پیش بینی آلاینده های هوا ( o3، coو pm10) وپارامترهای هواشناسی مطالعه موردی: شهرستان بیرجند

آلودگی هوا، یک تهدید جهانی برای بهداشت عمومی و محیط زیست، به ویژه در مناطق شهری است. از این رو برای کنترل و برنامه ریزی غلظت آلاینده ها از مدلسازی استفاده می شود. در این مقاله یک مدل بر مبانی رگرسیون خطی به منظور پیش بینی کوتاه مدت co، pm10 و o3 بر حسب پارامترهای هواشناسی ارائه شده است. داده های پارامترهای هواشناسی شامل رطوبت، فشار، حداقل و حداکثر دما و سرعت باد (سازمان هواشناسی بیرجند) و داده های آلودگی هوا (غلظت co ،pm10 و o3) از اداره کل محیط زیست بیرجند، تهیه و به صورت میانگین روزانه استفاده شد. برای مدلسازی رگرسیون خطی از نرم افزار spss.16 استفاده گردید. نتایج بدست آمده نشان داد که بیشترین ضریب همبستگی برای آلاینده co با حداقل درجه حرارت، 0.53 و کم ترین ضریب همبستگی با مقدار 0.166 بود. بیشترین ضریب همبستگی آلاینده pm10 با سرعت باد، 0.33 و کم ترین ضریب همبستگی این آلاینده با فشار، 0.082 بدست آمد. بیشترین ضریب همبستگی آلاینده o3 با حداکثر درجه حرارت، 0.50و کم ترین ضریب همبستگی این آلاینده با جهت باد، 0.09 بدست آمد. هم چنین نتایج حاصل از مدل رگرسیون برای آلاینده مونوکسیدکربن در مقایسه با دو آلاینده دیگر، بهتر بود.

air pollutant regression analysis (co, o3 and pm10) and meteorological parameters, case study: birjand-iran

air pollution is a global threat to public and environmental health, especially in urban areas. therefore, modeling is used to control and planing concentration of pollutants. in this paper, a model is proposed based on linear regression for short term forecasting of co, pm10 and o3 based on meteorological parameters, and the results are presented. data of meteorological parameters including humidity, pressure, minimum and maximum temperature, wind speed and wind direction (birjand meteorological organization), and air pollution data (co, pm10, and o3 concentrations) from the birjand weather organization were prepared and used as daily average. spss16 software was used for linear regression modeling. the results showed that the highest correlation coefficient for co pollutant with minimum temperature was 0.53 and the lowest correlation coefficient with the value of 0.166 was wtih the wind direction. the maximum correlation coefficient of pm10 contamination with wind speed was 0.33 and the lowest correlation coefficient of this pollutant with a pressure was 0.882. finally, the highest correlation coefficient of o3 contamination with maximum temperature was 0.50 and also with regard to the regression coefficient obtained for carbon monoxide (r = 0.33) compared to the other two pollutants, has been obtained better.