فهرست نشریات علمی دسترسی آزاد ایران

مقدمه و هدفتوفان‌های گرد و غبار به‌عنوان یکی از مخاطره‌های زیست‌محیطی، بر سلامت انسان، کشاورزی و پایداری بوم‌سازگان اثرات گسترده‌ای دارند. در سال‌های گذشته، بروز این پدیده در نواحی پیرامون دریاچه ارومیه، به‌ویژه در بخش شمالی آن، به‌شکل قابل توجهی افزایش‌یافته است. این روند ناشی از عامل‌های پرشماری است که مهم‌ترین آن‌ها خشک شدن گسترده بستر دریاچه ارومیه در پی کاهش شدید منابع آبی و تغییرات اقلیمی است. کاهش اندازة آب ورودی به دریاچه و افزایش تبخیر به‌دلیل تغییرات اقلیمی موجب کاهش سطح آب و نمایان شدن بخش گسترده‌ای از بستر دریاچه شده است. امروزه، این بستر خشک‌شده به‌عنوان یک منبع تولید و انتشار ذرات معلق گرد و غبار در منطقه است که ادعاهای زیادی در زمینة گرد و غبار آن بر محیط پیرامون مطرح می­‌شود. ازاین‌رو، پایش دقیق و تحلیل روندهای زمانی و مکانی توفان‌های گرد و غبار در حاشیه شمالی دریاچه ارومیه برای اتخاذ تدابیر مدیریتی و سیاست‌گذاری‌های محیط‌زیستی، اهمیت زیادی دارد. با توجه به اهمیت پایش دقیق این پدیده، بهره­گیری از فناوری‌های سنجش از دور و الگوریتم‌های تصحیح جو مانند MAIAC امکان ارائه تحلیل‌های دقیق­تر و به­روزتر را فراهم می­آورد. در این راستا، هدف اصلی این پژوهش، تحلیل روندهای زمانی و مکانی تغییرات فراوانی روزهای گرد و غبار در حاشیه شمالی دریاچه ارومیه در بازه زمانی ۲۰۰۱ تا ۲۰۲۴ با استفاده از داده‌های اصلاح‌شده الگوریتم گرد و غبار MAIAC بود. با استفاده از نتایج این پژوهش فهم فرآیندهای موثر در تولید و انتشار گرد و غبار بهبودیافته و راهکارهای مدیریتی مناسبی برای کاهش اثرات منفی آن می‌توان ارائه داد. مواد و روش‌هادر این پژوهش، تصویرهای ماهواره‌ای MODIS با تفکیک متوسط در بازه زمانی ۲۰۰۱ تا ۲۰۲۴ برای حاشیه شمالی دریاچه ارومیه جمع‌آوری شد. با بهره‌گیری از قابلیت زیاد الگوریتم بازیابی هواویز (آئروسل) مایاک (MAIAC) در تفکیک دقیق ذرات معلق در هوا، روزهای گرد و غبار شناسایی شدند. داده‌های استخراج‌شده با سامانه گوگل ارث انجین (GEE) و نرم‌افزار ArcMap (نسخه 8/10) تحلیل شدند و برپایة تعداد روزهای گرد و غبار به چهار طبقه فراوانی کم (50–۰ روز گرد و غباری در سال) (طبقه 1)، متوسط (100–50 روز گرد و غباری در سال) (طبقه 2)، زیاد (150–۱00 روز گرد و غباری در سال) (طبقه 3) و بسیارزیاد (بیش از 150 روز گرد و غباری در سال) (طبقه 4) تقسیم شدند. سپس، نقشه‌های توزیع مکانی و زمانی هر طبقه با دقت تهیه شد. همچنین، به‌منظور شناسایی و دسته‌بندی سال‌هایی با الگوهای مشابه از دیدگاه فراوانی روزهای گرد و غبار، از روش خوشه‌بندی K-Means در نرم‌افزار SPSS (نسخه 30) استفاده شد. با استفاده از این تحلیل، سال‌ها برپایة فراوانی‌های مشابه در گروه‌های خوشه‌ای به‌خوبی تفکیک شدند.نتایج و بحثنتایج این پژوهش نشان داد که تغییرات پراکنش مکانی و شدت رویدادهای گرد و غبار در بازه زمانی ۲۰۰۱ تا ۲۰۲۴ قابل توجه بود. در سال‌های ابتدایی پژوهش (2008-2001)، فراوانی رخداد گرد و غبار در طبقه کم بود، اما از سال ۲۰۱۲ به بعد، مساحت طبقه‌های با فراوانی متوسط و زیاد، به‌طور چشمگیری افزایش یافت. هرچند در برخی سال‌ها مانند ۲۰۱۹ و ۲۰۲۰ فراوانی گرد و غبار، نسبتاً کاهش یافت، اما در سال‌های گذشته روند این پدیده افزایشی بود. نتایج تحلیل خوشه‌ای با استفاده از نرم‌افزار SPSS (نسخه 30) نشان داد که بیشترین فراوانی روزهای گرد و غبار در سال‌های ۲۰۱۴-۲۰۱۵ و ۲۰۱۵-۲۰۱۶ مربوط به گروه خوشه ۲ بود. همچنین کمترین فراوانی روزهای گرد و غبار در سال‌های ۲۰۰۱-۲۰۰۲ تا ۲۰۰۷-۲۰۰۸، ۲۰۱۹-۲۰۲۰ و ۲۰۲۰-۲۰۲۱ مربوط به خوشه ۴ بود. همچنین، نتایج اعتبارسنجی با استفاده از داده‌های ایستگاه همدیدی شبستر (نزدیک‌ترین ایستگاه در شمال دریاچه ارومیه) نشان داد که ارتباط میان داده‌های ایستگاهی (کدهای 5، 6 و 8) و مساحت پیکسل‌های با فراوانی زیاد گرد و غبار در تصویرهای سنجش از دور ضعیف و از دیدگاه آماری معنادار نبود. این یافته‌ها بیانگر آن بود که ذرات گرد و غبار برخاسته از بستر خشک‌شده دریاچه قابلیت انتقال به فاصله‌های دور را نداشته و در فاصله­ای بسیار نزدیک از محل برخاست خود فرو می­نشینند.نتیجه‌گیری و پیشنهادهانتایج بررسی فراوانی مکانی و زمانی پدیده گرد و غبار در سال‌های ۲۰۰۱ تا ۲۰۲۴ در حاشیه شمالی دریاچه ارومیه نشان داد که تغییرات سالانه فراوانی روزهای گرد و غبار در منطقه نامبرده، چشم‌گیر بود. ازاین‌رو، نقش عامل‌های اقلیمی، زمین­شناختی، خاک­شناسی و محیطی حائز اهمیت است. نتایج این پژوهش بیانگر ضرورت پایش مستمر و به‌روزرسانی داده‌ها در منطقه نامبرده است تا روند آسیب­زای رخدادهای گرد و غبار در منطقه به موقع شناسایی و مدیریت شوند. از این‌رو، پیشنهاد می‌شود از نتایج این پژوهش برای طراحی راهبردهای مدیریتی و کاهش مخاطره‌های زیست‌محیطی در منطقه استفاده شود تا تصمیم‌گیری‌های مطلوبی در سطح محلی و منطقه‌ای انجام شود. همچنین، پیشنهاد می‌شود  به‌روزرسانی داده‌ها در حاشیه شمالی دریاچه ارومیه به‌طور مستمر انجام شود تا روندهای آسیب‌زا به‌موقع شناسایی و تصمیم‌گیری‌های محلی و منطقه‌ای با دقت و اثرگذاری بیشتر انجام شود. از سوی دیگر، با تلفیق اطلاعات اقلیمی، زمین‌شناختی و خاک‌شناسی می‌توان به توسعه سامانه‌های هشدار سریع و مدیریت پیشگیرانه کمک کرد و اثرات منفی این پدیده بر محیط زیست و جامعه‌های محلی را به حداقل رساند.