بررسی ارتباط بین آلاینده‌های هوا و پارامترهای هواشناسی در بخش کشاورزی استان مازندران با استفاده از رگرسیون لجستیک

توجّه به آثار زیست محیطی در تولید محصولات کشاورزی می تواند درراستای مدیریت پایدار کشاورزی بسیار مفید باشد. شناخت رفتارهای زیستی در تولید آلاینده ها می تواند نقش مهمّی در کاهش اثرات سوء آلودگی هوا داشته باشد. روش رگرسیون لجستیک به عنوان روش توسعه یافته‌ خطّی، به منظور پیش بینی آلودگی هوا به شمار می رود؛ تحلیل سری زمانی پارامترهای اثرگذار بر آلاینده های هوا و پرداختن به این موضوع که برای پیش بینی میزان آلاینده ها در یک گام زمانی جلوتر، به چه تعداد داده در زمان های قبلی نیاز است، مسئله ای است که کمتر بررسی شده است. هدف پژوهش حاضر آن است که با مدل سازی فرایند پنج آلاینده‌ مهم شامل مونوکسید کربن، اُزون، ذرّات معلّق با قطر کمتر از ده میکرومتر، دی اکسید گوگرد و دی اکسید نیتروژن در استان مازندران با استفاده از روش رگرسیون لجستیک و تحلیل سری های زمانی، میزان کارایی و انعطاف‌پذیری روش های به کار گرفته شده در مدل سازی و پیش بینی این آلاینده ها را بررسی کند. در نوشتار پیش رو، داده های هواشناسی از ایستگاه های رامسر، آمل، بابلسر و نوشهر و داده های آلودگی هوا از ایستگاه های گلوگاه، قائم شهر، ساری و کیاسر به صورت روزانه در نیمسال دوم 1396 و سال 1397 دریافت شده که میانگین آن ها در تجزیه و تحلیل داده ها استفاده شده است. نتایج نشان داد که no2 و co ایستگاه گلوگاه و o3 ایستگاه کیاسر و so2، no2 و co ایستگاه های آلودگی ساری و قائم شهر به طور کامل با پارامترهای دما، رطوبت نسبی و سرعت باد ارتباط معنی داری دارند که بیانگر تاثیر این پارامترها در تغییر غلظت آلاینده های پیش گفته است؛ همچنین براساس الگوهای توابع یک متغیّره‌ معادلات رگرسیون ها، فرمول های معتبری برای تخمین روابط لجستیک بین آلاینده ها و پارامترهای هواشناسی استخراج شد که براساس آن، با داشتن پارامترهای هواشناسی در ایستگاه ها، به راحتی می توان میزان آلودگی منطقه را پیش بینی کرد

investigating the relationship between air pollutants and meteorological parameters in the agricultural sector of mazandaran province using logistic regression

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 ofpollutants can play an important role in reducing the adverse effects of air pollution. logistic regression method is considered as a linear developedmethod 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 matterless 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 stationsand 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 parametersof 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.