پژوهش‌های تغییرات آب و هوایی

پژوهش‌های تغییرات آب و هوایی

تحلیل اثرات آتش‌سوزی مزارع بر کیفیت هوا در استان مازندران با استفاده از داده‌های ماهواره‌ای

نوع مقاله : مقاله پژوهشی

نویسندگان
علیرضا یوسفی کبریا 1
مهدی نادی 2
حسین یوسفی کبریا 3
1 دکتری هواشناسی کشاورزی، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع‌طبیعی، ساری، ایران
2 دانشیار گروه‌ هواشناسی کشاورزی، گروه مهندسی آب، دانشکده مهندسی کشاورزی، دانشگاه علوم کشاورزی و منابع‌طبیعی، ساری، ایران
3 دانشجوی کارشناسی کامپیوتر، گروه کامپیوتر، دانشکده کامپیوتر، دانشگاه آزاد اسلامی بابل، بابل، ایران
10.30488/ccr.2025.492951.1260
چکیده
آتش‌سوزی مزارع یکی از عوامل اصلی آلودگی هوا در مناطق کشاورزی محسوب می‌شود که اثرات زیست‌محیطی و بهداشتی جدی به دنبال دارد. این پژوهش با بهره‌گیری از تصاویر ماهواره‌ای لندست، مودیس و سنتینل 5 به بررسی آلودگی ناشی از این پدیده در استان مازندران پرداخته است. ابتدا شاخص NDVI برای شناسایی پوشش گیاهی استفاده شد و با حذف جنگل‌ها، مناطق کشاورزی مشخص گردید. سپس، مناطق سوخته شده طی سال‌های 2022 تا 2024 با استفاده از شاخص آتش‌سوزی مودیس شناسایی شدند. صحت نتایج با تصاویر واقعی مودیس تأیید شد و داده‌های AOD،AAI  و کربن مونوکسید از ماهواره‌های مودیس و سنتینل 5 استخراج گردید. همچنین، با داده‌های ایستگاه فتح تهران و اطلاعات ماهواره‌ای، مدلی رگرسیونی برای برآورد آلودگی در مزارع شهرهای بابل، آمل و فریدون‌کنار طراحی و نمودارهای روزانه و ماهانه AQI این شهرها برای سال 2022 رسم گردید. نتایج نشان داد که نواحی شرقی استان، شامل بابل، آمل، قائمشهر و ساری، بیشترین میزان آتش‌سوزی مزارع را داشته‌ است، که با تصاویر ماهواره‌ای تأیید شد. نقشه آلودگی نشان داد که مناطق ساحلی و جاده‌های اصلی بیشترین آلودگی را تجربه کردند. تحلیل داده‌ها رابطه‌ای معنادار با ضریب تعیین 75/0 بین داده‌های واقعی و ماهواره‌ای را نشان داد. شاخص AQI پس از برداشت برنج، به بیش از 120 رسید. بر اساس این یافته‌ها، پیشنهاد می‌شود به‌جای سوزاندن، از روش‌های جایگزین مدیریت بقایای کشاورزی مانند تبدیل کاه و کلش به بیوچار استفاده شود.
کلیدواژه‌ها
شاخص AOD
ماهواره مودیس
کشاورزی
آتش سوزی
آلودگی هوا
موضوعات

عنوان مقاله English

Analysis of the Impact of Agricultural Fires on Air Quality in Mazandaran Province Using Satellite Data

نویسندگان English

alireza yousefi kebriya 1
Mehdi Nadi 2
Hosein Yousefi Kebriya 3
1 Ph.D. of Agrometeorology, Faculty of Agricultural Sciences, University of Agricultural Sciences and Natural Resources sari, Iran
2 Associate Professor of Agricultural Meteorology, Department of Water Engineering, Faculty of Agricultural Engineering, University of Agricultural Sciences and Natural Resources, Sari, Iran
3 Bachelor's student in Computer Science, Computer Department, Faculty of Computer Science, Islamic Azad University of Babol, Babol, Iran
چکیده English

Burning of agricultural fields is considered one of the main contributors to air pollution in agricultural regions, resulting in serious environmental and health impacts. This study utilized satellite images from Landsat, MODIS, and Sentinel 5 to investigate pollution caused by this phenomenon in Mazandaran province. Initially, the NDVI index was used to identify vegetation cover, and agricultural areas were delineated by excluding forests. Subsequently, burned areas from 2022 to 2024 were identified using the MODIS fire index. The accuracy of the results was validated with actual MODIS images, and data on AOD, AAI, and carbon monoxide were extracted from MODIS and Sentinel 5 satellites. Additionally, a regression model was developed using data from the Tehran Fath station and satellite information to estimate pollution in the agricultural areas of Babol, Amol, and Fereydunkenar, with daily and monthly AQI charts for these cities plotted for the year 2022. The results indicated that the eastern regions of the province, including Babol, Amol, Qaemshahr, and Sari, experienced the highest levels of agricultural field burning, which was corroborated by satellite images. The pollution map revealed that coastal areas and main roads experienced the most pollution. Data analysis showed a significant relationship with a coefficient of determination of 0.75 between actual and satellite data. The AQI exceeded 120 during post-harvest of rice. Based on these findings, it is recommended instead of burning, use alternative methods of agricultural residue management, such as converting straw into biochar.

کلیدواژه‌ها English

AOD index
MODIS satellite
Agriculture
Fire
air pollution
  1. Aggarwal, S., Srinivas, R., Puppala, H., & Magner, J. (2022). Integrated decision support for promoting crop rotation based sustainable agricultural management using geoinformatics and stochastic optimization. Computers and Electronics in Agriculture, 200, 107213. https://doi.org/10.1016/j.compag.2022.107213
  2. Anees, S. A., Mehmood, K., Akhtar, R., Rehman, N. U., Sultan, M., Shahzad, F., Hussain, K., Luo, M., Alarfaj, A. A., Alharbi, S. A., & Khan, W. R. (2024). Unveiling fractional vegetation cover dynamics: A spatiotemporal analysis using MODIS NDVI and machine learning. Environmental and Sustainability Indicators, 24, 100485. https://doi.org/10.1016/j.indic.2024.100485
  3. Bahşi, K., Ustaoğlu, B., Aksoy, S., & Sertel, E. (2022). Estimation of emissions from crop residue burning in Türkiye using remotely sensed data and the Google Earth Engine platform. Geocarto International, 38(1). https://doi.org/10.1080/10106049.2022.2157052
  4. Chen, Z., Chen, D., Zhuang, Y., Cai, J., Zhao, N., He, B., Gao, B., & Xu, B. (2017). Examining the influence of crop residue burning on local PM2.5 concentrations in Heilongjiang province using ground observation and remote sensing data. Remote Sensing, 9(10), 971. https://doi.org/10.3390/rs9100971
  5. Cordeiro, E. U., Hamilton, D. S., Rossiter, D. G., Mahowald, N., Hess, P., Malik, R., Singh, A., Samaddar, A., & McDonald, A. J. (2024). Rice residue burning trajectories in Eastern India: Current realities, scenarios of change, and implications for air quality. Environmental Research Letters, 19(1), 014006. https://doi.org/10.1088/1748-9326/ad0a1b
  6. Kalluri, R. O. R., Zhang, X., Bi, L., Zhao, J., Yu, L., & Kotalo, R. G. (2020). Carbonaceous aerosol emission reduction over Shandong province and the impact of air pollution control as observed from synthetic satellite data. Atmospheric Environment, 222, 117150.
  7. Keshavarz, N., Ansari, V., & Salami, H. (2023). Investigation of economies of size in rice paddies of Guilan province. Agricultural Economics, 16(4), 115-146. https://doi.org/10.22034/iaes.2023.560148.1937
  8. Khanal, S., Pokhrel, R. P., Pokharel, B., Becker, S., Giri, B., Adhikari, L., & LaPlante, M. D. (2022). An episode of transboundary air pollution in the central Himalayas during agricultural residue burning season in North India. Atmospheric Pollution Research, 13(1), 101270.‌
  9. Monteiro, A. T., Arenas-Castro, S., Punalekar, S. M., Cunha, M., Mendes, I., Giamberini, M., Marques da Costa, E., Fava, F., & Lucas, R. (2024). Remote sensing of vegetation and soil moisture content in Atlantic humid mountains with Sentinel-1 and 2 satellite sensor data. Ecological Indicators, 163, 112123. https://doi.org/10.1016/j.ecolind.2024.112123
  10. Nguyen, C. G., Nguyen, Q. C., & Dang, V. K. (2024). Estimation of greenhouse gas emission due to open burning of rice straw using Sentinel data. Vietnam Journal of Earth Sciences, 46(3), 381-398. https://doi.org/10.15625/2615-9783/20716
  11. NOAA (National Oceanic and Atmospheric Administration), (2020). NOAA ESRL global monitoring laboratory: SURFRAD aerosol optical depth. https://gml.noaa.gov/grad/surfrad/aod/, accessed in 2020.
  12. Pazhanivelan, S., Sudarmanian, N. S., Geethalakshmi, V., Deiveegan, M., Ragunath, K., Sivamurugan, A. P., & Shanmugapriya, P. (2024). Assessing methane emissions from rice fields in large irrigation projects using satellite-derived land surface temperature and agronomic flooding: A spatial analysis. Agriculture, 14(3), 496. https://doi.org/10.3390/agriculture14030496
  13. Singh, D., Kundu, N., & Ghosh, S. (2021). Mapping rice residues burning and generated pollutants using Sentinel-2 data over northern part of India. Remote Sensing Applications: Society and Environment, 22, 100486. https://doi.org/10.1016/j.rsase.2021.100486
  14. Wen, H., Hu, X., & Zhong, P. (2024). Detecting rice straw burning based on infrared and visible information fusion with UAV remote sensing. Computers and Electronics in Agriculture, 222, https://doi.org/10.1016/j.compag.2024.109078
  15. Yosefi Kebriya, A., & Norooz Valashedi, R. (2024). Presenting the suitable planting calendar of Tarem Hashemi rice variety in Mazandaran Province using remote sensing technique. Journal of Drought and Climate Change Research (JDCR), 2(3), 1-17. https://doi.org/10.22077/jdcr.2024.8087.1076
  16. Yousefi Kebria, A., Nadi, M., Ghanbari Parmehr, E., & Sun, Z. 2024. Correlation between the changing Shadegan wetland extent and dust emission using remote sensing techniques. Journal of Watershed Management Research, 15(1): 1-15.
  17. Yousefi Kebriya, A., Nadi, M., & Ghanbari Parmehr, E. (2023). Estimation of ozone and nitrogen dioxide pollutants in Mazandaran Province using sentinel 5 satellite images. Iranica Journal of Energy and Environment, 16(1), 56-65. https://doi.org/10.5829/ijee.2025.16.01.07
  18. Zhao K, Tian X, Lai W, Xu S (2024) Agricultural production and air pollution: An investigation on crop straw fires. PLoS ONE 19(5): e0303830. https://doi.org/10.1371/journal. pone.0303830