نشریه آبیاری و زهکشی ایران

نشریه آبیاری و زهکشی ایران

ارزیابی تأثیر 10PM بر تغییرات NDVI بر اساس پردازش تصاویر ماهواره‌ای در استان خوزستان

نوع مقاله : مقاله پژوهشی

نویسندگان
مجتبی گلدانی 1
شهناز دانش 2
روزبه شاد 2
1 عمران و محیط زیست، مهندسی، دانشگاه فردوسی مشهد،مشهد،ایران
2 عضو هئیت علمی گروه عمران، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد
چکیده
امروزه میزان آلودگی هوا به سمتی رفته که علاوه بر تهدید سلامت انسان، سلامت گیاهان را نیز به مخاطره انداخته و سالانه خسارات هنگفتی به اقتصاد کشورها وارد کرده است. در این تحقیق، استان خوزستان به‌عنوان منطقه‌ای که در سالیان اخیر تحت‌تأثیر ریزگردها بوده و همچنین دارای پوشش گیاهی غنی و متنوعی است، موردمطالعه انتخاب گردید. با استفاده از داده‌های کیفیت هوا (10PM) از سازمان محیط‌زیست و تصاویر NDVI از ماهواره لندست به بررسی تأثیر ریزگرد بر پوشش‌های گیاهی پرداخته شد. برای این منظور 10PM در بازه فصلی میانگین‌گیری و NDVI به‌صورت تفاضلی در طول یک فصل محاسبه گردید. نقشه کاربری‌های به‌روز شده خوزستان با استفاده از تصویر پردازش شده ماهواره لندست در کنار نقشه کاربری اراضی استان خوزستان و مدل طبقه‌بندی نظارت شده تولید و کاربری‌های پوشش گیاهی (کشاورزی، نیزار، مرتع و جنگل) جدا شدند. سپس، تمامی مجموعه‌داده‌ها بر مبنای کاربری‌های پوشش گیاهی جداسازی شدند و در نهایت ضریب همبستگی پیرسون بین 10PM و NDVI در هر یک از کاربری‌ها محاسبه شد. نتایج نشان داد که از نظر مکانی به ترتیب کاربری‌های نیزار و کشاورزی بیشترین مقادیر ضریب همبستگی بین میانگین غلظت فصلی 10PM و تغییرات پوشش گیاهی در یک فصل (dNDVI) را داشتند و از نظر زمانی در فصل تابستان بیشترین مقادیر ضریب همبستگی در طول سال ثبت گردید.
کلیدواژه‌ها
تغییرات پوشش گیاهی
ریزگرد
طبقه‌بندی نظارت شده
ضریب همبستگی پیرسون
لندست

عنوان مقاله English

Investigating the Impact of PM10 on NDVI Changes Based on Satellite Image Processing in Khuzestan Province

نویسندگان English

Mojtaba Goldani 1
Shahnaz Danesh 2
Rouzbeh Shad 2
1 Civil and Environmental Engineering , Faculty of Engineering, Ferdowsi University of Mashhad, Mashhad, Iran.
2 Faculty member of Civil Engineering Department, Faculty of Engineering, Ferdowsi University of Mashhad, Mashhad
چکیده English

The level of air pollution presents a twofold threat to human health and plant life, thereby resulting in economic losses for countries on an annual basis. This investigation specifically focuses on the province of Khuzestan, which has experienced considerable pollution from fine dust in recent years and is noteworthy for its diverse vegetation. By analyzing air quality data acquired from the Environment Agency regarding PM10 and utilizing NDVI (Normalized Difference Vegetation Index) images captured by the MODIS satellite, this study examines the impact of fine dust on vegetation. Differential calculations were performed on the PM10 data and NDVI values across different seasons in order to achieve this objective. Updated maps of Khuzestan were constructed by merging Landsat imagery with the province's land use map, employing supervised classification model to monitor vegetation production and utilization across diverse categories such as agriculture, reeds, pasture, and forest. Subsequently, the datasets were segregated based on vegetation type, and Pearson's correlation coefficient was computed to evaluate the relationship between PM10 concentration and changes in vegetation (dNDVI) within each category. The results emphasize a spatial correlation between PM10 concentration and changes in vegetation index for reed and agriculture land uses during a single season, with the highest correlation observed during the summer season throughout the year.

کلیدواژه‌ها English

LANDSAT
Particulate Matter
Pearson'
s correlation coefficient
supervised classification
Vegetation changes
خدائی، ع. زندی، ر. 1403. پایش تغییرات پوشش گیاهی و ارتباط آن با دمای سطح زمین و کاربری اراضی در شهرستان خداآفرین و کلیبر با استفاده از فناوری سنجش از دور،نشریه محیط زیست طبیعی. 77(1): 59-73.  
رمضانی، ن. علیجانی، ب. و برنا، ر. 1398. تحلیل و پیش بینی سناریویی اثرات تغییرات آب وهوا در آلودگی هوای کلان شهر تهران، نشریه جغرافیا و مخاطرات محیطی. 8(30): 115-132.
شگرخدایی، ز. فتح نیا، ا. و هاشمی دره بادامی، س. 1402. بررسی ارتباط آلاینده های هوا با شاخص های سنجش از دور ( NDVI،NDBI، LST و  ATI) در شهر تهران، نشریه جغرافیا و مخاطرات محیطی. 12(47): 123-144.
عطافر،ز. اسلامی، ا. پیرصاحب، م. و اسدی،ف. 1393. بررسی روند تغییرات غلظت ذرات معلق (PM10) و تعیین شاخص کیفیت هوا در شهر کرمانشاه، فصلنامه بهداشت در عرصه. 2(1): 19-28.
محمدحسنی، ع. کامیاب، ح. و رضائی، ح. 1402. تاثیر شاخص کیفیت هوا (AQI) و عوامل هواشناسی بر شیوع کووید-19 (مطالعه موردی: استان تهران)، نشریه جغرافیا و مخاطرات محیطی. 12(46): 147-163.
Bank, W. 2019. Sand and Dust Storms in the Middle East and North Africa Region: Sources, Costs, and Solutions. In: World Bank.
Boloorani, A. D., Nabavi, S. O., Bahrami, H. A., Mirzapour, F., Kavosi, M., Abasi, E. and Azizi, R. 2014. Investigation of dust storms entering Western Iran using remotely sensed data and synoptic analysis. Journal of Environmental Health Science and Engineering. 12: 1-12.
Engelstaedter, S., Tegen, I. and Washington, R. 2006. North African dust emissions and transport. Earth-Science Reviews. 79(1-2): 73-100.
Esri. 2020. Rescale by Function (Spatial Analyst). Environmental Systems Research Institute. Retrieved 05/06/2024 from https://https://www.esri.com/en-us/homepro.arcgis.com/en/pro-app/latest/tool-reference/spatial-analyst/rescale-by-function.htm
Huang, C.-J. and Kuo, P.-H. 2018. A deep CNN-LSTM model for particulate matter (PM2. 5) forecasting in smart cities. Sensors. 18(7): 2220.
KHORRAM, S. 1985. Remote sensing of water quality in the Neuse river estuary. Photogrammetric Engineering and Remote Sensing. 51: 329-341.
Landis, J. R. and Koch, G. G. 1977. An application of hierarchical kappa-type statistics in the assessment of majority agreement among multiple observers. Biometrics. 363-374.
Liao, Q., Jin, W., Tao, Y., Qu, J., Li, Y. and Niu, Y. (2020). Health and economic loss assessment of PM2. 5 pollution during 2015–2017 in Gansu Province, China. International Journal of Environmental Research and Public Health. 17(9): 3253.
Naidoo, G. and Chirkoot, D. 2004. The effects of coal dust on photosynthetic performance of the mangrove, Avicennia marina in Richards Bay, South Africa. Environmental pollution. 127(3): 359-366.
Nateghi, S., Nohegar, A., Ehsani, A. H. and Bazrafshan, O. 2017. Evaluating the vegetation changes upon vegetation index by using remote sensing. Iranian Journal of Range and Desert Research, 24(4), 778-790. https://doi.org/10.22092/ijrdr.2017.114889
Onder, S., & Dursun, S. 2006. Air borne heavy metal pollution of Cedrus libani (A. Rich.) in the city centre of Konya (Turkey). Atmospheric Environment. 40(6): 1122-1133.
Pettorelli, N., Vik, J. O., Mysterud, A., Gaillard, J.-M., Tucker, C. J. and Stenseth, N. C. 2005. Using the satellite-derived NDVI to assess ecological responses to environmental change. Trends in ecology & evolution, 20(9), 503-510.
Seyyednejad, S., Niknejad, M. and Koochak, H. 2011. A review of some different effects of air pollution on plants. Research Journal of Environmental Sciences, 5(4). 302.
Singer, A., Zobeck, T., Poberezsky, L. and Argaman, E. (2003). The PM10and PM2· 5 dust generation potential of soils/sediments in the Southern Aral Sea Basin, Uzbekistan. Journal of Arid Environments, 54(4): 705-728. 
نشریه آبیاری و زهکشی ایران
دوره 18، شماره 3 - شماره پیاپی 106
مرداد و شهریور 1403
صفحه 477-488