استفاده از داده هاي طيفي گياهي و بررسي اثر آن در تشخيص گردوغبار با استفاده از مدل DREAM

Use of vegetation data and its effect on dust detection using the DREAM model

مطالعه اثر حضور ذرات معلق در اتمسفر نيازمند ويژگي هاي اپتيكي و اندازه ذرات است. پايشگرهايي همچون ماهواره ها به دليل برخورداري از قدرت تفكيك مكاني و زماني بالا، براي مطالعه پديده ريزگردها و شناسايي منابع و سرچشمه هاي توليد گرد و غبار مورد استفاده قرار مي گيرند. مطالعه دقيق پديده ريزگردها به منظور شناسايي و ارائه راهكار مناسب براي مقابله با اين پديده امري ضروري است. يكي از اساسي ترين قدمها براي مطالعه اين پديده، مدل سازي آن با استفاده از روابط حاكم است تا بتوان شيوه توليد، انتشار و گسترش اين پديده را پيش بيني نمود. پيش بيني پديده ريزگرد به عنوان مرجعي براي تصميم گيري ها و اطلاع رساني از وقوع اين پديده مورد استفاده قرار مي گيرد. همه مدل ها از تغييرات رطوبت و سرعت باد براي محاسبه ريزگرد ساطع شده استفاده مي كنند و از داده هاي هواشناسي براي شناسايي كانون هاي ريزگرد استفاده مي شود. ولي زمان را در تغيرات برهنگي سطح در نظر نمي گيرند. جهت تجزيه و تحليل رابطه پوشش گياهي با غلظت آئروسل، تصاوير NDVI منطقه مورد مطالعه استخراج گرديد. ضريب همبستگي و دو پارامتر آماريي هستند كه به منظور مقايسه دو مجموعه داده AOD و NDVI مورد استفاده قرار گرفتند. گرچه رابطه معكوس AOD و NDVI در برخي ماههاي مورد مطالعه به وضوح خود را نشان داده است مثلا در ماه مي سال 2012 و 2015 و 2014 اما با اينحال در ماههاي ديگري اين رابطه بسيار ضعيف و حتي در مواردي مثبت بدست آمده است. دليل اين ضعف در اثبات رابطه معكوس ذاتي نمي تواند باشد چرا كه ماهيت پوشش گياهي ضد آلاينده است و هميشه اين رابطه قابل مشاهده مي باشد. دليل آن در خود داده ها نهفته است.

The study of the effect of the presence of suspended particles in the atmosphere requires optical properties and particle size. Observers such as satellites used for spatial and temporal resolution, to study the phenomena of microscopes and to identify sources and sources of dust production. A detailed study of the phenomenon of microorganisms is necessary in order to identify and provide an appropriate solution to deal with this phenomenon. One of the most important steps to study this phenomenon is its modeling using the prevailing relations in order to predict the mode of production, dissemination and expansion of this phenomenon. The prediction of the dust phenomenon used as a reference for decision-making and information on the occurrence of this phenomenon. All models use humidity and wind speeds to calculate the ejection light and use weather data to detect throttle focal points. However, they do not take the time to change nudity. To analyze the relationship between vegetation and aerosol concentration were extracted, NDVI images of the study area. Correlation coefficient and two statistical parameters used to compare two sets of AOD and NDVI data sets. Although the reverse relationship between the AOD and the NDVI has clearly been evident in some months, for example, in May 2012, 2015 and 2014, however, in other months this relationship is very weak and even positive. The reason for this weakness is not to prove intrinsic inverse relationship because the nature of vegetation is anti-pollutant, and this relationship is always visible. The reason for this lies in the data itself.