کاربرد سامانه گوگل ارث انجین در شناسایی کانون‌های بالفعل گردوغبار با استفاده از تصاویر مادیس و سنتینل-5

طوفانهای گردوغبار در مناطق خشک از جهان رخ می‌دهند و اثرات منفی مختلفی بر جنبه‌های مختلف اکولوژیکی، اقتصادی و بهداشتی جامعه دارند. شناسایی کانون‌های مولد گردوغبار یکی از مهم‌ترین راهکارهای مدیریت این پدیده ویرانگر است که به‌روزترین و کارآمدترین روش و ابزار در شناسایی این کانون‌ها استفاده از تصاویر ماهواره‌ای است. هدف از این مطالعه شناسایی کانون‌های بالفعل تولید گردوغبار در محدوده استان همدان و محدوده تاثیرگذار است. از تصاویر ماهواره‌ای مادیس و سنتینل-5 به ترتیب در محدوده زمانی 12 ساله و 2 دوساله در سامانه gee استفاده شد. جهت شناسایی و نظارت بر کانون‌های گردوغبار پارامترهای وضعیت کاربری اراضی، شاخص خاک لخت، شاخص توده آب مورد استفاده قرار گرفتند. طبقه‌بندی غلظت آئروسل‌ها در سه گروه تراکمی در محدوده مطالعاتی نشان داد که به ترتیب مساحت پهنه‌های دارای غلظت بالا در تصاویر مادیس و سنتینل به ترتیب 1/9875 و 5/7100 کیلومترمربع است که در تصاویر سنتینل به‌صورت پیوسته و در تصاویر مادیس به‌صورت پراکنده هستند. مطابقت کانون‌های بالفعل تولید گردوغبار در تصاویر سنتینل-5 با نقشه کاربری اراضی سال 2018 نشان داد که بیشترین تمرکز آئروسل‌ها 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 ماهواره‌ای سنتینل- 5 می‌تواند در پایش کانون‌های گردوغبار مفید واقع گردد. جهت مدیریت کانون‌ها کاهش خاک لخت، افزایش پوشش گیاهی، کاهش استفاده از سفره‌های آب زیرزمینی در دشت قهاوند پیشنهاد می‌شود.

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.