کاربرد سامانه گوگل ارث انجین در شناسایی کانون های بالفعل گردوغبار با استفاده از تصاویر مادیس و سنتینل-5 (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
طوفانهای گردوغبار در مناطق خشک از جهان رخ می دهند و اثرات منفی مختلفی بر جنبه های مختلف اکولوژیکی، اقتصادی و بهداشتی جامعه دارند. شناسایی کانون های مولد گردوغبار یکی از مهم ترین راهکارهای مدیریت این پدیده ویرانگر است که به روزترین و کارآمدترین روش و ابزار در شناسایی این کانون ها استفاده از تصاویر ماهواره ای است. هدف از این مطالعه شناسایی کانون های بالفعل تولید گردوغبار در محدوده استان همدان و محدوده تأثیرگذار است. از تصاویر ماهواره ای مادیس و سنتینل-5 به ترتیب در محدوده زمانی 12 ساله و 2 دوساله در سامانه GEE استفاده شد. جهت شناسایی و نظارت بر کانون های گردوغبار پارامترهای وضعیت کاربری اراضی، شاخص خاک لخت، شاخص توده آب مورد استفاده قرار گرفتند. طبقه بندی غلظت آئروسل ها در سه گروه تراکمی در محدوده مطالعاتی نشان داد که به ترتیب مساحت پهنه های دارای غلظت بالا در تصاویر مادیس و سنتینل به ترتیب 1/9875 و 5/7100 کیلومترمربع است که در تصاویر سنتینل به صورت پیوسته و در تصاویر مادیس به صورت پراکنده هستند. مطابقت کانون های بالفعل تولید گردوغبار در تصاویر سنتینل-5 با نقشه کاربری اراضی سال 2018 نشان داد که بیشترین تمرکز آئروسل ها در تصاویر سنتینل در مراتع فقیر و خاک اراضی غیرقابل کشت و در تصاویر مادیس در مراتع فقیر و کشاورزی دیم قرار دارد. دو تصویر دارای همبستگی 81 درصد هستند. درنهایت، تصاویر ماهواره ای سنتینل- 5 می تواند در پایش کانون های گردوغبار مفید واقع گردد. جهت مدیریت کانون ها کاهش خاک لخت، افزایش پوشش گیاهی، کاهش استفاده از سفره های آب زیرزمینی در دشت قهاوند پیشنهاد می شود.Application of GEE in Dust Actual Sources Detection using Sentinel- 5 and Modis
Dust storms originate in many of the world’s drylands and may impact a wide range of negative effects on ecological, public health, and socio-economic issues. The phenomenon of dust is one of the most important environmental challenges nowadays. Therefore, Identifying the sources of dust storms is the first step to combating these devastating phenomena. Using satellite images is the most up-to-date method to identify dust sources. The present study aims to identify areas of dust generation potential in Hamadan province and the effective range. Modis and Sentinel-5 satellite imagery were used for the 2008-2019 and 2018-2020 study periods using GEE, respectively. Land-use maps, BSI, and MNDVI were considered useful indices to detect and monitor the dust generation centers. Classification of aerosol concentrations in three classes showed that the area of the first class (the highest concentration class) in Modis and Sentinel-5 images are 9875.1 and 7100.5 km2, respectively, which are Continuous polygons in Sentinel-5 and Scattered polygons in Modis images. By focusing on quantifying and overlapping land-use 2018 and actual dust centers, the results showed that most aerosols are concentrated in poor pastures and uncultivated lands in Sentinel-5 images and are concentrated in poor pastures and rainfed-agriculture in Madis images. The correlation coefficient between the two images is 81%. Finally, Sentinel-5 satellite imagery can be used for dust detecting and monitoring. To manage these actual dust sources, reducing bare soils, increasing vegetation covers, improving water-use efficiency in agriculture, and reducing the use of groundwater in Qahvand plain are recommended.
تبلیغات
