بررسی پراکنش فضایی و روند غلظت گرد و خاک در غرب آسیا و ارتباط آن با متغیرهای اقلیمی

آب و خاک

مقاله 8، دوره 38، شماره 3 - شماره پیاپی 95، مرداد و شهریور 1403، صفحه 427-411   

نوع مقاله: مقالات پژوهشی

شناسه دیجیتال (DOI): 10.22067/jsw.2024.86233.1367

نویسندگان

شلیر کاتورانی¹؛ محمود احمدی^{* 1}؛ عباسعلی داداشی رودباری²

¹دانشکده علوم زمین، دانشگاه شهید بهشتی، تهران، ایران

²گروه جغرافیا، دانشگاه فردوسی مشهد، مشهد، ایران

چکیده

گردوخاک یکی از شاخص­های مهم تغییر اقلیم است. با این حال، پیوند بین گرد و خاک و اقلیم به‌دلیل بازخوردهای مستقیم و غیرمستقیم در سامانه زمین بسیار پیچیده است. این مطالعه پراکنش فضایی و روند گردوخاک­های غرب آسیا و ارتباط آن­ها را با متغیرهای اقلیمی دما، بارش و تندی باد مورد بررسی قرار داده است. بدین‌منظور برای بررسی پراکنش فضایی روند غلظت گردوخاک از برونداد متغیر غلظت گردوخاک مجموعه داده MERRA-2 و برای بررسی متغیرهای اقلیمی، مجموعه دادهAgERA5  استفاده شد. تغییرات فصلی غلظت گرد و خاک به خوبی چشمه­های فعال گرد و خاک در منطقه مورد مطالعه را مشخص کرد. بررسی کارایی متغیرهای اقلیمی دما، بارش و تندی باد نشان داده است مجموعه دادهAgERA5  دما را با کارایی بالاتری نسبت به بارش و تندی باد در ایستگاه­های نماینده پهنه­های اقلیمی در غرب آسیا برآورد می­کند. از بین سه متغیر مورد بررسی، تندی باد کارایی به نسبت کمتری را نسبت به دما و بارش نشان داده است. به­طور کلی مجموعه دادهAgERA5  دارای کارای قابل قبولی در برآورد متغیرهای اقلیمی است و در مناطق فاقد داده از این مجموعه داده می­توان به‌عنوان یک داده جایگزین استفاده کرد. نتایج نشان داد که متغیرهای اقلیمی نقش کلیدی را در تغییرپذیری غلظت گردوخاک در منطقه مورد مطالعه دارند، بطوریکه مناطق منطبق بر باد شمال تابستانه و باد 120 روزه سیستان بالاترین غلظت گردوخاک سالانه را دارند. بالاترین ضریب همبستگی بین غلظت گردوخاک با دما در ماه­های گرم سال به بیش از 8/0 و با تندی باد در ماه­های ژانویه تا می و نوامبر تا دسامبر بیشتر از 6/0 و همبستگی آن با بارش در ماه­های سرد سال 7/0– محاسبه شده است. غلظت گردوخاک روند افزایشی را در مناطق بیابانی ربع‌الخالی، النفود، الدهنا، بین‌النهرین، بیابان­های عراق و سوریه داشته به­طوری‌که از ماه­های مارس تا اوت (بهار و تابستان) روند افزایشی غلظت گردوخاک در سطح 05/0 معنی­دار است. بالاترین شدت روند افزایشی در فصول بهار و تابستان در مناطق بین‌النهرین، بیابان­های عراق، سوریه و یمن، دشت سیستان و بیابان تار در پاکستان و جنوب شرق ایران مشاهده شد.

کلیدواژه‌ها

روند گردوخاک؛ غلظت گردوخاک؛ غرب آسیا؛ مجموعه داده MERRA-2

مراجع

1. Alam, K., Iqbal, M.J., Blaschke, T., Qureshi, S., & Khan, G. (2010). Monitoring spatio-temporal variations in aerosols and aerosol–cloud interactions over Pakistan using MODIS data. Advances in Space Research, 46(9), 1162-1176. https://doi.org/10.1016/j.asr.2010.06.025
2. Alonso-Montesinos, J., Martínez, F.R., Polo, J., Martín-Chivelet, N., & Batlles, F.J. (2020). Economic effect of dust particles on photovoltaic plant production. Energies, 13(23), 6376. https://doi.org/10.3390/en13236376
3. Asadi Rahim-Begi, N., Zarrin, A., Modfidi, A., & Dadashi-Roudbari, A. (2022). Seasonal distribution analysis of extreme precipitation in Iran using AgERA5 dataset. Iranian Journal of Soil and Water Research, 52(11), 2723-2737. (In Persian). https://doi.org/10.22059/ijswr.2021.333263.669118
4. Bell, B., Hersbach, H., Simmons, A., Berrisford, P., Dahlgren, P., Horányi, A., & Thépaut, J.N. (2021). The ERA5 global reanalysis: Preliminary extension to 1950. Quarterly Journal of the Royal Meteorological Society, 147(741), 4186-4227. https://doi.org/10.1002/qj.4174
5. Moradi, H., Zangane, A.M., & Pourhashemi, S. (2019). Evaluation of the role of drought in frequency of dust in Khorasan Razavi province. (In Persian). https://doi.org/10.22034/jest.2019.10464
6. Brown, D., de Sousa, K., & van Etten, J. (2023). ag5Tools: An R package for downloading and extracting agrometeorological data from the AgERA5 database. SoftwareX, 21, 101267. https://doi.org/10.1016/j.softx.2022.101267
7. Caido, N.G., Ong, P.M., Rempillo, O., Galvez, M.C., & Vallar, E. (2022). Spatiotemporal analysis of MODIS aerosol optical depth data in the Philippines from 2010 to 2020. Atmosphere, 13(6), 939. https://doi.org/10.3390/ atmos13060939
8. Chen, S., Liu, J., Wang, X., Zhao, S., Chen, J., Qiang, M., & Chen, F. (2021). Holocene dust storm variations over northern China: transition from a natural forcing to an anthropogenic forcing. Science Bulletin, 66(24), 2516-2527. https://doi.org/10.1016/j.scib.2021.08.008
9. Dadashi-Roudbari, A. (2020). Analysis of spatiotemporal variations of vertical and horizontal patterns of aerosols and evaluation of its Climate feedback in Iran, Ph.D. Thesis Urban Climatology, Shahid Beheshti University, Tehran, Iran. (In Persian)
10. Dadashi-Roudbari, A., Ahmadi, M., & Shakiba, A. (2020). Seasonal Study of dust deposition and fine particles (PM 2.5) in Iran Using MERRA-2 data. Iranian Journal of Geophysics (IJG), 13(4), 43-59.‎
11. Dadashi-Roudbari, A., & Ahmadi, M. (2021). An assessment of change point and trend of diurnal variation of dust storms in Iran: a multi-instrumental approach from in situ, multi-satellite, and reanalysis dust product. Meteorology and Atmospheric Physics, 133, 1523-1544. https://doi.org/10.1007/s00703-021-00825-x
12. Dar, M.A., Ahmed, R., Latif, M., & Azam, M. (2022). Climatology of dust storm frequency and its association with temperature and precipitation patterns over Pakistan. Natural Hazards, 110(1), 655-677. https://doi.org/10.1002/joc.5019
13. Daufresne, M., Lengfellner, K., & Sommer, U. (2009). Global warming benefits the small in aquatic ecosystems. Proceedings of the National Academy of Sciences, 106(31), 12788-12793. https://doi.org/10.1073/pnas.0902080106
14. Fallah Zazuli, M., Vafaeinezhad, A., Kheirkhah Zarkesh, M.M., & Ahmadi Dehka, F. (2014). Source routing of dust haze phenomenon in the west and southwest of Iran and its synoptic analysis by using remote sensing and GIS. Journal of RS and GIS for Natural Resources, 5(4), 61-78. (In Persian)
15. Goudie, A.S., & Middleton, N.J. (2006). Desert dust in the global system. Springer Science & Business Media.
16. Hamed, K.H., & Rao, A.R. (1998). A modified Mann-Kendall trend test for autocorrelated data. Journal of Hydrology, 204(1-4), 182-196. https://doi.org/10.1016/S0022-1694(97)00125-X
17. Hersbach, H., Bell, B., Berrisford, P., Hirahara, S., Horányi, A., Muñoz‐Sabater, J., & Thépaut, J.N. (2020). The ERA5 global reanalysis. Quarterly Journal of the Royal Meteorological Society, 146(730), 1999-2049. https://doi.org/10.1002/qj.3803
18. Heydari, A., Zarrin, A., & Dadashi-Roudbari, A. (2023). Investigating the performance of the deterministic and probabilistic versions (multi-member ensemble) of the ERA5 dataset in estimating Iran's temperature. Researches in Earth Sciences, 14(4), 1-20. (In Persian)
19. Jafari, M., Mesbahzadeh, T., Masoudi, R., Zehtabian, G., & Amouei Torkmahalleh, M. (2021). Dust storm surveying and detection using remote sensing data, wind tracing, and atmospheric thermodynamic conditions (case study: Isfahan Province, Iran). Air Quality, Atmosphere & Health, 14, 1301-1311. https://doi.org/10.1007/s11869-021-01021-x
20. Jiao, D., Xu, N., Yang, F., & Xu, K. (2021). Evaluation of spatial-temporal variation performance of ERA5 precipitation data in China. Scientific Reports, 11(1), 17956. https://doi.org/10.1038/s41598-021-97432-y
21. Jin, Q., Wei, J., Lau, W.K., Pu, B., & Wang, C. (2021). Interactions of Asian mineral dust with Indian summer monsoon: Recent advances and challenges. Earth-Science Reviews, 215, 103562. https://doi.org/10.1016/j. earscirev.2021.103562
22. Knoben, W.J., Freer, J.E., & Woods, R.A. (2019). Inherent benchmark or not? Comparing Nash–Sutcliffe and Kling–Gupta efficiency scores. Hydrology and Earth System Sciences, 23(10), 4323-4331. https://doi.org/10.5194/ hess-23-4323-2019
23. Koster, R.D., McCarty, W., Coy, L., Gelaro, R., Huang, , Merkova, D., & Wargan, K. (2016).MERRA-2 input observations: Summary and assessment.
24. Li, Z., Lau, W.M., Ramanathan, V., Wu, G., Ding, Y., Manoj, M.G., & Brasseur, G.P. (2016). Aerosol and monsoon climate interactions over Asia. Reviews of Geophysics, 54(4), 866-929. https://doi.org/10.1002/2015RG000500
25. Liu, C., Yin, Z., He, Y., & Wang, L. (2022). Climatology of dust aerosols over the Jianghan Plain revealed with space-borne instruments and MERRA-2 reanalysis data during2006–2021. Remote Sensing, 14(17), 4414. https://doi.org/10.3390/rs14174414
26. Middleton, N. (2019). Variability and trends in dust storm frequency on decadal timescales: Climatic drivers and human impacts. Geosciences, 9(6), 261. https://doi.org/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. https://doi.org/10.3390/atmos12111435
28. Mukherjee, T., Vinoj, V., Midya, S.K., & Adhikary, B. (2020). Aerosol radiative impact on surface ozone during a heavy dust and biomass burning event over South Asia. Atmospheric Environment, 223, 117201. https://doi.org/10.1016/j.atmosenv.2019.117201
29. Rushingabigwi, G., Nsengiyumva, P., Sibomana, L., Twizere, C., & Kalisa, W. (2020). Analysis of the atmospheric dust in Africa: The breathable dust's fine particulate matter PM2.5 in correlation with carbon monoxide. Atmospheric Environment, 224, 117319. https://doi.org/10.1016/j.atmosenv.2020.117319
30. Sarkar, S., Chauhan, A., Kumar, R., & Singh, R.P. (2019). Impact of deadly dust storms (May 2018) on air quality, meteorological, and atmospheric parameters over the northern parts of India. GeoHealth, 3(3), 67-80. https://doi.org/10.1029/2018GH000170
31. Shao, Y., Wyrwoll, K.H., Chappell, A., Huang, J., Lin, Z., McTainsh, G.H., & Yoon, S. (2011). Dust cycle: An emerging core theme in Earth system science. Aeolian Research, 2(4), 181-204. https://doi.org/10.1016/j. aeolia.2011.02.001
32. Shi, L., Zhang, J., Yao, F., Zhang, D., & Guo, H. (2021). Drivers to dust emissions over dust belt from 1980 to 2018 and their variation in two global warming phases. Science of The Total Environment, 767, 144860. https://doi.org/10.1016/j.scitotenv.2020.144860
33. Soltani, M.J., Motamedvaziri, B., Noroozi, A.A., Ahmadi, H., & Mosaffaei, J. (2021). Identifying and prioritizing the factors affecting the creation of dust in Hendijan City and providing management solutions by DPSIR framework. Watershed Engineering and Management, 13(2), 269-282. https://doi.org/10.22092/ijwmse. 2021.352406.1848
34. Sujitha, P.R., Santra, P., Bera, A.K., Verma, M.K., & Rao, S.S. (2022). Detecting dust loads in the atmosphere over Thar desert by using MODIS and INSAT-3D data. Aeolian Research, 57, 100814. https://doi.org/10.1016/j.aeolia.2022.100814
35. Sun, J., Ding, K., Lai, Z., & Huang, H. (2022). Global and regional variations and main drivers of aerosol loadings over land during 1980–2018. Remote Sensing, 14(4), 859. https://doi.org/10.3390/rs14040859
36. Tariq, S., Nawaz, H., Ul-Haq, Z., & Mehmood, U. (2021). Investigating the relationship of aerosols with enhanced vegetation index and meteorological parameters over Pakistan. Atmospheric Pollution Research, 12(6), 101080. https://doi.org/10.1016/j.apr.2021.101080
37. Willmott, C.J. (1984). On the evaluation of model performance in physical geography. Spatial Statistics and Models, 443-460. https://doi.org/10.1007/978-94-017-3048-8_23
38. Wu, J., Kurosaki, Y., & Du, C. (2020). Evaluation of climatic and anthropogenic impacts on dust erodibility: A case study in Xilingol Grassland, China. Sustainability, 12(2), 629. https://doi.org/10.3390/su12020629
39. Yu, C., Li, Z., & Blewitt, G. (2021). Global comparisons of ERA5 and the operational HRES tropospheric delay and water vapor products with GPS and MODIS. Earth and Space Science, 8(5), e2020EA001417. https://doi.org/10.1029/2020EA001417
40. Zarrin, A., Salehabadi, N., Mofidi, A., & Dadashi-Roudbari, A.A. (2022). Investigation of Seasonal dust in northeastern Iran and numerical simulation of extreme dust events using WRF-CHEM model. Journal of the Earth and Space Physics, 48(2), 421-440. (In Persian). https://doi.org/10.22059/jesphys.2022.330319.1007361