شناسایی و ردیابی گردوغبار و تعیین منشأ آن با استفاده از شاخص عمق نوری حاصل از دادههای سنجنده MODIS در استان قم
محورهای موضوعی : کشاورزی، مرتع داری، آبخیزداری و جنگلداری
حسین توکلی نکو
1
(
استادیار، بخش تحقیقات جنگلها و مراتع، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان قم، سازمان تحقیقات، آموزش و ترویج کشاورزی،
)
عباس پورمیدانی
2
(
استادیار، بخش تحقیقات جنگلها و مراتع، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان قم، سازمان تحقیقات، آموزش و ترویج کشاورزی،
)
سید مهدی ادنانی
3
(
استادیار، بخش تحقیقات جنگلها و مراتع، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان قم، سازمان تحقیقات، آموزش و ترویج کشاورزی،
)
کلید واژه: سنجش از دور, گردوغبار, عمق نوری, قم,
چکیده مقاله :
گردوغبار یکی از پدیده‌های مناطق خشک و نیمهخشک است که مخاطرات زیستمحیطی زیادی بههمراه دارد. این تحقیق با هدف شناسایی کانونهای گردوغبار و ردیابی آنها با استفاده از دادههای مبتنی بر سنجش از دور و سیستم اطلاعات جغرافیایی، پهنهبندی شدت و طبقهبندی کانون‌ها و اولویت‌بندی مناطق از نظر میزان گردوغبار و تهیه نقشه پهنهبندی رخداد پدیده گردوغبار در استان قم اجرا شد. دادههای هواشناسی برای سالهای (2015- 2018) از ایستگاههای هواشناسی استان قم تهیه گردید و برای بارزسازی پدیده گردوغبار از تصاویر سنجنده مودیس (MODIS) استفاده شد. رخدادهای گردوغبار با دید 1000 متر و کمتر در بخش مرکزی استان قم در سالهای مختلف (2015- 2018) روند متفاوتی داشت و بیشتر از 177 رخداد گردوغبار در این بازه زمانی صورت گرفت. به-طورکلی بیشینه پدیده گردوغبار در فصلهای سرد و کمینه این پدیده در فصل بهار و تابستان بود. بررسی روند تغییرات عمق نوری (AOD) نشان داد که بیشترین مقدار میانگین عمق نوری در سال‌ها و ماههای مختلف متفاوت بود. بیشترین مقدار تداوم عمق نوری زیاد در سال 2015 بود که از آوریل تا ژوئن ادامه داشت. همچنین تغییرات دما و بارندگی نشان داد که در منطقه مورد مطالعه روند کلی دما و بارندگی افزایشی بوده است. با توجه به روند افزایشی بیابان‌زایی و ویژگیهای اقلیمی از قبیل افزایش دما و کاهش بارندگی و به‌تبع آن وقوع خشکسالی و بهره‌برداری‌های نادرست و نامناسب از اراضی، باعث افزایش کانونهای برداشت گردوغبار همراه با فراوانی وقوع و مقدار آن شده است و آن را به یک چالش زیستمحیطی کنترل‌ناپذیر تبدیل کرده است.
Dust is one of the phenomena in arid and semi-arid areas that pose a lot of environmental hazards. This study was conducted with the aim of identifying dust and tracking them, using data based on remote sensing and GIS, zoning intensity and classification of centers and prioritizing areas in terms of dust and preparing a zoning map of dust phenomenon in Qom province. Meteorological data for the years (2015-2018) were prepared from meteorological stations in Qom and MODIS sensor images were used to highlight the dust phenomenon. Dust events with a visibility of 1000 meters and less in Qom province in different years (2018-2015) had a different trend and more than 177 dust events occurred in this period. In general, the maximum dust phenomenon was in the cold seasons and the minimum was in the spring and summer seasons. Examination of the trend of changes in AOD showed that the maximum value of light depth varied in different years and months. The maximum amount of high light depth continuity was in 2015, which lasted from April to June. Also, changes in temperature and rainfall showed that the general trend of temperature and rainfall was increasing in the study area. Due to the increasing trend of desertification and climatic characteristics such as increasing temperature and decreasing rainfall and consequently the occurrence of drought and improper land use, has increased the centers of dust harvest with the frequency of occurrence and its amount and turned it Has become an uncontrollable environmental challenge.
_||_
پیشینه و هدف: مناطق خشك و نيمه خشك از منابع اصلي ذرات گردوغبار معلق در جو هستند. ايران بهدليل قرار گرفتن در منطقه خشك و نيمهخشك در طول سال با توفانهاي گردوغبار متعددي مواجه است، كه خسارات زيستمحيطي و اقتصادي- اجتماعي جبرانناپذيري را به مناطق مختلفي از كشور وارد كرده است. شاخص عمق اپتيكي نوری يكي از پركاربردترين شاخصها جهت بررسي وضعيت آلودگي هواي مناطق مختلف بهويژه مناطق خشك و بياباني است. این تحقیق با هدف شناسایی کانونهای گردوغبار و ردیابی آن، شناسایی کانونهای گردوغبار در مناطق مرکزی ایران و بهصورت موردی در استان قم، پهنهبندی شدت و طبقهبندی کانون‌ها و اولویت‌بندی مناطق از نظر میزان گردوغبار با استفاده از شاخص مذکور اجرا شد.
مواد و روشها: بهمنظور بررسی وضعیت رخداد گردوغبار در استان قم، دادههای هواشناسی برای سالهای مورد نظر از ایستگاههای سینوپتیک هواشناسی تهیه گردید. برای بارزسازی پدیده گردوغبار از تصاویر سنجنده مودیس (MODIS) استفاده گردید. برای بررسی و ردیابی غلظت و شدت گردوغبار از پروداکت‌های عمق نوری (AOD) سنجنده مودیس استفاده شد. پس از مشخص کردن منابع گردوغبار با استفاده از تکنیک‌های سنجش از دور، بهمنظور شناسایی مناطق مستعد تولید گردوغبار، نقشه کاربری اراضی تهیه گردید. برای بررسی تغییرات مکانی و زمانی پوشش اراضی از دادههای ماهواره سنتینل2 استفاده شد. برای معرفی مدلهای طبقهبندی، نمونه‌های تعلیمی در کلاس‌های مورد نظر با توجه به توزیع مکانی مناسب، ترکیب باندی، رفتار طیفی و همچنین پایش میدانی به نرم‌افزار معرفی گردید. برای طبقهبندی و تعیین کاربری اراضی از روش طبقهبندی نظارت شده حداکثر احتمال (MLC) استفاده گردید. در پایان با ساخت ترکیب‌های باندی کاذب 543 و بررسی نمودار طیفی پدیده‌ها پنج نوع کاربری برای اراضی منطقه مورد مطالعه شامل: اراضی بایر با پوشش گیاهی کم، مناطق کوهستانی و برونزد سنگی، دریاچه‌های نمکی و اراضی شور، مناطق مسکونی و انسان ساخت و اراضی کشاورزی در نظر گرفته شد. سپس حدود 20 درصد یعنی 500 نمونه از نمونه‌های برداشت شده بهصورت تصادفی جدا و به عنوان نمونه واقعیت زمینی برای ارزیابی دقت روشهای طبقهبندی مورد ارزیابی قرار گرفت. پس از اعمال طبقهبندی نظارت شده، دقت نتایج بهدست آمده مورد ارزیابی قرار گرفت. از روشهای آماری توصیفی جهت تجزیه و تحلیل دادههای مربوط به تعداد رخداد گردوغبار بهصورت سالانه، ماهانه و ساعتی در منطقه استفاده شد.
یافتهها: براساس نتایج بهدست آمده از طبقهبندی صورت گرفته، پوشش سطحی استان قم در چهار کلاس اصلی قرار گرفت. اراضی بایر با پوشش گیاهی کم، دریاچه‌های نمکی و اراضی شور بیشترین پوشش سطحی زمین را تشکیل میداد که تقریباً 90 درصد منطقه را شامل میگردید. با مشخص کردن نوع کاربری و پوشش اراضی استان، تغییرات آنها در مقیاس‌های زمانی مختلف طی سالهای 2015 و 2018 نشان داد که اراضی لخت با پوشش گیاهی کم بهمیزان 76/1 درصد کاهش و از طرفی شورهزار و اراضی شهری و انسانساخت و اراضی با پوشش گیاهی متوسط بهترتیب 45/0، 29/0 و 02/1 درصد افزایش داشت. بررسی سالانه رخدادهای گردوغبار با دید 1000 متر و کمتر در بخش مرکزی استان قم (2015- 2018) نشان داد که روند این پدیده در سالهای مختلف متفاوت بود و سال 2015 بیشترین تعداد گردوغبار را داشت و بیشتر از 177 رخداد گردوغبار در این بازه زمانی صورت گرفته است. بیشترین رخدادهای گردوغبار در بخش مرکزی استان قم در ماههای دسامبر، ژانویه و نوامبر بهترتیب 58 ،52 و 41 رخداد بود. همچنین بررسی فراوانی ساعتی رخداد گردوغبار با دید افقی 1000 متر و کمتر از آن نشان داد که بیشترین رخداد بهترتیب در ساعات 3، 6 و 21 بوده است. بررسی تغییرات مکانی و سالانه عمق نوری (2015- 2018) نشان داد که روند آن در حال افزایش بوده و سطح بیشتری را دربرمیگیرد. حداکثر مقدار عمق نوری حدود30/2 و 24/2 بهترتیب در سالهای 2018 و 2015 مشاهده شد که بیشتر در قسمتهای شرقی و شمالی بخش مرکزی استان قم بود. این مناطق شامل دریاچه نمک و حوض سلطان و اراضی بایر اطراف آن میشود.
بحث و نتیجهگیری: نتایج بررسی در طول دوره زمانی (2015- 2018) در منطقه مورد مطالعه، روند افزایش اراضی بایر و شورهزار، گسترش مکانی دریاچه نمک و حوض سلطان را نشان داد. با استفاده از دادههای سنجنده مودیس می‌توان پدیده‌های گردوغبار را شناسایی و ردیابی کرد و منشأ اصلی آن را بهطور مناسب رصد نمود. بهطورکلی پدیده گردوغبار استان قم با منشأ خارجی از مناطقی مانند صحرای عربستان، کویت، عراق و سوریه، بخش‌های مرکزی و شرقی ایران، بیابانهای ترکمنستان و گاهی صحرای آفریقا است. همچنین منشأ داخلی گردوغبار نیز وجود کانونهای مختلف در داخل استان قم است که بیشتر در قسمتهای شرقی و شمال شرقی استان قرار دارند. بنابراین پدیده گردوغبار بسیار فعال و آسیب‌پذیر است. با توجه به روند افزایشی بیابان‌زایی و ویژگیهای اقلیمی از قبیل افزایش دما و کاهش بارندگی و به‌تبع آن وقوع خشکسالی و بهرهبرداريهاي نادرست و نامناسب از اراضی، باعث افزایش کانونهای برداشت گردوغبار همراه با فراوانی وقوع و مقدار آن شده است و آن را به یک چالش زیستمحیطی کنترل‌ناپذیر تبدیل نموده است. افزایش گردوغبار به تهدید سلامت ساکنان اطراف این مناطق منجر میگردد. افزایش پدیده گردوغبار علاوه بر تخریب منابع پایه، اثرات نامناسبی بر بهداشت و سلامت جامعه دارد. همچنین پیامدهای اجتماعی و اقتصادی آن باعث تشدید روند مهاجرت از مناطق در معرض گردوغبار، کاهش درآمد و کاهش رونق صنعت گردشگری میگردد.
واژههای کلیدی: گردوغبار، عمق نوری، سنجش از دور، قم.
مقدمه
طوفانهای گردوغبار از پدیده‌های مناطق خشک و نیمهخشک و یا مناطق همجوار اینگونه نواحی است که مخاطرات زیستمحیطی زیادی بههمراه داشته و در مواقعی رخ میدهد که تندبادي با سرعتی بیش از آستانۀ فرسایش بوزد. تخمين زده میشود که این پدیده هرسال حدود ۱۰۸× ۵ تن گردوغبار از سطوح بياباني و خشك وارد جوّ مي‌كند (29). بهدليل بروز خشکسالیهای متعدد و دخالتهاي بيرويه بشر در سالهاي اخير، رشد بيابانزايي در مناطق مختلف کره زمین افزایش‌یافته است، به‌گونه‌ای که حدود یک‌سوم سطح خشکیهای کره زمین را مناطق خشک و نیمهخشک تشکیل داده است که از منابع اصلي گردوغبار در دنيا هستند (16). علاوه بر این، فعالیتهای بشر نیز به ایجاد کانونهای گردوغبار دامن زده است. فعالیتهای معدنکاوی، زمينهاي كشاورزي رها شده و بستر درياچهها و تالابهای خشك از جمله مهمترین منشأهای انسانی این پدیده هستند. به‌ویژه سدسازي‌هايي كه در حوزه كشورهاي خاورميانه با هدف مدیریت منابع آب و تأمين انرژي صورت گرفتـه است، باعث از بین رفتن منابع آبی در برخی از درياچهها و رودخانهها شده است.
امروزه استفاده از تصاویر و دادههای ماهوارهای به منظور بررسی وضعیت بیابانها و ارزیابی مکانهای مستعد جهت تولید تودههای گردوغبار گسترش یافته است. سنجنده مودیس MODISیکی از پنج سنجنده مستقر بر دو ماهواره TERRA و AQUA است. دادههای سنجنده مودیس می‌تواند برای کسب اطلاعاتی از جمله دما، رطوبت جوی، پوشش ابر و خواص آن، ویژگیهای هواویزهها، دمای سطح خشكی و دریا، آتش‌سوزی‌های طبیعی و مصنوعی، توزیع و عمق یخ و برف، رنگ اقیانوس، شاخصهای گیاهی و غیره بهکار رود (11). الگوریتم شاخص آئروسل گردوغبار (DAI) براساس اندازه‌گیری‌ها در طول موج‌های نوری با استفاده از مشاهدات طیف‌سنجی رادیومتر تصویربرداری با وضوح متوسط توسعه داده شده است (4). عمق نوری (AOD) معیاری است که بیان کننده تضعیف رادیانس ورودی به اتمسفر بر اثر جذب و پراکنش توسط ذرات معلق در یک ستون عمودی است. عمق نوری را می‌توان با استفاده از دادههای ماهوارهای محاسبه نمود. این معیار می‌تواند بهعنوان یک برآورد غیرمستقیم از تراکم ذرات اتمسفری بهکار برده شود. دادههای ماهواره مودیس می‌تواند بهمنظورتجزیه وتحلیل مكانی و زمانی عمق نوری استفاده شود (25).
بررسی پژوهشهای گذشته نشان میدهد که استفاده از دادههای AOD در زمینههای مختلف تحقیقاتی در سطح جهان توسعه چشمگیری داشته است. خوشسیما و همکاران (14) توانایی سنجندهی مودیس در سنجش آلودگی ناشی از ذرات معلق در مناطق شهری را مورد بررسی قرار دادند. نتایج استفاده از تکنیک سنجش از دور در مقایسه با اندازهگیریهای زمینی، ضریب همبستگی 71 درصد را نشان داد که نشاندهنده توانایی نسبتاً خوب مدل در تعیین غلظت ذرات معلق در سطح شهر تهران بود. ناصرزاده و فتحی (21) در بررسی عوامل سینوپتیک محلی شامل رویدادهای گردوغباری استان ایلام نشان دادند، در دوره سرد سال سیستمهای مهاجر بادهای غربی و رودباد جبهه قطبی همراه آن و در دوره گرم سال کمفشارهای حرارتی سطح زمین مهمترین عامل در ایجاد و شکلگیری پدیده مذکور در استان ایلام هستند. هنگامیکه یک فرود عمیق در غرب منطقه مورد مطالعه روی بیابانهای کشورهای همجوار قرار گیرد و سرعت باد در آن به سرعت رودباد برسد، درصورت فراهم بودن شرایط محیطی، با ایجاد ناپایداری در سطح زمین سبب گردوغبار و انتقال آن به استان ایلام میشود. در دوره گرم سال نیز فشارهای حرارتی سطح زمین و بهخصوص کمفشار خلیج‌فارس با مکش هوای بیابانهای اطراف (شبهجزیره عربستان) یکی از عوامل ایجاد گردوغبار در استان ایلام است. بروغنی و همکاران (3) در شناسایی مناطق برداشت گردوغبار در شرق خاورمیانه با استفاده از شاخصهای آشکارسازی گردوغبار نشان دادند که 216 نقطه برداشت در کل منطقه مورد مطالعه وجود دارد که از این تعداد 123 نقطه در ایران و 93 نقطه در خارج از کشور هستند. نتایج تحقیق رضایی و همکاران (28) درخصوص تحلیل فرکانس آئروسل گردوغبار مکانی- زمانی در ایران براساس دادههای ماهوارهای نشان داد که بیشترین مناطق با فرکانس آئروس گردوغبار بالا در استان خوزستان و سیستان شرق کشور قرار دارند. سایر نواحی دارای قله فرکانس آئروس گردوغبار در نواحی کم ارتفاع کشور یعنی دشت ساحلی دریای عمان، فرورفتگی جازموریان و جنوب شرقی کویر لوت و جنوب دشت کویر مشاهده میشود. حداکثر و حداقل فرکانس آئروس گردوغبار در ایران بهترتیب در ماههای جولای (Terra=2.02، Aqua=2.1) و نوامبر (Terra=0.1، Aqua=0.05) رخ میدهد. علاوه براین، فرکانس‌های گردوغبار براساس دادههای ایستگاه هواشناسی و ماهوارهای، روابط متناظری با عرض جغرافیایی، ارتفاع، پوشش گیاهی، بارش و دما نشان میدهد.
رجایی و همکاران (26) بهمنظور ردیابی و ارزیابی توفانهای گردوغبار در شهرهای اهواز و کرمانشاه در غرب ایران، مدلسازی در سیستم HYSPLIT با تحلیل مسیر برگشتی در سه سطح ارتفاع انجام دادند تا جهت حرکت ذرات معلق در جو و منشأ آن در فاصله 48 ساعت قبل از وقوع پدیده توفان گردوغبار مشخص شود. مقایسه مسیرهای انتقال گردوغبار تولید شده توسط مدل HYSPLIT برای دو مقصد و ترکیب رنگ کاذب گردوغبار شناسایی شده در تصاویر MODIS، منابع مشابهی را برای پدیده گردوغبار نشان داد. براین اساس منابع اولیه گردوغبار در دو شهر اهواز و کرمانشاه، بخش‌های کویری شمال عراق، منطقه‌ای بین عرض‌های جغرافیایی 80/33 تا 85/35 درجه شمالی و طول‌های جغرافیایی 00/42 تا 76/44 درجه شرقی در دشت آبرفتی دجله و فرات بوده است. احسانی و بیگدلی (7) در تحقیقی با استفاده از دادههای دورسنجی عمق نوری هواویزهها غلظت ذرات PM2.5 در شهر تهران را تخمین زدند. در تحقیق ایشان نقشه توزیع مکانی مناطق آلودهتر و پاکتر شهر تهران ارائه شد. همچنین نتایج نشان داد که دادههای دورسنجی عمق نوری هواویزه دارای توانایی قابل قبولی جهت پیشبینی غلظت PM2.5 سالانه خواهد بود.
نتایج تحقیق میراکبری و ابراهیمی خوسفی (20) در بررسي روند تغييرات زماني و مكاني ذرات معلق جو با استفاده از شاخص عمق اپتيكي آئروسلها در جنوب شرق ايران نشان داد که بين عمق اپتيكي ذرات معلق سنجنده موديس (AOD) و غلظت ذرات معلق (PM10) در سطح اطمينان 95 درصد همبستگی وجود دارد. نتایج تحقیق ایشان نشان داد که ميزان ذرات معلق جو (AOD) طي پائيز و زمستان در ماههاي آبان، آذر، دي و بهمن کمترین مقدار و در تابستان و بهار در ماههاي تير، خرداد و ارديبهشت بیشترین مقدار را داشت. جبالی و همکاران (12) در تحقیقی گستره تغییرپذیری دید افقی مناطق متأثر از رخدادهای گردوغبار در استان یزد را بررسی نمودند. نتایج تحقیق ایشان نشان داد که بین AOD و دادههای دید افقی، در سطح اطمینان 99 درصد همبستگی معنیداری وجود دارد. اسکندری دامنه و همکاران (8) در تحقیقی تغییرات مکانی و زمانی عمق نوری و دادههای اقلیمی در بازه زمانی 2019-2000 را در کشور ایران ارزیابی نمودند. نتایج حاصل از بررسی روند تغییرات AOD، پوشش گیاهی و دادههای اقلیمی نشان داد که روند این پارامتر‌ها در مناطق مختلف کشور ایران متفاوت است. بهطوریکه در کل کشور شاخص NDVI و بارندگی بهترتیب 13/85 و 57/67 درصد کاهشی بوده و AOD، سرعت باد و دما بهترتیب در43/71، 86/71 و 37/99 درصد افزایش داشته است. در این تحقیق رابطه همبستگی بین AOD و NDVIو بارندگی، دما و سرعت باد نشان داد که شاخص AOD با NDVI و بارندگی به ترتیب در 94/50 و 31/51 درصد از سطح کشور همبستگی منفی و با پارامتر دما و سرعت باد در 42/68 و 36/50 درصد از سطح کشور همبستگی مثبت داشته است.
دولتکردستانی و همکاران (6) برای شناسایی منابع تولید گردوغبار در تالاب جازموریان از دادههایlution Sentinel 2 استفاده نمودند. سه الگوریتم هوشمند مصنوعی شامل: شبکه عصبی مصنوعی (ANN)، ماشین بردار پشتیبانی (SVM) و شبکه عصبی یادگیری (DLNN) برای مدلسازی تولیدکنندگان گردوغبار استفاده شد. نتایج تحقیق نشان داد که پتانسیل آبدهی بخشهایی از حوضه جازموریان که در سالهای اخیر خشک شدهاند، برای تولید گردوغبار پتانسیل بسیار بالایی دارند. همچنین از بین مدلهای مورد بررسی، مدل DLNN کارآمدتر از مدلهای دیگر بود. بههرحال هر سه مدل نشان داد که NDVI، ارتفاع، بارندگی سالانه و سرعت باد چهار عامل موثر بر پتانسیل تولید گردوغبار در منطقه مورد مطالعه هستند. پاپی و همکاران (24) در شناسایی منابع طوفان شن و گردوغبار با استفاده از تحلیل مکانی- زمانی دادههای سنجش از دور در ایران مرکزی، با روش پوشش چند مرحله‌ای با استفاده از مجموعه دادههای سری زمانی بیست ساله محصولات MODIS و TerraClimate مدلی را پیشنهاد نمودند. براساس نتایج، 3/5 درصد از ایران مرکزی بهعنوان منابع گردوغبار با پتانسیل بالا شناخته شده است. در این میان منابع شنی از نظر مساحت (9/60 درصد) و فراوانی وقوع گردوغبار (بیش از 50 درصد) بیشترین سهم را دارند. بیشترین فراوانی فصلی گردوغبار (76 درصد) در بهار و تابستان بود. در دشتهای شنی و نمکی، تشکیل گردوغبار عمدتاً با عوامل طبیعی مرتبط است. با اینحال، در دریاچه‌ها و منابع آبرفتی، فعالیتهای انسانی مستقیماً با تغییرات فراوانی و وسعت گردوغبار مرتبط است. وقوع خشکسالیهای شدید فراوانی گردوغبار در ایران مرکزی تشدید کرده است. امیدوار و همکاران (22) در ارزیابی رابطه بین شاخص عمق نوری آئروسل (AOD)، سرعت باد و دید در طوفانهای گردوغبار با استفاده از الگوریتم ژنتیک در مناطق مرکزی ایران با استفاده از الگوریتم ژنتیک تکاملی (GA) رابطه ریاضی بین پارامترهای فوق با سرعت باد (WS) را بهعنوان شاخص کلیدی در طوفان مورد تجزیه و تحلیل قرار دادند. برای دستیابی به یک معادله ریاضی، رگرسیون خطی و چندین تابع معروف دیگر با هم مقایسه شدند. در این میان تابع دوجملهای بهعنوان بهترین تابع تناسب انتخاب شد. نتیجه یک معادله ریاضی بین پارامترهای AOD، دید و سرعت باد در طول وقوع 30-35 کد سینوپتیک براساس یک تابع دوجملهای با سطح اطمینان 95 درصد بود.
مطالعات متعدد صورت گرفته علاوه بر اینکه نشاندهنده کارایی استفاده از تصاویر و دادههای ماهوارهای در جهت شناسایی منشأ، پراکنش جغرافیایی، تنوع و اثرات گردوغبار بوده است، نشان دادند افزایش ذرات معلق در هوا بهشدت به روند تغییرات پوشش گیاهی و فاکتورهای اقلیمی از قبیل بارندگی، دما و سرعت باد بستگی دارد. از طرفی یکی از علل كاهش پوشش گیاهی، افزایش گردوغبار است كه تأثیري متقابل بر پوشش گياهي دارد. بررسي تغييرات زماني پوشش تالاب شادگان خوزستان با استفاده از شاخص تفاضل نرمال شده پوشش گياهی (NDVI) تصاوير MODIS در دورة زمانی 2000 تا 2011 کاهش 36/7 درصدی سطح پوشش گیاهی را نشان میدهد (2).
بنابراین تحقیق حاضر با هدف شناسایی کانونهای گردوغبار و ردیابی آن، شناسایی کانونهای مولّد داخلی گردوغبار در مناطق مرکزی ایران و بهصورت موردی در استان قم با استفاده از دادههای مبتنی بر سنجش از دور و سیستم اطلاعات جغرافیایی، پهنهبندی شدت و طبقهبندی کانون‌ها و اولویت‌بندی مناطق از نظر میزان گردوغبار و تهیه نقشه پهنهبندی رخداد گردوغبار اجرا شد.
مواد و روشها
بهمنظور بررسی وضعیت رخداد پدیده گردوغبار در استان قم، دادههای هواشناسی برای سالهای مورد نظر از ایستگاههای سینوپتیک اداره کل هواشناسی تهیه گردید. برای پردازش این داده‌ها از نرم‌افزار ArcGIS نسخه 10.8.2 و نرمافزارهای آماری مانند Excel نسخه 2016 و SPSS نسخه 26 استفاده شد. برای بارزسازی پدیده گردوغبار از تصاویر سنجنده مودیس (MODIS) در سالهای 2015 تا 2018 استفاده گردید. برای بررسی و ردیابی غلظت و شدت گردوغبار از پروداکت‌های عمق نوری (AOD) سنجنده مودیس با نام‌های MYD04L2 و MOD04L2 و MCD19A2 استفاده شد. پس از مشخص کردن منابع گردوغبار با استفاده از تکنیک‌های سنجش از دوری، بهمنظور شناسایی مناطق مستعد تولید گردوغبار، نقشه کاربری اراضی تهیه گردید. برای بررسی تغییرات مکانی و زمانی پوشش اراضی از دادههای ماهوراه سنتینل2 استفاده شد. آمادهسازی تصاویر سنتینل2 در محیط نرم‌افزار ENVI وArcGIS انجام شد و در نهایت تصاویر در محیط نرم‌افزار ArcGIS موزائیک گردید.
برای معرفی مدلهای طبقهبندی، نمونه‌های تعلیمی در کلاس‌های مورد نظر با توجه به توزیع مکانی مناسب، ترکیب باندی، رفتار طیفی و همچنین پایش میدانی به نرم‌افزار معرفی گردید. با توجه به مطالعات و گزارش‌های ارائه شده برای طبقهبندی مناطق مختلف ایران، روش طبقهبندی حداکثر احتمال بهعنوان روشی مناسب برای طبقهبندی و تعیین کاربری اراضی معرفی شده است. در این تحقیق نیز از روش طبقهبندی نظارت شده حداکثر احتمال (MLC) استفاده گردید. در این روش قاعده تصمیم بیز (BDR) برای محاسبه احتمال استفاده میشود (23). بنابراین قبل از برداشت نمونه‌ها، وضعیت عمومی منطقه شامل: توپوگرافی، شبکه جاده‌ها و کاربری‌های موجود در منطقه مورد بررسی قرار گرفت تا یک دید کلی از از منطقه کسب گردد. در پایان با ساخت ترکیب‌های باندی کاذب 543 و بررسی نمودار طیفی پدیده‌ها پنج نوع کاربری برای اراضی منطقه مورد مطالعه شامل: اراضی بایر با پوشش گیاهی کم، مناطق کوهستانی و برونزد سنگی، دریاچه‌های نمکی و اراضی شور، مناطق مسکونی و انسان ساخت و اراضی کشاورزی در نظر گرفته شد. با توجه به مساحت استان قم برای هر طبقه در حدود 500 نمونه یا پیکسل از طریق پایگاه Google earth برداشت شد. به این ترتیب در مجموع 2500 نمونه از کاربری‌های موجود در منطقه نمونه‌برداری گردید. سپس حدود 20 درصد از نمونه‌های برداشت شده (500 نمونه) بهصورت تصادفی انتخاب گردید و بهعنوان نمونه واقعیت زمینی برای ارزیابی دقت روشهای طبقهبندی مورد ارزیابی قرار گرفت. پس از اعمال طبقهبندی نظارت شده، دقت نتایج بهدست آمده مورد ارزیابی قرار گرفت. برای ارزیابی و محاسبه دقت الگوریتم از طریق ماتریس خطای ایجاد شده بین تصویر طبقهبندی و نقشه واقعیت زمینی می‌توان معیارهای مختلفی ازجمله دقت تولید کننده، دقت کاربر، صحت کلی و استخراج ضریب کاپا مورد استفاده قرار گرفت (13). از روشهای آماری توصیفی جهت تجزیه و تحلیل دادههای مربوط به تعداد رخداد گردوغبار بهصورت سالانه، ماهانه و ساعتی در منطقه استفاده شد.
نتایج
براساس نتایج بهدست آمده از طبقهبندی صورت گرفته، پوشش سطحی استان قم در چهار کلاس اصلی قرار گرفت. اراضی بایر با پوشش گیاهی کم، دریاچه‌های نمکی و اراضی شور بیشترین پوشش سطحی زمین را تشکیل میداد که تقریباً 90 درصد منطقه شامل میگردید (شکل 1).
شکل 1. نقشه کاربری اراضی بخش مرکزی استان قم در سال 2015 (الف) و سال 2018 (ب)
Fig. 1. Land use map of the central part of Qom province in 2015 (a) and 2018 (b)
با مشخص کردن نوع کاربری و پوشش اراضی استان، تغییرات آنها در مقیاس‌های زمانی مختلف طی سالهای 2015 و 2018 مورد بررسی قرار گرفت. در این دوره پنج ساله اراضی لخت با پوشش گیاهی کم بهمیزان 76/1 درصد کاهش و از طرفی شورهزار و اراضی شهری و انسان ساخت و اراضی با پوشش گیاهی متوسط بهترتیب 45/0، 29/0 و 02/1 درصد افزایش داشت (شکل 2).
|
|
شکل 2- درصد مساحت کاربری بخش مرکزی استان قم (2015 و 2018)
Fig. 2. Percentage of land use in the central part of Qom province (2015 and 2018)
بررسی سالانه رخدادهای گردوغبار با دید 1000 متر و کمتر در بخش مرکزی استان قم در دوره زمانی 2018-2015 نشان داد، روند این پدیده در سالهای مختلف متفاوت و در مجموع بیش از 177 رخداد گردوغبار در این بازه زمانی صورت گرفته است. سال 2016 با 62 مورد بیشترین تعداد و سال 2018 با 8 مورد کمترین تعداد گردوغبار را داشتند (شکل 3).
شکل 3- مجموع فراوانی سالانه رخداد گردوغبار برای ایستگاه قم (2018-2015)
Fig. 3. Total annual frequency of dust events for Qom station (2018-2015)
بررسی ماهانه پدیده گردوغبار
مقایسه تعداد رخداد ماهانه گردوغبار در دوره زمانی 2018-2015 نشان داد، بیشترین گردوغبار در بخش مرکزی استان قم در ماههای دسامبر و ژانویه بهترتیب با 58 و52 رخداد بود. بهطوریکه رخداد گردوغبار در این ماهها با سایر ماههای سال اختلاف معنیداری داشت. نکته قابل توجه در بررسی ماهانه، حداکثر وقوع رخداد گردوغبار در سه ایستگاه قم در اوایل فصل زمستان و فصل پاییز است. بهطورکلی بیشینه پدیده گردوغبار در فصلهای سرد و کمینه این پدیده در فصل بهار و تابستان است (شکل 4).
شکل 4- فراوانی ماهیانه رخداد گردوغبار ایستگاه قم (2018- 2015)
Fig. 4. Monthly frequency of dust occurrence at Qom station (2018-2015)
نتایج بررسی ساعتی پدیده گردوغبار
مقایسه فراوانی ساعتی رخداد گردوغبار با دید افقی 1000 متر و کمتر از آن در بخش مرکزی استان قم در دوره 2018-2015 نشان داد که بیشترین رخداد بهترتیب در ساعات 3، 6 و 21 بوده است. هر چند تفاوت رخداد گردوغبار در ساعات مختلف با یکدیگر اختلاف چندانی نداشتند (شکل 5).
شکل 5- فراوانی رخداد گردوغبار ایستگاه هواشناسی قم (2015- 2018)
Fig. 5. Frequency of dust occurrence at Qom Meteorological Station (2015-2018)
بررسی روند تغییرات ماهانه عمق نوری
بررسی روند تغییرات عمق نوری با استفاده از تصاویر روزانه سنجنده مودیس در بخش مرکزی استان قم (2015- 2018) نشان داد که بیشترین مقدار میانگین عمق نوری در سالهای مختلف متفاوت بود. بیشترین مقدار عمق نوری در ماههای آوریل، می، ژوئن و جولای مشاهده گردید. بیشترین مقدار تداوم عمق نوری زیاد در سال 2015 بود که از آوریل تا ژوئن ادامه داشت (شکل 6).
شکل 6- متوسط عمق نوری ماهانه بخش مرکزی استان قم (2015- 2018)
Fig. 6. Average monthly light depth (AOD) in the central part of Qom province (2015-2018)
بررسی روند تغییرات فصلی عمق نوری
تغییرات فصلی عمق نوری در سالهای مختلف متفاوت بود. بیشترین مقدار عمق نوری در بخش مرکزی استان قم از سال 2015 تا 2018 بهترتیب در فصلهای پاییز، بهار، پاییز و بهار مشاهده شد. حداکثر عمق نوری نیز در بهار سال 2018 مشاهده گردید (شکل 7).
شکل 7- متوسط عمق نوری فصلی بخش مرکزی استان قم (2015- 2018)
Fig. 7. Average seasonal light depth in the central part of Qom province (2015-2018)
بررسی روند تغییرات سالانه عمق نوری
بررسی تغییرات مکانی و سالانه عمق نوری (2015- 2018) نشان داد که روند حداکثرهای عمق نوری در حال افزایش و سطح بیشتری را دربرمیگیرد. حداکثر مقدار عمق نوری حدود 30/2 و 24/2 بهترتیب در سالهای 2018 و 2015 مشاهده شد که بیشتر در قسمتهای شرقی و شمالی بخش مرکزی استان قم بود. این مناطق شامل دریاچه نمک و حوض سلطان و اراضی بایر اطراف آن میشود (شکل 8).
|
|
|
|
شکل 8- متوسط عمق نوری بخش مرکزی استان قم (2018-2015)
Fig. 8. Frequency of dust occurrence at Qom Meteorological Station (2015-2018)
بحث و نتیجهگیری
سرزمین‌های خشک و نیمهخشک جزء منابع اصلی و عمده گردوغبار کره زمین هستند (17 و 30). در قرن بیستم عوامل انسانی و تغییرات اقلیمی به افزایش بیش از 40 درصد گردوغبار منجر شده است (10 و 18). از جمله فعالیتهای انسانی، استفاده نادرست و تغییر کاربری اراضی است که به تغییرات پوشش گیاهی و خصوصیات سطح زمین منجر میگردد که این خود باعث ایجاد منابع جدید و گسترش منابع قدیمی گردوغبار است. بنابراین از آنجا که استان قم در قسمتهای خشک و نیمهخشک ایران مرکزی قرار گرفته است، تغییر کاربری اراضی بهسرعت منابع ایجاد تودههای گردوغبار را افزایش خواهد داد. براساس نتایج بهدست آمده از این تحقیق در بازه زمانی پنج ساله (2015- 2018) اراضی لخت با پوشش گیاهی کم 76/1 درصد کاهش داشته و از طرفی دیگر شورهزار و مناطق شهری و انسان ساخت و پوشش گیاهی متوسط بهترتیب 45/0، 29/0 و 02/1 درصد افزایش داشته است.
مناطق خشک و نیمهخشک بهطور مکرر تحت تأثیر تغییرات اقلیمی از قبیل افزایش دما و کاهش بارندگی و همچنین خشکسالیهای مداوم و مکرر هستند. اگرچه بعضی از کاربری‌های زمین مانند مرتع و زراعت در محیط‌های خشک در مقابل تغییرات اقلیمی انعطاف‌پذیر هستند، اما فعالیتهای انسانی چنین انعطاف‌پذیری را بهشدت کاهش داده است. این وضعیت باعث میشود که این سرزمین‌ها تخریب شده و در معرض فرسایش بادی قرار گیرند (1).
از طرف دیگر وجود سازندهای حساس به فرسایش نیز از مکانهای تغذیه کننده تودههای گردوغبار است. مهرورز مغانلو و همکاران (19) در مطالعه خود بیان داشتند که سازندهای زمین‌شناسی مرتبط با دوره کواترنری شامل رسوبات رودخانه‌ای و پادگان‌های آبرفتی قدیمی و جدید مرتفع و رسوبات موجود در دامنه ارتفاعات و دشتهای میان کوهی از جمله رخساره‌های ژئومورفولوژیکی کواترنری است که ویژگی آن سستی و انفصال دانه‌ها و قطعات است. محل قرارگیری این رخساره‌ها در بخش‌های کم شیب و کم ارتفاع استان قم که در برابر عوامل فرسایشی مقاومت اندکی دارند، برای تولید گردوغبار پتانسیل بالایی دارند. بخش‌های قابل توجهی از مناطق مسطح استان قم بهخصوص مناطق شرقی و شمال شرقی از رسوبات کواترنری پوشیده شده است. براساس مطالعه خسروشاهی و همکاران (15) بیشتر مناطق بیابانی ایران را سازندهای کواترنری تشکیل داده است که خود منشأ و کانون گردوغبار‌های داخل کشور است. مقدار بارش سالانه بخش مرکزی استان قم و کل کشور کم بوده و خشکسالی در این استان اتفاق افتاده است. قوچی‌زاده و همکاران (9) در بررسی منابع گردوغبار بر کیفیت شهر قم بیان داشتند که منشأ طوفانهای گردوغبار قم دو دسته شامل: طوفانهای محلی و طوفانهای انتقالی هستند. گردوغبار محلی نسبت به گردوغبار انتقالی دوام و پایداری کمتری دارد. در این مطالعه عوامل ایجاد گردوغبار محلی استان قم را می‌توان، وضعیت اقلیمی خشک و نیمهخشک، احداث سد در بالادست رودخانههاي اصلي (قمرود و قرهچاي)، تغییر کاربری اراضی، برداشت بیش از حدّ از منابع آبی، بالا بودن تبخیر سالانه، وجود اراضی بایر و فاقد پوشش گیاهی، چرای بی‌رویه دام، فرسایش‌پذیری خاک و سایر عوامل انسانی نام برد. گردوغبار انتقالی که پدیده‌ای جدید است و در سالهای اخیر کشور را درگیر نموده است، بیشتر از کشورهای عربستان، سوریه و عراق به سمت ایران حرکت می‌کند و قسمتهای جنوب، جنوب غربی، غرب و مرکزی ایران از جمله استان قم را تحت تأثیر خود قرار داده است. بهطورکلی پدیده گردوغبار استان قم با منشأ خارجی از مناطقی مانند صحرای عربستان، کویت، عراق و سوریه، بخش‌های مرکزی و شرقی ایران، بیابانهای ترکمنستان و گاهی صحرای آفریقا است. همچنین منشأ داخلی گردوغبار نیز وجود کانونهای مختلف در داخل استان قم است که بیشتر در قسمتهای شرقی و شمال شرقی استان قرار دارند (27). بنابراین پدیده گردوغبار بسیار فعال و آسیب‌پذیر است و برای مهار آن به همکاری‌های بینالمللی نیاز است. زیرا در چند دهه اخیر با توجه به خشکسالیهای مکرر و مداوم و همچنین فعالیتهای انسانی از قبیل وقوع جنگ‌های متمادی در کشورهای همسایه و حضور جنگافزارهای نیرو‌های فرامنطقه‌ای که بیشتر در مناطق بیابانی و خارج از سطح جاده‌ها تردد دارند، این پدیده افزایش یافته است. همچنین با ظهور گروه‌های تروریستی و درگیر شدن دولت‌های سوریه و عراق در مبارزه با آنان، برای ترکیه فرصتی پیش آمد تا با ایجاد سد‌سازی بر این منابع آبی که نقش تعیین کننده‌ای در زندگی مردم سوریه و عراق دارند، شرایط برای وقوع پدیده گردوغبار تشدید شود (5). بنابراین برای حل مشکل گردوغبار علاوه بر تلاش‌های منطقه‌ای در سطح کشور و استان قم، به تلاش فرامنطقه‌ای و بینالمللی نیاز است. با توجه به روند افزایشی بیابان‌زایی و ویژگیهای اقلیمی از قبیل افزایش دما و کاهش بارندگی و به‌تبع آن وقوع خشکسالی و بهرهبرداريهاي نادرست و نامناسب از اراضی، باعث افزایش کانونهای برداشت گردوغبار همراه با فراوانی وقوع و مقدار آن شده است و آن را به یک چالش زیستمحیطی کنترل‌ناپذیر تبدیل نموده است. افزایش گردوغبار به تهدید سلامت ساکنان اطراف این مناطق منجر میگردد. افزایش گردوغبار علاوه بر تخریب منابع پایه، اثرات نامناسبی بر بهداشت و سلامت جامعه دارد. همچنین پیامدهای اجتماعی و اقتصادی آن باعث تشدید روند مهاجرت از مناطق در معرض گردوغبار، کاهش درآمد و کاهش رونق صنعت گردشگری میگردد.
تقدیر و تشکر
این مطالعه در قالب بخشی از طرح تحقیقاتی مصوب با کد (745815) و با حمایت استانداری قم اجرا شد. نویسندگان مراتب تقدیر و تشکر خود را از دفتر آموزش و پژوهش استانداری و سازمان جهادکشاورزی استان قم که در اجرا و ارتقای کیفی این پژوهش همکاری داشتهاند، اعلام میدارند.
Refrences
1. Al-Bakri, J.T., Brown, L., Gedalof, Z.E., Berg, A., Nickling, W., Khresat, S., Saoub, H. 2016. Modelling desertification risk in the North-west of Jordan using geospatial and remote sensing techniques. Geomatics Natural Hazards and Risk, 7(2: 531-549. https://doi.org/10.1080/19475705.2014.945102.
2. Bayat, R., Jafari, S., Ghermezcheshmeh, B., Charkhabi, A.H. 2016. Studying the effect of dust on vegetation changes (Case study: Shadegan wetland, Khuzestan). RS & GIS for Natural Resources, 7(2): 17-32. (In Persian).
3. Boroghani, M., Pourhashemi, S., Zangane Asadi, M., Moradi, H. 2017. Dust source identification in the Middle East by using remote sensing. Journal of Natural Environmental Hazards, 6(11: 33-57. (In Persian).
4. Ciren, P., Kondragunta, S. 2014. Dust aerosol index (DAI) algorithm for MODIS. Journal of Geophysical Research: Atmospheres, 119 (8): 4770-4792. doi: https://doi.org/10.1002/2013JD020855
5. Daniali, M., Mohamadnezhad, B., Karimi, N. 2018. Spatial analysis of dust in Khuzestan province using satellite imagery. RS & GIS for Natural Resources, 9(1): 58-73. (In Persian).
6. Dolatkordestani, M., Nosrati, K., Maddah, M., Tiefenbacher, J.P. 2022. Identification of dust sources in a dust hotspot area in Iran using multispectral Sentinel 2 data and deep learning artificial intelligence machine. Geocarto International, 37: 1-14. dOI: https://doi.org/10.1080/10106049.2022.2043452
7. Ehsani, A.H., Bigdeli, M. 2020. The PM2.5 estimations over Tehran using remotely sensed aerosol optical depths data. Journal of Climate Research, 43: 99-108. (In Persian).
8. Eskandari Damaneh, H., Eskandari Damaneh, H., Sayadi, Z., Khoorani, A. 2021. Evaluation of spatiotemporal changes and correclations of aerosol optical depth, NDVI and climatic data over Iran. Iranian journal of Range and Desert Research, 28(4): 725-735. (In Persian).
9. Ghouchizadeh, A., Moeinaddini, M., Shahbazi, R., Ahmadi, N., Navour Naviri, M. 2018. Study of the importance of Quaternary dust sources emission on Qom air quality. Quaternary Journal of Iran, 4(3): 341-360. (In Persian).
10. Ginoux, P., Prospero, J.M., Gill, T. E., Hsu, N.C., Zhao, M. 2012. Global‐scale attribution of anthropogenic and natural dust sources and their emission rates based on MODIS Deep Blue aerosol products. Reviews of Geophysics, 50(3: 1-36. doi: https://doi.org/10.1029/2012RG000388.
11. Gupta P., Sundar Christopher A. 2008. An evaluation of Terra-MODIS sampling for monthly and annual particulate matter air quality assessment over the South-eastern United States. Atmospheric Environment, 4: 6465-6471. doi: https://doi.org/10.1016/j.atmosenv.2008.04.044.
12. Jebali, A., Zare, M., Ekhtesasi, M.R., Jafari, R. 2021. A new threshold free dust storm detection index based on MODIS reflectance and thermal bands. GIScience & Remote Sensing, 58(8): 1369-1394. doi: https://doi.org/10.1080/15481603.2021.1988428
13. Jia, K., Wei, X., Gu, X., Yao, Y., Xie, X., Li, B. 2014. Land covers classification using Landsat 8 operational land imager data in Beijing, China. Geocarto International, 29(8): 941-958. doi: https://doi.org/10.1080/10106049.2014.894586.
14. Khoshsima, M., Bidokhti, A., Ahmadi-Givi, F. 2013. Evaluation of aerosol optical depth using visibility and remote sensing data in urban and semi urban areas in Iran. The Journal of the Earth and Space Physics, 39(1): 163-174. (In Persian).
15. Khosroshahi, M., Mahmoudi, F., Kashki, M.T. 2011. Determination of Desert Areas in Iran on the Bases of Geological Effected Factors. Geosciences, 80(3): 15-22. (In Persian).
16. Lee, YC, Xun, Y., Mark, W. 2010. Transport of dusts from East Asian and non-East Asian sources to Hong Kong during dust storm related events 1996–2007. Atmospheric Environment, 44(30): 3728-3738. doi: https://doi.org/10.1016/j.atmosenv.2010.03.034.
17. Lyu, Y., Qu, Z., Liu, L., Guo, L., Yang, Y., Hu, X., Liu, Q. 2017. Characterization of dustfall in rural and urban sites during three dust storms in northern China, Aeolian Research, 28: 29-37. doi: https://doi.org/10.1016/j.aeolia.2017.06.004.
18. Mahowald, N.M., Kloster, S., Engelstaedter, S., Moore, J.K., Mukhopadhyay, S., McConnell, J.R., Albani, S., Doney, S.C., Bhattacharya, A., Curran, M.A.J., Flanner, M.G., Hoffman, F.M., Lawrence, D.M., Lindsay, K., Mayewski, P.A., Neff, J., Rothenberg, D., Thomas, E., Thornton, P.E., Zender, C.S. 2010. Observed 20th century desert dust variability: impact on climate and biogeochemistry. Atmospheric Chemistry Physics, 10(22): 10875-10893. doi: https://doi.org/10.5194/acp-10-10875-2010.
19. Mehrvarz Moghanlo, K., Feiznia, S., Ghayomian, J., Ahmadi, H. 2019. Investigation of Quaternary deposits suitable for floodwater spreading using remote sensing techniques and GIS (Case study: Tassuj plain). Iranian journal of Range and Desert Research, 12(4): 438-467. (In Persian).
20. Mirakbari M, Ebrahimi Khusfi Z. 2020. Investigation of spatial and temporal changes in atmospheric aerosol using aerosol optical depth in Southeastern Iran. RS & GIS for Natural Resources, 11(3): 87-105. (In Persian).
21. Naserzadeh, M.H., Fatahi, H. 2016. The recognition of synoptic and local scale factors influencing the occurrence of the dust phenomenon in Ilam. The Regional Planning Journal 9(21): 57-74. (In Persian).
22. Omidvar, K., Dehghan, M., Khosravi, Y. 2022. Assessment of relationship between aerosol optical depth (AOD) index, wind speed, and visibility in dust storms using genetic algorithm in central Iran (case study: Yazd Province). Air Qual Atmos Health, 112: 1-10. doi: https://doi.org/10.1007/s11869-022-01214-y.
23. Oommen, T., Misra, D., Twarakavi, N.K.C., Prakash, A., Sahoo, B., Bandopadhyay, S. 2008. An objective analysis of support vector machine based classification for remote sensing. Mathematical Geosciences, 40: 409–424. doi: https://doi.org/10.1007/s11004-008-9156-6.
24. Papi, R., Kakroodi, A.A., Soleimani, M., Karimi, L., Amin, F., Alavipanah, S.K. 2022. Identifying sand and dust storm sources using spatial-temporal analysis of remote sensing data in Central Iran. Ecological informatics, 70: 1-15. doi: https://doi.org/10.1016/j.ecoinf.2022.101724.
25. Prasad, A.K., Singh, R.P. Singh, A. 2004. Variability of aerosol optical depth over Indian subcontinent using MODIS data. Journal of the Indian Society of Remote Sensing, 32(4): 313-316. doi: https://doi.org/10.1007/BF03030855.
26. Rajaee T, Rohani N, Jabbari E, Mojaradi B. 2020. Tracing and assessment of simultaneous dust storms in the cities of Ahvaz and Kermanshah in western Iran based on the new approach. Arabian Journal of Geosciences, 13(12):1-20. doi:https://doi.org/10.1007/s12517-020-05443-2
27. Raufi Fard, K. 2016. Analysis of dust phenomenon in Qom province. In: Proceeding of First International Conference on Dust. Ahvaz, Iran. pp. 660-665. (In Persian).
28. Rezaei, M., Farajzadeh, M., Mielonen, T., Ghavidel, Y. 2019. Analysis of spatio-temporal dust aerosol frequency over Iran based on satellite data. Atmospheric Pollution Research, 10(2): 508-5019. doi: https://doi.org/10.1016/j.apr.2018.10.002.
29. Shao, Y, Dong, C.H. 2006. A review on East Asian dust storm climate, modelling and monitoring. Global and Planetary Change, 52(1): 1-22. doi: https://doi.org/10.1016/j.gloplacha.2006.02.011.
30. Wang, Y., Wang, R., Ming, J., Liu, G., Chen, T., Liu, X., Cheng, G. 2016. Effects of dust storm events on weekly clinic visits related to pulmonary tuberculosis disease in Minqin, China. Atmospheric Environment, 127: 205-212. doi: https://doi.org/10.1016/j.atmosenv.2015.12.041.
Detection and tracking of dust phenomena and determination of its origin using AOD index obtained from MODIS sensor data in Qom province
Abstract
Background and purpose: Optical depth index is one of the most widely used indicators for evaluationing air pollution in different regions, especially arid and desert areas. Arid and semi-arid regions are the main sources of dust particles suspended in the atmosphere. Due to its location in the arid and semi-arid region, Iran is faced with numerous dust storms throughout the year, which have caused irreparable environmental and socio-economic damage to various parts of the country. The aim of this study was to identify and trace dust centers, identify domestic dust generating centers in central regions of Iran and case by case in Qom province using data based on remote sensing and GIS, zoning intensity and classification of centers and prioritization of regions. In terms of the amount of dust and the preparation of the zoning map of the event of the dust phenomenon was performed.
Materials and Methods: In order to investigate the occurrence of dust phenomenon in Qom province, meteorological data for the desired years were prepared from meteorological synoptic stations. MODIS sensor images were used to highlight the dust phenomenon. Optical depth of light (AOD) products of MODIS sensor was used to investigate and track the concentration and intensity of dust. After identifying the dust sources using distance sensing techniques, in order to identify areas prone to dust production, a land use map was prepared. Sentinel 2 satellite data were used to investigate spatial and temporal changes in land cover. To introduce the classification models, educational samples in the desired classes were introduced to the software according to the appropriate spatial distribution, band composition, and spectral behavior and also field monitoring. The supervised maximum probability classification (MLC) method was used to classify and determine land use. Finally, by constructing false band compositions 543 and examining the spectral diagram of the phenomena, five types of land use for the study area include: barren lands with low vegetation, mountainous and rocky outcrops, salt lakes and saline lands, residential and man-made areas and agricultural lands was considered. Then about 20%, ie 500 samples were randomly isolated from the collected samples and were evaluated as ground reality samples to evaluate the accuracy of classification methods. After applying the supervised classification, the accuracy of the obtained results was evaluated. Descriptive statistical methods were used to analyze the data related to the number of dust events on an annual, monthly and hourly basis in the region.
Results: Based on the results obtained from the classification, the surface coating of Qom province was divided into four main classes. Barren lands with low vegetation, salt lakes and saline lands formed the largest land cover, which covered almost 90% of the area. By specifying the type of land use and land cover of the province, their changes in different time scales during 2015 and 2018 showed that bare lands with low vegetation decreased by -1.76% and on the other hand built saline and urban and human lands and Lands with average vegetation increased by 0.45%, 0.29% and 1.02%, respectively. Annual survey of dust events with a visibility of 1000 meters and less in the central part of Qom province (2015-2018) showed that the trend of this phenomenon was different in different years and 2015 had the highest number of dust and more than 177 dust events in this period Taken (Figure 3). The highest incidence of dust in the central part of Qom province in December, January and November were 58, 52 and 41, respectively. Also, the study of the hourly frequency of dust occurrence with a horizontal visibility of 1000 meters and less showed that the highest incidence was at 3, 6 and 21 hours, respectively. The study of spatial and annual changes in light depth (2015-2018) showed that the trend of maximum light depths is increasing and includes more levels. The maximum amount of light depth was about 2.30 and 2.24 in 2018 and 2015, respectively, which was mostly in the eastern and northern parts of the central part of Qom province. These areas include Salt Lake and Sultan Basin and the surrounding barren lands.
Discussion and Conclusion: The results of the study during the period (2015-2018) in the study area, the trend of increasing barren and saline lands, the spatial expansion of the salt lake and the Sultan Basin showed. Using MODIS sensor data, dust phenomena can be identified and tracked and its main source can be properly observed. In general, the dust phenomenon of Qom province is of foreign origin from areas such as the desert of Saudi Arabia, Kuwait, Iraq and Syria, the central and eastern parts of Iran, the deserts of Turkmenistan and sometimes the desert of Africa. Also, the internal source of dust is the existence of different centers in Qom province, which are mostly located in the eastern and northeastern parts of the province. Therefore, the dust phenomenon is very active and vulnerable. Due to the increasing trend of desertification and climatic characteristics such as increasing temperature and decreasing rainfall and consequently the occurrence of drought and improper land use, has increased the centers of dust harvest along with the frequency and amount of it and it It has become an uncontrollable environmental challenge. Increased dust threatens the health of residents around these areas. Increasing the dust phenomenon, in addition to destroying basic resources, have adverse effects on public health. Also, its social and economic consequences intensify the migration process from dust-exposed areas, reduce income and reduce the prosperity of the tourism industry.
Keywords: Dust, optical depth, remote sensing, Qom.
