دوره 25، شماره 77 - ( 4-1404 )
جلد 25 شماره 77 صفحات 0دوره0فصل__Se |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Vatanparast Galeh Juq F, Salahi B, Zeinali B. (2025). Investigating the role of the Maden-Julian Oscillation (MJO) on the frequency of dust storms in selected stations of Khuzestan province and tracking the paths of dust entering it. jgs. 25(77), doi:10.61186/jgs.25.77.18
URL: http://jgs.khu.ac.ir/article-1-4219-fa.html
URL: http://jgs.khu.ac.ir/article-1-4219-fa.html
وطن‌پرست قلعه‌جوق فاطمه، صلاحی برومند، زینالی بتول. بررسی نقش نوسان مادن– جولیان (MJO) بر فراوانی رخداد توفان‌های گرد و غبار در ایستگاه‌های منتخب استان خوزستان و ردیابی مسیرهای ورود گرد و غبار به آن تحقیقات کاربردی علوم جغرافیایی 1404; 25 (77) 10.61186/jgs.25.77.18
1- دانشگاه محقق اردبیلی، : اردبیل، دانشگاه محقق اردبیلی، دانشکده علوم اجتماعی، گروه جغرافیای طبیعی
2- دانشگاه محقق اردبیلی، : اردبیل، دانشگاه محقق اردبیلی، دانشکده علوم اجتماعی، گروه جغرافیای طبیعی ،bromand416@yahoo.com
2- دانشگاه محقق اردبیلی، : اردبیل، دانشگاه محقق اردبیلی، دانشکده علوم اجتماعی، گروه جغرافیای طبیعی ،
چکیده: (8015 مشاهده)
در این پژوهش اثر دو شاخص OMI و RMM نوسان مادن جولیان بر فراوانی رخداد توفان‌های گرد و غبار ایستگاه‌های آبادان، اهواز، بستان، بندر ماهشهر، دزفول، رامهرمز و مسجدسلیمان واقع در استان خوزستان طی شش ماه (آوریل تا سپتامبر) دوره آماری (۲۰۲۱- ۱۹۸۷) بررسی شد. ضرایب همبستگی پیرسون بین داده‌های گرد و غبار و شاخص‌ها بررسی و نتایج آن به‌صورت نقشه‌های پهنه‌بندی درآمد و درصد فراوانی هر یک از شاخص‌ها برای فازهای مثبت و منفی شمارش و محاسبه شد. نتایج پژوهش حاکی از وجود ارتباط مستقیم و معنی‌دار بین فازهای مثبت و منفی هر دو شاخص با گرد و غبار به‌جز ایستگاه دزفول در فاز مثبت OMI و فاز منفی RMM است و بیشترین میزان ضریب همبستگی مربوط به ایستگاه بندر ماهشهر و دزفول بین ۷۷/۰ – ۷۲/۰ در فاز مثبت شاخص RMM است. ارتباط بین نوسان مادن جولیان با گرد و غبار نشان داد بین ۵۱ تا ۵۹ درصد توفان‌های گردوغبار در فاز منفی شاخص OMI و ۴۰ تا ۴۹ درصد نیز در فاز مثبت آن اتفاق افتاده است. در شاخص RMM نیز ۵۶ تا ۶۳ درصد رخداد توفان‌های گرد و غبار مربوط به فاز منفی آن و ۳۷ تا ۵۰ درصد نیز در فاز مثبت آن مشاهده‌شده است. درواقع فاز منفی شاخص RMM، درصد بیشتری از رخداد توفان‌های گرد و غباری را نسبت به فاز منفی شاخص OMI به خود اختصاص داده است. طبق نتایج آزمون مونت‌کارلو جابجایی فازهای مثبت و منفی شاخص RMM، به‌گونه‌ای معنی‌دار رخداد توفان‌های گرد و غبار را برای بیشتر ایستگاه‌های استان خوزستان در پی دارد. رهگیری مسیرهای ورود گرد و غبار به استان خوزستان با مدل HYSPLIT نشانگر حرکت ذرات از عراق، عربستان و قسمت‌های شرقی سوریه به سمت محدوده موردپژوهش است.
نوع مطالعه: پژوهشي |
موضوع مقاله:
اب و هواشناسی
فهرست منابع
1. انصاری قوجقار، محمد؛ پور غلام آمیجی، مسعود؛ عراقی نژاد، شهاب؛ بابائیان، ایمان؛ لیاقت عبدالمجید؛ سلاجقه، علی. (۱۴۰۰). تأثیر فاز گرم پدیده ENSO بر شکل‌گیری طوفان‌های گرد و غبار در استان‌های خوزستان و سیستان و بلوچستان، مرتع و آبخیزداری، مجله منابع طبیعی ایران، ۴۷(۲): ۲۷۱-۲۵۷.
2. انصاری، امیر؛ جمشیدی، رضا. (۱۳۹۷). شناسایی چشمه‌ها و ردیابی مسیرهای ورود توفان‌های گرد و غبار از منابع داخلی به کلان‌شهر اراک با استفاده از مدل HYSPLIT، فصلنامه علوم محیطی، ۱۶(۱): ۱۱۰-۱۰۱.
3. انصافی مقدم، طاهره. (۱۳۹۸). بررسی شاخص عمق اپتیکی آئروسل (AOD) در رویدادهای گرد و غبار در جنوب غربی ایران، مجله طبیعت ایران، ۵(۶): ۶۶-۵۵.
4. جاویدنیا، مرتضی. «واکاوی رابطه بین توفان‌های گرد و غبار با شاخص‌های پیوند از دور در استان کرمان»، پایان‌نامه کارشناسی ارشد آب و هواشناسی محیطی، دانشکده پردیس علوم انسانی و اجتماعی دانشگاه یزد، ۱۳۹۹.
5. حجازی‌زاده، زهرا؛ طولابی نژاد، میثم؛ زارعی چقابلکی، زهرا؛ امرایی، بهزاد. (۱۳۹۷). پایش طوفان گرد و غبار در نیمه غربی ایران: مطالعه موردی طوفان گرد و غبار ۱۶ تا ۱۹ ژوئن ۲۰۱۵، نشریه تحلیل فضایی مخاطرات محیطی، ۵(۴): ۱۲۴-۱۰۷.
6. دارند، محمد. (۱۳۹۳). پایش خشک‌سالی ایران به کمک شاخص شدت خشک‌سالی پالمر و ارتباط آن با الگوهای پیوند از دور جوی- اقیانوسی، فصلنامه تحقیقات جغرافیایی، ۲۶(۴): ۸۲-۶۷.
7. دانیالی، محمد؛ محمد نژاد، بایرامعلی؛ کریمی، نعمت‌الله. (۱۳۹۷). تحلیل مکانی گرد و غبار استان خوزستان به کمک تصاویر ماهواره‌ای، مجله سنجش از دور و سامانه اطلاعات جغرافیایی، ۹(۱): ۷۲-۵۸.
8. رزقی جهرمی، زهرا؛ نصر اصفهانی، محمدعلی؛ محمدی، جهانگرد؛ قاسمی، احمدرضا. (۱۳۹۸). بررسی میزان تأثیر فازهای پدیده نوسان مادن جولیان بر بارش و رواناب سه رودخانه مهم استان فارس، مجله پژوهش آب ایران، ۱۳(۱): ۹۰-۷۹.
9. رضوی‌زاده، سمانه؛ عباسی، حمیدرضا؛ درگاهیان، فاطمه (۱۴۰۰). بررسی پدیده گرد و غبار در استان گلستان، با تأکید بر شاخص عمق اپتیکی و سمت و سرعت باد، ۱۵(۵۳): ۶۷-۵۸.
10. رنگزن، کاظم؛ زراسوندی، علیرضا؛ عبدالخانی، علی؛ مجردی، برات (۱۳۹۳). مدل‌سازی آلودگی هوا با استفاده از تصاویر سنجنده مودیس: مطالعه موردی توده‌های گرد و غبار استان خوزستان، مجله زمین‌شناسی کاربردی پیشرفته، ۱۴: ۴۵-۳۸.
11. زینالی، بتول. «شناسایی و پایش توفان‌های شاخص گردوغباری ایران با استفاده از سنجنده‌های MODIS و AVHRR»، رساله دکتری آب و هواشناسی، دانشکده جغرافیا دانشگاه تبریز، ۱۳۹۲.
12. سبزی‌پرور، علی‌اکبر؛ نادری مقدم، فرزاد. (۱۳۹۲). اثر نوسان مادن- جولیان (MJO) بر تغییرات تبخیر و تعرق مرجع در مناطق جنوبی ایران، نشریه هواشناسی کشاورزی، ۲(۱): ۴۴-۳۲.
13. سیدنژاد گل ختمی، نفیسه؛ بذرافشان، جواد؛ نازی قمشلو، نازی؛ ایران‌نژاد، پرویز. (۱۳۹۸). تحلیل مکانی احتمال رخداد بارش در ایران در فازهای مختلف سیگنال اقلیمی مادن- جولیان، نشریه هواشناسی و علوم جو، ۲(۳): ۲۰۱-۱۹۲.
14. عالم‌زاده، شاهین؛ احمدی گیوی، فرهنگ؛ محب الحجه، علیرضا، نصر اصفهانی، محمدعلی. (۱۳۹۲). تحلیل دینامیکی - آماری اثر متقابل نوسان اطلس شمالی (NAO) و نوسان مدن- جولیان (MJO)، مجله ژئوفیزیک ایران، ۷(۴): ۸۰-۶۴.
15. عالی‌پور، ابراهیم. «تحلیل اثر الگوهای پیوند از دور بر تغییرات زمانی- مکانی فراوانی توفان‌های گرد و غبار در ایران»، پایان‌نامه کارشناسی ارشد اقلیم‌شناسی، دانشگاه تربیت مدرس- پژوهشکده اقلیم‌شناسی تهران، ۱۳۹۵.
16. عراقی‌زاده، محسن؛ مسعودیان، سید ابوالفضل (۱۴۰۰). تحلیل اقلیمی و بررسی طوفان‌های گرد و غبار در خراسان رضوی، مجله پژوهش‌های جغرافیای طبیعی، ۵(۳): ۳۱۸-۳۰۵.
17. علیزاده، طوبی؛ رضایی بنفشه، مجید؛ شریفی، رحمان. (۱۴۰۰). ردیابی و شبیه‌سازی طوفان گرد و غبار در سطوح مختلف جو کرمانشاه با استفاده از مدل HYSPLIT و WRF-chem مطالعه موردی: طوفان گرد و غبار ۲۶ تا ۲۸ اکتبر ۲۰۱۸، مجله مطالعات علوم محیط‌زیست، ۶(۴): ۴۲۷۹-۴۲۶۶.
18. غیاث، مجید. (۱۳۹۳). مقدمه‌ای بر روش شبیه‌سازی مونت‌کارلو، فصلنامه علمی- ترویجی، ۴(۱): ۷۷-۶۷.
19. فرج زاده، منوچهر؛ کریمی، نعمت‌الله. (۱۳۹۲). مبانی هواشناسی ماهواره‌ای. تهران: انتشارات سمت. چاپ اول.
20. فطرس، شیما؛ مشکوتی، امیرحسین؛ کمالی، غلامعلی؛ صداقت کردار، عبدالله. (۱۳۹۸). بررسی نقش نوسان‌های اطلس شمالی و مدن-جولین بر آلودگی هوای کلان‌شهر تهران، نشریه هواشناسی و علوم جو، ۲(۲): ۱۱۳-۹۳.
21. فلاح ززولی، محمد؛ وفایی نژاد، علیرضا؛ خیرخواه زرکش، میر مسعود، احمدی دهکاء، فریبرز. (۱۳۹۳). پایش و تحلیل سینوپتیکی پدیده گرد و غبار با استفاده از سنجش از دور و GIS (مطالعه موردی: گرد و غبار ۱۸ ژوئن ۲۰۱۲)، مجله اطلاعات جغرافیایی سپهر، ۲۳(۹۱): ۸۰-۶۹.
22. قائد امینی اسدآبادی، حبیب اله؛ ناظم السادات، سید محمدجعفر. (۱۳۹۱). ارزیابی نشان پدیده نوسان‌های مادن- جولیان بر رخداد بارش‌های روزانه استان‌های سیستان و بلوچستان و فارس، نشریه آب و خاک (علوم و صنایع کشاورزی)، ۲۶(۶): ۱۳۸۳-۱۳۷۲.
23. قائد امینی، حبیب اله؛ گلکار، فروغ. (۱۳۹۰). ارزیابی تأثیر پدیده مادن جولیان (MJO) بر رخداد دوران خشک و تر استان خوزستان، مجله فیزیک زمین و فضا، ۳۷(۳): ۲۵۳-۲۴۱.
24. محمدی، فهیمه؛ کمالی، سمیه؛ اسکندری، مریم. (1394). ردیابی منابع گردوغبار در سطوح مختلف جوّ تهران با استفاده از مدل HYSPLIT، جغرافیا و مخاطرات محیطی، (16)4: 54-39.
25. محمودی، پیمان؛ علیجانی، بهلول؛ مسعودیان، سید ابوالفضل، خسروی، محمود. (۱۳۹۴). رابطه بین الگوهای پیوند از دور و یخبندان‌های فراگیر ایران، مجله جغرافیا و توسعه، ۴۰: ۱۹۴-۱۷۵.
26. یارمرادی، زهرا؛ نصیری، بهروز؛ محمدی، غلام حسن؛ کرمپور، مصطفی. (1398). بررسی و تحلیل جامع رخداد توفان‌های گرد و غبار شدید در نیمه شرقی ایران با استفاده از مدل‌های عددی، تصاویر ماهواره‌ای و داده‌های مشاهداتی، کاوش‌های جغرافیایی مناطق بیابانی، (2)7: 24-1.
27. Attiya, A., Brian, G., (2020), Assessment of mineralogical and chemical properties of airborne dust in Iraq, SN Applied Sciences, 2: 1-21, DOI.org/10.1007/s42452-020-03326-5 [DOI:10.1007/s42452-020-03326-5]
28. Bao, Ch., YongCholaw Bueh, M., Bao, Y., Jin, E., Bao Y., Purevjav, G., (2022), Analyses of the Dust Storm Sources, Affected Areas, and Moving Paths in Mongolia and China in Early Spring, Natural Disaster Risk Assessment and Management Using Remote Sensing Techniques, 3661(14): 1-17, [DOI:10.3390/rs14153661]
29. Bond, N., A. Vecchi, G., (2003), The influence of the Madden-Julian Oscillation on precipitation in Oregon and Washington, Weather And Forecasting, 18: 600-613, https://doi.org/10.1175/1520-0434(2003)018<0600:TIOTMO>2.0.CO;2 [DOI:10.1175/1520-0434(2003)0182.0.CO;2]
30. Draxler, R., Hess, G. D., (1998), An overview of the HYSPLIT modelling system for trajectories, Journal of Australian Meteorological Magazine, 47(4): 246-270.
31. Draxler, R., Stunder, B., Rolph, G., Stein, A., Taylor, A., (2009), HYSPLIT4 user's guide,Version 4.9, 1-231.
32. Goudie, A. S., Middleton, N. J., (2006), Desert Dust in the Global System, Springer,1-287.
33. Griffin, D. W., (2007), Atmospheric movement of microorganisms in clouds of desert dust and implications for human health, Clinical microbiology
reviews, 20: 459-477, DOI: 10.1128/CMR.00039-06. [DOI:10.1128/CMR.00039-06 PMid:17630335 PMCid:PMC1932751]
34. Guo, Y., Tian, B., Kahn, R. A., Kalashnikova, O., Wong, S., Waliser, D. E., (2013), Tropical Atlantic dust and smoke aerosol variations related to the
35. Madden-Julian Oscillation in MODIS and MISR observations, JOURNAL OF GEOPHYSICAL RESEARCH: ATMOSPHERES, 118: 4947-4963, DOI:10.1002/jgrd.50409, 2013. [DOI:10.1002/jgrd.50409]
36. http://dust.aemet.es/forecast//
37. https://ladsweb.modaps.eosdis.nasa.gov
38. Kiladis, G. N., Dias, J., Straub, K. H., Wheeler, M. C., Tulich, S. N., Klaus M. Weickmann, K. K., Ventrice, M. J., (2014), A Comparison of OLR and Circulation-Based Indices for Tracking the MJO, Monthly Weather Review, 142: 1697 - 1715, [DOI:10.1175/MWR-D-13-00301.1]
39. Kruskal, W. H., Wallis, W.A., (1952), Use of ranks in one-criterion variance analysis, Journal of the American statistical Association, 47(260): 583-621, [DOI:10.1080/01621459.1952.10483441]
40. Kurosaki, Y., Mikami, M., (2003), Recent Frequent Dust Events and Their Relation [DOI:10.1029/2003GL017261]
41. to Surface Wind in East Asia, Geophys, 30: 17-36, DOI.org/10.1029/2003GL017261.
42. Li, J., Garshick, E., Huang Sh., Koutrakis, P., (2021), Impacts of El Niño-Southern Oscillation on surface dust levels across the world during 1982-2019, Science of The Total Environment, 769: 144566, [DOI:10.1016/j.scitotenv.2020.144566] [PMID] []
43. McTanish, G. H., Pitblado, J. R., (1987), Dust Storm and related phenomena measured from meteorological records in Australia, Earth Surf Prcess Landforms, 12: 415-424, [DOI:10.1002/esp.3290120407]
44. Mei, D., Xiushan, L., Lin, S., Ping, W., (2008), A Dust-Storm Process Dynamic Monitoring With Multi-Temporal MODIS Data, The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XXXVII(B7Ñ(: 965-970.
45. Metropolis, N., Ulam, S., (1949), The monte carlo method, Journal of the American statistical Association, 44(247): 335-341, https://www.jstor.org/. [DOI:10.1080/01621459.1949.10483310] [PMID]
46. Miller, R. L., Tegen, I., Perlwitz, J., (2004), Surface radiative forcing by soil dust aerosols and the hydrologic cycle, Journal of Geophysical Research: Atmospheres, 109(D4), [DOI:10.1029/2003JD004085]
47. Pai, D. S., Bhate, J., Sreejith, O. P., Hatwar, H. R., (2011), Impact of MJO on the intraseasonal variation of summer monsoon rainfall over India, Climate Dynamics, 36(1): 41-55, [DOI:10.1007/s00382-009-0634-4]
48. Pudmenzky, Ch., Stone R., Butler, H., (2011), El Niño-Southern Oscillation influence on the dust storm activity in Australia: Can the past provide an insight into the futureUniversity of Southern Queensland, Australia,14(3): 993-1007,DOI.org/10.1111/php.13745.
49. Ragsdale, K. M., Barrett, B. S., Testino, A. P., (2013), Variability of particulate matter (PM 10) in Santiago, Chile by phase of the MaddeneJulian Oscillation (MJO), Atmospheric Environment, 81: 304- 310, [DOI:10.1016/j.atmosenv.2013.09.011]
50. Sean, J. F., Bradford. S. B., (2011), Projecting the Madden-Julian oscillation to air quality in Santiago. Chile. Oceanography department, United State Nora
51. academy Annapolis, MD, DOI.org/10.1029/2021EA001708.
52. Shan, W., Yin, Y., Lu, H., Liang, S., (2009), A meteorological analysis of ozone episodes using HYSPLIT model and surface data, Atmospheric Research, 93: 767- 776, [DOI:10.1016/j.atmosres.2009.03.007]
53. Sun, J.H., Zhao, L.N., Zhao, S.X., (2003), An Integrated Modeling System of Dust
54. Storm Suitable to North China and Applications, Clim Environ, 8:125-142, DOI:10.3878/j.issn.1006-9585.2003.02.01.
55. Tagreed, A., Qadi, A., Muslih Kh.D., Shiltagh, A. G., (2021), Analysis of Correlation and Coupling between El Niño-Southern Oscillation and Dust Storms in Iraq from 1971 to 2016, Iraqi Geological Journal, 54(1E), [DOI:10.46717/igj.54.1E.9Ms-2021-05-30]
56. Wheeler, M., Hendon, H., (2004), An all- season real-time multivariate MJO index, Development of an index for monitoring and prediction, Monthly Weather Review, 132(8): 1917-1932, https://doi.org/10.1175/1520-0493(2004)132<1917:AARMMI>2.0.CO;2 [DOI:10.1175/1520-0493(2004)1322.0.CO;2]
57. www.bom.gov.au/climate/mjo/
58. Yang, Y., Zeng, L., Wang, H., Wang, P., Liao, H., (2022), Dust pollution in China affected by different spatial and temporal types of El Niño, Atmos. Chem. Phys, 22: 14489-14502. [DOI:10.5194/acp-22-14489-2022]
59. Yu Y., Ginoux, P., (2021), Assessing the contribution of the ENSO and MJO to Australian dust activity based on satellite- and ground-based observations, Atmos. Chem. Phys, 21: 8511-8530, [DOI:10.5194/acp-21-8511-2021]
60. Alemzadeh, Sh., Ahmadi-Givi, F., Mohebalhojeh, A., Nasr-Esfahani, M. A., (2013), Statistical-dynamical analysis of the mutual effects of NAO and MJO, Journal Of Iran Geophysics, 7(4): 64-80, DOI. 20.1001.1.20080336.1392.7.4.5.5.
61. Alipoor, E., »The analysis of teleconnection patterns effect on spatiotemporal variation frequency of dust storms in Iran«, Master's thesis in Climatology, Tarbiat Modares University - Tehran Climatology Research Institute, 2015.
62. Alizadeh, T., Rezaei Banafsheh, M., Sharifi, R., (2022), Detection and simulation of dust storm in different levels of Kermanshah atmosphere using HYSPLIT and WRF-chem Models Case Study: Dust Storm October 26-28, 2018, Journal of Environmental science studies, 6(4): 4266-4279.
63. Ansari Ghojghar, M., Pourgholam-Amiji, M., Araghinejad, Sh., Babaeian, I., Liaghat, A.
64. Ansari, A., Jamshidi, R., (2018), Identification of sources and tracking dust storm routes from domestic sources entering Arak metropolitan area using HYSPLIT model, Environmental Sciences, 16(1): 101-11.
65. Araghizade, M., Seyed Abolfazl Masoodian, S. A., (2021), Climate analysis and study of dust storms in Khorasan Razavi, Journal of natural geography research, 3(5): 305-318, DOI. 10.22059/JPHGR.2021.301969.1007515.
66. Attiya, A., Brian, G., (2020), Assessment of mineralogical and chemical properties of airborne dust in Iraq, SN Applied Sciences, 2: 1-21, DOI.org/10.1007/s42452-020-03326-5 [DOI:10.1007/s42452-020-03326-5]
67. Bao, Ch., YongCholaw Bueh, M., Bao, Y., Jin, E., Bao Y., Purevjav, G., (2022), Analyses of the Dust Storm Sources, Affected Areas, and Moving Paths in Mongolia and China in Early Spring, Natural Disaster Risk Assessment and Management Using Remote Sensing Techniques, 3661(14): 1-17, DOI.org/10.3390/rs14153661. [DOI:10.3390/rs14153661]
68. Bond, N., A. Vecchi, G., (2003), The influence of the Madden-Julian Oscillation on precipitation in Oregon and Washington, Weather And Forecasting, 18: 600-613, https://doi.org/10.1175/1520-0434(2003)018<0600:TIOTMO>2.0.CO;2 [DOI:10.1175/1520-0434(2003)0182.0.CO;2]
69. Daniali, M., Mohamadnezhad, B., Karimi, N., (2018), Spatial analysis of dust in Khuzestan province using satellite imagery, RS & GIS for Natural Resources, 9(1): http://girs.iaubushehr.ac.ir.
70. Darand M. (2015), Drought Monitoring in Iran by Palmer Severity Drought Index (PDSI) and Correlation with Oceanic Atmospheric Teleconnection Patterns. GeoRes, Journal of Geographical Research, 29(4): 67-82, http://georesearch.ir/article-1-324-fa.html.
71. Draxler, R., Hess, G. D., (1998), An overview of the HYSPLIT modelling system for trajectories, Journal of Australian Meteorological Magazine, 47(4): 246-270.
72. Draxler, R., Stunder, B., Rolph, G., Stein, A., Taylor, A., (2009), HYSPLIT4 user's guide,Version 4.9, 1-231.
73. Ensafi moghaddam, T., (2021), Investigation of Aerosol Optical Depth Index (AOD) in dust events over southwestern of Iran, Journal of Iran nature, 5(6): 55-67, DOI. 10.22092/IRN.2021.123361.
74. Fallah Zazuli, M., Alireza Vafaeinezhad, A. R., Kheirkhah Zarkesh, M. M., Ahmadi Dehka, F., (2013), Monitoring and SynopticAnalysis ofDust Haze Phenomenon using Remote Sensing and GIS (Case study: June 18, 2012 Dust haze), Journal of of geographical information of Sepehr, 23(91): 69-80, DOI. 10.22131/SEPEHR.2014.12863.
75. Farajzadeh, Manouchehr; Karimi, Nematullah. (1392). Basics of satellite meteorology. Tehran: Samit Publications. First Edition.
76. Fotros, Sh., Meshkatee, A.H., Kamali,Gh. A., Sedaghatkerdar, A., (2019), The effect of NAO and MJO on Tehran metropolitan air pollution, Journal of Meteorology and Atmospheric Sciences, 2(2): 93-113, http://creativecommons.org/licenses/by/4.0/.
77. Ghaedamini, H., Golkar, F., (2010), Evaluation of the effects of the Madden Julian Oscillation on the occurrence of dry and wet periods in Khouzestan Province, Journal of Earth and Space Physics, 37(3): 241-253, DOI. 20.1001.1.2538371.1390.37.3.17.2.
78. Ghaedamini, H., Nazemosadat, S.M.J., (2013), Evaluation of the Effects of Madden Julian Oscillation on the Frequency of Daily Precipitation in Sistan Balouchestan and Fras Provinces, Journal of Water and Soil, 26(6): 1372-1383.
79. Ghiass, M., (2013), An Introduction to the Monte Carlo Simulation Methods, Scientific-Promotional Quarterly, 4(1): 67-77, DOI. 10.22063/BASPARESH.2014.1062.
80. Goudie, A. S., Middleton, N. J., (2006), Desert Dust in the Global System, Springer,
81. Griffin, D. W., (2007), Atmospheric movement of microorganisms in clouds
82. of desert dust and implications for human health, Clinical microbiology
83. reviews, 20: 459-477, [DOI:10.1128/CMR.00039-06PMid:17630335 PMCid:PMC1932751]
84. Guo, Y., Tian, B., Kahn, R. A., Kalashnikova, O., Wong, S., Waliser, D. E., (2013), Tropical Atlantic dust and smoke aerosol variations related to the
85. Madden-Julian Oscillation in MODIS and MISR observations, JOURNAL OF GEOPHYSICAL RESEARCH: ATMOSPHERES, 118: 4947-4963, DOI:10.1002/jgrd.50409, 2013. [DOI:10.1002/jgrd.50409]
86. Hejazizadeh, Z., Tulabinejad, M., Zarei Chaghabaki, Z., Omrai, B., (2018), Dust storm monitoring in the western half of Iran: a case study of the dust storm of June 16-19, 2015, Journal of Spatial Analysis of Environmental Hazards, 5(4): 107-124.
87. http://dust.aemet.es/forecast//
88. https://ladsweb.modaps.eosdis.nasa.gov
89. Javidniya, M., (2020), »Investigation of Relationship Between Dust Storms and Teleconnection Indices in the Kerman Province«, Thesis submitted For the degree of Master of Science, Humanities and Social Sciences Campus, Yazd University.
90. Kiladis, G. N., Dias, J., Straub, K. H., Wheeler, M. C., Tulich, S. N., Klaus M. Weickmann, K. K., Ventrice, M. J., (2014), A Comparison of OLR and Circulation-Based Indices for Tracking the MJO, Monthly Weather Review, 142: 1697 - 1715, [DOI:10.1175/MWR-D-13-00301.1]
91. Kruskal, W. H., Wallis, W.A., (1952), Use of ranks in one-criterion variance analysis, Journal of the American statistical Association, 47(260): 583-621, [DOI:10.1080/01621459.1952.10483441]
92. Kurosaki, Y., Mikami, M., (2003), Recent Frequent Dust Events and Their Relation [DOI:10.1029/2003GL017261]
93. to Surface Wind in East Asia, Geophys, 30: 17-36, DOI.org/10.1029/2003GL017261.
94. Li, J., Garshick, E., Huang Sh., Koutrakis, P., (2021), Impacts of El Niño-Southern Oscillation on surface dust levels across the world during 1982-2019, Science of The Total Environment, 769: 144566, [DOI:10.1016/j.scitotenv.2020.144566] [PMID] []
95. Mahmoudi, P., Khosravi, M., Masoodian, S. A., Alijani, B., (2014), Relationship Between Tele Connection Patterns and Iran's Pervasive Frosts, Journal of Geography and Development, 13(40): 175-194, DOI. 10.22111/GDIJ.2015.2105.
96. McTanish, G. H., Pitblado, J. R., (1987), Dust Storm and related phenomena measured from meteorological records in Australia, Earth Surf Prcess Landforms, 12: 415-424, [DOI:10.1002/esp.3290120407]
97. Mei, D., Xiushan, L., Lin, S., Ping, W., (2008), A Dust-Storm Process Dynamic Monitoring With Multi-Temporal MODIS Data, The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XXXVII(B7Ñ(: 965-970.
98. Metropolis, N., Ulam, S., (1949), The monte carlo method, Journal of the American statistical Association, 44(247): 335-341, https://www.jstor.org/. [DOI:10.1080/01621459.1949.10483310] [PMID]
99. Miller, R. L., Tegen, I., Perlwitz, J., (2004), Surface radiative forcing by soil dust aerosols and the hydrologic cycle, Journal of Geophysical Research: Atmospheres, 109(D4), [DOI:10.1029/2003JD004085]
100. Mohammadi, F., Kamali, S., Eskandari, M., (2014). Tracking dust sources in different levels of Tehran's atmosphere using the HYSPLIT model, Geography and Environmental Hazards, (16) 4: 54-39.
101. Pai, D. S., Bhate, J., Sreejith, O. P., Hatwar, H. R., (2011), Impact of MJO on the intraseasonal variation of summer monsoon rainfall over India, Climate Dynamics, 36(1): 41-55, [DOI:10.1007/s00382-009-0634-4]
102. Pudmenzky, Ch., Stone R., Butler, H., (2011), El Niño-Southern Oscillation influence on the dust storm activity in Australia: Can the past provide an insight into the futureUniversity of Southern Queensland, Australia,14(3): 993-1007,DOI.org/10.1111/php.13745.
103. Ragsdale, K. M., Barrett, B. S., Testino, A. P., (2013), Variability of particulate matter (PM 10) in Santiago, Chile by phase of the MaddeneJulian Oscillation (MJO), Atmospheric Environment, 81: 304- 310, [DOI:10.1016/j.atmosenv.2013.09.011]
104. Rangzan, K, Zarasundi, A. Z., Abdulkhani, A., Mojarad, B., (2013), Air pollution modeling using MODIS sensor images: a case study of dust masses in Khuzestan province, Journal of Advanced Applied Geology, 14: 45-38.
105. Razavizadeh, S., Abbasi, H., Dargahian, F., (2021), Investigation of Dust Phenomenon in Golestan Province, with Emphasis on Aerosol Optical Depth Index and Wind Direction and Speed, Journal of Iran-Watershed Management Science & Engineering, 15(53): 58-68, http://jwmsei.ir/article-1-993-fa.html.
106. Rezhgi Jahromi, Z, Nasr Isfahani, M. A., Mohammadi, Jahangard, Ghasemi, A. R., (2018), Investigating the impact of Maden Julian oscillation phases on precipitation and runoff of three important rivers of Fars province, Journal of Iranian Water Research Journal, 13(1): 90-79.
107. Sabziparvar, A. A., Naderi Moghadam, F., (2014), The Effect of Madden - Julian Oscillation (MJO) on the Variation of Reference Evapotranspiration in Southern Regions of Iran, Journal of Agricultural Meteorology, 2(1): 32-44.
108. Sean, J. F., Bradford. S. B., (2011), Projecting the Madden-Julian oscillation to air quality in Santiago. Chile. Oceanography department, United State Nora academy Annapolis, MD, DOI.org/10.1029/2021EA001708.
109. SeyyedNezhad Golkhatmi, N., Bazrafshan, J., N. Ghameshlou, A., Irannejad, P., (2019), Spatial analysis of occurrence probability of precipitation over Iran based on different phases of MJO's climatic signals, Journal of Meteorology and Atmospheric Sciences, 2(3): 192-201, http://creativecommons.org/licenses/by/4.0/.
110. Shan, W., Yin, Y., Lu, H., Liang, S., (2009), A meteorological analysis of ozone episodes using HYSPLIT model and surface data, Atmospheric Research, 93: 767- 776, [DOI:10.1016/j.atmosres.2009.03.007]
111. Sun, J.H., Zhao, L.N., Zhao, S.X., (2003), An Integrated Modeling System of Dust
112. Storm Suitable to North China and Applications, Clim Environ, 8:125-142, DOI:10.3878/j.issn.1006-9585.2003.02.01.
113. Tagreed, A., Qadi, A., Muslih Kh.D., Shiltagh, A. G., (2021), Analysis of Correlation and Coupling between El Niño-Southern Oscillation and Dust Storms in Iraq from 1971 to 2016, Iraqi Geological Journal, 54(1E), [DOI:10.46717/igj.54.1E.9Ms-2021-05-30]
114. Wheeler, M., Hendon, H., (2004), An all- season real-time multivariate MJO index, Development of an index for monitoring and prediction, Monthly Weather Review, 132(8): 1917-1932, https://doi.org/10.1175/1520-0493(2004)132<1917:AARMMI>2.0.CO;2 [DOI:10.1175/1520-0493(2004)1322.0.CO;2]
115. www.bom.gov.au/climate/mjo/
116. Yang, Y., Zeng, L., Wang, H., Wang, P., Liao, H., (2022), Dust pollution in China affected by different spatial and temporal types of El Niño, Atmos. Chem. Phys, 22: 14489-14502, [DOI:10.5194/acp-22-14489-2022]
117. Yarmoradi, Z., Nasiri, B., Mohammadi, G., Karampour, M., (2018). Comprehensive investigation and analysis of the occurrence of severe dust storms in the eastern half of Iran using numerical models, satellite images and observational data, Journal of Geographical Research on Desert Areas (GRDA), (2)7: 1-24.
118. Yu Y., Ginoux, P., (2021), Assessing the contribution of the ENSO and MJO to Australian dust activity based on satellite- and ground-based observations, Atmos. Chem. Phys, 21: 8511-8530, [DOI:10.5194/acp-21-8511-2021]
119. Zeinali, B. (2012). Identification and monitoring of Iran's dust index storms using MODIS and AVHRR sensors, Ph.D. dissertation in water and meteorology, Faculty of Geography, Tabriz University.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
This work is licensed under a Creative Commons — Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)