
تعداد نشریات | 32 |
تعداد شمارهها | 739 |
تعداد مقالات | 7,175 |
تعداد مشاهده مقاله | 11,734,418 |
تعداد دریافت فایل اصل مقاله | 8,057,517 |
کاربرد سامانه GEE در شناسایی کانونهای بالفعل گردوغبار با استفاده از تصاویر مادیس و سنتینل-5 | ||
مخاطرات محیط طبیعی | ||
مقاله 2، دوره 11، شماره 34، دی 1401، صفحه 1-16 اصل مقاله (4.56 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22111/jneh.2022.38729.1813 | ||
نویسندگان | ||
کامران شایسته* 1؛ شیوا غریبی2 | ||
1استادیار گروه محیطزیست، دانشکده منابع طبیعی، دانشگاه ملایر، ملایر، ایران | ||
2دانشجوی دکتری، ارزیابی و آمایش سرزمین، گروه محیط زیست، دانشکده منابع طبیعی، دانشگاه ملایر، ملایر | ||
چکیده | ||
طوفانهای گردوغبار در مناطق خشک از جهان رخ میدهند و اثرات منفی مختلفی بر جنبههای مختلف اکولوژیکی، اقتصادی و بهداشتی جامعه دارند. شناسایی کانونهای مولد گردوغبار یکی از مهمترین راهکارهای مدیریت این پدیده ویرانگر است که بهروزترین و کارآمدترین روش و ابزار در شناسایی این کانونها استفاده از تصاویر ماهوارهای است. هدف از این مطالعه شناسایی کانونهای بالفعل تولید گردوغبار در محدوده استان همدان و محدوده تأثیرگذار است. از تصاویر ماهوارهای مادیس و سنتینل-5 به ترتیب در محدوده زمانی 12 ساله و 2 دوساله در سامانه GEE استفاده شد. جهت شناسایی و نظارت بر کانونهای گردوغبار پارامترهای وضعیت کاربری اراضی، شاخص خاک لخت، شاخص توده آب مورد استفاده قرار گرفتند. طبقهبندی غلظت آئروسلها در سه گروه تراکمی در محدوده مطالعاتی نشان داد که به ترتیب مساحت پهنههای دارای غلظت بالا در تصاویر مادیس و سنتینل به ترتیب 1/9875 و 5/7100 کیلومترمربع است که در تصاویر سنتینل بهصورت پیوسته و در تصاویر مادیس بهصورت پراکنده هستند. مطابقت کانونهای بالفعل تولید گردوغبار در تصاویر سنتینل-5 با نقشه کاربری اراضی سال 2018 نشان داد که بیشترین تمرکز آئروسلها در تصاویر سنتینل در مراتع فقیر و خاک اراضی غیرقابل کشت و در تصاویر مادیس در مراتع فقیر و کشاورزی دیم قرار دارد. دو تصویر دارای همبستگی 81 درصد هستند. درنهایت، تصاویر ماهوارهای سنتینل- 5 میتواند در پایش کانونهای گردوغبار مفید واقع گردد. جهت مدیریت کانونها کاهش خاک لخت، افزایش پوشش گیاهی، کاهش استفاده از سفرههای آب زیرزمینی در دشت قهاوند پیشنهاد میشود. | ||
کلیدواژهها | ||
شاخص توده آب؛ برخاستگاه؛ شاخص خاک لخت؛ سنجش از دور؛ همدان | ||
مراجع | ||
ارجمند، مریم؛ راشکی، علیرضا؛ سرگزی، حسین. (۱۳۹۷). پایش زمانی و مکانی پدیده گردوغبار با استفاده از دادههای ماهوارهای در جنوب شرق ایران،با تأکید بر منطقه جازموریان، فصلنامه اطلاعات جغرافیایی (سپهر)، ۲۷(۱۰۶): ۱۵۳-۱۶۸. 10.22131/SEPEHR.2018.32339.
احمدی، محمود؛ داداشی رودباری، عباسعلی. (1398). توزیع زمانی- مکانی ذرات معلق (pm2.5) با رویکرد محیطزیست در غرب و جنوب ایران بر مبنای سنجندههای MODIS، WIFS،MISR. محیطشناسی، 45(3): 394-379. 10.22059/jes.2019.282101.1007867.
ززولی، فلاح؛ وفایی نژاد، علیرضا؛ خیرخواه زرکش، میرمسعود؛ احمدی دهکا، فریبرز. (1393). منشاءیابی گرد و غبار غرب و جنوب غرب ایران و تحلیل سینوپتیکی آن با استفاده از سنجش از دور و سیستم اطلاعات جغرافیایی. سنجش از دور و سامانه اطلاعات جغرافیایی، دوره 5، شماره 4، 78-61. https://girs.bushehr.iau.ir/article_516681.html
شمشیری، سیروس؛ جعفری، رضا؛ سلطانی، سعید؛ رمضانی، نفیسه. (1394). آشکارسازی و پهنهبندی ریزگردهای استان کرمانشاه با استفاده از تصاویر ماهوارهای MODIS. بومشناسی کاربردی، 3(8): 41-30. http://ijae.iut.ac.ir/article-۱-۵۱۶-fa.html
شهرسیوند، محسن؛ آخوندزاده، مهدی؛ سوری، امیرحسین. (1393). شناسایی گردوغبار در تصاویر ماهوارهای MODIS با استفاده از روشهای ماشین بردار پشتیبان، شبکه عصبی مصنوعی و درخت تصمیمگیری. نشریه علمی پژوهشی علوم و فنون نقشهبرداری، 4(3): 144-131. http://jgst.issge.ir/article-۱-۲۸۴-fa.html
محمدی، فهیمه؛ کمالی، سمیه؛ اسکندری، مریم. (1394). ردیابی منابع گردوغبار در سطوح مختلف جو با استفاده از مدل HYSPLIT. جغرافیا و مخاطرات محیطی، 16: 54-39. doi: 10.22067/geo.v4i4.41109
میراکبری، مریم؛ ابراهیمی، زهره. (1399). بررسی روند تغییرات زمانی و مکانی ذرات معلق جو با استفاده از شاخص عمق اپتیکی آئروسلها در جنوب شرق ایران. سنجشازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 11(3). 105-87. https://www.sid.ir/fa/journal/ViewPaper.aspx?id=531286
واکاوی بحران ریزگردها در دفتر ایسنا. (یک شنبه 25 تیر 1396). خبرگزاری دانشجویان ایران. شماره hamedan-49443.
Ahn, C., Torres, O., Loyola, D.G., Tiruchirapalli, R., & Jethva, H.T. (2018). Aerosol Index Products from Sentinel-5P/TROPOMI and Suomi-NPP/OMPS Measurements. AGUFM, 33-3292. 2018AGUFM.A33J3292A. Al-Hurban, A.E., & Al-Ostad, A.N. (2010). Textural characteristics of dust fallout and the potential effect on public health in Kuwait City and suburbs. Environ Earth Sci, 60, 169–181. 10.1007/s12665-009-0177-3 Baghbanan, P., Ghavidel, Y., & Farajzadeh, M. (2020). Temporal long-term variations in the occurrence of dust storm days in Iran. Meteorol Atmos Phys, 132, 885–898. 10.1007/s00703-020-00728-3 Cao, H., Liu, J., Wang, G., Yang, G., & Luo, L. (2015). Identification of sand and dust storm source areas in Iran. Journal of Arid Land, 7(5), 567-578. 10.1007/s40333-015-0127-8 Grousset F.E. & Biscaye, P.E. (2005). Tracing dust sources and transport patterns using Sr, Nd, and Pb isotopes. Chemical Geology, 222(3-4):149–67. 10.1016/j.chemgeo.2005.05.006. Guo, J.P., Zhang, X.Y., Che, H.Z., Gong, S.L., An, X., Cao, C.X., et al. (2009). Correlation between PM concentrations and aerosol optical depth in eastern China. Atmospheric Environment, 43(37):5876-86. 10.1016/j.atmosenv.2009.08.026. Ji, L., Zhang, L., Wylie, B. (2009). Analysis of dynamic thresholds for the normalized difference water index. Photogrammetric Engineering & Remote Sensing, 75(11):1307–1317. 10.14358/PERS.75.11.1307. Kasturi, D.K, Yaso, N. (2010). Preliminary analysis of the spatial and temporal patterns of aerosols and their impact on climate in Malaysia using MODIS satellite data. International Archives of the Photogrammetry, Remote Sensing and Spatial. Information Science, Volume XXXVIII(8), Kyoto Japan. Kaufman, Y.J., Koren, I., Remer, L., Tanré, D., Ginoux, P., & Fan, S. (2005). Dust transport and deposition observed from the Terra‐Moderate Resolution Imaging Spectroradiometer (MODIS) spacecraft over the Atlantic Ocean. Journal of Geophysical Research: Atmospheres; 110(D10). 10.1029/2003jd004436. Klüser, L., Schepanski, K. (2009), Remote sensing of mineral dust over land with MSG inferred channels: A new Bitemporal Mineral Dust Index, Remote Sens. Environ., 113, 9. doi.org/10.1016/j.rse.2009.04.012 Kumar, A. (2020). Spatio-temporal variations in satellite-based aerosol optical depths & aerosol index over Indian subcontinent: Impact of urbanization and climate change. Urban Climate, 32:100598. 10.1016/j.uclim.2020.100598. Liu, J., Ding, J., Li, L., Li, X., Zhang, Z., Ran, S. et al. (2020). Characteristics of aerosol optical depth over land types in central Asia. Science of the Total Environment, 727, 138676. 10.1016/j.scitotenv.2020.138676. Loi, D., Chou, T.Y., & Fang, Y.M. (2017). Integration of GIS and Remote Sensing for Evaluating Forest Canopy Density Index in Thai Nguyen Province, Vietnam. International Journal of Environmental Science and Development, 8:539-42. 10.18178/ijesd.2017.8.8.1012. McFeeters, S.K. (2013). Using the normalized difference water index (NDWI) within a geographic information system to detect swimming pools for mosquito abatement: A practical approach. Remote Sensing, 5(7):3544–61. doi.org/10.3390/rs5073544. Munkhtsetseg, E., Shinoda, M., Gillies, J.A., Kimura, R., King, J., Nikolich, G. (2016). Relationships between soil moisture and dust emissions in a bare sandy soil of Mongolia. Particuology, 28, 131-137. 10.1016/j.partic.2016.03.001. Ogren, J.A. (1995). A systematic approach to in situ observations of aerosol properties, in Aerosol Forcing of Climate, edited by: Charlson, R. J., and Heintzenberg, J., John Wiley & Sons, Ltd., 215–226. Powell, J.T., Chatziefthimiou, A.D., Banack, S.A., Cox, P.A., Metcalf, J.S. (2015). Desert crust microorganisms, their environment, and human health. Journal of Arid Environments, 112:127-33. 10.1016/j.jaridenv.2013.11.004 Raygani, B., Barati, S., Goshtasb, H., Gachpaz, S., Ramezani, J. & Sarkheil, H. (2020). Sand and dust storm sources identification: A remote sensing approach. Ecological Indicators, 112:106099. 10.1016/j.ecolind.2020.106099. Taghavi, F., Owlad, E. & Ackerman, S.A. (2017). Enhancement and identification of dust events in the southwest region of Iran using satellite observations. Journal of Earth System Science, 126(2), 28. 10.1007/s12040-017-0808-0 Xu, H. (2006). Modification of normalised difference water index (NDWI) to enhance open water features in remotely sensed imagery. International journal of remote sensing, 27(14):3025–33. 10.1080/01431160600589179. Zhang, Y., Liu, Y., Kucera, P.A., Alharbi, B.H., Pan, L., Ghulam, A. (2015). Dust modeling over Saudi Arabia using WRF-Chem: March 2009 severe dust case. Atmospheric Environment, 119,118–30. 10.1016/j.atmosenv.2015.08.032 Zhang, P., Lu, N.m., Hu, X.q. & Dong, C.h. (2009). Identification and physical retrieval of dust storms using three MODIS thermal IR channels. Global and Planetary Change, 52(1-4):197–206. 10.1016/j.gloplacha.2006.02.014. | ||
آمار تعداد مشاهده مقاله: 1,081 تعداد دریافت فایل اصل مقاله: 805 |