پیش بینی و تحلیل مکانی-زمانی ذرات ریز جوی و اثرپذیری آن از دما و پوشش گیاهی در سطح ایران با استفاده از رویکرد هموارسازی نمایی در پایتون

پیش بینی نسبتا دقیق غلظت آلاینده ها و متغیرهای محیط زیستی کوتاه مدت و بلندمدت، گام مهمی در کاهش آسیب های ناشی از کیفیت پایین هوا می باشد. در این مطالعه، ابتدا به تحلیل مکانی-زمانی و سپس با استفاده از تکنیک های پیش بینی، به پیش بینی غلظت ذرات ریز جوی (PM2.5)، دما و شاخص پوشش گیاهی (NDVI) بر روندPM2.5  در دوره زمانی 5 ساله (1400-1396) در سطح کشور ایران پرداخته شده است. داده های غلظت ذرات ریز جوی PM2.5، دما و شاخص پوشش گیاهی بر مبنای مدل های ماهواره ای MERRA-2، FLDAS و MODIS استخراج شده است. در دوره پنج ساله مطالعاتی، یک روند تا حدودی نزولی برای غلظت هوای PM2.5 مشاهده گردید. نتایج کمترین میانگین سالانه غلظت ذرات ریز جوی را در طی سال های 1398 و 1399 نشان داد. همچنین یک همبستگی قوی بین غلظت PM2.5 و دما به دست آمد. بیشترین میانگین غلظت PM2.5 در شمال غربی، غرب و جنوب غرب ایران رخ داده است. در مرحله بعد، برای پیش بینی وضعیت غلظت آتی ذرات ریز جویPM2.5  هوا، دما و شاخص پوشش گیاهی از رویکرد هموارسازی نمایی (Exponential Smoothing) در کتابخانه آماری پایتون (Statsmodels) برای مدل سازی سری های زمانی ماهانه استفاده شد. ارزیابی مدل ها با دو معیار خطای جذر میانگین مربعات (RMSE) و ضریب تعیین (R2) به منظور حداقل نمودن خطای برآورد و یافتن مناسب ترین مدل از میان یازده مدل پیش بینی شده انجام شد. نتایج حاصل بیانگر آن است که مدل های هموارسازی نمایی دوگانه برای پیش بینی غلظتPM2.5  و مدل های هموارسازی نمایی سه گانه با روند Holt-Winter برای پیش بینی داده های دما و NDVI مناسب تر است.  این مطالعه می تواند به درک بهتر اثرات اقتصادی، بهداشتی و محیط زیستی متاثر از آلودگی هوا با پیش بینی دوره ای که سطوح آلودگی هوا ممکن است به ویژه بالا باشد، برای برنامه ریزی بهتر به موسسات دولتی و خصوصی کمک نماید.