مجتبی سلیمانی ساردو

ذرات معلق با قطر کمتر از 10 میکرومتر (PM10) به عنوان یکی از مهم ترین آلاینده های هوا، اثرات نامطلوبی بر سلامت عمومی و محیط زیست دارند. بنابراین شناسایی عوامل مؤثر بر تغییر غلظت آنها در مناطق مختلف حائز اهمیت زیادی است. این مطالعه با هدف اصلی تعیین پارامترهای آب و هوایی و برخی آلاینده های هوای مؤثر بر تغییرات فصلی PM10 در شهرستان یزد با بهره گیری از مدل های یادگیری ماشین انجام شده است. بدین منظور از داده های روزانه چهار آلاینده هوا و ده عنصر آب و هوایی در دوره زمانی 2018 تا 2022 استفاده شد. پس از حذف متغیرهای با واریانس کم، الگوریتم بروتا برای انتخاب بهترین متغیرهای پیش بینی کننده بکار برده شد. مدلهای جنگل تصادفی (RF) و گردیان تقویت شده درختان تصمیم (Xgboost) با استفاده از دو سوم داده های ورودی آموزش داده شدند و با استفاده از مجموعه داده های باقی مانده مورد آزمایش قرار گرفتتد. سپس ارزیابی عملکرد این مدلها بر اساس 4 معبار ضریب تعیین (R2)، ریشه میانگین مربعات خطا (RMSE) ، میانگین خطای مطلق (MAE) و ضریب کارایی نش-ساتکلیف (NSE) انجام شد. در مقایسه با مدل Xgboost، مدل RF عملکرد بالاتری در پیش بینی غلظت روزانه PM10 در تمام فصول مطالعه نشان داد و لذا به عنوان بهترین مدل پیش بینی کننده انتخاب شد (R2>0.85؛ RMSE<22). بر اساس مقادیر اهمیت نسبی نرمال شده، سهم غلظت گردوغبار، رطوبت نسبی، جهت باد و مونوکسیدکربن در تغییرات غلظت PM10 بهاره بیشتر از سایر متغیرها بوده است. برای فصل تابستان، سه متغیر جهت باد، ازن و ساعات آفتابی به عنوان مهمترین متغیرهای موثر بر تغییرات غلظت PM10 شناسایی شدند. مقادیر اهمیت نسبی متغیرها در فصل پاییز، سهم بالای دی اکسیدگوگرد، اکسید نیتروژن، مونوکسیدکربن، دمای هوا و ازن را در تغییرات غلظت PM10 نشان داد. در فصل زمستان، غلظت گردوغبار بیشترین تاثیر را بر تغییرت غلظت PM10 داشته و سهم سایر متغیرها در مقایسه با این متغیر قابل توجه نبوده است.