پايش و پيش بيني زماني و مكاني گردوغبار معلق در جو در استان قزوين با استفاده از سامانه گوگل ارث انجين

Temporal and Spatial Monitoring and Forecasting of Suspended Dust Using Google Earth Engine and Remote Sensing Data (Case Study: Qazvin Province)

گردوغبار به عنوان مهمترين ركن آلودگي هوا است كه در سا ل هاي اخير غلظت آن در مناطق مختلف افزايش يافته است. پژوهش حاضر، با استفاده از سامانه گوگل ارث انجين و داده هاي ماهواره اي موديس با قدرت تفكيك زماني 8 روزه و قدرت تفكيك مكاني 1km و 250m و همچنين روش هاي آماري از جمله همبستگي و هموارسازي نمايي سه گانه، به پايش و پيش بيني تغييرات مكاني و زماني گردوغبار معلق در جو استان قزوين پرداخت. بدين منظور، با استفاده از تصاوير شاخص عمق اپتيكي آيروسل (AOD)، شاخص بهينه پوشش گياهي (EVI) و شاخص تغييرات جزيره حرارتي (HI) موديس و تهيه نقشه هاي پايش زماني و مكاني آنها در طول دوره آماري 1394-1399 و پيش بيني روند آن تا 1409، ارتباط اين عوامل با يكديگر بررسي شد. نتايج پژوهش حاضر نشان دهنده افزايش ميزان گردوغبار معلق در جو در استان قزوين از 0.461 در سال 1394 به 0.603 در سال 1396 بود. اين ميزان، سپس در يك روند كاهشي به 0.493 در سال 1397 رسيده بود كه مجددا به 0.575 در سال 1398 افزايش يافت. ميزان گردوغبار معلق در جو سپس با كاهشي اندك به 0.536 در سال 1399 رسيد. نتايج بيانگر ارتباط منفي بارندگي، رطوبت نسبي و پوشش گياهي و ارتباط مثبت سرعت باد، تعداد روزهاي يخبندان، دما، تغييرات جزيره حرارتي و ساعات آفتابي با مقادير AOD بود. پژوهش حاضر با بررسي تغييرات غلظت گردوغبار معلق در جو در دو كلاس پرخطر و كم خطر و پيش بيني آن، افزايش كلاس پرخطر براي اين استان را براي سال 1409 پيش بيني كرد. نتايج پژوهش حاضر به تصميم گيران و برنامه ريزان كمك مي كند تا با مديريت پوشش گياهي و برنامه ريزي در جهت كاهش جزاير حرارتي شهرها و همچنين برنامه هاي مديريت بارش و رطوبت سطح شهرها به كاهش آلودگي هاي ناشي از گردوغبار معلق در جو در شهرها كمك كنند.

Dust, the main pillar of air pollution, has always been an important subject of study on several levels. Over the last few years, it has become increasingly concentrated in various regions. The present study, which uses Google Earth engine system and MODIS satellite data with 8-day temporal resolution and spatial resolution of 1km and 250m, as well as statistical methods such as correlation and averaging of Triple Exponential Smoothing (TES), to monitor and predict spatial and temporal changes of airborne dust in Qazvin province. For this purpose, using Aerosol Optical Depth Index (AOD) images, Optimal Vegetation Index (EVI) and Modis Heat Island (HI) change index, and preparing their temporal and spatial monitoring maps during the statistical period 2015-2020 and predict to 2030, the relationship between these factors was examined. The results of the present study showed an increase in the quantity of airborne dust in Qazvin province from 0.461 in 2015 to 0.603 in 2017. his rate was then reduced by 0.493 in 2018 and by 0.575 in 2019. The quantity of airborne dust, then fell slightly to 0.5366 in 2020. The results showed a negative relationship between precipitation, relative humidity and vegetation, and a positive relationship between wind speed, freezing days, temperature, variations in temperature islands and hours of sunshine with AOD. The present study also examined changes in airborne dust concentrations in two high- and low-risk classes, and predicted a high-risk class for 2030. This finding is helping policymakers and planners reduce dust pollution in cities through vegetation management and reduce the heat islands, as well as implement climate programs to manage precipitation and moisture in cities.