کاربرد مدل تحلیل عاملی ماتریس مثبت PMF و تکنیک های آماری چند متغیره در شناسایی و مدیریت منابع انتشار آلاینده های فلزات سنگین در رسوبات
- سال انتشار: 1399
- محل انتشار: کنفرانس بین المللی مدل ها و تکنیکهای کمی در مدیریت
- کد COI اختصاصی: QMTM02_110
- زبان مقاله: فارسی
- تعداد مشاهده: 2283
نویسندگان
دانشجوی دکترای محیط زیست، گروه محیطزیست، دانشکده منابع طبیعی و محیط زیست، دانشگاه ملایر، ملایر، ایران
دانشیار، گروه مدیریت آبخیزداری، دانشکده منابع طبیعی و محیطزیست، دانشگاه ملایر، ملایر، ایران
استادیار، گروه محیط زیست، دانشکده منابع طبیعی و محیط زیست، دانشگاه ملایر، ملایر، ایران
دانشیار، گروه محیط زیست، دانشکده منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس، نور، ایران
چکیده
درک و شناخت منابع مختلف آلودگی محیط های آبی و فرآیندهای موثر بر آنها برای دستیابی به توصیفی جامع از کیفیت منابع آب اساسی است، برای این منظور، اجرای یک شبکه مناسب برای نظارت بر کیفیت منابع آب، اساسی است. لذا این مطالعه با هدف بررسی اثر بخشی مدل تحلیل عاملی ماتریس مثبت PMF در مقایسه با تکنیک های آماری چند متغیره و نیز کاربرد ترکیبی مدل PMF با این روش ها در تعیین سهم و مدیریت منابع انتشار آلاینده های فلزات سنگین در رسوبات محیط های آبی تهیه شده است. روش های تجزیه و تحلیل آماری چند متغیره به اثبات رسیده است که در تهیه و تفسیر داده های کیفیت محیط های آبی و تعیین اطلاعات موجود در آنها موثر است، اما برخی از محدودیت ها را ارائه می دهد. لذا در این پژوهش، مقایسه کاربرد تحلیل عاملی ماتریس مثبت برای داده های کیفیت رسوبات از نظر فلزات سنگین در مقایسه با روش های آماری چند متغیره و نیز ارزیابی وضعیت و میزان به کارگیری این مدل در مطالعات مختلف محیط زیست در طی سال های اخیر در جهان بررسی می شود. مدل تحلیل عاملی ماتریس مثبت اجازه می دهد تا داده های عدم قطعیت در نظر گرفته شوند و محدودیت مثبت بودن را ارئه می دهد، که منجر به یک نتیجه قابل تفسیر از نظر محیط زیستی می شود نتایج بررسی موارد استفاده از مدل PMF در تعیین سهم منابع آلاینده های مختلف از جمله فلزات سنگین در بخش های مختلف محیط زیست در طی دو دهه اخیر نشان داده است که میزان استفاده از این مدل در سال های اخیر نسبت به سال های گذشته بسیار افزایش یافته است. همچنین نتایج مطالعات اخیر حاکی از این است که اگر چه تحلیل عاملی ماتریس مثبت منجر به درک قوی تری از منابع آلوگی های سیستم مورد مطالعه در مقایسه با روش های آماری چند متغیره می شود، ولی کاربرد ترکیبی مدل PMF با سایر روشهای آماری چند متغیره جهت تعیین منبع آلاینده ها منجر به تجزیه و تحلیل جامع و سیستماتیک منابع آلاینده ها از جمله فلزات سنگین شده و نتایج حاصل دقیق تر و جامع تر خواهد بود.کلیدواژه ها
آلاینده های فلزات سنگین، تقسیم سهم منابع، مدیریت اکوسیستم های آب، تحلیل عاملی ماتریس مثبت PMF ، تکنیک های آماری چند متغیرهمقالات مرتبط جدید
- تحلیل نقش فناوریهای نوین در تحول سیستم های مدیریت و حسابداری در ایران
- شناسایی عوامل موثر بر بهرهوری بانک ها با استفاده از روش ترکیبی تحلیل پوششی دادهها و MADM (بانکهای پذیرفته شده در بورس اوراق بهادار تهران)
- اثر سوابق مالی مدیرعامل بر قیمت گذاری حق الزحمه حسابرسی مستقل با توجه به نقش تعدیلگر اندازه شرکت و رتبه موسسات حسابرسی
- مدل قیمتگذاری دارایی بر اساس داده های حسابداری و فاکتورهای اساسی در بورس اوراق بهادار
- بررسی رابطه مدیریت سود و گزارشگری محیط زیستی، اجتماعی و حاکم یتی ( ESG ) با توجه به نقش تعدیلگر حاکمیت شرکتی در شرکت های پذ یرفته شده در بورس اوراق بهادار تهران
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.