ردیابی و شبیه‌سازی عددی طوفان گردوغبار در شهر کرمانشاه

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری آب و هواشناسی، گروه آب و هواشناسی، دانشکده‌ برنامه‌ریزی و علوم طبیعی، دانشگاه تبریز، تبریز، ایران.

2 استاد آب و هواشناسی، گروه آب و هواشناسی، دانشکده برنامه‌ریزی و علوم طبیعی، دانشگاه تبریز، تبریز، ایران .

3 دانشیار مهندسی بهداشت و محیط، مرکز تحقیقات آلودگی هوا و بیماری‌های تنفسی، گروه مهندسی بهداشت و محیط، دانشکده بهداشت، دانشگاه علوم پزشکی جندی شاپور اهواز، اهواز، ایران.

4 دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده علوم جغرافیایی، دانشگاه خوارزمی، تهران، ایران.

10.22034/jdmal.2021.246299

چکیده

پژوهش حاضر با هدف شناسایی کانون و عوامل همدید موج طوفان گردوغبار 27 تا 29 خرداد 1395 در شهر کرمانشاه انجام گرفت. برای بررسی شرایط همدیدی علل وقوع این پدیده، از مجموعه داده‌های پیش‌بینی میان مدت جوی مرکز اروپایی (ESMWF) با قدرت تفکیک ° 125/0 قوسی شامل، ارتفاع ژئوپتانسیل در ترازhpa  500، امگا در ترازhpa 700، فشار تراز دریا، مؤلفه‌­های مداری و نصف‌­النهاری در ترازhpa 300، رطوبت ویژه در ترازhpa 700، رطوبت خاک تا عمق cm10 و عمق اُپتیکی گردوغبار استفاده شد. برای مسیریابی منشأ ذرات گردوغبار از روش لاگرانژی مدل HYSPLIT در 48 ساعت قبل از وقوع پدیدۀ گردوغبار در کرمانشاه در سه سطح ارتفاعی  200، 1000 و 1500 m استفاده شد. همچنین با بهره­‌گیری از مدل شبیه­‌سازی عددی وضع هوا WRF-chem طوفان گردوغبار شبیه­‌سازی شد. در پایان با پردازش تصاویر ماهواره‌­ای مودیس قلمرو گسترش آن مشخص شد. بررسی نقشه­‌های ردیابی HYSPLIT نشان داد که بیابان­‌های مرکزی و غربی عراق و صحرای سوریه کانون­‌های اصلی گردوغبار برای منطقه مورد مطالعه هستند. در شرایط همدیدی همزمان با رخداد گردوغبارهای برخاسته، سامانۀ چرخندی (سیکلونی) نقش بارزی در انتقال این پدیده داشته است. تقویت قابل توجه سامانۀ کم­‌فشار عراق به همراه شکل­‌گیری تراف در زاگرس موجب ایجاد و انتقال گردوغبار در دورۀ گرم سال به منطقۀ مورد بررسی شده است. همچنین توزیع مکانی گردوغبار تفسیر شده توسط تصاویر سنجندۀ مودیس با توزیع مکانی غلظت گردوغبار شبیه‌­سازی شده توسط مدل WRF-chem انطباق دارد.

کلیدواژه‌ها


  1. Ackermann, I.J., Hass, H., Memmesheimer, M., Ebel, A., Binkowski, F.S., & Shankar, U. (1998). Modal aerosol dynamics model for Europe: development and first applications. Atmospheric Environment, 32(17), 2981–2999.
  2. Ashrafi, Kh., Shafiepour-Motlagh, M., Aslemand, A., & Ghadri, S. (2014). Dust storm simulation over Iran using HYSPLIT. Environmental Health Science & Engineering, 12, 3-12.
  3. Behyar, M.B. (2015). Zoning risk degree of climatic phenomena and dust storms in roads network of the country using satellite data. Geographical Research Quarterly, 30(2), 103-112.
  4. Bian, H., Tie, X., Cao, J., Ying, Z., Han, S., & Xue, Y. (2011). Analysis of a severe dust storm event over China: application of the WRF-Dust model, Aerosol and Air Quality Research, 11(4), 419_428.
  5. Binkowski, F., & Shankar, U. (1995). the regional particulate matter model. 1. model description and preliminary results. Geophysical Research Atmospheres, 100(D12), 26191–26209.
  6. Dagsson-Waldhauserova, P., Osp Magnusdottir, A., Olafsson, H., & Arnalds, O. (2016). The spatial variation of dust particulate matter concentrations during two Lcelandic dust storms in 2015. Atmosphere, 7(6), 77.
  7. Draxler, R.R. and Hess, G, D. (1998). An overview of the HYSPLIT_4 modelling system of trajectories, dispersio, and deposition. Australian Meteorological Magazine, 47, 295- 308.
  8. Engelstadler, S. (2001). Dust storm frequencies and their relationships to land surface conditions. Freidrich Schiller University Press, Germany.
  9. Fallah -Zazuli, M., Vafaeinezhad, A. R., Kheirkhah- Zarkesh, M. M., & Ahmadi Dehka, F. (2014). Source routing of dust haze phenomenon in the west and southwest of Iran and its synoptic analysis by using remote sensing and GIS, RS and GIS for Natural Resources, 5(4), 61-77. (in Farsi)
  10. Goudie, A.S., & Middleton, N.J. (2001). Saharan dust storms: nature and consequences, Earth-Science Reviews, 56(1-4), 179-204.
  11. Grell, G.A., Peckham, S.E., Schmitz, R., McKeen, S.A., Frost, G., Skamarock, W.C., & Eder, B. (2005). Fully coupled “online” chemistry within the WRF model. Atmospheric Environment. 39(37), 6957–6975.
  12. Heidari-Farsani, M., Shirmardi, M., Alavi, N., Maleki, H., Sorooshian, A., Babaei, A.A., Asgharnia, H., Bagherian -Marzouni, M., & Goudarzi, Gh.R. (2018). Evaluation of the relationship between PM10 concentrations and heavy metals during normal and dusty days in Ahvaz, Iran, Aeolin Research, 33, 12-22.
  13. Hejazizadeh, Z., Toulabi-Nejad, M., Zarei-Chaghabalaki, Z., Amraeei, B. (2019). Monitoring of dust storm in the midwest of Iran case study: dust storm June 16-19, 2015. Spatial Analysis Environmental Hazards. 5(4), 107-124. (in Farsi)
  14. Khorshiddoust, A.M., Mohamadi, Gh.H., Hosseini-Sadr, A., Javan, Kh., & Jamali, A. (2014). Synoptic analysis of effective factors on dust frequency in west of Iran. Geography and Planning, 17(46), 47-66. (in Farsi)
  15. Mohammadi, Gh.H. (2016). Analysis of atmospheric mechanisms in dust transport over west of Iran. Ph.D. Thesis, University of Tabriz.PP: 170. (in Farsi)
  16. Namdari, S., Karimi, N., Sorooshian, A., Mohammadi, Gh.H., & Sehatkashani, S. (2018). Impacts of climate and synoptic fluctuations on dust storm activity over the Middle East, Atmospheric environment ,173, 265-276.
  17. Nikfal, A.H. (2014). Simulation of the density of PM10 particulates by the coupled WRF-Chem modeling system over the region of Iran. Proceedings of the 16th Iranian Geophysical Conference, 77-81. (in Farsi)
  18. Sari-Sarraf, B., Rasouli, A.A., Mohammadi, GH.H., & Hoseini-Sadr, A. (2016). Long- term trends of seasonal dusty day characteristic- West Iran, Arabian Journal of Geosciences, 9(10), 1-10.
  19. Shao, Y., & Dong C.H. (2006). A review on East Asian dust storm climate, modelling and monitoring. Global and Planetary Change, 52(1- 4), 1–22.
  20. Tanaka, T.Y., Chiba. M. (2006). A numerical study of the contribution of dust source regions to the global dust budget. Global and Planetary Change, 52(1-4), 88-104.