دوره 16، شماره 2 - ( پاییز و زمستان 1404 )
جلد 16 شماره 2 صفحات 176-162 |
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:
Yousefi Kebriya A, Nadi M, Ghanbari Parmehr E, Sun Z. (2025). The Correlation Between the Changing Shadegan Wetland Extent and Dust Emission using Remote Sensing Techniques. J Watershed Manage Res. 16(2), 162-176. doi:10.61882/jwmr.2025.1286
URL: http://jwmr.sanru.ac.ir/article-1-1286-fa.html
URL: http://jwmr.sanru.ac.ir/article-1-1286-fa.html
یوسفی کبریا علیرضا، نادی مهدی، قنبری پرمهر عبادت، سان ژونگ چانگ.(1404). همبستگی تغییرات سطح آبی تالاب شادگان با شیوع ریزگرد با استفاده از سنجش از دور پژوهشنامه مديريت حوزه آبخيز 16 (2) :176-162 10.61882/jwmr.2025.1286
1- گروه مهندسی آب، هواشناسی کشاورزی، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
2- گروه سنجش از دور، دانشکده نقشه برداری، دانشگاه صنعتی نوشیروانی بابل، بابل، ایران
3- مرکز تحقیقات بین المللی داده ها ی بزرگ برای اهداف توسعه پایدار، پکن، چین
2- گروه سنجش از دور، دانشکده نقشه برداری، دانشگاه صنعتی نوشیروانی بابل، بابل، ایران
3- مرکز تحقیقات بین المللی داده ها ی بزرگ برای اهداف توسعه پایدار، پکن، چین
چکیده: (1072 مشاهده)
چکیده مبسوط
مقدمه و هدف: تالابها بهعنوان یکی از محیطهای طبیعی حائز اهمیت بالا در اکوسیستم محسوب میشوند. این مناطق زیستی غنی از گیاهان و موجودات آبزی حاوی تنوع بیولوژیکی فراوانی هستند که از زیستگاههای حیاتی در اکوسیستمها بهشمار میروند. تالاب شادگان یکی از مهمترین تالابهای ایران است که اکوسیستم آبی غنی و محیط زیست حیاتی آن اهمیت بسیاری در حفاظت از تنوع زیستی و تأمین منابع آبی دارد. اما متاسفانه در چند سال اخیر با خشکی مواجه شده است. حوضه آبخیز نقش بسیار مهمی در تامین و توزیع منابع آبی تالابها دارد و به حفظ تعادل اکوسیستمها و کنترل سیلاب و خشکسالی کمک میکند. همچنین، مدیریت صحیح حوضه آبخیز میتواند منجر به بهبود کیفیت آب و حفظ تنوع زیستی در تالابها شود. در سال های اخیر، مسئله شیوع ریزگرد یکی از معضلات اساسی در استان خوزستان بوده است و از طرفی، تالاب های این استان بهدلیل فشار بر منابع آب بالادست نوسانات زیادی را تجربه میکنند. لذا، درک ارتباط بین نوسانات سطح این تالاب و شیوع ریزگردها اهمیت زیادی در حفظ منابع طبیعی و همچنین سلامت مردم و توسعه پایدار در منطقه دارد.
مواد و روشها: در این پژوهش، ارتباط بین تغییرات سطح آبی تالاب شادگان و شیوع گردوغبار بررسی شده است. برای این منظور، از ماهواره مودیس برای رخدادهای گرد و غباری و پایش سطح آبی تالاب (2010-2023) و از ماهواره سنتینل 2 برای بررسی سطح آبی تالاب شادگان (2017-2023) با استفاده از شاخصهای NDWI و MNDWI استفاده شد. ارتباط سطح آبی تالاب با رخداد گرد و غباری (Event-Dust) بررسی شد. همچنین، با استفاده از دادههای واقعی ایستگاه شادگان، مقدار شاخص کیفیت هوا (AQI)، آلایندههای PM2.5 و PM10 تعداد روزهای با شاخص ناسالم (شاخص کیفیت هوا بیشتر از 100) مشخص شدند و ارتباط آن با سطح آبی تالاب شادگان بهصورت ماهانه بررسی شد. برای بررسی ارتباط بین وسعت تالاب و طوفانهای گرد و غبار، از ضریب همبستگی پیرسون (r) و ارتباط بین سطح تالابها و افزایش پدیده گرد و غبار، از آزمون همبستگی رتبهای کندال (Kendall's Tau rank correlation test) استفاده شد.
یافتهها: بررسی شاخص NDWI نشان داد که تالاب شادگان در سال های 2018، 2019، 2021 و 2022 به کمترین میزان خود رسید. همچنین، شاخص MNDWI نشان داد که کمترین سطح آبی تالاب در سالهای 2018، 2019، 2021 و 2023 رخ داد و قسمتهای غربی، جنوب غربی و جنوب تالاب کاملا از بین رفته است. نقشه رویداد گرد و غباری نشان داد که در اطراف تالاب شادگان بیش از 20 رویداد گرد و غباری در سالهای مختلف اتفاق میافتد. ضرایب همبستگی بین رویدادهای گرد و غبار و وسعت تالاب شادگان ۹۰/۰- بهدست آمد. همبستگی رتبۀ کندال تاو نیز نشان میدهد که با کاهش سطح آبی تالاب شادگان رخدادهای گرد و غباری افزایش معنادار مییابد. نتایج حاصل از تحلیل دادهها نشان میدهند که شاخص NDWI همبستگی کمتری نسبت به شاخص MNDWI با دادههای آلودگی گرد و غباری (PM2.5 و PM10) نشان میدهد. همبستگی تعداد روزهای ناسالم هر ماه از نظر آلاینده های PM10 و PM2.5 با شاخص NDWI نشان میدهد که ارتباط این دو متغیر معنی دار است (P-Value = 0.0001) و ضریب همبستگی این داده ها با تعداد روزهای آلوده در ماه از نظر PM2.5 در اکثر ماهها بیشتر از 77/0- است، که نشان دهنده همبستگی بالا بین آنها است. با کاهش سطح آبی تالاب، شاخص PM2.5 افزایش مییابد و با توجه به همبستگی شاخص NDWI با تعداد روزهای آلوده در ماه از نظر PM10 (71/0-(R = ، میتوان نتیجه گرفت که کاهش سطح آبی تالاب تاثیر بیشتری بر افزایش شاخص PM2.5 دارد. همچنین، نتایج شاخص MNDWI با تعداد روزهای آلوده در ماه شاخصهای PM2.5 و PM10 نشان میدهند که ارتباط بین شاخص MNDWI با PM2.5 بهتر از PM10 است، به طوری که ضریب تعیین (R2) نشان میدهد که 72% از تغییرات در تعداد روزهای آلوده به PM2.5 توسط سطح آبی تالاب توضیح داده میشود. به عبارت دیگر، معادله رگرسیون توانسته است حدود 72% از واریانس تعداد روزهای آلوده را توجیه کند. ضریب همبستگی پیرسون (84/0-) نیز نشان میدهد که ارتباط بین تعداد روزهای آلوده به PM2.5 و شاخص MNDWI بسیار قوی است و این ارتباط بهصورت معکوس است، یعنی با افزایش سطح آبی تالاب (افزایش شاخص MNDWI)، تعداد روزهای با آلودگی ذرات کمتر از 5/2 میکرون کاهش مییابد. بنابراین، نتایج آنالیز نشان میدهند که تعداد روزهای آلوده به PM2.5 تأثیر قابل توجهی بر شاخص MNDWI تالاب شادگان دارد و با کاهش سطح آبی تالاب، آلودگی گرد و غباری PM2.5 نسبت به PM10 افزایش مییابد.
نتیجهگیری: نتایج نشان میدهند که افزایش سطح آبی تالاب شادگان منجربه کاهش آلودگی گرد و غباری منطقه و تعداد روزهای آلوده به PM2.5 و PM10 میشود. این یافتهها بر اهمیت حفاظت و بازیابی تالابها بهمنظور کاهش آلودگی هوا و بهبود شرایط زیست محیطی منطقه تأکید میکنند. افزایش سطح آبی تالاب شادگان به کاهش تعداد روزهای آلوده و بهبود کیفیت زندگی ساکنین مناطق اطراف منجر میشود. لذا، هرگونه توسعه مبتنی بر کاهش سطح آبی تالاب شادگان ناپایدار است و در درازمدت سلامت مردم اطراف را با خطر جدی همراه می سازد.
مقدمه و هدف: تالابها بهعنوان یکی از محیطهای طبیعی حائز اهمیت بالا در اکوسیستم محسوب میشوند. این مناطق زیستی غنی از گیاهان و موجودات آبزی حاوی تنوع بیولوژیکی فراوانی هستند که از زیستگاههای حیاتی در اکوسیستمها بهشمار میروند. تالاب شادگان یکی از مهمترین تالابهای ایران است که اکوسیستم آبی غنی و محیط زیست حیاتی آن اهمیت بسیاری در حفاظت از تنوع زیستی و تأمین منابع آبی دارد. اما متاسفانه در چند سال اخیر با خشکی مواجه شده است. حوضه آبخیز نقش بسیار مهمی در تامین و توزیع منابع آبی تالابها دارد و به حفظ تعادل اکوسیستمها و کنترل سیلاب و خشکسالی کمک میکند. همچنین، مدیریت صحیح حوضه آبخیز میتواند منجر به بهبود کیفیت آب و حفظ تنوع زیستی در تالابها شود. در سال های اخیر، مسئله شیوع ریزگرد یکی از معضلات اساسی در استان خوزستان بوده است و از طرفی، تالاب های این استان بهدلیل فشار بر منابع آب بالادست نوسانات زیادی را تجربه میکنند. لذا، درک ارتباط بین نوسانات سطح این تالاب و شیوع ریزگردها اهمیت زیادی در حفظ منابع طبیعی و همچنین سلامت مردم و توسعه پایدار در منطقه دارد.
مواد و روشها: در این پژوهش، ارتباط بین تغییرات سطح آبی تالاب شادگان و شیوع گردوغبار بررسی شده است. برای این منظور، از ماهواره مودیس برای رخدادهای گرد و غباری و پایش سطح آبی تالاب (2010-2023) و از ماهواره سنتینل 2 برای بررسی سطح آبی تالاب شادگان (2017-2023) با استفاده از شاخصهای NDWI و MNDWI استفاده شد. ارتباط سطح آبی تالاب با رخداد گرد و غباری (Event-Dust) بررسی شد. همچنین، با استفاده از دادههای واقعی ایستگاه شادگان، مقدار شاخص کیفیت هوا (AQI)، آلایندههای PM2.5 و PM10 تعداد روزهای با شاخص ناسالم (شاخص کیفیت هوا بیشتر از 100) مشخص شدند و ارتباط آن با سطح آبی تالاب شادگان بهصورت ماهانه بررسی شد. برای بررسی ارتباط بین وسعت تالاب و طوفانهای گرد و غبار، از ضریب همبستگی پیرسون (r) و ارتباط بین سطح تالابها و افزایش پدیده گرد و غبار، از آزمون همبستگی رتبهای کندال (Kendall's Tau rank correlation test) استفاده شد.
یافتهها: بررسی شاخص NDWI نشان داد که تالاب شادگان در سال های 2018، 2019، 2021 و 2022 به کمترین میزان خود رسید. همچنین، شاخص MNDWI نشان داد که کمترین سطح آبی تالاب در سالهای 2018، 2019، 2021 و 2023 رخ داد و قسمتهای غربی، جنوب غربی و جنوب تالاب کاملا از بین رفته است. نقشه رویداد گرد و غباری نشان داد که در اطراف تالاب شادگان بیش از 20 رویداد گرد و غباری در سالهای مختلف اتفاق میافتد. ضرایب همبستگی بین رویدادهای گرد و غبار و وسعت تالاب شادگان ۹۰/۰- بهدست آمد. همبستگی رتبۀ کندال تاو نیز نشان میدهد که با کاهش سطح آبی تالاب شادگان رخدادهای گرد و غباری افزایش معنادار مییابد. نتایج حاصل از تحلیل دادهها نشان میدهند که شاخص NDWI همبستگی کمتری نسبت به شاخص MNDWI با دادههای آلودگی گرد و غباری (PM2.5 و PM10) نشان میدهد. همبستگی تعداد روزهای ناسالم هر ماه از نظر آلاینده های PM10 و PM2.5 با شاخص NDWI نشان میدهد که ارتباط این دو متغیر معنی دار است (P-Value = 0.0001) و ضریب همبستگی این داده ها با تعداد روزهای آلوده در ماه از نظر PM2.5 در اکثر ماهها بیشتر از 77/0- است، که نشان دهنده همبستگی بالا بین آنها است. با کاهش سطح آبی تالاب، شاخص PM2.5 افزایش مییابد و با توجه به همبستگی شاخص NDWI با تعداد روزهای آلوده در ماه از نظر PM10 (71/0-(R = ، میتوان نتیجه گرفت که کاهش سطح آبی تالاب تاثیر بیشتری بر افزایش شاخص PM2.5 دارد. همچنین، نتایج شاخص MNDWI با تعداد روزهای آلوده در ماه شاخصهای PM2.5 و PM10 نشان میدهند که ارتباط بین شاخص MNDWI با PM2.5 بهتر از PM10 است، به طوری که ضریب تعیین (R2) نشان میدهد که 72% از تغییرات در تعداد روزهای آلوده به PM2.5 توسط سطح آبی تالاب توضیح داده میشود. به عبارت دیگر، معادله رگرسیون توانسته است حدود 72% از واریانس تعداد روزهای آلوده را توجیه کند. ضریب همبستگی پیرسون (84/0-) نیز نشان میدهد که ارتباط بین تعداد روزهای آلوده به PM2.5 و شاخص MNDWI بسیار قوی است و این ارتباط بهصورت معکوس است، یعنی با افزایش سطح آبی تالاب (افزایش شاخص MNDWI)، تعداد روزهای با آلودگی ذرات کمتر از 5/2 میکرون کاهش مییابد. بنابراین، نتایج آنالیز نشان میدهند که تعداد روزهای آلوده به PM2.5 تأثیر قابل توجهی بر شاخص MNDWI تالاب شادگان دارد و با کاهش سطح آبی تالاب، آلودگی گرد و غباری PM2.5 نسبت به PM10 افزایش مییابد.
نتیجهگیری: نتایج نشان میدهند که افزایش سطح آبی تالاب شادگان منجربه کاهش آلودگی گرد و غباری منطقه و تعداد روزهای آلوده به PM2.5 و PM10 میشود. این یافتهها بر اهمیت حفاظت و بازیابی تالابها بهمنظور کاهش آلودگی هوا و بهبود شرایط زیست محیطی منطقه تأکید میکنند. افزایش سطح آبی تالاب شادگان به کاهش تعداد روزهای آلوده و بهبود کیفیت زندگی ساکنین مناطق اطراف منجر میشود. لذا، هرگونه توسعه مبتنی بر کاهش سطح آبی تالاب شادگان ناپایدار است و در درازمدت سلامت مردم اطراف را با خطر جدی همراه می سازد.
فهرست منابع
1. Achakulwisut, L., Mickley, J., & Annenberg, S.C. (2018). Drought sensitivity of fine dust in the US Southwest: Implications for air quality and public health under future climate change. Environmental Research Letters, 13(5), 1-12. [DOI:10.1088/1748-9326/aabf20]
2. Al-Dousari, A., Ramadan, A., Al-Qattan, A., Al-Ateeqi, S., Dashti, H., Ahmed, M., Al-Dousari, N., Al-Hashash, N., & Othman, A. (2020). Cost and effect of native vegetation change on aeolian sand, dust, microclimate and sustainable energy in Kuwait. Journal of Taibah University for Science. 14(1), 628-639. DOI:10.1080/16583655.2020.1761662. [DOI:10.1080/16583655.2020.1761662]
3. Ballut-Dajud, G., Sandoval Herazo, L., Fernández-Lambert, G., Marín-Muñiz, J., López Méndez, M., & Betanzo-Torres, E. (2022). Factors Affecting Wetland Loss: A Review. Land, 11(3), 434-451. DOI: 10.3390/land11030434 [DOI:10.3390/land11030434]
4. Barani Pesyan, V., Porakrami, M., Fotouhi Mehrbani, B., & Porakrami, S. (2019). The Investigation of Lake Urmia Drying Trend and Its Important Consequence on the Surrounding Settlements. Journal of Rural Research, 8(3), 438-453. http://dx.doi.org/10.22059/JRUR.2017.63473
5. Basak, A., Arabi Moghadam, H., Hejazizadeh, Z., & Toolabinejad, M. (2018). The effects of water transfer projects of Karun tributaries in creating or intensifying dust centers in Khuzestan using Gis & Rs technologies. Jornal of Geography, 16(56), 20-35.
6. Bayat, R., Iranmanesh, F., & Kazemi, R. (2021). Investigation of dust storms effect on vegetation cover of Shadegan wetland. Environment and Water Engineering, 7(10), 1-13. DOI: 10.22034/jewe.2020.246746.1414
7. Caballero, P., Román, A., Tovar-Sánchez, A., & Navarro, G. (2022). Water quality monitoring with Sentinel-2 and Landsat-8 satellites during the 2021 volcanic eruption in La Palma (Canary Islands). Science of The Total Environment, 822: 1532-1549. Doi: 10.1016/j.scitotenv.2022.153433 [DOI:10.1016/j.scitotenv.2022.153433]
8. Dargahian, F., Heydarnejad, S., & Nateghi, S. (2022). Investigating the effective factors on water area changes in Shadegan Wetland using remote sensing technique and factor analysis. Environmental Sciences, 20(1), 237-250. DOI: 10.52547/ENVS.2021.1017 [DOI:10.52547/envs.2021.1017]
9. Dargahian, F., Khosroshahi, M., & Lotfinasabasl, S. (2021). Potential dangers of drought in Shadegan wetland and Identify areas affected by dust from it. Journal of Spatial Analysis Environmental Hazarts, 8(2), 1-14. DOI: 10.52547/jsaeh.8.2.1
10. Darvishi Boloorani, A., Papi, R., Soleimani, M., Karami, L., Amiri, F. & Neysani Samany, N. (2021). Water bodies changes in Tigris and Euphrates basin has impacted dust storms phenomena. Invited Research, 50 [DOI:10.1016/j.aeolia.2021.100698]
11. DOI: 10.1016/j.aeolia.2021.100698 Dastigerdi, M., Nadi, M., Raeini-Sarjaz, M., & Kiapasha, Kh.. (2024). Trend analysis of MODIS NDVI time series and its relationship to temperature and precipitation in Northeastern of Iran. Environmental Monitoring and Assessment, 196, 346 (2024). [DOI:10.1007/s10661-024-12463-y]
12. Ebrahimi-Khusfi, Z., Nafarzadegan, A., Ebrahimi-Khusfi, M., & Zandifar, S. (2022). Monitoring the water surface of wetlands in Iran and their relationship with air pollution in nearby cities. Environmental Monitoring and Assessment, 194(448), 251-265. DOI: 10.1007/s10661-022-10144-2. [DOI:10.1007/s10661-022-10144-2]
13. Fattahi, M., Assari, H., Sadeghi, H., & Asgharpoor, H. (2015). An Empirical Analysis of the Relationship between Air Pollution and Public Health Expenditures: A Dynamic Panel Data Approach. Journal of Economic Modeling, 31(9), 43-60.
14. Gautama, V. K., Gaurava, P.K., Murugana, P., & Annadurai, M. (2015). Assessment of surface water dynamics in Bangalore using WRI, NDWI, MNDWI, supervised classification and K-T transformation. International Conference on Water Resources, Coastal and Ocean Engineering, 4(2),739-746 . [DOI:10.1016/j.aqpro.2015.02.095]
15. Gholamzade Ledari, D., Hamidi, M., & Shao, Y. (2022). Numerical simulation of the 18 February 2017 frontal dust storm over southwest of Iran using WRF-Chem, satellite imagery, and PM10 concentrations. Journal of Arid Environments, 35(14), 104-116. [DOI:10.1016/j.jaridenv.2021.104637]
16. Hajivand paydari, S., Hajimohammadi, H., & Shojaeezadeh, K. (2022). Prediction and Identification of Dust Centers Using Numerical Models of the Khuzestan Plain Case Study. The Journal of Geographical Research on Desert Areas. 10(2), 80-89. DOI: 10.22034/GRD.2022.18111.1528.
17. Karami, S., Hossein Hamzeh, N., Sabzezari, H., & Alizadeh, M. (2021). Investigation of trend analysis of the number of dust stormy days and aerosol concentration derived from satellite in Khuzestan province by using non-parametric Mann-Kendall test. Climate Research, 44(20), 91-103.
18. Khosroshahi, M., Ebrahimi khusfi, Z., Gohardoust, Z., Lotfi nasab asl, S., Dargahian, F., & Zenouzi, L. (2020). Desert Management, 15(8), 139-160. 10.22034/JDMAL.2020.44935
19. Kim, M., Jung, Y., Jung, D., & Hur, C. (2014). Investigating the Congruence of Crowdsourced Information WithOfficial Government Data:The Case of Pediatric Clinics. Journal of Medical Internet Research, 16(2), 20-34. DOI: 10.2196/jmir.3078 [DOI:10.2196/jmir.3078]
20. Lorente, A., Borsdorff, T., Butz, A., Hasekamp, O., aan de Brugh, J., Schneider, A., Wu, L., Hase, F., Kivi, R., Wunch, D., Pollard, D., Shiomi, K., Deutscher, N., Velazco, V., Roehl, M., Wennberg, P., Warneke, T., & Landgraf, J. (2021). Methane retrieved from TROPOMI: improvement of the data product and validation of the first 2 years of measurements. Atmospheric Measurement Techniques, 14(8), 665-684.
https://doi.org/10.5194/amt-14-665-2021 [DOI:10.5194/amt-14-665-2021.]
21. Nadi M, & Shiukhy Soqanloo S. (2020). Comparison of SPI and SPImod in Drought Monitoring of Several Climatic Samples of Iran. Journal of Watershed Management Research. 11(21), 108-118. doi:10.52547/jwmr.11.21.108 [In Persian] [DOI:10.52547/jwmr.11.21.108]
22. Nadi, M., & Yousefi Kebriya, A. (2024). A Method for Correction of Tropical Rainfall Measuring Mission Satellite Temperature Network in Mazandaran Province. Iranica Journal of Energy and Environment (IJEE), 15(1), 100-110.
https://doi.org/10.5829/IJEE.2024.15.01.10 [DOI:10.5829/ijee.2024.15.01.10 [In Persian]]
23. NOAA Research. (2020). NOAA ESRL global monitoring laboratory: SURFRAD aerosol optical depth. https://gml.noaa.gov/grad/surfrad/aod/
24. Sadeghi nasirabadi, M., khosrojerdi, A., Mousavi Jahromi, M., & Sarai Tabrizi, M. (2023). Evaluation of Meteorological Drought Index and Climate Change Scenario on Flow Rate and Reservoir Volume of Karaj Dam. Journal of Irrigation and Water Engineering, 13(51), 320-339. 10.22125/IWE.2023.169896.
25. Sanikhani, H. (2022). Spatiotemporal Analysis of Precipitation and its Relationship with Teleconnection Patterns (Case study: Urmia Lake basin), Journal of Irrigation and Water Engineering, 13(49), 347-368. 10.22125/IWE.2022.158532
26. Sharifi Kaliani, F., Babaei, S., & ZafarSohrabpour, Y. (2021). Study of the effects of dusts on the morphological and physiological traits of some crops. Journal of Plant Production Research, 28(3), 205-220. 10.22069/JOPP.2021.18782.2768
27. Venugopal, K., Halder, P., Susarla, V., & Palanivelu, S. (2022). Experimental Modal Analysis of Radiator Fan Module to Predict its Influence of Structural Characteristics on Vibration and Noise Contribution. International Journal of Engineering, 35(8), 1479-1487. DOI: 10.5829/IJE.2022.35.08B.03 [DOI:10.5829/IJE.2022.35.08B.03]
28. Xu, H. (2006). Modification of normalised difference water index (NDWI) to enhance open water features in remotely sensed imagery. Remote Sensing, 27(14), 3025-3033. [DOI:10.1080/01431160600589179]
29. Yousefi Kebria, A., Nadi, M., & Jamei, M. (2021). Investigation of Statistical and Geostatistical Methods in Preparing The Rainfall Map of Mazandaran Province. Journal of Watershed Management Research. 12(23), 212-223. doi:10.52547/jwmr.12.23.212 [In Persian] [DOI:10.52547/jwmr.12.23.212]
30. Yousefi Kebriya, A., & Nadi, M. (2024). Examining Air Pollution Continuity in Tehran Province using Markov Chain Model. Iranica Journal of Energy and Environment, 15(2), 201-210. DOI: 10.5829/IJEE.2024.15.02.10 [DOI:10.5829/IJEE.2024.15.02.10]
31. Yousefi Kebriya, A., Nadi, M., & Ghanbari Parmehr, E. (2025). Estimation of ozone and nitrogen dioxide pollutants in Mazandaran Province using sentinel 5 satellite images. Iranica Journal of Energy and Environment, 16(1), 56-66. [DOI:10.5829/ijee.2025.16.01.07]
32. Yousefi Kebriya, A., Nadi, M., &Jamei, M. (2022). Combining interpolation methods and precipitation products of TRMM satellite to increase the accuracy of rainfall maps in Mazandaran province. Water and Soil Conservation, 28(3), 49-70. doi: 10.22069/JWSC.2022.19286.3477
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
