پژوهش‌های تغییرات آب و هوایی

پژوهش‌های تغییرات آب و هوایی

تحلیل روند زمانی و الگوی فصلی غلظت ستونی متان (XCH4) در خاورمیانه بر پایه داده‌های Sentinel-5P/TROPOMI طی دوره 2018–2023

نوع مقاله : مقاله پژوهشی

نویسندگان
عزیز عزیزپور 1
محسن میر محمدی 2
روح اله نوری 3
سید محسن موسوی 4
1 کارشناسی ارشد مهندسی محیط ‌زیست، گروه مهندسی محیط‌ زیست، دانشکده محیط‌ زیست، دانشگاه تهران، تهران، ایران،
2 استادیار گروه مهندسی محیط ‌زیست، دانشکده محیط‌ زیست، دانشگاه تهران، تهران، ایران،
3 استادیار گروه مهندسی محیط ‌زیست، دانشکده محیط ‌زیست، دانشگاه تهران، تهران، ایران،
4 گروه علوم محیط‌زیست، دانشکده منابع طبیعی، دانشگاه گیلان، رشت ، ایران
10.30488/ccr.2026.580388.1332
چکیده
متان (CH4) یکی از مهم‌ترین گازهای گلخانه‌ای کوتاه ‌عمر و اثرگذار بر تغییرات اقلیمی است که پایش آن در مناطق انرژی ‌محور از اهمیت ویژه‌ای برخوردار است. هدف این پژوهش، تحلیل روند زمانی و الگوی فصلی غلظت ستونی XCH4 در خاورمیانه طی دوره ۲۰۱۸ تا ۲۰۲۳ با استفاده از داده‌های ماهواره Sentinel-5P/TROPOMI است. در این مطالعه از داده‌های سطح ۲ روزانه XCH4 استفاده شده و پس از پردازش در محیط Python، مقادیر XCH4 در مقیاس‌های ماهانه، فصلی و سالانه تجمیع شدند. سپس روند تغییرات با استفاده از آزمون Mann–Kendall، برآوردگر شیب سن و رگرسیون خطی معمولی (OLS) ارزیابی شد. نتایج نشان داد که XCH4 در خاورمیانه طی دوره مورد مطالعه دارای روندی افزایشی، یکنواخت و از نظر آماری معنادار است؛ به ‌طوری‌ که میانگین سالانه آن از ppb ۱۸۶۲.۱۴ در سال ۲۰۱۸ به ppb ۱۹۱۸.۷۷ در سال ۲۰۲۳ افزایش یافته است. آزمون Mann–Kendall مقدار64 ،9Z = ، 21-10×3،04 p-value=و 0،75= τرا نشان داد که بیانگر روند افزایشی قوی و معنادار در کل دوره مطالعه است. برآوردگر شیب سن و مدل OLS نیز نشان دادند که XCH4 در خاورمیانه به ‌طور متوسط سالانه حدود ppb ۱۲ تا ۱۳ افزایش یافته است. از نظر فصلی، کمینه میانگین XCH4 در زمستان (ppb۱۸۷۶.۲) و بیشینه آن در تابستان (ppb۱۸۹۸.۳) مشاهده شد. تحلیل ماهانه نیز همین الگو را تأیید کرد؛ به ‌گونه‌ای که کمترین مقدار در فوریه و بیشترین مقدار در اوت–سپتامبر ثبت شد. همچنین، نقشه‌های میانگین سالانه و فصلی بیانگر ناهمگنی فضایی XCH4 و مقادیر بالاتر آن در نواحی پیرامون خلیج فارس و بخش‌هایی از شبه‌جزیره عربستان است. در مجموع، نتایج نشان داد که غلظت ستونی متان در خاورمیانه طی سال‌های اخیر از یک روند افزایشی پایدار و یک چرخه فصلی منظم پیروی کرده است. این یافته‌ها بیانگر ظرفیت مناسب پایش ماهواره‌ای برای رصد پیوسته رفتار زمانی و فضایی متان در مقیاس منطقه‌ای است.
کلیدواژه‌ها
متان جوی غلظت ستونی متان Sentinel
5P/TROPOMI تحلیل روند تغییرات فصلی خاورمیانه
موضوعات

عنوان مقاله English

Analysis of Temporal Trends and Seasonal Variability in Column-Averaged Methane Concentrations (XCH4) over the Middle East Using Sentinel-5P/TROPOMI Data during 2018–2023

نویسندگان English

Aziz Azizpour 1
Mohsen Mirmohammadi 2
Roohollah Noori 3
Seyed Mohsen Mousavi 4
1 M.Sc. in Environmental Engineering, Department of Environmental Engineering, Faculty of Environment, University of Tehran, Tehran, Iran
2 Assistant Professor, Department of Environmental Engineering, Faculty of Environment, University of Tehran, Tehran, Iran
3 Assistant Professor, Department of Environmental Engineering, Faculty of Environment, University of Tehran, Tehran, Iran
4 Department of Environmental Sciences, Faculty of Natural Resources, University of Guilan, Rasht, Iran
چکیده English

Methane (CH₄) is one of the most important short-lived greenhouse gases affecting climate change, and its monitoring in energy-intensive regions is of particular importance. The aim of this research is to analyze the temporal trend and seasonal pattern of XCH₄ column concentration in the Middle East during the period 2018-2023 using Sentinel-5P/TROPOMI satellite data. In this study, daily Level 2 XCH4 data were used, and after processing in a Python environment, XCH4 values were aggregated at monthly, seasonal, and annual scales. The trend of changes was then evaluated using the Mann-Kendall test, Sen's slope estimator, and Ordinary Least Squares (OLS) regression. The results showed that XCH₄ in the Middle East during the study period has an increasing, monotonic, and statistically significant trend; its annual average increased from 1862.14 ppb in 2018 to 1918.77 ppb in 2023. The Mann-Kendall test showed Z = 9.64, p-value = 3.04×10⁻²¹, and τ = 0.75, indicating a strong and significant increasing trend over the entire study period. Sen's slope estimator and the OLS model also showed that XCH₄ in the Middle East increased by an average of about 12 to 13 ppb annually. Seasonally, the minimum mean XCH₄ was observed in winter (1876.2 ppb) and its maximum in summer (1898.3 ppb). Monthly analysis also confirmed this pattern, with the lowest value recorded in February and the highest in August–September. Additionally, annual and seasonal average maps indicated spatial heterogeneity of XCH₄ and higher values around the Persian Gulf and parts of the Arabian Peninsula. In summary, the results showed that the methane column concentration in the Middle East has followed a consistent increasing trend and a regular seasonal cycle in recent years. These findings indicate the suitable capacity of satellite monitoring for continuous observation of the temporal and spatial behavior of methane at a regional scale

کلیدواژه‌ها English

Atmospheric methane Column
averaged methane concentration Sentinel 5P/TROPOMI Trend analysis Seasonal variation Middle East
. حجام، سهراب؛ خوشخو، یونس؛ و شمس‌الدین‌وندی، رضا. (۱۳۸۷). تحلیل روند تغییرات بارندگی‌های فصلی و سالانه چند ایستگاه منتخب در حوزه مرکزی ایران با استفاده از روش‌های ناپارامتری. پژوهش‌های جغرافیای طبیعی، (۶۳)، ۱۵۱–۱۵۹. https://sid.ir/paper/5428/fa
2. ملکی نژاد، حسین؛ سلیمانی مطلق، مهدی؛ جایدری، اعظم؛ شاطر آبشوری، سمیه. (1391). تحلیل روند تغییهرات بارندگی و خشکسالی با استفاده از آزمونهای من-کندال و سن در استان تهران. نیوار، 37(81-80)، 43-54 .
3.Adame, J. A., Padilla, R., Parker, R. J., & Hidalgo, P. J. (2025). Spatial distribution pattern and long-term trend of atmospheric methane in the Atlantic-Mediterranean transition region based on TROPOMI and GOSAT measurements. Science of the Total Environment, 958, 178006. https://doi.org/10.1016/j.scitotenv.2024.178006
4.Chen, Z., Jacob, D. J., Gautam, R., Omara, M., Stavins, R. N., Stowe, R. C., Nesser, H., Sulprizio, M. P., Lorente, A., Varon, D. J., Lu, X., Shen, L., Qu, Z., Pendergrass, D. C., & Hancock, S. (2023). Satellite quantification of methane emissions and oil-gas methane intensities from individual countries in the Middle East and North Africa: Implications for climate action. Atmospheric Chemistry and Physics, 23, 5945–5967. https://doi.org/10.5194/acp-23-5945-2023
5.Cruz, J.-L., & Rossi-Hansberg, E. (2024). The economic geography of global warming. The Review of Economic Studies, 91(2), 899–939. https://doi.org/10.1093/restud/rdad042
6.Dogniaux, M., Maasakkers, J. D., Varon, D. J., & Aben, I. (2024). Report on Landsat 8 and Sentinel-2B observations of the Nord Stream 2 pipeline methane leak. Atmospheric Measurement Techniques, 17, 2777–2787. https://doi.org/10.5194/amt-17-2777-2024
7.He, J., Naik, V., Horowitz, L. W., Dlugokencky, E., & Thoning, K. (2020). Investigation of the global methane budget over 1980–2017 using GFDL-AM4.1. Atmospheric Chemistry and Physics, 20, 805–827. https://doi.org/10.5194/acp-20-805-2020
8.Heydarizad, M., Gimeno, L., Sorí, R., Minaei, F., & Eskandari Mayvan, J. (2021). The stable isotope characteristics of precipitation in the Middle East highlighting the link between the Köppen climate classifications and the δ18O and δ2H values of precipitation. Water, 13(17), 2397. https://doi.org/10.3390/w13172397
9.Hu, Y., Yue, X., Tian, C., Zhou, H., Fu, W., Zhao, X., Zhao, Y., & Chen, Y. (2023). Identifying the main drivers of the spatiotemporal variations in wetland methane emissions during 2001–2020. Frontiers in Environmental Science, 11, 1275742. https://doi.org/10.3389/fenvs.2023.1275742
10.Jacob, D. J., Turner, A. J., Maasakkers, J. D., Sheng, J., Sun, K., Liu, X., Chance, K., Aben, I., McKeever, J., & Frankenberg, C. (2016). Satellite observations of atmospheric methane and their value for quantifying methane emissions. Atmospheric Chemistry and Physics, 16, 14371–14396. https://doi.org/10.5194/acp-16-14371-2016
11.Kendall, M. G. (1975). Rank correlation methods (4th ed.). Charles Griffin.
12.Lin, X., Zhang, W., Crippa, M., Peng, S., Han, P., Zeng, N., Yu, L., & Wang, G. (2021). A comparative study of anthropogenic CH4 emissions over China based on the ensembles of bottom-up inventories. Earth System Science Data, 13, 1073–1088. https://doi.org/10.5194/essd-13-1073-2021
13.Lorente, A., Borsdorff, T., Butz, A., Hasekamp, O., aan de Brugh, J., Schneider, A., Wu, L., Hase, F., Kivi, R., Wunch, D., Pollard, D. F., Shiomi, K., Deutscher, N. M., Velazco, V. A., Roehl, C. M., Wennberg, P. O., 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, 665–684. https://doi.org/10.5194/amt-14-665-2021
14.Maasakkers, J. D., Jacob, D. J., Sulprizio, M. P., Scarpelli, T. R., Nesser, H., Sheng, J., Zhang, Y., Lu, X., Bloom, A. A., Bowman, K. W., Worden, J. R., & Parker, R. J. (2021). 2010–2015 North American methane emissions, sectoral contributions, and trends: A high-resolution inversion of GOSAT observations of atmospheric methane. Atmospheric Chemistry and Physics, 21, 4339–4356. https://doi.org/10.5194/acp-21-4339-2021
15.Mousavi, S. M., & Falahatkar, S. (2020). Spatiotemporal distribution patterns of atmospheric methane using GOSAT data in Iran. Environment, Development and Sustainability, 22, 4191–4207. https://doi.org/10.1007/s10668-019-00378-5
16.Mousavi, S. M., Dinan, N. M., Ansarifard, S., Borhani, F., Darvishi, A., Mustafa, F., & Naghibi, A. (2024). Unveiling the drivers of atmospheric methane variability in Iran: A 20-year exploration using spatiotemporal modeling and machine learning. Environmental Challenges, 15, 100946. https://doi.org/10.1016/j.envc.2024.100946
17.Nguyen, N. H. (2024). From source to sink: Measuring and modeling processes affecting methane emissions and loss [Doctoral dissertation, California Institute of Technology].
18.Saunois, M., Stavert, A. R., Poulter, B., Bousquet, P., Canadell, J. G., Jackson, R. B., Raymond, P. A., Dlugokencky, E. J., Houweling, S., Patra, P. K., Ciais, P., Arora, V. K., Bastviken, D., Bergamaschi, P., Blake, D. R., Brailsford, G., Bruhwiler, L., Carlson, K. M., Carrol, M., ... Zhuang, Q. (2020). The global methane budget 2000–2017. Earth System Science Data, 12, 1561–1623. https://doi.org/10.5194/essd-12-1561-2020
19.Seber, G. A. F., & Lee, A. J. (2003). Linear regression analysis (2nd ed.). John Wiley & Sons. https://doi.org/10.1002/9780471722199
20.Tarazkar, M. H., Kargar Dehbidi, N., Ansari, R. A., & Pourghasemi, H. R. (2021). Factors affecting methane emissions in OPEC member countries: Does the agricultural production matter? Environment, Development and Sustainability, 23(5), 6734–6748. https://doi.org/10.1007/s10668-020-00887-8
21.Veefkind, J. P., Aben, I., McMullan, K., Förster, H., de Vries, J., Otter, G., Claas, J., Eskes, H. J., de Haan, J. F., Kleipool, Q., van Weele, M., Hasekamp, O., Hoogeveen, R., Landgraf, J., Snel, R., Tol, P., Ingmann, P., Voors, R., Kruizinga, B., & Levelt, P. F. (2012). TROPOMI on the ESA Sentinel-5 Precursor: A GMES mission for global observations of the atmospheric composition for climate, air quality and ozone layer applications. Remote Sensing of Environment, 120, 70–83. https://doi.org/10.1016/j.rse.2011.09.027
22.World Bank. (2017). World Development Indicators. World Bank. https://www.worldbank.org/
23.World Bank. (2020). World Development Indicators. World Bank. https://www.worldbank.org/