بررسي ارتباط بين آلاينده‌هاي هوا و پارامترهاي هواشناسي در بخش كشاورزي استان مازندران با استفاده از رگرسيون لجستيك

Investigating the Relationship between Air Pollutants and Meteorological Parameters in the Agricultural Sector of Mazandaran Province Using Logistic Regression

توجّه به آثار زيست­ محيطي در توليد محصولات كشاورزي مي­تواند در راستاي مديريت پايدار كشاورزي بسيار مفيد باشد. شناخت رفتارهاي زيستي در توليد آلاينده ­ها مي­تواند نقش مهمّي در كاهش اثرات سوء آلودگي هوا داشته باشد. روش رگرسيون لجستيك به ­عنوان روش توسعه­ يافتة خطّي، به ­منظور پيش­بيني آلودگي هوا به ­شمار مي­رود؛ تحليل سري زماني پارامترهاي اثرگذار بر آلاينده­ هاي هوا و پرداختن به اين موضوع كه براي پيش ­بيني ميزان آلاينده­ ها در يك گام زماني جلوتر، به چه تعداد داده در زمان­هاي قبلي نياز است، مسئله­ اي است كه كمتر بررسي شده است. هدف پژوهش حاضر آن است كه با مدل­سازي فرايند پنج آلايندة مهم شامل مونوكسيد كربن، اُزون، ذرّات معلّق با قطر كمتر از ده ميكرومتر، دي­ اكسيد گوگرد و دي­ اكسيد نيتروژن در استان مازندران با استفاده از روش رگرسيون لجستيك و تحليل سري­ هاي زماني، ميزان كارايي و انعطاف‌پذيري روش­هاي به­ كار گرفته ­شده در مدل­سازي و پيش ­بيني اين آلاينده ­ها را بررسي كند. در نوشتار پيش رو، داده­هاي هواشناسي از ايستگاه­هاي رامسر، آمل، بابلسر و نوشهر و داده­ هاي آلودگي هوا از ايستگاه­هاي گلوگاه، قائم ­شهر، ساري و كياسر به­ صورت روزانه در نيمسال دوم 1396 و سال 1397 دريافت شده كه ميانگين آن­ها در تجزيه و تحليل داده­ها استفاده شده است. نتايج نشان داد كه NO2 و CO ايستگاه گلوگاه و O3 ايستگاه كياسر و SO2، NO2 و CO ايستگاه ­هاي آلودگي ساري و قائم­ شهر به­ طور كامل با پارامترهاي دما، رطوبت نسبي و سرعت باد ارتباط معني ­داري دارند كه بيانگر تأثير اين پارامترها در تغيير غلظت آلاينده­ هاي پيش­گفته است؛ همچنين براساس الگوهاي توابع يك­ متغيّرة معادلات رگرسيون­ ها، فرمول ­هاي معتبري براي تخمين روابط لجستيك بين آلاينده­ ها و پارامترهاي هواشناسي استخراج شد كه بر اساس آن، با داشتن پارامترهاي هواشناسي در ايستگاه ­ها، به­ راحتي مي­توان ميزان آلودگي منطقه را پيش­ بيني كرد

Paying attention to environmental effects on the production of agricultural yields can be very useful in the direction of sustainable agricultural management. Understanding biological behaviors in the production of pollutants can play an important role in reducing the adverse effects of air pollution. Logistic regression method is considered as a linear developed method to predict air pollution; Time series analysis of parameters affecting air pollutants and addressing how much data is needed in previous times to predict the amount of pollutants one step ahead is an issue that has been less studied. The current study aims to model the process of five important pollutants including carbon monoxide (CO), ozone (O3), particulate matter less than 10 μm in diameter (PM10), sulfur dioxide (SO2) and nitrogen dioxide (NO2) in Mazandaran province, using logistic regression method and time series analysis, to examine the efficiency and flexibility of the methods used in modeling and forecasting these pollutants. In this study, meteorological data from Ramsar, Amol, Babolsar and Nowshahr stations and air pollution data from Gulogah, Ghaemshahr, Sari and Kiasar stations were received daily in the second half of 2017 and 2018, the average of which has been used in data analysis. The findings reveal that NO2 and CO of Gulogah station and O3 of Kiasar station and SO2, NO2 and CO of Sari and Ghaemshahr pollution stations are completely related to the parameters of temperature, relative humidity and wind speed, which indicates the effect of these parameters on changing the concentration of these pollutants. Moreover, based on the patterns of univariate functions of regression equations, valid formulas for estimating logistic relationships between pollutants and meteorological parameters were extracted, according to which, having meteorological parameters in stations, it is easy to predict the pollution of the region.