مقایسه روش های مختلف پیش بینی روند انتشار گازهای گلخانه ای از بخش کشاورزی ایران (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
انتشار گازهای گلخانه ای عامل اصلی گرمایش زمین و مسائل زیست محیطی است. بخش کشاورزی یکی از منابع عمده انتشار است، به طوری که یک سوم انتشار گازهای گلخانه ای در جهان مربوط به سیستم های کشاورزی می باشد. امروزه، پیش بینی یک ابزار مهم برنامه ریزی برای سیاست گذاران به شمار می رود. پیش بینی میزان انتشار گازهای گلخانه ای می تواند تصویری از آینده را برای سیاست گذاران، نمایان و آن ها را در اتخاذ تصمیم های راهبردی یاری نماید. روش های متنوعی برای پیش بینی متغیرها وجود دارد. هدف این مطالعه، مقایسه روش های پیش بینی و روند انتشار مهم ترین گازهای گلخانه ای (متان، دی اکسیدکربن و اکسیدنیتروژن) از بخش کشاورزی ایران است. آمار و اطلاعات لازم به صورت سالانه برای دوره زمانی 2019-1990 از سایت سازمان خوار و بار کشاورزی ملل متحد، بانک جهانی و ترازنامه انرژی وزارت نیرو، جمع آوری و به منظور پیش بینی متغیرها از روش های تک متغیره الگوی خودتوضیح جمعی میانگین متحرک (آریما)، هموارسازی نمایی منفرد با روند، هموارسازی نمایی دوگانه با روند، الگوریتم هالت-وینترز ضربی و الگوریتم هالت-وینترز تجمعی و روش چند متغیره خودرگرسیون برداری استفاده شد. بر اساس یافته های تحقیق، روش های هالت-وینترز تجمعی، شبکه عصبی مصنوعی و هموارسازی نمایی منفرد با روند بهترین پیش بینی را به ترتیب برای گاز متان، دی اکسیدکربن و اکسید نیتروژن ارائه دادند. نتایج نشان داد که روند انتشار گازهای متان و اکسید نیتروژن، نزولی و میزان انتشار گاز دی اکسیدکربن، صعودی خواهد بود. نتایج می تواند در پیش بینی انتشار گازهای گلخانه ای در بخش کشاورزی و به تبع آن اعمال سیاست های مناسب راهگشا باشد.Comparison of Different Methods of Forecasting the Trend of Greenhouse Gas Emissions from Iran's Agricultural Sector
The emission of greenhouse gases is the main cause of global warming and environmental problems. The agricultural sector is one of the major sources of emissions so one-third of the greenhouse gas emissions in the world are related to agricultural systems. Today, forecasting is considered an important planning tool for policymakers. Forecasting the amount of greenhouse gas emissions can show a picture of the future for policymakers and help them in making strategic decisions. There are various methods for predicting variables. This study aims to compare the methods of forecasting and the emission trend of the most important greenhouse gases (methane, carbon dioxide, and nitrogen oxide) from Iran's agricultural sector. The necessary statistics and information were collected annually between 1990 and 2019 from the websites of the Food and Agriculture Organization of the United Nations, the World Bank, and the energy balance sheet of the Ministry of Energy, and to predict the variables from univariate methods of autoregressive integrated moving average (ARIMA), single exponential smoothing with trend, double exponential smoothing with trend, Holt-Winters multiplicative and Holt-Winters additive and multivariate model of vector autoregressive were used. Based on the research findings, methods of Holt-Winters additive, artificial neural network, and single exponential smoothing with trend provided the best forecast for methane gas, carbon dioxide, and nitrogen oxide, respectively. The results showed that the emission trend of methane and nitrogen oxide gases will be downward and the amount of carbon dioxide emission will be upward. The results can help predict the greenhouse gases released from the agricultural sector and apply appropriate policies accordingly.
تبلیغات
