بررسی رابطه شاخص‌های غبارناکی با عمق اپتیکی ریزگردها در محدوده تالاب هورالعظیم

نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناس‌ارشد، گروه طبیعت، دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان، اردکان، ایران

2 دانشیار گروه طبیعت، دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان، اردکان، ایران

3 استادیار گروه طبیعت، دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان، اردکان، ایران

4 دانشیار بیابان‌زدایی، گروه علوم و مهندسی محیط زیست، دانشکده منابع طبیعی، دانشگاه جیرفت، جیرفت، ایران

10.29252/aridbiom.2023.19686.1923

چکیده

پدیده گردوغبار در سال‌­های اخیر یکی از مهم‌­ترین چالش‌­های محیط زیستی بوده که فعالیت­‌های مخرب انسانی باعث تشدید این پدیده شده است. با توجه به این که امروزه تالاب‌­ها در تعادل آب و هوا و هم­چنین جلوگیری از ورود ریزگردها نقش اساسی دارند، پژوهش حاضر با هدف تحلیل رابطة عمق اپتیکی ذرات آئروسل‌­ها (AOD) با شاخص­‌های زمینی غبارناکی در محدوده تالاب هورالعظیم انجام شد. بدین منظور، محصول روزانه AOD، باندهای سنجنده مودیس و داده‌­های ساعتی رخدادهای گردوغبار مربوط به 3 ایستگاه هواشناسی اهواز، صفی‌­آباد و مسجد سلیمان در بازه زمانی 18 ساله (2000-2018) از منابع تأمین آنها، اخذ گردید. از داده‌های ساعتی ثبت شده در ایستگاه‌های سینوپتیک برای محاسبه شاخص طوفان گردوغبار  (DSI) و  از باندهای سنجنده مودیس برای استخراج شاخص‌های BTD، BTDI، TIIDI، TDI، Miller و NDDI استفاده شد. از روش رگرسیون خطی و غیرخطی برای تحلیل ارتباط شاخص‌های مذکور با AOD بهره گرفته شد. نتایج حاصل از تحلیل ارتباط بین DSI-AOD عملکرد بسیار ضعیف این شاخص را در تحلیل رخدادهای گردوغبار در هر سه ایستگاه مطالعاتی نشان داد (R2<0.2). در ایستگاه‌های اهواز، صفی‌آباد و مسجد سلیمان حداکثر مقدار R2  به ترتیب بین AOD-BTDI (48/0)، AOD-Miller (503/0) و AOD-BTD (50/0) مشاهده شد. این نتایج بیانگر آن است که  به طور متوسط حدود 50% از تغییرات عمق اپتیکی آئروسل‌ها با استفاده از سه شاخص BTDI، Miller و BTD قابل تبیین است. بنابراین استفاده از این شاخص‌ها به منظور تحلیل رخدادهای گردوغبار در اطراف تالاب هورالعظیم، دارای کارایی زیادی نیست.

کلیدواژه‌ها


[1]. Afrasyabi, S., Tazeh, M., Taghizadeh Mehrjardi, R., Ghanei bafghi, M. J., & Kalantari, S. (2022). Performance of two measurement methods of pin meter and laser disto meter in the measurement of microtopography Created by desert pavement. Desert Ecosystem Engineering8(22), 1-14. doi: 10.22052/deej.2018.7.22.45. [in Farsi]
[2]. Almasi, A., Mousavi, A. R., Bakhshi, S., & Namdari, F. (2014). Dust storms and environmental health impacts. Journal of Middle East Applied Science and Technology, 8(1), 353-6.
[3]. Aloysius, M., Mohan, M., Suresh Babu, S., Parameswaran, K., & Moorthy, K. K. (2009). Validation of MODIS derived aerosol optical depth and an investigation on aerosol transport over the South East Arabian Sea during ARMEX-II. Annales Geophysicae, 27, 2285-2296.
[4]. Azad, M., Kalantari, S., Shirmardi, M., & Tazeh, M. (2022). Investigating the Effect of Land Use and Soil’s Physio-chemical properties on Wind Erosion Threshold Velocities via Data Mining. Desert Ecosystem Engineering9(29), 1-14. doi: 10.22052/deej.2020.9.29.1. [in Farsi]
[5]. Demizadeh, M., Mahdavi, R., Nowrozi, A.A., HaliSaz, A., & Gholami, H. (2020). Detection and analysis of dust in Hormozgan province. Watershed Engineering and Management, 13(1), 111-124. [in Farsi]
[6]. Ebrahimi Khosfi, Z., vali, A. A., Khosrow Shahi, M., & Qazdavi, R.  (2016). Investigating the role of the dried up surfaces of the Govkhoni wetland on the generation of dusts using Landsat and landsat images (case study: Isfahan city). Iran's Pasture and Desert Research, 24(1), 152-164. [in Farsi]
[7]. Fathizad, H., Tazeh, M., Kalantari, S., & Shojaei, S. (2017). The investigation of spatiotemporal variations of land surface temperature based on land use changes using NDVI in southwest of Iran. Journal of African Earth Sciences, 134, 249-256.
[8]. Filonchyk, M., Yan, H., & Zhang, Z. (2018). Analysis of spatial and temporal variability of aerosol optical depth over China using MODIS combined Dark Target and Deep Blue product. Theoretical and Applied Climatology, 137(1), 2271-2288.
[9]. Givehchi, R., Arhami, M., & Tajrishy, M. (2013). Contribution of the Middle Eastern dust source areas to PM10 levels in urban receptors: Case study of Tehran, Iran. Atmospheric environment75, 287-295.
[10]. Hao, X., & Qu, J. J. (2007). Saharan dust storm detection using moderate resolution imaging Spector radiometer thermal infrared bands. Journal of Applied Remote Sensing, 1, 013510.
[11]. Liu, Y., & R. Liu. (2011). A thermal index from MODIS data for dust detection. International Geoscience and Remote Sensing Symposium, Vancouver, BC, Canada.
[12]. Jebali, A., Zare, M., Ekhtesasi, M. R., & Jafari, R. (2018). Performance evaluation of dust storm detection algorithms in arid areas (case study of Yazd province). Journal of Desert Ecosystem Engineering, 8(23), 105-85. [in Farsi]
[13]. Kargaran, F., Kalantari, S., Ghaneei, M.J., & Tazeh, M. (2017). The Compare of grading criteria in Coarse ripple Mark on the windward and leeward slopes (Case Study: Hassan Abad erg in Bafg). Quantitative geomorphological research, 4(1), 134-144. [in Farsi]
[14]. Khairandish, Z., Jamali, J. B., & Raigani, B. (2017). Identifying the best dust detection algorithm using MODIS data. Journal of Natural Environment Hazards, 7(15), 205-218. [in Farsi]
[15]. Mobasheri, M., Ghorbani-Salkhurd, R., & Rahim-Zadegan, M. (2019). Ability of MODIS sensor data in qualitative and quantitative analysis of air quality in urban areas. Climatology Research Journal, 1(34), 59-72. [in Farsi]
[16]. Taghizadeh, R., Ghazali, A., Kalantari, S., & Rahimian, M. (2016). Spatial distribution of soil salinity using auxiliary variables and hypercube sampling method in Meybod. Journal of Arid Biome6(1), 69-79. [in Farsi]
[17]. Zarei, M., Tazeh, M., Moosavi, V., & Kalantari, S. (2021). Evaluating the changes in Gavkhuni Wetland using MODIS satellite images in 2000-2016.  Nature and Spatial Sciences, 1, 27-41. [in Farsi]
[18]. Samadi, M. (2011). Detection and origin of dust storms using satellite images.  Department of Cartography, Master's thesis, University of Tehran.  [in Farsi]
[19]. Small, I., Van der Meer, J., & Upshur, R.E.G. (2001). Acting on an environmental health disaster: the case of the Aral Sea. Environmental Health Perspectives, 109, 547-549.
[20]. Soleimani, A., Askari, H. M., Dadalhi Sohrab, A., Elmizadeh, H., & Khazaei, S.H. (2014). Evaluation of optical depth obtained from MODIS satellite images in the Persian Gulf. Journal of Marine Science and Technology, 14(4), 75-83. [in Farsi]
[21]. Zehtabian, G.R., Ahmadi, H., Samani Nazari, A. A., Ehsani, A. H., & Tazeh, M. (2017). Determinig the most important geomorphometric parameters in classification of desert plans using artificial networks and sensitivity analysis. Range and Watershed Management, 70(1), 197-206. [in Farsi]
[22]. Zeinali, B., & Asghari, S. (2017). Evaluation of some dust identification indicators and its monitoring (case study: August 10, 2008 storm in eastern Iran). Geography and Planning Scientific-Research Journal, 22(65), 1-18. [in Farsi]
[23]. Zoljoodi, M., Didevarsal, A., & Ranjbar Saadatabadi, A. (2013). Dust events in the western parts of Iran and the relationship with drought expansion over the dust-source areas in Iraq and Syria. Atmospheric and Climate Sciences, 3, 321–336.