زمینه و هدف: رشد اقتصادی و توسعه همه جانبه در تمام جوامع در عین حال که اهداف مثبتی تلقی می شوند، دارای اثرات جانبی منفی بر دیگر حوزه ها از جمله محیط زیست هستند. در سالیان اخیر موضوعی که توجه زیادی را به خود جلب کرده، بحث اثرات جانبی منفی جهانی سازی و تجارت آزاد بر محیط زیست است، به گونه ای که با ارایه فرضیه پناهگاه آلودگی، سهم عظیم تجارت و نقش پر رنگ جهانی سازی در انتقال آلاینده ها نمایان تر شده است. روش بررسی: در این مطالعه با به کار گیری الگوی خودرگرسیون با وقفه های توزیعی (ARDL) و آزمون کرانه ها، فرضیه پناهگاه آلودگی در رابطه تجاری ایران-چین در بازه زمانی 2004-1987 برای کدهای دورقمی ISIC مربوط به صنایع آلاینده بررسی شد. علاوه بر ارایه چهار الگوی غیر خطی برای چهار صنعت آلاینده، الگوی غیرخطی دیگری نیز با استفاده از داده های تجمیع شده این صنایع برآورد گردید. یافته ها: نتایج حاکی از N شکل بودن منحنی کوزنتس زیست محیطی (EKC)، سهم بالای تولیدات کارخانه ای در انتشار کربن، تأیید فرضیه پناهگاه آلودگی از ایران به چین برای کدهای 34 و 35 و شناسایی صنایع آلاینده صادراتی با کدهای 35 و 37 بوده که فعالیت تولیدی شان سبب افزایش انتشار دی اکسید کربن می شود. بحث و نتیجه گیری: بر اساس الگوی داده های تجمیع شده فرضیه PHH تأیید نمی شود، در حالی که فرضیه مذکور با استفاده از الگوهای جزیی تر قابل تفسیر است. بنابراین لزوم استفاده از الگوهای جزیی و در سطح گروه های کالایی برای بررسی فرضیه پناهگاه آلودگی بیش از پیش نمایان می شود. تنها با کاربرد این فرم از الگوهاست که سیاست گذاران می توانند با دقت بیشتری صنایع آلاینده را شناسایی نموده و در جهت بهبود شرایط زیست محیطی اقدام نمایند. پرونده مقاله

زمینه و هدف: مدل‌سازی آلاینده‌های زیست محیطی یکی از نیازهای اساسی در زمینه پایش کیفیت هوا محسوب می شود که با بهره‌گیری از نتایج حاصله می‌توان اقدامات پیشگیرانه‌ای جهت بهبود شرایط آتی اتخاذ کرد. ادبیات موجود در زمینه الگوسازی آلاینده‌های زیست محیطی را می توان به دو دسته کلی تقسیم کرد، دسته اول شامل مطالعاتی می‌شود که علاوه بر داده‌های مربوط به آلاینده‌ها با وارد کردن عوامل محیطی از قبیل دمای هوا، جهت وزش باد، سرعت وزش باد و میزان رطوبت، وضعیت انتشار را مورد بررسی قرار داده اند. دسته دوم مطالعات -که تحقیق حاضر در این دسته می گنجد- با استفاده از الگوهای رگرسیون سری های زمانی و غالباً با استفاده از داده‌های موجود هر آلاینده، پیش‌بینی وضعیت آتی آن را مد نظر قرار داده‌اند. روش بررسی: در این مقاله با استفاده از سه الگوی ARIMA(AutoRegressive Integrated Moving Average) ، ARFIMA(AutoRegressive Fractionaly Integrated Moving Average)و ARIMA-GARCH(Generalized AutoRegressive Conditional Heteroskedasticity) و رویکرد باکس-جنکینز وضعیت آتی آلاینده‌های CO ، PM10 ،NO2 ،SO2 ،O3 و PM2.5در شهر تهران پیش‌بینی شد و در مورد هر آلاینده بهترین مدل بر اساس معیارهای MSE(Mean Squared Error)،RMSE(Root Mean Squared Error) ،MAE(Mean Absolute Error) و MAPE(Mean Absolute Percent Error) معرفی گردید. یافته ها: آن چه این مطالعه را از مطالعات قبلی متمایز می سازد، مد نظر قرار دادن ویژگی حافظه بلندمدت و مقایسه دقت خروجی مدل مربوطه با الگوهای رایج خود رگرسیونی است. نتایج نشان می‌دهد که فرض وجود حافظه بلندمدت پذیرفته خواهد شد، ولی این که بهترین پیش بینی‌ها همواره توسط مدل ARFIMA ارایه می‌شود، رد می شود. بحث و نتیجه گیری: این مطالعه کاربرد مدل‌های اقتصادسنجی را برای پیش‌بینی وضعیت آلاینده‌ها اثبات می‌کند. براین اساس توصیه می‌شود با توجه به هزینه های اجتماعی بالای انتشار آلاینده ها، با بکارگیری این الگوها، آلاینده‌های تأثیرگذار بر آینده هوای شهر شناسایی و در جهت کاستن از سطح انتشار آن ها طرح‌های کارآمدی پیاده شود. پرونده مقاله