شناسايي كانون‌ها و طوفان‌هاي گردوغبار جنوب استان كرمان با استفاده از داده‌هاي سنجش از دور

Identification of Dust Sources and Storms in the South of Kerman Province Using Remote Sensing Data

مناطق جنوبي استان كرمان به‌طور مكرر دچار طوفان‌هاي گردوغبار است. بنابراين، مطالعه حاضر با هدف شناسايي كانون‌ها از طريق پارامترهاي مؤثر نظير پوشش گياهي، دماي سطح زمين، رطوبت سطح زمين، بافت خاك و شيب زمين و همچنين آشكارسازي طوفان برخاسته از كانون­هاي شناسايي شده توسط الگوريتم­هاي مختلف با استفاده از 31 تصوير موديس در سال 2016 و داده­هاي مدل رقومي ارتفاع شاتل فضايي در اين مناطق انجام گرفت. پس از نرمال‌سازي پارامترها، نقشه كانون­ها توسط منطق فازي توليد و با استفاده از ماتريس خطا و نقشه كانون­هاي موجود ارزيابي شد. نتايج نشان داد كه كلاس­هاي كم، متوسط و شديد- بسيار شديد به‌ترتيب 30/5 %، 39/55 % و 29/85 % از كانون­هاي منطقه مطالعاتي را تشكيل داده و با كانون­هاي موجود داراي صحت كلي حدود 70 درصد و با كلاس شديد- بسيار شديد بيش از 87 درصد تطابق دارد. آشكارسازي طوفان­ هاي برخاسته از كانون­هاي پهنه ­بندي شده نيز گواهي بر شرايط بحراني منطقه مطالعاتي داشت. به‌علت تكرارپذيري و قابليت توزيع كمي نقشه كانون‌ها در مقياس پيكسل، ‌‌مي‌توان از آن براي بروز­رساني نقشه ­هاي موجود و مديريت بهينه بحران گردوغبار در منطقه استفاده كرد.

The southern regions of Kerman Province have repeatedly encountered dust storms. Therefore, the objective of this study was to identify dust sources using effective parameters such as vegetation cover, land surface temperature, soil moisture, soil texture, and slope as well as to detect dust storms originating from these regions based on 31 MODIS images in 2016 and SRTM data. After normalizing parameters, the dust source map was prepared by fuzzy logic and assessed with an error matrix and available dust source map. Results showed that 30.5% of the study area was classified as a low source of dust, 39.55% as moderate, and 29.85% as severe-very severe. The overall accuracy of the produced map was about 70% and the producer and user accuracy of the severe-very severe class was more than 87%. The detection of dust storms originated from the identified dust sources also confirmed a crisis situation in the region. Due to the repeatability and continuity of obtained dust source map at pixel scale, it can be used to update available dust source maps and manage dust crisis in the region, properly.