بررسی تغییرات زمانی- مکانی مخاطره گردوغبار در استان کردستان

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار اقلیم‌‌شناسی، دانشگاه سیدجمال‌الدین اسدآبادی، اسدآباد، ایران.

2 دانشجوی دکتری آب و هواشناسی، دانشگاه اصفهان، اصفهان، ایران.

3 کارشناس ارشد مهندسی شهرسازی، دانشگاه گیلان، رشت، ایران.

10.22034/eiap.2024.191709

چکیده

امروزه، یکی از پدیده‌‌های مخاطره‌‌آمیز در اغلب کشورهای دنیا پدیده گردوغبار است که کشور گرم‌‌وخشکی مانند ایران و حتی استان‌‌های‌‌غربی آن همچون کردستان، شاهد این پدیده است. بدین‌منظور جهت بررسی این مخاطره در استان کردستان، از داده‌‌های گردوغبار 10 ایستگاه سینوپتیک در بازه زمانی 20 ساله (1380 تا 1400 شمسی) استفاده شد. با تکنیک تحلیل‌‌عاملی، ماه‌‌هایی که دارای بیشترین تعداد روز‌‌های گردوغبار بودند، شناسایی شد. سپس شاخص ‌‌عمق ‌‌اپتیکی گردوغبار (AOD) حاصل از سنجنده ‌‌‌‌مادیس (MODIS) و ماهواره‌‌‌‌ ترآ (Terra) با استفاده از سامانه پردازش تصاویر ماهواره‌‌ای گوگل‌‌ارث ‌‌انجین (Google‎ Earth‎ Engine‎) مورد بررسی قرار گرفت. در نهایت، پس از اعتبارسنجی این شاخص با روزهای همراه با گردوغبار، روند این شاخص با آزمون من-کندال محاسبه شد و نقشه‌‌های پراکنش زمانی- مکانی گردوغبار ترسیم شد. نتایج حاصل از خودهمبستگی فضایی موران نشان داد که گردوغبار استان کردستان، میل به تمرکز و خوشه‌‌ای ‌‌شدن در فضا دارد. همچنین نتایج حاکی از این است که پراکنش روزهای گردوغبار در این استان، متاثر از هفت مولفه اصلی است که عامل اول و دوم به ترتیب؛ 68 و 45/13 درصد از پراش تعداد روز‌‌های گردوغبار استان را تبیین می‌‌کنند. همچنین ماه‌‌های فروردین تا شهریور بیشترین تراکم گردوغبار را به خود اختصاص داده‌‌اند. در نیمه‌‌شرقی این استان ایستگاه‌‌های سقز، دیواندره، بیجار، قروه، دهگلان دارای روند مثبت و افزایشی و در نیمه‌‌غربی آن ایستگاه‌‌های مریوان، بانه، کامیاران، سروآباد و به ویژه سنندج، روند کاهشی و منفی دارند. همچنین نتایج نشان داد که در سال‌‌های اخیر، گستره بیشتری از استان با روند افزایشی در غلظت هواویز‌‌ها به‌ویژه گردوغبارها روبه‌رو شده است. فصل تابستان و ماه‌‌های تیر و مرداد، دارای بیشترین تراکم و غلظت گردوغبار در این استان است و پس از آن، فصل بهار در رتبه دوم قرار دارد. افزایش میزان گردوغبار در این دو فصل می‌‌تواند به دلیل استقرار پرفشار جنب‌‌حاره‌‌ای آزور و خشکی هوا به علت کمی رطوبت سطحی در ایران و کشورهای همجوار باشد. بنابراین نتایج پژوهش حاضر می‌‌تواند به برنامه‌‌ریزان شهری و متولیان سلامت جامعه جهت فرهنگ‌‌سازی و ارتقاء آموزش شهروندان در مقابله با پدیده گردوغبار، بهبود شرایط محیط‌‌زیست، شناسایی مناسب‌‌ترین زمان سفر و آغاز فعالیت‌‌های ‌‌گردشگری در استان‌‌کردستان کمک شایانی نماید.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Analysis of Spatio-Temporal Changes of Dust Hazard in Kurdistan Province

نویسندگان [English]

  • Sayyed Mohammad Hosseini 1
  • Farahnaz Khoramabadi 2
  • mostafa tahani yazdly 3
1 Assistant Professor of Climatology, Sayyed Jamaleddin Asadabadi University, Asadabad, Iran.
2 PhD of Climatology, University of Isfahan, Isfahan, Iran.
3 MA of urban engineering, University of Guilan, Rasht, Iran.
چکیده [English]

Today, dust phenomenon is one of the dangerous phenomena in most countries of the world that, hot and dry country like Iran and even its western provinces in Kurdistan are witness to this phenomenon. For this purpose, dust data from ten synoptic stations used in a period of 20 years (2001 to 2021 AD) to investigate the risk of dust in this province. Using the factor analysis method, the months with the highest number of dusty days identified. Then, the Aerosol Optical Depth (AOD) obtained from the MODIS sensor and Terra satellite analyzed using the Google Earth Engine satellite image processing system. Finally, after validating the index with days with dust, the trend of this index investigated by the Mann-Kendall test method, and maps of temporal and spatial distribution of dust were drawn. The results indicate that the distribution of dusty days in this province affected by eight main factors, the first and second factors are explained respectively; 68 and 13.45 percent of the variance of the number of dusty days in the province. In addition, the months of April to September have the highest dust concentration that in the eastern half of this province; Saqez, Diwandara, Bijar, Qorveh, Dehgolan stations have a positive and increasing trend, and in the western half of the province, Marivan, Bane, Kamiyaran, Sarovabad and especially Sanandaj stations have a decreasing and negative dust trend. In addition, the results showed that, in recent years, larger area of the province has faced an increasing trend in the concentration of aerosols and especially dust. Moreover, the summer season has the highest density and concentration of aerosol conditioners, especially in the months of July and August in this province, and after that, the spring season ranks second. The increase for dust in these two seasons can be due to the establishment of Azores high pressure and the dryness of the air due to low surface humidity in Iran and neighboring countries. Therefore, the results of this research can help urban planners and community health custodians to build culture and improve the education of citizens in dealing with the dust phenomenon, improving environmental conditions, identifying the most suitable travel time and starting tourism activities in Kurdistan province. 

کلیدواژه‌ها [English]

  • Factor Analysis
  • MODIS Sensor
  • Terra Satellite
  • Aerosol Optical Depth Index (AOD)
  • Dust
  • Kurdistan Province

مراجع

Alam, K., Qureshi, S., & Blaschke, T. 2011. Monitoring spatio-temporal aerosol patterns over Pakistan based on MODIS, TOMS and MISR satellite data and a HYSPLIT model. Atmospheric Environment, 27: 4641-4651.
Alijani, B. 2000. Synoptic climatology. First edition, Payam Noor University Press, Tehran.
Asadilotfi, R., Alsheikh, A.A., & Behzadi, S. 2018. An overview of dust phenomenon prediction models and data collection techniques. Geospatial Engineering Journal, 4: 55-65. (in persian)
Baddock, M.C., Bullard, J.E., & Bryant, R.G. 2009. Dust source identification using MODIS: A comparison of techniques applied to the Lake Eyre Basin, Australia. Remote Sensing of Environment, 113:1511–1528
Clark, W., & Hosking, P. I. 1986. Statistical Methods for geographers. John Wiley.
Deep, A.; Pandey, C.; Nandan, H.; Singh, N.; Yadav, G.; Joshi, P. C.; Purohit, K. D. & Bhatt, S. C. 2021. Aerosols optical depth and Angstrom exponent over different regionsin Garhwal Himalaya, India, Journal of Environ Monitoring Assessment, 193: 324. Doi. Org/10. 1007% 2Fs10661-021-09048-4.
Di, A.; She, L.; Xue, Y.; Yang, X.; Leys, J.; Guang, J.; Mei, L.; Wang, J.; Hu, Y.; He, X.; Che, Y.; & Fan, C. 2016. Dust Aerosol Optical Depth Retrieval and Dust Storm Detection forXinjiang Region Using Indian National Satellite Observations, Journal of Remote Sensing, 8, 702. Doi: 10.3390/rs8090702.
Ensafimoghadam, T. 2020. Investigation of Aerosol Optical Depth Index (AOD) in dust events over Southwestern of Iran. Iranian nature magazine, 6: 55-67. (in persian)
Halos, S. H.; Al-Taai, O.; & Al-Jiboori, M. 2017. Impact of dust events on aerosol optical
properties over Iraq, Arab Journal Geoscience, 10, 263. DOI 10.1007/s12517-017-3020-2.
Kashki, A.R., Hosseini, S.M., & Khoramabadi, F. 2019. Spatio-temporal analysis of cooling degree-day requirement in North East of Iran. Geography and planning, 67: 263-286. (in persian)
Kazemi, M.; Nafarzadegan, A. R.; & Mohammadi, F. 2021. Investigation of the relationship between maximum dust and climatic variables using remote sensing data (Case study: Hormozgan Province), Iranian Journal of Range and Desert Research, 27: 798- 812.
King, M.D., Kaufman, Y.J., Tanre, D., & Nakajima, T. 1999. Remote sensing of tropospheric aerosols from space: past, present and future, Bulletin of the American Meteorological Society, 11:2229–2259
Manourmoghadam, M., Naghipour, N., Rousta, Iman., & Ghafarinmalmiri, H.R. 2021.Temporal and Spatial Monitoring and Forecasting of Suspended Dust Using Google Earth Engine and Remote Sensing Data (Case Study: Qazvin Province), Desert Management, 1: 77-98. (in persian)
McTainsh, G.H., & Strong, C.S. 2007. The role of Aeolian dust in ecosystems. Geomorphology, 89: 39-54.
Mehrshahi, D., & Nekonam, Z. 2009. Statistical investigation of the phenomenon of dust and analysis of the blowing pattern of dust-causing winds Sabzevar city, Geografy, 22: 83-96. (in persian)
Mishchenko, M.I., Geogdzhayev, I.V., Cairns, B., Carlson, B.E., Chowdhary, J., Lacis, A.A., Liu, L., Rossow, W.B., & Travis, L.D. 2007. Past, present, and future of global aerosol climatology derived from satellite observations: a perspective, Journal of Quantitative Spectroscopy and Radiative Transfer, 106: 325–347.
Mobasheri, A.; Kalamegam, G.; Musumeci, G.; & Batt. M. E. 2014. Chondrocyte and mesenchymal stem cell-based therapies for cartilage repair in osteoarthritis and related orthopaedic conditions, Maturitas 78, 188–198. Doi: 10.1016/j.maturitas.2014.04.017.
Moghadam, M., Mohamadi, S.A., & Aghaee, M. 1994. Introduction to multivariate statistical methods, Pishtaz Alam Publications, Tabriz. (in persian)
Namdari, S.; Valizade, K. K.; Rasuly, A. A.; & Sarraf, B. S. 2016. Spatio-temporal analysis of MODIS AOD over western part of Iran, Arabian Journal of Geosciences, 9: 191- 205.
Nateghi, S., Ghohardoust, A., & Soleimanisardoo, F. 2022.Investigating the Effect of Vegetation on the Occurrence of Dust Phenomenon (Case Study: Hormozgan Province). E.E.R. 12 (2):43-60. (in persian)
Panahi, A., & Khoramabadi, F. 2019. Evaluation of accuracy of CSIRO data and LARS-WG model in simulating climatic variables of East Azerbaijan province. Climate Risk Transformation Journal, 15: 142-166. (in persian)
Raispour, K., & Khosravi, M. 2019. Analysis of Long Term Behavior of Aerosol Optical
Depth (AOD) in Sistan Plain Using MERRA-2 Model, International Dust Conference in
Southwest Asia, Zabol. April 2019.
Ramanathan, V., & Crutzen, P. J. 2003. New directions: Atmospheric brown clouds. Atmospheric Environment, 37: 4033-4035.
Rashki, A., Kaskaoutis, D. G., Eriksson, P. G., Rautenbach, C. D. W., Flamant, C., & Vishkaee, F. A. 2014. Spatio-temporal variability of dust aerosols over the Sistan region in Iran based on satellite observations. Natural hazards, 71:563-585.
Rasoli, A.A., Sarisaraf, B., & Mohammadi, G. H. 2010. Analyzing the occurrence of dust climatic phenomenon in the west of the country in the last 55 years using non-parametric statistics methods. Natural Geography Quarterly, 9: 15-25. (in persian)
Raygani, B., & Khirandish, Z. 2018. Utilization of time series of satellite data in order to validate the identified dust storm sources in Alborz province. Journal of Spatial Analysis Environmental Hazards, 4: 1-18. (in persian)
SoleimaniSardoo, F., Karami, S., & Hoseinhamzeh, N. 2021. Determining and analyzing the temporal and spatial trend of dust and its effect on vegetation and precipitation (Case study of Jazmourian Basin). E.E.R, 11 (3):64-81. (in persian)
Wang, Y.Q., Zhang, X.C., Xue, M., & Li, X.W. 2009. Correlation between PM concentrations and aerosol optical depth in eastern China, Atmospheric Environment, doi:10.1016/j.atmosenv.2009.08.026,
Zandi, R., Salmanimoghadam, M., & Roudaki, Z. 2021. Measuring the Degree of Spatial Autocorrelation of Land Surface Temperature with Land Use (Isfahan City). Geography and environmental planning, 34: 61-76. (in persian)
Zender, S., Bian, H., & Newman, D. 2003. Mineral Dust Entrainment and Deposition (DEAD) model: Description and 1990s dust climatology, J. Geophys. Research, 108:1-22.
پژوهش های محیط زیست
دوره 14، شماره 28
مجله پژوهشی
اسفند 1402
صفحه 181-197

فایل ها

هم رسانی

ارجاع به این مقاله

آمار