بررسی رابطه بیشینه‌ گرد و غبار و متغیر‌های اقلیمی با استفاده از داده‌های سنجش از دور (مطالعه موردی: استان هرمزگان)

پدیده گرد و غبار یکی از بلایای طبیعی است که خصوصاً در مناطق خشک و نیمه خشک به دلیل خسارات فراوانی که هرساله بجا می گذارد به‌عنوان یک خطر محیط زیستی جدی در نظر گرفته می شود. هدف از انجام این پژوهش، بررسی ارتباط 14 متغیر اقلیمی با بیشینه ماهیانه عمق اُپتیکی هواویز (aod) ناشی از وقایع گرد و غبار در استان هرمزگان بود. ابتدا با کدنویسی در محیط موتور گوگل اِرث (gee) به ازای هر روز یک تصویر ماهواره‌ای از محصولات گرد و غبار modis استخراج و ضمن تهیه سری زمانی aod، میانگین بیشینه گرد و غبار ماهیانه در یک بازه زمانی 17 ساله (2000-2017) استخراج شد. همچنین محصولات اقلیم و بیلان آب ماهانه دانشگاه آیداهو شامل تبخیر و تعرق مرجع و واقعی، کمترین و بیشترین دمای هوا، میزان بارش، رطوبت خاک، شاخص خشکسالی پالمر، کمبود آب اقلیم، تابش طول موج کوتاه به سمت زمین، فشار بخار، کمبود فشار بخار و سرعت باد به همراه دمای سطح زمین (lst) و شاخص پوشش گیاهی (evi) استخراج و ضمن نمونه گیری از این تصاویر، روابط رگرسیونی بین آنها و میانگین ماهانه بیشینه گرد و غبار با روش‌های کمترین مربعات معمولی (ols) و رگرسیون وزن دار جغرافیایی (gwr) محاسبه گردید. سپس از آماره عمومی موران به منظور تحلیل خودهمبستگی مکانی و توزیع فضایی گرد و غبار در سطح استان استفاده شد. نتایج نشان داد مدل gwr با ریشه میانگین مربعات خطا معادل 0.14، مجموع مربعات باقیمانده 11.3، ضریب تعیین 0.82 و معیار آکائیکه تصحیح‌شده 570.19 عملکرد بهتری را نسبت به روش ols ارائه کرده است. ارزیابی ضرایب در مدل gwr نشان داد به ترتیب متغیرهای پوشش گیاهی، رطوبت خاک و میزان بارش بیشترین تاثیر را بر میزان گرد و غبار داشته اند. همچنین از منظر خودهمبستگی مکانی، توزیع گرد و غبار در گستره استان الگوی خوشه ای داشت.

A Study of the Relationship Between Maximum Dust Values and Climatic Variables Using Remote Sensing Data (Case Study: Hormozgan Province)

Dust phenomenon is one of the natural disasters that is considered as a serious environmental hazard, especially in arid and semiarid regions due to the great damage it causes every year. The present study aimed to investigate the relationship between 14 climatic variables with the maximum monthly aerosol optical depth (AOD) due to the dust events in Hormozgan province. First, by coding in the Google Earth Engine (GEE) environment, a satellite image was retrieved from the MODIS aerosol products for each day, and while preparing the AOD time series, the average maximum monthly dust values for a 17year period (20002017) was extracted. Also, monthly climate and water balance products of University of Idaho including actual and reference evapotranspiration, minimum and maximum temperature, precipitation accumulation, soil moisture, Palmer drought severity index, climate water deficit, downward surface shortwave radiation, vapor pressure, vapor pressure deficit, and wind speed, as well as land surface temperature (LST) and vegetation index (EVI) were extracted and, while sampling these images, the relationship between the average maximum monthly dust values with them were computed using the ordinary least squares (OLS) and geographic weighted regression (GWR) methods. Then, the global Moran’s I statistics was employed to analyze the spatial autocorrelation and distribution of dust over the province. The results showed that the GWR model with the root mean square error of 0.14, the sum of residual squares of 11.3, the coefficient of determination of 0.82, and the corrected Akaike information criterion of 570.19, performed better than the OLS method. The evaluation of the coefficients of the GWR model showed that the variables of vegetation cover, soil moisture and precipitation had the greatest effect on the amount of dust, respectively. Also from the perspective of spatial autocorrelation, a cluster pattern was observed for dust distribution over the province.