| تعداد نشریات | 282 |
| تعداد نشریات سازمان | 80 |
| تعداد شمارهها | 3,168 |
| تعداد مقالات | 35,197 |
| تعداد مشاهده مقاله | 50,943,839 |
| تعداد دریافت فایل اصل مقاله | 90,949,033 |
تحلیل مکانی-زمانی پدیده گردوغبار طی سالهای ۲۰۲۰ تا ۲۰۲۵ با استفاده از سنجش از دور و ردیابی منشأ با مدل HYSPLIT، مطالعه موردی: ایلام، ایران | ||
| مهندسی و مدیریت آبخیز | ||
| دوره 18، شماره 1، فروردین 1405، صفحه 1-24 اصل مقاله (1.8 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/ijwmse.2025.369911.2120 | ||
| نویسندگان | ||
| علیرضا یوسفی کبریا* 1؛ علی خلیلی2؛ حسن رضائی3 | ||
| 1دکتری هواشناسی کشاورزی، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی، ساری، ایران | ||
| 2استادیار، گروه رایانه و سایبری، دانشکده مهندسی و پرواز، دانشگاه افسری امام علی (ع)، تهران، ایران | ||
| 3دکتری، گروه جغرافیا، اقلیم شناسی، دانشکده علوم پایه، دانشگاه افسری امام علی (ع)، تهران، ایران، ایران | ||
| چکیده | ||
| مقدمه پدیده گردوغبار بهعنوان یکی از مهمترین چالشهای زیستمحیطی مناطق خشک و نیمهخشک، طی سالهای اخیر در استان ایلام شدت یافته و اثرات گستردهای بر سلامت عمومی، زیرساختهای شهری، کشاورزی و پایداری منابع طبیعی داشته است. واقع شدن این استان در مرز با کشورهای عراق و سوریه، آن را در معرض مستقیم طوفانهای گردوغبار با منشأ فرامرزی قرار داده است. در این راستا، پایش دقیق روند تغییرات مکانی–زمانی گردوغبار و شناسایی منشأهای آن، برای طراحی راهبردهای کنترلی و کاهش اثرات این پدیده، ضروری به نظر میرسد. مواد و روشها در این پژوهش، دادههای ذرات معلق (PM) مربوط به سالهای 2020 تا 2025 از ایستگاههای سنجش آلودگی هوا مهران و دهلران بهعنوان دادههای زمینی جمعآوری شد. همزمان، از شاخصهای ماهوارهای شامل عمق نوری آئروسل (AOD) از سنجنده MODIS، شاخص جذب آئروسل (AAI) از سنجنده TROPOMI، شاخص NDDI (گردوغبار) و نقشه شمارش روزهای گردوغبار (DECM) استفاده شد. دادهها با استفاده از برنامهنویسی در محیط Google Earth Engine پردازش و تحلیل شدند. برای ردیابی مسیر حرکت تودههای گردوغبار، از مدل عددی HYSPLIT با رهگیری معکوس 24 ساعته استفاده شد. همچنین، تصاویر ماهوارهای MODIS (True Color) بهمنظور اعتبارسنجی نتایج مدل و تحلیل بصری بهکار گرفته شدند. نتایج و بحث تحلیل شاخص شمارش روزهای گردوغبار (DECM) طی سالهای 2020 تا 2024 حاکی از روند صعودی وقوع این پدیده در استان ایلام است. در سال 2020، کمترین روزهای گردوغبار ثبت شد، اما حتی در همین سال، شهرستانهای دهلران و آبدانان با بیش از 30 روز مواجه بودند. در سال 2021، این مقدار در مناطق مرزی به بیش از 120 روز افزایش یافت، و در سال 2022، اوج بحران با ثبت بیش از 200 روز در نواحی مرزی نظیر مهران، دهلران، ایوان و جنوب ایلام مشاهده شد. اگرچه در سالهای 2023 و 2024 این تعداد بهترتیب به 182 و 172 مورد کاهش یافت، اما تمرکز مکانی پدیده همچنان در نواحی مرزی باقی ماند. شاخص جذب آئروسل (AAI) که از دادههای Sentinel-5P استخراج شده است، نیز روند بحرانی بودن شرایط را تأیید میکند. در سال 2020، میانگین AAI در مهران، دهلران و آبدانان حدود 0.28 بود؛ در سال 2021 این مقدار به 0.32 افزایش یافت و در سال 2022 به بیش از 1.3 رسید که معادل با شرایط بسیار ناسالم برای عموم مردم است. حتی با کاهش نسبی در سالهای 2023 (0.87) و 2024 (0.86)، مقادیر همچنان در محدوده ناسالم باقی ماندهاند. شاخص عمق نوری آئروسل (AOD) از محصولات MODIS نیز در تحلیل شدت گردوغبار نقش کلیدی داشته است. در سال 2020، مقادیر AOD در نواحی مرزی ایلام به بیش از یک رسید و در سال 2021 در برخی مناطق از 1.6 نیز فراتر رفت. بحرانیترین سال در این زمینه، 2022 بود که در آن مقدار AOD در جنوب ایلام و غرب دهلران به بیش از 1.85 رسید. حتی مناطق مرکزی استان نیز در این سال با مقادیر AOD بیش از 0.5 مواجه شدند. در سالهای 2023 و 2024 به ترتیب مقادیر 1.3 و 1.18 ثبت شد که گرچه کاهش نشان میدهند اما همچنان در محدوده ناسالم و خطرناک قرار دارند. شاخص NDDI نیز، بیانگر میزان رسوبگذاری ذرات گردوغبار بر سطح زمین است، در سال 2021 به اوج خود رسید و در برخی نواحی مرزی به بیش از 0.9 افزایش یافت. در سال 2022 مقدار شاخص به حدود 0.5 کاهش یافت که میتواند ناشی از عبور تودههای گردوغبار بدون تهنشینی موضعی باشد. در سال 2023 این شاخص به پایینترین سطح خود (کمتر از 0.5) رسید اما در 2024 بار دیگر تا 0.54 افزایش یافت. شبیهسازی مسیرهای حرکت ذرات گردوغبار با استفاده از مدل HYSPLIT برای دو رخداد بحرانی در سال 2025 انجام شد. در تاریخ 15 آوریل 2025 (26 فروردین 1404)، مدل نشان داد که منشأ اصلی گردوغبار از نواحی خشک غرب عراق بوده است. مسیر شبیهسازیشده نشان میدهد که توده گردوغبار ساعت 11:00 صبح به مرز ایلام و ساعت 12:00 به ایستگاه دهلران رسید. ساختار عمودی جریان نشان میدهد که ذرات در آغاز حرکت در ارتفاع 500 متری قرار داشتند و هنگام ورود به استان، به لایههای سطحی جو نفوذ کردهاند، که این امر با شاخص AQI 500 در ایستگاه دهلران همخوانی دارد. در رخداد دوم، مربوط به 25 می 2025 (4 خرداد 1404)، مدل HYSPLIT منشأ گردوغبار را بیابانهای شرق سوریه تشخیص داد. ذرات گردوغبار در ارتفاع 2000 متری شکل گرفته و با گذر از عراق، ساعت 12:00 ظهر به ایستگاه مهران رسیدهاند. در این مسیر نیز کاهش تدریجی ارتفاع تا سطح 500 متر باعث نفوذ ذرات به لایه مرزی و آلودگی شدید سطحی شده است. نقشه فراوانی مسیرها نشان داد که بیش از 90 درصد از مسیرهای شبیهسازیشده از بیابانهای سوریه عبور کردهاند و تأثیر ترکیبی منابع عراق و سوریه را در انتقال آلودگی تأیید میکنند. در این رخداد نیز شاخص AQI در ایستگاه مهران به سطح 500 رسید. در مجموع، نتایج حاصل از مدلسازی و تحلیلهای ماهوارهای نهتنها حاکی از تثبیت الگوی مکانی گردوغبار در نواحی مرزی ایلام است، بلکه بر نقش کلیدی کانونهای فعال در عراق و سوریه و تأثیر سینوپتیکی جریانهای باد در انتقال فرامرزی این ذرات نیز تأکید دارد. نتیجهگیری یافتههای این پژوهش نشان میدهد که استان ایلام طی سالهای اخیر با افزایش فراوانی و شدت پدیده گردوغبار مواجه بوده و کانونهای فعال این پدیده بهویژه در نواحی مرزی تثبیت شدهاند. نقش منابع فرامرزی، بهویژه بیابانهای عراق و سوریه، در تشدید آلودگی گردوغبار استان، بسیار برجسته است. ترکیب تحلیل شاخصهای ماهوارهای با مدل HYSPLIT امکان شناخت دقیقتر از منشأ، مسیر و شدت گردوغبار را فراهم نموده است. بر این اساس، اجرای راهکارهایی مانند احیای پوشش گیاهی مقاوم به خشکی، تثبیت خاک، مرطوبسازی اراضی خشک، ایجاد کمربند سبز در مرزها، توسعه همکاریهای منطقهای با کشورهای همسایه و بهکارگیری سامانههای هشدار سریع بر پایه دادههای ماهوارهای، برای مقابله با این بحران زیستمحیطی حیاتی است. در غیر این صورت، تداوم روند فعلی میتواند به تثبیت یک وضعیت بحرانی و افزایش آسیبپذیری زیستمحیطی، اجتماعی و اقتصادی در منطقه منجر شود. | ||
| کلیدواژهها | ||
| پدیده گردوغبار؛ شاخص AAI؛ شاخص NDDI؛ شاخص DECM؛ کیفیت هوا | ||
| عنوان مقاله [English] | ||
| Spatiotemporal analysis of dust phenomena from 2020 to 2025 using remote sensing and source tracking with the HYSPLIT model: a case study of Ilam Province, Iran | ||
| نویسندگان [English] | ||
| Alireza Yousefi Kebriya1؛ Ali Khalili2؛ Hasan Rezaei3 | ||
| 1Ph.D. Candidate in Agricultural Meteorology, Faculty of Agricultural Engineering, Agricultural Sciences and Natural Resources University, Sari, Iran | ||
| 2Assistant Professor, Department of Computer and Cybernetics, Faculty of Engineering and Aviation, Imam Ali (AS) Military University, Tehran, Iran | ||
| 3Ph.D., Department of Geography and Climatology, Faculty of Basic Sciences, Imam Ali (AS) Military University, Tehran, Iran | ||
| چکیده [English] | ||
| Introduction Dust storms have emerged as one of the most significant environmental challenges in arid and semi-arid regions, and their frequency and intensity have notably increased in Ilam Province in recent years. These storms have had wide-ranging impacts on public health, urban infrastructure, agriculture, and the sustainability of natural resources. The province’s geographical location along the borders of Iraq and Syria makes it particularly vulnerable to transboundary dust storms originating from desertified areas in neighboring countries. Accordingly, precise monitoring of the spatiotemporal dynamics of dust storms and identifying their sources are essential for developing effective mitigation strategies and reducing their adverse impacts. Materials and methods In this study, PM concentration data from 2020 to 2025 were collected from air quality monitoring stations in Mehran and Dehloran as ground-based observations. In parallel, satellite-based indices were utilized, including the Aerosol Optical Depth (AOD) from MODIS, the Absorbing Aerosol Index (AAI) from Sentinel-5P TROPOMI, the Normalized Difference Dust Index (NDDI), and the Dust Event Count Map (DECM). All datasets were processed and analyzed using Google Earth Engine. To track the transport pathways of dust plumes, the HYSPLIT model was applied with a 24-hour backward trajectory simulation. Additionally, MODIS True Color images were employed to visually validate the HYSPLIT model outputs. Results and discussion Analysis of the DECM index from 2020 to 2024 revealed an upward trend in the frequency of dust events in Ilam Province. In 2020, the lowest number of events was recorded, although even in that year, Dehloran and Abdanan experienced over 30 events. In 2021, the number rose to over 120 events in border regions, reaching a critical peak in 2022 with more than 200 dust events recorded in Mehran, Dehloran, Eyvan, and southern Ilam. Although the numbers slightly decreased to 182 and 172 in 2023 and 2024, respectively, the spatial concentration of dust activity remained in the border areas. The Absorbing Aerosol Index (AAI) extracted from Sentinel-5P data further confirmed the severity of the situation. In 2020, the mean AAI values in Mehran, Dehloran, and Abdanan were around 0.28, increasing to 0.32 in 2021, and exceeding 1.3 in 2022 -indicative of very unhealthy conditions for the general population. Despite slight declines in 2023 (0.87) and 2024 (0.86), values remained in the unhealthy range. MODIS-derived AOD data also played a key role in assessing dust intensity. In 2020, AOD levels surpassed 1 in border areas and exceeded 1.6 in some regions in 2021. The critical peak occurred in 2022, when AOD values reached over 1.85 in southern Ilam and western Dehloran. Even central parts of the province saw AOD values greater than 0.5 in the same year. In 2023 and 2024, the values were 1.3 and 1.18, respectively, remaining within hazardous levels. The NDDI index, which reflects dust deposition on surfaces, peaked in 2021 with values exceeding 0.9 in some border areas. In 2022, the index dropped to approximately 0.5, possibly indicating airborne dust with limited ground deposition. It reached its lowest point in 2023 (below 0.5), followed by a slight increase to 0.54 in 2024. The HYSPLIT model was used to simulate dust transport pathways for two critical events in 2025. On April 15, 2025, the model identified western Iraq as the main dust source. Simulations showed that the dust plume reached the Ilam border at 11:00 AM and Dehloran station by 12:00 PM. Vertical profiles indicated that dust particles initially traveled at 500 meters altitude and later descended into the boundary layer, corroborating the recorded AQI level of 500 in Dehloran. In the second event on May 25, 2025, the dust originated from the deserts of eastern Syria. The particles formed at an altitude of 2000 meters and traveled across Iraq, reaching Mehran station at 12:00 PM. The trajectory showed a gradual descent to 500 meters, leading to severe surface-level pollution. Trajectory frequency maps indicated that more than 90% of paths passed through Syria, confirming the combined influence of Iraqi and Syrian sources. This event also saw an AQI level of 500 in Mehran. Overall, the results underscore the spatial stabilization of dust hotspots in Ilam’s border regions and highlight the critical role of transboundary dust sources in Iraq and Syria, as well as the synoptic wind patterns that facilitate their transport. Conclusions The findings demonstrate a notable increase in the frequency and intensity of dust storms in Ilam Province in recent years, with a clear spatial concentration in border areas. Transboundary sources, particularly desert regions in Iraq and Syria, have significantly contributed to the worsening dust pollution. The integration of satellite indices with the HYSPLIT model enabled the precise identification of dust origins, transport paths, and intensity. Consequently, implementing control strategies such as the restoration of drought-resistant vegetation, soil stabilization, land moistening, establishment of greenbelts along the borders, enhancement of regional cooperation with neighboring countries, and deployment of satellite-based early warning systems is essential. Without such interventions, the current trajectory may lead to a chronic crisis and exacerbate environmental, social, and economic vulnerabilities in the region. | ||
| کلیدواژهها [English] | ||
| AAI index, Air quality, DECM index, Dust storm, NDDI index | ||
| مراجع | ||
|
Ahmadi-Molaverdi, M., Jabbari, I., Fathnia, A., 2022. Geomorphological and spatial analysis of dust sources in Ilam Province, Iran. Sediment. Geol. 436, 106168 (in Persian). Amarloei, A., Fazlzadeh, M., Jonidi Jafari, A., Zarei, A., Mazloomi, S., 2020. Particulate matters and bioaerosols during Middle East dust storms events in Ilam, Iran. Microchem. J. 152, 104280 (in Persian). Baharvand, P., Amoatey, P., Omidi Khaniabadi, Y., Sicard, P., Naqvi, H.R., Rashidi, R., 2025. Short-term exposure to PM2.5 pollution in Iran and related burden diseases. Int. J. Environ. Health Res. 1-14 (in Persian). Broomandi, P., Mohammadpour, K., Kaskaoutis, D.G., Fathian, A., Abdullaev, S.F., Maslov, V.A., Nikfal, A., Jahanbakhshi, A., Aubakirova, B., Kim, J.R., Satyanaga, A., Rashki, A., Middleton, N., 2023. A synoptic- and remote sensing-based analysis of a severe dust storm event over Central Asia. Aerosol Air Quality Res. https://doi.org/10.4209/aaqr.220309 Copernicus Programme., 2018. Sentinel-5P: Monitoring air pollution and climate. European Commission. Retrieved from https://www.copernicus.eu/en/copernicus-services/atmosphere/sentinel-5p Dargahian, F., Mousivand, Y., Razavizadeh, S., Lotfinasabasl, S., 2023. Identifying dust sources affecting southwestern Iran (Khuzestan Province) using remote sensing techniques and HYSPLIT model. J. Indian Society Remote Sens. 51(1), 565-583 (in Persian). Darvishi Boloorani, A., Najafi, M.S., Soleimani, M., Papi, R., Torabi, O., 2022. Influence of Hamoun Lakes' dry conditions on dust emission and radiative forcing over Sistan plain, Iran. Atmosph. Res. 272, 320–33 (in Persian). Ehtemae, N., Ghanavati, N., Nazarpour, A., Babaeinejad, T., Watts, M.J., 2023. Status, source, and risk assessment of heavy metal(loid)s and polycyclic aromatic hydrocarbons (PAHs) in the street dust of Ilam, Iran. Environ. Monito. Assess. Advance online publication. https://doi.org/10.1080/10406638.2023.2276864 Ghazal, N., 2020. Monitoring dust storm using Normalized Difference Dust Index (NDDI) and brightness temperature variation in semi-arid areas over Iraq. Iraqi J. Physic. 18(45), 68–75. https://doi.org/10.30723/ijp.v18i45.517 Gong, H., Li, Y., Zhang, J., Zhang, B., Wang, X., 2024. A new filter feature selection algorithm for classification task by ensembling Pearson correlation coefficient and mutual information. Engin. Applica. Artificial Intelli. 131, 107865. https://doi.org/10.1016/j.engappai.2024.107865 Hennen, M., Chappell, A., Edwards, B., Faist, A., Kandakji, T., Baddock, M., Wheeler, B., Tyree, G., Treminio, R., Webb, N., 2022. A North American dust emission climatology (2001–2020) calibrated to dust point sources from satellite observations. Aeolian Res. 100766. https://doi.org/10.1016/j.aeolia.2021.100766 Jadidoleslami Ghaleno, M., 2024. Analysis of aeolian deposit processes and their hazards in Sistan Plain. J. Nat. Environ. Hazard. 13(42), 71-90. https://doi.org/10.22111/jneh.2024.47555.2014 Khanfari, V., Asgari, H.M., Dadollahi-Sohrab, A., 2024. Forecasting wetland transformation to dust source by employing CA-Markov model and remote sensing: A case study of Shadegan International Wetland. Wetlands 44(96). https://doi.org/10.1007/s13157-024-01856-x Miri, A., Maleki, S., Middleton, N., 2021. An investigation into climatic and terrestrial drivers of dust storms in the Sistan region of Iran in the early twenty-first century. Sci. Total Environ. 757, 143952. https://doi.org/10.1016/j.scitotenv.2020.143952 NASA (National Aeronautics and Space Administration), 2015. GMS: NASA Images. NOAA Research., 2020. NOAA ESRL global monitoring laboratory: SURFRAD aerosol optical depth. https://gml.noaa.gov/grad/surfrad/aod/ Peshev, Z., Chaikovsky, A., Evgenieva, T., Pescherenkov, V., Vulkova, L., Deleva, A., Dreischuh, T., 2023. Combined characterization of airborne Saharan dust above Sofia, Bulgaria, during blocking-pattern conditioned dust episode in February 2021. Remote Sens. 15(15), 3833. https://doi.org/10.3390/rs15153833 Pourhashemi, S., 2024. Preparing a map of the sensitivity of the lands of Ilam province to dust production using data mining models. Environ. Erosion Res. 14(3), 83–101. https://doi.org/10.61186/jeer.14.3.83 Qor-el-aine, A., Béres, A., Géczi, G., 2022. Dust storm simulation over the Sahara Desert (Moroccan and Mauritanian regions) using HYSPLIT. Atmospheric Sci. Letter. 23(4), e1076. https://doi.org/10.1002/asl.1076 Ranjbar, H., Bazgir, M., Namdar Khojasteh, D., Rostaminia, M., 2019. Identification of dust sources in Ilam province. Iran. J. Range Desert Res. 26(3), 675–687. DOI: 10.22092/ijrdr.2019.120016 Rolph, G., Stein, A., Stunder, B., 2017. Real-time environmental applications and display system: READY. Environ. Model. Soft. 95, 210–228. https://doi.org/10.1016/j.envsoft.2017.06.025 Tang, F., Wang, W., Si, F., Zhou, H., Luo, Y., Qian, Y., 2022. Successful derivation of absorbing aerosol index from the Environmental Trace Gases Monitoring Instrument (EMI). Remote Sens. 14(16), 4105. https://doi.org/10.3390/rs14164105 Varga, G., Meinander, O., Rostási, Á., Dagsson-Waldhauserová, P., Csávics, A., Gresina, F., 2023. Saharan, Aral-Caspian and Middle East dust travels to Finland (1980–2022). Environ. Int. 180, 108243. https://doi.org/10.1016/j.envint.2023.108243 Vatanparast Ghaleh Juq, F., Salahi, B., Zeinali, B., 2024. Monitoring temporal-spatial changes of atmospheric suspended dust in selected provinces of the western half of Iran using MODIS and sentinel-5 images. Geograph. Environ. Plan. 35(3), 113-128. doi: 10.22108/gep.2024.140621.1635 Wang, Y., Tang, J., Zhang, Z., Wang, W., Wang, J., Wang, Z., 2023. Hybrid methods’ integration for remote sensing monitoring and process analysis of dust storm based on multi-source data. Atmosph. 14(1), 3. https://doi.org/10.3390/atmos14010003 Wu, Z., Jiang, Q., Yu, Y., Xiao, H., Freese, D., 2022. Spatio-temporal evolution of a typical sandstorm event in an arid area of northwest China in April 2018 based on remote sensing data. Remote Sens. 14(13), 112–125. https://doi.org/10.3390/rs14133065 Yousefi kebriya, A., Nadi, M., Yousefi Kebriya, H., 2025. Analysis of the Impact of Agricultural Fires on Air Quality in Mazandaran Province Using Satellite Data. Climate Change Res. doi: 10.30488/ccr.2025.492951.1260 Yousefi Kebriya, A., Nadi, M., Ghanbari Parmehr, E., Sun, Z., 2025. Assessment of some environmental stresses in the Shadegan wetland: Analysis of satellite data, water quality indicators, and dust storm pathways. Iran. J. Energy Environ. 16(2), 372–388. https://doi.org/10.5829/ijee.2025.16.02.17. Yousefi Kebriya, A., Nadi, M., Ghanbari Parmehr, E., Sun, Z., 2024. Assessment of some environmental stresses in the Shadegan wetland: Analysis of satellite data, water quality indicators, and dust storm pathways. Iran. J. Energy Environ. 16(2), 372–388. https://doi.org/10.5829/ijee.2025.16.02.17 Yousefi kebriya, A., Nadi, M., Ghanbariparmehr, E., Zhongchang, S., 2024. Modeling and forecasting dust pollution using satellite data and machine learning techniques: a case study of Ahvaz). J. Agricul. Meteorol. doi: 10.22125/agmj.2024.478677.1174 Yousefi-Kebriya, A., Nadi, M., Afaridegan, E., Sun, Z., 2025. Wetland shrinking and dust pollution in Khuzestan, Iran: Insights from Sentinel-5 and MODIS satellites. Scienti. Rep. 15, Article 13626. https://doi.org/10.1038/s41598-025-96935-2
| ||
|
آمار تعداد مشاهده مقاله: 77 تعداد دریافت فایل اصل مقاله: 7 |
||