پژوهش های جغرافیای طبیعی

آلودگی هوا یکی از چالش های اصلی زیست محیطی در کلان شهرهای تهران، کرج و قزوین است که به دلیل تمرکز صنعتی و جمعیتی این منطقه، سطوح بالای ذرات معلق، سلامت انسان و محیط زیست را تهدید می کند. هدف این پژوهش، تحلیل زمانی _ مکانی غلظت ذرات معلق و شناسایی مناطق بحرانی به صورت میانگین پنج ساله، تغییرات سالانه، فصلی و ماهانه است. بدین منظور، از داده های شاخص جذب آئروسل (AAI) ماهواره ای سنتینل-5 استفاده شده تا تغییرات مکانی _ زمانی ذرات معلق در دامنه های جنوبی البرز مرکزی بررسی شوند. نتایج نشان داد بیشترین غلظت ذرات معلق در نواحی جنوبی و شرقی منطقه از جمله تهران، مرز سیاسی قم و کرج مشاهده شده است. تحلیل کانون های بحرانی در سطح اطمینان 99% حاکی از تمرکز بالای آلودگی در این نواحی است. در مقابل، مناطق شمالی قزوین و ارتفاعات البرز به دلیل جریان هوای بهتر و فعالیت های صنعتی کمتر دارای کیفیت هوای بهتری هستند. طی بازه زمانی 1397 تا 1399، روند تغییرات غلظت ذرات معلق نزولی بوده و به حداقل مقدار خود رسیده، اما در سال 1401 به اوج خود افزایش یافته است. تحلیل های فصلی و ماهانه نشان می دهند که بیشترین غلظت ذرات معلق در فصل تابستان ثبت شده است. این الگو تأثیر عوامل جغرافیایی، تراکم جمعیت، و فعالیت های صنعتی بر توزیع فضایی آلاینده ها را برجسته می کند و بر اهمیت مداخلات منطقه ای برای مدیریت کیفیت هوا تأکید دارد.

تغییر اقلیم به عنوان یکی از بزرگ ترین تهدیدات قرن بیست و یکم، نه تنها بر محیط زیست و اقتصاد جهانی، بلکه بر امنیت و فعالیت های نظامی کشورها نیز تأثیرات عمیقی می گذارد؛ لذا تغییرات الگوهای آب و هوایی و غیرقابل پیش بینی بودن آن می تواند تهدید جدی برای زیرساخت های نظامی محسوب گردد. بنابراین هدف از این تحقیق، بررسی تغییرات پارامترهای اقلیمی بر شاخص اقلیم نظامی (MCI) نرمال شده در استان های آذربایجان غربی، ایلام، کردستان، کرمانشاه و خوزستان است. بدین منظور، ابتدا پارامترهای اقلیمی موردنیاز از سازمان هواشناسی اخذ گردد. سپس پس از مشخص نمودن بهترین مدل اقلیم جهانی (GCM)، پارامترهای اقلیمی هر ایستگاه با کمک مدل LARS-WG تا سال 2100 میلادی ریزمقیاس-نمایی شدند. نتایج نشان داد در همه ایستگاه های موردمطالعه از اواخر فصل بهار تا پایان فصل تابستان، شاخص MCI کاهش یافته که نشان دهنده شرایط سخت برای انجام فعالیت های نظامی است. در مقابل در اهواز اواخر پاییز و اوایل زمستان، ایلام در پاییز و اوایل بهار، کرمانشاه و سنندج در اوایل پاییز و بهار و در ارومیه بهار به دلیل بالا بودن شاخص MCI از شرایط بسیار مطلوبی برخوردار بوده اند. در پایان، پیشنهاد می گردد هرگونه برنامه ریزی برای فعالیت های نظامی اعم از تمرین، آموزش، مانور و طراحی مبتنی بر شناخت شرایط تغییر اقلیم و شاخص های اقلیم آسایش باشد که در این صورت لازم است تدابیر ویژه ای اتخاذ گردد. بنابراین، هرگونه بازنگری و مطابقت راهبردهای دفاعی با شرایط تغییر اقلیم در هر منطقه ضروری است.

ناپایداری دامنه ای از جمله مهم ترین مخاطرات طبیعی محسوب می شود که سالانه خسارت های مالی و جانی قابل توجهی به همراه دارد و اجرای پروژه های عمرانی را با چالش های جدی مواجه می کند. این مطالعه با هدف شناسایی عوامل مؤثر در بروز ناپایداری دامنه ای و ارائه راهکارهای پیشگیرانه در کلان شهر تبریز انجام شده است، موضوعی که در برنامه ریزی های محیطی از اهمیت بالایی برخوردار است. در این پژوهش، از روش های تصمیم گیری SWARA و CRITIC برای وزن دهی و ارزیابی معیارها استفاده شد و نقشه پهنه بندی خطر با کمک نرم افزار ArcGIS تهیه گردید. معیارهای مورد بررسی شامل شیب، جهت شیب، ارتفاع، فاصله از گسل، فاصله از رودخانه، فاصله از جاده، لیتولوژی، کاربری اراضی و میزان بارش بودند که پس از وزن دهی، به صورت لایه های استانداردشده درآمدند. در نهایت، با تلفیق و رویهم گذاری این لایه ها، نقشه نهایی پهنه بندی مناطق مستعد حرکات دامنه ای تهیه شد. بررسی نتایج نشان داد که پهنه های ناپایدار در هر دو مدل، با مناطق وقوع لغزش های پیشین مطابقت دارد. به طور مشخص، محلاتی نظیر سیلاب، ملازینال، یوسف آباد، کوی ولیعصر، کوی گلپارک، شهرک های باغمیشه، یاغچیان، فجر، خاوران و صیاد شیرازی در محدوده های با خطر بسیار بالا و بالا قرار گرفته اند. در مقابل، مناطق غربی، شمال غربی و جنوب غربی شهر در پهنه های بی خطر جای دارند، درحالی که بخش های مرکزی و شرقی عمدتاً در محدوده های کم خطر طبقه بندی شده اند. بنابراین جهت کاهش نسبی خطرات و افزایش میزان پایداری دامنه ها لازم است تا حد ممکن از تغییر اکوسیستم و کاربری اراضی اجتناب کرد

ارزیابی روند بیابان زایی با استفاده از شاخص های پوشش گیاهی و تغییرات ضریب آلبدو در دوره زمانی 2000-2023، مطالعه موردی: حوضه آبریز مند در جنوب غرب ایران چکیده بیابان زایی یکی از مهم ترین فرآیندهای تخریب اراضی در مناطق خشک و نیمه خشک است که تحت تأثیر عوامل طبیعی و انسانی رخ می دهد. این مطالعه با هدف ارزیابی روندهای بیابان زایی و تغییرات زیست محیطی در حوضه مند، با استفاده از شاخص های سنجش ازدور شامل NDVI، EVI، SAVI، LAI، VCI، LST و آلبدو در سه بازه زمانی 2000، 2013 و 2023 انجام شد. در این مطالعه مشخص شد که، منطقه دارای روند معناداری از بیابان زایی است. شاخص های پوشش گیاهی شامل NDVI، EVI و SAVI روند کاهشی معناداری را نشان دادند. همچنین شاخص های خاکی مانند آلبدو و LAI نیز تغییرات قابل توجهی را آشکار کردند. میانگین آلبدو در سال 2000 برابر با 2378/0 بود، که در سال 2013 به 2343/0 افزایش یافت و در سال 2023 به 2271/0 کاهش یافت. این روند نوسانی نشان دهنده گسترش خاک های خشک و بیابانی در منطقه است. همبستگی منفی قوی بین آلبدو و شاخص های پوشش گیاهی (NDVI: r ≈ -0.78، p < 0.01) نیز وجود رابطه مستقیم بین کاهش پوشش گیاهی و افزایش خاک های بدون پوشش را تأیید می کند. تحلیل های منطقه ای نشان داد که توسعه بیابان زایی بیشتر در مناطق مرکزی و جنوبی حوضه مورد مطالعه رخ داده است. طبقه بندی بیابان زایی بر اساس آلبدو نشان داد، که حدود 30٪ از حوضه در طبقه "خطر زیاد"، 50٪ در طبقه "خطر متوسط" و تنها 20٪ در طبقه "خطر کم" قرار دارد. این الگوها با کاهش منابع آب، افزایش دما و فعالیت های انسانی مانند چرای بی رویه و تغییر کاربری اراضی همراهی می کنند. پیشنهاد می شود سیاست گذاری های منطقه ای بر اساس داده های فضایی-زمانی تقویت شوند تا از گسترش بیابان زایی در حوضه مند جلوگیری شود

منطقه جنوب شرق ایران جز نواحی کم باران و خشک محسوب می شود که در سال های اخیر با خشک سالی و کم آبی شدید روبه رو شده است. در این پژوهش، به منظور بررسی الگوهای خشک سالی در جنوب شرق ایران و شناخت رفتار پارامترهای اقلیمی در این منطقه، مقادیر کمینه و بیشینه دما و همچنین بارش 20 ایستگاه سینوپتیک طی دوره آماری 1995-2018 از سازمان هواشناسی کشور دریافت شد. سپس با محاسبه شاخص SPEI و تحلیل سری های زمانی این شاخص، مشخصه های مختلف خشک سالی از جمله شدت، مدت، بزرگی و فراوانی رویدادهای خشک سالی تعیین گردید. در ادامه با کاربرد آزمون روند نوآورانه (ITA)، معنی داری روند پارامترهای اقلیمی مورد ارزیابی قرار گرفت. نتایج نشان داد که منطقه موردمطالعه تا پایان سال 1997 تحت تأثیر ترسالی های شدید بوده و از اواخر دهه 1990، خشک سالی ها با شدت و تداوم بیشتری رخ داده اند. در این بازه شدیدترین خشک سالی با مقدار SPEI 4/4- در سال 2009 در چابهار و مرطوب ترین وضعیت با شاخص 5/2 در سال 1996 در انار ثبت گردیده است. همچنین ایستگاه بم با ثبت وخیم ترین شدت خشک سالی (48/1-)، خاش بیش ترین فراوانی (75/18 درصد) و بافت، جزیره قشم و بم با بیشترین مقادیر شاخص بزرگی خشک سالی (به ترتیب 06/12-، 65/11- و 35/11-)، بحرانی ترین وضعیت را در محدوده پژوهشی داشتند. نتایج آزمون ITA نیز بیانگر شیب مثبت و روند افزایشی معنی دار دما در تابستان و کاهشی معنی دار بارش در دوره سرد سال بود؛ این تغییرات به وضوح در روند نزولی SPEI در طبقات مرطوب شاخص مشاهده گردید که بیانگر آسیب پذیری وضعیت آبی منطقه در برابر تغییرات اقلیمی اخیر است.

در مطالعات تغییر اقلیم، مقیاس کاهی و تبدیل داده های مدل های گردش کلی (GCMs) از سلول های بزرگ مقیاس به واحدهای کوچک تر و یا نقطه ای بسیار حائز اهمیت است. در این پژوهش روشی برای مقیاس کاهی داده های بزرگ مقیاس دمای ماهانه مدل های گردش کلی CMIP6 ارائه گردیده است که در آن، از رابطه بین دمای هوای استان یزد با دمای سطح زمین (LST) به عنوان یکی از محصولات تصاویر سنجنده مودیس استفاده گردید تا داده های دمایی سه مدل گردش کلی TaiESM1، ACCESS-CM2 و CanESM5 با دقت های مکانی 105*118 کیلومترمربع، 138*175 کیلومترمربع و 310*270 کیلومترمربع را به نقشه های دمای ماهانه استان یزد با دقت مکانی 1*1 کیلومترمربع بهبود دهد. نتایج حاصله نشان داد که روش پیشنهادی برای مقیاس کاهی دما، کارآیی مناسب تری نسبت به روش های پیشین نظیر روش دلتا داشته و در مدل های مختلف گردش کلی با دقت های مکانی مختلف دارای کارایی های متفاوتی بوده است؛ به طوری که دقت این روش در مدل Can-ESM5 نسبت به مدل های Access-CM2 و Tai-ESM2 بیشتر بود. در ادامه، اقدام به شبیه سازی میانگین دمای ماهانه و سالانه استان یزد به کمک مدل های TaiESM1، ACCESS-CM2 و CanESM5 تحت سه سناریوی SSP1-2.6، SSP2-4.5 و SSP5-8.5 در دهه های آتی (2100-2015 میلادی) شد. بر اساس نتایج به دست آمده از محدوده مطالعاتی استان یزد، میانگین دمای سالانه دهه های آتی استان یزد دارای روند افزایشی بوده و این مدل ها افزایش دمای 15 تا 35 درصد (میانگین 22 درصد) نسبت به دوره پایه را پیش نگری می کند. در بین سه مدل گردش کلی مذکور، بیشترین افزایش دما توسط CanESM5 پیش نگری شده و در بین سه سناریوی SSP بیشترین افزایش دما توسط سناریوی SSP5-8.5 پیش نگری شده است.