Using remote sensing data and nonlinear methods for hazard analysis of the Middle East aerosols

Document Type : Technical note

Authors

1 Associate Professor, Department of Geology, Payam Noor University, Qazvin, Iran

2 MSc of Mining Engineering (Exploration), Imam Khomeini International University, Qazvin, Iran

Abstract

Aerosols are among the most important of atmospheric pollutants and they are observed  like the microscopic particulate matter (solid and liquid) in the lower parts of the troposphere. From environmental standpoint, have priority the investigation of hazards due to aerosols distribution and predict the movement mechanism of them and will be studied with an emphasis on the Middle East. The main purpose of this study was introduce the new method based on remote sensing results and analysis of fractal statistics until in addition to investigate the origin of aerosols, make survey the movement mechanism and pattern of their distribution in large areas of North Africa and the Middle East. The research results indicate that the pattern of aerosols distribution in Middle East is followed from non-linear patterns with chaotic specifications. To prove it, is used from MODIS sensor Images belongs to America's space agency [NASA] until the needed photo-maps are produced that consists of aerosols optical thickness (AOT), changes in nitrogen dioxide (NO2) and carbon monoxide (CO). Spatial analysis of data and seasonal - annual compare of them with together, is represent a exponential relative relationship in aerosols dispersion pattern. So with use of variance-distance equation ( Mark and Aronson (1984)), besides demonstrating the relationship between atmospheric pollutants Iran, Iraq and Saudi Arabia with climatic changes in North Africa, two climatic regime of hot and cold, were compared according to the energy content and chemical composition of different seasons. In practice, bodieds of aerosols and industrial pollutants of area is functional of seasonal changes and chaotic behavior of them in the cool months is greater than the warm months. Therefore, the environmental hazards of winter regimes is more than of summer regimes. Also, changes the fractal dimension (especially at the brownian distribution level of optical thickness), the possibility of check the remote sensing criteria has provided on the based of  the fractal geometry principles,whereby, has been introduced the  new approach to predict the cumulative behavior and movement pattern of aerosols in Middle East .
 
 
 
 

Keywords

References

 
]1[. رضایی، خلیل؛ ایرانمنش، سارا (1392). تحلیلی بر رفتار رسوب‌شناسی ریزگردها. همایش تخصصی ریزگردها، اثرات و راهکارهای مقابله با آن، تهران: سازمان زمین‌شناسی و اکتشافات معدنی کشور.
]2[. سلیمانی، آرزو؛ محمدعسگری، حسین؛ دادالهی سهراب، علی؛ علمی‌زاده، هیوا؛ خزاعی، سید حسین (1394). ارزیابی عمق اپتیکی حاصل از تصاویر ماهوارۀ MODIS در خلیج فارس، مجلۀ علوم و فنون دریایی، دورۀ 14، شمارۀ 4، زمستان 1394: 83-75.
]3[. کرمانی، مجید؛ طاهریان، الهام؛ ایزانلو، مریم (1395). تحلیل تصاویر ماهواره‌ای ریزگردها و طوفان‌های گرد‌و‌غباری در ایران به‌منظور بررسی منشأهای داخلی و خارجی و روش‌های کنترل آنها، مجلۀ ره‌آورد سلامت. دورۀ 2، شمارۀ 1، بهار 1395: 51-39.
]4[. محمدی‌زاده، مریم؛ آقابابایی، حمید؛ اخضری، اسرین (1391). توزیع فرکتال و کاربرد آن در ارزیابی و اکتشاف ذخایر معدنی، سی‌و‌یکمین همایش علوم زمین، سازمان زمین‌شناسی و اکتشافات معدنی کشور، تهران.
]5[. ملکی، سعید؛ مودت، الیاس (1392). بررسی منشأ ریزگردها و تأثیر آن بر آسایش جسمی و روحی انسان، همایش تخصصی ریزگردها، اثرات و راهکارهای مقابله با آن، تهران: سازمان زمین‌شناسی و اکتشافات معدنی کشور.
]6[. منصور، غیاث‌الدین (1385). آلودگی هوا: منابع، اثرات و کنترل، تهران: انتشارات دانشگاه تهران.

]7[. مهرنیا، سید رضا (1394). تحلیل فرکتالی توزیع ریزگردها و آلاینده‌های جوی در خاورمیانه، دومین کنگرۀ بین‌المللی تخصصی علوم زمین، سازمان زمین‌شناسی و اکتشافات معدنی: 189-185.

]8[. ندافی، کاظم (1392). آلودگی هوا، منشأ و کنترل آن، تهران: مؤسسة علمی و فرهنگی نص.
 [9]. Kaufman, Y.J., Tanre, D., Remer, L.A., Vermote, E.F., Chu, A. & Holben, B.N. (1997). Operational remote  sensing  of  tropospheric  aerosol  over  land from  EOS  moderate  resolution  imaging  spectroradiometer. Journal Of Geophysical  Research,  Vol. 102,  No. D14,  Pages  17051-17067. DOI: 10.1029/96JD03988.  
[10]. Kaufman, Y.J., Tanre, D.,  Gordon, H.R.,  Nakajima,T., Lenoble, J., Frouins, R.,  Grassl, H., Herman, B.M., King, M.D.  &  Teillet, P.M. (1997). Passive  remote  sensing  of  tropospheric  aerosol  and  atmospheric correction  for  the  aerosol  effect. Journal Of Geophysical  Research,  Vol.  102,  No.  D14,  Pages  16815-16830. DOI: 10.1029/97JD01496.
[11]. Kutiel. H. & Furman. H. (2003). Dust Storms in the Middle East: Sources of Origin and their Temporal Characteristics Indoor Built Environ. Vol. 12, pp 419-426. DOI: 10.1177/1420326X03037110.
[12]. Mandelbrot,  B.  (2002).  The  Fractal  Geometry of Nature:  21st Printing,  W.  H. Freeman  and Company, New York, 468pp. ISBN-13: 978-0910321648.
[13]. Mark, D. & Aronson, P. (1984). Scale-dependent fractal dimension of topographic surfaces: An empirical investigation, with application in geomorphology and computer mapping. Mathematical Geology, Vol.16, No. 7, 671-683. DOI:10.1007/BF01033029.
 
[14]. Tegen, I. & Schepanski, K.. (2009). The global distribution of mineral dust. IOP Conference  Series,  Earth  and  Environmental  Science, 7: 012001, 6 pp., DOI:10.1088/1755-1307/7/1/012001.
[15]. Teymoorian, A., E. Ardestani, V., & Mehnria, R. (2012). Fractal method for determining the density of stone tablet in Charak region, South of Iran. Life Science Journal, Vol.9, No.4, 1913-1923. (ISSN:1097-8135). DOI:10.7537/marslsj090412.290.
[16]. Thorarinsson, F. &  Magnusson, G. (1990). Bouguer density determination by fractal analysis, Geophysics. Vol. 55, No. 7, 932- 935. DOI: 10.1190/1.1442909.
[17]. Turcotte, D. (1997). Fractals and Chaos in geology and geophysics. 2nd edition, Cambridge University Press., 398pp. ISBN: 9780521567336.
[18]. Wang, Z., Chen, L., Tao, J., Zhang, Y. & Su, L. (2010). Satellite-based stimation of regional particulate  matter  (PM)  in  Beijing  using vertical-and-RH  correcting  method.  Remote Sensing of Environment, 114, 50–63. DOI:10.1016/j.rse.2009.08.009.
[19]. Wang,  J.  &  Sundar,  C.A.  (2003). Intercomparison  between  satellite-derived aerosol  optical  thickness  and  PM2.5  mass: Implications  for  air  quality  studies. Geophysical Research Letters, Vol. 30, No.21, 2095, 4-1 – 4-4. DOI:10.1029/2003GL018174.
[20]. http://neo.sci.gsfc.nasa.gov.
 
Databases:
-          HTTP://NEO.SCI.GSFC.NASA.GOV, 2015, TERRA / MODIS, Vegetation Index (VI) Maps.
-          HTTP://NEO.SCI.GSFC.NASA.GOV, 2014, AQUA /MODIS, Aerosol Optical Thickness (AOT) Maps.
-          HTTP://NEO.SCI.GSFC.NASA.GOV, 2014, AQUA / MODIS, NO2 & CO Concentration Maps.
Environmental Management Hazards
Volume 3, Issue 2
July 2016
Pages 95-108

Files

Share

How to cite

Statistics