شناسایی مسیرها و منابع رخدادهای گردوغبار در استان یزد با استفاده از مدل HYSPLIT و داده‌های سنجش از دور

نوع مقاله : مقاله پژوهشی

نویسنده

دکترای آب و هواشناسی، رییس گروه توسعه هواشناسی کاربردی اداره کل هواشناسی استان یزد، یزد، ایران

10.29252/aridbiom.2024.20805.1969

چکیده

یکی از پدیده­‌های مخرب جوی که مناطق دارای اقلیم خشک تا فراخشک مانند استان یزد را به‌شدت تحت تأثیر خود قرار می‌دهد، طوفان گردوغبار است. این مخاطره جوی، زیان­‌های زیادی را به‌دنبال دارد که از جمله آنها می‌توان به مشکلات محیط زیستی، اجتماعی-اقتصادی، سلامت انسان، اقلیم و ریزاقلیم اشاره کرد. پایش مکانی و زمانی دقیق گردوغبار می­تواند به شناسایی مسیر و کانون این پدیده کمک کرده و نقشی حیاتی در مدیریت و کاهش خسارات احتمالی طوفان ایفا کند. در پژوهش حاضر، سه نمونه از طوفان­‌های گردوغبار رخ داده در سال 2022 میلادی در استان یزد مورد واکاوی قرار گرفت. زمانی که دید افقی کمتر از 5/3 کیلومتر و یکی از کدهای 06 تا 09و یا 30 تا 35 گزارش شده باشد، یک طوفان گردوغبار مؤثر در نظر گرفته می‌­شود. برای شناسایی مسیرهای انتقال توده گردوغبار به استان یزد، از مدل لاگرانژی HYSPLIT استفاده شد. نتایج حاصل از این مدل نشان داد که توده‌­های گردوغبار برای رسیدن به استان یزد سه مسیر اصلی جنوب‌غربی، غربی-شمال‌غربی و شمال‌شرقی را طی می­کنند. برای بررسی توزیع مکانی گردوغبار و نیز شناسایی دقیق‌­تر منابع گردوغبار از داده‌های عمق نوری هواویزها مبتنی بر سنجش از دور، فرآورده­ MOD04/ MYD04_L2 و همچنین فرآورده MOD08_D3 استفاده شد. تصاویر به‌دست آمده از سنجنده مودیس، کانون­‌های گردوغبار خارجی را بیابان­‌‌های بزرگ عراق، سوریه، شبه جزیره عربستان و صحرای ترکمنستان و منشاء داخلی گردوغبار انتقالی را مناطق بیابانی واقع در استان­‌های سمنان و اصفهان در شمال شرق استان یزد معرفی می‌­نمایند. ضمن این­ که تالاب گاوخونی در شمال‌غرب منطقه مورد مطالعه به‌عنوان تشدیدکننده گردوغبار انتقالی از مرزهای غربی کشور عمل می­‌کند. همچنین نتایج به‌دست آمده از داده‌های ماهواره­ای و مدل HYSPLIT با یگدیگر همخوانی دارند.

کلیدواژه‌ها

موضوعات


[1]. Alam, K., Trautmann, T., Blaschke, T., & Subhan, F. (2014). Changes in aerosol optical properties due to dust storms in the Middle East and Southwest Asia. Remote sensing of environment143, 216-227. doi: 10.1016/j.rse.2013.12.021
[2]. Alhebsi, K. (2020). Spatio-temporal Variability of Aerosol Optical Depth in the UAE Using MODIS Data [Doctoral dissertation, George Mason University].
[3]. Ansari, A., & Jamshidi, R. (2018). Identification of sources and tracking dust storm routes entering from domestic sources to Arak metropolitan using HYSPLIT model. Environmental Sciences, 16(1), 101-110. [in Farsi]
[4]. Ashrafi, K., Shafiepour-Motlagh, M., Aslemand, A., & Ghader, S. (2014). Dust storm simulation over Iran using HYSPLIT. Journal of environmental health science and engineering12, 1-9. doi: 10.1186/2052-336X-12-9
[5]. Attiya, A. A., & Jones, B. G. (2022). An extensive dust storm impact on air quality on 22 November 2018 in Sydney, Australia, using satellite remote sensing and ground data. Environmental Monitoring and Assessment, 194(6), 432. doi: 10.1007/s10661-022-10080-1
[6]. Awadh, S. M. (2023). Impact of North African sand and dust storms on the Middle East using Iraq as an example: Causes, sources, and mitigation. Atmosphere14(1), 180. doi: 10.3390/atmos14010180
[7]. Crosbie, E., Sorooshian, A., Monfared, N. A., Shingler, T., & Esmaili, O. (2014). A multi-year aerosol characterization for the greater Tehran area using satellite, surface, and modeling data. Atmosphere, 5(2), 178-197. doi: 10.3390/atmos5020178
[8]. de Graaf, M. (2006). Remote Sensing of UV-absorbing aerosols using space-borne spectrometers [Doctoral dissertation, Vrije Universiteit Amsterdam, Amsterdam].
[9]. Deng, X., Shi, C., Wu, B., Chen, Z., Nie, S., He, D., & Zhang, H. (2012). Analysis of aerosol characteristics and their relationships with meteorological parameters over Anhui province in China. Atmospheric research, 109, 52-63. doi: 10.1016/j.atmosres.2012.02.011
[10]. Draxler, R. R., & Hess, G. D. (1998). An overview of the HYSPLIT_4 modelling system for trajectories. Australian meteorological magazine47(4), 295-308.
[11]. Francis, D., Fonseca, R., Nelli, N., Bozkurt, D., Cuesta, J., & Bosc, E. (2023). On the Middle East's severe dust storms in spring 2022: Triggers and impacts. Atmospheric Environment, 296, 119539. doi: 10.1016/j.atmosenv.2022.119539
[12]. Furman, H. K. H. (2003). Dust storms in the Middle East: sources of origin and their temporal characteristics. Indoor and Built Environment12(6), 419-426. doi: 10.1177/1420326X03037110
[13]. Goel, A., & Bhatt, R. (2012). Causes and consequences of Global Warming. International Journal of Life Sciences Biotechnology and Pharma Research1(1), 27-31.
[14]. Huang, J., Yu, H., Guan, X., Wang, G., & Guo, R. (2016). Accelerated dryland expansion under climate change. Nature climate change, 6(2), 166-171. https://doi.org/10.1038/nclimate2837
[15]. Iraji, F., Memarian, M. H., Joghataei, M., & Malamiri, H. R. G. (2021). Determining the source of dust storms with use of coupling WRF and HYSPLIT models: A case study of Yazd province in central desert of Iran. Dynamics of Atmospheres and Oceans93, 101197. doi: 10.1016/j.dynatmoce.2020.101197
[16]. Jafari, M., Zehtabian, G., Ahmadi, H., Mesbahzadeh, T., & Norouzi, A. A. (2019). Detection of dust storm paths using numerical models and satellite images (case study: Isfahan province). Iranian Journal of Range and Desert Research26(1). doi: 10.22092/ijrdr.2019.119324 [in Farsi]
[17]. Jafari, R., & Malekian, M. (2015). Comparison and evaluation of dust detection algorithms using MODIS Aqua/Terra Level 1B data and MODIS/OMI dust products in the Middle East. International Journal of Remote Sensing, 36(2), 597-617. doi: 10.1080/01431161.2014.999880
[18]. Jebali, A., Zare, M., Ekhtesasi, M. R., & jafari, R. (2020). Investigating of Change Extent of Horizontal Visibility in Regions Affected by Dust events in Yazd Province. Desert Management, 8(15), 21-36. doi: 10.22034/JDMAL.2020.44927 [in Farsi]
[19]. Jebali, A., Zare, M., Ekhtesasi, M. R., & Jafari, R. (2022). Performance Evaluation of Detector Algorithms of Dust Storms in Arid Lands (Case Study: Yazd Province). Desert Ecosystem Engineering, 8(23), 85-105. doi: 10.22052/deej.2018.7.23.59  [in Farsi]
[20]. Jooybari, S. A., Peyrowan, H., Rezaee, P., & Gholami, H. (2022). Evaluation of pollution indices, health hazards and source identification of heavy metal in dust particles and storm trajectory simulation using HYSPLIT model (Case study: Hendijan center dust, southwest of Iran). Environmental Monitoring and Assessment, 194(2), 107. doi: 10.1007/s10661-022-09760-9
[21]. Khoshsima, M., Bidokhti, A. A., & Ahmadi-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. doi: 10.22059/jesphys.2013.31953 [in Farsi]
[22]. Knippertz, P., & Todd, M. C. (2012). Mineral dust aerosols over the Sahara: Meteorological controls on emission and transport and implications for modeling. Reviews of Geophysics, 50 , RG1007. doi: 10.1029/2011RG000362
[23]. Levy, R. C., Remer, L. A., Mattoo, S., Vermote, E. F., & Kaufman, Y. J. (2007). Second‐generation operational algorithm: Retrieval of aerosol properties over land from inversion of Moderate Resolution Imaging Spectroradiometer spectral reflectance. Journal of Geophysical Research: Atmospheres, 112(D13), 1-21. doi: 10.1029/2006JD007815
[24]. Liang, J., Zhang, L., Wang, Y., Cao, X., Zhang, Q., Wang, H., & Zhang, B. (2014). Turbulence regimes and the validity of similarity theory in the stable boundary layer over complex terrain of the Loess Plateau, China. Journal of Geophysical Research: Atmospheres119(10), 6009-6021. doi:  10.1002/2014JD021510
[25]. Liu, M., Westphal, D. L., Walker, A. L., Holt, T. R., Richardson, K. A., & Miller, S. D. (2007). COAMPS real-time dust storm forecasting during Operation Iraqi Freedom. Weather and forecasting22(1), 192-206. doi: 10.1175/WAF971.1
[26]. Middleton, N. (2019). Variability and trends in dust storm frequency on decadal timescales: Climatic drivers and human impacts. Geosciences, 9(6), 261. doi: 10.3390/geosciences9060261
[27]. Middleton, N., Kashani, S. S., Attarchi, S., Rahnama, M., & Mosalman, S. T. (2021). Synoptic causes and socio-economic consequences of a severe dust storm in the Middle East. Atmosphere, 12(11), 1435. doi: 10.3390/atmos12111435
[28]. Mohammadpour Penchah, M., Memarian, M. H., & Mirrokni, S. M. (2015). Modeling and Analysis of Dust Storms of Yazd Province Using Numerical Models. Journal of Geography and Environmental Hazards, 3(4), 67-83. doi: 10.22067/geo.v3i4.34323  [in Farsi]
[29]. Namdari, S., Karimi, N., Sorooshian, A., Mohammadi, G., & Sehatkashani, S. (2018). Impacts of climate and synoptic fluctuations on dust storm activity over the Middle East. Atmospheric environment173, 265-276. doi: 10.1016/j.atmosenv.2017.11.016
[30]. Namdari, S., Valizade, K. K., Rasuly, A. A., & Sari Sarraf, B. (2016). Spatio-temporal analysis of MODIS AOD over western part of Iran. Arabian Journal of Geosciences, 9(3), 1-11. doi: 10.1007/s12517-015-2029-7
[31]. Nowjavan, M. R., & Hashemi, M. (2013). Geomorphological Disparity of Kavir Landscaps (Case stady: Yazd Province). Geography and Environmental Planning, 24(2), 141-152. [in Farsi]
[32]. 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 Quality, Atmosphere & Health, 15(10), 1745-1753. doi: 10.1007/s11869-022-01214-y
[33]. Papi, R., Kakroodi, A. A., Soleimani, M., Karami, L., Amiri, 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, 101724. doi: 10.1016/j.ecoinf.2022.101724
[34]. Qor‐el‐aine, A., Beres, A., & Geczi, G. (2022). Dust storm simulation over the Sahara Desert (Moroccan and Mauritanian regions) using HYSPLIT. Atmospheric Science Letters, 23(4), e1076. doi: 10.1002/asl.1076
[35]. Rolph, G., Stein, A., & Stunder, B. (2017). Real-time environmental applications and display system: READY. Environmental Modelling & Software, 95, 210-228. doi: 10.1016/j.envsoft.2017.06.025
[36]. Shirgholami, M., & Masoodian, S. A. (2022). Assessment of spatial and temporal variations of land surface temperature (LST) due to elevation changes in Yazd Province, Iran. Arabian Journal of Geosciences, 15(16), 1372. doi: 10.1007/s12517-022-09943-1
[37]. Solomos, S., Ansmann, A., Mamouri, R. E., Binietoglou, I., Patlakas, P., Marinou, E., & Amiridis, V. (2017). Remote sensing and modelling analysis of the extreme dust storm hitting the Middle East and eastern Mediterranean in September 2015. Atmospheric Chemistry and Physics17(6), 4063-4079. doi: 10.5194/acp-17-4063-2017, 2017.
[38]. Stein, A. F., Draxler, R. R., Rolph, G. D., Stunder, B. J., Cohen, M. D., & Ngan, F. (2015). NOAA’s HYSPLIT atmospheric transport and dispersion modeling system. Bulletin of the American Meteorological Society96(12), 2059-2077. doi: 10.1175/BAMS-D-14-00110.1
[39]. Tian, X., Tang, C., Wu, X., Yang, J., Zhao, F., & Liu, D. (2023). The global spatial-temporal distribution and EOF analysis of AOD based on MODIS data during 2003–2021. Atmospheric Environment, 302, 119722. doi: 10.1016/j.atmosenv.2023.119722
[40]. Vancutsem, C., Ceccato, P., Dinku, T., & Connor, S. J. (2010). Evaluation of MODIS land surface temperature data to estimate air temperature in different ecosystems over Africa. Remote Sensing of Environment, 114(2), 449-465. doi: 10.1016/j.rse.2009.10.002
[41]. Wan, Z., Wang, P., & Li, X. (2004). Using MODIS land surface temperature and normalized difference vegetation index products for monitoring drought in the southern Great Plains, USA. International journal of remote sensing, 25(1), 61-72. doi: 10.1080/0143116031000115328
[42]. Wu, Y., Wen, B., Li, S., & Guo, Y. (2021). Sand and dust storms in Asia: a call for global cooperation on climate change. The Lancet Planetary Health5(6), e329-e330. doi: 10.1016/S2542-5196(21)00082-6
[43]. Xiong, X., Sun, J., Wu, A., Chiang, K. F., Esposito, J., & Barnes, W. (2005, October). Terra and Aqua MODIS calibration algorithms and uncertainty analysis. In Sensors, Systems, and Next-Generation Satellites IX, Proceedings of the SPIE, 5978, 255-264. doi: 10.1117/12.627631