تحلیل فضایی مخاطرات محیطی

تحلیل فضایی مخاطرات محیطی

تحلیل آماری فراوانی وقوع گردوغبارهای استان یزد و الگوسازی آنها براساس عناصر اقلیمی و پوشش گیاهی

نویسندگان
عباسعلی ولی 1
سید حجت موسوی 2
اسماعیل زمانی 3
1 دانشیار گروه علوم مهندسی بیابان، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان، کاشان، ایران
2 استادیار گروه جغرافیا و اکوتوریسم، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان، کاشان، ایران
3 کارشناس ارشد بیابان‌زدایی، گروه علوم مهندسی بیابان. دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان، کاشان، ایران
10.29252/jsaeh.6.3.121
چکیده
گردوغبار به‌عنوان یکی‌از مخاطرات محیطی مناطق خشک و ازجمله ایران مرکزی باعث ایجاد معضلات زیست‌محیطی بسیار شده‌است که لزوم مطالعه و مدیریت بحران آن را در مجامع علمی و اجرایی تایید می‌کند. پژوهش حاضر سعی دارد تأثیرسنجی عناصر اقلیمی دما، بارش، رطوبت‌نسبی، تبخیروتعرق و همچنین پوشش گیاهی را بر فراوانی وقوع گردوغبارهای استان یزد در دوره 5 ساله (2009 تا 2014) ارزیابی کند. لذا پس‌از تعیین ایستگاه‌های سینوپتیک، اقدام به استخراج داده‌های گردوغبار براساس کد پدیده‌های هوای حاضر و مقادیر عناصر اقلیمی نمود و در گام بعد مبادرت به پهنه‌بندی فضایی آنها ازطریق روش‌های زمین آمار کرد. سپس داده‌های نمایه EVI از تصاویر MODIS با رعایت اصل تطابق زمانی استخراج گردید. نهایتاً جهت تخمین احتمال وقوع گردوغبار، انواع روش‌های رگرسیون ساده و چندگانه برازش داده شد و مناسبترین روابط با ارزش رجحانی بالاتر گزارش گردید. نتایج نشان داد بیشترین رابطه معنی‌دار بین فراوانی کل گردوغبار با تبخیروتعرق و رطوبت‌نسبی با ضریب تبیین 973/0 و 614/0 و انحراف برآورد 104/24 و 477/92 در سطح 99 و 95 درصد وجود دارد. همچنین حداکثر رابطه معنی‌دار گردوغبارهای خارجی با تبخیروتعرق و رطوبت نسبی با ضریب تبیین 968/0 و 621/0 و خطای برآورد 173/0 و 427/75 در سطح 99 و 95 مشاهده شد. گردوغبارهای داخلی با تبخیروتعرق و حداکثر دما با ضریب تبیین 770/0 و 371/0 و خطای برآورد 751/15 و 642/0 در سطح 95 درصد رابطه معنی‌دار دارد. نتایج رابطه‌سنجی گردوغبارهای کل، خارج و داخلی با عناصر اقلیمی و پوشش گیاهی براساس روش اینتر حاکی‌از ارتباط معنی‌دار آنها به‌ترتیب با ضریب تبیین 994/0، 985/0 و 956/0 و خطای برآورد 13713/18، 55551/24 و 49989/10 در سطح 99 و 95 درصد می‌باشد که نشان‌از عملکرد سیستماتیک عناصر اقلیمی و پوشش گیاهی در وقوع گردوغبار است.
کلیدواژه‌ها
گردوغبار
عناصر اقلیمی
پوشش گیاهی
تحلیل رگرسیون
یزد

عنوان مقاله English

Statistical analysis of occurrence frequency of dust storms in Yazd province and its modeling based on climatic elements and vegetation cover

نویسندگان English

Abbas Ali Vali 1
Sayyed Hojjat Mousavi 2
Esmaeil Zamani 3
1 Associate Professor of Desert Engineering, Department of Desert Sciences Engineering, Faculty of Natural Resources and Earth Sciences, University of Kashan, Kashan, Iran
2 Assistant Professor of Geomorphology, Department of Geography and Ecotourism, Faculty of Natural Resources and Geo Sciences, University of Kashan, Kashan, Iran
3 MSc graduate of desert combating, Department of Desert Sciences Engineering, Faculty of Natural Resources and Earth Sciences, University of Kashan, Kashan, Iran
چکیده English

Introduction

Dust storms as one of the environmental hazards of the arid regions of the globe, including the southern, southwestern, eastern and central parts of Iran, has caused many environmental problems that confirm the need for studying and crisis managing its in scientific and executive congresses. Therefore, the present study attempts to evaluate the effects of climate elements on temperature, precipitation, humidity, evapotranspiration and vegetation index on the frequency of dust storms in Yazd province during the period of 5 years (2009-2014).



Data and Methodology

So, after determining the synoptic stations of the area, the dust data were extracted based on the code of the present weather phenomena and the values of the climatic elements. In the next step, their spatial zonation was determined through the interpolation method. Then, using the MODIS images, EVI index data were calculated according to the principle of time matching. Finally, a variety of simple and multiple regression models were fitted to estimate the occurrence frequency of dust, and the most appropriate relationships with higher preference values were reported.



Findings and Conclusions

The results showed that there was a significant relationship between the total dust with evapotranspiration and relative humidity with a R square of 0.973 and 0.614 and the standard deviation of 24.104 and 92.477 at sig. level of 99% and 95%. Also, there is the maximum significant relation between external dust with evapotranspiration and relative humidity with a R square 0.968 and 0.621, and the standard deviation was estimated to be 0.173 and 75.427 at sig. level of 99% and 95%, respectively. Internal dusts with evapotranspiration and maximum temperature with a R square of 0.770 and 0.377 and standard deviation of 15.1751 and 64.22 have a significant relationship with sig. level of 95%. The results of the total, external and internal dust storms with climatic elements and vegetation cover showed a significant correlation with the R square of 0.994, 0.988 and 0.956 and the standard error of estimation of 18.13713, 24.2555551 and 10.49989 at sig. level of 99% and 95%, respectively, which indicates the systematic function of climatic elements and vegetation cover in the occurrence of dust.

کلیدواژه‌ها English

Dust
climatic elements
Vegetation Cover
Regression analysis
Yazd
10) Chang, C.C.; I.M. Lee, S.S. Tsai, and C.Y. Yang. 2006. Correlation of asian dust storm events with daily clinic visits for allergic rhinitis in taipei, Taiwan. J. Toxicol. Environ. Health Part A, 69: 229-235.
11) Chuang, K.J.; C.C. Chan, N.T. Chen, T.C. Su, and L.Y. Lin. 2005. Effects of particle size fractions on reducing heart rate variability in cardiac and hypertensive patients. Environ. Health Perspect., 113: 1693-1697.
12) Chung, Y.S.; and M.B. Yoon. 1996. On the occurrence of yellow sand and atmospheric loadings. Atmos. Environ., 30: 2387-2397.
13) Dayan, U.; B. Ziv, T. Shoob, and Y. Enzel. 2008. Suspended dust over southeastern Mediterranean and its relation to atmospheric circulations. Int. J. Climatol., 28: 915-924. DOI: 10.1002/joc.1587.
14) Ekstrom, M.; G.H. Mctainsh, and A. Chappell. 2004. Australian dust storms: temporal trends and relationships with synoptic pressure distribution (1960–99). Int. J. Climatol., 24: 1581–1599.
15) Engelstaedter, S. 2001. Dust Storm Frequencies and Their Relationship to Land Surface Conditions. Friedrich-Schiller University. Berlin.
16) Fan, X.B.; K. Okada, N. Niimura, K. Kai, K. Arao, G.Y. Shi, Y. Qin, and Y. Mitsuta. 1996. Mineral particles collected in china and japan during the same asian dust-storm event. Atmos. Environ., 30: 347-351.
17) Fu, P.; J. Huang, C. Li, and S. Zhong. 2008. The properties of dust aerosol and reducing tendency of the dust storms in northwest China. Journal of Atmospheric Environment, 42: 5896– 5904.
18) Ginoux, P.; D. Garbuzov, and N. Hsu, 2010. Identification of anthropogenic and natural dust sources using Moderate Resolution Imaging Spectroradiometer (MODIS) Deep Blue level 2 data. Journal of Geophysical Research, 115: 1-10. DOI:10.1029/2009JD012398,
19) Goudie, A.S. 2009. Dust storms: Recent developments. Journal of Environmental Management, 90: 89–94.
20) Goudie, A.S.; and N.J. Middleton. 2001. Saharan dust storms: nature and consequences. Journal of Earth Sci. Rev., 56: 179–204.
21) Goudie, A.S.; and N.J. Middleton. 2006. Desert Dust in the Global System. Springer, Heidelberg.
22) Huang, J.; g. Ge, F. Weng. 2007. Detection of Asian dust storms using multisensory satellite measurements. J. Remote Sensing Environment, 110: 186-191.
23) Huang, M.; G. Peng, J. Zhang, and S. Zhang. 2006. Application of artificial neural networks to the prediction of dust storms in Northwest China. Journal of Global and Planetary Change, 52: 216–224.
24) Kai, Z.; and H. Gao. 2007. The characteristics of Asian-dust storms during 2000-2002: From the source to the sea. J. Atmospheric Environment, 41: 9136-9145.
25) Lasserre, F.; G. Cautenet, S.C. Alfaro, L.R. Gomes, J.L. Rajot, S. Lafon, A. Gaudichet, B. Chatenet, M. Maille, H. Cachier, P. Chazette, and X.Y. Zhang. 2005. Development and validation of a simple mineral dust source inventory suitable for modeling in North Central China. Journal of Atmospheric Environment, 39: 3831–3841. DOI: 10.1016/j.atmosenv.2005.02.056
26) Lee, Y.C.; X. Yang, and M. Wenig. 2010. Transport of dusts from East Asian and non-East Asian sources to Hong Kong during dust storm related events 1996-2007. Journal of Atmospheric Environment, 44: 3728-3738.
27) Prospero, J.M.; and P.J. Lamb. 2003. African droughts and dust transport to the Caribbean: climate change implications, Science, 302(5647): 1024-1027.
28) Qian, W.; L. Quan, and S. Shi. 2002. Variations of the dust storm in China and its climatic control. Journal of Climate, 15(10): 1216-1229.
29) Shao, Y.; K.-H. Wyrwoll, A. Chappell, J. Huang, Z. Lin, G.H. McTainsh, M. Mikami, T. Y. Tanaka, X. Wang, and S. Yoon. 2011. Dust cycle: An emerging core theme in Earth system science. Aeolian Research, 2(4): 181–204.
30) Song, Z. 2004. A numerical simulation of dust storms in China. Journal of Environmental Modelling & Software, 19: 141–151.
31) Wang, X.; J.P. Huang, M.X. Ji, and K. Higuchi. 2008. Variability of east asia dust events and their long-term trend. Atmos. Environ., 42: 3156-3165.
32) Wang, Y.Q.; X.Y. Zhang, R. Arimoto, J.J. Cao, and Z.X. Shen. 2005. Characteristics of carbonate content and carbon and oxygen isotopic composition of northern China soil and dust aerosol and its application to tracing dust sources. Atmospheric Environment, 39(14): 2631-2642.
33) Wang, Y.Q.; X.Y. Zhang, S.L. Gong, C.H. Zhou, X.Q. Hu, H.L. Liu, T. Niu, Y.Q. Yang, 2007. Surface observation of sand and dust storm in east asia and its application in cuace/dust. Atmos. Chem. Phys. Discuss., 7: 9115-9138.
34) Wang. E.; L. Qiming, Y. Na, W. Xianhua, and M. Jinji. 2013. Air quality evaluation on an urban scale based on MODIS satellite images. Atmospheric Reasearch, 132-133: 22-34.
35) Wong, S.; and A.E. Dessler. 2005. Suppression of deep convection over the tropical North Atlantic by the Saharan Air Layer. Geophys. Res. Lett., 32: 1-4. DOI: 10.1029/ 2004GL022295.
36) Zhao, T.X-P.; S. Ackerman, and W. Guo. 2010. Dust and smoke detection for multi-channel imagers. Remote Sensing, 2(10): 2347-2368.