ارزیابی داده‌های هواشناسی و تصاویر ماهواره‌ای در شناسایی پدیده گردوغبار مناطق بیابانی (مطالعه موردی: استان کرمان)

جغرافیا و مخاطرات محیطی

مقاله 12، دوره 13، شماره 4 - شماره پیاپی 52، دی 1403، صفحه 291-313   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/geoeh.2024.87528.1476

نویسندگان

پیمان معدنچی¹؛ حمزه سعیدیان^{* 1}؛ محمود دمی زاده²

¹استادیار گروه تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات کشاورزی و منابع طبیعی کرمان، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرمان، ایران.

²پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی (AREEO)، تهران، ایران.

چکیده

توفان گردوغبار به یک معضل جدی در ایران تبدیل شده است و روزبه‌روز بر دامنه این معضل افزوده می­شود. به‌منظور ارزیابی داده­های هواشناسی و تصاویر ماهواره­ای در آشکارسازی بررسی وضعیت رخداد پدیده گردوغبار در استان کرمان، داده‌های ایستگاه‌های سیزده ایستگاه سینوپتیک استان برای یک دوره 20 ساله از سال 1379 تا 1399 هجری شمسی مختلف از سازمان هواشناسی کشور (IRIMO) دریافت شد و تصاویر سنجنده مودیس (MODIS) مورداستفاده قرار گرفت. به‌منظور آشکارسازی گردوغبار کدهای 06، 07 و الگوریتم­های Ackerman، TDI، TIIDI، Roskovensky and Liou,NDDI و Miller استفاده شد. نتایج نشان داد ایستگاه سیرجان بیشترین وقوع گردوغبار با منشأ محلی و منطقه‌ای را دارد و گلباف کمترین وقوع رخداد را دارد. ایستگاه بم بیشترین فراوانی سالانه را داراست و کمترین وقوع، شهر بابک با 2 روز گردوغباری است. از میان الگوریتم‌های موردبررسی الگوریتم­های TIIDI و  TDIدارای عملکرد مناسب­تری در میان سایر الگوریتم­ها است. درمجموع بررسی داده­های فراوانی سالانه دارای دید افقی 1000 متر و کمتر بیانگر روند افزایشی وقوع طوفان‌های گردوغبار از سال 1379 تا 1390 است و بعدازآن تا سال 1399 روند کاهشی را طی کرده است.

کلیدواژه‌ها

طوفان‌های گرد و غبار؛ داده‌های MODIS؛ کدهای هواشناسی؛ الگوریتم‌های شناسایی؛ گرد و غبار استان کرمان

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, 45(27), 4641-4651. https://doi: 10.1016/j.atmosenv.2011.05.055

Azhdari Moghadam, M., & Raispoor, K. (2011). Statistical Analysis and Identification of the Origin of Dust Phenomenon Using Meteorological Codes (Case Study: Khuzestan Province). Paper presented at the 11th Iranian Congress of Geographers, Tehran. [In Persian] https://civilica.com/doc/336497/

Cheki Forak, M., Doostan, R., & Minaei, M. (2023). Identification of Dust Centers in Birjand City. Geography and Territorial Spatial Arrangement, 13(46), 61-84. [In Persian] https://doi.org/10.22111/gaij.2023.42530.3034

Ghasemi Aryan, Y., Sayed Akhlaghi, S. J., Farajollahi, A., Faiaz, M., & Ganjali, M. (2021). Challenges and strategies towards combating dust storm in Sistan based on the institutional stakeholders viewpoint. Water and Soil Management and Modelling, 1(4), 48-56. [In Persian] https://doi.org/10.22098/mmws.2021.9436.1044

 Ghorbani, M. (2014). National social network analysis project; modeling, policy making and implementation of participatory management of natural resources (First phase). Final report of a national project, University of Tehran. [In Persian]

Gupta, P., Christopher, S. A., Wang, J., Gehrig, R., Lee, Y. C., & Kumar, N. (2006). Satellite remote sensing of particulate matter and air quality assessment over global cities. Atmospheric Environment, 40(30), 5880-5892. https://doi.org/10.1016/j.atmosenv.2006.03.016

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. [In Persian] https://deej.kashanu.ac.ir/article_112676.html?

Kheirandish, Z., Jamali, J., & Rayegani, B. )2018(. Identification of the best algorithm for dust detection using MODIS data. Journal of Natural Environment Hazards, 7(15), 207- 220. [In Persian] https://doi. 10.22111/jneh.2017.3363

Liu, Y., & Liu, R. (2011). A thermal index from MODIS data for dust detection. Paper presented at the 2011 IEEE International Geoscience and Remote Sensing Symposium, Vancouver, BC, Canada, 3783-3786. https://doi.org/10.1109/IGARSS.2011.6050054

Makhfi, G., Karimi, A., Solgi, E., & Bagherpor, S. (2022). Evaluation and determination of the ecological risk of lead, zinc and cadmium in the atmospheric dust of Isfahan city. Journal of Environmental Health Enginering, 9(4), 485-501. [In Persian] http://dx.doi.org/10.61186/jehe.9.4.485

Miller, S. D. (2003). A consolidated technique for enhancing desert dust storms with MODIS. Geophysical Research Letters, 30(20). https://doi.org/10.1029/2003GL018279

Nabavi, S., Moradi, H. M., & Sharifi Kia, M. (2019). Evaluation of dust storm temporal distribution and the relation of the effective factors with the frequency of occurrence in Khuzestan Province from 2000 to 2015. Quarterly of Geographical Data, 28(111), 191-203. [In Persian] https://dor.isc.ac/dor/20.1001.1.25883860.1398.28.111.13.4

Naderi, M., Ghorbani, M., & Yavari, A. (2014). Network Analysis of Information Exchange and Key Actors in Policy-making and Sustainable Management of Sarkeh-Hesar National Park. Researches in Earth Sciences, 5(4), 16-28. [In Persian] https://dor.isc.ac/dor/20.1001.1.20088299.1393.5.4.2.5

Pour Asgharian, A., Nekoamal Kermani, M., Sisipour, M., & Ranjbar Saadat abadi, A. (2014). Assessment of Dust Phenomenon Frequency in Hormozgan Province. Paper presented at the Second National Conference on Deserts with Approach of Management of Arid and Desert Areas. [In Persian] https://civilica.com/doc/329506/

Qaderi Nasab, F., & Rahnama, M. B. (2018). Detection of dust storms in Jazmoriyan drainage basin using multispectral techniques and MODIS image. Physical Geography Research, 50(3), 545-562. https://doi.org/10.22059/jphgr.2018.248345.1007159

Qu, J. J., Hao, X., Kafatos, M., & Wang, L. (2006). Asian dust storm monitoring combining Terra and Aqua MODIS SRB measurements. IEEE Geoscience and Remote Sensing Letters, 3(4), 484-486. https://doi.org/10.1109/LGRS.2006.877752

Rasekhi, S. (2014). Social network analysis in range management and participatory management planning (Case study: Fars Province). Ph.D. Thesis, Islamic Azad University, Science and Research Branch, Tehran. [In Persian]

Rashki, A., Kaskaoutis, D. G., Eriksson, P. G., de W. Rautenbach, C. J., Flamant, C., & Abdi Vishkaee, F. (2014). Spatio-temporal variability of dust aerosols over the Sistan region in Iran based on satellite observations. Natural Hazards, 71, 563-585. https://doi.org/10.1007/s11069-013-0927-0

Roskovensky, J. K., & Liou, K. N. (2003). Detection of thin cirrus from 1.38 μm/0.65 μm reflectance ratio combined with 8.6 –11 μm brightness temperature difference. Geophysical Research Letters, 30(19). https://doi.org/10.1029/2003GL018135

Salari, F. (2014). Modeling and analysis of water resources management network in the watershed (Case study: Kermanshah resin watershed). Master's thesis, University of Tehran. [In Persian]

Sarikhani, A., Dehghani, M., Karimi-Jashni, A., & Saadat, S. (2021). A New Approach for Dust Storm Detection Using MODIS Data. Iranian Journal of Science and Technology, Transactions of Civil Engineering, 45, 963-969. https://doi.org/10.1007/s40996-020-00508-4

Shamshiri, S., Jafari, R., Soltani, S., & Ramazani, N. )2014(. Identification and zonation of dust storms in Kermanshah Province by using MODIS images. Applied Ecology, 3(8),23-35. [In Persian] http://dorl.net/dor/20.1001.1.24763128.1393.3.8.3.3

Wald, A. E., Kaufman, Y. J., Tanré, D., & Gao, B. C. (1998). Daytime and nighttime detection of mineral dust over desert using infrared spectral contrast. Journal of Geophysical Research: Atmospheres, 103, 32307-32313. https://doi:10.1029/98JD01454

Zandkarimi, A., Fatehi, P., & Shah-Hoseini, R. (2020). An improved dust identification index (IDII) based on MODIS observation. International Journal of Remote Sensing, 41(20), 8048-8068. https: doi:10.1080/01431161.2020.1770366

Zangeneh, M. (2014). Climatological Analysis of Dust Storms in Iran. Journal of Applied Climatology, 1(1), 1-12. [In Persian] https://jac.ui.ac.ir/article_15593.html

Zhao, T. X. P., Ackerman, S., & Guo, W. (2010). Dust and smoke detection for multi-channel imagers. Remote Sensing, 2(10), 2347-2368. https://doi.org/10.3390/rs2102347