شناسایی کانون شکل‌گیری توده‌های گردوغبار با استفاده از نگرش تنسوری (مطالعه موردی: شهرستان سبزوار)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد سیستم اطلاعات مکانی، گروه مهندسی عمران، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران

2 استادیار گروه مهندسی عمران، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران

10.22067/geoeh.2023.82992.1384

چکیده

یکی از این پدیده‌های غالب جوّی در مناطق بیابانی و نیمه بیابانی جهان، گردوغبار است. یکی از عوامل این پدیده وزش بادهای شدیدی است که به دنبال تغییرات سریع فشار هوا و دما در موقع مشخصی از سال در منطقه رخ می‌دهد. ذرات گردوغبار یکی از چالش‌های مهم و اساسی در این مناطق هستند که ابعاد و اندازه‌های مختلفی دارند و در هوا پراکنده می‌شوند و می‌توانند مشکلات زیادی را برای محیط‌زیست و افراد آن مناطق ایجاد کنند؛ بنابراین بایستی اقدامات لازم جهت مقابله با آن صورت پذیرد که در اولین قدم برای این کار بایستی منشأ و کانون شکل‌گیری این توده‌ها شناسایی شود. این پژوهش به بررسی این موضوع در منطقه مطالعاتی شهر سبزوار پرداخته است. در این مطالعه ابتدا داده‌های سازمان هواشناسی بررسی شده و دو دوره زمانی با گردوغبار بالا در سطح شهر سبزوار انتخاب شده است. دوره‌های زمانی موردمطالعه شامل ماه ژوئن سال‌های 2008 و ماه مارس سال 2018 است. پس از تعیین دوره‌های زمانی، با استفاده از سامانه GEE تصاویر مربوط به شاخص AOD با ابعاد پیکسل 2 کیلومتر استخراج شده و مورد پردازش قرار گرفته است و سپس هر تصویر به‌صورت لایه‌های مجزا در تنسور ترسیم شده است. طبق نتایج به دست آمده در این پژوهش، منشأ شکل‌گیری توده‌های گردوغبار در سبزوار، در دشت‌های غربی شهر داورزن، در فاصلۀ 70 تا 80 کیلومتری از منطقه موردمطالعه قرار گرفته است که این توده‌ها جابجا شده و به سمت شهر سبزوار امتداد می‌یابد و می‌تواند این شهر را تحت تأثیر ذرات گردوغبار قرار دهد.

کلیدواژه‌ها

موضوعات

مراجع

  • Abdollahi, S., Madadi, M., Ostad-Ali-Askari, K. (2021). Monitoring and Investigating Dust Phenomenon on Using Remote Sensing Science, Geographical Information System and Statistical Methods. Applied Water Science, 11. http://dx.doi.org/1007/s13201-021-01419-z
  • Chen, B.B., Sverdlik, L.G, Imashev, S.A., Solomon, P.A., Lantz, J., Schauer, J.J., Shafer, M.M., Artamonova, M.S., & Carmichael, G.R. (2013a). Lidar Measurements of the Vertical Distribution of Aerosol Optical and Physical Properties Over Central Asia. International journal of atmospheric sciences, 2013(1). http://dx.doi.org/ 1155/2013/261546
  • Chen, B.B., Sverdlik L.G., Imashev, S.A., Solomon, P.A., Lantz, J., Schauer, J.J., Shafer, M.M., Artamonova, M.S., & Carmichael, G. (2013b). Empirical Relationship Between Particulate Matter and Aerosol Optical Depth Over Northern Tien-Shan, Central Asia. Air Quality, Atmosphere & Health, 6, 385-96. http://dx.doi.org/ 1007/s11869-012-0192-5
  • Chin, M., Ginoux, P., Kinne, S., Torres, O., Holben, B.N., Duncan, B.N., Martin, R.V., Logan, J.A., Higurashi, A., Nakajima, T. (2002). Tropospheric Aerosol Optical Thickness from the GOCART Model and Comparisons with Satellite and Sun Photometer Measurements. Journal of the atmospheric sciences, 59(3), 461-83.

https://doi.org/10.1175/1520-0469(2002)059<0461:TAOTFT>2.0.CO;2

  • Darmany, M., Ara, H., Rashki, A., & Mafi, A. (2020). Source Identifying and Characterizing Physical and Chemical Fine Dust in Sarakhs City. Journal of Geography and Environmental Hazards, 9(3), 21-37. [In Persian] https://doi.org/10.22067/geo.v9i3.87970
  • Eom, S., Kim, J., Lee, S., Holben, B.N., Eck, T.F., Park, S.B., & Park, S.S. (2022). Long-Term Variation of Aerosol Optical Properties Associated with Aerosol Types Over East Asia Using AERONET and Satellite (VIIRS, OMI) Data (2012–2019). Atmospheric Research, 280,106457. https://doi.org/10.1016/j.atmosres.2022.106457
  • Golmohammadi , Etemadfrad, H., & Kharaghani, H. (2023). Spatio-Temporal Analysis of the Covid-19 Impacts on the Using Chicago Urban Shared Bicycles by Tensor-Based Approach. Journal of Geospatial Information Technology, 10 (3), 95-119. [ In Persian]. http://dx.doi.org/10.52547/jgit.10.3.95
  • Karimi, N., Moridnejad, A., Golian, S., Vali Samani, J.M., Karimi, D., & Javadi, S. (2012). Comparison of Dust Source Identification Techniques Over Land in the Middle East Region Using MODIS Data. Canadian Journal of Remote Sensing, 38(5), 586-599. http://dx.doi.org/ 5589/m12-048
  • Liu, Z., Fang, C., Sun, B., Liao, X. (2023). Governance Matters: Urban Expansion, Environmental Regulation, and PM2. 5 Pollution. Science of The Total Environment.876, https://doi.org/10.1016/j.scitotenv.2023.162788
  • Matandirotya, N.R. (2021). Research Trends in the Field of Ambient Air Quality Monitoring and Management in South Africa: A Bibliometric Review. Environmental Challenges, 5, 100263. https://doi.org/10.1016/j.envc.2021.100263
  •  
  • Omidvar K., and Nekoonam Z. 2011 An application of wind rose and dust rose in the analysis of dust phenomenon and determining the seasonal regime of dust winds (case study: Sabzevar city). Physical Geography Research Quarterly 43(76): 85-104.
  • Qi, Y., Ge, J., Huang, J. (2013). Spatial and Temporal Distribution of MODIS and MISR Aerosol Optical Depth over Northern China and Comparison with AERONET. Chinese Science Bulletin. 58, 2497-506. http://dx.doi.org/ 1007/s11434-013-5678-5
  • Raju, L., Gandhimathi, R., Mathew, A. & Ramesh, S.T. (2022). Spatio-Temporal Modelling of Particulate Matter Concentrations Using Satellite Derived Aerosol Optical Depth Over Coastal Region of Chennai in India. Ecological Informatics, 69, 101681. https://doi.org/10.1016/j.ecoinf.2022.101681
  • Rezazadeh, M., Irannejad, P., & Shao, Y. (2013). Climatology of the Middle East Dust Events. Aeolian Research. 10, 103-109. https://doi.org/10.1016/j.aeolia.2013.04.001
  • Shen, L., Wang, H., Zhao, T., Liu, J., Bai, Y., Kong, S., & Shu, Z. (2020). Characterizing Regional Aerosol Pollution in Central China Based on 19 Years of MODIS Data: Spatiotemporal Variation and Aerosol Type Discrimination. Environmental Pollution. 263:114556. https://doi.org/10.1016/j.envpol.2020.114556
  • Su, X., Wang, L., Gui, X., Yang, L., Li, L., Zhang, M., Qin, W., Tao, M., Wang, S., & Wang L. (2022). Retrieval of Total and Fine Mode Aerosol Optical Depth by an Improved MODIS Dark Target Algorithm. Environment International, 166, 107343. https://doi.org/10.1016/j.envint.2022.107343
  • Tie, X., Cao, J. (2009). Aerosol Pollution in China: Present and Future Impact on Environment. Particuology, 7(6), 426-31. https://doi.org/10.1016/j.partic.2009.09.003

 

  • Wang, J., Yan, Y., Si, H., Li, J., Zhao, Y., Gao, T., Pi, J, Zhang, R., Chen, R., Chen, W., Zheng, Y. (2023). The Effect of Real-Ambient PM2. 5 Exposure on the Lung and Gut Microbiomes and the Regulation of Nrf2. Ecotoxicology and Environmental Safety. 254, 114702. https://doi.org/10.1016/j.ecoenv.2023.114702
  • Xiang, Y., Ye, Y., Peng, C., Teng, M., Zhou, Z. (2022). Seasonal Variations for Combined Effects of Landscape Metrics on Land Surface Temperature (LST) and Aerosol Optical Depth (AOD). Ecological Indicators, 138:108810. https://doi.org/10.1016/j.ecolind.2022.108810
  • Xuan, J, Sokolik, I.N., Hao, J., Guo, F., Mao, H., Yang, G. (2004). Identification and Characterization of Sources of Atmospheric Mineral Dust in East Asia. Atmospheric Environmen, 38(36), 6239-6252. https://doi.org/10.1016/j.atmosenv.2004.06.042
  • Yang, Y., Jiang, M., Chen, Z., Ni, C., & Yang, Q. (2022). Establishment of Aerosol Optical Depth Dataset in the Sichuan Basin by the Random Forest Approach. Atmospheric Pollution Research,13(5),101394. https://doi.org/10.1016/j.apr.2022.101394

 

ارسال نظر در مورد این مقاله
CAPTCHA Image

فایل ها

سابقه مقاله

  • تاریخ دریافت: 27 خرداد 1402
  • تاریخ بازنگری: 08 مرداد 1402
  • تاریخ پذیرش: 18 مرداد 1402

هم رسانی

ارجاع به این مقاله

آمار