Investigation of spatial and temporal changes in atmospheric aerosol using aerosol optical depth in Southeastern Iran
Subject Areas : Natural resources and environmental managementMaryam Mirakbari 1 , Zohre Ebrahimi Khusfi 2
1 - PhD. Graduated of Combating Desertification, Faculty of Natural Resources, University of Tehran, Karaj, Iran
2 - Assistant Professor, Department of Nature Engineering, Faculty of Natural Resources, University of Jiroft, Jiroft, Iran
Keywords: air pollution, arid regions, Land degradation, Mann- Kendall test, remote sensing,
Abstract :
Background and ObjectiveThe Aerosol Optical Depth index is one of the most commonly used indicators for assessing air pollution in various regions, especially arid and semi-arid areas. The arid and semi-arid regions are the main sources of dust particles. Due to locating in the arid and semi-arid region, Iran faces dust storms several times over the year, which have caused irreparable environmental and socio-economic damages to different parts of the country. The southeastern of Iran is one of these regions that is affected by dust storms in the first half of the year (early spring to late summer) due to 120-day winds, and large amounts of sand and dust particles enter the atmosphere each year. Therefore, it is important to study the temporal and spatial changes of suspended particles in the atmosphere, of which dust is a major part of aerosols in these regions. In fact, knowing the temporal and spatial changes of suspended particles can be helpful in providing appropriate solutions to reduce the damages caused by these particles. In this study, due to lack of ground-based aerosol gauge station, aerosol optical depth feature was considered based on the Aerosol Optical Depth (AOD) product of MODIS sensor to monitor and analyze spatial and temporal changes of aerosol concentrations in Iran during a period of 18 years. Annual, monthly and seasonal temporal changes of AOD were investigated using pre-whitening Mann-Kendall trend test. Materials and MethodsThe daily MODIS level-4 AOD data have been used in this study. The AOD data were obtained from the earth explorer website USGS in 6570 frames for 2001- 2018 and these data were extracted in NetCDF format with programming in Matlab software as annual, seasonal and monthly time series for 13 synoptic stations in the study area. PM10 concentration data were used to validate the AOD product of MODIS. In order to investigate the temporal and spatial changes of aerosol concentrations. The AOD zoning maps were prepared using inverse distance weighted (IDW) interpolation method based on the mean values of AOD. Based on the IDW method, each point/ station has a local effect that decreases with increasing distance, places close to the measuring point will have more weight. Finally, the temporal trend changes of AOD data were determined using the Mann- Kendall trend test in the different time scales. Results and Discussion The results obtained from the validation of AOD data indicated that there was a strong and acceptable relationship between aerosol optical depth and PM10 concentration data at 95% significant level. Therefore, it can be concluded that the AOD data have a good accuracy to investigate and analyze the changes in suspended particles in the atmosphere in the study area. The spatial distribution of AOD in the study area showed that the western and central regions (Kerman, Baft, Sirjan, Rafsanjan) had the lowest concentration of aerosol during the period of 2001- 2018. While, the northeastern, eastern and southern regions (Sistan and Baluchestan province) have been affected by higher concentrations of aerosol. The amounts of AOD have varied from 0.14 to 0.53 in the study period that occurred in the years of 2016 and 2003, respectively. The findings of temporal changes of annual AOD series indicated that the atmosphere suspended particles had the highest amount in the years of 2001, 2003, 2008, 2009 and 2012 at the Zabol, Zahak, Zahedan, Khash and Iranshahr regions, respectively. The seasonal mean AOD had the most concentration in the summer and spring seasons while the autumn and winter had the lowest aerosol concentration. The monthly AOD series showed that the increasing variations of atmosphere suspended particles starts in April and then increases in June and has decreasing changes in July. The results of Mann- Kendall trend test indicated that changes trend of annual aerosol optical depth was decreasing in the most regions except in the Rafsanjan station so that the AOD changes had significant downward trend a 5% level in the Zahedan, Zahak, Zabol, Saravan and Bam stations. The Mann- Kendall statistic of monthly AOD series showed the most frequency of significant trend occurred in May, June, July and October, respectively in the study region. The monthly trend of AOD indicated decreasing changes of aerosol during the study period. As in May, June, July, August, November and February, the concentration of aerosols had a downward trend in the most study stations. The seasonal changes of AOD showed a decreasing trend in aerosols in the summer and spring, while there was an increasing trend in the autumn season. Conclusion One of the available sources to access the aerosol optical depth data is the MODIS sensor. Based on our findings, there was an acceptable relationship between AOD product of MODIS and PM10 data obtained from ground-based aerosol gauge stations in the study region. The results of this study showed that the annual mean AOD varied from 0.14 to 0.53 which highest and lowest values occurred in the years of 2003 and 2016, respectively. Annual trend of AOD showed the concentration of aerosols was decreasing in most regions. The decreasing trend can be due to the decline of dust events resulted from an increase in vegetation cover in the study area. The monthly and seasonal mean AOD showed the concentration of aerosols had the lowest value during the autumn and winter in November, December, January and February, while in the summer and spring, the aerosols had the highest concentration in May, June and July. However, the temporal changes of monthly and seasonal AOD were decreasing in the most study regions. Generally, our findings showed the western part of the study area, located in Kerman province, had been faced the lower concentration of aerosols than the eastern part, located in Sistan province, during the study period. In general, the declining of aerosol concentrations in some of the study areas could indicate an improvement in air quality in these regions. It seems that the implementation of appropriate executive and management methods in this region, which has been considered by many managers and decision-makers in recent years, have had a significant effect on the reduction of air pollution.
Aloysius M, Mohan M, Suresh Babu S, Parameswaran K, Krishna Moorthy K. 2009. Validation of MODIS derived aerosol optical depth and an investigation on aerosol transport over the South East Arabian Sea during ARMEX-II. In: Annales Geophysicae, vol 6. Copernicus GmbH, pp 2285-2296. www.ann-geophys.net/2227/2285/2009/.
Amanollahi J, Kaboodvandpour S, Abdullah AM, Ramli MF. 2011. Accuracy assessment of moderate resolution image spectroradiometer products for dust storms in semiarid environment. International Journal of Environmental Science & Technology, 8(2): 373-380.
doi:https://doi.org/10.1007/BF03326224.
Ahmadi M, Shakiba A, Dadashi A. 2019. Investigating the role of vegetation indices and geographic components on seasonal aerosol optical depth over Iran. Journal of the Earth and Space Physics, 45(1): 211- 233. (In Persian)
Arjmand M, Rashki A, Sargazi H. 2018. Monitoring of spatial and temporal variability of desert dust over the Hamoun e Jazmurian, Southeast of Iran based on the Satellite Data. Geographical Information, 27(106): 153- 168. (In Persian)
Bartina H, Sayyad Gh, Matinfar H, Hojati S. 2014. Spatio-temporal distribution of atmospheric aerosols in western part of Iran based on MODIS spectral data. Water and Soil Conservation, 21(4): 119- 137. (In Persian)
Chen B, Yamada M, Iwasaka Y, Zhang D, Wang H, Wang Z, Lei H, Shi G. 2015. Origin of non-spherical particles in the boundary layer over Beijing, China: based on balloon-borne observations. Environmental Geochemistry and Health, 37(5): 791-800. doi:https://doi.org/10.1007/s10653-014-9668-6.
Ghaderi Nasab F, Rahnama MB. 2018. Detection of Dust Storms in Jazmoriyan Drainage Basin Using Multispectral Techniques and MODIS Image. Physical Geography Research Quarterly, 50(105): 545- 562. (In Persian)
Hsu N, Gautam R, Sayer A, Bettenhausen C, Li C, Jeong M, Tsay S, Holben B. 2012. Global and regional trends of aerosol optical depth over land and ocean using SeaWiFS measurements from 1997 to 2010. NASA Goddard Space Flight Center; Greenbelt, MD, United States, 34p. https://ntrs.nasa.gov/search.jsp?R=20120012819.
Kendall M. 1975. Rank correlation methods (4th edn.) charles griffin. San Francisco, CA, 8. 325p.
Khoshsima M, Ali Akbari Bidokhti A, Givi F. 2013. Evaluation of aerosol optical depth using visibility and remote sensing data in urban and semi urban areas in Iran. Journal of the Earth and Space Physics, 39(1): 163- 174. (In Persian)
Li Z, Xia X, Cribb M, Mi W, Holben B, Wang P, Chen H, Tsay SC, Eck T, Zhao F. 2007. Aerosol optical properties and their radiative effects in northern China. Journal of Geophysical Research: Atmospheres, 112(D22). doi:https://doi.org/10.1029/2006JD007382.
Mann HB. 1945. Nonparametric tests against trend. Econometrica: Journal of the Econometric Society: 245-259.
Meshkizadeh P, Orak N, Morshedi J. 2016. Assessment and compare the spatial-temporal distribution of aerosol optical depth (AOD) in the Khuzestan province, using remote sensing (RS). Journal of Geography and Environmental Studies, 5(17): 69- 78. (In Persian)
Mobasheri M, Ghorbani R, Rahimzadegan M. 2012. Assessment of the MODIS Data Ability in Quantitative and Qualitative Analysis of Air Quality in Urban Area. Journal of Climate Research, 1(3): 59- 72. (In Persian)
Mohammadpour K, Saligheh M, Darvishi Bloorani A, Raziei T. 2020. Analysis and comparing satellite products and simulated of AOD in west Iran (2000-2018). Journal of Spatial Analysis Environmental Hazard, 7(1): 15- 32.
Mishchenko MI, Geogdzhayev IV. 2007. Satellite remote sensing reveals regional tropospheric aerosol trends. Optics express, 15(12): 7423-7438.
Nabavi SO, Haimberger L, Abbasi E. 2019. Assessing PM2.5 concentrations in Tehran, Iran, from space using MAIAC, deep blue, and dark target AOD and machine learning algorithms. Atmospheric Pollution Research, 10(3): 889- 903.
Namdari S, Valizade KK, Rasuly AA, Sari Sarraf B. 2016. Spatio-temporal analysis of MODIS AOD over western part of Iran. Arabian Journal of Geosciences, 9(3): 191. doi:https://doi.org/10.1007/s12517-015-2029-7.
Pineda-Martinez LF, Carbajal N, Campos-Ramos AA, Noyola-Medrano C, Aragón-Piña A. 2011. Numerical research of extreme wind-induced dust transport in a semi-arid human-impacted region of Mexico. Atmospheric Environment, 45(27): 4652-4660. doi:https://doi.org/10.1016/j.atmosenv.2011.05.056.
Qin W, Liu Y, Wang L, Lin A, Xia X, Che H, Bilal M, Zhang M. 2018. Characteristic and driving factors of aerosol optical depth over mainland China during 1980–2017. Remote Sensing, 10(7): 1064. https://doi.org/10.3390/rs10071064.
Rajablou A, Agha Mouhammadi H, Rahimzadegan M, Rajaei MA. 2020. Analysis and zonation map of Tehran air quality monitoring data using grand and Rs. Journal of GIS & RS Application in in Planning, 9(4): 70- 82 (In Persian)
Ramanathan V, Crutzen PJ. 2003. New directions: Atmospheric brown clouds. Atmospheric Environment (1994), 37(28): 4033-4035.
Rashki A, Kaskaoutis DG, Eriksson PG, de W. Rautenbach CJ, Flamant C, Abdi Vishkaee F. 2014. Spatio-temporal variability of dust aerosols over the Sistan region in Iran based on satellite observations. Natural Hazards, 71(1): 563-585. doi:https://doi.org/10.1007/s11069-013-0927-0.
Sajjadi SA, Zolfaghari Gh, Adab H, Allahabadi A, Delsouz M. 2017. Measurement and modeling of particulate matter concentrations: applying spatial analysis and regression techniques to assess air quality. MethodsX, 4: 372-390. https://doi.org/10.1016/j.mex.2017.09.006.
Sayer AM, Hsu N, Bettenhausen C, Jeong MJ. 2013. Validation and uncertainty estimates for MODIS Collection 6 “Deep Blue” aerosol data. Journal of Geophysical Research: Atmospheres, 118(14): 7864-7872. doi:https://doi.org/10.1002/jgrd.50600.
Soleimani A, Asgari M, Dadelahi A, Elmizadeh H, Khazaie H. 2016. Evaluation of optical depth from MODIS satellite imagery in the Persian Gulf. Marine Science and Technology, 14(4): 75- 83. (In Persian)
Srivastava A, Saran S. 2017. Comprehensive study on AOD trends over the Indian subcontinent: a statistical approach. International Journal of Remote Sensing, 38(18): 5127-5149. doi:https://doi.org/10.1080/01431161.2017.1323284.
Tabatabaei T, Karbassi AR, Moata F, Monavari SM. 2015. Multivariate geostatistical analysis in assessment of aerosols (Case study: Bushehr). RS & GIS for Natural Resources, 5(4): 35- 46 (In Persian).
Von Storch H. 1999. Misuses of Statistical Analysis in Climate Research. In, Berlin, Heidelberg, Analysis of Climate Variability. Springer Berlin Heidelberg, pp 11-26. https://doi.org/10.1007/1978-1003-1662-03744-03747_03742.
Yousefi R, Wang F, Ge Q, Shaheen A. 2020. Long-term aerosol optical depth trend over Iran and identification of dominant aerosol types. Science of the Total Environment, 722:137906. doi:https://doi.org/10.1016/j.scitotenv.2020.137906.
_||_Aloysius M, Mohan M, Suresh Babu S, Parameswaran K, Krishna Moorthy K. 2009. Validation of MODIS derived aerosol optical depth and an investigation on aerosol transport over the South East Arabian Sea during ARMEX-II. In: Annales Geophysicae, vol 6. Copernicus GmbH, pp 2285-2296. www.ann-geophys.net/2227/2285/2009/.
Amanollahi J, Kaboodvandpour S, Abdullah AM, Ramli MF. 2011. Accuracy assessment of moderate resolution image spectroradiometer products for dust storms in semiarid environment. International Journal of Environmental Science & Technology, 8(2): 373-380.
doi:https://doi.org/10.1007/BF03326224.
Ahmadi M, Shakiba A, Dadashi A. 2019. Investigating the role of vegetation indices and geographic components on seasonal aerosol optical depth over Iran. Journal of the Earth and Space Physics, 45(1): 211- 233. (In Persian)
Arjmand M, Rashki A, Sargazi H. 2018. Monitoring of spatial and temporal variability of desert dust over the Hamoun e Jazmurian, Southeast of Iran based on the Satellite Data. Geographical Information, 27(106): 153- 168. (In Persian)
Bartina H, Sayyad Gh, Matinfar H, Hojati S. 2014. Spatio-temporal distribution of atmospheric aerosols in western part of Iran based on MODIS spectral data. Water and Soil Conservation, 21(4): 119- 137. (In Persian)
Chen B, Yamada M, Iwasaka Y, Zhang D, Wang H, Wang Z, Lei H, Shi G. 2015. Origin of non-spherical particles in the boundary layer over Beijing, China: based on balloon-borne observations. Environmental Geochemistry and Health, 37(5): 791-800. doi:https://doi.org/10.1007/s10653-014-9668-6.
Ghaderi Nasab F, Rahnama MB. 2018. Detection of Dust Storms in Jazmoriyan Drainage Basin Using Multispectral Techniques and MODIS Image. Physical Geography Research Quarterly, 50(105): 545- 562. (In Persian)
Hsu N, Gautam R, Sayer A, Bettenhausen C, Li C, Jeong M, Tsay S, Holben B. 2012. Global and regional trends of aerosol optical depth over land and ocean using SeaWiFS measurements from 1997 to 2010. NASA Goddard Space Flight Center; Greenbelt, MD, United States, 34p. https://ntrs.nasa.gov/search.jsp?R=20120012819.
Kendall M. 1975. Rank correlation methods (4th edn.) charles griffin. San Francisco, CA, 8. 325p.
Khoshsima M, Ali Akbari Bidokhti A, Givi F. 2013. Evaluation of aerosol optical depth using visibility and remote sensing data in urban and semi urban areas in Iran. Journal of the Earth and Space Physics, 39(1): 163- 174. (In Persian)
Li Z, Xia X, Cribb M, Mi W, Holben B, Wang P, Chen H, Tsay SC, Eck T, Zhao F. 2007. Aerosol optical properties and their radiative effects in northern China. Journal of Geophysical Research: Atmospheres, 112(D22). doi:https://doi.org/10.1029/2006JD007382.
Mann HB. 1945. Nonparametric tests against trend. Econometrica: Journal of the Econometric Society: 245-259.
Meshkizadeh P, Orak N, Morshedi J. 2016. Assessment and compare the spatial-temporal distribution of aerosol optical depth (AOD) in the Khuzestan province, using remote sensing (RS). Journal of Geography and Environmental Studies, 5(17): 69- 78. (In Persian)
Mobasheri M, Ghorbani R, Rahimzadegan M. 2012. Assessment of the MODIS Data Ability in Quantitative and Qualitative Analysis of Air Quality in Urban Area. Journal of Climate Research, 1(3): 59- 72. (In Persian)
Mohammadpour K, Saligheh M, Darvishi Bloorani A, Raziei T. 2020. Analysis and comparing satellite products and simulated of AOD in west Iran (2000-2018). Journal of Spatial Analysis Environmental Hazard, 7(1): 15- 32.
Mishchenko MI, Geogdzhayev IV. 2007. Satellite remote sensing reveals regional tropospheric aerosol trends. Optics express, 15(12): 7423-7438.
Nabavi SO, Haimberger L, Abbasi E. 2019. Assessing PM2.5 concentrations in Tehran, Iran, from space using MAIAC, deep blue, and dark target AOD and machine learning algorithms. Atmospheric Pollution Research, 10(3): 889- 903.
Namdari S, Valizade KK, Rasuly AA, Sari Sarraf B. 2016. Spatio-temporal analysis of MODIS AOD over western part of Iran. Arabian Journal of Geosciences, 9(3): 191. doi:https://doi.org/10.1007/s12517-015-2029-7.
Pineda-Martinez LF, Carbajal N, Campos-Ramos AA, Noyola-Medrano C, Aragón-Piña A. 2011. Numerical research of extreme wind-induced dust transport in a semi-arid human-impacted region of Mexico. Atmospheric Environment, 45(27): 4652-4660. doi:https://doi.org/10.1016/j.atmosenv.2011.05.056.
Qin W, Liu Y, Wang L, Lin A, Xia X, Che H, Bilal M, Zhang M. 2018. Characteristic and driving factors of aerosol optical depth over mainland China during 1980–2017. Remote Sensing, 10(7): 1064. https://doi.org/10.3390/rs10071064.
Rajablou A, Agha Mouhammadi H, Rahimzadegan M, Rajaei MA. 2020. Analysis and zonation map of Tehran air quality monitoring data using grand and Rs. Journal of GIS & RS Application in in Planning, 9(4): 70- 82 (In Persian)
Ramanathan V, Crutzen PJ. 2003. New directions: Atmospheric brown clouds. Atmospheric Environment (1994), 37(28): 4033-4035.
Rashki A, Kaskaoutis DG, Eriksson PG, de W. Rautenbach CJ, Flamant C, Abdi Vishkaee F. 2014. Spatio-temporal variability of dust aerosols over the Sistan region in Iran based on satellite observations. Natural Hazards, 71(1): 563-585. doi:https://doi.org/10.1007/s11069-013-0927-0.
Sajjadi SA, Zolfaghari Gh, Adab H, Allahabadi A, Delsouz M. 2017. Measurement and modeling of particulate matter concentrations: applying spatial analysis and regression techniques to assess air quality. MethodsX, 4: 372-390. https://doi.org/10.1016/j.mex.2017.09.006.
Sayer AM, Hsu N, Bettenhausen C, Jeong MJ. 2013. Validation and uncertainty estimates for MODIS Collection 6 “Deep Blue” aerosol data. Journal of Geophysical Research: Atmospheres, 118(14): 7864-7872. doi:https://doi.org/10.1002/jgrd.50600.
Soleimani A, Asgari M, Dadelahi A, Elmizadeh H, Khazaie H. 2016. Evaluation of optical depth from MODIS satellite imagery in the Persian Gulf. Marine Science and Technology, 14(4): 75- 83. (In Persian)
Srivastava A, Saran S. 2017. Comprehensive study on AOD trends over the Indian subcontinent: a statistical approach. International Journal of Remote Sensing, 38(18): 5127-5149. doi:https://doi.org/10.1080/01431161.2017.1323284.
Tabatabaei T, Karbassi AR, Moata F, Monavari SM. 2015. Multivariate geostatistical analysis in assessment of aerosols (Case study: Bushehr). RS & GIS for Natural Resources, 5(4): 35- 46 (In Persian).
Von Storch H. 1999. Misuses of Statistical Analysis in Climate Research. In, Berlin, Heidelberg, Analysis of Climate Variability. Springer Berlin Heidelberg, pp 11-26. https://doi.org/10.1007/1978-1003-1662-03744-03747_03742.
Yousefi R, Wang F, Ge Q, Shaheen A. 2020. Long-term aerosol optical depth trend over Iran and identification of dominant aerosol types. Science of the Total Environment, 722:137906. doi:https://doi.org/10.1016/j.scitotenv.2020.137906.
بررسی روند تغییرات زمانی و مکانی ذرات معلق جو با استفاده از شاخص عمق اپتیکی آئروسلها در جنوب شرق ایران
چکیده
شاخص عمق اپتیکی آئروسل یکی از پرکاربردترین شاخصها جهت بررسی وضعیت آلودگی هوای مناطق مختلف بهویژه مناطق خشک و بیابانی میباشد. دادههای ماهوارهای اطلاعات ارزشمندی را برای برآورد میزان ذرات معلق جو در سطح وسیع فراهم میکند. محصول عمق اپتیکی آئروسل سنجنده مودیس یکی از منابع اطلاعاتی مفید قابلدسترس برای ارزیابی تغییرات زمانی و مکانی ذرات معلق موجود در جو زمین است. در این مطالعه، از این محصول جهت پایش و تحلیل روند تغییرات طولانی مدت غلظت هواویزها استفاده شد. نتایج نشان داد که در بازه زمانی موردبررسی (1397-1380) میانگین عمق اپتیکی آئروسلها بین 14/0 تا 53/0 در منطقه مطالعاتی متغیر بوده که حداکثر و حداقل مقادیر غلظت ذرات به ترتیب برای نواحی شرقی و غربی منطقه مطالعاتی بهدستآمده است. بر اساس تحلیل زمانی تغییرات عمق اپتیکی آئروسل مشخص شد که حداکثر غبارآلودگی هوا در ماههای تیر و خرداد و حداقل غبارآلودگی در ماههای آذر و دی رخداده است. نتایج به دست آمده از تحلیل آزمون من کندال نشان داد که سیر روند تغییرات عمق اپتیکی آئروسل در همه ایستگاه های مورد بررسی یکسان نبوده است و این میتواند بیانگر متفاوت بودن نقش عوامل مؤثر بر رخدادهای فرسایش بادی و درجه حساسیت پذیری مناطق مختلف در منطقه مطالعاتی باشد.
کلمات کلیدی: سنجشازدور، تخریب اراضی، آزمون من-کندال، مناطق خشک، آلودگی هوا
مقدمه
ذرات معلق موجود در جو از ذرات جامد و مایع تشکیل شدهاند که ابعاد آنها از چندین نانومتر تا چندین ده میکرون متغیر است. این ذرات ناشی از فعالیتهای طبیعی و انسانی میباشند. ذرات حاصل از فعالیتهای طبیعی که به جو اضافه میشوند، شامل گردوغبار معدنی ناشی از توفانها، خاکسترهای آتشفشانی، ذرات حاصل از سوختن جنگلها، گرده گیاهان، نمک دریا و ... میباشند. فعالیتهای انسانی نیز باعث افزایش ذرات حاصل از احتراق سوختهای فسیلی و دود ناشی از سوختن بیوماس میشوند (26). این ذرات نقش مهمی در تحلیل و پیشبینی مطالعات اقلیمی دارند. با توجه به پیامدهای نامطلوب اقلیمی ناشی از وجود ذرات معلق در جو، تحقیقات متعددی در این زمینه انجام شده است. ذرات معلق متغیر اصلی سیستمهای اقلیمی هستند که بطور مستقیم و غیرمستقیم بر اقلیم منطقه تاثیر میگذارند، به طوریکه براساس گزارش هیئت بینالدول تغییر اقلیم، ذرات معلق موجود در جو سبب افزایش دما در دهههای اخیر شده است (10). این ذرات با جذب یا پراکندگی تابش خورشیدی، بهطور مستقیم بر تعادل تابش زمین اثرگذار هستند. همچنین با تغییر خصوصیات میکروفیزیکی ابرها و افزایش آلبدو و طول عمر ابرها، بطور غیرمستقیم بر ویژگیهای اقلیمی منطقه تأثیر دارند (25).
عمق اپتیکی آئروسل (AOD) یکی از شاخصهای پرکاربرد جهت تحلیل و پایش ذرات معلق موجود در جو میباشد که در مطالعات مختلف مورد استفاده قرار گرفته است. AOD (Aerosol Optical Depth) عبارت است از توزیع ذرات معلق موجود در ستون عمودی جو بطوری که میزان بالای AOD حاکی از تراکم زیاد ذرات معلق، همچون گردوغبار در جو هست (22). به عبارت دیگر، AOD بیانگر میزان جذب و پراکنش ناشی از ذرات معلق جو در مسیر عبوری نور است. طبق مطالعات کین و همکاران (20) دامنه تغییرات AOD بین 1/0 تا 2/0 برای هوای صاف قارهای و 05/0 تا 1/0 برای هوای صاف بحری تغییر میکند. اطلاع از میزان AOD در درک تأثیر ریزگردهای موجود در جو بر تغییرات اقلیمی و چرخه بیوژئوشیمیایی بسیار مهم و حیاتی است. اطلاعات ذرات معلق جو از طریق اندازهگیریهای زمینی، ماهوارهای و مدلسازی قابلدسترس هستند (13). روش مستقیم اندازهگیری خصوصیات ذرات معلق جو استفاده از روش سنجش زمینی است که به علت پیچیدگی فرایند اندازهگیری این ذرات، هزینههای نگهداری تجهیزات مربوطه زیاد است و به همین دلیل تعداد ایستگاههای اندازهگیری اندک میباشند. همچنین تجهیزات موجود که بهصورت نقطهای اطلاعات ذرات معلق را برداشت میکنند، قابلیت تعیین غلظت ذرات معلق در مقیاس جهانی و ناحیهای را ندارند. محققان برای تحلیل و بررسی خصوصیات ذرات معلق جو مدلهایی را طراحی کردهاند که این مدلها منطقهای بوده و در سطح جهانی قابلاستفاده نمیباشند. درحالیکه دادههای حاصل از تصاویر ماهوارهای این محدودیتها را برطرف نموده و به دلیل قابلیت زیاد تکرار میتوانند بهعنوان مکمل دادههای حاصل از ایستگاههای زمینی مورداستفاده قرار گیرند (19). با توجه به اینکه میزان جذب و پراکنش نور از کاهش شدت نور خورشید قابلتشخیص است، لذا عمق اپتیکی ذرات معلق نیز با اندازهگیری مستقیم تابش نور به کمک دستگاه نورسنجی زمینی و یا توسط بازتاب تابش سطحی دریافتی از سنجندههای ماهوارهای محاسبه میشود (5). عمق اپتیکی ذرات معلق از اختلاف بین بازتابندگی سطح و بازتابندگی رسیده به سنجنده به دست میآید (14). یکی از سنجندههای موجود برای استخراج این اطلاعات ،مودیس است (MODIS) است (26). مودیس توسط ناسا در سالهای 1999 و 2002 بهوسیله دو ماهواره EOS (Earth Observing System) به فضا پرتاب شد. استخراج مشخصههای ذرات معلق جو از تصاویر ماهوارهای از سال 1979 شروع شد که اولین بار برای پایش ذرات گردوغبار بر روی اقیانوس بهکاربرده شد (14).
بررسی پژوهشهای گذشته نشان میدهد که استفاده از دادههای AOD در زمینههای مختلف تحقیقاتی در سطح جهان توسعه چشمگیری داشته است (6). بهعنوانمثال، مباشری و همکاران (14) گزارش کردند بین پارامتر عمق اپتیکی حاصل از سنجنده مودیس و غلظت ذرات معلق حاصل از دادههای زمینی رابطه خطی معنیداری وجود دارد. نتایج مطالعه خوشسیما و همکاران (10) نشان داد دادههای عمق اپتیکی حاصل از سنجنده مودیس دارای دقت قابل قبولی هستند. بهطوریکه همبستگی بین دادههای مودیس و مقادیر دید افقی ،مقدار قابل قبولی گزارششده است. برتینا و همکاران (5) دادههای سطح سه سنجنده مودیس را برای استخراج AOD در سالهای 2000 تا 2011 در غرب کشور استفاده کردند. نتایج نشان داد تغییرات AOD در غرب کشور (اردبیل، آذربایجانشرقی و غربی، قزوین، گیلان، مرکزی) دارای روند کاهشی بوده درحالیکه در استانهای خوزستان، کردستان، بوشهر، شهرکرد، زنجان و لرستان، روند افزایشی نشان داده است. سلیمانی و همکاران (26) برای برآورد عمق اپتیکی ذرات معلق در منطقه خلیجفارس از دادههای سنجنده مودیس و دادههای زمینیAERONET و غلظت ذرات PM10 استفاده کردند. نتایج نشان داد سنجنده مودیس از دقت قابل قبولی در مقایسه با دادههای زمینی برخوردار است و ضریب همبستگی بین AOD با دادههای AERONET و PM10 قابل توجه بوده است. ارجمند و همکاران (4) شاخصهای گردوغبار سنجندههای TOMS، OMI، MISR و مودیس را جهت بررسی پدیده گردوغبار در حوضه جازموریان واقع در جنوبشرقی کشور مورداستفاده قرار دادند. براساس یافتههای حاصل از این مطالعه،زابل، جازموریان، مرز ایران و پاکستان، سواحل مکران بهعنوان کانونهای اصلی تولید گردوغبار در این منطقه از کشور شناسایی شدند. احمدی و همکاران (3) محصول سطح 6 سنجنده مودیس را برای ارزیابی مقادیر AOD و شاخصهای پوشش گیاهی (NDVI و EVI) در مقیاس زمانی فصلی طی دوره آماری 2003 تا 2017 در ایران استفاده کردند. نتایج این پژوهش نشان داد مناطق جنوب غرب، شرق و سواحل خلیجفارس بالاترین، و نواحی شمال غرب و زاگرس دارای کمترین مقدار AOD میباشند. . تغییرات مکانی میانگین غلظت ذرات معلق سنگین (آرسنیک، کادمیم، کبالت، آهن، نیکل، سرب، وانادیوم) طی سه دوره وقوع گرد و غبار (مرداد 90، اسفند 90، خرداد 91) در شهرستان بوشهر توسط تکنیکهای زمینآمار و روش کریجینگ گسسته توسط طباطبایی و همکاران (28) بررسی شد. نتایج این بررسی نشان داد منشا غلظت این عناصر بیرونی است. محمدپور و همکاران (15) به واکاوی و مقایسه محصولات ماهوارهای AOD بهمنظور تحلیل گرد و غبارهای غرب کشور پرداختند. توزیع سالانه AOD نشان داد غلظت ذرات گرد و غبار در محدوده مورد مطالعه دارای دو دوره فعال (2000- 2010) و غیرفعال (2010- 2018) میباشد. همچنین براساس توزیع ماهانه AOD، منطقه مورد مطالعه در ماههای آوریل تا آکوست دارای بالاترین غلظت گرد و غبار است. مطالعات متعددی نیز در سطح جهانی در این زمینه انجام شده است که در ادامه به چندین مورد اشاره میشود. هسو و همکاران (8) روند تغییرات عمق اپتیکی ذرات معلق جو را در سطح منطقهای و جهانی با استفاده از دادههای WiFS طی سالهای 1997 تا 2014 بررسی کردند. براساس نتایج این مطالعه، ذرات معلق در مناطق شبهجزیره عربستان، چین و هند روند افزایشی و در بیابان صحرا، آمریکای شرقی و اروپا دارای روند کاهشی بوده است. نامداری و همکاران (18) توسط دادههای AOD ماهانه توفانهای گردوغبار را در نواحی غربی ایران و مناطق تحت تأثیر در دوره آماری 2000 تا 2014 تجریه و تحلیل کردند. نتایج این بررسی نشان داد ماه تیر بالاترین مقدار AOD را دارا میباشد. ریواستاوا و ساران (27) روند تغییرات زمانیAOD در دوره آماری 2003 تا 2015 توسط آزمونهای آماری من- کندال، همبستگی رتبهای اسپیرمن، پیرسون، رگرسیون خطی و شیب خط سن در هند بررسی کردند. نتایج نشان داد میزان ذرات معلق در هر سال بین 0035/0 تا 0154/0 افزایش یافته است. راشکی و همکاران (23) تغییرات زمانی و مکانی عمق اپتیکی ذرات معلق را در چین طی دوره آماری 1980 تا 2017 بررسی کردند. در این مطالعه از اطلاعات AOD سنجنده مودیس و پایگاه داده MERRA-2 استفاده کردند. نتایج تحلیل روند تغییرات AOD نشان داد میزان ذرات معلق در نواحی جنوبی چین در حال افزایش بوده، در حالی که برای مناطق شمالی روند کاهشی گزارش شده است. نبوی و همکاران (17) غلظت ذرات معلق PM2.5 را توسط دادههای AOD و چهار الگوریتم ماشین یادگیری (Machine Learning) در شهر تهران ارزیابی کردند. نتایج این مطالعه نشان داد همبستگی بالایی مابین دادههای PM2.5 و دادههای نرمالشده AOD وجود دارد. همچنین الگوریتم جنگل تصادفی به عنوان بهترین الگوریتم با ضریب تبیین 68/0 برای پیشبینی غلظت ذرات معلق در منطقه مطالعاتی شناسایی شد. در مطالعهای روند تغییرات بلند مدت عمق نوری ذرات معلق در سرتاسر ایران طی دوره آماری 1980- 2018 توسط دادههای AOD سنجنده مودیس بررسی شد (30). نتایج این مطالعه نشان داد روند تغییرات عمق نوری ذرات معلق در جنوبغربی کشور مثبت و در مناطق شمالی منفی میباشد.
مناطق خشک و نیمهخشک از منابع اصلی ذرات گردوغبار معلق در جو هستند (11). ایران به دلیل قرار گرفتن در منطقه خشک و نیمهخشک در طول سال با توفانهای گردوغبار متعددی مواجه است، که خسارات زیست محیطی و اقتصادی-اجتماعی جبرانناپذیری را به مناطق مختلفی از کشور وارد کرده است. یکی از این مناطق، منطقه جنوب شرق کشور است که به دلیل وزش بادهای 120 روزه سیستان در نیمی از سال (اوایل بهار تا اواخر تابستان) تحت تأثیر توفانهای گردوغبار قرار میگیرند و هرساله حجم زیادی از ذرات شن و گردوغبار از این طریق، وارد جو میشود. لذا بررسی و پایش تغییرات زمانی و مکانی ذرات معلق موجود در جو که گردوغبار نیز بخش عمدهای از ذرات معلق در این مناطق میباشد، در این منطقه از کشور حائز اهمیت است. درواقع اطلاع از تغییرات زمانی و مکانی ذرات معلق میتواند در ارائه راهکارهای مناسب جهت کاهش خسارات ناشی از این ذرات مفید باشد.
در این مطالعه به دلیل کمبود ایستگاههای اندازهگیری زمینی ذرات معلق، مشخصه عمق اپتیکی آئروسلها توسط محصولAOD سنجنده مودیس طی دوره آماری 18 ساله (1380- 1397) جهت پایش و تحلیل تغییرات مکانی و زمانی غلظت آئروسلها در نواحی جنوب شرق ایران مورد استفاده قرار گرفت. تغییرات زمانی AOD در مقیاسهای زمانی ماهانه، فصلی و سالانه، بر اساس آزمون روند من- کندال پیش سفید شده تعیین گردید.
مواد و روشها
منطقه مطالعاتی
منطقه مورد مطالعه در استانهای سیستان بلوچستان و کرمان در جنوب شرق ایران در مختصات جغرافيايي '00 °57 تا '00 °63 طول شرقي و '00 °27 تا '.0 °30 عرض شمالي قرار گرفته است (شکل 1). نواحی جنوب شرقی کشور از یک طرف تحت تأثیر جریانهای جوی متعدد مانند جریان بادی شبهقاره و از طرف دیگر تحت تأثیر پرفشار جنب حاره، شدت بری بودن و جابجایی مسیر سیستمهای کمفشار بارانزای عرضهای میانی قرار دارد که گرمای شدید و بارندگی اندک در بخش اعظم این مناطق از مهمترین مشخصههای آن میباشد (7). همچنین بادهای شدید موسمی 120 روزه و توفان شن از پدیدههای غالب در استان سیستان بلوچستان میباشند. بهطوریکه این پدیدهها غلظت ذرات معلق موجود در جو را تحت تأثیر قرار میدهند. استان کرمان نیز بهواسطه شرایط خاص اقلیمی، واقع شدن در فلات مرکزی و همجواری با کویر لوت سطح اراضی بیابانی قسمت قابل ملاحظهای از منطقه را در برمیگیرد. از ویژگیهای اقلیمی خاص نواحی جنوب شرق کشور دمای بالا، بارندگی اندک با پراکنش نامنظم و تبخیر بالا میباشد. بهطوریکه متوسط بارندگی در استان سیستان بلوچستان و کرمان به ترتیب 110 و 8/143 میلیمتر میباشد، که بیشترین مقدار بارش در فصل پائیز و زمستان وقوع مییابد. میانگین دمای حداکثر به ترتیب 50 و 29 درجه سانتیگراد و دمای حداقل 7 و 7 درجه سانتیگراد میباشد. قابل ذکر است حوضه آبریز جازموریان یکی از بزرگترین حوضههای جنوب شرقی ایران، بخش وسیعی از استانهای سیستان بلوچستان و کرمان را در برگرفته که در تالاب بینالمللی جازموریان دران واقع شده است. ویژگیهای مورفولوژیکی و اقلیمی، و همچنین مشخصههای رسوبشناسی محدوده تالاب، احداث سد بر روی رودخانههای ورودی تالاب (4) باعث شده روند خشکیدگی تالاب تسریع پیدا کند، بهطوریکه این محدوده میتواند بهعنوان منشأ رسوبات بادی و توفانهای گردوغبار در جنوب شرق کشور باشد. در این مطالعه 13 ایستگاه سینوپتیک واقع در استانهای سیستان بلوچستان و کرمان برای بررسی تغییرات ذرات معلق موجود در جو انتخاب شدند (شکل 1).
شکل1. موقعیت منطقه مطالعاتی در ایران و ایستگاههای سینوپتیک
Fig 1. Location of study area and synoptic stations in Iran
روش تحقیق
برای انجام تحقیق حاضر از دادههای روزانه AOD متعلق به سطح 4 سنجنده مودیس استفاده شده است. با توجه به اینکه دوره زمانی مورد بررسی 18 ساله میباشد (1397-1380)، در مجموع 6570 فریم از محصولات روزانه AOD سنجنده مودیس برای بازه زمانی 1380 تا 1397 به فرمت NetCDF از آرشیو USGS (http://earthexplorer.usgs.gov) دریافت شد. دادههای اخذ شده AOD با کدنویسی در محیط برنامه Matlab برای 13 ایستگاه سینوپتیک موجود در منطقه مطالعاتی استخراج شدند. با توجه به اینکه دادهها در مقیاس زمانی روزانه برای هر ایستگاه در دسترس بودند، بهمنظور بررسی تغییرات زمانی و مکانی AOD در محیط Matlab، این دادهها بهصورت سریهای زمانی ماهانه، فصلی و سالانه آماده شدند.
جهت اعتبارسنجی دادههای AOD سنجنده مودیس، از دادههای غلظت ذرات معلق کوچکتر از 10 میکرومتر (PM10) که در ایستگاههای پایش آلایندهها به ثبت می رسد، استفاده شد. منبع تأمین این داده ها، سازمان حفاظت محیط زیست استانهای سیستان و بلوچستان و کرمان می باشد. شایان ذکر است که ایستگاههای ثبت غلظت آلایندهها در استانهای مذکور به ترتیب در شهرستانهای کرمان و زابل واقع شدهاند و به همین دلیل از آمار روزانه PM10 مربوط به این ایستگاهها، جهت اعتبارسنجی عمق اپتیکی آئروسل ها در منطقه مطالعاتی استفاده گردید. دورهی آماری ثبت شده برای داده های زمینی ایستگاه کرمان از سال 1394 تا 1397 و برای ایستگاه زابل از 1391 تا 1397 موجود می باشد. لذا اعتبارسنجی دادههای AOD بر اساس مقادیر متوسط ماهیانه PM10 در بازه های زمانی مذکور برای هر یک از ایستگاه های کرمان و زابل به طور جداگانه انجام گرفت. در مرحله بعد، بهمنظور بررسی تغییرات زمانی و مکانی غلظت آئروسلها، نقشههای پهنهبندی شده AOD با استفاده از میانگین مقادیر استخراج شده طی دوره اماری مورد بررسی برای هر ایستگاه، به روش وزن دهی فاصله معکوس (IDW) تهیه شدند. روش IDW به عنوان یکی از مناسبترین روشها جهت درونیابی و تهیه نقشه غلظت ذرات معلق در مطالعات پیشین ذکر شده است (24). در این روش هر ایستگاه یا نقطه اندازهگیری دارای تأثیر محلی است که با افزایش فاصله کاهش مییابد، بطوریکه مکانهای نزدیک به نقطه اندازهگیری وزن بیشتری خواهند داشت. در گام بعدی، روند تغییرات زمانی آنها در مقیاسهای زمانی مختلف با استفاده از روش من-کندال پیش سفید شده مورد بررسی قرار گرفت.
در تحقيق حاضر، ابتدا خودهمبستگي بين دادههاي AOD با استفاده از روش پيش سفيد کردن (Pre-Whitening) که توسط وان استوچ (29) ارائه شده است، حذف گرديد. پس از حصول اطمينان از عدم وجود خودهمبستگي بين دادهها با استفاده از آزمون فيليپس پرون (Phillips-perron) (pvalue<0.05)، آزمون من – کندال بر روي مقادير AOD بدون روند اعمال گرديد. آزمون من- کندال یک روش غیرپارامتری محسوب میشود که بهطور متداول و گستردهاي در تحليل روند سریهای هيدرولوژيکي و هواشناسي به کار گرفته شده است (9 و 12). از نقاط قوت اين روش ميتوان به مناسب بودن کاربرد آن براي سريهاي زماني که از توزيع آماري خاصي پيروي نميکنند، اشاره نمود (27). اثرپذيري ناچيز اين روش از مقادير حدي که در برخي از سریهای زماني مشاهده میگردد نيز از ديگر مزاياي استفاده از اين روش است. فرض صفر اين آزمون بر تصادفي بودن و عدم وجود روند در سري زمانی دادهها دلالت دارد و پذيرش فرض يک (رد فرض صفر) دال بر وجود روند در سري دادهها ميباشد. در روش من -کندال فرض بر اين است که يک سري زماني بهصورت x1 ,x2,…,xn وجود دارد. آماره آزمون من -کندال با استفاده از رابطه 1 محاسبه گردید. در اين رابطه j و k مرتبه مشاهدات هستند و تابع علامت sgn(x) بهصورت رابطه 2 تعريف میشود.
[1]
[2]
بر اساس اين آزمون درصورتیکه مقدار S اختلاف معنیداری با صفر نداشته باشد روند وجود ندارد و در غير اين صورت روند، صعودي و يا نزولي خواهد بود. براي آزمون معنیدار بودن روند، از متغير Z نرمال استاندارد طبق رابطه 3 استفاده ميشود (12). فرض صفر (H0) در آزمون من -کندال عدم وجود روند و فرض H1 وجود روند ميباشد.
[3]
[4]
نتایج
اعتبارسنجی داده های عمق اپتیکی آئروسل
نتایج حاصل از اعتبارسنجی عمق اپتیکی آئروسل AOD بر اساس غلظت ذرات PM10 ثبت شده در ایستگاههای زابل و کرمان در شکل 2 نشان داده شده است. نتایج بدست آمده حاکی از وجود ارتباط قوی و معنیدار، بین عمق اپتیکی ذرات معلق سنجنده مودیس(AOD) و دادههای اندازهگیری زمینی ذرات معلق (PM10) در سطح اطمینان 95 درصد آماری می باشد. لذا میتوان اینگونه استنباط کرد که دادههای AOD از دقت قابل قبولی برای بررسی و تحلیل تغییرات ذرات معلق جو در منطقه مطالعاتی برخوردار هستند.
|
|
شکل2. ضرایب تبیین بین مقادیر متوسط عمق اپتیکی آئروسلها (AOD) و غلظت ذرات معلق (PM10) در ایستگاههای مورد مطالعه
Fig 2. Determination coefficients of averaged aerosol optical depth (AOD) and PM10 concentration in the stations of study area
تغییرات مکانی AOD در بازه زمانی 1380 تا 1397
توزیع مکانی AOD در سطح منطقه مطالعاتی با استفاده از روش IDW طی سالهای 1380 تا 1397 در شکل 3 نشان داده شده است. همانگونه که در این شکل نشان داده شده است، نواحی غربی و مرکزی که شامل ایستگاههای کرمان، بافت، سیرجان و رفسنجان میباشد کمترین میزان AOD را به خود اختصاص دادهاند. این در حالی است که نواحی شمال شرقی، شرق و جنوبی در استان سیستان بلوچستان، تحت تأثیر غلظت بالاتری از ذرات معلق قرارگرفتهاند. میزان AOD در دوره آماری بین 14/0 تا 53/0 متغیر بوده است که به ترتیب در سالهای 1395 و 1382وقوع یافته است. بررسی مقادیر سالانه AOD در سطح منطقه نشان داد، ایستگاههای زابل و زهک واقع در شمال شرق منطقه مطالعاتی در مرز ایران و افغانستان، در طول دوره آماری از نظر غلظت مواد معلق در وضعیت بحرانیتر نسبت به دیگر نواحی قرار دارند. نقشه پراکنش مکانی AOD همچنین نشان میدهد که در سالهای 1380 و 1391 تا 1397 سطح بیشتری از منطقه مطالعاتی تحت تأثیر ذرات معلق بوده است،درحالیکه در سالهای 1381، 1384، 1385، 1387 و 1388 سطح کمتری از منطقه مطالعاتی در معرض غبارآلودگی ناشی از این ذرات بوده است. بهطورکلی بررسیها نشان میدهد استان سیستان بلوچستان به دلیل شرایط اقلیمی و موقعیت جغرافیایی نسبت به استان کرمان سهم بیشتری در ایجاد ذرات معلق جو در منطقه دارد. بهبیاندیگر بخش شرقی محدوده مطالعاتی و همچنین نواحی اطراف این ناحیه، تأثیری بیشتری در افزایش ذرات معلق جو دارند.
شکل3. توزیع مکانی عمق اپتیکی آئروسل در دوره آماری 1380 تا 1397 در منطقه مطالعاتی
Fig 3. Spatial distribution of Aerosol Optical Depth (AOD) in the period of 2001- 2018 at the study area
تغییرات زمانیAOD طی سالهای 1380 تا 1397
سریهای زمانی ماهانه، فصلی و سالانه با محاسبه میانگین حسابی مقادیر AOD روزانه در تمام ایستگاههای سینوپتیک منطقه مطالعاتی طی دوره 1380 تا 1397 به دست آمدند. شکل 4 مقادیر میانگین سالانه AOD را در تمام ایستگاههای منطقه مطالعاتی برای دوره آماری مذکور نشان میدهد. همانطور که مقادیر سری زمانی سالانه َAOD در منطقه مطالعاتی نشان میدهد تغییرات مشخصی در دوره آماری مورد بررسی وجود ندارد. بطوریکه از سال 1380 تا 1382 تقریباً در تمام ایستگاهها میزان ذرات معلق جو روند افزایشی داشته است. درحالیکه در بازه زمانی 1383 تا 1386 و 1392 تا 1397 نسبت به سالهای ماقبل مقدار AOD کاهش یافته است. همچنین نتایج این بررسی نشان داد میزان مواد معلق جو در سالهای 1380، 1382، 1387، 1388 و 1391 در منطقه مطالعاتی به بالاترین مقدار رسیده است که ایستگاههای زابل، زهک، زاهدان، خاش و ایرانشهر به ترتیب بیشترین مقدار AOD را در دوره آماری دارا میباشند.
شکل 4. روند تغییرات عمق اپتیکی آئروسل در ایستگاههای منطقه مطالعاتی طی دوره 1380 تا 1397
Fig 4. Trend Changes of Aerosol Optical Depth (AOD) during the period of 2001- 2018 at the study stations
میانگین طولانی مدت فصلی و ماهانه AOD در شکلهای 5 و 6 نشان داده شده است. مقادیر میانگینAOD فصلی(شکل 5) نشان میدهد که در تابستان و بهار، غلظت مواد معلق به بیشترین حد رسیده درحالیکه در پائیز و زمستان این مقدار به حداقل رسیده است. میانگینAOD ماهانه در تمام ایستگاههای مطالعاتی نشان داد (شکل 6) روند افزایشی ذرات معلق جو از فروردین ماه شروع شده، در تیر ماه این مقدار به حداکثر رسیده و سپس از مرداد روند کاهشی داشته است. همچنین حداکثر مقادیر AOD به ترتیب برای ماههای تیر، اردیبهشت و خرداد تخمین زده شده است.
شکل 5. مقادیر عمق اپتیکی آئروسل فصلی در دوره آماری 1380 تا 1397
Fig 5. Values of seasonal Aerosol Optical Depth (AOD) in the period of 2001- 2018
شکل6. مقادیر عمق اپتیکی آئروسل ماهانه در دوره آماری 1380 تا 1397
Fig 6. Values of monthly Aerosol Optical Depth (AOD) in the period of 2001- 2018
نتایج حاصل از بررسی روند تغییرات با استفاده از آزمون من- کندال در مقیاسهای زمانی سالانه، ماهانه و فصلی به ترتیب در جداول 1 تا 3 ارائه شده است. بر اساس نتایج مندرج در جدول 1، غلظت ذرات معلق جو در مقیاس سالانه در اکثر ایستگاههای محدوده مطالعاتی بهاستثنای رفسنجان دارای روند کاهشی بوده، که تنها در ایستگاههای زاهدان، زهک، زابل، سراوان و بم در سطح 5 درصد کاهشی و معنیدار بوده است (جدول 1). بررسی مقادیر میانگین سالانه AOD حاکی از آن است که غلظت ذرات معلق در ایستگاههای شهربابک، میانده، ایرانشهر، کهنوج، بافت، بم و سیرجان طی سالهای 1380 تا 1388 روند افزایشی داشته و از سالهای 1389 تا 1397 از مقدار ذرات معلق جو کاسته شده است. درحالیکه میزان ذرات معلق جو در ایستگاههای زاهدان، زابل و زهک بهعنوان مناطقی که دارای بالاترین مقدار AOD در منطقه مطالعاتی میباشند، روند کاهشی منظمی را در بازه زمانی مورد بررسی نشان میدهند.
جدول1. نتایج آزمون روند من- کندال عمق اپتیکی آئروسل سالانه در دوره 1380 تا 1397
Table 1. Results of mann- kendall trend test for annual Aerosol Optical Depth (AOD) in the period of 2001- 2018
ایستگاه Station | آماره من- کندال Z- value | سطح معنیداری P value | ایستگاه Station | آماره من- کندال Z- value | سطح معنیداری P value |
زاهدان Zahedan | 19/2- | 02/0 | کهنوج Kahnoj | 83/0- | 41/0 |
زهک Zahak | 71/3- | 0 | کرمان Kerman | 53/0 | 59/0 |
زابل Zabol | 03/3- | 002/0 | کنارک Konarak | 59/1- | 11/0 |
سراوان Saravan | 65/2- | 008/0 | بافت Baft | 51/1- | 13/0 |
شهربابک Shahr Babak | 0 | 1 | بم Bam | 97/1- | 049/0 |
رفسنجان Rafsanjan | 3/0 | 76/0 | سیرجان Sirjan | 0 | 1 |
میانده Myandeh | 076/0- | 94/0 | خاش Khash | 44/1- | 15/0 |
ایرانشهر Iranshahr | 06/1- | 28/0 |
مقادیر آماره آزمون من- کندال AOD در مقیاس ماهانه نشان داد ماههای اردیبهشت، خرداد، تیر و مهر به ترتیب دارای بیشترین فراوانی روند معنیدار طی دوره آماری در منطقه مطالعاتی میباشند. روند ماهانه AOD نیز حاکی از تغییرات کاهشی غلظت مواد معلق طی دوره آماری میباشد. بهطوریکه در ماههای اردیبهشت، خرداد، تیر، مرداد، آبان و اسفند طی دوره آماری در اکثر ایستگاههای منطقه مطالعاتی غلظت مواد معلق روند کاهشی داشته است. با این حال ماههای فروردین، دی، بهمن، مهر و شهریور فراوانی روند افزایشی غلظت ذرات معلق در ایستگاههای منطقه مطالعاتی نسبت به دیگر ماههای سال بیشتر میباشد. همچنین غلظت مواد معلق جو در ایستگاههای زابل و زهک در تمام ماههای سال و در ایستگاههای زاهدان، سراوان، ایرانشهر، کهنوج، بافت، بم و خاش در بیش از 50 درصد سال، سیر نزولی داشته است. درحالیکه در ایستگاههای رفسنجان، میانده، شهربابک، کرمان و سیرجان روند افزایشی غلظت مواد معلق در 6 ماه از سال اتفاق افتاده است.
جدول2. نتایج آزمون روند من- کندال عمق اپتیکی آئروسل ماهانه در دوره 1380 تا 1397
Table 2. Results of mann- kendall trend test for monthly Aerosol Optical Depth (AOD) in the period of 2001- 2018
ایستگاه Station | فروردین Apr | اردیبهشت May | خرداد Jun | تیر Jul | مرداد Aug | شهریور Sep | مهر Oct | آبان Nov | آذر Dec | دی Jan | بهمن Feb | اسفند Mar |
زاهدان Zahedan | 91/0 | 34/2- | 9/1- | 3/1- | 9/1- | 74/1- | 91/0- | 6/1- | 3/0- | 75/0 | 53/0 | 4/0- |
زهک Zahak | 68/0- | 1/3- | 6/2- | 4/3- | 43/1- | 3/3- | 2/2- | 43/1- | 06/1- | 1/1- | 36/1- | 13/1- |
زابل Zabol | 51/1- | 87/2- | 78/2- | 1/3- | 21/1- | 59/1- | 98/0- | 28/1- | 66/1- | 13/1- | 98/0- | 13/1- |
سراوان Saravan | 06/1- | 34/2- | 66/1- | 45/0- | 13/1- | 8/2- | 3/0 | 22/0- | 38/0 | 22/0- | 076/0 | 42/2- |
شهربابک ShahrBabak | 59/1 | 61/0 | 68/0- | 91/0- | 22/0- | 21/1 | 22/0 | 0 | 21/1 | 5/2 | 38/0- | 3/0- |
رفسنجان Rafsanjan | 13/1 | 3/0- | 91/0- | 21/1- | 68/0- | 06/1 | 9/1 | 15/0- | 22/0- | 51/1 | 06/1 | 0 |
میانده Myandeh | 42/2 | 36/1 | 43/1- | 06/1- | 42/2- | 06/1 | 91/0 | 59/1- | 076/0 | 45/0 | 07/0- | 06/1- |
ایرانشهر Iranshahr | 51/1 | 22/0- | 74/1- | 44/1- | 66/1- | 59/1- | 45/0 | 37/0- | 07/0- | 06/1 | 51/1 | 3/0- |
کهنوج Kahnoj | 68/0 | 15/0- | 21/1- | 076/0 | 15/0- | 51/1- | 30/0- | 74/1- | 91/0- | 51/1 | 15/0- | 68/0- |
کرمان Kerman | 66/1 | 0 | 13/1- | 68/0- | 38/0- | 13/1 | 65/2 | 0 | 22/0 | 45/0- | 15/0- | 6/0 |
بافت Baft | 06/1 | 51/1- | 74/1- | 66/1- | 36/1- | 28/1- | 21/1- | 65/2- | 53/0- | 06/1 | 45/0 | 66/1- |
بم Bam | 38/0 | 31/0 | 89/1- | 74/1- | 81/1- | 22/0- | 22/0- | 27/2- | 75/0- | 98/0 | 26/0 | 13/1- |
سیرجان Sirjan | 06/1 | 75/0- | 06/1- | 45/0- | 31/0- | 36/1 | 68/0 | 98/0- | 21/1- | 3/0- | 45/0 | 22/0 |
خاش Khash | 15/0- | 21/1- | 43/1- | 13/1- | 51/1- | 76/0 | 07/0- | 31/0- | 0 | 95/1 | 0 | 15/0- |
نتایج بررسی روند تغییرات فصلیAOD نیز حاکی از روند کاهشی غلظت مواد معلق جو بهویژه در فصول تابستان و بهار میباشد (جدول 3). بطوریکه در تابستان تمام ایستگاهها به استثنای سیرجان داری روند کاهشی بوده اند. در فصل پائیز فقط برای ایستگاه کرمان، تغییراتAOD دارای روند افزایشی بوده است. شکل 7 روند فصلی شاخص AOD را در سطح منطقه مطالعاتی نشان میدهد. همانطور که مشخص است روند کاهشی غلظت ذرات معلق جو در مقیاس فصلی طی دوره آماری درصد بالاتری را در سطح منطقه نسبت به روند افزایشی نشان میدهد.
جدول3. نتایج آزمون روند من- کندال عمق اپتیکی آئروسل فصلی در دوره 1380 تا 1397
Table 3. Results of mann- kendall trend test for seasonal Aerosol Optical Depth (AOD) in the period of 2001- 2018
ایستگاه Station | بهار Spring | تابستان Summer | پائیز Autumn | زمستان Winter | ||||
آماره من- کندال Z value | سطح معنیداری P value | آماره من- کندال Z value | سطح معنیداری P value | آماره من- کندال | آماره من- کندال Z value | سطح معنیداری P value | آماره من- کندال Z value | |
زاهدان Zahedan | 27/2- | 02/0 | 81/1- | 06/0 | 9/0 | 36/0 | 37/0 | 7/0 |
زهک Zahak | 95/2- | 003/0 | 49/3- | 001/0 | 87/2- | 004/0 | 97/1- | 049/0 |
زابل Zabol | 18/3- | 001/0 | 12/2- | 03/0 | 42/2- | 01/0 | 12/1- | 22/0 |
سراوان Saravan | 34/2- | 019/0 | 57/2- | 015/0 | 076/0 | 94/0 | 13/1- | 25/0 |
شهربابک ShahrBabak | 68/0 | 49/0 | 3/0- | 76/0 | 22/0 | 82/0 | 75/0 | 44/0 |
رفسنجان Rafsanjan | 15/0 | 88/0 | 6/0- | 54/0 | 28/1 | 19/0 | 98/0 | 32/0 |
میانده Myandeh | 83/0 | 4/0 | 13/1- | 25/0 | 68/0- | 49/0 | 38/0- | 71/0 |
ایرانشهر Iranshahr | 75/0- | 44/0 | 19/2- | 021/0 | 07/0- | 94/0 | 59/1 | 11/0 |
کهنوج Kahnoj | 22/0- | 82/0 | 98/0- | 32/0 | 74/1- | 08/0 | 45/0- | 64/0 |
کرمان Kerman | 0 | 1 | 68/0- | 94/0 | 97/1 | 04/0 | 076/0 | 94/0 |
بافت Baft | 43/1- | 15/0 | 74/1- | 08/0 | 5/2- | 012/0 | 61/0- | 54/0 |
بم Bam | 91/0- | 36/0 | 27/2- | 02/0 | 2/2- | 02/0 | 53/0- | 59/0 |
سیرجان Sirjan | 15/0- | 88/0 | 0 | 1 | 22/0- | 88/0 | 0 | 1 |
خاش Khash | 28/1- | 19/0 | 04/2- | 04/0 | 0 | 1 | 68/0 | 49/0 |
|
|
|
|
شکل7. روند تغییرات فصلی عمق اپتیکی آئروسل در دوره آماری 1380 تا 1397
Fig 7. Seasonal trend changes of Aerosol Optical Depth (AOD) in the period of 2001- 2018
بحث و نتیجهگیری
دادههای AOD به دلیل گستره زمانی و مکانی، امکان پایش تغییرات زمانی و مکانی ذرات معلق را فراهم میکنند. یکی از منابع اطلاعاتی موجود برای دسترسی به این دادهها، سنجنده مودیس میباشد. براساس نتایج تحقیق حاضر رابطه قابل قبولی میان محصول AOD سنجند مودیس و دادههای PM10 اندازهگیری شده در منطقه مطالعاتی برقرار میباشد. مطالعات پیشین نیز دقت دادههای AOD سنجنده مودیس را برای بررسی تغییرات ذرات معلق تائید کردهاند (5، 17 و 21). به عنوان نمونه رجبلو و همکاران (21) وجود همبستگی قابل قبول میان دادههای AOD و PM10 را بهمنظور تحلیل کیفی هوای شهر تهران تائید کردند. در این مطالعه ضریب تبیین و مجذور مربعات خطای حاصل از تطابق بین دادههای AOD و PM10 بترتیب 82/0 و 86/0 بدست آمده است. نتایج تحقیق نشان داد میانگین AOD در مقیاس سالانه بین 14/0 تا 53/0 متغیر است که بالاترین مقدار AOD در سال 1382 و حداقل مقدار آن در سال 1395 اتفاق افتاده است. بررسی روند سالانه AOD نشان داد در اکثر ایستگاههای منطقه مطالعاتی غلظت مواد معلق سیر نزولی دارد. سیر نزولی میزان ذرات معلق جو میتواند به دلیل کاهش وقایع گردوغبار به دلیل افزایش سطح پوشش گیاهی در منطقه باشد (1، 15 و 16). روند کاهشی در ایستگاههای زابل، زهک و زاهدان باوجوداینکه دارای بالاترین مقدار AOD طی دوره آماری در سطح منطقه بودند، از ابتدای دوره ( سال 1380) اتفاق افتاده است. درحالیکه تغییرات AOD در ایستگاههای شهربابک، میانده، ایرانشهر، کهنوج، بافت، بم و سیرجان از ابتدای دوره آماری، سال 1380 تا 1388 افزایشی بوده و از اواسط دوره، سال 1389 تا 1397 سیر نزولی یافته است. روند افزایشی AOD طی دوره 1380 تا 1388در این مناطق میتواند به دلیل وقوع خشکسالیهای شدید در اوایل این دوره (1380 تا 1383) باشد. مقادیر میانگین ماهانه و فصلی AOD نشان داد غلظت ذرات معلق طی پائیز و زمستان در ماههای آبان، آذر و دی و بهمن دارای حداقل مقدار و تابستان و بهار در ماههای تیر، خرداد و اردیبهشت دارای حداکثر مقدار میباشد. همانطور که محمدپور و همکاران (15) نیز در مطالعه خود غلظت بالای AOD را در ماههای تیر، خرداد و اردیبهشت در تحلیل گرد و غبارهای غرب کشور تائید کردند. این در حالی است که روند تغییرات زمانی AOD در مقیاس فصلی و ماهانه نیز در اکثر ایستگاههای منطقه مطالعاتی طی دوره آماری، کاهشی میباشد. نتایج این بخش از تحقیق حاضر با یافتههای سلیمانی و همکاران (26) و نامداری و همکاران (18) مطابقت دارد. نتایج این مطالعات نشان داد غلظت مواد معلق در فصل تابستان به دلیل خشک شدن فصلی دریاچه هامون و همچنین وزش بادهای لوار در منطقه سیستان نسبت به دیگر فصول بالاتر است. بهطورکلی نتایج تحقیق حاضر نشان داد ناحیه غربی منطقه مطالعاتی که در استان کرمان واقع شده است با غلظت کمتری از ذرات معلق نسبت به نواحی شرقی واقع در استان سیستان بلوچستان، طی دوره آماری مواجهه بوده است. درواقع متفاوت بودن شرایط اقلیمی بخش شرقی، موقعیت جغرافیایی منطقه، توپوگرافی مسیر حرکت توده گردوغبار و همچنین وزش بادهای 120 روزه در این نواحی میتواند یکی از دلایل بالاتر بودن غلظت مواد معلق در این ناحیه باشد (2). همانطور که آلویسیوس و همکاران (1) در مطالعات خود ذکر کردند تغییرات AOD به منشأ و مسیر حرکت توده ذرات معلق همانند گردوغبار بیابان، نمک دریا، آلودگیهای صنعتی وابسته است. بهطورکلی، کاهش مقادیر مربوط به غلظت آئروسلها در برخی از مناطق مورد بررسی در این پژوهش میتواند بیانگر بهبود کیفیت هوای این مناطق باشد. به نظر میرسد اعمال روشهای اجرائی و مدیریتی مناسب در این منطقه از کشور که در سالهای اخیر مورد توجه بسیاری از مدیران و تصمیمگیرندگان بوده است، توانسته نقش بسزایی در کاهش آلودگی غلظت هواویزها در این منطقه از کشور داشته باشد. برای مناطقی که بهویژه در فصول پاییز و زمستان روند افزایشی از غلظت ذرات معلق را تجربه کردهاند نیز پیشنهاد میشود که عوامل مؤثر بر این تغییرات بهدقت در پژوهشهای آتی موردبررسی قرار گیرد و راهکارهای مناسب برای کاهش خطرات ناشی از افزایش غلظت ذرات معلق ارائه شود.
References
1. Aloysius M, Mohan M, Suresh Babu S, Parameswaran K, Krishna Moorthy K. 2009. Validation of MODIS derived aerosol optical depth and an investigation on aerosol transport over the South East Arabian Sea during ARMEX-II. In: Annales Geophysicae, vol 6. Copernicus GmbH, pp 2285-2296. www.ann-geophys.net/2227/2285/2009/.
2. Amanollahi J, Kaboodvandpour S, Abdullah AM, Ramli MF. 2011. Accuracy assessment of moderate resolution image spectroradiometer products for dust storms in semiarid environment. International Journal of Environmental Science & Technology, 8(2): 373-380. doi:10.1007/BF03326224.
3. Ahmadi M, Shakiba A, Dadashi A. 2019. Investigating the role of vegetation indices and geographic components on seasonal aerosol optical depth over Iran. Journal of the Earth and Space Physics, 45(1): 211- 233. (In Persian)
4. Arjmand M, Rashki A, شSargazi H. 2018. Monitoring of spatial and temporal variability of desert dust over the Hamoun e Jazmurian, Southeast of Iran based on the Satellite Data. Geographical Information, 27(106): 153- 168. (In Persian)
5. Bartina H, Sayyad Gh, Matinfar H, Hojati S. 2014. Spatio-temporal distribution of atmospheric aerosols in western part of Iran based on MODIS spectral data. Water and Soil Conservation, 21(4): 119- 137. (In Persian)
6. Chen B, Yamada M, Iwasaka Y, Zhang D, Wang H, Wang Z, Lei H, Shi G. 2015. Origin of non-spherical particles in the boundary layer over Beijing, China: based on balloon-borne observations. Environmental Geochemistry and Health, 37(5): 791-800. doi:10.1007/s10653-014-9668-6.
7. Ghaderi Nasab F, Rahnama MB. 2018. Detection of Dust Storms in Jazmoriyan Drainage Basin Using Multispectral Techniques and MODIS Image. Physical Geography Research Quarterly, 50(105): 545- 562. (In Persian).
8. Hsu N, Gautam R, Sayer A, Bettenhausen C, Li C, Jeong M, Tsay S, Holben B. 2012. Global and regional trends of aerosol optical depth over land and ocean using SeaWiFS measurements from 1997 to 2010. NASA Goddard Space Flight Center; Greenbelt, MD, United States, 34p. https://ntrs.nasa.gov/search.jsp?R=20120012819.
9. Kendall M. 1975. Rank correlation methods (4th edn.) charles griffin. San Francisco, CA, 8. 325p.
10. Khoshsima M, Ali Akbari Bidokhti A, Givi F. 2013. Evaluation of aerosol optical depth using visibility and remote sensing data in urban and semi urban areas in Iran. Journal of the Earth and Space Physics, 39(1): 163- 174. (In Persian)
11. Li Z, Xia X, Cribb M, Mi W, Holben B, Wang P, Chen H, Tsay SC, Eck T, Zhao F. 2007. Aerosol optical properties and their radiative effects in northern China. Journal of Geophysical Research: Atmospheres, 112(D22). doi:https://doi.org/10.1029/2006JD007382.
12. Mann HB. 1945. Nonparametric tests against trend. Econometrica: Journal of the Econometric Society: 245-259.
13. Meshkizadeh P, Orak N, Morshedi J. 2016. Assessment and compare the spatial-temporal distribution of aerosol optical depth (AOD) in the Khuzestan province, using remote sensing (RS). Journal of Geography and Environmental Studies, 5(17): 69- 78. (In Persian)
14. Mobasheri M, Ghorbani R, Rahimzadegan M. 2012. Assessment of the MODIS Data Ability in Quantitative and Qualitative Analysis of Air Quality in Urban Area. Journal of Climate Research, 1(3): 59- 72. (In Persian)
15. Mohammadpour K, Saligheh M, Darvishi Bloorani A, Raziei T. 2020. Analysis and comparing satellite products and simulated of AOD in west Iran (2000-2018). Journal of Spatial Analysis Environmental Hazard, 7(1): 15- 32.
16. Mishchenko MI, Geogdzhayev IV. 2007. Satellite remote sensing reveals regional tropospheric aerosol trends. Optics express, 15(12): 7423-7438.
17. Nabavi SO, Haimberger L, Abbasi E. 2019. Assessing PM2.5 concentrations in Tehran, Iran, from space using MAIAC, deep blue, and dark target AOD and machine learning algorithms. Atmospheric Pollution Research, 10(3): 889- 903.
18. Namdari S, Valizade KK, Rasuly AA, Sari Sarraf B. 2016. Spatio-temporal analysis of MODIS AOD over western part of Iran. Arabian Journal of Geosciences, 9(3): 191. doi:10.1007/s12517-015-2029-7.
19. Pineda-Martinez LF, Carbajal N, Campos-Ramos AA, Noyola-Medrano C, Aragón-Piña A. 2011. Numerical research of extreme wind-induced dust transport in a semi-arid human-impacted region of Mexico. Atmospheric Environment, 45(27): 4652-4660. doi:https://doi.org/10.1016/j.atmosenv.2011.05.056.
20. Qin W, Liu Y, Wang L, Lin A, Xia X, Che H, Bilal M, Zhang M. 2018. Characteristic and driving factors of aerosol optical depth over mainland China during 1980–2017. Remote Sensing, 10(7): 1064. https://doi.org/10.3390/rs10071064.
21. Rajablou A, Agha Mouhammadi H, Rahimzadegan M, Rajaei MA. 2020. Analysis and zonation map of Tehran air quality monitoring data using grand and Rs. Journal of GIS & RS Application in in Planning, 9(4): 70- 82 (In Persian)
22. Ramanathan V, Crutzen PJ. 2003. New directions: Atmospheric brown clouds. Atmospheric Environment (1994), 37(28): 4033-4035.
23. Rashki A, Kaskaoutis DG, Eriksson PG, de W. Rautenbach CJ, Flamant C, Abdi Vishkaee F. 2014. Spatio-temporal variability of dust aerosols over the Sistan region in Iran based on satellite observations. Natural Hazards, 71(1): 563-585. doi:10.1007/s11069-013-0927-0.
24. Sajjadi SA, Zolfaghari Gh, Adab H, Allahabadi A, Delsouz M. 2017. Measurement and modeling of particulate matter concentrations: applying spatial analysis and regression techniques to assess air quality. MethodsX, 4: 372-390. https://doi.org/10.1016/j.mex.2017.09.006.
25. Sayer AM, Hsu N, Bettenhausen C, Jeong MJ. 2013. Validation and uncertainty estimates for MODIS Collection 6 “Deep Blue” aerosol data. Journal of Geophysical Research: Atmospheres, 118(14): 7864-7872. doi:https://doi.org/10.1002/jgrd.50600.
26. Soleimani A, Asgari M, Dadelahi A, Elmizadeh H, Khazaie H. 2016.Evaluation of optical depth from MODIS satellite imagery in the Persian Gulf. Marine Science and Technology, 14(4): 75- 83. (In Persian).
27. Srivastava A, Saran S. 2017. Comprehensive study on AOD trends over the Indian subcontinent: a statistical approach. International Journal of Remote Sensing, 38(18): 5127-5149. doi:https://doi.org/10.1080/01431161.2017.1323284.
28. Tabatabaei T, Karbassi AR, Moata F, Monavari SM. 2015. Multivariate geostatistical analysis in assessment of aerosols (Case study: Bushehr). RS & GIS for Natural Resources, 5(4): 35- 46 (In Persian).
29. Von Storch H. 1999. Misuses of Statistical Analysis in Climate Research. In, Berlin, Heidelberg, Analysis of Climate Variability. Springer Berlin Heidelberg, pp 11-26. https://doi.org/10.1007/1978-1003-1662-03744-03747_03742.
30. Yousefi R, Wang F, 1Ge Q, Shaheen A. 2020. Long-term aerosol optical depth trend over Iran and identification of dominant aerosol types. Science of the Total Environment, 722:137906. https://doi.org/10.1016/j.scitotenv.2020.137906.
Investigation of spatial and temporal changes in atmospheric aerosol using aerosol optical depth in southeastern Iran
Abstract
Aerosol optical depth (AOD) is one of the most commonly used indices to investigate air pollution status in different regions especially in arid and desert areas. The remotely sensed data provide valuable information to estimate the amount of aerosol on a large scale. The AOD product of MODIS sensor is one of the useful and available sources for assessing spatiotemporal changes in the concentration of the atmosphere aerosol. In this study, AOD-MODIS product was used to analyze and monitor long term changes in aerosol concentration. The results showed that the average of aerosol optical depth was varied between 0.14 and 0.53 in the study period (2001-2018). The maximum and minimum aerosol concentration were occurred in the eastern and western regions of study area respectively. Based on temporal changes in AOD trend, it was found that the maximum air pollution occurred in Jun and July while the minimum air pollution occurred in December and January. The results of Mann-Kendall test showed that the trend of AOD changes was not the same at all stations and this may indicate the difference in the role of factors affecting wind erosion events as well as the degree of susceptibility of different areas in the study area.
Key words: Remote sensing, Land degradation, Mann- Kendall test, Arid regions, Air pollution
بررسی روند تغییرات زمانی و مکانی ذرات معلق جو با استفاده از شاخص عمق اپتیکی آئروسلها در جنوب شرق ایران
طرح مسئله: شاخص عمق اپتیکی آئروسل یکی از پرکاربردترین شاخصها جهت بررسی وضعیت آلودگی هوای مناطق مختلف بهویژه مناطق خشک و بیابانی میباشد. مناطق خشک و نیمهخشک از منابع اصلی ذرات گردوغبار معلق در جو هستند. ایران به دلیل قرار گرفتن در منطقه خشک و نیمهخشک در طول سال با توفانهای گردوغبار متعددی مواجه است، که خسارات زیست محیطی و اقتصادی-اجتماعی جبرانناپذیری را به مناطق مختلفی از کشور وارد کرده است. یکی از این مناطق، منطقه جنوب شرق کشور است که به دلیل وزش بادهای 120 روزه در نیمی از سال (اوایل بهار تا اواخر تابستان) تحت تأثیر توفانهای گردوغبار قرار میگیرند و هرساله حجم زیادی از ذرات شن و گردوغبار از این طریق، وارد جو میشود. لذا بررسی و پایش تغییرات زمانی و مکانی ذرات معلق موجود در جو که گردوغبار نیز بخش عمدهای از ذرات معلق در این مناطق میباشد، در این منطقه از کشور حائز اهمیت است. درواقع اطلاع از تغییرات زمانی و مکانی ذرات معلق میتواند در ارائه راهکارهای مناسب جهت کاهش خسارات ناشی از این ذرات مفید باشد.
هدف: در این مطالعه به دلیل کمبود ایستگاههای اندازهگیری زمینی ذرات معلق، مشخصه عمق اپتیکی آئروسلها براساس محصول AOD سنجنده مودیس طی دوره آماری 18 ساله (1380- 1397) جهت پایش و تحلیل تغییرات مکانی و زمانی غلظت آئروسلها در نواحی جنوب شرق ایران مورد استفاده قرار گرفت. تغییرات زمانی AOD در مقیاسهای زمانی ماهانه، فصلی و سالانه، بر اساس آزمون روند من- کندال پیش سفید شده تعیین گردید.
روش تحقیق: برای انجام تحقیق حاضر از دادههای روزانه AOD متعلق به سطح 4 سنجنده مودیس استفاده شده است. با توجه به اینکه دوره زمانی مورد بررسی 18 ساله میباشد (1397-1380)، در مجموع 6570 فریم از محصولات روزانه AOD سنجنده مودیس برای بازه زمانی 1380 تا 1397 به فرمت NetCDF از آرشیو USGS (http://earthexplorer.usgs.gov) دریافت شد. دادههای اخذ شده AOD با کدنویسی در محیط برنامه Matlab برای 13 ایستگاه سینوپتیک موجود در منطقه مطالعاتی استخراج شدند. جهت اعتبارسنجی دادههای AOD سنجنده مودیس، از دادههای غلظت ذرات معلق کوچکتر از 10 میکرومتر (PM10) که در ایستگاههای پایش آلایندهها به ثبت می رسد، استفاده شد. در مرحله بعد، بهمنظور بررسی تغییرات زمانی و مکانی غلظت آئروسلها، نقشههای پهنهبندی شده AOD با استفاده از میانگین مقادیر استخراج شده طی دوره اماری، به روش وزن دهی فاصله معکوس ( IDW)تهیه شدند. در این روش هر ایستگاه یا نقطه اندازهگیری دارای تأثیر محلی است که با افزایش فاصله کاهش مییابد، بطوریکه مکانهای نزدیک به نقطه اندازهگیری وزن بیشتری خواهند داشت. در گام بعدی، روند تغییرات زمانی آنها در مقیاسهای زمانی مختلف با استفاده از روش من-کندال پیش سفید شده مورد بررسی قرار گرفت.
نتایج: نتایج حاصل از اعتبارسنجی AOD حاکی از وجود ارتباط قوی و معنیدار، بین عمق اپتیکی ذرات معلق سنجنده مودیس(AOD) و غلظت ذرات معلق(PM10) در سطح اطمینان 95درصد آماری می باشد. لذا میتوان اینگونه استنباط کرد که دادههای AOD از دقت قابل قبولی برای بررسی و تحلیل تغییرات ذرات معلق جو در منطقه مطالعاتی برخوردار هستند. توزیع مکانی AOD در سطح منطقه مطالعاتی طی سالهای 1380 تا 13973 نشان داد نواحی غربی و مرکزی (ایستگاههای کرمان، بافت، سیرجان، رفسنجان) کمترین میزان AOD را به خود اختصاص دادهاند. این در حالی است که نواحی شمال شرقی، شرق و جنوبی (استان سیستان بلوچستان) تحت تأثیر غلظت بالاتری از ذرات معلق قرارگرفتهاند. میزان AOD در دوره آماری بین 14/0 تا 53/0 متغیر بوده است که به ترتیب در سالهای 1395 و 1382وقوع یافته است. بررسی تغییرات زمانی AOD در مقیاس سالانه نشان داد میزان مواد معلق جو در سالهای 1380، 1382، 1387، 1388 و 1391 در منطقه مطالعاتی به بالاترین مقدار رسیده است که ایستگاههای زابل، زهک، زاهدان، خاش و ایرانشهر به ترتیب بیشترین مقدار AOD را در دوره آماری دارا میباشند. مقادیر میانگینAOD فصلی نشان داد که در تابستان و بهار، غلظت مواد معلق به بیشترین حد رسیده درحالیکه در پائیز و زمستان این مقدار به حداقل رسیده است. همچنین تغییرات افزایشی ذرات معلق جو از فروردین ماه شروع شده در تیر به حداکثر مقدار رسیده و سپس از مرداد تغییرات کاهشی دارد.
روند تغییرات میزان AOD در مقیاس سالانه براساس آزمون من- کندال نشان داد در اکثر ایستگاههای محدوده مطالعاتی بهاستثنای رفسنجان دارای روند کاهشی بوده، که تنها در ایستگاههای زاهدان، زهک، زابل، سراوان و بم در سطح 5 درصد کاهشی و معنیدار بوده است. مقادیر آماره آزمون من- کندال AOD در مقیاس ماهانه نشان داد ماههای اردیبهشت، خرداد، تیر و مهر به ترتیب دارای بیشترین فراوانی روند معنیدار طی دوره آماری در منطقه مطالعاتی میباشند. روند ماهانه AOD نیز حاکی از تغییرات کاهشی غلظت مواد معلق طی دوره آماری میباشد. بهطوریکه در ماههای اردیبهشت، خرداد، تیر، مرداد، آبان و اسفند طی دوره آماری در اکثر ایستگاههای منطقه مطالعاتی غلظت مواد معلق روند کاهشی داشته است. نتایج بررسی روند تغییرات فصلیAOD نیز حاکی از روند کاهشی غلظت مواد معلق جو بهویژه در فصول تابستان و بهار میباشد. در فصل پائیز فقط برای ایستگاه کرمان ، تغییراتAOD دارای روند افزایشی بوده است.
بحث و نتیجهگیری: یکی از منابع اطلاعاتی موجود برای دسترسی به عمق اپتیکی آئروسلها، سنجنده مودیس میباشد. براساس نتایج تحقیق حاضر رابطه قابل قبولی میان محصول AOD سنجند مودیس و دادههای PM10 اندازهگیری شده در ایستگاههای زمینی برقرار میباشد. نتایج تحقیق نشان داد میانگین AOD در مقیاس سالانه بین 14/0 تا 53/0 متغیر است که بالاترین مقدار AOD در سال 1382 و حداقل مقدار آن در سال 1395 اتفاق افتاده است. بررسی روند سالانه AOD نشان داد در اکثر ایستگاههای منطقه مطالعاتی غلظت مواد معلق سیر نزولی دارد. سیر نزولی میزان ذرات معلق جو میتواند به دلیل کاهش وقایع گردوغبار ناشی از افزایش سطح پوشش گیاهی در منطقه باشد. مقادیر میانگین ماهانه و فصلی AOD نشان داد غلظت ذرات معلق طی پائیز و زمستان در ماههای آبان، آذر، دی و بهمن دارای حداقل مقدار و تابستان و بهار در ماههای تیر، خرداد و اردیبهشت دارای حداکثر مقدار میباشد.این در حالی است که روند تغییرات زمانی AOD در مقیاس فصلی و ماهانه نیز در اکثر ایستگاههای منطقه مطالعاتی طی دوره آماری، کاهشی میباشد. نتایج این بخش از تحقیق حاضر با یافتههای راشکی و همکاران (36) و نامداری و همکاران (29) مطابقت دارد. نتایج این مطالعات نشان داد غلظت مواد معلق در فصل تابستان به دلیل خشک شدن فصلی دریاچه هامون و همچنین وزش بادهای لوار در منطقه سیستان نسبت به دیگر فصول بالاتر است. بهطورکلی نتایج تحقیق حاضر نشان داد ناحیه غربی منطقه مطالعاتی که در استان کرمان واقع شده است با غلظت کمتری از ذرات معلق نسبت به نواحی شرقی واقع در استان سیستان بلوچستان، طی دوره آماری مواجهه بوده است. بهطورکلی،کاهش مقادیر مربوط به غلظت آئروسلها در برخی از مناطق مورد بررسی در این پژوهش میتواند بیانگر بهبود کیفیت هوای این مناطق باشد. به نظر میرسد اعمال روشهای اجرائی و مدیریتی مناسب در این منطقه از کشور که در سالهای اخیر مورد توجه بسیاری از مدیران و تصمیمگیرندگان بوده است، توانسته نقش بسزایی در کاهش آلودگی غلظت هواویزها در این منطقه از کشور داشته باشد.
کلمات کلیدی: سنجشازدور، تخریب اراضی، آزمون من-کندال، مناطق خشک، آلودگی هوا
Investigation of Spatial and Temporal Changes in Atmospheric Aerosol Using Aerosol Optical Depth in Southeastern Iran
Statement of the Problem: The Aerosol Optical Depth index is one of the most commonly used indicators for assessing air pollution in various regions, especially arid and semi- arid areas. The arid and semi-arid regions are the main sources of dust particles. Due to locating in arid and semi-arid region, Iran faces dust storms several times over year, which have caused irreparable environmental and socio-economic damages to different parts of the country. The southeastern Iran is one of these regions that is affected by dust storms in the first half of the year (early spring to late summer) due to 120-day winds, and large amounts of sand and dust particles enter the atmosphere each year. Therefore, it is important to study the temporal and spatial changes of suspended particles in the atmosphere, of which dust is a major part of aerosols in these regions. In fact, knowing the temporal and spatial changes of suspended particles can be helpful in providing appropriate solutions to reduce the damage caused by these particles.
Purpose: In this study, due to lack of ground- based aerosol gauge station, aerosol optical depth feature was considered based on the AOD product of MODIS sensor to monitor and analyze spatial and temporal changes of aerosol concentrations in southeastern Iran during a period of 18 years. Annual, monthly and seasonal temporal changes of AOD were investigated using pre- whitening mann- kendall trend test.
Methodology: The daily MODIS level- 4 AOD data were used in this study. The AOD data were obtained from the earth explorer website (http://earthexplorer.usgs.gov) in 6570 frames for a period of 2001- 2018 and these data were extracted in NetCDF format with programing in Matlab software as annual, seasonal and monthly time series for 13 synoptic stations in the study area. PM10 concentration data were used to validate the AOD product of MODIS. In order to investigate the temporal and spatial changes of aerosol concentrations. The AOD zoning maps were prepared using inverse distance weighted (IDW) interpolation method based on the mean values of AOD. Based on the IDW method, each point/ station has local effect that decreases with increasing distance, so that places close to the measuring point will have more weight. Finally, the temporal trend changes of AOD data were determined using mann- kendall trend test in the different time scales.
Results: the results obtained from validation of AOD data indicated that there was a strong and acceptable relationship between aerosol optical depth and PM10 concentration data at 95% significant level. Therefore, it can be concluded the AOD data have a good accuracy to investigate and analyze the changes in suspended particles in atmosphere in the study area. The spatial distribution of AOD in the study area showed that the western and central regions (Kerman, Baft, Sirjan, Rafsanjan) had the lowest concentration of aerosol during the period of 2001- 2018. While, the northeastern, eastern and southern regions (Sistan and Baluchestan province) have been affected by higher concentrations of aerosol. The amounts of AOD have varied by 0.14 to 0.53 in the study period that occurred in the years of 2016 and 2003, respectively. The findings of temporal changes of annual AOD series indicated that the atmosphere suspended particles had the highest amount in the years of 2001, 2003, 2008, 2009 and 2012 at the Zabol, Zahak, Zahedan, Khash and Iranshahr regions, respectively. The seasonal mean AOD had the most concentration in the summer and spring seasons while the autumn and winter had the lowest aerosol concentration. The monthly AOD series showed that the increasing variations of atmosphere suspended particles starts in the April and then increases in June and has decreasing changes in the July. The results of mann- kendall trend test indicated that changes trend of annual aerosol optical depth was decreasing in the most regions except in the Rafsanjan station, so that the AOD changes had significant downward trend a 5% level in the Zahedan, Zahak, Zabol, Saravan and Bam stations. The mann- kendall statistic of monthly AOD series showed the most frequency of significant trend occurred in May, June, July and October, respectively in the study region. Monthly trend of AOD indicated decreasing changes of aerosol during the study period. As in May, June, July, August, November and February, the concentration of aerosols had downward trend in the most study stations. The seasonal changes of AOD showed a decreasing trend in aerosols in the summer and spring, while there was an increasing trend in the autumn season.
Discussion and conclusion: One of the available sources to access the aerosol optical depth data is MODIS sensor. Based on our findings, there was an acceptable relationship between AOD product of MODIS and PM10 data obtained from ground- based aerosol gauge stations in the study region. The results of this study showed that the annual mean AOD varied by 0.14 to 0.53 which highest and lowest values occurred in the years of 2003 and 2016, respectively. Annual trend of AOD showed the concentration of aerosols was decreasing in the most regions. The decreasing trend can be due to the decline of dust events resulted from an increase of vegetation cover in the study area. The monthly and seasonal mean AOD showed the concentration of aerosols had the lowest value during the autumn and winter in November, December, January and February, while in the summer and spring, the aerosols had the highest concentration in May, June and July. However, the temporal changes of monthly and seasonal AOD were decreasing in the most study regions. These findings were in agreement with Rashki et al (36) and Namdari et al (29). They reported the concentration of aerosols in the summer was higher than other seasons that was due to the seasonal drying up the Hamoun lake and the Lavar winds in the Sistan region. Generally, our findings showed the western part of study region, located in Keman province, had been faced the lower concentration of aerosols than the eastern part, located in Sistan province, during the study period. In general, the declining of aerosol concentrations in some of study areas could indicate an improvement in air quality in these regions. It seems that the implementation of appropriate executive and management methods in this region, which has been considered by many managers and decision makers in recent years, have had a significant effect on reduction of air pollution.
Keywords: Remote sensing, Land degradation, Mann- Kendall test, Arid regions, Air pollution