ارزیابی حساسیت اراضی جهت تعیین مناطق مستعد تولید گردو غبار (مطالعه موردی: استان البرز)

مستخرج از پایان نامه

علوم و تکنولوژی محیط زیست، دوره بیست و سوم، شماره یازده، بهمن ماه 1400(164-151)

ارزیابی حساسیت اراضی جهت تعیین مناطق مستعد تولید گردو  غبار

(مطالعه موردی: استان البرز)

کتایون حجتی[1]

زهرا عابدی[2] ^*

z.abedi@srbiau.ac.ir

 بهزاد رایگانی[3]

مصطفی پناهی[4]

چکیده

زمینه و هدف: وسعت بسیار زیاد مناطق خشک و فراوانی پدیده­های گرد و غبار در کشور باعث شده است، شناسایی دقیق کانون­های تولید گرد و غبار همواره یکی از اهداف اصلی پژوهش­ها در زمینه گرد و غبار به شمار آید. هدف اصلی این مطالعه شناسایی منبع طوفان گرد و غبار در استان البرز است.

روش بررسی: در این پژوهش از شاخص حساسیت زمین در برابر فرسایش بادی (ILSWE) برای مکان­یابی منابع تولید گرد و غبار استفاده شد. شاخص ILSWE از ترکیب پنج فاکتور موثر در فرسایش بادی شامل فرسایش­دهندگی اقلیم، فرسایش­پذیری خاک، سله خاک، پوشش­گیاهی و زبری سطح ایجاد شده است. برای محاسبه این فاکتورها از نقشه­های دما، بارش، سرعت باد، درصد شن، سیلت، رس، کربنات کلسیم، EVI و کاربری اراضی استفاده شد.  بعد از محاسبه هریک از فاکتورها، با ضرب آنها در هم، شاخص ILSWE محاسبه شد. درنهایت با طبقه­بندی این شاخص در نرم افزار Arc GIS مناطق حساس شناسایی شد.

یافته­ها: نقشه نهایی شاخص ILSWE  نشان داد که به طورکلی مناطق جنوبی استان البرز نسبت به دیگر نواحی، به فرسایش بادی حساس­تر هستند. نقشه طبقه­بندی ILSWE نشان داد که 5/34٪ از منطقه مورد مطالعه در کلاس خیلی کم، 8/26 ٪ در کلاس کم، 3/18٪ در کلاس متوسط، 6/12٪ در کلاس زیاد و 8/7٪ در کلاس خیلی زیاد حساسیت به  فرسایش بادی قرار دارد. کلاس حساسیت زیاد به عنوان کانون ایجاد گرد و غبار در نظر گرفته شد که عمدتا در نواحی جنوبی استان البرز قرار دارد. اکثر نواحی کانون ایجاد گرد و غبار، اراضی بایر هستند.

بحث و نتیجه­گیری: با توجه به نتایج این پژوهش، اراضی بایر نقش مهمی در تولید گرد و غبار استان البرز دارند درنتیجه عملیات تثبیت خاک در این نواحی برای کاهش گرد و غبار لازم است.  به طور کلی نتایج این پژهش  نشان داد که شاخص ILSWE، یک مدل منطقه­ای مناسب جهت تعیین مناطق مستعد و کانون­های تولید گرد و غبار است.

واژه­های کلیدی: حساسیت به فرسایش، فرسایش بادی، عضویت فازی، مدل­منطقه ای.

Assessment of land sensitivity to determine areas dust sources (Case study: Alborz province)

Katayoon Hojati[5]

Zahra Abedi[6]^*

z.abedi@srbiau.ac.ir

Behzad Raigani[7]

Mustafa Panahi[8]

Abstract

Background and Objective: The vastness of arid areas and the abundance of dust storms in the country have made the accurate identification of dust production centers always one of the main goals of research in the field of dust. The primary objective of this study is dust storm source identification in Alborz Province

Material and Methodology: In this study, the Index of Land Susceptibility to Wind Erosion (ILSWE) was used to locate dust sources. The ILSWE was created by combining five influential wind erosion factors including climatic erosivity, soil erodibility, soil crust, vegetation cover & surface roughness. Temperature, precipitation, wind speed, sand percentage, silt, clay, calcium carbonate, EVI and land use maps were used to calculate these factors. After calculating each of the factors, by multiplying them together, the ILSWE index was calculated. Finally, by classifying this index in Arc GIS software, sensitive areas were identified.

Findings: The final map of ILSWE index showed that in general, the southern regions of Alborz province are more sensitive to wind erosion than other regions. The ILSWE classification map showed that 34.5% of the studied area falls within the very low class, 26.8% in the low class, 18.3% in the medium class, 12.6% in the high class and 7.8% in very high sensitivity to wind erosion class. Very high sensitivity class was considered as dust sources, which is mainly located in the southern parts of Alborz province. Most sources of dust are barren lands.

Discussion and Conclusion: According to the results of this study, barren lands have an important role in dust production in Alborz province; therefore soil stabilization operations in these areas are necessary to reduce dust. In general, the results of this study showed that the ILSWE index is a suitable regional model for determining susceptible areas and centers of dust production.

Keywords: Sensitivity to erosion, wind erosion, Fuzzy membership, Regional model.

مقدمه

پدیده­ی گرد و غبار یکی از فرآیندهای جوی است که درنتیجه­ی وزش بادهای قوی بر خاک فرسایش­پذیر اتفاق می­افتد (1) که آثار و پیامدهای زیست­محیطی نامطلوبی بر جای می­گذارد و اخیراً از مهم­ترین چالش‌های زیست­محیطی به حساب می­آید. این پدیده ناشی از فرآیندهای فرسایش بادی و بیابان­زایی بوده و به طور عمده در مناطق خشک و نیمه­خشک جهان رخ می‌دهد (2 و 3). مطالعات اخیر نشان می­دهد که فراوانی وقوع پدیده­ی گرد و غبار در منطقه خاورمیانه در حال افزایش است (4). تخمین زده می­شود که این پدیده هرسال حدود ۱۰^۸× ۵ تن خاک از سطوح بیابانی و خشک وارد جو می­کنند (5). به طوری که در سطح جهان گرد و غبار فراوان­ترین ذره معلق در هوا است (6). فراوانی وقوع پدیده­ی گرد و غبار در یک منطقه به عواملی از جمله سرعت باد، میزان خاک بدون پوشش، شرایط هوایی خشک (7)، رطوبت خاک، پوشش گیاهی (8 و 9)، سیستم هوای محلی و بیرونی، بارش کوتاه مدت، وسعت جنگل زدایی، خشکسالی بلند مدت، تغییرات کاربری زمین و فعالیت­های انسانی (10) بستگی دارد. این پدیده طیف وسیعی از خطرات محیط زیستی و اقتصادی را برای جامعه بشری به وجود می­آورد (11) و مقابله با آن، نیازمند روش­های چند جانبه متشکل از سیاست، مدیریت اکوسیستم، اقتصاد و ظرفیت­سازی است. بنابراین شناسایی درست کانون­های تولید گرد و غبار، از نخستین گام­های مدیریت و کنترل پدیده گرد و غبار می­باشد. زیرا شناسایی کانون­ها تولید گرد و غبار اولین مرحله در اولویت بندی مناطق مختلف جهت عملیات اجرایی برای کاهش گرد و غبار و تعیین روش‌های کنترل آن است. اندازه­گیری سنتیبا روش­های میدانی به دلیل پوشش زمانی و مکانی محدود، نمی­تواند به تنهایی برای شناسایی و پایش کانون­های گرد و غبار مفید باشد­(12). همچنین پیشرفته­ترین مدل­های مقیاس میدانی برای حصول نتیجه مناسب و قابل قبول، بسیار پیجیده هستند­(13) و وقتی هدف تعیین کانون­های گرد و غبار در مقیاس منطقه­ای و بزرگتر باشد، عملا انجام این روش با مشکلات زیادی رو به رو می­شود. در مقیاس­های بزرگ مانند مقیاس منطقه­ای با استفاده از ابزارهای مانند سنجش از دور و سیستم اطلاعات جغرافیایی و مدل­سازی عوامل موثر در فرسایش بادی و گرد و غبار کانون­های مستعد شناسایی می­شود. با توجه به این موضوع که فرسایش بادی و گرد و غبار یک فرآیند ژئومورفولوژیکی پیچیده­ای است که تحت تاثیر چندین عامل قرار دارد، مدل کردن همه عوامل موثر جهت ارزیابی در مقیاس منطقه­ای و بزرگتر را دشوار می­کند (14). بنابراین مطالعات در این مقیاس با حفظ عوامل کلیدی موثر بر فرسایش بادی، به یک روش کاهش پیچیدگی متوسل می شوند. تا کنون مطالعات زیادی با روش­های مختلف جهت تعیین کانون­های گرد و غبار در مقیاس بزرگ در داخل و خارج کشور انجام شده است. از جمله این تحقیقات می­توان به پژوهش­های مهرابی و همکاران (15)، رایگانی[9] و همکارن (16 و 17)، عفتی[10] و همکاران (9) فورستاین و شاپنسکی[11] (18) اشاره کرد. یکی از مدل­های منطقه­ای که می­توان در مقیاس بزرگ از آن استفاده کرد، شاخص حساسیت زمین در برابر فرسایش بادی (ILSWE^[12]) که توسط مرکز داده­های خاک اروپا   (ESDAC[13]) توسعه یافته است. در سال­های اخیر در تحقیقاتی مانند فنتا[14] و همکاران (13)، بورلی[15] و همکاران (19 و20) از این شاخص برای تعیین مناطق حساس و کانون­های فرسایش بادی و گرد و غبار استفاده شد. با توجه به بررسی­های انجام شده، هنوز پژوهشی در ایران از این شاخص برای ارزیابی حساسیت خاک به فرسایش بادی و تعیین کانون­های گرد و غبار و فرسایش بادی استفاده نشده است. هدف از پژوهش حاضر تعیین کانون­های گرد و غبار استان البرز با استفاده از شاخص ILSWE می­باشد. نتایج این پژوهش می­تواند به تعیین حدود مناطق حساس به فرسایش بادی جهت انجام عملیات میدانی و اولویت بندی فعالیت­های کنترل گرد و غبار در استان البرز کمک کند.

مواد و روش­ها

منطقه مورد مطالعه

پژوهش حاضر در استان البرز انجام می­شود که به دلیل دارا بودن منشاهای داخلی تولید گرد و غبار به شدت تحت تاثیر پدیده گرد و غبار است (21). این استان با مساحت حدود 514186 هکتار در دامنه­های جنوبی رشته کوه البرز قرار دارد (شکل1). دشت­ها و جلگه­های این استان به خصوص جنوب آن، دارای اقلیم خشک و با بارندگی کمتر از 200 میلیمتر در سال است. همچنین به علت ضعیف بودن پوشش گیاهی، پتانسیل بادفرسایی در این مناطق افزایش پیدا کرده است. به دلیل توسعه پدیده بیابان­زایی و افزایش خشکسالی در سال­های اخیر، این استان به شدت در معرض رویدادهای محلی گرد و غبار قرار گرفته است (21).

روش بررسی

در این پژوهش برای تعیین مناطق مستعد تولید گرد و غبار از شاخص ILSWE استفاده شد. اساس این شاخص بر مبنای این مفهوم است که فرسایش بادی زمانی رخ می­دهد که سه شرط قدرت کافی باد، وجود خاک مستعد و عدم وجود محافظ برای سطح در تماس باد محقق شود (20). شاخص ILSWE از پنج فاکتور فرسایش­دهندگی اقلیم (CE[16])، فرسایش­پذیری خاک (SE[17])، سله خاک (SC[18])، پوشش گیاهی (VC[19]) و زبری سطح (SR[20]) تشکیل شده است. شکل (2) نمودار مراحل انجام این پژوهش را نمایش می­دهد.

شکل 2 – نمودار روش انجام پژوهش

Figure 2. Diagram of research method

فاکتور فرسایش­دهندگی اقلیم (CE)

این فاکتور پتانسیل و استعداد اقلیم منطقه مورد مطالعه را برای تولید شرایطی است که منجر به فرسایش بادی می­شود، نشان می­دهد (13). در این پژوهش از معادله (1) که توسط فائو[21] (22) توسعه یافته است، برای محاسبه فاکتور فرسایش­دهندگی اقلیم استفاده شد.

در این معادله u_i سرعت متوسط باد ماهانه (متر بر ثانیه) در ارتفاع دو متری ماه iام ، PETi تبخیر و تعرق پتانسیل ماه iام و P مقدار بارش ماه iام و d تعداد روزهای ماه iام می­باشد. برای محاسبه این فاکتور ابتدا داده­های ماهانه میانگین سرعت باد و دما و مجموع بارش 16 ایستگاه موجود در استان البرز و نواحی اطراف آن (شکل 1) در دوره زمانی ده ساله (2010-2019) جمع­آوری شد. در مرحله بعد با استفاده از روش تورنت وایت و داده­های دما تبخیر و تعرق پتانسیل ماهانه هر ایستگاه محاسبه شد. و متوسط ماهانه هر سه مولفه بارش، دما و سرعت باد با استفاده از داده­های ده ساله محاسبه شد. سپس با استفاده از روش میان‌یابی وزن­دهی معکوس فاصله (IDW[22]) در نرم­افزار Arc GIS برای هر سه مولفه در 12 ماه سال پهنه بندی انجام شد. در نهایت با استفاده از معادله (1) فاکتور CE محاسبه شد.

فاکتور فرسایش­پذیری خاک (EF)

فاکتور فرسایش­پذیری خاک، میزان توانایی مقاومت کردن یک خاک در برابر نیروی باد را نشان می­دهد. در واقع این شاخص بیانگر رابطه بین فرسایش خاک توسط باد و خصوصیات خاک است (13). معادله (2) نحوه محاسبه EF را با استفاده از معادله رگرسیون چندگانه که توسط فرایر[23] و همکاران (23) بر اساس بافت خاک و خصوصیات شیمیایی ارائه شده است، نشان می­دهد.

در این معادله SA درصد شن ، SI درصد سیلت، CL درصد رس، OM درصد ماده آلی و CaCO3 درصد کربنات کلسیم خاک می­باشد. EF برحسب درصد به دست می­آید. در این پژوهش برای محاسبه درصد شن، سیلت، رس و ماده آلی خاک سطحی استان البرز از داده­های پایگاه ISRIC SoilGrids با قدرت تفکیک مکانی 250 متر (24) و برای محاسبه درصد کربنات کلسیم خاک از داده­های پایگاه Harmonized World Soil Database با قدرت تفکیک مکانی یک کیلومتر (25) استفاده شد.

فاکتور سله خاک (SC)

سله خاک، لایه نسبتاً نازک و یکپارچه ایجاد شده در سطح خاک که نسبت به خاک زیر فشرده­تر و از نظر مکانیکی پایدارتر است، تعریف می­شود (26). این لایه حساسیت کمتری به فرسایش بادی نسبت به لایه­های خاک زیری دارد (27) و در مناطق خشک و نیمه­خشک که فرسایش بادی غالب­تر از فرسایش آبی است، نقش مهمی در حفاظت از خاک ایفا می­کند (28). فاکتور SC برای تخمین تأثیر سله خاک بر فرسایش­پذیری خاک استفاده می­شود (29). در این پژوهش، پارامتر SC با استفاده از معادله زیر محاسبه شد که توسط فرایر و همکاران (30) معرفی شده است.

در این معادله CL درصد رس و OM درصد ماده آلی خاک می­باشد. داده­های این دو مولفه همان طور که قبلا گفته شد از داده­های پایگاه ISRIC SoilGrids با قدرت تفکیک مکانی 250 متر (24) به دست آمد.

فاکتور پوشش گیاهی (VC)

اثر پوشش­گیاهی بر فرسایش بادی را می­توان با استفاده از درصد سطح پوشیده از مواد گیاهی یافته بیان کرد (19 و 20). برای توصیف فاکتور VC، در این پژوهش از مولفه کسری پوشش­گیاهی^[24] (F_cover) که از شاخص پوشش­گیاهی EVI[25] محصول MOD13Q1 سنجنده مودیس[26] با اندازه پیکسل 250 متر در 250 متر به دست آمد، استفاده شد. محصول استفاده شده، هر 16 روز یکبار شاخص­های پوشش گیاهی را ارئه می­دهد. ابتدا نقشه میانگین سالانه شاخص EVI با استفاده از داده­های 2010 تا 2017 برای استان البرز محاسبه شد. سپس با استفاده از معادله زیر، F_cover محاسبه شد.

در این معادله EVI نقشه میانگین سالانه به دست آمده از مرحله قبل، EVI_S مقدار شاخص در خاک بایر و EVI_V مقدار شاخص در پوشش­گیاهی متراکم، می­باشد.

فاکتور زبری سطح (SR)

زبری سطح زمین باعث تقویت اصطکاک آن می­شود و در نتیجه انرژی باد را نزدیک به سطح زمین کاهش می­دهد (31). به این ترتیب، کاهش انرژی باد باعث کاهش فرسایش بادی می­شود. در مواردی که اطلاعات زبری سطح زمین در دسترس نباشد، کلاس­های کاربری اراضی و پوشش زمین برای تخمین طول زبری سطح بسیار مفید هستند (32). در مطالعات مختلفی مانند بورلی و همکاران (20)، فنتا و همکاران (13) و فانک و رویتر^[27](33)  که در مقیاس منطقه­ای صورت گرفته است، از جداولی خاص برای تعیین فاکتور زبری سطح بر مبنای کاربری و پوشش اراضی استفاده شده است. در این پژوهش از استاندارد ارائه شده توسط TA–LUFT (34) استفاده شد (جدول1).

جدول 1- میانگین طول زبری در کلاس های کاربری و پوشش اراضی

Table 1. Mean Roughness Length to the Land Use & Land Cover Classes

لازم به ذکر است که نقشه کاربری و پوشش اراضی استان البرز از نقشه کابری اراضی ایران که توسط سازمان جنگل­ها و مراتع تهیه شده است، استخراج و با استفاده از نرم افزار Google Earth Pro مورد بازبینی و تصحیح قرار گرفت.

محاسبه شاخص ILSWE

بعد از محاسبه پنج فکتور مربوط به شاخص ILSWE، ابتدا تابع عضویت فازی فاکتورها محاسبه شد. با این کار فاکتور ها بین صفر (حداقل حساسیت) و یک (حداکثر حساسیت) قرار گرفت. مطابق با تحقیق فنتا و همکاران (13) برای فاکتورهای فرسایش­دهندگی اقلیم (CE)، فرسایش­پذیری خاک (SE) و سله خاک (SC) روش خطی، برای فاکتور پوشش­گیاهی (VC) روش نمایی و برای فاکتور زبری سطح (SR) روش لگاریتمی برای محاسبه تابع عضویت فازی استفاده شد. سپس با استفاده از معادله (5) شاخص ILSWE محاسبه شد.

بعد از محاسبه شاخص ILSWE، این شاخص در نرم افزار Arc GIS طبقه بندی شد و کانون های گرد و غبار تعیین شد.

یافته­ها

شکل (3) و (4) به ترتیب نقشه عضویت فازی فاکتور­های فرسایش­دهندگی اقلیم (CE) و فرسایش­پذیری خاک (EF) را نشان می­دهد. با توجه به نقشه عضویت فازی فاکتور فرسایش­دهندگی اقلیم، مناطق جنوبی و شرقی بیشترین پتاسیل ایجاد فرسایش بادی توسط اقلیم نسبت به دیگر نواحی وجود دارد. کمترین میزان نیز مربوط به مناطق شمالی استان البرز یعنی ارتفاعات  رشته کوه البرز می­باشد. نتایج بررسی نقشه عضویت فازی فاکتور فرسایش­پذیری خاک نشان می­دهد که به طور کلی هر چه از شمال استان البرز به بخش­های جنوبی برویم فرسایش­پذیری خاک نسبت به باد افزایش پیدا می­کند. البته در بخش­های میانی واقع در غرب شهر کرج یک روند کاهشی در میزان فرسایش­پذیری مشاهده می­شود. دراین نواحی اراضی کشاورزی واقع شده است.

شکل (5) نقشه عضویت فازی فاکتور سله خاک (SC) را نشان می­دهد. با توجه به این نقشه مناطق شمالی، مرکزی و جنوبی استان البرز دارای کمترین مقدار و بخش­های شمال غربی تا شمال شرقی شهر کرج و هم چنین بخش­های جنوب غربی تا جنوب شرقی آن، دارای بیشترین مقدار این فاکتور می­باشند. نقشه عضویت فازی فاکتور پوشش گیاهی (VC) نشان می­دهد (شکل 6) که نواحی شمالی و به خصوص اراضی بایر در بخش­های جنوبی استان البرز دارای بیشترین احتمال و کمربند میانی که بیشترین اراضی کشاورزی در آن واقع شده است دارای کمترین احتمال ایجاد فرسایش بادی از جنبه پوشش­گیاهی می­باشد.

همان طور که قبلا گفته شد برای محاسبه فاکتور زبری سطح (SR) از نقشه تصحیح شده کاربری اراضی تهیه شده توسط سازمان جنگل­ها و مراتع استفاده شد (شکل 7). به طور کلی شمال استان البرز مراتع خوب تا متوسط، نواحی میانی مناطق مسکونی و کشاورزی و درجنوب استان اراضی بایر و در برخی نواحی مراتع نشکیل شده است. در غرب استان البرز تالاب فصلی صالحیه نظر آباد وجود دارد. نقشه کاربری اراضی با توجه به جدول (1) امتیازدهی شد. شکل (8) نقشه عضویت فازی فاکتور زبری سطح (SR) را نشان می­دهد. با توجه به این نقشه بخش­های زیادی از جنوب تا مرکز استان البرز از نظر زبری سطح مستعدترین نواحی در ایجاد فرسایش بادی و گرد و غبار هستند. اکثر مناطق مرکزی تا شمال استان دارای کمترین استعداد جهت ایجاد فرسایش بادی و گرد و غبار می­باشند.

پس از تهیه نقشه عضویت فازی پنج فاکتور فرسایش­دهندگی اقلیم، فرسایش­پذیری خاک، سله خاک، پوشش­گیاهی و زبری سطح، با استفاده از معادله (5) شاخص ILSWE محاسبه شد. سپس در نرم­افزار Arc GIS با استفاده از روش شکست طبیعی^[28] به پنج کلاس از حساسیت خیلی کم تا خیلی زیاد نسبت به فرسایش بادی تقسیم شد (شکل9). کلاس حساسیت خیلی کم 5/34 درصد از مساحت استان البرز را فرا گرفته که اکثر این نواحی در بخش­های شمالی استان قرار دارد. در مناطق پایین دست این کلاس به سمت جنوب عموما کلاس حساسیت کم قرار گرفته است که 8/26 درصد از مساحت کل استان البرز را شامل می­شود. نوار مرکزی و بخش­های کوچکی از جنوب استان البرز در کلاس حساسیت متوسط قرار گرفته اند که شامل 3/18 درصد از مساحت استان البرز می­شود. کلاس حساسیت زیاد در نواحی جنوبی استان البرز قرار گرفته است. در این نواحی عموما اراضی بایر قرار گرفته است و 6/12 از استان البرز را شامل می­شود. کلاس حساسیت خیلی زیاد نیز در بخش­های جنوبی استان البرز قرار گرفته است و 8/7 درصد از مساحت این استان مربوط به این کلاس می­باشد. این کلاس به عنوان مناطق مستعد کانون­های فرسایش بادی و گرد و غبار در نظر گرفته و از نقشه حساسیت استخراج شد (شکل10). شمالی­ترین قسمت از نواحی مستعد تولید گرد و غبار را بخش­های از تالاب صالحیه تشکیل می­دهد و در قسمت های جنوبی­تر گسترش یافته و مانند کمربندی بخش­های جنوبی استان البرز را شامل می­شود. عمده مناطق مستعد تولید گرد و غبار اراضی بایر هستند.

بحث و نتیجه گیری

در مورد پدیده گرد و غبار اصل مهمی وجود دارد و آن اصل این است که کاهش غلظت ذرات آلوده­کننده هوا مخصوصاً گرد و غبار را باید از منبع برداشت کنترل نمود و با آن مقابله کرد، زیرا هنگامی که این گرد و غبار وارد هوا شد، دیگر نمی­توان به سادگی با آن مقابله کرد، بنابراین باید کانون­های اصلی گرد و غبار شناسایی و کنترل شوند (35). هدف این پژوهش، تعیین مناطق مستعد تولید گرد و غبار و حساس به فرسایش بادی با استفاده از شاخص ILSWE می­باشد. این شاخص بر پایه پنج فاکتور فرسایش­دهندگی اقلیم، فرسایش­پذیری خاک، سله خاک، پوشش گیاهی و زبری سطح محاسبه می­شود. نتایج این پژوهش نشان داد که نواحی جنوبی استان البرز مناطق مستعد تولید گرد و غبار و فرسایش بادی است. این محدوده بیشتر در اراضی بایر قرار گرفته است که نشان دهنده اهمیت پوشش­گیاهی در عدم ایجاد گرد و غبار می­باشد. هرچند وضعیت توپوگرافی، وجود باد و ویژگی­های خاک این نواحی نیز به ایجاد گرد و غبار کمک به سزایی می­کند. رایگانی و همکاران (12، 16، 17) در سه پژوهش مختلف که در استان البرز برای تعیین کانون­های گرد و غبار انجام شد، به نتایجی مشابه این پژوهش دست یافتند. به طوری که اکثر نواحی که توسط آنها به عنوان کانون گرد و غبار شناخته شد در این پژوهش نیز جز مناطق مستعد قرار گرفت که این نتیجه نشان می­دهد شاخص مذکور از کارایی مناسبی جهت تعیین مناطق مستعد تولید گرد و غبار برخوردار است. یکی از تفاوت­های عمده این پژوهش و تحقیقات رایگانی و همکاران (12، 16، 17) این است که نتایج این پژوهش نشان داد که تالاب صالحیه نیز در هنگام خشک بودن پتانسیل ایجاد گرد و غبار و فرسایش بادی را دارد. شواهد موجود صحت این مطلب را تایید می­کند. فنتا و همکاران نیز (13) در تحقیقات به این نتیجه رسیدند که با فرض درست بودن کلاس­بندی شاخص ILSWE، دقت کلی این شاخص 70 درصد می­باشد و به خوبی با فرکانس طوفان های گرد و غبار مطابقت دارد. البته لازم به ذکر است، نحوه کلاس­بندی و حدود هر یک از کلاس­ها در تعیین دقت کلی مدل نقش بسیار زیادی دارد. نتایج این پژوهش نشان داد که اراضی بایر نقش مهمی در ایجاد گرد و غبار در استان البرز دارند. در نتیجه می­توان با استفاده از طرح­های احیایی مانند بوته کاری، پوشش سح خاک را افزایش داد و باعث تثبیت خاک شد. با توجه به نتایج این پژهش و بررسی تحقیقات انجام شده در این زمینه می­توان گفت که به طور کلی شاخص ILSWE، یک مدل منطقه­ای مناسب جهت تعیین مناطق مستعد و کانون­های تولید گرد و غبار است که می­توان با توجه به محدودیت­های زمان، وسعت زیاد و هزینه در طرح های تعیین کانون­های گرد و غبار و فرسایش بادی در ایران، از آن به خوبی استفاده کرد. برای افزایش دقت نتایج شاخص ILSWE پیشنهاد می­شود که از داده­های زمینی برای اندازه­گیری خصوصیات خاک مورد استفاده در این شاخص، استفاده شود. در این صورت می­توان دقت این شاخص را در مقیاس محلی نیز مورد ارزیابی قرار داد. با توجه به این که درصد کربنات کلسیم خاک داده­های پایگاه Harmonized World Soil Database در همه جای ایران در دسترس نیست، می­توان از شاخص­های سنجش از دوری در این زمینه استفاده کرد و فاکتور فرسایش­پذیری خاک (EF) بر مبنای آن اصلاح کرد. همچنین در مورد محاسبه فاکتور زبری سطح (SR) که نیاز به جدول امتیازدهی برای کاربری و پوشش اراضی (جدول1) دارد، با توجه به شرایط و ویژگی­های خاص ایران، این جدول مورد باز بینی قرار گرفته و اصلاح شود. البته باید توجه داشت که برای ارزیابی بهتر این شاخص در ایران نیاز به مطالعات بیشتر می­باشد.

References

1. Boloorani, A. D., Samany, N. N., Mirzaei, S., Bahrami, H. A., & Alavipanah, S. K., 2020. Remote Sensing and GIS for Dust Storm Studies in Iraq. In Environmental Remote Sensing and GIS in Iraq. Springer, Cham, 2020. 333-375.
2. Waggoner, D.G., Sokolik, I. N., 2010. Seasonal dynamics and regional features of MODIS-derived land surface characteristics in dust source regions of East Asia. Remote Sensing of Environment. 114(10), 2126-2136.
3. Huang, J., Li, Y., Fu, C., Chen, F., Fu, Q., Dai, A., ... & Zhang, L., 2017. Dryland climate change: Recent progress and challenges. Reviews of Geophysics, 55(3), 719-778.‏
4. Alizadeh‐Choobari, O., Ghafarian, P., & Owlad, E., 2016. Temporal variations in the frequency and concentration of dust events over Iran based on surface observations. International Journal of Climatology, 36(4), 2050-2062.‏
5. Zolfaghari, H., Masoumpour Samakosh, J., Shaygan Mehr, Sh., Ahmdi, M., 2010. 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, 22(3), 17-34. (In Persian)
6. Beyranvand, A., Azizi, G., Alizadeh-Choobari, O., & Boloorani, A. D., 2019. Spatial and temporal variations in the incidence of dust events over Iran. Natural Hazards, 1-13.
7. Mei, D., Xiushan, L., Lin, S., & Ping, W. A. N. G., 2008. A dust-storm process dynamic monitoring with multi-temporal MODIS data. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 37.‏
8. Huang, M., Peng, G., Zhang, J., & Zhang, S., 2006. Application of artificial neural networks to the prediction of dust storms in Northwest China. Global and Planetary change, 52(1-4), 216-224.‏
9. Effati, M., Bahrami, H. A., Gohardoust, M., Babaeian, E., & Tuller, M., 2019. Application of Satellite Remote Sensing for Estimation of Dust Emission Probability in the Urmia Lake Basin in Iran. Soil Science Society of America Journal, 83(4), 993-1002.
10. Qu, J. J., Hao, X., Kafatos, M., & Wang, L., 2006. Asian dust storm monitoring combining Terra and Aqua MODIS SRB measurements. IEEE Geoscience and remote sensing letters, 3(4), 484-486.
11. Middleton, N., & Kang, U., 2017. Sand and dust storms: impact mitigation. Sustainability, 9(6), 1053.‏
12. Rayegani, B., kheirandish, Z., Kermani, F., Mohammdi Miyab, M., Torabinia, A., 2017. Identification Of Active Dust Sources Using Remote Sensing Data And Air Flow Simulation (Case Study: Alborz Province). Desert Management, 4(8), 15-26. (In Persian)
13. Fenta, A. A., Tsunekawa, A., Haregeweyn, N., Poesen, J., Tsubo, M., Borrelli, P., ... & Kawai, T., 2020. Land susceptibility to water and wind erosion risks in the East Africa region. Science of the Total Environment, 703, 135016.
14. Funk, R., Reuter, H.I., 2006. Wind erosion. In: Boardman, J., Poesen, J. (Eds.), Soil erosion in Europe. Wiley, Chichester, UK, pp. 563–582.
15. Mehrabi S, Soltani S, Jafari R., 2015. Analyzing the Relationship Between Dust Storm Occurrence and Climatic Parameters. Journal of Water and Soil Science. 19 (71) :69-81
16. Rayegani, B., Barati Ghahfarokhi, S., Khoshnava, A., 2019. Dust & Sand Source Identification Using Remotely Sensed Data: a comprehensive Approach. Journal of Range and Watershed Managment, 72(1), 83-105. (In Persian)
17. Rayegani, B., Barati, S., Goshtasb, H., Gachpaz, S., Ramezani, J., & Sarkheil, H., 2020. Sand and dust storm sources identification: A remote sensing approach. Ecological Indicators, 112, 106099.‏
18. Feuerstein, S., & Schepanski, K., 2019. Identification of Dust Sources in a Saharan Dust Hot-Spot and Their Implementation in a Dust-Emission Model. Remote Sensing, 11(1), 4.
19. Borrelli, P., Panagos, P., & Montanarella, L., 2015. New insights into the geography and modelling of wind erosion in the european agricultural land. Application of a spatially explicit indicator of land susceptibility to wind erosion. Sustainability, 7(7), 8823-8836.
20. Borrelli, P., Panagos, P., Ballabio, C., Lugato, E., Weynants, M., & Montanarella, L., 2016. Towards a pan‐European assessment of land susceptibility to wind erosion. Land Degradation & Development, 27(4), 1093-1105.‏
21. Rayegani, B., Khirandish, Z., 2018. Utilization of time series of satellite data in order to validate the identified dust storm sources in Alborz province. Jsaeh. 2018; 4 (4) :1-18 . (In Persian)
22. , 1979. A provisional methodology for soil degradation assessment. Food and Agriculture Organization, Rome, Italy.
23. Fryrear, D.W., Krammes, C.A., Williamson, D.L., Zobeck, T.M., 1994. Computing the wind erodible fraction of soils. J. Soil Water Conserv. 49, 183–188.
24. Hengl, T., de Jesus, J.M., Heuvelink, G.B., Gonzalez, M.R., Kilibarda, M., Blagotic´ , A., Shangguan, W., Wright, M.N., Geng, X., Bauer-Marschallinger, B., Guevara, M.A., 2017. SoilGrids250m: Global gridded soil information based on machine learning. PLoS one 12, e0169748. https://doi.org/10.1371/journal.pone.0169748.
25. FAO/IIASA/ISRIC/ISSCAS/JRC., 2012. Harmonized World Soil Database (version 1.2). FAO, Rome, Italy and IIASA, Laxenburg, Austria. (accessed 17 May 2019). http://www.fao.org/3/aq361e/aq361e.pdf.
26. Zobeck, T.M., 1991. Soil properties affecting wind erosion. J. Soil Water Conserv. 46, 112–118.
27. Fryrear, D.W., Bilbro, J.D., Saleh, A., Schomberg, H.M., Stout, J.E., Zobeck, T.M., 2000. RWEQ: improved wind erosion technology. J. Soil Water Conserv. 55, 183–189.
28. Zhang, K.L., Li, S., Peng, W., Yu, B., 2004. Erodibility of agricultural soils on the Loess Plateau of China. Soil Till. Res. 76, 157–165.
29. Borrelli, P., Ballabio, C., Panagos, P., Montanarella, L., 2014. Wind erosion susceptibility of European soils. Geoderma 232, 471–478.
30. Fryrear, D.W., Saleh, A., Bilbro, J.D., Schomberg, H.M., Stout, J.E., Zobeck, T.M., 1998. Revised Wind Erosion Equation (RWEQ). Wind Erosion and Water Conservation Research Unit, USDA-ARS, Southern Plains Area Cropping Systems Research Laboratory. Technical Bulletin No. 1. pp. 185. (accessed 2019). https://www.csrl.ars.usda.gov/wewc/rweq/rweq.pdf.
31. Wever, N., 2012. Quantifying trends in surface roughness and the effect on surface wind speed observations. J Geophys Res Atmos. 117 (D11).
32. Hansen, S.V., 1993. Surface roughness lengths. ARL Technical Report U. S. Army, White Sands Missile Range, NM 88002-5501, pp. 51. (accessed 4 December 2018).
33. Funk R, Reuter HI. 2006. Wind erosion. In Soil erosion in Europe, Boardman J, Poesen J. (eds). Wiley: Chichester; 563–582.
34. TA-Luft., 2001. Erste Allgemeine Verwaltungsvorschrift zum Bundes-Immissionsschutzgesetz. Technische Anleitung zur Reinhaltung der Luft – TA-Luft Stand 12.06.2001.
35. Memarian-Fard, M., Mokhtari, H., Kouhzadbighi, B. and Zolfaghari, H., 2017. Investigating the microflora and dust, its effects and its containment methods. Third International Conference on Environment, Energy and Bio-Defense.ScientificQuartely Journal, Geosciences, 27: 105-116. (In Persian)

[1]- دانشجوی دکتری مدیریت محیط زیست – اقتصاد محیط زیست، دانشکده منابع طبیعی و محیط زیست، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، یران

[2]- عضو هیات علمی دانشکده منابع طبیعی و محیط زیست، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران. ^* (مسوول مکاتبات)

[3] - عضو هیات علمی گروه ارزیابی و مخاطرات محیط زیست، پژوهشکده محیط زیست و توسعه پایدار، سازمان حفاظت محیط زیست، تهران، ایران

[4] - عضو هیات علمی دانشکده منابع طبیعی و محیط زیست، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی

[5] - PHD student of environment management, enviro-economy Islamic Azad University Science and Research Branch, Tehran, Iran

[6] - member of science board in environment and Natural resources faculty, Islamic Azad University, Tehran, Iran(in charge of correspondence)

[7] - Faculty member, Research group of Environmental Assessment and Risks, Research center of Environment and sustainable Development(RCESD), Department of Environment, Tehran, Iran

[8] member of science board in environment and Natural resources faculty, Islamic Azad University, Tehran, Iran

[9]- Rayegani

[10]- Effati

[11]- Feuerstein & Schepanski

[12]- Index of Land Susceptibility to Wind Erosion

[13]- European Soil Data Centre

[14]- Fenta

[15]- Borrelli

[16]- climatic erosivity

[17]- soil erodibility

[18]- soil crust

[19]- vegetation cover

[20]- surface roughness

[21] - FAO

[22] - Inverse Distance Weighting

[23] - Fryrear

[24]- fraction of vegetation cover

[25]- Enhanced vegetation index

[26]- MODIS

[27]- Funk & Reuter

[28]- Natural break method