ارتباط شاخص‌های پیوند از دور با شاخص عمق اپتیکی آئروسل در ایستگاه‌های منتخب استان سیستان و بلوچستان

داوری, ابوالفضل; مهدوی, رسول; رضایی, مرضیه; بذرافشان, ام البنین; شهریاری, علیرضا

doi:10.22098/mmws.2026.19012.1755

ارتباط شاخص‌های پیوند از دور با شاخص عمق اپتیکی آئروسل در ایستگاه‌های منتخب استان سیستان و بلوچستان

مقالات آماده انتشار

نوع مقاله : پژوهشی

نویسندگان

¹ دانشجوی دکتری، گروه مهندسی منابع‌طبیعی، دانشکدة کشاورزی و منابع‌طبیعی ، دانشگاه هرمزگان، بندرعباس، ایران

² دانشیار، گروه مهندسی منابع‌طبیعی، دانشکدة کشاورزی و منابع‌طبیعی، دانشگاه هرمزگان، بندرعباس، ایران

³ استاد، گروه مهندسی منابع‌طبیعی، دانشکدة کشاورزی و منابع‌طبیعی، دانشگاه هرمزگان، بندرعباس، ایران

⁴ دانشیار، گروه فضای سبز، دانشکدة جغرافیا و برنامه‌ریزی محیطی، دانشگاه سیستان و بلوچستان، زاهدان، ایران

10.22098/mmws.2026.19012.1755

چکیده

شاخص‌های پیوند از دور تأثیر بسزایی بر شدت و فراوانی طوفان‌های گرد و غبار دارند. در این پژوهش به بررسی ارتباط بین شاخص‌های پیوند از دور و تغییرات عمق اپتیکی آئروسل در ایستگاه‌های ایرانشهر و زابل در سیستان و بلوچستان پرداخته شده است. داده‌های ماهانه AOD (۲۰00-۲۰21) از سنجنده MODIS و شاخص‌های پیوند از دور از پایگاه NOAA استخراج شد. تحلیل اولیه با همبستگی پیرسون انجام گرفت. سپس، با استفاده از الگوریتم Boruta، متغیرهای مؤثر برای هر ایستگاه انتخاب شدند. پنج الگوریتم یادگیری ماشین شامل Bagged CART، LightGBM، Gradient Boosting، Random Forest و XGBoost برای مدل‌سازی استفاده شد و با معیارهای RMSE، MAPE و R² مورد ارزیابی قرار گرفتند. در نهایت، برای تفسیر مدل‌های یادگیری ماشین از روش‌های SHAP، تحلیل حساسیت Sobol و نمودارهای Partial Dependence Plots (PDP) استفاده گردید. نتایج همبستگی بین شاخص‌های پیوند از دور و AOD نشان داد شاخص Atlantic Meridional Mode (AMM) با همبستگی منفی (437/0-) و North Atlantic Oscillation (NAO) با همبستگی مثبت (236/0) بیشترین تأثیر را بر عمق اپتیکی آئروسل ایرانشهر دارند، درحالی‌که در زابل، شاخص‌های(TNI) Trans-Niño Index و Western Hemisphere Warm Pool (WHWP) نقش اصلی را ایفا می‌کنند. تحلیل نتایج انتخاب ویژگی‌های اقلیمی در ایستگاه ایرانشهر نشان داد، شاخص‌های مرتبط با اقیانوس اطلس از جمله AMM،Tropical Northern Atlantic (TNA) و Atlantic Multi-decadal Oscillation (AMO) به همراه شاخص‌های منطقه‌ای مانند Tropical Southern Atlantic (TSA) و NAOبیشترین تأثیر را بر شرایط اقلیمی دارند. در مقابل، در ایستگاه زابل شاخص‌های وابسته به اقیانوس آرام شامل TNI و WHWPنقش تعیین‌کننده‌تری ایفا کردند. مدل‌سازی با پنج الگوریتم یادگیری ماشین نشان داد مدل‌های XGBoost و Gradient Boosting به‌عنوان بهترین مدل‌ها قادر به پیش‌بینی دقیق عمق اپتیکی آئروسل هستند. تحلیل جامع ارزیابی اهمیت متغیرها در دو ایستگاه ایرانشهر و زابل نشان داد که عوامل اقلیمی مؤثر در هر منطقه کاملاً متمایز هستند. در ایرانشهر، شاخص AMM به‌عنوان مؤثرترین عامل، به‌ویژه در تأخیرهای کوتاه‌مدت و در هر دو روش SHAP و Sobol شناخته شد. در مقابل، در زابل شاخص‌های اقیانوس آرام (TNI و WHWP) نقش غالب داشتند و تأثیر آن‌ها با افزایش مدت تأخیر، تشدید شد. همچنین، تحلیل‌های PDP در هر دو ایستگاه، روابط غیرخطی را آشکار کرد که نشان می‌دهد تغییرات در مقادیر شاخص‌ها در نقاط بحرانی می‌تواند اثرات نامتناسبی بر سیستم داشته باشد. این یافته‌ها می‌تواند مبنایی برای توسعه سیستم‌های پیش‌بینی دقیق‌تر و برنامه‌ریزی مدیریتی در برابر پدیده‌های اقلیمی باشد.

کلیدواژه‌ها