واکاوی روند تغییرات روزهای برفپوشان در ایران بر پایۀ داده‌های دورسنجی

مقدمه

برف یکی از گونه‌های ریزش‌های آسمانی است که از چگالش هوای مرطوب پدیدار می‌شود، در شرایطی که دمای هوا کمتر از صفر درجۀ سلسیوس باشد. اگرچه گسترۀ کوچکی از سطح کرۀ زمین را پهنه‌های کوهستانی در برگرفته‌ است، همین مناطق در چشم‌انداز آب‌شناختی حوضه‌های آبریز نقشی برجسته دارند. انباره‌ها و پوشش‌های برفی کوهستان‌ها در ترازنامۀ آبی بسیاری از مناطق جهانی نقش برجسته‌ای دارند (رامیج و ایساکس،2003). انباشت برف و یخ در بخش‌های پرارتفاع کوهستان‌ها، الگوی فصلی رواناب را در بخش‌های پایین‌تر کنترل می‌کند؛ به‌ویژه در جاهایی که‌ تابستان‌های گرم و خشک دارند و رواناب حاصل از گدازش برف، منبع مهم تأمین آب مورد نیاز است (یی و همکاران، 2005؛ کوای و همکاران، 2005). در عرض‌های جغرافیایی بالا و نیز پهنه‌های کوهستانی، آب حاصل از گدازش پوشش‌های برفی، نقش مهمی در رواناب سالانه دارد. همچنین، آب حاصل از انباره‌ها و پوشش‌های فصلی برف، نیاز آبی یک‌ششم از جمعیت جهان را برآورده می‌سازد که چنین پوشش‌های برفی به سبب گرمایش جهانی ممکن است در معرض خطر باشند (بارنت و همکاران، 2005). گستره و وردش‌پذیری پوشش‌های برفی فراسنج‌های مهمی در سامانه‌های آب‌شناختی و آب و هواشناسی است (یودنائس و همکاران، 2007 و برون و آرم‌استرانگ، 2010). برای مناطقی که منبع اساسی آب آن‌ها از انباره‌های برفی حاصل می‌شود، مطالعۀ روند تغییرات پوشش‌های برفی از اهمیت بسیار بالایی برخوردار است. بدین‌منظور تکیۀ تنها، به داده‌های زمینی پوشش برف کافی نیست؛ زیرا در بسیاری از بلندی‌ها ایستگاه اندازی‌گیری وجود ندارد و چگالی ایستگاه‌ها هم آن اندازه نیست تا بتوانیم وردش‌ پوشش‌های برفی را پایش کنیم. داده‌های دورسنجی پوشش برف، راهکار جایگزینی برای به‌دست‌آوردن آگاهی و اطلاعات از پوشش‌های برفی در مقیاس منطقه‌ای و جهانی است (هال و همکاران، 2005؛ برون و آرم‌استرانگ، 2010). برای این منظور، فرآورده‌های دورسنجی گوناگونی از ماهواره‌های زمین‌آهنگ و قطب‌چرخ به جامعۀ علمی معرفی شده است (رمانو و همکاران، 2003؛ دی‌رویتر و همکاران، 2006؛ زائو و فراندس، 2009؛ هال و همکاران،2010). ازجمله سنجنده‌هایی که برای پایش و بررسی پوشش برف به‌کارگرفته می‌شود سنجندۀ مودیس تررا و مودیس آکوا است. مطالعات بسیاری برای بررسی تغییرات پوشش برف به کمک داده‌های این دو سنجنده در جای‌جای جهان انجام گرفته است که در ادامه به آن‌ها پرداخته‌ایم. در پژوهشی، ماسکی و همکاران (2011) روند پوشش برف در منطقۀ نپال و پیرامون آن را برای سال‌های 2000 تا 2008 بررسی کردند. برای این منظور، ‌از داده‌های سنجندۀ مودیس تررا بهره گرفتند. واکاوی‌ها نشان داد، در ماه ژانویه برای ارتفاعات پایین‌تر از 6000 متر روند کاهش پوشش برف و در ماه مارس برای ارتفاعات بالاتر از 5000 متر روند افزایش پوشش برف دیده می‌شود. در فصل پاییز نیز برای ارتفاعات بالاتر از 4000 متر روند افزایش برف دیده شد (ماسکی و همکاران، 2011: 391). ایمرزیل و همکاران (2009) روند پوشش برف در حوضۀ رودخانۀ ایندوس در هیمالیا را برای بازۀ زمانی2000 تا 2008 واکاوی کردند. برای این هدف داده‌های سنجندۀ مودیس (MOD10C2) در بازۀ زمانی 8 روزه و در تفکیک مکانی 05/0 × 05/0 درجۀ طول و عرض جغرافیایی به‌کارگرفته شد. این حوضه بسته به بلندی‌ها به سه پارۀ از هم جدا بخش شد. یافته‌‌ها نشان داد در پهنۀ دوم (4700 متر) و پهنۀ سوم (5000 متر) در فصل زمستان روند منفی در میزان پوشش برف دیده می‌شود؛ اما در دیگر بخش‌های حوضه و در فصول دیگر روند معناداری دیده نشد (ایمرزیل و همکاران، 2009: 40 و 45). کی و لیو (2014) برای بررسی روند پوشش برف در منطقۀ زینجانگ در کشور چین طی سال‌های 2000 تا 2012 داده‌های دو سنجندۀ مودیس تررا و مودیس آکوا را به‌کار گرفتند و یک‌کاسه کردند. یافته‌ها نشان داد روند پوشش برف برای ارتفاعات گوناگون و فصول مختلف سال متفاوت است. در فصل زمستان، ارتفاعات پایین‌تر از 2000 متر و بالاتر از 4000 متر دارای روند کاهش پوشش برف بودند. در فصل تابستان ارتفاعات بالاتر از 3000 متر روند افزایشی پوشش برف داشتند. در فصل بهار همۀ طبقات ارتفاعی روند افزایشی را نشان می‌دادند. در فصل پاییز نیز در ارتفاعات بالاتر از 2000 متر، روند افزایشی دیده شد (کی و لیو، 2014: 22). در پژوهشی وانگ و زی (2009) برای واکاوی وضعیت یخچال‌های دایمی در زینگ‌جان در کشور چین داده‌های مودیس تررا و مودیس آکوا را برای بازۀ زمانی 2001 تا 2005 به‌کار گرفتند. به سبب اینکه ماه آگوست در این پهنه دارای بالاترین دما و کمترین پوشش ابر است، تنها این ماه برای واکاوی وضعیت یخچال‌های دایمی بررسی شد. بررسی‌ها نشان داد طی بازۀ زمانی مورد بررسی کمترین پهنۀ یخچالی با گسترۀ 2380 کیلومتر مربع در بلندی‌های بالاتر از 4 کیلومتر دیده می‌شود (وانگ و زی، 2009: 199). شی و همکاران (2014) در پژوهشی برای واکاوی روند میانگین پوشش برف در کوهستان‌های تیزینافو در غرب کشور چین داده‌های سنجندۀ مودیس تررا و مودیس آکوا را برای سال‌های 2002 تا 2012 به‌کار گرفتند. به‌کارگیری آزمون من‌کندال آشکار ساخت هیچ‌گونه روند معناداری در میانگین درصد پوشش برف و فراوانی آن در این حوضه دیده نمی‌شود (شیی و همکاران، 2014: 250). در پژوهشی نیز آکیورک و همکاران (2011) پهنۀ زیر برف در حوضۀ کاراسو در شرق کشور ترکیه را که به‌عنوان یکی از سرچشمه‌های رودخانۀ فرات است، برای دورۀ زمانی 2009-2000 پایش و بررسی کردند. برای این منظور، داده‌های سنجندۀ مودیس به‌کار گرفته شد. بررسی‌ها نشان داد در دورۀ زمانی یادشده در پهنۀ زیر برف در این حوضه، روند کاهشی دیده نمی‌شود (‌آکیورک و همکاران، 2011: 3647 و 3637). در مطالعه‌ا‌ی خادکا و همکاران (2014) برای واکاوی روند پوشش برف در حوضۀ تاماکوشی در کوهستان‌های هیمالیا داده‌های سنجندۀ مودیس را در بازۀ زمانی روزانه و در تفکیک مکانی 500 متر برای بازۀ زمانی 2000 تا 2009 به‌کار گرفتند. یافته‌ها نشان داد طی ده سال مورد بررسی در فصول بهار و زمستان در مساحت پهنه‌های برفی روند کاهشی رخ داده است، این در حالی است که در فصل پاییز مساحت پهنه‌های برفی روند افزایشی به خود گرفته است (خادکا و همکاران، 2014: 51 و 54). زانگ و همکاران (2012) برای واکاوی روند پوشش برف، داده‌های سنجندۀ مودیس تررا و مودیس آکوا را برای بازۀ زمانی 2000 تا 2010 برای 4 حوضه در فلات تبت به‌کار گرفتند. واکاوی‌ها نشان داد، روندی در پوشش برف این مناطق دیده نمی‌شود (‌زانگ و همکاران، 2012: 1). برون و درکسون (2013) برای واکاوی روند پوشش برف در منطقۀ اوراسیا در ماه اکتبر داده‌های پوشش برف پایگاه نوا را برای سال‌های 1982 تا 2011 به‌کار گرفتند. یافته‌ها نشان داد گسترۀ برف با آهنگ 580000 کیلومتر مربع در هر دهه رو به افزایش است (برون و درکسون،2013: 4). سونمز و همکاران (2014) برای بررسی روند پوشش برف در کشور ترکیه داده‌های سنجندۀ (IMS) را برای بازۀ زمانی 2004 تا 2012 به‌کار گرفتند. با به‌کاربستن آزمون من‌کندال، آشکار شد، روی‌هم‌رفته در کشور ترکیه روند کاهش پوشش برف دیده می‌شود؛ اما در بازه‌های فصلی برای فصل پاییز روند افزایشی و در فصول بهار و تابستان روند منفی در پوشش‌های برفی دیده شد (سونمز و همکاران، 2014: 2349). شارما و همکاران (2012) برای واکاوی روند برف در زیرحوضه‌‌های حوضۀ رودخانۀ جلوم در شمال‌غرب رشته‌کوه‌های هیمالیا، داده‌های سنجندۀ مودیس را برای سال‌های 2000 تا 2011 به‌کار گرفتند. یافته‌‌ها نشان داد در همۀ زیرحوضه‌ها روند کاهش پوشش برف دیده می‌شود، اما آهنگ روند کاهش پوشش‌های برفی در زیرحوضۀ بانیهال از همه بیشتر است (شارما و همکاران، 2012: 863).

هدف پژوهش کنونی، بررسی تغییرات روزهای برفپوشان در 40 کمربند ارتفاعی در کشور است. به این معنا که بررسی شود‌ در هر ماه از سال به‌طور میانگین هر طبقۀ ارتفاعی چند روز دارای پوشش برف بوده است و روند این تغییرات طی بازۀ زمانی 1382 تا 1393 چگونه بوده است. تا به‌امروز پژوهشی در کشور دربارۀ وضعیت تغییرات روزهای برفپوشان در گسترۀ ایران‌زمین انجام نگرفته است و یافته‌های این پژوهش‌ شناخت و آگاهی ما را از وضعیت تغییرات روزهای برفپوشان در کمربندهای ارتفاعی ایران بالا می‌برد.

داده‌ها و روش‌شناسی‌

در این پژوهش داده‌های سنجندۀ مودیس تررا و مودیس آکوا برای بررسی روند تغییرات روزهای برفپوشان (روزی که زمین پوشیده از برف است) در کشور به‌کار گرفته شد. سنجندۀ مودیس تررا‌ و مودیس آکوا را سازمان ناسا به فضا پرتاب کرده است. زمان گذر ماهوارۀ تررا از فراز استوا 10:30 دقیقۀ بامداد به وقت محلی، اما زمان گذر ماهوارۀ آکوا بر فراز استوا 1:30 دقیقۀ پس از نیمروز به وقت محلی است (وانگ و زی،2009: 192). به سبب اینکه دورۀ کامل داده‌های روزانۀ سنجندۀ مودیس آکوا از سال 1382 تا به امروز در دسترس است و پیش از این سال، سری کامل داده‌های روزانه موجود نیست؛ بنابراین بازۀ زمانی 1382 تا 1393 برای بررسی تغییرات روزهای برفپوشان به‌کارگرفته شد و دلیل کوتاهی دورۀ مورد مطالعه، نبود داده‌های این سنجنده پیش از این سال است. داده‌های سنجنده‌های مودیس تررا و مودیس آکوا در قالب فرمت‌های تصویری و رقومی در دسترس است. در این پژوهش داده‌های این دو سنجنده به‌صورت رقومی به‌کار گرفته شد. فرمت رقومی داده‌ها امکان پردازش‌های دقیق‌تر بر روی داده‌ها را فراهم می‌کند. در داده‌های رقومی پوشش برف مودیس، برای وضعیت هر یاخته یک کد معرفی شده است؛ برای نمونه کد 200 نمایندۀ برف، کد50 نمایندۀ ابر، کد 39 نمایندۀ اقیانوس و ... است. با توجه به اینکه داده‌های این دو سنجنده به‌صورت کاشی‌های جداگانه در ابعاد 1200×1200 کیلومتری در دسترس است، در مجموع شش کاشی گسترۀ منطقۀ ایران را می‌پوشانید و با توجه به اینکه داده‌های به‌کار گرفته‌شده خارج از گسترۀ ایران‌زمین را نیز در بر می‌گرفت، به کمک تابع  Inpolygon در نرم‌افزار مت‌لب، تنها داده‌هایی که درون مرز جغرافیایی ایران را پوشش می‌داد، استخراج شد. یکی از روش‌هایی که برای کاهش ابرناکی انجام می‌دهند، به‌کارگیری همزمان داده‌های دو سنجندۀ مودیس تررا و مودیس آکوا و درهم‌آمیزی آن دو است. با توجه به اینکه ماهوارۀ تررا در ساعت 10:30 دقیقه پیش از نیم‌روز و ماهوارۀ آکوا با سه ساعت تأخیر یعنی در ساعت1:30 دقیقۀ پس از نیم‌روز از فراز استوا می‌گذرد، همین مسئله‌ به کاهش ابرناکی و رصد بهتر پوشش‌های برفی کمک می‌کند، چراکه ممکن است ماهوارۀ تررا هنگام صبح یاخته‌ای را به‌عنوان یاختۀ ابری شناسایی کند، اما همان یاخته در بعد از ظهر با ماهوارۀ آکوا به‌عنوان یاختۀ برفی شناسایی شود؛ در این حالت وجود پوشش ابر هنگام صبح سبب می‌شود تا پوشش برف زیرین از دید ماهواره پنهان بماند. در این حالت می‌توان یاخته‌هایی را بازشناخت که با ماهوارۀ تررا صبح‌هنگام به‌عنوان یاخته‌های ابری و در بعد از ظهر با ماهوارۀ آکوا به‌عنوان یاخته‌های برفی شناسایی شده‌اند. در این حالت آن‌دسته از یاخته‌ها که با ماهوارۀ تررا به‌عنوان یاخته‌های ابری شناسایی شده‌اند، همگی به یاخته‌های برفی تبدیل می‌شوند. انجام این کار یعنی یک‌کاسه‌سازی داده‌های دو ماهواره را پژوهشگران بسیاری پیشنهاد کرده‌اند؛ برای نمونه، پژوهشگرانی همچون (‌برجرون و همکاران، 2013؛ پاراجکا و بلوشی، 2008؛ شیی و همکاران، 2014؛ زانگ و همکاران، 2012؛ کی و لیو، 2014 )، از این روش برای کاهش پوشش ابر و برآورد هرچه بهتر پوشش برف بهره جسته‌اند. یکی دیگر از روش‌های کاستن از ابرناکی به‌کاربستن پالایه (Filter) بر روی داده‌های رقومی پوشش برف است. در این روش، اگر در روز نخست سنجنده یاخته‌ای را به‌عنوان یاختۀ برفی شناسایی کند و در روز دوم این بار همان یاخته با ماهواره به‌عنوان یاختۀ ابری شناسایی شود و در روز سوم ماهواره با گذر از روی پهن همان یاخته را به‌عنوان یاختۀ برفی شناسایی کند، پس روشن می‌شود با احتمال بسیار بالا پوشش ابر در روز دوم بر فراز آن یاخته سبب شده تا پوشش برف زیرین از دید ماهواره پنهان بماند؛ در این حالت می‌توان با انجام یک پالایۀ زمانی و مکانی سه‌روزه بر روی داده‌های عددی به‌طور چشمگیری از ابرناکی کاست که بندی در برابر نگاشت پوشش برف است. به‌کاربستن پالایه را پژوهشگرانی همچون (دایاتز و همکارن، 2013؛ زانگ و همکاران، 2012؛ گی‌فورو و باردوسی، 2009) پیشنهاد کرده‌اند. در این نوشتار از هر دو روش برای کاستن از ابرناکی بهره‌ گرفته شد؛ به این صورت که در گام نخست پالایۀ سه‌روزه بر روی داده‌های هر کدام از سنجنده‌های مودیس تررا و مودیس آکوا به‌کار بسته شد و سپس داده‌های پالایش‌شدۀ این دو سنجنده یک‌کاسه‌سازی گردید. کلیۀ محاسبات با کدنویسی در نرم‌افزار مت‌لب انجام شد. با توجه به اینکه داده‌های هر روز مورد بررسی دربردارندۀ 34560000 کد است و دورۀ زمانی مورد مطالعه نیز برای هر کدام از سنجنده‌های مودیس تررا و مودیس آکوا 4383 روز را در برمی‌گیرد و طی چند مرحله نیز بر روی داده‌ها فرایند آماده‌سازی داده انجام گرفت؛ بنابراین بر روی شمار انبوهی از داده‌ها پردازش انجام پذیرفت. در این پژوهش برای آماده‌سازی و واکاوی داده‌های پوشش برف بر روی بیش از 900 میلیارد کد پردازش‌های عددی انجام گرفت. با توجه به حجم بسیار سنگین داده‌ها، فرایند محاسبات بسیار طولانی و زمان‌بر بود. پس از اتمام فرایند آماده‌سازی داده‌های پوشش برف، میانگین فراوانی روزهای برفپوشان هر یک از ماه‌های دورۀ مورد مطالعه محاسبه شد. سپس برای هر کمربند ارتفاعی از 1500 تا 5500 متر در گام‌های ارتفاعی 100 متر میانگین روزهای برفپوشان هر ماه محاسبه شد. همچنین داده‌های الگوی رقومی ارتفاع (Dem) از تارنمای سازمان فضایی ناسا در تفکیک مکانی 500 متر با سیستم تصویر سینوسی هماهنگ با تفکیک و سیستم تصویر داده‌های پوشش برف به‌کار گرفته شد. با توجه به گام‌های ارتفاعی100‌متری بر روی 40 گروه ارتفاعی از ارتفاع 1500 تا 5500 متر، روند تغییرات پوشش برف محاسبه شد. در گام پایانی نیز برای بررسی هرگونه روند نیز از آزمون من‌کندال بهره گرفته شد. کوشش کنونی را می‌توان نخستین پژوهشی دانست که تغییرات روزهای همراه با پوشش برف (روز برفپوشان) را در کمربندهای ارتفاعی و برای کل گسترۀ ایران‌زمین واکاوی می‌کند.

یافته‌های پژوهش

پس از محاسبۀ فراوانی روزهای برفپوشان برای هر کمربند ارتفاعی، روند تغییرات روزهای برفپوشان به کمک آزمون من‌کندال در سطح اطمینان 95 درصد محاسبه شد. محاسبات نشان داد، تا ارتفاع 2700‌متری از تراز دریا در هیچ کمربندی و در هیچ فصلی از سال هیچ‌گونه روندی دیده نمی‌شود؛ بنابراین برای اختصار و نمایش بهتر، فقط گروه‌های ارتفاعی 2700 متر به بالا به نمایش گذاشته شده است. در جدول (1) روند تغییرات روزهای برفپوشان نشان داده‌ شده است، در این جدول روند منفی با عدد (1-) و روند مثبت با عدد (1) نمایش داده شده است. همان‌گونه که این جدول نشان می‌دهد، در ماه فروردین در هیچ‌کدام از گروه‌های ارتفاعی روندی دیده نمی‌شود. در ماه اردیبهشت در گروه‌های ارتفاعی3000 تا3900 متری و نیز گروه‌های ارتفاعی4300 تا 5500 متری روند کاهش روزهای برفپوشان وجود دارد؛ به این معنا که شمار روزهایی که کمربندهای ارتفاعی یادشده پوشیده از برف بوده، روند کاهشی داشته است؛ بنابراین کاهش ماندگاری زمان پوشش‌های برفی می‌تواند تبعات بسیار بدی را داشته باشد. روند روزهای برفپوشان در 21 کمربند ارتفاعی در ماه اردیبهشت از اهمیت بسیار بالایی برخوردار است؛ زیرا گروه‌های ارتفاعی زیادی روند منفی را از خود نشان داده‌اند و در این ماه هیچ کمربند ارتفاعی، روند افزایشی روزهای برفپوشان را نداشته است. در ماه خرداد در کمربندهای ارتفاعی3100 تا 3800 متری و همچنین در کمربندهای4100 تا 4300 و نیز در کمربند ارتفاعی 5500-‌5400 متری روند کاهشی روزهای برفپوشان دیده می‌شود. همچنین با توجه به مساحت هر کمربند ارتفاعی درمی‌یابیم که تغییرات پوشش برف در کمربندهای ارتفاعی پایین‌تر، از اهمیت بسیار بالاتری برخوردار است؛ زیرا مساحت کمربندها در ارتفاعات پایین‌تر چشمگیرتر است. برای نمونه در کمربند ارتفاعی 4700-4600 متر در ماه دی روند افزایش روزهای برفپوشان رخ داده است؛ اما مساحت این کمربند تنها 0/3 کیلومتر مربع است و به‌نظر می‌رسد چنین افزایشی تأثیر مثبت چندانی ندارد؛ برای نمونه در ماه اردیبهشت در کمربند ارتفاعی3100-3000 متر که دارای مساحتی برابر با 3/3156 کیلومتر مربع است، روند کاهشی روزهای برفپوشان نقش بسیار مهم‌تری را در تراز آب‌شناختی ‌‌بازی می‌کند؛ زیرا گسترۀ این کمربند نسبت به دیگر کمربندها چشمگیرتر است؛ بنابراین افزون بر بررسی روند در هر کدام از گروه‌های ارتفاعی به مساحت آن نیز باید توجه داشته باشیم. همچنین یافته‌های این پژوهش نشان داد در ماه‌های تابستانیِ تیر، امرداد و شهریور در هیچ گروه ارتفاعی روند معناداری وجود ندارد. در ماه‌ مهر در کمربندهای ارتفاعی 2800-2700 و 2900-2800 روند افزایش روزهای برفپوشان دیده می‌شود. در ماه آبان در کمربند ارتفاعی 4200-4100 روند افزایش روزهای برفپوشان وجود دارد. با توجه به اینکه مساحت این کمربند نیز ناچیز است؛ بنابراین افزایش روزهای برفپوشان از وزن چندانی برخوردار نیست. در ماه آذر در هیچ‌کدام از گروه‌های ارتفاعی روند معناداری دیده نمی‌شود. در ماه دی در کمربند ارتفاعی 4700-4600 روند افزایشی روزهای برفپوشان دیده می‌شود. همچنین در ماه‌های بهمن و اسفند در هیچ‌کدام از کمربندهای ارتفاعی روند معناداری دیده نشد. به‌نظر می‌رسد، روند افزایشی در برخی از کمربندهای ارتفاعی انفرادی در ماه‌های مهر، آبان و دی اندکی تردید‌برانگیز و ممکن است جزء 5 درصد خطای آزمون باشد، چرا که در کمربندهای بالاتر و پایین‌‌تر آن‌ها روند معناداری وجود ندارد. یافته‌های این پژوهش آشکار ساخت که روی‌هم‌رفته در فصول تابستان، پاییز و زمستان روندی در شمار روزهای برفپوشان (بجز برخی کمربندهای انفرادی با مساحت‌های ناچیز) دیده نمی‌شود؛ این در حالی است که در ماه‌های اردیبهشت و خرداد شمار بسیاری از کمربندها روند کاهش روزهای برفپوشان را تجربه کرده‌اند. کاهش روزهای برفپوشان طی فصل بهار تعادل زیست‌محیطی را برهم می‌زند؛ چراکه آب حاصل از گدازش برف در طی بهار، آب مورد نیاز بسیاری از مردمان این سرزمین را فراهم می‌کند و حیات بسیاری از سکونتگاه‌ها وابسته به انباره‌های برفی در دل کوهستان‌هاست. حال این پرسش مطرح می‌شود که آیا علت تغییرات روزهای برفپوشان در کمربندهای ارتفاعی در ایران ریشه در کاهش بارش دارد یا افزایش دما. در پژوهش‌های آینده باید ‌این پرسش را به کمک بررسی‌های دورسنجی پاسخ داد؛ اما در حال حاضر، وجود روندهای منفی چشمگیر، برای کشوری همچون ایران که وابسته به انباره‌های برفی در کوهستان‌هاست‌، تأثیرات مخربی را به‌دنبال ‌دارد.

جدول 1. روند تغییرات روزهای برفپوشان در کمربندهای ارتفاعی (سطح اطمینان 95 درصد)‌

شکل 1. نقشۀ الگوی رقومی ارتفاع ایران (Dem) در تفکیک مکانی500 متر با سیستم تصویر سینوسی

نتیجه‌گیری‌

در پژوهش کنونی برای بررسی تغییرات روزهای برفپوشان در کشور از داده‌های سنجندۀ مودیس تررا و مودیس آکوا برای بازۀ زمانی 1393-1382 و در تفکیک بسیار خرد (‌500 متر) بهره گرفتیم. پیش از به‌کارگیری داده‌های روزانۀ پوشش برف، پردازش‌های لازم بر روی آن‌ها برای کاهش پوشش ابر انجام گرفت. پس از انجام پردازش‌های ضروری و آماده‌سازی داده‌های پوشش برف، فراوانی روزهای برفپوشان محاسبه شد و سپس الگوی رقومی ارتفاع (Dem) ایران که با تفکیک500 متری و با سیستم تصویر سینوسی هماهنگ با داده‌های پوشش برف در دسترس بود، برای انتخاب کمربندهای ارتفاعی به‌کارگرفته شد. در این پژوهش تغییرات روزهای برفپوشان از ارتفاع1500 تا 5500 متری در گام‌های ارتفاعی 100 متری واکاوی شد. بررسی‌ها نشان داد در ماه‌های فروردین، تیر، امرداد، شهریور، آذر، بهمن و اسفند در هیچ‌یک از کمربندهای ارتفاعی روند معناداری دیده نمی‌شود؛ اما در ماه اردیبهشت در 21 کمربند ارتفاعی روند کاهش روزهای برفپوشان دیده شد. در این ماه در گروه‌های ارتفاعی 3000 تا 3900 متری و نیز گروه‌های ارتفاعی 4300 تا 5500 متری روند کاهش روزهای برفپوشان وجود دارد؛ به این معنا که شمار روزهایی که کمربندهای ارتفاعی یادشده پوشیده از برف بوده است، دارای روند کاهشی است. در ماه خرداد نیز در 10 کمربند ارتفاعی روند کاهش روزهای برفپوشان دیده می‌شود. در ماه خرداد در کمربندهای ارتفاعی 3100 تا 3800 متری و همچنین در کمربندهای4100 تا 4300 و نیز در کمربند ارتفاعی5500-5400 متری، روند کاهشی روزهای برفپوشان دیده می‌شود. تغییرات روند روزهای برفپوشان در این ماه نیز از اهمیت بالایی برخوردار است، چراکه بیشتر تغییرات در کمربندهایی رخ داده است که وزن مساحت آن‌ها در قیاس با گروه‌های ارتفاعی بالاتر چشمگیرتر است. برخی از یافته‌های به‌دست‌آمده ‌از جوشی و همکاران (2015) با یافته‌های این پژوهش هماهنگ است. آن‌ها نشان دادند، در فصل بهار در حوضۀ بگیراهی در هندوستان در گروه‌های ارتفاعی 4500-3000 روند کاهش گسترۀ پوشش برف به‌میزان 6-2 درصد دیده شده است. یافته‌های ماسکی و همکاران (2011) نیز نشان داد در منطقۀ نپال و نواحی پیرامون آن در کمربندهای ارتفاعی 5000-4000 و 6000-5000 روند کاهش گسترۀ پوشش برف دیده می‌شود؛ بنابراین کاهش روزهای برفپوشان و یا گسترۀ پوشش برف به‌ویژه در زمان گدازش برف، که آب مورد نیاز فراهم می‌شود، می‌تواند تبعات بسیار بدی را به دنبال داشته باشد. این مسئله برای مناطقی که آب آن‌ها حاصل از انباره‌های برفی در کوهستان‌ها‌ست، تبعات منفی‌تری را به‌دنبال خواهد داشت. در پژوهش‌های آینده باید به کمک بررسی‌های دورسنجی ریشۀ روند تغییرات روزهای برفپوشان در کمربندهای ارتفاعی را بازشناخت و خوشبختانه باید گفت امروزه داده‌های ماهواره‌ای و بسیار خوش‌تفکیک دمای رویۀ خاک و بارش در دسترس است. شاید تغییرات روی‌داده به‌سبب افزایش دمای رویۀ خاک بوده است یا اینکه کاهش بارش به چنین تغییراتی منجر شده است. در حال حاضر، بررسی‌های عمیق‌تر‌ راهگشای حل بسیاری از مسائل و چالش‌ها در بخش آب است.

منابع

Akyurek, Z. Surer, S .Beser, O. (2011); Investigation of the snow-cover dynamics in the Upper Euphrates Basin of Turkey using remotely sensed snow-cover products and hydro meteorological data; Hydrol. Process.Vol 25: 3637-3648.

Barnett, T.P., Adam, J.C., Lettenmaier, D.P., (2005); Potential impacts of a warming climate on water vailability in snow-dominated regions. Nature, Vol 438: 303–309.

Bergeron, J. Royer, A .Turcotte, R. Roy, A. (2013); Snow cover estimation using blended MODIS and AMSR-E data for improved watershed-scale spring stream flow simulation in Quebec, Canada; Hydrological Processes, Vol 1: 1-14.

Brown, R .D .Derksen, C. (2013); Is Eurasian October snow cover extent increasing; Environ. Res. Lett, Vol 8:1-7.

Brown R, Armstrong RL. (2010); Snow-cover data measurement, products and sources in snow and climate. In Physical Processes, Surface Energy Exchange and Modeling, Armstrong RL, Brun E(eds). Cambridge University Press: Cambridge, UK.

Cui, C., Yang, Q., Wang, S., (2005); Comparison analysis of long-term variations ofsnow cover between mountain and plain areas in Xinjiang region from 1960 to 2003. Journal of Glaciology and Geocryology Vol 27: 486–490.

de Ruyter de Wildt M, Seiz G, Gr¨un A. (2006); Snow mapping using multi-temporal Meteosat-8 data.EARSeL Proc. Vol5: 18–31.

Dietz, A .Kuenzer, C. Conrad, C. (2013); Snow-cover variability in central Asia between 2000 and 2011 derived from improved MODIS daily snow-cover products; International Journal of Remote Sensing; Vol34: 3879–3902.

Gafurov, A .and Bardossy, A. (2009); Cloud removal methodology from MODIS snow cover product, Hydrol. Earth Syst. Sci., Vol 13: 1361–1373.

Hall DK, Kelly RE, Foster J, Chang AT. (2005); Estimation of snow extent and snow properties. In Encyclopedia of Hydrological Sciences, Vol 2: 811–830.

Hall DK, Riggs GA, Foster JL, Kumar SV. (2010); Development and evaluation of a cloud-gap-filled modis daily snow-cover product. Remote Sens. Environ. Vol114: 496–503.

Immerzeel, W .Droogers, P. Jong, S .Bierkens, M (2009); Large-scale monitoring of snow cover and runoff simulation in Himalayan river basins using remote sensing; Remote Sensing of Environment; Vol 113: 40-49.

Joshi, R. Kumar, K. Pandit, J. Palmi, L. (2015). Variations in the Seasonal Snow Cover Area (SCA) for Upper Bhagirathi Basin, India; Vol 1: 9-21.

Ke, C. Liu, X. (2014); Modis-observed spatial and temporal variation in snow cover in Xinjiang, China; Climate Research, Vol 59: 15-26.

Khadka, D. Babel, M .Shrestha, S .Tripathi, N (2014); Climate change impact on glacier and snow melt and runoff in Tamakoshi basin in the Hindu Kush Himalayan (HKH) region; Journal of Hydrology Vol511: 49–60.

Maskey, S .Unlenbrook, S .Ojha, S. (2011); An analysis of snow cover changes in the Himalayan region using MODIS snow products and in-situ temperature data; Climate Change, Vol 108: 391-400.

1Parajka, J .Bloschi, G. (2008); The value of MODIS snow cover data in validating and calibrating conceptual hydrological models, Journal of Hydrology, Vol 358: 240-258.

Ramage, J.M., Isacks, B.L., (2003); Interannual variations of snowmelt and refreezetiming in southeast Alaskan icefields, USA. Journal of Glaciology Vol 49:102–116.

Romanov P, Tarpley D, Gutman G, Carroll TR. (2003); Mapping and monitoring of the snow cover fraction over North America. J.Geophys. Res. Vol 108: 8619.

Sharma, V. Mishra, V. Joshi, P. (2012); Snow cover variation and stream flow simulation in a snow-fed river basin of the Northwest Himalaya; J. Mt.Sci, Vol 9: 853-868.

She, J. Zhang, Y. Li, X, Chen, Y. (2014); Changes in snow and glacier cover in an arid watershed of the western Kunlun Mountains using multisource remote sensing data; International Journal of Remote Sensing; Vol 35: 234-252.

Sonmez, I .Tekeli, A .Erdi, E. (2014); Snow cover trend analysis using Interactive Multi sensor Snow and Ice Mapping System data over Turkey, International Journal of Climatology, Vol 34: 2349-2361.

Udnaes H, Alfnes CE, Andreassen LM. (2007); Improving runoff modeling using satellite-derived snow cover area. Nord.Hydrol. Vol 38: 21–32.

Wang, X .Xie, H. (2009); New methods for studying the spatiotemporal variation of snow cover based on combination products of MODIS Terra and Aqua; Journal of Hydrology, Vol 371: 192-200

Ye, B., Yang, D.K., Jiao, T., Han, Z., Jin, H., Yang, H., Li, Z., (2005); The Urumqi River source Glacier No. 1, Tianshan, China: changes over the past 45 years. Geophysical Research Letters Vol 32: 1-4.

Zhang, G .Xie, H. Yao, T. Liang, T. Kang, S. (2012); Snow cover dynamics of four lake basins over Tibetan Plateau using time series MODIS data(2001-2010), Water resources reaserch, Vol 48: 1-22.

Zhao H, Fernandes R. (2009); Daily snow covers estimation from advanced very high resolution radiometer polar pathfinder data over Northern Hemisphere land surfaces during 1982–2004. J. Geophys.Res. Vol114: 1-14.