شناسایی الگوهای همدیدی مولد توفان گرد و غبار دشت اردبیل و آشکارسازی خاستگاه محلی آن

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استاد آب و هواشناسی، گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران

2 دکترای تخصصی پژوهشکده علوم دریایی، پردیس بین‌المللی کیش، دانشگاه تهران، تهران، ایران

3 پژوهشگر پسادکتری آب و هواشناسی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران

چکیده

در این پژوهش، برای شناسایی بادهای توفنده مولد رخداد گرد و غبار دشت اردبیل، از داده‌های سمت و سرعت باد طی دورۀ 2018-2000 استفاده شده است. برای آشکارسازی الگوهای جوی مولد گرد و غبار، نقشه‌های فشار تراز دریا در روزهای گرد و غباری ترسیم شد و مسیر گرد و غبار با مدل HYSPLIT ردیابی شد. به‌منظور شناسایی غلظت ستونی گرد و غبار دشت اردبیل، از شاخص غلظت ستونی توده گرد و غبار جوی (DCMD) و عمق اپتیکی نور (AOD) استفاده شد. نتایج گویای نقش سامانه‌های فشار سطح زمین است که با ایجاد ناپایداری در منطقه موجب رخداد توفان گرد و غبار در دشت اردبیل می‌شوند. بررسی‌ها نشان دادند که خاستگاه محلی نقش بارزی در رخداد توفان‌های گرد و غبار تابستانه دارد. ردیابی ذرات غبار و بررسی الگوهای همدیدی نشان دادند که گرد و غبار از سوی عراق و سوریه و مناطق مرزی بین ایران و عراق وارد دشت اردبیل می‌شوند. گرادیان فشاری زیادی که در زمان ورود سامانه‌های ناپایدار به منطقه ایجاد می‌شود، موجب تشدید تندبادهای محلی و شکل‌گیری توده عظیم گرد و غبار در دشت اردبیل شده است؛ به گونه‌ای که بیشینه غلظت ستونی گرد و غبار و عمق اپتیکی نور در جولای به ترتیب تا 43/0 کیلوگرم در مترمربع و 5/0 رسیده است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Identifying the Synoptic Patterns Generating Dust Storms in the Ardabil Plain and Their Local Origin

نویسندگان [English]

  • Bromand Salahi 1
  • Mahmoud Behrouzi 2
  • Mahnaz Saber 3
1 Professor, Department of Physical Geography, Faculty of Social Sciences, University of Mohaghegh Ardabili, Ardabil, Iran
2 Ph.D. in Climatology, Marine Science Institute, Kish International Campus, University of Tehran, Tehran, Iran.
3 Postdoctoral Researcher of Climatology, Department of Physical Geography, Faculty of Social Sciences, University of Mohaghegh Ardabili, Ardabil, Iran
چکیده [English]

 
Abstract
This study analyzed wind direction and speed data from 2000 to 2018 to identify the high winds responsible for dust events in the Ardabil Plain. To uncover the atmospheric patterns leading to dust formation, sea level pressure maps were constructed for dusty days and dust trajectories were tracked using the HYSPLIT model. The atmospheric Dust Column Mass Density (DCMD) and Aerosol Optical Depth (AOD) were employed to determine dust column concentration in the Ardabil Plain. The findings highlighted the significant influence of surface pressure systems, which contributed to dust storms by inducing instability in the region. The analysis indicated that local sources heavily influenced the frequency of summer dust storms. Tracking dust particles and analyzing synoptic patterns demonstrated that dust predominantly entered the Ardabil Plain from Iraq and Syria, as well as border areas between Iran and Iraq. The substantial pressure gradient generated by the arrival of unstable systems exacerbated local gusts, resulting in the formation of extensive dust masses in the Ardabil Plain. Notably, the maximum dust column density and optical depth recorded in July reached 0.43 kg/m² and 0.5, respectively.
 
Keywords: AOD Index, Ardabil Plain, Dust, HYSPLIT model, Sea Level Pressure.
 
Introduction
Dust storms are a significant environmental hazard in arid and semi-arid regions, particularly during the warmer months of late spring and early summer. These storms have far-reaching consequences for public health, natural resources, economy, and agriculture. Various factors contribute to dust generation, including changes in wind intensity driven by pressure gradients, Coriolis force, poor vegetation cover, drought, conflicts, soil texture and composition, channelized winds, and synoptic patterns associated with strong winds. The interplay between climate change and human activities, including settlement patterns, has exacerbated soil degradation, wind erosion, desertification, and deterioration of soil properties, thereby intensifying dust storms. In Ardabil, industrial and mining activities have adversely affected the photosynthesis cycle, disrupted road traffic, and negatively impacted human and livestock health, placing additional strain on the healthcare system and incurring significant costs. Consequently, this study aimed to identify and analyze the factors contributing to dust formation and the atmospheric patterns responsible for dust events during warmer months in the Ardabil Plain.
 
Materials & Methods
This research utilized a combination of synoptic, statistical, satellite, and modeling approaches. To analyze dust occurrence patterns during warm months over a 19-year period (2000-2018), data were extracted and examined through an environmental lens focused on circulation. The HYSPLIT model was employed to track dust pathways in the region.
The principal component reduction method was applied to identify the dust generation patterns in the Ardabil Plain for each warm month. Factor analysis was then utilized to determine the key variables influencing atmospheric circulation patterns and dust storms. Additionally, to assess the role of local sources in the occurrence of dust storms, land use changes were analyzed using the Support Vector Machine (SVM) algorithm, along with atmospheric Dust Column Mass Density (DCMD) and Aerosol Optical Depth (AOD) derived from reanalyzed MERRA data. Finally, a stepwise multivariate linear regression model was employed to estimate atmospheric dust concentration and develop a dust model for the Ardabil Plain.
 
Research Findings
Monthly analysis of dust-generating patterns in the Ardabil Plain revealed that local sources significantly contributed to the occurrence of dust storms in the study area. While dust particle tracking and synoptic pattern investigations indicated that dust primarily entered the Ardabil Plain from Iraq, Syria, and areas along the Iran-Iraq border, the large pressure gradients and shear forces created by the intrusion of unstable systems intensified local winds in the region. In the agricultural lands east of Ardabil City—specifically, approximately 3.6 kilometers from the city center and near the southern edge of Ardabil Airport and Ardabil Industrial Park No. 2—there were areas devoid of vegetation. During the dry season, the loose surface soils in these regions became destabilized due to moisture deficiency. As strong winds intensified, soil particles were lifted from the ground and transported westward towards Ardabil City, resulting in local dust storms that adversely impacted the environmental ecosystem and human health. Additionally, Ardabil Industrial Park No. 2 situated 11 kilometers east of the city near the airport and a prominent dust source contributed to increased air pollution. The activities of factories in this industrial zone released dust particles into the atmosphere, which further elevated the concentration of air pollutants when combined with mineral dust from the dust center.
 
Discussion of Results & Conclusion
The results of monitoring land use changes in the Ardabil Plain indicated that local sources significantly contributed to the occurrence of dust storms in the region. Over the past 20 years (2000-2019), the percentage of dry surface soils—identified as the primary sources of dust—had increased, while vegetation cover had diminished. This decline in vegetation had notably contributed to the rising frequency of dust storms. Vegetation played a critical role in absorbing surface moisture and retaining it on the soil, which in turn enhanced soil stability and raised the wind shear threshold speed required to mobilize surface soil particles. Consequently, stable soil conditions helped mitigate dust storms. The findings of this study revealed a reduction in vegetation cover, which had led to decreased surface soil moisture and disrupted soil balance. This instability ultimately lowered the wind shear threshold speed, making the surface soil more susceptible to being lifted by localized gusts, resulting in airborne dust that manifested as dust storms. Moreover, the regression analysis identified the role of relative humidity in estimating atmospheric dust column concentration in the Ardabil Plain. It was demonstrated that the concentration model could effectively predict dust levels based on AOD and relative humidity variables.

کلیدواژه‌ها [English]

  • AOD Index
  • Ardabil Plain
  • Dust
  • HYSPLIT model
  • Sea Level Pressure

مقدمه

گرد و غبار مجموعه‌ای از ذرات غبار با خاستگاه طبیعی یا مصنوعی است که معمولاً در اثر فرایندهای تجزیه تشکیل می‌شوند و به‌عنوان یکی از شایع‌ترین آلاینده‌های هوا مطرح هستند. توفان‌های گرد و غبار یکی از مخاطرات محیطی در مناطق خشک و نیمه‌خشک است که بیشتر در نیمۀ گرم سال، به‌ویژه در اواخر بهار و اوایل تابستان اتفاق می‌افتد (Modarres & Sadeghi, 2018) و جامعه انسانی (Khan & Strand, 2018) و گیاهی (Drack & Vázquez, 2018) در مناطق نزدیک به خاستگاه را تحت تأثیر قرار می‌دهد. این توفان‌ها با تلاطم شدید باد همراه‌اند که عبور آن از مناطق خشک و کم رطوبت، ذرات خاک سطحی در دوره کم‌بارش را از سطح بیابان‌ها روبیده و با انتقال آن به ارتفاع 3000 متری به‌صورت توده عظیم گرد و غبار به مسافت‌های طولانی از خاستگاه آن انتقال می‌دهد (Zoljoodi et al., 2013) که پیامد آن، دید افقی تا کمتر از 1000 متر است (Cao et al., 2015). این پدیده همچون کمربند غبار از شمال غربی قاره آفریقا شروع می‌شود و با عبور از شبه‌جزیره عربستان، ایران و آسیای مرکزی به بیابان تاکلاماکان در چین می‌رسد (Dimitriou & Kassomenos, 2018). علاوه بر این، کاهش بارندگی و خشک‌سالی‌های اخیر باعث گسسته‌شدن بافت نرم و سیلتی رسوبات آبرفتی میان‌رودان در عراق (Mashat & Awad, 2010) و مناطق بیابانی جنوب شرقی ایران می‌شوند که در کنار بیابان ربع‌الخالی در عربستان و بیابان صحرا در آفریقا بزرگ‌ترین خاستگاه گرد و غباری در خاورمیانه را تشکیل می‌دهند.

این مخاطره پیامدهای گوناگون و گسترده‌ای بر تندرستی، منابع طبیعی، اقتصاد و کشاورزی جوامع بر جای می‌گذارد (Shao & Dong, 2006). از عواملی که در ایجاد گرد و غبار نقش دارند می‌توان به تغییرات شدت باد ناشی از گرادیان فشار و نیروی کوریولیس، فقر پوشش گیاهی، خشک‌سالی و وقوع جنگ، بافت و ترکیب خاک‌های خشک سطحی، دالان باد، الگوهای همدید وزش بادهای شدید و فرسایش بادی اشاره کرد. ترکیب پدیده تغییر اقلیم با فعالیت‌های انسانی و الگوهای سکونت آنها موجب افزایش تخریب خاک، فرسایش بادی، بیابان‌زایی و تخریب خواص خاک می‌شود که این مجموعه سرانجام منجر به تشدید توفان‌های گرد و غباری می‌شود (Rezazadeh et al., 2013). اقلیم‌شناسان، توفان گرد و غباری را به‌عنوان پدیده جوی به‌صورت همدیدی، دینامیکی و آماری و حتی پیامدهای تغییر اقلیم را بر روند توفان‌های گرد و غبار بررسی می‌کنند. همچنین از دیدگاه علم سنجش ‌از دور، پژوهشگران شناسایی ذرات غبار موجود در جو را با الگوریتم‌های مختلف با استفاده از تصاویر ماهواره‌ای و پراکنش ذرات غبار و عمق اپتیکی نور مطالعه می‌کنند.

اکستروم و همکاران در بررسی توفان‌های گرد و غباری استرالیا با روش‌های تحلیل مؤلفه‌های اصلی و تحلیل خوشه‌ای نتیجه گرفتند توفان‌های گرد و غباری بهار و تابستان در مناطق جنوبی و مرکزی استرالیا به‌وسیله جبهه‌های سرد فاقد بارندگی، کنترل و از طریق بارش‌های تابستانه محدود می‌شوند؛ ولی توفان‌های تابستان و پاییز به‌وسیله طول دوره خشک‌سال کنترل می‌شوند (Ekstrom et al., 2004). برکان و همکاران در بررسی چگونگی انتقال گرد و غبار صحرا به ایتالیا و مرکز اروپا، استقرار پرفشار جنب‌حاره‌ای روی جنوب شرق مدیترانه و کم‌فشار ناشی از فرود ایسلند در غرب آفریقا را به‌منزله عامل اصلی رخداد گرد و غبار و انتقال آن به ایتالیا و مرکز اروپا معرفی کردند (Barkan et al., 2005). بین و همکاران توفان گرد و غباری شدید در چین را با استفاده از مدل عددی WRF-Dust بررسی کردند و با مقایسه تصاویر سنجنده MODIS با خروجی مدل دریافتند که بیابان گبی نقش کلانی در تولید غبار چین دارد و کمترین سهم مربوط به بیابان تاکلاماکان است (Bian et al., 2011).

دهدارزاده و صلاحی (1389) در تحلیل گرد و غبارهای استان فارس نشان دادند که در تراز سطح دریا وجود مرکز کم‌فشار روی عربستان و عراق موجب انتقال گرد و غبار به جو منطقه می‌شود. براتی و همکاران (1390) نقش همگرایی سامانه‌های فشار در رخداد گرد و غبار‌های استان خوزستان را مطالعه کردند. خوشحال دستجردی و همکاران (1391) توفان‌های گرد و غباری استان ایلام را بررسی کردند. محمدخورشیددوست و همکاران (1392) نشان دادند سامانه پرفشار آزور از طریق ایجاد کم‌فشارهای گرمایشی سطح زمین بیشترین نقش را در پراکندگی فراوانی روزهای گرد و غباری در غرب ایران دارد. ریوندی و همکاران (1392) دلیل عمده رخداد گرد و غبار در غرب ایران را استقرار سامانه کم‌فشار در خاورمیانه به همراه ناپایداری تراز میانی جو شناسایی کردندکه منجر به رخداد بادهای شدید به همراه گرد و غبار در غرب و جنوب غربی ایران می‌شود. ملکوتی و همکاران (1392)، قوامی و همکاران (1393)، محمدی و همکاران (1394)، محمدپور پنجاه و همکاران (1395)، برخوردار و همکاران (1396)، رستمی و حسینی (1397خوش‌اخلاق و همکاران (1398)، جلیلیان (1401محمدی و همکاران (1402) و وطن‌پرست قلعه‌جوق و همکاران (1403) نیز در پژوهش‌هایی به بررسی این رخداد در محدوده مطالعاتی مدنظرشان با روش همدیدی یا ماهواره‌ای پرداختند. گرد و غبار در طی یک دهه گذشته، پیامدهای اجتماعی و اقتصادی ویرانگری برای استان‌های متأثر داشته است (خالدی، 1392). گرد و غبار صنعتی و معدنی در اردبیل پیامدهای منفی بر چرخه فتوسنتز گذاشته، سیستم ترافیک جاده‌ای را مختل کرده و با برهم‌زدن تندرستی انسان و دام به حوزه بهداشت فشار مضاعفی آورده و موجب تحمیل هزینه بر این بخش و اقتصاد شده است؛ بنابراین، در این پژوهش سعی در شناسایی و تعیین قلمرو خاستگاه گرد و غبار و الگوهای جوی مولد رخداد گرد و غبار دوره گرم سال در دشت اربیل است. برای رسیدن به این هدف از ابزارهای پردازشی سنجش از دور و دانش آب‌ و هواشناسی همدیدی و آماری بهره گرفته شده است.

 

منطقه پژوهش

فضای مکانی دشت اردبیل عمدتاً از زمین‌های کشاورزی و گستره سکونتگاهی شهر اردبیل اشغال شده و کاربری‌های صنعتی، فرودگاهی و روستایی نیز به‌صورت پراکنده در آن جای گرفته است. منطقه‌ای با حدود 70 کیلومترمربع با زمین‌های لخت، بایر و بدون پوشش گیاهی در مرکز این دشت تشکیل شده است که ذرات خاک سطحی آن به دلیل نبود پوشش گیاهی و چراگاه‌های طبیعی در آن، به‌صورت بیابان محلی جلوه می‌نماید. این بیابان سرد و خشک در روزهای بدون بارندگی و کمبود رطوبت، با تشدید سرعت باد و رخداد بادهای توفنده به‌عنوان خاستگاه گرد و غبار محلی شناخته می‌شود (شکل 1). گرد و غبارهای صنعتی و معدنی ناشی از فعالیت کارخانه‌ها در شهرک صنعتی اردبیل و ذرات خاک سطحی خاستگاه محلی، همراه با توده هوای محلی و تندبادها به سمت غرب جریان یافته و اکوسیستم طبیعی منطقه و سکونتگاه شهری و روستایی اردبیل را تحت تأثیر قرار می‌دهد؛ به گونه‌ای که رسوب این ذرات غبار بر سطح برگ گیاهان، چرخه فتوسنتزی گیاه را تخریب می‌کند و به گیاهان آسیب می‌زند.

 

 

شکل 1: موقعیت جغرافیایی کانون محلی گرد و غبار در دشت اردبیل (منبع: نویسندگان)

Figure 1: Geographical location of the local dust center in the Ardabil plain

 

داده‌ها و روش‌شناسی پژوهش

برای شناسایی الگوهای جوی مولد رخداد گرد و غبار در دشت اردبیل، رویکرد محیطی به گردشی به کار گرفته شد؛ به‌ گونه‌ای که ابتدا از یک‌صد نوع کُد سینوپتیکی وضعیت هوای حاضر که تعداد 12 کد مربوط به گرد و غبار جوی است، برای استخراج پدیده توفان گرد و غبار دوره گرم سال در دشت اردبیل استفاده شد (کدهای 06، 07، 09، 30، 31، 32، 33، 34 و 35). با انجام آن، روزهای گردوغباری در منطقه شناسایی شد.

در مرحله بعد، برای شناسایی الگوهای جوی مولد گردوغبار، داده‌های فشار سطح زمین (SLP) برای روزهای هدف از تارنمای مرکز داده‌های NCEP/ NCAR وابسته به سازمان ملی جو و اقیانوس‌شناسی ایالت متحده استخراج شد و در نرم‌افزار MATLAB فراخوانی شدند (مصطفائی و همکاران، 1394). روزها به‌عنوان سطر و داده‌های فشار سطح زمین به‌عنوان ستون در نظر گرفته شد. سپس روش کاهش مؤلفه‌های اصلی (PCA) بر داده‌ها اجرا شد تا بتوان عامل‌های اصلی را شناسایی کرد. این عامل‌های اصلی همان الگوهای جوی تراز سطح زمین خواهد بود. سه عامل در این پژوهش شناسایی شد که 92 درصد از واریانس کل داده‌ها را تبیین می‌کنند. پس سه عامل به عنوان سه الگوی جوی مولد گردوغبار در دشت اردبیل شناسایی شد. در ادامه برای هر الگوی جوی، یک روز نماینده انتخاب شد و نقشه فشار سطح زمین آن در نرم‌افزار GRADS ترسیم، بررسی و تحلیل شد. در روز نماینده، برای ردیابی گردوغبار از کانون تا دشت اردبیل، از مدل HYSPLIT بَرخط در سایت NOAA استفاده شد (Escudero et al., 2006). این مدل برای ردیابی ذرات غبار در سطوح ارتفاعی 100، 500 و 1000 متر استفاده شد که از مدل‌های ترکیبی اویلری و لاگرانژی برای ردیابی ذرات غبار در توده هوا استفاده می‌کند (Shan et al., 2009).

‌‌برای آشکارسازی نقش خاستگاه محلی در رخداد پدیده گردوغبار، تغییرات کاربری‌ها، غلظت ستونی توده گرد و غبار جوی (DCMD[1]) و عمق اپتیکی نور (AOD[2]) بررسی شده است؛ به ‌گونه‌ای که تصاویر ماهواره LANDSAT برای دشت اردبیل در خردادماه سال‌های 2000، 2004، 2008، 2012، 2016 و 2019 از سایت USGS به دست آمد. تصحیحات رادیومتریکی و اتمسفری تصاویر در نرم‌افزار ENVI انجام شد و با تابع PAN sharpening، وضوح مکانی تصاویر از 30×30 متر به 15×15 متر کاهش یافت تا دقت مکانی تصاویر افزایش یابد. سپس برای تهیه نقشه کاربری اراضی در محدوده مورد مطالعه، از روش نظارت‌شده ماشین بُردار پشتیبان (SVM) استفاده شد؛ به ‌گونه‌ای که با نمونه‌برداری آموزشی و اجرای تکنیک SVM بر تصویر لندست، نقشه کاربری اراضی برای هر سال تولید شد (Singh et al., 2014). پس از آن، در نرم‌افزار ArcGIS، مساحت هر طبقه کاربری زمین محاسبه شد و روند تغییرات آنها طی سال‌های 2000 تا 2019 به دست آمد.

در ادامه، شاخص‌های  DCMDو AOD از داده‌های بازتحلیل شده ماهواره MERRA با وضوح مکانی 1000×1000 متر برای ماه‌های گرم در دشت اردبیل استخراج شد و میانگین ماهانه آنها به‌صورت نمودار ستونی ارائه شد.

سرانجام به‌منظور برآورد غلظت اتمسفری گرد و غبار جوی و ترسیم مدل غبار برای دشت اردبیل، از مدل رگرسیون خطی چندمتغیره به روش گام‌به‌گام استفاده شد؛ بدین‌ صورت که نخست متغیرهایی که نقش مهمی در غلظت ستونی توده گرد و غبار اتمسفر سطوح زیرین منطقه دارند، انتخاب شدند و به‌عنوان متغیرهای پیشگو در برآورد غبار (متغیر وابسته) در نظر گرفته شد. در این پژوهش، از متغیرهای جوی اعم از رطوبت نسبی هوا در ارتفاع دو متری، سرعت باد، میزان بارش روزانه، میانگین دمای روزانه هوا، میانگین دمای خاک سطحی (صفر تا 10 سانتی‌متر سطح خاک) و میزان شاخص عمق اپتیکی نور به‌عنوان متغیرهای مستقل (پیشگو) در برآورد غلظت ستونی توده گرد و غبار جوی دشت اردبیل استفاده شد. میانگین روزانه پارامترهای بالا از وب‌گاه GIOVANI برای پهنه دشت اردبیل طی سال‌های 2018-2000 اخذ شد و فایل‌ها با فرمت NetCDF ذخیره و در محیط Excel اجرا شد. همچنین از داده‌های هواشناسی ایستگاه اردبیل نیز استفاده شد. متغیرهای مستقل و متغیر وابسته (غبار جوی) به‌صورت ستون وارد نرم‌افزار SPSS و مدل رگرسیونی برای برآورد مدل غلظت گرد و غبار دشت اردبیل اجرا شد.

 

یافته‌های پژوهش و تجزیه‌وتحلیل

نتایج بررسی آماری رخداد گرد و غبار

بررسی آماری رخداد گرد و غبار در دشت اردبیل نشان داد تعداد فراوانی این پدیده در فصل بهار نسبت به تابستان بیشتر است؛ اما میانگین سرعت باد در روزهای گرد و غباری بهار کمتر از تابستان است (شکل 2). میانگین ماهانه سرعت باد در دشت اردبیل که از ایستگاه سینوپتیک اردبیل به دست آمد، طی روزهای عادی و عدم گرد و غبار (Normal) با روزهای همراه با گرد و غبار (Dusty day) بررسی شد. نتایج نشان می‌دهد که میانگین سرعت باد در روزهای عادی 8/3 متر در ثانیه و در روزهای گرد و غباری بیش از 11 متر در ثانیه است. بیشینه اختلاف بین این دو سرعت در ماه اوت (مردادماه) است که بیش از 13 متر در ثانیه اختلاف سرعت باد بین روزهای عادی و روزهای گرد و غباری در دشت اردبیل است. کمینه اختلاف سرعت باد نیز در ماه‌های می و ژوئن (اردیبهشت و خردادماه) است که اختلاف سرعت باد 4 متر در ثانیه است و نشان می‌دهد در ماه‌های فصل بهار که اتمسفر رو به گرمایش بوده، گرد و غبارها عمدتاً با سرعت باد 10 تا 12 متر در ثانیه همراه بوده است (شکل 3).

 

 

شکل 2: میانگین ماهانه سرعت باد در روزهای گرد و غباری دشت اردبیل طی سال‌های 2018-2000 (منبع: نویسندگان)

Figure 2: Monthly average wind speed on dusty days in the Ardabil Plain during the years 2000-2018

 

شکل 3: اختلاف سرعت باد در روزهای عادی و روزهای همراه با گرد و غبار در دشت اردبیل (منبع: نویسندگان)

Figure 3: Difference in average wind speed on normal days and days with dust in the Ardabil Plain

به‌منظور مدل‌سازی آماری اختلاف سرعت باد در روزهای عادی و روزهای گرد و غباری از آزمون تی - استیودنت دوطرفه استفاده شد که نتایج این آزمون بیانگر اختلاف معنی‌دار بین سرعت باد در روزهای عادی و روزهای گرد و غباری در دشت اردبیل است و مقدار P-value (برابر با صفر) بیانگر این اختلاف معنی‌دار است. بدین ترتیب، اختلاف آماری و نمودار میانگین سرعت باد نشان می‌دهد که سرعت باد در روزهای گرد و غباری به شکل توفان بوده و هیچ‌گاه سرعت باد آنها کمتر از 8 متر در ثانیه نبوده و به‌جز ماه‌های می و ژوئن (اردیبهشت و خردادماه) همیشه سرعت باد بیشتر از 10 متر در ثانیه بوده است و عملاً به‌صورت توفان گرد و غبار ظاهر شده است. در ادامه به بررسی سه الگوی جوی توفان گرد و غبار در سه ماه از نیمه گرم سال و غلظت ستونی گرد و غبار و عمق اپتیکی نور به‌منظور آشکارسازی نقش خاستگاه محلی در رخداد این پدیده ماه‌های گرم پرداخته می‌شود.

 

الگوی جوی مولد گرد و غبار در ماه می

در ماه می، طی 19 سال، 19 روز با رخداد گرد و غبار در دشت اردبیل گزارش شده است که برای بررسی الگوی جوی مولد این پدیده در مقیاس کلان، توفان گرد و غبار در تاریخ 30 می 2015 انتخاب شد و از نقشه الگوی فشار سطح زمین در چارچوب جغرافیایی 10 تا 60 درجه عرض شمالی و 10 تا 80 درجه طول شرقی در این روز استفاده شد (شکل 4).

 

شکل 4: نقشه الگوی فشار تراز دریا در روز نماینده رخداد گرد و غبار دشت اردبیل در ماه می (30/5/2015) (منبع: نویسندگان)

Figure 4: Sea level pressure pattern map on a representative day of the Ardabil plain dust event in May (5/30/2015)

 

ماه می که با اردیبهشت‌ماه خورشیدی مطابق است، اتمسفر نیم‌کره شمالی رو به گرمایش است و موج بادهای غربی به عرض‌های بالای جغرافیایی انتقال می‌یابد و سامانۀ پرفشار دینامیکی آزور جای آن را در عرض‌های پایین و خاورمیانه می‌گیرد؛ اما در شمال غربی فلات ایران هم‌چنان موج‌های کوتاه غربی عبور می‌کنند و ناپایداری دامنه‌ای در شمال غربی ایران موجب رخداد توفان‌های تندری و بارش همرفتی می‌شود. ناپایداری هوای سطحی موجب منقلب‌‌شدن هوا می‌شود و تندبادهای سطحی در این ماه از سال به‌وفور اتفاق می‌افتد. در روز 30 می 2015، توفان گرد و غبار در دشت اردبیل گزارش شد که سامانه‌های جوی در تراز سطح زمین به‌گونه‌ای بود که یک واچرخند با مرکزیت 5/1017 میلی‌بار در ایران مرکزی تشکیل شد. در شمال و جنوب این پرفشار دو مرکز کم‌فشار ضعیف در دریای خزر و جنوب عربستان نیز تشکیل شده است. چرخش ساعتگرد هوای پرفشار ایران مرکزی و وزش تندباد محلی موجب خیزش ذرات خاک سطحی بیابان عراق در جهت ساعتگرد شده و به سمت کم‌فشار دریای خزر جریان یافته است. این توده گرد و غبار اتمسفر شمال غربی ایران را آلوده کرد و در دشت اردبیل توفان گرد و غبار گزارش شد. همچنین ردیابی ذرات غبار با مدل HYSPLIT نیز نشانگر همین موضوع است که ذرات غبار از بیابان عراق و حتی اردن و آفریقا وارد دشت اردبیل شده است (شکل 5). اوج پیشروی ذرات در اتمسفر اردبیل طی ساعات بعدازظهر اتفاق افتاده که تبعی از گرمایش جو و خشک‌بودن سطح و هوای فراز آن است (شکل 6).

 

شکل 5: ردیابی ذرات معلق اتمسفری با مدل HYSPLIT در روز نماینده رخداد گرد و غبار دشت اردبیل در ماه می (30/5/2015)

 (منبع: نویسندگان)

Figure 5: Tracking of atmospheric suspended particles with the HYSPLIT model on the representative day of the Ardabil plain dust event in May (5/30/2015)

 

شکل 6: مسیر ورود گرد و غبار به دشت اردبیل در روز نماینده ماه می (30/5/2015) (منبع: نویسندگان)

Figure 6: The path of dust entering the Ardabil plain on the representative day of May (5/30/2015)

 

الگوی جوی مولد گرد و غبار در ماه ژوئن

در ماه ژوئن، طی 19 سال (2000-2018) 18 روز توأم با رخداد گرد و غبار در دشت اردبیل گزارش شده است و برای بررسی شرایط سینوپتیکی و الگوی جوی مولد پدیده گرد و غبار در مقیاس کلان، توفان گرد و غبار مورخه 4 ژوئن 2015 به‌عنوان نماینده این ماه انتخاب شد (شکل 7). ماه ژوئن که با خردادماه مطابق است، اتمسفر خاورمیانه و نیم‌کره شمالی گرم شده است. از طرفی موج بادهای غربی از خاورمیانه کاملاً خارج شده و پرفشار پویشی آزور جای آن را گرفته است. در سطح زمین، کم‌فشار گرمایشی در خلیج‌فارس، تشکیل و موجب وزش بادهای شمال از عراق به سمت ایران می‌شود. در روز 4 ژوئن 2015 نیز در دشت اردبیل توفان گرد و غبار گزارش شد که دلیل اصلی آن وزش بادهای شمال‌شو از عراق به سمت ایران است. توده عظیم گرد و غبار در این روز به‌واسطه بادهای شمال از خاک سطحی بیابان‌های عراق که در این ماه از سال به دلیل تابش آفتاب زیاد، دمای بالا و تبخیر، رطوبت سطحی را از دست داده و ناپایدار شده است، نشئت‌گرفته و طی توفان‌های فرامحلی به‌صورت گرد و غبار در ایران ظاهر شده است. ردیابی ذرات غبار با مدل HYSPLIT نیز بیانگر ورود توده گرد و غبار به اردبیل از سمت بیابان عراق و شرق سوریه است (شکل 8 و شکل 9).

شکل 7: نقشه الگوی فشار تراز دریا در روز نماینده رخداد گرد و غبار دشت اردبیل در ماه ژوئن (4/6/2015) (منبع: نویسندگان)

Figure 7: Sea level pressure pattern map on a representative day of the Ardabil Plain dust event in June (6/4/2015)

 

شکل 8: ردیابی ذرات معلق اتمسفری با مدل HYSPLIT در روز نماینده رخداد گرد و غبار دشت اردبیل در ماه ژوئن (4/6/2015) (منبع: نویسندگان)

Figure 8: Tracking of atmospheric suspended particles with the HYSPLIT model on the representative day of the Ardabil plain dust event in June (6/4/2015)

 

شکل 9: مسیر ورود گرد و غبار به دشت اردبیل در روز نماینده ماه ژوئن (4/6/2015) (منبع: نویسندگان)

Figure 9: The path of dust entering the Ardabil plain on the representative day of June (6/4/2015)

 

الگوی جوی مولد گرد و غبار در ماه سپتامبر

در ماه سپتامبر، طی 19 سال، 13 روز با رخداد پدیده گرد و غبار در دشت اردبیل گزارش شده است که توفان گرد و غبار در تاریخ 24 سپتامبر 2013 برای تحلیل انتخاب شد (شکل 10). ماه سپتامبر که با شهریورماه مطابق است، پرفشار دینامیکی آزور در سطوح میانی اتمسفر از خاورمیانه و عرض‌های جغرافیایی 30 درجه شمالی خارج شده و به سمت عرض‌های پایین حرکت کرده است؛ اما هنوز موج بادهای غربی در منطقه ظاهر نشده است. در روز 24 سپتامبر 2013 توفان گرد و غبار در دشت اردبیل گزارش شده است که برای بررسی الگوی جوی مولد آن نشان داد که در این روز، یک سامانه کم‌فشار قوی با مرکزیت 985 هکتوپاسکال در روسیه تشکیل شده است. در اروپا سیستم پرفشار با مرکزیت بیش از 1020 میلی‌بار تشکیل شده و زبانه آن به سوی آفریقا گسترده شده است و حتی منحنی 5/1012 هکتوپاسکال آن در شمال غربی ایران بسته شده و به‌صورت پرفشار محلی ظاهر شده است. از طرف دیگر، زبانه کم‌فشار روسیه به سمت جنوب گسترده شده و حتی استان اردبیل را نیز دربر گرفته است؛ بنابراین، گسترش دو سامانه کم‌فشار و پرفشار قوی در منطقه، موجب اختلاف گرادیان و شیو فشاری در منطقه شده است. پرفشار شمال غربی ایران با چرخش ساعت‌گرد موجب انتقال توده‌هوای گرم و همراه با گرد و غبار عراق به سمت شمال غربی ایران شده است و گرد و غبار به‌صورت معلق در تندباد فرامحلی وارد دشت اردبیل شده که خروجی مدل HYSPLIT نیز مؤید این موضوع است (شکل 11 و شکل 12).

شکل 10: نقشه الگوی فشار تراز دریا در روز نماینده رخداد گرد و غبار دشت اردبیل در ماه سپتامبر (24/9/2013) (منبع: نویسندگان)

Figure 10: Sea level pressure pattern map on a representative day of the Ardabil plain dust event in September (9/24/2013)

 

شکل 11: ردیابی ذرات معلق اتمسفری با مدل HYSPLIT در روز نماینده رخداد گرد و غبار دشت اردبیل در ماه سپتامبر (24/9/2013) (منبع: نویسندگان)

Figure 11: Tracking of atmospheric suspended particles with the HYSPLIT model on the representative day of the Ardabil plain dust event in September (9/24/2013)

 

شکل 12: مسیر ورود گرد و غبار به دشت اردبیل در روز نماینده ماه سپتامبر (24/9/2013) (منبع: نویسندگان)

Figure 12: The path of dust entering the Ardabil plain on the representative day of September (6/4/2015)

 

در رخداد توفان گرد و غبار جولای و اوت نیز که الگوی حاکم در سطح زمین به ترتیب کم‌فشار گرمایشی روی خلیج فارس و ایران است، به دلیل حاکمیت پرفشار دینامیکی آزور در ترازهای بالا امکان صعود بیشتر برای هوای گرم فراهم نبوده و خشک‌بودن هوا با همراهی مکش پادساعتگرد هوا به منطقه مورد مطالعه، در اردبیل، تندباد محلی از خزر و آذربایجان به سمت جنوب و دشت اردبیل جریان یافته و با کانالیزه‌شدن بادها در کوهستان‌های تالش و شرق اردبیل، توفان محلی شکل گرفته و عبور این تندباد از روی خاستگاه محلی گرد و غبار در شرق اردبیل، موجب خیزش غبار سطحی از کانون خشک شده و به‌صورت توده عظیم گرد و غبار در دشت اردبیل ظاهر شده است.

 

بررسی نقش کانون محلی در رخداد گرد و غبار دشت اردبیل

کاربری اراضی

نتیجه بررسی کاربری اراضی محدوده مورد مطالعه طی سال‌های 2000، 2004، 2008، 2012، 2016 و 2019، با تصاویر ماهواره‌ای در قالب نموداری نشان داده شده است (شکل 13) از بین کاربری‌های زمین‌های با کاربری پوشش گیاهی و زمین‌های کشاورزی (Plant and Crop land)، خاک‌های مرطوب (Soil Wet)، خاک‌های خشک و مستعد گرد و غبار (Soil Dry) و زمین‌های نفوذناپذیر همچون آسفالت، کاربری‌های شهری و روستایی و بیرون‌زدگی سنگ سطحی (Im-Pervious)، بیشترین مساحت به طبقه پوشش‌های گیاهی و زمین‌های کشاورزی تعلق گرفته که از مجموع 345 کیلومترمربع مساحت منطقۀ مورد مطالعه، حدود 150 کیلومترمربع و 43 درصد کاربری‌های موجود را به خود اختصاص داده است.

دشت اردبیل با خاک مناسب قهوه‌ای‌رنگ و با عمق مناسب و زهکش آبی و همچنین عبور سرشاخه‌ها و رودخانه‌های فرعی و اصلی مستعد کشاورزی است که در طول سالیان گذشته همواره زمین‌های این دشت زیر کشت محصولاتی همچون گندم و جو و سیب‌زمینی بوده است و همچنان ادامه دارد؛ به همین دلیل عمده کاربری‌های دشت اردبیل در تصاویر ماهواره‌ای به‌صورت پوشش گیاهی و کشاورزی نشان داده می‌شود؛ اما همان‌طور که در نقشه‌های طبقه‌بندی کاربری‌ اراضی که از تصاویر ماهواره‌ای استخراج‌ شده است (شکل 14)، در خاستگاه محلی گرد و غبار، کاربری مربوط به پوشش گیاهی اندک است و عمدتاً پوشش گیاهی و زمین‌های کشاورزی اطراف خاستگاه محلی گرد و غبار را احاطه کرده‌اند و به همین دلیل پوشش گیاهی کاربری غالب در تصویر است. در ضمن این کاربری تأثیری در تشدید غلظت توفان گرد و غبار در دشت اردبیل ندارد و حتی متأثر از ذرات گرد و غبار جوی است؛ چون رسوب این ذرات بر سطح برگ و محصول گیاهان، موجب اختلال در فیزیولوژی گیاه می‌شود و بر رشد گیاه اثر منفی می‌گذارد.

کاربری دیگر، خاک‌های مرطوب سطحی بوده که اگرچه نسبت به پوشش گیاهی طی سال‌های 2000 تا 2019، تغییرات اندکی داشته است، با میانگین 85 کیلومتر مربع طی سال‌های 2000 تا 2019 و اختصاص 25 درصد از کاربری‌ها به آن، دومین کاربری چیره در منطقه است. این خاک‌ها بیشتر به زمین‌های آیش کشاورزی تعلق می‌گیرد که در زمان اخذ تصویر ماهواره‌ای منطقه، در حال آیش بوده است و پوشش گیاهی و زراعی در آن مشاهده نمی‌شود؛ اما این زمین در موارد محدودی که تندباد محلی در منطقه اتفاق می‌افتد، در تشدید غلظت گرد و غبار جوی نقش دارد و می‌تواند به‌صورت مستقیم در برنامه‌ریزی آبخیزداری و مبارزه با بیابان‌زدایی دخالت داده شود.

 

 

شکل 13: نمودار باکس پلات مساحت و درصد کاربری‌های اراضی طبقه‌بندی شده در محدوده مدنظر در دشت اردبیل طی سال‌های 2000 تا 2019 (منبع: نویسندگان)

Figure 13: Box plot diagram of area and percentage of classified land uses in the target area in the Ardabil Plain during the years 2000 to 2019

مطابق نقشه طبقه‌بندی کاربری‌، خاک‌های مرطوب سطحی عمدتاً در نوار محصور کانون گرد و غبار قرار دارد و سرتاسر اطراف کانون محلی از خاک‌های مرطوبی تشکیل شده است که به زمین‌های کشاورزی در حال آیش اختصاص دارد. همچنین در داخل زمین‌های خاستگاه گرد و غبار نیز خاک‌های مرطوب مشاهده می‌شود که آنها نیز به زمین‌های کشاورزی آیش تعلق دارد؛ چون در داخل خاستگاه نیز زمین‌های کشاورزی وجود دارد.

سومین کاربری اراضی که در محدوده موردمطالعه وجود دارد و از همه کاربری‌ها در این پژوهش مهم‌تر است، مربوط به کاربری خاک‌های خشک با بافت نرم و سُست است که مولد اصلی گرد و غبار در دشت اردبیل است. این کاربری به‌طور میانگین حدود 70 کیلومترمربع مساحت دارد و 21 درصد منطقه را شامل می‌شود. خاک خشک و نرم سطحی با ایجاد تندباد محلی، به‌سرعت از زمین، جدا و به‌صورت توفان گرد و غبار در دشت اردبیل ظاهر می‌شود. این خاک‌های خشک و نرم سطحی بیشتر در داخل کانون محلی قرار گرفته و از جمله ویژگی‌های آن این است که پوشش گیاهی در آن وجود ندارد و رطوبت خاک اندک بوده و در بیشتر مواقع عاری از رطوبت است. هیچ‌گونه مسیل و آبراهۀ فعال در این محدوده وجود ندارد و پوشش گیاهی آن نیز بسیار اندک است و تصاویر ماهواره‌ای آن را به‌عنوان یک کاربری مجزا تشخیص داده است.

آخرین نوع کاربری در تصویر ماهواره‌ای منطقه موردنظر، به اراضی نفوذناپذیر تعلق دارد که به مجموعه‌ای از زمین‌های مسکونی، صنعتی، آسفالت و جاده، بیرون‌زدگی سنگ‌‌ها و اراضی سخت تعلق دارد که به‌طور میانگین حدود 37 کیلومترمربع و 11 درصد از کل اراضی را به خود اختصاص داده است. این زمین‌ها تأثیری در توفان گرد و غبار ندارند. در نقشه منطقه، این کاربری‌ها در مناطق روستایی شرقی شامل آغبلاغ مصطفی‌خان، فرودگاه اردبیل، شهرک صنعتی شماره 2 اردبیل، جاده‌های ارتباطی و بیرون‌زدگی سنگ و خاک سخت سطحی در نیمه غربی خاستگاه محلی گرد و غبار مشاهده می‌شود.

 

 

شکل 14: نقشه کاربری اراضی محدوده موردنظر در دشت اردبیل در دسامبر سال 2000 (منبع: نویسندگان)

Figure 14: Land use map of the target area in the Ardabil plain in December 2000

پایش تغییرات کاربری‌های اراضی در دشت اردبیل با الگوریتم ماشین بردار پشتیبان

تغییرات کاربری‌های پوشش گیاهی و اراضی زراعی: نمودار روند زمانی میزان تغییرات کاربری اراضی پوشش گیاهی و زمین‌های زراعی در محدوده‌ی مدنظر در هر 4 سال نشان می‌دهد (شکل 15)، میزان مساحت پوشش‌های گیاهی طی 20 سال اخیر از سال 2000 تا 2019 روند کاهشی محسوسی داشته است. دلیل عمده‌ی آن را می‌توان به کاهش و تغییر در رژیم بارندگی منطقه و خشک‌سالی‌های اخیر اشاره کرد که منجر به از بین رفتن گیاهان غالب منطقه و گیاهانی شده‌اند که در برابر تنش خشکی و آب حساس هستند. از طرف دیگر، افزایش چشم‌اندازهای انسانی و تملک اراضی به‌منظور ساخت‌وساز و تأسیسات زیربنایی (ستون 5 از جدول 2) موجب کاهش زمین‌های مرتعی و زراعی در منطقه شده که این نوع تغییر اثر مشهودی بر افزایش وقوع توفان‌های گرد و غبار داشته است؛ به این دلیل که پوشش گیاهی موجب جذب رطوبت سطحی و تجمع آن در سطح خاک می‌شود و درنتیجه پایداری خاک را حفظ می‌کند و سرعت آستانۀ برشی باد برای روبش ذرات خاک سطحی را بالا می‌برد. این شرایط موجب تقویت پایداری خاک و کاهش توفان گرد و غباری در منطقه می‌شود.

خاک‌های مرطوب: مساحت خاک‌های مرطوب محدوده‌ی مدنظر در دشت اردبیل از سال 2000 تا 2004 روند افزایش داشته که میزان آن حدود 4% بوده است (جدول 2)؛ اما از سال 2004 مساحت آن کاهش یافته و در سال 2008 نسبت به سال 2004 حدود 3% کاهش یافته است. در سال 2012 نیز نسبت به سال 2008 حدود 1% کاهش یافته و در سال‌های بعد تا 2019 تغییراتی در میزان مساحت زمین‌های مرطوب مشاهده نشده است. این خاک‌های مرطوب که عمدتاً به زمین‌های کشاورزی در حال آیش اختصاص دارد، تأثیر مشهودی بر توفان‌های گرد و غبار ندارد. از طرف دیگر، تغییرات مساحت این نوع کاربری در محدوده مدنظر را نمی‌توان به عوامل محیطی، آب‌‌وهوایی و انسانی نسبت داد؛ چون بعضی زمین‌های کشاورزی در مواقعی آیش بوده‌اند و در مواقعی نیز به زیر کشت برده شده‌اند و تغییرات آن تفسیرپذیر نیستند.

خاک خشک: یکی از کاربری‌های مهم و حیاتی در برنامه‌ریزی محیط‌زیست و عملیات آبخیزداری و مقابله با گسترش بیابان در محدوده مدنظر در دشت اردبیل، میزان مساحت و تغییرات کاربری‌ مربوط به خاک خشک سطحی است که مستعد توفان گرد و غبار است. در زمان وقوع توفان گرد و غبار محلی در دشت اردبیل، ذرات غبار از این زمین‌های خشک و عاری از پوشش گیاهی و رطوبت خاک نشئت می‌گیرد. این کاربری در محدوده‌ی مدنظر طی سال‌های 2000 تا 2019 افزایش یافته و کاهش کاربری پوشش گیاهی به علت خشک‌سالی‌های اخیر در دشت اردبیل به کاربری خاک خشک تبدیل شده است. نتایج جدول (2) نیز نشان می‌دهد که مساحت خاک خشک در سال 2004 نسبت به سال 2000 حدود 5% افزایش یافته است.

 

 

 

 

 

شکل 15: نمودار تغییرات زمانی کاربری پوشش گیاهی و اراضی زراعی در محدوده موردنظر طی سال‌های 2019-2000 (منبع: نویسندگان)

Figure 15: Diagram of temporal changes in vegetation cover and agricultural land use in the target area during the years 2000-2019

 

اراضی نفوذناپذیر: میزان مساحت این نوع کاربری به‌طور معمول طی سال‌های 2000 تا 2019 افزایش یافته که با گسترش شهرنشینی و یکجانشینی و پیشرفت در تأسیسات و چشم‌اندازهای انسانی، این نوع کاربری طی 20 سال اخیر افزایش یافته است. همچنین براساس جدول 1 می‌توان تغییرات کاربری‌های اراضی را طی سال‌های 2000 تا 2019 و نسبت به همدیگر مقایسه کرد. بر اساس جدول 1، در سال 2004 نسبت به سال 2000، کاربری پوشش گیاهی و اراضی کشاورزی 10% کاهش یافته و جای خود را به خاک‌های مرطوب (زمین‌های آیش) و خاک‌های خشک بیابانی داده است. شاید بتوان 4% افزایش خاک مرطوب را که همان زمین‌های آیش کشاورزی است، به اراضی زمین‌های زراعی نسبت داد که در زمان اخذ تصویر ماهواره‌ای، این زمین کشاورزی شخم‌ خورده و به‌صورت آیش برای کشت سال بعد قرار داده شده است و این 4% تغییر را نادیده گرفت؛ اما 5% افزایش خاک خشک مربوط به حذف پوشش گیاهی و تبدیل آن به کانون گرد و غبار است؛ بنابراین، در سال 2004 کانون گرد و غبار در دشت اردبیل افزایش یافته است.

 

 

جدول 1: میزان درصد تغییرات کاربری‌های اراضی در محدوده مدنظر طی سال‌های 2019-2000

Table 1: Percentage of land use changes in the target area during the years 2000-2019

سال

پوشش گیاهی

خاک مرطوب

خاک خشک

اراضی نفوذناپذیر

درصد تغییرات (%)

2000

0

0

0

0

2004

10-

4+

5+

1+

2008

2+

3-

2-

4+

2012

3+

1-

2+

3-

2016

25-

0

6+

19+

2019

5+

0

1+

7-

(منبع: نویسندگان)

 

بررسی غلظت ستونی گرد و غبار در دشت اردبیل

نتیجه محاسبه غلظت ستونی توده گرد و غبار معلق در اتمسفر دشت اردبیل (شهر اردبیل و کانون گرد و غبار محلی) در مقیاس ماهانه در روزهای همراه با گرد و غبار نشان می‌دهد (شکل 16) بیشینه غلظت ستونی گرد و غبار جوی سال در ماه‌های گرم آن در ماه جولای است که 43/0 کیلوگرم در مترمربع برآورد شد. در ماه‌های گرم به دلیل کاهش بارندگی و رطوبت نسبی و همچنین نبود یخبندان و یخ سطحی، خاک سطحی خشک است و با وقوع تندبادهای محلی، ذرات خاک از کانون گرد و غباری که در نزدیکی فرودگاه قرار دارد، از زمین، بلند و به‌صورت معلق وارد اتمسفر می‌شود.

 

 

شکل 16: میانگین غلظت ستونی توده گرد و غبار جوی در ماه‌های مختلف سال در دشت اردبیل (منبع: نویسندگان)

Figure 16: Average column density of atmospheric dust mass in different months of the year in the Ardabil plain

 

 

بررسی عمق اپتیکی نور در دشت اردبیل

نتایج بررسی میزان عمق اپتیکی نور (AOD) نیز در روزهای گرد و غباری در مقیاس ماهانه در دشت اردبیل (شکل 17) نشان می‌دهد که میزان عمق اپتیکی نور - که با افزایش غلظت ذرات غبار جوی افزایش می‌یابد - نیز همسان با غلظت ستونی گرد و غبار جوی است و بیشینه آن به جولای با AOD حدود 5/0 تعلق دارد.

 

 

شکل 17: میانگین ماهانه عمق اپتیکی نور (AOD) در دشت اردبیل (منبع: نویسندگان)

Figure 17: Monthly average Aerosol Optical Depth (AOD) in the Ardabil plain

 

مدل رگرسیونی غلظت گرد و غبار دشت اردبیل

ابتدا همبستگی پیرسون در سطح احتمال 95 درصد بین غلظت ستونی توده‌ی گرد و غبار جوی با متغیرهای پیشگو در مدل محاسبه شد که نتایج به‌صورت جدول (2) رائه شده است. بر این اساس، رطوبت نسبی و عمق اپتیکی نور همبستگی معناداری در سطح 01/0 با غلظت گرد و غبار دارند و سطح معناداری آنها 99 درصد است. همچنین همبستگی رطوبت نسبی با غلظت گرد و غبار منفی است؛ بدین معنی که با افزایش رطوبت نسبی، غلظت ذرات گرد و غبار در جو کاهش می‌یابد و بالعکس، با کاهش رطوبت نسبی، غلظت ذرات غبار اتمسفری افزایش می‌یابد؛ به ‌طوری‌ که در فصول گرم سال که رطوبت نسبی هوا به‌ویژه در خرداد و تیرماه کاهش می‌یابد، غلظت گرد و غبار جوی افزایش می‌یابد؛ اما میزان شاخص عمق اپتیکی نور نیز با غلظت گرد و غبار جوی رابطۀ مستقیم و معناداری دارد. درواقع عمق اپتیکی نور نیز ناشی از غلظت گرد و غبار است و هرچه غلظت افزایش یابد، میزان عمق اپتیکی نور نیز افزایش می‌یابد.

در مدل‌سازی، ابتدا متغیرهای پیشگو وارد مدل می‌شوند و متغیرهایی که تأثیری در متغیر وابسته (گرد و غبار جوی) نداشتند، از مدل حذف می‌شوند و در گام دوم (مدل 2) فقط متغیرهایی در مدل باقی ماندند که بیشترین تأثیر و همبستگی را با متغیر وابسته داشتند؛ بنابراین، مدل 2 از معادله رگرسیون برای ترسیم مدل غلظت ستونی گرد و غبار جوی در دشت اردبیل در نظر گرفته شد (جدول 3). از آنجایی که ضریب همبستگی (R) 924/0 و ضریب تعیین (R Square) 854/0 و همچنین ضریب تعیین اصلاح شده (Adjusted R Square) 821/0 محاسبه شده است، گام دوم مدل رگرسیونی مناسب است. هرچه این مقدارها به ۱ نزدیک‌تر باشند، مدل بیانگر رابطه بیشتری بین متغیر وابسته و مستقل است. به بیان‌ دیگر، مدل رگرسیونی توانسته درصد بیشتری از تغییرات غلظت گرد و غبار را تحت پوشش قرار می‌دهد یا بیان کند. در انتهای جدول نیز ستون Durbin-Watson آماره مربوطه را با مقدار 948/1 نشان می‌دهد. اگر مقدار این آماره نزدیک به 2 باشد، نشان از مستقل‌بودن باقی‌مانده‌ها خواهد داد. بر این اساس، مدل مربوطه مناسب است. با توجه به تحلیل مربوط به واریانس برای مدل رگرسیونی در جدول ANOVA (جدول 4) و بزرگ‌بودن F و مقدار Sig=0.000<0.05  نتیجه می‌گیریم که مدل رگرسیونی مناسب خواهد بود؛ زیرا بیشتر تغییرات متغیر وابسته (غلظت گرد و غبار جوی) در مدل رگرسیونی دیده شده است؛ به این معنی که سهم مدل 2(Regression)  در تغییرات کل که در سطر آخر (Total)  ستون Sum of Squares دیده می‌شود (227/0) به نسبت سهم خطا یا باقی‌مانده‌ها (Residual)  که 033/0 است، بیشتر است.

 

جدول 2: همبستگی غلظت ستونی گرد و غبار با متغیرهای جوی در دشت اردبیل

Table 2: Correlation of dust column density with atmospheric variables in the Ardabil plain

متغیرها

غلظت گرد و غبار

ضریب همبستگی

سطح معناداری

دمای هوا

398/0

100/0

بارش

526/0-

039/0

رطوبت نسبی

823/0-

** 001/0

سرعت باد

266/0-

201/0

عمق اپتیکی نور

827/0

** 000/0

دمای خاک

422/0

086/0

(منبع: نویسندگان)

 

جدول 3: ضرایب همبستگی مدل رگرسیون خطی چندگانه به روش گام به گام

Table 3: Correlation coefficients of the multiple linear regression model using the stepwise method

Model Summary

Model

R

R Square

Adjusted R Square

Std. Error of the Estimate

Durbin-Watson

2

0.924

0.854

0.821

0.06076

1.948

 (منبع: نویسندگان)

 

جدول 4: جدول تجزیه واریانس مدل رگرسیون خطی چندمتغیره به روش گام به گام

Table 4: Analysis of variance table for multivariate linear regression model using stepwise method

ANOVA

Model

Sum of Squares

df

Mean Square

F

Sig.

2

Regression

0.194

2

0.097

26.225

000

Residual

0.033

9

0.004

 

 

Total

0.227

11

 

 

 

 (منبع: نویسندگان)

مطابق جدول Coefficients که مقدار ثابت Constant در مدل با مقدار 734/1 ظاهر می‌شود و با توجه به کوچک‌تر بودن مقدار sig متغیرهای رطوبت نسبی و عمق اپتیکی نور 01/0 فرض صفر بودنشان رد می‌شود. این دلیلی بر مناسب‌بودن مدل رگرسیونی است. ستون Unstandardize Coefficients که ضرایب واقعی را نشان می‌دهد، با توجه به واحد اندازه‌گیری هر یک از متغیرها ایجاد شده‌اند؛ بنابراین، نمی‌توان براساس بزرگی هر یک از ضرایب اهمیت متغیر مربوطه در مدل رگرسیونی را تشخیص داد؛ به این منظور از ستون Standardize Coefficients Beta استفاده شد که براساس آن هر ضریبی دارای Beta بزرگ‌تری باشد، در مدل رگرسیونی از اهمیت بیشتری نیز برخوردار است. به‌ این‌ ترتیب مشخص شد که متغیر عمق اپتیکی نور با Beta= 0.522 و رطوبت نسبی با Beta= - 0.513، بهترین متغیر برای پیشگویی متغیر وابسته (غلظت گرد و غبار جوی) است. با توجه به این ضرایب، مدل رگرسیونی به‌صورت معادله ارائه شد که براساس آن می‌توان مدل غلظت ستونی گرد و غبار جوی در دشت اردبیل را با توجه به متغیرهای عمق اپتیکی نور و رطوبت نسبی برآورد کرد؛ بنابراین، با ورود 6 متغیر به مدل رگرسیون، 2 متغیر در مدل رگرسیونی باقی‌مانده و 4 متغیر دیگر (بارش، دمای هوا، دمای خاک و سرعت باد) از مدل، حذف و مدل غلظت ستونی توده گرد و غبار جوی با دو پارامتر ترسیم شد (جدول 5). با توجه به جداول فوق حاصل از مدل رگرسیونی، معادلۀ مدل غلظت ستونی تودۀ گرد و غبار جوی در دشت اردبیل به‌صورت رابطه (1) زیر ترسیم شد.

 

Dust Column Mass Density = 1.734 + 0.522 x1 – 0.513x2                                                                                            رابطه (1)

 

که در این معادله، x1 عمق اپتیکی نور و x2 رطوبت نسبی هوا است؛ بنابراین، نتایج حاصل از مدل رگرسیون خطی چندمتغیره به روش گام به گام در معادله‌سازی غلظت ستونی توده‌ی گرد و غبار جوی نشان داد که از بین 6 پارامتر محیطی و هواشناسی، عمق اپتیکی نور و رطوبت نسبی همبستگی معناداری با غلظت گرد و غبار داشت و در مدل رگرسیونی باقی ماندند و می‌توان با داشتن مقادیر این دو پارامتر، غلظت ستونی گرد و غبار جوی در دشت اردبیل را برآورد کرد.

 

جدول 5: سطح معنی‌داری و ضرایب متغیرهای پیشگو در مدل رگرسیون

Table 5: Significance level and coefficients of predictor variables in the regression model

Model

Unstandardized Coefficients

Standardized Coefficients

t

Sig.

B

Std. Error

Beta

2

(Constant)

1.734

0.573

 

3.025

0.014

عمق اپتیکی نور

0.587

0.179

0.522

3.287

0.009

رطوبت نسبی

-0.024

0.007

-0.513

-3.233

0.010

(منبع: نویسندگان)

 

نتیجه‌گیری

توفان‌های گرد و غبار یکی از پدیده‌های جوی - محیطی است که با نشئت‌‌گرفتن از بیابان‌ها و مناطق خشک، خسارت‌های فراوانی بر محیط‌زیست وارد می‌سازد. دشت اردبیل واقع در استان اردبیل، یکی از دشت‌های حاصلخیز کشور بوده که شهر اردبیل نیز در این دشت قرار گرفته و سال‌هاست که اقتصاد آن متکی به کشاورزی هستند؛ اما به دلیل وقوع توفان‌های گرد و غباری و افزایش فرکانس رخداد آن، نگرانی‌ها را برانگیخته است؛ زیرا مطالعات محیطی متخصصان در دشت اردبیل بیانگر وجود یک کانون محلی گرد و غبار در دشت اردبیل است؛ بنابراین، در این پژوهش الگوهای مولد رخداد گرد و غبار طی ماه‌های گرم سال در دوره 19 ساله (2000-2018) با رویکرد محیطی به گردشی استخراج و تحلیل شدند و مسیر گرد و غبار محدوده با استفاده از HYSPLIT ردیابی شد.

در بررسی شناخت الگوهای جوی مولد گرد و غبار نیز از سطح فشار تراز دریا استفاده شد و نتایج آن بیانگر اثر سیستم‌های پرفشار و کم‌فشار سطحی است که با ایجاد ناپایداری در منطقه موجب وقوع توفان گرد و غبار در دشت اردبیل می‌شوند. همچنین بررسی ماهانه این الگوها نشان داد که کانون محلی نقش بارزی در وقوع توفان‌های گرد و غبار در منطقه دارند. اگرچه ردیابی ذرات غبار و بررسی الگوهای همدیدی منطقه نشان می‌دهند که گرد و غبار از سمت عراق و سوریه و مناطق مرزی بین ایران و عراق وارد دشت اردبیل می‌شوند (که مؤید نتایج پژوهش دهدارزاده و صلاحی، 1389؛ ریوندی و همکاران، 1389؛ قوامی و همکاران، 1393)، گرادیان و شیو فشاری زیادی که در زمان ورود سیستم‌های ناپایدار به منطقه ایجاد می‌شود، موجب تشدید تندبادهای محلی در دشت اردبیل می‌شود و عبور این تندبادها از سطح کانون محلی گرد و غبار در دشت اردبیل، موجب تغلیظ توفان و حرکت ذرات خاک سطحی این کانون محلی و به‌صورت توده عظیم گرد و غبار در دشت اردبیل ظاهر می‌شود؛ زیرا در زمین‌های زراعی بخش شرقی شهر اردبیل و فاصله 6/3 کیلومتری شرق شهر اردبیل، در نزدیکی جنوب فرودگاه اردبیل و شهرک صنعتی شماره 2 اردبیل، زمینی به مساحت تقریبی 6.880 هکتار عاری از پوشش گیاهی، مسکونی و تجاری است و خاک‌های سُست سطحی آن در فصول خشکِ سال به دلیل عدم وجود رطوبت، گسسته و با تشدید تندبادهای منطقه، ذرات خاک از سطح زمین بلند می‌شود و به سمت غرب (شهر اردبیل) جریان می‌یابد و به‌عنوان توفان گرد و غبار محلی شناخته می‌شود و اکوسیستم‌های محیطی و جامعه انسانی شهر اردبیل را تحت تأثیر قرار می‌دهد. علاوه بر آن، شهرک صنعتی 2 اردبیل که بزرگ‌ترین شهرک صنعتی استان اردبیل نیز است، در فاصله 11 کیلومتری شرق اردبیل، نزدیک به فرودگاه و کانون گرد و غبار محلی است. فعالیت کارخانه‌ها در این شهرک صنعتی نیز منجر به تشدید آلودگی هوا می‌شود و با انتشار ذرات غبار به اتمسفر و ترکیب آن با ذرات گرد و غبار معدنی در کانون گرد و غبار، منجر به افزایش غلظت آلاینده‌های هوا می‌شود و در زمان وقوع بادهای محلی، به‌صورت توده عظیم گرد و غبار به سمت شهر اردبیل جریان می‌یابد.

همچنین نتایج پایش تغییرات کاربری‌های دشت اردبیل نشان داد که خاک‌های خشک سطحی منطقه که درواقع کانون اصلی گرد و غبار هستند، طی 20 سال اخیر (2000-2019) افزایش یافته و از میزان مساحت پوشش گیاهی در منطقه کاسته شده که این نوع تغییر اثر مشهودی بر افزایش وقوع توفان‌های گرد و غبار داشته است؛ زیرا پوشش گیاهی موجب جذب رطوبت سطحی و تجمع آن در سطح خاک می‌شود و درنتیجه، پایداری خاک را حفظ می‌کند و سرعت آستانه برشی باد را برای روبش ذرات خاک سطحی بالا می‌برد. این شرایط موجب تقویت پایداری خاک و کاهش توفان گرد و غباری در منطقه می‌شود؛ اما نتایج این پژوهش نشان داد که مساحت پوشش گیاهی در منطقه کاهش پیدا کرده و این شرایط موجب از دست دادن رطوبت سطحی خاک و برهم زدن تعادل خاک شده که درنهایت با ناپایدارشدن خاک سطحی و کاهش سرعت آستانه برشی باد، با وقوع تندباد محلی، گرد و غبار سطحی به‌صورت معلق وارد هوا شده است و به شکل توفان گرد و غبار در منطقه ظاهر می‌شود؛ به‌ طوری ‌که براساس مدل رگرسیون نیز نقش رطوبت نسبی بارز شناسایی شد و می‌توان مدل غلظت ستونی گرد و غبار جوی در دشت اردبیل را با توجه به متغیرهای عمق اپتیکی نور و رطوبت نسبی برآورد کرد. پیشنهاد می‌شود برای تثبیت خاک نواحی خشک منطقه گونه‌های علفی و مرتعی مناسب کشت و تقویت شود تا ضمن بهره‌مندشدن از مزایای اقتصادی آنها از شیوع رخداد گرد و غبار در این منطقه کاست.

 

[1] Dust Column Mass Density

[2] Aerosol Optical Depth

منابع
براتی، غلامرضا، لشکری، حسن، و کرمی، فریبا (1390). نقش همگرایی سامانه‌های فشار بر رخداد توفان‌های غباری استان خوزستان. جغرافیا و توسعه، 9(22)، 39-56. https://gdij.usb.ac.ir/article_569.html
برخوردار، سمیرا، مرادی، محمد، و ارکیان، فروزان (1396). مقایسه همدیدی وقوع توفان‌های شدید گردوخاک در فصول بهار و تابستان در شمال استان سیستان و بلوچستان. پژوهش‌های علوم و فنون دریایی، 12(2)، 85-92.
جلیلیان، شادی (1401). آشکارسازی مسیرهای طوفان گرد و غبار ورودی غرب ایران با استفاده از مدل پخش لاگرانژی ذرات HYSPLIT. مدیریت اکوسیستم‌های طبیعی، 2(4)، 63-70.
خالدی، کوهسار (1392). زیان‌های اقتصادی توفان گرد و غبار بر استان‌های غربی ایران (مطالعه موردی: ایلام، خوزستان و کرمانشاه). فصلنامه مدل‌سازی اقتصادی، 7(3)، 105-125.
خوش‌اخلاق، فرامرز، پژوه، فرشاد، جعفری، فرزانه، و کوهی، صنم (1398). واکاوی همدیدی توفان‌های گرد و خاک شمال غرب ایران. نشریه هواشناسی و علوم جوّ، 2(4)، 272-286.
خوشحال دستجردی، جواد، موسوی، سید حجت، و کاشکی، عبدالرضا (1391). تحلیل همدید توفان‌های گرد و غبار ایلام (1987-2005). فصلنامه جغرافیا و برنامه‌ریزی محیطی، 23(2)، 15-34.
دهدارزاده، محمد، و صلاحی، برومند (27-28 بهمن، 1389). بررسی آماری و تحلیلی بر الگوهای همدید مولد گردوخاک در استان فارس در سال‌های 1993-2002. دومین همایش ملی فرسایش بادی و توفان‌های گرد و غبار، دانشگاه یزد. https://civilica.com/doc/100897/
رستمی، دانا، و حسینی، سید اسعد (1397). واکاوی و ردیابی پدیده گرد و غبار در جنوب و جنوب شرق ایران با استفاده از مدل HYSPLIT و اصول سنجش از دور. تحلیل فضایی مخاطرات محیطی، 5(3)، 103-109.
ریوندی، امیر، میررکنی، مجید، و محمدی‌ها، امیر (1392). بررسی تشکیل و انتشار توفان‌های گردوخاک ورودی به غرب و جنوب غرب ایران با استفاده از مدل پخش لاگرانژی ذرات HYSPLI. نشریه پژوهش‌های اقلیم‌شناسی، 4(13)، 1-16. https://clima.irimo.ir/article_14128.html
قوامی، سمیرا، کبودوندپور، شهرام، محمدی، بختیار، و امان‌اللهی، جمیل (1393). تحلیل الگوهای همدید مؤثر بر رخداد توفان‌های گردوخاک استان کردستان. نشریه پژوهش‌های اقلیم‌شناسی، (19)، 67-80.
محمدپور پنچاه، محمدرضا، ملکوتی، حسین، و باباحسینی، سمیرا (1395). دست‌یابی به چشمه توفان‌های گرد و غبار به کمک مدل‌های عددی‌: معرفی رویکردی برای پیش‌بینی توفان‌های گردوغبار. جغرافیا و برنامه‌ریزی محیطی، 27(1)، 43-52. https://doi.org/10.22108/gep.2016.20792
محمدخورشیددوست، علی، محمدی، غلامحسن، حسینی صدر، عاطفه، جوان، خدیجه، و جمالی، ابوالفضل (1392). تحلیل همدید عوامل مؤثر در فراوانی روزهای گرد و غباری غرب کشور. نشریه جغرافیا و برنامه‌ریزی، 17(46)، 47-66. https://geoplanning.tabrizu.ac.ir/article_804.html
محمدی، فهیمه، کمالی، سمیه، و اسکندری، مریم (1394). ردیابی منابع گرد و غبار در سطوح مختلف جو تهران با استفاده از مدل HYSPLIT. جغرافیا و مخاطرات محیطی، 4(4)، 39-54.
محمدی، هانیه، بذرافشان، جواد، و لیاقت، عبدالمجید (1402). تحلیل همبستگی خشکسالی - گرد و غبار و بررسی ارتباط آن با تغییرات پوشش گیاهی در استان خوزستان. تحقیقات آب و خاک ایران، 54(10)، 1447-1465.
مصطفائی، حسن، علیجانی، بهلول، و سلیقه، محمد (1394). تحلیل سینوپتیکی بارش‌های شدید و فراگیر در ایران. تحلیل فضایی مخاطرات محیطی، ۲(۴)، ۶۵-۷۶. http://dx.doi.org/10.18869/acadpub.jsaeh.2.4.65
ملکوتی، حسین، باباحسینی، سمیرا، نوحه‌گر، احمد، آزادی، مجید، و محمدپور، محمدرضا (1392). مطالعه همدیدی و عددی نشر، انتقال و شناسایی چشمه یک توفان گرد و غبار سنگین در منطقه خاورمیانه. فصلنامه پژوهش‌های فرسایش محیطی، 3(4)، 69-80. https://magazine.hormozgan.ac.ir/article-1-201-fa.html
وطن‌پرست قلعه‌جوق، فاطمه، صلاحی، برومند، و زینالی، بتول (1403). پایش تغییرات زمانی - مکانی گرد و غبار معلق جوّ در استان‌های منتخب نیمۀ غرب ایران با استفاده از تصاویر MODIS و Sentinel-5. جغرافیا و برنامه‌ریزی محیطی، 3(35)، 113-128. https://doi.org/10.22108/gep.2024.140621.1635
References
Barati, G., Lashkari, H., & Karmi, F. (2013). The role of convergence of pressure systems on the occurrence of dust storms in Khuzestan province. Journal of Geography and Development, 9(22), 39-56. https://gdij.usb.ac.ir/article_569.html [In Persian]
Barkan, J., Alpert, P., Kutiel, H., & Kishcha, P. (2005). Synoptics of dust transportation days from Africa toward Italy and central Europe. Journal of Geophysical Research: Atmospheres, 110(D7), 1-14. https://doi.org/10.1029/2004JD005222
Barkhordar, S., Moradi, M., & Arkian, F. (2017). The Synoptic Comparison of Severe dust Storms in the Spring and Summer in North of Sistan and Baluchistan Province. Journal of Marine science & Technology Research, 12(2), 85 – 92. https://journals.iau.ir/article_540327.html [In Persian]
Bian, H., Tie, X., Cao, J., Ying, Z., Han, S., & Xue, Y. (2011). Analysis of a Severe Dust Storm Event over China: Application of the WRF-Dust Model. Aerosol and Air Quality Research, 11(4), 419–428. https://doi.org/10.4209/aaqr.2011.04.0053
Cao, H., Amiraslani., F., Liu, J., & Zhou, N. (2015). Identification of dust storm source areas in West Asia using multiple environmental datasets. Science of the Total Environment, 502, 224-235. https://doi.org/10.1016/j.scitotenv.2014.09.025
Dehdarzadeh, M., & Salahi, B. (2011). A statistical and analytical study on the synoptic patterns of dust generators in Fars province in 1993-2002. 2nd National Conference on Wind Erosion and Dust Storms. 15th and 16th of February. Yazd University. https://civilica.com/doc/100897/ [In Persian]
Dimitriou, K., & Kassomenos, P. (2018). Day by day evolution of a vigorous two wave Saharan dust storm - Thermal and air quality impacts. Atmósfera, 31(2), 105-124.
Drack, J. M. E., & Vázquez, D. P. (2018). Morphological response of a cactus to cement dust pollution. Ecotoxicology and Environmental Safety, 148, 571-577.
Ekstrom, M., McTainsh, G. H. & Chappell, A. (2004). Australian dust storms: temporal trends and relationships with synoptic pressure distributions (1960–99). International Journal of Climatology: A Journal of the Royal Meteorological Society, 24(12), 1581-1599. https://doi.org/10.1002/joc.1072
Escudero, M., Stein, A., Draxler, R. R., Querol, X., Alastuey, A., Castillo, S., & Avila, A. (2006). Determination of the contribution of northern Africa dust source areas to PM10 concentrations over the central Iberian Peninsula using the Hybrid Single-Particle Lagrangian Integrated Trajectory model (HYSPLIT) model. Journal of Geophysical Research: Atmospheres, 111(D06210), 1-15.
Jaliliyan, S. (2023). Detection of Dust Storm Pathways in Western Iran Using the HYSPLIT Lagrangian Particle Dispersion Model. Management of Natural Ecosystems, 2(4), 63-70.
Khaledi, K. (2012). Economic Loss of Dust Storms in Iran West Provinces Case Study of Ilam, Khuzestan and Kermanshah. Economic Modeling, 23(7), 105 – 125.
Khan, R. K., & Strand, M. A. (2018). Road dust and its effect on human health: a literature review. Epidemiology and Health, 40, 2018013. http://dx.doi.org/10.4178/epih.e2018013
Khosh Akhlagh, F., Pazhoh, F., Jafari, F., & Kohi, S. (2020). Synoptic analysis of Iran’s northwest dust storms. Journal of Meteorology and Atmospheric Science, 2(4), 272-286. https://www.ims-jmas.net/article_128174.html [In Persian]
Khoshhal Dastjerdi, J., Mousavi, S. H., & Kashki, A. (2012). Synoptic analysis of Ilam dust storms (1987 - 2005). Geography and Environmental Planning, 23(2), 15-34.
Malakooti, ‌‌H., Babahosseini, S., Nohegar, A., Azadi, M., & Mohammadpour, M. (2013). Numerical and Synoptic Study of Emission, Transport and Identify Potential Sources of a Severe Dust Storm Over Middle East. Quarterly Journal of Environmental Erosion Research, 3(4), 69-80.
Mashat, A., & Awad, A. (2010). The classification of the dusty areas over the Middle-East. Bull Fac Sci Cairo Univ, 78(A), 1-19.
Modarres, R., & Sadeghi, S. (2018). Spatial and temporal trends of dust storms across desert regions of Iran. Natural Hazards, 90(2), 101-114. https://doi.org/10.1007/s11069-017-3035-8
Mohammadi, F., Kamali, S., & Eskandary, M. (2016). Tracing Dust Sources in Different Atmosphere Levels of Tehran Using Hybrid Single-Particle Lagrangian Integrated Trajectory (HYSPLIT) Model. Journal of Geography and Environmental Hazards, 4(4), 39-54.
Mohammad Khorshiddoust, A., Mohammadi, G. H., Hosseini Sadr, A. Javan, K., & Jamali, A. (2014). Synoptic Analysis of Effective Factors on Dust Frequency in West of Iran. Journal of Geography and Planning, 17(46), 47-66. https://geoplanning.tabrizu.ac.ir/article_804.html [In Persian]
Mohammadi, H., Bazrafshan, J., & Liaghat, A. (2023). Correlation analysis of drought-dust and its relationship with vegetation changes in Khuzestan province. Iranian Journal of Soil and Water Research, 54(10), 1447-1465. https://doi.org/10.22059/ijswr.2023.364328.669560 [In Persian]
Mohammadpour Penchah, M., malakooti, H., & Babahoseini, S. (2016). Access to sources of dust storms using numerical models: introducing an approach for forecastingof dust storms. Geography and Environmental Planning, 27(1), 43-52. https://doi.org/10.22108/gep.2016.20792 [In Persian]
Mostafaii, H., Alijani, B. & Saligheh, M. (2016). Synoptic Analysis of Widespread Heavy Rains in Iran. Journal of Spatial Analysis Environmental Hazards, 2(4), 65-76.
Qavami, S., Kaboodvandpour, S., Mohammadi, B., & Amanollahi, J. (2014). Analysis of synoptic patterns affecting the occurrence of dust storms in Kurdistan province. Journal of Climate Research, (19), 67-80. https://clima.irimo.ir/article_15696.html [In Persian]
Rezazadeh, M., Irannejad, P., & Shao, Y. (2013). Climatology of the Middle East dust events. Aeolian Research10, 103-109. http://dx.doi.org/10.1016/j.aeolia.2013.04.001
Rivandi, A., Mirrokni, M., & Mohammadiha, A. (2013). Investigation of Formation and Propagation of Dust Storms Entering to the West and Southwest of Iran Using Lagrangian Particle Diffusion Model, HYSPLIT. Journal of Climate Research, (13), 1-16.
Rostami, D., & Hosseini, S. A. (2018). Analysis and Tracking Dust Phenomenon in South and Southeast of Iran by using HYSPLIT Model and the Principles of Remote Sensing. Journal of Spatial Analysis Environmental Hazards, 5(3),103-119. http://dx.doi.org/10.29252/jsaeh.5.3.103 [In Persian]
Singh, S. K., Srivastava, P. K., Gupta, M., Thakur, J. K., & Mukherjee, S. (2014). Appraisal of land use/land cover of mangrove forest ecosystem using support vector machine. Environmental earth sciences71(5), 2245-2255.‌ https://doi.org/10.1007/s12665-013-2628-0
Shan, W., Shan, W., Yin, Y., Lu, H., & Liang, S. (2009). A meteorological analysis of ozone episodes using HYSPLIT model and surface data. Atmospheric Research, 93(4), 767-776.
Shao, Y., & Dong, C. H. (2006). A review on East Asian Dust storm Climate, Modeling and monitoring. Global and Planetary Change, 52(1-4), 1-22.
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. Geography and Environmental Planning, 35(3), 113-128.
Zoljoodi, M., Didevarasl, A., & Ranjbar Saadatabadi, A. (2013). Dust events in the western parts of Iran and the relationship with drought expansion over the dust-source areas in Iraq and Syria. Atmospheric and Climate Sciences, 3(03), 321-336. http://dx.doi.org/10.4236/acs.2013.33034