شناسایی کانون‌ها و طوفان‌های گردوغبار جنوب استان کرمان با استفاده از داده‌های سنجش از دور

مناطق جنوبی استان کرمان به‌طور مکرر دچار طوفان‌های گردوغبار است. بنابراین، مطالعه حاضر با هدف شناسایی کانون‌ها از طریق پارامترهای موثر نظیر پوشش گیاهی، دمای سطح زمین، رطوبت سطح زمین، بافت خاک و شیب زمین و همچنین آشکارسازی طوفان برخاسته از کانون های شناسایی شده توسط الگوریتم های مختلف با استفاده از 31 تصویر مودیس در سال 2016 و داده های مدل رقومی ارتفاع شاتل فضایی در این مناطق انجام گرفت. پس از نرمال‌سازی پارامترها، نقشه کانون ها توسط منطق فازی تولید و با استفاده از ماتریس خطا و نقشه کانون های موجود ارزیابی شد. نتایج نشان داد که کلاس های کم، متوسط و شدید بسیار شدید به‌ترتیب 30/5 %، 39/55 % و 29/85 % از کانون های منطقه مطالعاتی را تشکیل داده و با کانون های موجود دارای صحت کلی حدود 70 درصد و با کلاس شدید بسیار شدید بیش از 87 درصد تطابق دارد. آشکارسازی طوفان های برخاسته از کانون های پهنه بندی شده نیز گواهی بر شرایط بحرانی منطقه مطالعاتی داشت. به‌علت تکرارپذیری و قابلیت توزیع کمی نقشه کانون‌ها در مقیاس پیکسل، ‌‌می‌توان از آن برای بروز رسانی نقشه های موجود و مدیریت بهینه بحران گردوغبار در منطقه استفاده کرد.

identification of dust sources and storms in the south of kerman province using remote sensing data

the southern regions of kerman province have repeatedly encountered dust storms. therefore, the objective of this study was to identify dust sources using effective parameters such as vegetation cover, land surface temperature, soil moisture, soil texture, and slope as well as to detect dust storms originating from these regions based on 31 modis images in 2016 and srtm data. after normalizing parameters, the dust source map was prepared by fuzzy logic and assessed with an error matrix and available dust source map. results showed that 30.5% of the study area was classified as a low source of dust, 39.55% as moderate, and 29.85% as severe very severe. the overall accuracy of the produced map was about 70% and the producer and user accuracy of the severe very severe class was more than 87%. the detection of dust storms originated from the identified dust sources also confirmed a crisis situation in the region. due to the repeatability and continuity of obtained dust source map at pixel scale, it can be used to update available dust source maps and manage dust crisis in the region, properly.