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

در چند سال اخیر میزان ریزگردها و دیگر آلاینده های هوا در استان های جنوبی و جنوب غربی ایران افزایش چشمگیری یافته است. یکی از مهمترین متغیرهایی که در این زمینه مورد بررسی قرار می گیرد مقدار PM10 می باشد. با توجه به ضرورت برآورد و پیش بینی آسان تر و کم هزینه تر این متغیر، در تحقیقات مختلف از روش های آماری متفاوتی به بررسی رابطه آن با دیگر متغیرها پرداخته اند. 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 داده های 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 داده های هواشناسی و داده های PM10 به ترتیب از ایستگاه های سینوپتیک هواشناسی و ایستگاه پایش آلودگی هوای شهر اهواز اخذ شد. برای رسیدن به اهداف تحقیق آنالیز های مختلفی نیز انجام شد. ابتدا باتوجه به نرمال نبودن داده ها، برای بررسی همبستگی بین داده های PM10 و داده های 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 می باشد. ضریب تبیین بدست آمده با استفاده از داده های 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 داده های 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 پیش بینی میزان PM10 می توان از داده های دید افقی و حداقل دمای محیط استفاده و با بکارگیری مدل رگرسیون جنگل تصادفی به نتیجه مناسب رسید.