تحلیل زمانی و مکانی وقوع گرد و غبار در استان لرستان

مستخرج از پروژه تحقیقاتی

علوم و تکنولوژی محیط زیست، دوره بیست و سوم، شماره شش، شهریورماه 1400(70-57)

تحلیل زمانی و مکانی وقوع گرد و غبار در استان لرستان

رضا چمن‌پیرا[1]

ابراهیم کریمی سنگچینی[2] ^*

e.karimi64@gmail.com

علی اکبر نوروزی[3]

چکیده

زمینه و هدف: در حال حاضر مدیریت خطر گردوغبار در مقیاس جهانی و به‌ویژه در منطقه خاورمیانه به یک چالش جدی تبدیل شده است. این تحقیق در استان لرستان با هدف تحلیل زمانی و مکانی وقوع گرد و غبار جهت تسکین و کنترل ریسک در راستای آمایش و توسعه پایدار انجام شده است.

روش بررسی: تغییرات طوفان گردوغبار برای 8 ایستگاه سینوپتیک استان در یک دوره زمانی 17 ساله (2016-2000) مورد آنالیز قرار گرفت. برای تغیرات مکانی مدل‌های مختلف درون‌یابی برازش داده شد و مدل با کمترین MAE و RMSE ان‍ت‍خاب‌ شده است. س‍پ‍س‌ ب‍ه‌ ک‍م‍ک‌ م‍دل‌ درون‌یابی کوکریجینگ درون‍‌ی‍اب‍ی‌ ب‍ا ه‍م‍س‍ای‍گ‍ی‌ه‍ای‌ م‍خ‍ت‍ل‍ف‌ ان‍ج‍ام‌ شده است که‌ ح‍اص‍ل‌ آن‌ ت‍عداد زیادی‌ ن‍ق‍ش‍ه‌ اس‍ت‌. این نقشه‌ها به شبکه سلولی در محیط GIS تبدیل گردید.

یافته ها: نتایج حاصل از بررسی سالیانه پدیده طوفان گردوغبار نشان داد که ایستگاه خرم‌آباد با میانگین فراوانی ۴۵روز سال، بیش ترین تعداد روزها را در کل استان مورد مطالعه دارد. بیش‌ترین فراوانی طوفان گردوغبار در ماه‌های ژوئن و ژوئیه و کم‌ترین فراوانی در ماه نوامبر و دسامبر می‌باشد. استان لرستان از نظر تعداد روزهای زیر ۱۰ و یک کیلومتر، به ترتیب بیش از ۲۳ و ۷۱ درصد احتمال خطر بالای طوفان گردوغبار را دارد.

بحث و نتیجه گیری: با توجه به خطر بالای گرد وغبار، برنامه‌های پیش‌گیری و کنترل و نیز برنامه‌های سازگاری توسعه‌ای استان پیشنهاد می‌شود که بتوان به اهداف آمایش و حفاظت جهت جلوگیری از توسعه بیابان‌زایی دست یافت. این مطالعه به عنوان یک پژوهش کاربردی می‌تواند نسخه خوبی برای مسئولان، مدیران و دست‌اندرکاران بلایای طبیعی و توسعه استان لرستان محسوب شود.

واژه های کلیدی: گردو غبار، تحلیل آماری، تغییرات زمانی و مکانی، استان لرستان.

Temporal and Spatial Analysis of Dust Occurrence in Lorestan Province

Reza Chamanpira[4]

Ebrahim Karimi Sangchini[5]^*

e.karimi64@gmail.com

Ali Akbar Norouzi[6]

Abstract

Background and Objective: Today, dust risk management is critical global challenge, especially in the Middle East. The aim of this study is to analysis temporal and spatial changes of dust occurrence in Lorestan province. This analysis used for risk control and adaptation to achieve sustainable development areas.

Material and Methodology: Changes in dusts were analyzed during a 17-year period (2000-2016) for 8 synoptic stations. Best model, with lowest MAE and RMSE, was selected for analyzing spatial variations. The CoKriging model interpolation was used to provide dust risk map. Then, this map converted in to a pixel grid in ArcGIS software.

Findings: The results of annual dust survey show that Khorramabad station had the highest number of days with the average frequency of 16 days in year. The highest frequency of dust storms was in June and July whiles the lowest was in November and December. The results of risk zonation mapping that about 21 And 71 percent of the region has a high risk of the dust storm in term of below 10 and one kilometer of horizontal visibility, respectively.

Discussion and Conclusion: Due to the high risk of dust, it is possible to provide prevention and control programs and also compatibility of the regional development goals with Iran land use planning and conservation and restoration of soil and water resources in order to achieve the preventing desertification and climate change. This research with a promising and pragmatic approach has provided a remarkable description to policy makers, managers, and other natural disaster stakeholders in the of Lorestan province development.

Keywords: Dust, Statistical Analysis, Temporal and Spatial Changes, Lorestan Province.

مقدمه

طوفان‌های گردوغبار یکی از مخاطرات طبیعی هستند که اخیرا در ایران و به‌ویژه در نواحی جنوب و غرب آن به فراوانی رخ می‌دهند و خسارت زیادی به بار می‌آورند. طوفان‌های گردوغبار در اکثر اوقات نتیجه بادهای متلاطم می‌باشند که مقدار زیادی از گردوغبار را از سطوح بیابان بالا می‌برند و قابلیت دید را به کمتر از یک کیلومتر کاهش می‌دهند (1-3). خشکسالی­های اخیر، کاهش بارش­های سالانه و تغییرات اقلیمی، مهم­ترین عوامل طبیعی این پدیده محسوب می­شود (4 و 5) و عواملی مانند خشکاندن تالاب­های منطقه، درصد پایین پوشش گیاهی در برخی مناطق مستعد گرد و غبار، ساخت سدهای بزرگ، توسعه­ی ناپایدار ناشی از جنگ در منطقه­ی خاورمیانه بر شدت و وسعت آن افزوده و به گسترش گرد و غبار در اکثر مناطق ایران منجر شده‌است (6-8). بادهای شدید گردوغبار مقدار زیادی خاک و ماسه را از زمین‌های خشک با خود بلند نموده و به حالت معلق درآمده و هوا را تیره و تاریک می‌نمایند. این هوای اشباع شده از مواد خاکی، ابری را تشکیل می‌دهد که خورشید را پوشانده و یا به صورت قرص گداخته و کم رنگ می‌نمایاند (9). در سال‌های اخیر شناسایی مناطق منبع و ارزیابی خطر وقوع گرد و غبار در تحقیقات بی‌شماری مورد توجه محققان داخلی و خارجی قرار گرفته است که از جمله می­توان به اختصاصی و همکاران در دشت یزد-اردکان (10)، شمشیری و همکاران در استان کرمانشاه (11)، غفاری و مصطفی‌زاده در ایران (12)، عالی محمودی و همکاران در شهرستان اهواز (13)، Baddock و همکاران در دریاچه ایری استرالیا (14)، Maghrabi و همکاران در عربستان سعودی (15)، Gao و همکاران در هانشداک چین (16)، Rashki و همکاران در حوزه آبریز هامون (17) و Chen و همکاران (18)، در شرق آسیا اشاره نمود. جوهری وهمکاران (19) تغییرات زمانی و مکانی گردوغبار منطقه جنوب غرب ایران را با روش‌های زمین آمار مدل‌سازی کردند. در این تحقیق تغییرات گردوغبار را برای 15 ایستگاه سینوپتیک استان‌های خوزستان و ایلام مورد آنالیز قرار داد. نتایج نشان داد که مدل تابع انتقال برازش مناسب و موفقیت آمیزی در پیش‌بینی حداقل مطلق دید افقی داشته است. اکبری و فرح‌بخشی (20 ) به بررسی عوامل ایجاد بروز گردوغبار در استان کرمانشاه پرداختند. نتایج نشان داد که به‌طور کلی وجود سیستم‌های کم‌فشار در مناطق مرکزی و جنوبی ایران می‌توانند منجر به همگرایی و مکش هوا در نزدیکی سطح زمین و حرکت گردابی مثبت قوی شوند که در کرمانشاه حرکت‌های سیکلونی ایجاد می‌شود. Madhavan و همکاران (21) به شناسایی گردوغبار در صحرای آفریقا با استفاده از تصاویر سنجنده‌های ترا و آکوا ماهواره مادیس پرداختند. نتایج نشان داد که شناسایی گردوغبار با به کارگیری کانال‌های اضافی مادون قرمز بهیود یافت. Chen و همکاران (18)، گردوغبار در شرق آسیا را با مدل  WRF-Chem^[7] و آنالیز داده‌های ماهواره‌ای مدل‌سازی کردند. نتایج نشان داد که این مدل در تابستان، توزیع فضایی و زمانی فاکتورهای هواشناسی و گردوغبار آئروسل را به خوبی نشان می‌دهد. بررسی پیشینه تحقیق نشان می‌دهد که در حال حاضر مدیریت خطر گردوغبارها در مقیاس جهانی و به ویژه در منطقه خاورمیانه و ایران به یک چالش جدی تبدیل و ذرات معلق در هوا به یکی از مهمترین آلاینده‌های تهدید سلامت انسان و تخریب محیط زیست شناخته شده است (22). تحقیقات گذشته به ردیابی، تغییرات زمانی و مکانی و ارزیابی شدت خطر توجه کردند. استان لرستان همانند استان‌های غربی ایران متاسفانه در چند سال اخیر متأثر از خطر وقوع گرد و غبار بوده است، براین اساس در این تحقیق سعی‌شده که به تحلیل زمانی و مکانی وقوع گرد و غبار در این استان به عنوان یکی از استان‌های غربی کشور و متأثر از این خطر پرداخته شود.

روش بررسی

منطقه مورد مطالعه

استان لرستان با مساحت 28559 کیلومترمربع در غرب ایران، 7/1 درصد از کل مساحت کشور را دربرمی­گیرد. این استان بین مدارهای 32 درجه و 37 دقیقه تا 34 درجه و 22 دقیقه عرض شمالی و 46 درجه و 51 دقیقه تا 50 درجه و 3 دقیقه طول شرقی قرارگرفته است (شکل 1). از شمال به استان‌های مرکزی و همدان، از جنوب به خوزستان، از شرق به اصفهان و از غرب به کرمانشاه و ایلام محدود می‌شود (۲۳). در استان لرستان اختلاف ارتفاع بسیار زیاد است، به‌طوری‌که در منطقه پلدختر ارتفاع به کمتر از 200 متر و در منطقه شمال شرقی استان ارتفاع به بیش از 4000 متر می‌رسد. این ارتفاعات از طریق تغییر زاویه تابش و کاهش ضخامت و غلظت جو در مقدار انرژی اثر می‌گذارند، خروج انرژی آسان‌تر صورت می‌گیرد و نوسان دمای هوا بیشتر است. مناطق کوهستانی استان لرستان از ورود بیشتر طوفان­های گرد و غبار به نواحی مرکزی جلوگیری می­کنند (۲۳).

شکل 1- موقعیت منطقه مورد مطالعه

Figure 1. Location of the study area

 بررسی داده‌های گرد و غبار

داده‌های ثبت شده رخداد پدیده گرد و غبار در ایستگاه‌های سینوپتیک سازمان هواشناسی استان لرستان و داده‌های میدان دید افقی (8 بار در روز) ایستگاه‌های سینوپتیک استان لرستان طی دوره 201۶-2000 و میزان دید کمتر از 10 کیلومتر استفاده شد. داده‌های مربوط به رخداد گرد و غبار از سایر داده‌ها جدا و با استفاده از نرم‌افزارهای آماری چون Excel و SPSS پردازش و نمودار و جداول مورد نیاز تهیه گردید. قابل‌ذکر است که طبق پروتکل سازمان هواشناسی جهانی رخدادهای مربوط به گرد و غبار با کدهای ۰۶ و ۰۷ ثبت می‌شوند (۲۴). کد ۰۶ مربوط به گرد و غبارهای واردشده به ایستگاه از خارج از ایستگاه و کد ۰۷ مربوط به گرد و غبارهای وارد شده به ایستگاه از اطراف ایستگاه می­باشد. کدهای ۳۰ تا ۳۵ نیز مربوط به طوفان‌های شدید گرد و غبار هستند که با افزایش سرعت باد و تندباد ایجاد می‌شوند (۲۵).

تحلیل زمانی و مکانی وقوع گرد و غبار

در روش­های درون‌یابی با استفاده از نقاط نمونه که گسسته‌اند، یک سطح رستری (پیوسته) ساخته می‌شود که بعد سوم آن نقاط نمونه­برداری شده است (۲۶). روش‌های مورد استفاده در این تحقیق شامل، روش عکس فاصله[8] (IDW)، روش کریجینگ[9] (K)، کوکریجینگ[10] (COK) و روش تابع شعاعی[11] (RBF) شامل اسپیلاین کششی[12] (ST) و اسپیلاین چند ربعی معکوس[13] (IMQ) هستند. در روش عکس فاصله (IDW)، برای هر نقطه، وزنی (رابطه ۱) براساس فاصله بین نقطه‌ اندازه‌گیری شده تا موقعیت نقطه مجهول درنظر می‌گیرند (۲۷).

در رابطه 1، d_i، فاصله بین نقطه تخمین تا هر یک از نمونه‌های واقع در همسایگی آن، z(x_i)، مقدار تخمین خاصیت مورد نظر در نقطه x_i، z(x_i) مقدار مشاهده شده خاصیت مورد نظر در نقطه x_i و a عبارتست از توان عکس فاصله هستند. بیان ریاضی روش‌های کریجینگ (K) و کوکریجینگ (COK) در رابطه ۲ آمده است. در این رابطه Z(s): مقدار متغیر ناحیه‌ای، (s)∝ روند قطعی و مولفه ساختار، ∈(s) خطای نمونه نسبت به (s)∝ یا مولفه تصادفی است. در روش کوکریجینگ یک اندیس به فرمول اضافه می‌شود و برای هر متغیر یک فرمول تعریف می‌شود (۲۸). روش تابع شعاعی (RBF)، وابسته به فاصله بین نقاط درونیابی شده و نمونه برداری شده است (رابطه ۳) (۲۹).

در این رابطه ψ(d_j) تابع پایه شعاعی،  d_jفاصله بین نقاط نمونه‌برداری شده و پیش بینی شده نقطه x را نشان می‌دهد. F (x) روند تابع و عضو اساسی برای چند جمله‌ای با درجه کمتر از m است از بین روش‌های زیرمجموعه تابع شعاعی در این تحقیق از دو روش سپیلاین کششی (ST) و اسپیلاین چند ربعی معکوس (IMQ) استفاده شده است که به ترتیب در معادلات ۴ و ۵ رابطه ریاضی آن‌ها ذکر شده است (۲۶).

در این معادلات d، فاصله بین نقاط نمونه‌برداری و پیش بینی شده، c: فاکتور ملایم کردن انحنای سطح زمین، I₀ : تابع بسل اصلاح شده و r: ثابت اویلر است. روش‌های مختلف درون­یابی با استفاده از شاخص‌های R²، RMSE ، و[14] MAE مورد آزمون قرار گرفتند (۳۰). تعداد روزهای دارای گرد و غبار با حداقل دید افقی زیر ۱۰ کیلومتر و زیر ۱۰۰۰ متر به عنوان مبنای تحلی مکانی استفاده شدند. در نهایت با استفاده از آمار و با روش کوکریجینگ، نقشه مکانی وقوع گرد و غبار استان لرستان در نرم افزار ۵/۱۰ Arc GIS تهیه و براساس نقاط عطف منحنی فراوانی تجمعی پیکسل­ها، در ۳ کلاس طبقه­بندی گردید.

بحث و بررسی یافته­ها

بررسی کلی داده­های گرد و غبار استان لرستان

داده‌های رخداد گرد و غبار ثبت شده در ایستگاه‌های استان لرستان از نظر پارامترهای تعداد روزهای زیر ۱۰ کیلومتر و زیر ۱۰۰۰ متر در سال و در ماه، و حداقل دید افقی در سال بررسی گردید و نتایج آن در شکل­های 2 و 3 آورده شده است.

نتیجه گیری می‌شود که در ایستگاه الشتر بیشترین تعداد روزهای ثبت شده با دید افقی کمتر از ۱۰ کیلومتر در این ایستگاه مربوط به سال‌ ۲۰۰۸ ( 88 روز) است. بیشترین تعداد روز دارای گرد و غبار مربوط به ماه ژوئن (۱۳۴ روز) می‌باشد. در ایستگاه الیگودرز، بیشترین تعداد روزهای ثبت شده با دید افقی کمتر از ۱۰ کیلومتر در این ایستگاه مربوط به سال ۲۰۱5 ( 89 روز) است. بیشترین تعداد روز دارای گرد و غبار مربوط به ماه می (۱۱۷ روز) می‌باشد. در ایستگاه بروجرد، بیشترین تعداد روزهای ثبت شده با دید افقی کمتر از ۱۰ کیلومتر در این ایستگاه مربوط به سال‌ ۲۰۱۲ ( ۷۷ روز) می‌باشد. بیشترین تعداد روز دارای گرد و غبار مربوط به ماه می (۱۱۰ روز) است. در ایستگاه دورود، بیشترین تعداد روزهای ثبت شده با دید افقی کمتر از ۱۰ کیلومتر در این ایستگاه مربوط به سال‌ ۲۰۰۹ ( ۱۲۴ روز) است. بیشترین تعداد روز دارای گرد و غبار مربوط به ماه ژوئن (۱۵۶ روز) می‌باشد. در ایستگاه خرم‌آباد، بیشترین تعداد روزهای ثبت شده با دید افقی کمتر از ۱۰ کیلومتر در این ایستگاه مربوط به سال‌ ۲۰۰۹ ( 106 روز) است. بیشترین تعداد روز دارای گرد و غبار مربوط به ماه جولای (171 روز) می‌باشد. در ایستگاه کوهدشت، بیشترین تعداد روزهای ثبت شده با دید افقی کمتر از ۱۰ کیلومتر در این ایستگاه مربوط به سال‌ 2008 ( 67 روز) است. بیشترین تعداد روز دارای گرد و غبار مربوط به ماه ژوئن (۱۱۴ روز) می‌باشد. در ایستگاه نورآباد، بیشترین تعداد روزهای ثبت شده با دید افقی کمتر از ۱۰ کیلومتر در این ایستگاه مربوط به سال‌ 2008 ( ۷۵ روز) است. بیشترین تعداد روز دارای گرد و غبار مربوط به ماه ژوئن (91 روز) می‌باشد. در ایستگاه پل‌دختر، بیشترین تعداد روزهای ثبت شده با دید افقی کمتر از ۱۰ کیلومتر در این ایستگاه مربوط به سال‌2009 ( 103 روز) می‌باشد. بیشترین تعداد روز دارای گرد و غبار مربوط به ماه ژوئن (138 روز) است.

بررسی سالانه گرد و غبار استان لرستان

در ادامه جدول۱ فراوانی سالانه رخداد گرد و غبار برای ایستگاه‌های استان لرستان را به تفکیک ایستگاهی نشان می‌دهد.

جدول ۱-فراوانی سالانه روزهای همراه با گرد و غبار استان لرستان (2016-2000)

Table 1. Annual frequency of days with dust in Lorestan province (2016-2000)

بررسی ماهانه گرد و غبار استان لرستان

براساس نتایج حاصل از بررسی فراوانی رخداد ماهانه گرد و غبار در مقیاس ماهانه مشخص گردید که در استان لرستان، بیشینه فراوانی رخداد گرد و غبار برای ماه ژوئیه و ژوئن ثبت شده است (جدول 2).

جدول ۲- فراوانی ماهانه روزهای همراه با گرد و غبار استان لرستان(2016-2000)

Table 2. Monthly frequency of days with dust in Lorestan province (2016-2000)

تحلیل مکانی وقوع گرد و غبار

ارزیابی روش­های مختلف میان­یابی در جدول 3 ارائه شده­است. روش­های استفاده شده در این تحقیق بر اساس معیارهای MAE و RMSE در ستون آخر رتبه­بندی شده­اند. بر این اساس روش­های COK، K، IMQ و IDW به ترتیب در رتبه­های اول تا چهارم قرار دارند و روش ST رتبه آخر را به خود اختصاص داده­است. لذا از روش کوکریجینگ COK روش فوق برای تهیه نقشه خطر وقوع گرد و عبار استفاده شده­است (شکل­های 4 و 5). نتایج پهنه­بندی با دو معیار دید افقی کمتر از 10 کیلومتر و یک کیلومتر در جدول 4 آورده شده است.

جدول 3- نتایج ارزیابی روش­های میان­یابی

Table 3. Evaluation results of mediation methods

جدول4- توزیع فراوانی کلاس­های مدت وقوع گرد و غبار در استان لرستان

Table 4. Frequency distribution of dust duration classes in Lorestan province

با توجه به نقشه‌های تهیه شده استنباط می‌شود، هرچه از غرب استان لرستان به سمت شرق آن حرکت شود از تعداد روزها و شدت خطر طوفان گردوغبار کاسته می‌شود. اساساً با فاصله گرفتن یک موج طوفان گردوغبار از منشأ و یا کانون اولیه خود، از شدت و تداوم آن کاسته می‌شود (30). بنابراین چون منبع اولیه اکثریت پدیده‌های طوفان گردوغباری استان لرستان، منشأ بیرونی دارند (23)، هر چه از غرب منطقه به سمت شرق و از شمال به جنوب منطقه حرکت شود بر تعداد روزهای همراه با موج طوفان گردوغبار کاسته می‌شود، به دلیل آن­که این مناطق از کانون گرد و غبار  با منشأ بیرونی و کشورهای عربی هستند که با نتایج مهرابی و همکاران (22) در استان خوزستان مطابقت دارد. با توجه به نتایج به‌دست آمده، بیشترین طوفان گردوغبار در 3 ماه (مه، ژوئن و ژوئیه) و کمترین فراوانی در ماه دسامبر می‌باشد که با نتایج امیدوار (۲۵) در دشت یزد-اردکان مبنی بر فراوانی بیشتر طوفان گردوغبار در ماه مه و ذوالفقاری و همکاران (۲۴) در نواحی غربی ایران مبنی بر بیشترین فراوانی طوفان گردوغبار در ماه‌های گرم و خشک (ژوئن و ژوئیه) و عطایی و همکاران (4) در استان خوزستان مبنی بر بیشترین میزان طوفان گردوغبار در ماه ژوئیه و کمترین میزان این پدیده مربوط به ماه دسامبر و ژانویه است که با نتایج آرامی و همکاران (۳۰) در نواحی غربی ایران و Indoitu و همکاران (2) در مرکز آسیا که زمان آغاز این طوفان‌ها را ماه‌های آوریل و مه و بیشینه میزان وقوع را ماه‌های ژوئن و ژوئیه دانسته‌اند، مطابقت دارد. با توجه به نتایج این تحقیق و نتایج تحقیقات ندیری و همکاران (۲۶) در در دشت بیلوردی، آذربایجان شرقی، آرامی و همکاران (۳۰) در نواحی غربی ایران، Aguilar و همکاران (۲۸) در جنوب اسپانیا و Xie و همکاران (۲۹) در استان بجینگ چین می‌توان نتیجه‌گیری کرد که انتخاب بهترین روش درون‌یابی وابسته به ویژگی‌های محل پروژه و مقادیر مشاهداتی است. روش‌های درون‌یابی با توجه به ویژگی‌های مکان پژوهش، پراکنش و تعداد نقاط نمونه، نوع متعیر و .. از محلی به محل دیگر و حتی در یک مکان ولی با متغیردیگری می‌تواند متفاوت باشد.

جمع‌بندی و نتیجه­گیری

در این تحقیق، روش کوکریجینگ به عنوان بهترین روش درونیابی داده‌های گرد و غبار انتخاب گردید به دلیل کمترین RMSE و MAE و بیشترین R² را داشته است. در مرحله بعد با استفاده از این روش به تحلیل مکانی و زمانی وقوع گرد و غبار در سطح استان لرستان اقدام شد. پس از تحلیل مکانی به وسیله معیار متوسط سالیانه تعداد روزهای دارای گردو غبار، حدود 23 درصد از استان لرستان (بیشتر در قسمت های مرکزی و غربی استان شامل شهرهای خرم آباد، درود و الشتر) در طبقات خطر زیاد طبقه بندی شدند. و از نظر شاخص وقوع گرد و غبار با دید افقی کمتر از ۱۰۰۰ متر، حدود 71 درصد از استان لرستان (بیشتر در قسمت های مرکزی و غربی استان شامل شهرهای خرم آباد، کوهدشت، نورآباد، درود و الشتر) در طبقات خطر زیاد طبقه بندی شدند. این نشان می­دهد که در مدیریت خطر وقوع این پدیده به قسمت­های مرکزی و غرب این استان توجه ویژه کرد و هم­چنین می­توان نتیجه­گیری کرد که وقوع این پدیده به ویژه با شدت وقوع کمتر از 1000 متر در استان لرستان بیشتر منشأ بیرونی دارد. از نتایج  نتیجه‌گیری می‌شود که به خطر گرد و غبار باید به دید ملی نگریسته شود و منشأ آن شناسایی، ردیابی و تثبیت شود. پیشنهاد می‌شود در مطالعات آتی به اثرات گرد و غبار بر سلامتی انسان‌ها، آسیب به مراتع و کشاورزی، و خشکیدگی بلوط در این استان پرداخته شود.

قدردانی

این مقاله در قالب طرح پژوهشی، با همکاری و هزینه پژوهشکده حفاظت خاک و آبخیزداری و مرکز تحقیقات کشاورزی و منابع طبیعی استان لرستان انجام شده است. مولفان برخود لازم می‌دانند تا از همکاری‌های این مراکز در کلیه مراحل اجرای طرح صمیمانه سپاسگزاری نمایند.

Reference

1. Goudie, A. S. 2009. Dust storms: Resent Developments. Journal of Environmental Management, 90, Issue. 1, pp 89–94.
2. Indoitu, R., Orlovsky, L., Orlovsky, N. 2012. Dust storms in Central Asia: Spatial and temporal variations. Journal of Arid Environments, Vol. 85, pp. 62–70.
3. Díaz, J., Cristina, L., Carmona, R., Russo, A., Ortiz, C., Salvador, P., Machado, R. T. 2017. Saharan dust intrusions in Spain: Health impacts and associated synoptic conditions. Environmental Research, Vol. 156, pp 455-467.
4. Ataii, H., Ahmadi, F. 2010. Dust as one of the environmental problems of the Islamic world (Case study: Khuzestan province). Fourth International Congress of Geographers of the Islamic World, pp 4-19. (In Persian)
5. Liu, M., Westphal, D., Wang, S., Shimizu, A., Sugimoto, N., Zhou, J., Chen,Y. 2003. A high-resolution numerical study of the Asian dust storms of April 2001. Journal of Geophysical Research, Vol. 108. 10.1029/2002JD003178.
6. Mohammadi, F., Kamali, S., Eskandary, M. 2014. Tracing dust sources in different atmosphere levels of tehran using hybrid single-particle lagrangian integrated trajectory (Hysplit) model. Scientific Journal of Pure and Applied Sciences, Vol. 3, Issue. 7, pp 559-571.
7. Sivakumar, M. 2005. An impact of sand storms/dust storms on Agriculture. Natural Disasters and Extreme Events in Agriculture, Vol. 7, pp 159-177.
8. Conrad, A., Mcpherson, B., Lopez-Nicora, H., D'Amico, K., Wood, D., Bonello, P. 2019. Disease incidence and spatial distribution of host resistance in a coast live oak/sudden oak death pathosystem. Forest Ecology and Management, Vol.e 433, pp 618-624.
9. Hemmati, N.A. 2005. Investigating the frequency of soil storms in the central and southwestern regions of the Iran. M.Sc. Thesis in Synoptic Orientation, Faculty of Geophysics, University of Tehran. (In Persian)
10. Ekhtesasi, M.R., Ahmadi, H., Khalili, A., Saremi Naeini, M.A., Rajabi, M.R. 2006. An application of wind rose, storm rose and sand rose in the analysis of wind erosion and determining the direction of moving sands. (Case study area: Yazd-Ardekan Basin). Journal of the Iranian Natural Resources, Vol. 59, No. 3, pp. 533-541. (In Persian)
11. Shamshiri, S., Jafari, R., Soltani, S., Ramezani, N. 2014. Dust Detection and Mapping in Kermanshah Province Using MODIS Satellite Imagery. Iranian Journal of Applied Ecology, Vol. 3, No. 8, pp. 29-42. (In Persian)
12. Ghaffari, D., Mostafazadeh, R. 2016. An investigation on sources, consequences and solutions of dust storm phenomenon in Iran. Journal of Conservation and Utilization of Natural Resources, Vol. 4, pp. 107-125. (In Persian)
13. Alimahmoodi Sarab, S., Shataee Jouybari, S., Rashki, A., Moayeri, M.H. 2018. The Estimate of Dust Concentration Using of Weather Variable (A Case study: Ahvaz City). Journal of Natural Environment, Vol.71, Issue. 3, pp. 385 – 397. (In Persian)
14. Xuan, J., Sokolik, I., Hao, J., Guo, F., Mao, H., Yang G. 2004. Identification and characterization of sources of atmospheric mineral dust in East Asia. Atmospheric Environment, Vol. 38, Issue. 36, pp. 6239-6252.
15. Wang, X., Dong, Z., Zhang, C., Qian, G., Luo W. 2009. Characterization of the composition of dust fallout and identification of dust sources in arid and semiarid North China. Geomorphology, Vol. 112, pp. 144–157.
16. Baddock, M., Bullard, J., Bryant R. 2009. Dust source identification using MODIS: A comparison of techniques applied to the Lake Eyre Basin, Australia. Remote Sensing of Environment, Vol. 113, pp. 1511-1523.
17. Maghrabi, A., Alharbi, B., Tapper, N. 2011. Impact of the March 2009 dust event in Saudi Arabia on aerosol optical properties, meteorological parameters, sky temperature and emissivity. Atmospheric Environment, Vol. 45, pp. 2164-2173.
18. Chen, S., Yuan, T., Zhang, X., Zhang, G., Feng, T., Zhao, D., Zang, Z., Shujie, L., Ma, X., Jiang, N., Zhang, J., Yang, F., Lu H. 2018. Dust modeling over East Asia during the summer of 2010 using the WRF-Chem model. Journal of Quantitative Spectroscopy and Radiative Transfer, Vol. 213, pp. 1-12.
19. Jouhari, F., Ownegh, M., Hoseinalizadeh, M. 2015. Adaptation of satellite images with meteorological statistics in the study of three dust waves (Case study: Khuzestan and Ilam provinces). First International Dust Conference, 6p.
20. Akbary, M., Farahbakhshy M. 2015. Analyzing and Tracing of Dust Hazard in Recent Years in Kermanshah Province. International Journal of Environmental Research, Vol. 9, Issue. 2, pp. 673-682.
21. Madhavan, , Qu, J. Hao, X. 2017. Saharan dust detection using multi-sensor satellite measurements. Heliyon, Vol. 3, Issue. 2, pp. 1-13.
22. Mehrabi, Sh., Soltani, S., Jafari, R. 2015. Relationship between climatic parameters and the occurrence of dust: A Case Study of Khuzestan province. Journal of Science and Technology of Agriculture and Natural Resources, Soil and Water Science, Vol. 65, Issue. 71, pp. 68-80. (In Persian)
23. Ghadirian, O., Hemami, M., Soffianian, A., Purmanafi, S., Malekian, M. 2018. The zoning of Lorestan Province’s forests decline risk using logistic regression model. Journal of Animal Environment, Vol. 10, Issue. 3, pp. 495-502. (In Persian)
24. Zolfaghari, H., Masoumpuor Samakosh, J., Shaygan Mehr, Sh., Ahmadi, M. 2011. A Synoptic investigation of dust storms in western regions of Iran during 2005-2010 (a case study of widespread wave in July 2009). Geography and Environmental Planning, Vol. 22, Issue. 3(43), pp. 17-34. (In Persian)
25. Omidvar, K. 2012. Synoptic survey and analysis of sand storm in Yazd-Ardakan plain, Word Applied Sciences Journal, Vol. 19, Issue. 2, pp. 198-204.
26. Nadiri, A.A., Gharekhani, M., Khatibi, R., Asghari Moghaddam, A. 2017. Assessment of groundwater vulnerability using supervised committee to combine fuzzy logic models. Environ Science Pollution Resources, Vol. 24, Issue. 9, pp. 8562–8577.
27. Isaaks, E.H., Srivastava, R.M. 1989. An Introduction to Applied Geostatistic. Oxford University Press New York, P.561.
28. Aguilar, F., Agüera, F., Carvajal, F. 2005. Effects of Terrain Morphology, Sampling Density, and Interpolation Methods on Grid DEM Accuracy. Photogrammetric Engineering and Remote Sensing, Vol. 71, pp 805-816.
29. Xie, Y., Chena, T., Mei, J., Leia, Q., Yanga, B., Guoa, S., Zhou, X. 2011. Spatial distribution of soil heavy metal pollution estimated by different interpolation methods: Accuracy and uncertainty analysis, Chemosphere, Vol. 82, Issue. 3, pp. 468-476.
30. Arami, S.A., Ownegh, M., Mohammadian Behbahani, A., Akbari, M., Zarasvandi, A. 2018. The analysis of dust hazard studies in southwest region of Iran in 22 years (1996-2017). Journal of Spatial Analysis Environmental hazarts, Vol. 5, Issue. 1, pp. 39-66. (In Persian)

1-  استادیار، بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان لرستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، خرم آباد، ایران

۲- استادیار، بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان لرستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، خرم آباد، ایران ^*(مسوول مکاتبات)

[3] - استادیار، پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران

[4]- Assistant Professor, Soil Conservation and Watershed Management Research Department, Lorestan Agricultural and Natural Resources Research and Education Center, AREEO, Khorramabad, Iran

2- Assistant Professor, Soil Conservation and Watershed Management Research Department, Lorestan Agricultural and Natural Resources Research and Education Center, AREEO, Khorramabad, Iran *(Corresponding Author)

[6]-Assistant Professor, Soil Conservation and Watershed Management Research Institute, AREEO, Tehran, Iran

[7]- Weather Research and Forecasting model coupled with Chemistry

[8]- Inverse Distance  Weighting

[9]- Kriging

[10]- CoKriging

[11]- Radial Basis Function

[12]- Spline With Tension

[13]- Inverse Multi Quadratic

[14]- Mean absolute error