اند. هدف این تحقیق بررسی رابطه بین متغیرهای آب و هوایی شامل دمای هوا (حداکثر، متوسط و حداقل)، رطوبت نسبی (حداکثر، متوسط و حداقل)، بارندگی روزانه، دید افقی، جهت و سرعت باد با داده‌های متغیر آلودگی هوا (PM10) طی دوره آماری 4 ساله (1387 تا 1390) با استفاده از روابط همبستگی و برآورد PM10 با استفاده از مدل آماری جنگل تصادفی بود. برای انجام این تحقیق داده‌های هواشناسی و داده‌های PM10 به ترتیب از ایستگاه‌های سینوپتیک هواشناسی و ایستگاه‌ پایش آلودگی هوای شهر اهواز اخذ شد. برای رسیدن به اهداف تحقیق آنالیز‌های مختلفی نیز انجام شد. ابتدا باتوجه به نرمال نبودن داده‌ها، برای بررسی همبستگی بین داده‌های PM10 و داده‌های آب و هوایی و تعیین متغیرهای مستقل موثر در برآورد میزان غلظت آن از ضریب همبستگی اسپیرمن استفاده شد. نتایج نشان داد که متغیرهای دید افقی و حداقل دما به ترتیب با 376/0- و 349/0+ بیشترین و بارندگی با 077/0- کمترین همبستگی را با متغیر PM10 از خود نشان دادند. نتایج رگرسیون جنگل تصادفی نیز نشان داد که مهمترین متغیر تاثیرگذار در برآورد میزان PM10، متغیر دید افقی و سپس متغیر دمای حداقل می‌باشد. ضریب تبیین بدست آمده با استفاده از داده‌های مشاهده شده و برآورد شده در سطح معنی‌ داری 99 درصد برابر (47/0 R2=) بدست آمد. آنالیز درخت سلسله مراتبی نشان داد که از کل داده‌های متغیرهای رطوبت نسبی حداکثر، رطوبت نسبی حداقل و دمای حداقل به ترتیب، 396 داده (>205/0 درصد)، 389 داده (>305/0 درصد) و 387 داده (>5/5 درجه سلسیوس) ، قابلیت تفکیک شدن را نشان دادند و متغیر رطوبت نسبی حداکثر در سطح اول قرار گرفت. بطور کلی این تحقیق نشان داد که در پیش‌بینی میزان PM10 می‌توان از داده‌های دید افقی و حداقل دمای محیط استفاده و با بکارگیری مدل رگرسیون جنگل تصادفی به نتیجه مناسب رسید.