شناسایی کانون های بالقوه تولید گرد و غبار با استفاده از داده های سنجش از دور (مطالعه موردی: استان البرز)

گرد و غبار یکی از فرآیندهای مهم مناطق خشک و نیمه خشک است که وقوع آن در سال های اخیر در ایران افزایش پیدا کرده است. شناسایی کانون های تولیدکننده این پدیده اولین گام در مدیریت و کنترل آن به شمار می رود. به دلیل خشک و نیمه خشک بودن اقلیم هایی که پدیده گرد و غبار در آنها به وقوع می پیوندد، همواره مناطق وسیعی برای پایش و کنترل وجود دارند که عملاً مدیریت آنها را ناممکن می سازد. از اینرو کاهش مناطق کاندید به سطوح واقعی تولیدکننده یکی از دغدغه های اصلی پژوهشگران به شمار می رود. در این مقاله، با استفاده از داده های دورسنجی، به شناسایی کانون های بالقوه تولید گرد و غبار در استان البرز پرداخته شده است. شاخص های طیفی رطوبت و پوشش گیاهی مختلفی بر روی داده های سنجنده oli اعمال شد و بر اساس میزان تغییرات در منطقه مطالعاتی شاخص های رطوبت مربوط به تبدیل تسلد کپ و پوشش گیاهی dvi انتخاب و بر روی تصاویر سال های 2013، 2014 و 2015 اعمال گردید و نقشه پتانسیل فرسایش پذیری رطوبت و پوشش گیاهی تولید شد. شاخص طیفی زبری بر داده مدل رقومی ارتفاع سنجنده aster اعمال و نقشه پتانسیل فرسایش پذیری زبری تهیه گردید. با استفاده از اطلاعات زمین شناسی، نقشه حساسیت فرسایش پذیری سنگ ها تولید شد. با تلفیق نقشه های پتانسیل فرسایش پذیری در مدل ارزیابی چند معیاره و انجام عملیات میدانی نقشه کانون های بالقوه ریزگرد تهیه گردید و بر اساس یک طرح نمونه برداری مورد بازدید قرار گرفتند. نتایج نشان داد که با استفاده از تصاویر ماهواره ای و اعمال شاخص های طیفی، به خوبی می توان کانون های بالقوه تولید گرد و غبار را شناسایی نمود.

Identification of potential dust sources using remote sensing data (Case Study: Alborz Province)

Dust is one of the important processes of arid and semiarid regions that its occurrence has increased in recent years in Iran. Identifying the dust and sand sources, it is the first step in the management and control of this phenomenon. Because of the arid and semiarid climates where dust phenomenon takes place, always there are large areas to monitor and control that practically makes it impossible to manage them. Therefore, reduce the candidate regions to actual sources is one of the main concerns of the researchers. In this paper, identification of potential dust sources using remotely sensed data has been studied. Various spectral indices of moisture and vegetation were applied on the OLI sensor data and finally, wetness spectral index of Tasseled Cap Transformation and DVI vegetation index were selected based on their variation in the study area and was applied on satellite images from 2013 to 2015 and credibility potential maps of moisture and vegetation was produced. Roughness index was applied on the ASTER digital elevation model and credibility potential map of roughness was produced. Erosion sensitivity map of rocks was produced using geological maps. Potential dust sources map was prepared with a combination of credibility potential maps in multi criteria evaluation model and validate using field based and these areas were visited based on stratified random sampling scheme. Results showed that as well can be identified potential dust sources using satellite images and determining to apply various indices.