شناسایی پهنه‌های مستعد تولید گردوغبار با استفاده از منطق فازی و تحلیل سلسله‌مراتبی در جنوب شرقی دریاچه ارومیه

در کنار حوادث طبیعی همچون سیل که آسیب‌های بسیار زیادی به محیط‌زیست و مجامع انسانی وارد می‌کند، پدیده گردوغبار نیز به‌نوبة خود آسیب‌های جبران‌ناپذیری به محیط‌های شهری، سیستم‌های حمل‌ونقلی، سیستم تنفسی و... تحمیل می‌نماید. شناسایی کانون مستعد، اولین گام جهت کنترل و جلوگیری از رخداد چنین پدیده‌ای محسوب می‌گردد. تحقیقات مختلفی جهت شناسایی کانون‌های گردوغبار شده است، ولی در اغلب مطالعات از تصاویر کوچک‌مقیاس استفاده شده است. هدف از این تحقیق، استفاده از تصاویر متوسط مقیاس ماهواره‌ای جهت شناسایی کانون‌های محلی مستعد تولید گردوغبار است. جهت تهیه هر یک از عناصر موثر در تولید گردوغبار که شامل: شیب، مدل رقومی ارتفاع، کاربری اراضی، شاخص پوشش گیاهی، رطوبت خاک، شوری خاک، سرعت باد، بارش و دمای سطح زمین هستند، از سامانه گوگل ارث انجین استفاده شده است. برای وزن‌دهی عناصر از روش تحلیل سلسله‌مراتبی بهره گرفته شد. نتایج وزن‌های به‌دست‌آمده برای هر یک از عناصر عبارت‌اند از: رطوبت خاک (0/264)، پوشش گیاهی (0/208)، سرعت باد (0/153)، بارش (0/107)، کاربری اراضی و شوری خاک (0/081)، دمای سطح زمین (0/064)، ارتفاع و شیب به ترتیب برابر 0/024 و 0/020 و شاخص ناسازگاری برابر 0/015 محاسبه شد که بیانگر میزان تناقض بین وزن‌های ارائه شده عناصر نسبت به یکدیگر است که کمتر از آستانه مجاز (1) است. به دلیل عدم وجود ایستگاه سنجش کیفیت هوا در محدوده، برای صحت‌سنجی نقشه‌های استنتاجی از محصول عمق اپتیکی هواویزها استفاده شد. نقشه نهایی نشان داد که هرچه به ارتفاعات سهند نزدیک‌تر، از وسعت کانون‌ها کاسته شده و هرچه به دریاچه نزدیک‌تر، بر وسعت کانون‌ها افزوده شده است.

identifying potential areas to dust generation using fuzzy logic and ahp in the southeast of urmia lake

in addition to natural disasters such as floods, which cause great damage to the environment and human societies, the phenomenon of dust also causes irreparable damage to urban environments, transportation systems, respiratory systems, etc. identifying potential dust source areas is considered the first step to control and prevent this phenomenon. various researches have been conducted to identify dust sources, but most studies have relied on small-scale images. this research aims to use medium-scale satellite images to identify local areas prone to dust production. google earth engine was used to analyze factors influencing dust generation, including slope, digital elevation model (dem), land use, soil salinity, normalized difference vegetation index (ndvi), soil moisture, wind speed, precipitation, and land surface temperature (lst). analytical hierarchy process (ahp) was used to assign weights to these elements. the resulting weights were: soil moisture (0.264), ndvi (0.208), wind speed (0.153), precipitation (0.107), land use/soil salinity (0.081), lst (0.064), dem (0.024), and slope (0.020). the inconsistency index (0.015) indicated a high degree of consistency between the assigned weights, which is below the acceptable threshold (1). due to the lack of ground-based air quality measurements, the aerosol optical depth product (a satellite-derived measurement of airborne particles) was used to validate the resulting dust source maps. the final map showed that the potential for dust generation decreased closer to the heights of sahand and increased closer to the lake.