مشکلات آلاینده های جوی باعث نگرانی قابل توجهی در سراسر جهان و در هند شده است. تشدید سطح آلاینده های جوی در محیط اطراف با بدتر شدن کیفیت هوا و ایجاد اثرات نامطلوب بر سلامتی، شرایط زندگی عادی را تهدید جدی می کند. غلظت آلاینده در فصول برداشت خریف/ربیع به دلیل سوزاندن کلش افزایش می یابد و توسط نقاط دیگر یا منابع متحرک تشدید می شود. مطالعه حاضر برای پایش تغییرات مکانی-زمانی آلاینده‌های اصلی جوی با استفاده از داده‌های Sentinel-5P TROPOMI از طریق محاسبات ابری در نظر گرفته شده است. کاربری اراضی/پوشش زمین (طبقه بندی LULC یا طبقه بندی فعالیت های انسانی و پوشش طبیعی روی چشم انداز) برای استخراج منطقه کشاورزی در سایت مورد مطالعه استفاده شد.4 ، NO 2 ، SOX، CO، آئروسل، و HCHO . خروجی منطقه سوخته اطلاعاتی را در مورد دوره سوزاندن کلش فراهم کرد، که پس از برداشت محصول خریف (یعنی برنج از آوریل تا ژوئن) و برداشت محصول ربیع (یعنی گندم از سپتامبر تا نوامبر) سوخته پس از برداشت بوده است. مدت طولانی سوزاندن کلش به دلیل تغییر در برداشت کشاورزان و سوزاندن کلش/زیست توده در مزرعه برای محصولات متوالی است. این دوره به عنوان معیاری برای در نظر گرفتن محاسبات ابری داده های Sentinel-5P TROPOMI برای غلظت آلاینده های جوی در سایت مورد مطالعه استفاده شد. نتایج افزایش معنی داری در CH 4 , SO 2 , SO X را نشان دادغلظت CO، و آئروسل در طول ماههای AMJ (کلش سوزی محصولات ربیع) و OND (کلش سوزی محصولات خریف) هر سال. نتایج با داده های ایستگاه کنترل زمینی برای PM 2.5 / PM 10 تایید می شوند. و الگوهای بارش و مجموعه داده های شبکه بندی دما. فرکانس مسیر حرکت توده هوا با استفاده از مدل HYSPLIT نشان داد که بیشترین فراوانی و غلظت در ماه‌های OND و به دنبال آن ماه‌های AMJ هر سال (2018، 2019، 2020 و 2021) مشاهده شد. این مطالعه از نقش و استحکام رصد زمین Sentinel-5P TROPOMI برای نظارت و ارزیابی کیفیت هوا و توزیع آلاینده ها پشتیبانی می کند.

کلید واژه ها:

Sentinel-5P ; سوزاندن کلش ; مودیس ; آلاینده های هوا ؛ تمرکز ؛ خط سیر ; HYSPLIT

1. مقدمه

سوزاندن کلش بر سلامت عمومی آسیب وارد کرده است، مناطق وسیعی از شمال هند را آلوده کرده و سلامت صدها میلیون نفر را به خطر می اندازد [ 1 ]. به طور کلی، همانطور که توسط کشاورزان در شمال هند گزارش شده است، 24٪ از بقایای محصول در زمین باز سوزانده شد [ 2 ]. سوزاندن کلش یکی از منابع انسانی مهم آلودگی هوا، به ویژه در شمال هند است [ 3 ]. سوزاندن بقایای گیاهی آلاینده‌های عمده هوا از جمله اکسیدهای کربن (CO 2 ، CO)، متان (CH4 ) ، اکسیدهای نیتروژن (NOx ) ، اکسیدهای گوگرد (SOX ) و ذرات معلق (PM ) را وارد اتمسفر می‌کند. 2.5 ، 10 بعد از ظهر) [ 4 ، 5 ]. آلاینده های اولیه جو به عنوان پیش سازهای تولید آلاینده ثانویه، یعنی O 3 ، پراکسی استیل نیترات (PAN) و باران اسیدی در یک محیط آبی یا در حضور تابش خورشید [ 6 ] عمل می کنند که خطرناک تر از اولیه هستند. سوزاندن کلش می‌تواند به دلیل انتشار گازهای گلخانه‌ای، پیامدهای منفی بر محیط‌زیست و انسان داشته باشد، که تغییرات آب و هوایی و هزینه‌های بهداشتی را برای مردم مناطق آسیب‌دیده و اختلالات اقتصادی (لغو/تأخیر پرواز، کندی ترافیک وسایل نقلیه و تصادفات) به دنبال دارد. طبق مطالعات، هزینه آلودگی هوا ناشی از سوزاندن کلش در هند بیش از 30 میلیارد دلار در سال برآورد شده است [ 7 ] .چه چیزی کشاورزان بخش‌هایی از پنجاب، هاریانا و اوتار پرادش را مجبور کرد که پس از برداشت محصول در هر فصل، کلش را بسوزانند؟ این یک موضوع حیاتی است که باید قبل از ارزیابی آلاینده‌های هوا با استفاده از فناوری‌های مکانی به آن پرداخت.
دلیل سوزاندن کلش در پنجاب، هاریانا و اوتار پرادش این است که کشاورزان آنجا برای افزایش عملکرد محصول به سمت کوتاه‌مدت تخصصی در فصول رشد ربیع (گندم) و خریف (برنج) رفته‌اند. سیستم کشت زمان برای رشد دو یا چند محصول در یک سال را فراهم می کند. معمولاً برای محصول برنج از ژوئن/ژوئیه تا اکتبر/نوامبر (فصل خریف) و پس از آن از نوامبر/دسامبر تا مارس/آوریل (فصل ربیع) برای محصول گندم طول می کشد. پس از فصل زراعی برنج، دریچه ای کوتاه برای کاشت گندم باز می کند [ 2]. با این حال، کاشت دیرهنگام محصولات گندم بر تولید تأثیر منفی می گذارد و عملکرد محصول را کاهش می دهد. بر اساس قانون حفاظت از خاک پنجاب در سال 2009، تاریخ پیوند شالیزار 20 ژوئن است که تاریخ برداشت برنج را به جلو می برد. با توجه به این قانون، کشاورزان تنها کمتر از 20 تا 25 روز بین دو محصول فرصت دارند، بنابراین، با توجه به در دسترس نبودن هیچ روش مقرون به صرفه، سوزاندن تنها گزینه باقی مانده برای آنها است. این عمل همچنین هزینه نیروی کار را از دیدگاه کشاورزان کاهش می دهد و رشد علف های هرز، بیماری و آفات را بررسی می کند [ 8 ]]. علاوه بر این، این رویکرد کشاورزی “مقرون به صرفه” منجر به هزینه بالایی برای محیط زیست و سلامت انسان می شود. سوزاندن کلش علاوه بر ایجاد آلودگی هوا، با سوزاندن مواد غذایی حیاتی داخل خاک و کشتن یا جابجایی میکروب های ضروری موجود در خاک تا عمق 2.5 سانتی متری به دلیل افزایش دما تا 42 درجه سانتی گراد، کیفیت خاک را نیز از بین می برد. 9 ، 10 ]. این عمل باعث افزایش هزینه های اضافی برای استفاده از کود یا کمپوست برای بازیابی حاصلخیزی مزارع می شود. بر اساس گزارش منتشر شده توسط NPMCR [ 11 ]، سوزاندن 1 تن خاک کلش 5.6 کیلوگرم نیتروژن، 2.4 کیلوگرم فسفر، 25.5 کیلوگرم پتاسیم و 1.20 کیلوگرم گوگرد را از دست می دهد [ 12 ].
مه شدید در بخش‌های جنوبی قاره هند در طول فصل زمستان [ 13 ] دیده می‌شود، زیرا آتش‌سوزی‌های کلش در شمال هند (حرکت توده‌ای هوا حامل آلاینده‌ها)، به‌ویژه در پنجاب، هاریانا و برخی از بخش‌های غرب اوتار پرادش بی‌داد شده است. دمای پایین در زمستان، به ویژه از اکتبر تا دسامبر، منجر به شرایط وارونگی می شود که به عنوان یک شرایط مطلوب برای آلاینده های متمرکز در تروپوسفر پایین عمل می کند [ 14 ].]، که منجر به تجربه کیفیت هوای ضعیف در دهلی نو و NCR (منطقه پایتخت ملی) می‌شود که از سال 1990 در فهرست برترین مناطق آلوده شهر جهان قرار دارند. در سال 2019، یک گزارش جهانی کیفیت هوا نشان داد که 14 مورد از 20 شهر آلوده جهان در هند است و غازی آباد در اوتار پرادش (UP) آلوده ترین شهر است [ 15 ]]. برای حفظ کیفیت هوا، هماهنگی مرکزی برای رسیدگی به مشکل مورد نیاز است، به این معنی که دولت باید هزینه های جبران خسارت، کاهش (سوزاندن کمتر کلش) یا هر دو را به روش های مختلف تقسیم کند. به طور کلی، مقررات مبتنی بر انگیزه می تواند در کاهش آلودگی هوا مقرون به صرفه باشد. طبق بخش 188 قانون مجازات هند و قانون کنترل هوا و آلودگی 1981، 10 دسامبر 2015، دادگاه ملی سبز (NGT)، سوزاندن کلش در مزارع باز در راجستان، اوتار پرادش، هاریانا و پنجاب غیرقانونی است. 16 ]. علاوه بر این، در سال 2014، دولت اتحادیه “سیاست ملی برای مدیریت بقایای محصول” را برای مقابله با سوزاندن کلش منتشر کرد.
نظارت فیزیکی زمینی برای مناطق بزرگ با استفاده از ایستگاه های ثابت یا ابزار متحرک برای مدت طولانی امکان پذیر نیست. این ایستگاه‌ها و ابزار پایش زمینی دارای محدودیت‌های خاصی هستند، مانند هزینه‌های نگهداری بالاتر و جمع‌آوری نقاط داده محدود به مناطق کوچک یا فقط تا چند متر در اطراف ایستگاه که منجر به داده‌های ناپیوسته برای تولید نتایج درون‌یابی می‌شود [ 17 ]. ایستگاه‌های زمینی از نظر تعداد محدود و به‌طور نابرابر توزیع شده‌اند، که نقاط داده را فراهم می‌کند و نقشه‌برداری از آلاینده‌های جوی را مختل می‌کند، زیرا کیفیت هوا اغلب با مناطق متفاوت است [ 18 ]]. آلاینده‌های جوی در مکان‌های دور از نقاط منبع انتشار آلاینده‌ها از طریق سرعت و جهت باد به عنوان عوامل ایجادکننده پخش می‌شوند [ 19 ]. بنابراین، ارزیابی حرکت توده هوا و ارزیابی مسیر برای تعیین غلظت آلاینده اتمسفر در یک منطقه برای حرکت و پراکندگی آنها ضروری است. به غیر از آلاینده های اصلی جو، انتشار انواع مختلفی از آلاینده های خطرناک در نزدیکی کارخانه ها و مناطق صنعتی مانند فلوراید وجود دارد که برای انسان، گیاهان و محیط اطراف مضر است [ 20 ].
پیش از این، داده‌های Landsat 8 OLI برای تخمین منطقه سوزاندن کلش و تأثیر آن بر شاخص کیفیت هوا مورد استفاده قرار گرفت [ 21 ]. استفاده از مجموعه داده‌های مشاهده زمین (EO) برای پایش آلاینده‌های جوی، داده‌های مکانی-زمانی پیوسته را در مقیاس‌های مختلف، به عنوان مثال، در مقیاس محلی تا جهانی فراهم می‌کند [ 22 ]. در دهه‌های اخیر، استفاده از مجموعه داده‌های EO برای پایش آلاینده‌های جوی همراه با الگوریتم‌ها و تکنیک‌های مدل‌سازی مختلف افزایش یافته است. تعداد کمی از محققان از باند مادون قرمز حرارتی حسگرهای Landsat ETM برای نظارت بر توزیع PM 10 استفاده کردند [ 17 ]]. اخیراً، محققان از مجموعه داده‌های EO چند حسگر مانند IRS-P4 OCM، MODIS AOD، MOPITT CO، و OMI برای نظارت بر ویژگی‌های حمل‌ونقل ذرات معلق در هوا و CO در دشت‌های هند-گنگی بر روی دریای عرب استفاده کرده‌اند [ 23 ، 24 ]. نویسندگان افزایش آلاینده های جوی را در نوامبر گزارش کردند [ 23 ]. برخی از مطالعات استفاده از ابزارهای زمینی را برای نظارت بر ذرات معلق در هوا (High Volume Sampler-HVS) و گازهای NO 2 و SO 2 (با استفاده از تکنیک های اتصالات گازی ترموالکتریک) نشان دادند [ 25 ]. نویسندگان گزارش کردند که تغییر در شیمی هوا درست پس از سوزاندن بقایای محصول به دلیل افزایش غلظت SO 2 و NO 2 است.به طور ناگهانی به هوا با بحث فوق می توان استنباط کرد که از سنسورها و ابزارهای مختلف EO و زمینی برای پارامترهای مختلف استفاده می شود. با این حال، با راه اندازی ابزار Sentinel-5P، آلاینده های اصلی جو را می توان به طور مستقل در گستره فضایی بیشتری در دوره های مختلف پایش کرد. اگرچه چندین مقاله برای پایش و مشاهده آلاینده‌ها/کیفیت هوا در سراسر جهان و هند منتشر شد، اما هیچ مطالعه‌ای هنوز از مزایای MOD16A1 مشتق شده از Sentinel-5P Tropomi/MODIS برای پایش مکانی-زمانی آلاینده‌های جوی استفاده نکرده است. سوزاندن کلش بر روی محل انتخابی در طول 2018-2021.
هدف اصلی مطالعه حاضر پایش و بررسی الگوهای مکانی-زمانی آلاینده‌های جوی مبتنی بر Sentinel-5P Tropomi مانند NO X ، SOx ، CH4 ، CO، ذرات معلق در هوا و ازن (O 3 ) بود.) و منطقه سوزانده شده از MOD64A1 از طریق محاسبات ابری پشتیبانی شده توسط Google Earth Engine. این به منظور پایش سطح آلاینده ها قبل و بعد از سوزاندن کلش انجام شد. به دلیل حرکت و جهت وزش باد، آلاینده ها تشدید می شوند و در طول فصل زمستان در سطح بالایی در مناطق محلی اطراف گردش می کنند. فرکانس مسیر (مدل HYSPLIT) برای ارزیابی سطح آلاینده از طریق حرکت توده هوا استفاده می شود. این اولین باری بود که Sentinel-5P Tropomi برای تخمین غلظت آلاینده های هوا به دلیل سوزاندن کلش در بخش هایی از هندوستان انجام شد. چندین مطالعه آلاینده های هوا را از نظر غلظت آنها در سطح زمین و نظارت بر غلظت جو با استفاده از داده های ماهواره ای قبلی مانند OMI، DOME، DOME 2 گزارش کردند، همانطور که قبلاً بحث شد.26 ، 27 ، 28 ]. این تلاش برای شناسایی تغییرات غلظت آلاینده‌های هوا در یک مقیاس فضایی در طول زمان موضوع مورد توجه و موضوع تحقیقاتی مهم بوده است. همانطور که در بالا ذکر شد، کار حاضر شکاف بین دانش و تخمین غلظت آلاینده‌های هوا را به دلیل سوزاندن کلش در ایالت‌های هند پر می‌کند.

2. شرح سایت مطالعه

محل مطالعه انتخاب شده بر اساس سوزاندن کلش توسط کشاورزان در سراسر این مناطق و تاثیر آن است. شکل 1 نقشه مکان محل مطالعه انتخاب شده برای مطالعه حاضر را نشان می دهد. مناطق هاریانا، پنجاب، اوتار پرادش (بخش غربی)، و NCR دهلی نو به‌عنوان مکان‌های مطالعه انتخاب شدند تا تغییرات زمانی آلاینده‌های اصلی ناشی از سوزاندن کلش را بررسی کنند (دوره انتخاب شده به عنوان فصل ربیع/خریف).

3. داده های مورد استفاده و روش شناسی اتخاذ شده

مطالعه حاضر با استفاده از موتور Google Earth (GGE) انجام شد و از مجموعه داده‌های S5P و MODIS برای اهداف محاسباتی استفاده شد. GGE یک پلتفرم مبتنی بر محاسبات ابری است که برای نظارت و اندازه‌گیری تغییر در محیط زمین در مقیاس سیاره‌ای در پایگاه داده‌ای عظیم از داده‌های EO استفاده می‌شود. هزاران رایانه در مراکز داده گوگل از طریق این پلتفرم قابل دسترسی هستند که ذاتاً دسترسی محاسباتی موازی را فراهم می کند. این پلتفرم همچنین حاوی یک چارچوب برنامه‌نویسی کاربردی جدید یا «API» است که در پایتون و جاوا اسکریپت موجود است که به دانشمندان امکان دسترسی به این منابع محاسباتی و داده‌ای را می‌دهد و به آن‌ها اجازه می‌دهد مقیاس‌پذیری یا ایجاد روش‌های جدید را ایجاد کنند [ 29 ]]. از Sentinel-5P برای ارزیابی داده‌های تروپوسفر و MODIS MOD64A1 برای داده‌های سوخته شده محل مطالعه استفاده شد. نقشه LULC برای سایت مورد مطالعه برای سال 2020 تولید شد و بعداً، منطقه کشاورزی استخراج شد تا نشان دهد که چه مقدار مساحت برای فعالیت‌های کشاورزی استفاده می‌شود. برای تخمین منطقه سوخته شده برای سایت مورد مطالعه، از محاسبات مبتنی بر ابر برای داده های ماهانه MOD64A1 برای سال های 2018، 2019، 2020 و 2021 استفاده کردیم. برای بررسی منطقه سوخته واقعی در سایت مطالعه و بر اساس نتایج حاصل از منطقه سوخته ما داده‌های ماهانه را برای ارزیابی غلظت و پراکندگی آلاینده‌های جوی برای سال‌های 2018، 2019، 2020 و 2021 استخراج کردیم.
Sentinel-5P TROPOMI: Tropospheric Monitoring Instrument در 13 اکتبر 2017 در ساعت 2:57 بعد از ظهر IST به عنوان بخشی از پروژه کوپرنیک راه اندازی شد. Sentinel-5P TROPOMI به طور موثر غلظت آلاینده های جوی و گازهای کمیاب مانند NO 2 Column Density, O 3 Total Atmospheric Column, SO 2 , HCHO, CH 4 , CO, Aerosol Absorbing Index (AAI) را مشاهده می کند که به دلیل انتشار در اتمسفر به فعالیت های انسانی علاوه بر این، این ابزار ارزیابی ذرات معلق در هوا و ابرها را تقویت می کند. مشخصات Sentinel-5P TROPOMI در جدول 1 به همراه تاریخ در دسترس بودن داده ها برای آلاینده های خاص ذکر شده است.
مجموعه داده‌های مبتنی بر Sentinel-5P TROPOMI در سطوح غلظت آلاینده از طریق محاسبات ابری از موتور Google Earth (GGE) استخراج و بازیابی شدند ( https://code.earthengine.google.com/ ، در 11 مارس 2021 مشاهده شد). GGE یک پلت فرم مبتنی بر ابر است که به طور گسترده برای پردازش داده های ماهواره ای استفاده می شود. Sentinel-5P از ​​ابزار TROPOMI استفاده می‌کند، یک حسگر چندطیفی که بازتاب طول موج‌ها را ثبت می‌کند و برای اندازه‌گیری غلظت گازها در اتمسفر با وضوح فضایی 0.01 درجه قوس بهینه شده است. بازیابی داده های Sentinel-5P برای پیش پردازش استفاده شد و تولید نقشه به ترتیب با استفاده از نرم افزار SNAP و ArcGIS انجام شد.
برای نشان دادن تغییرات مکانی-زمانی آلاینده‌های اصلی جوی ناشی از سوزاندن بیش از حد کلش، تحلیل‌های آنالیز فوق‌الذکر برای دوره‌های مختلف فهرست شده در بالا، مربوط به ماه‌های سوزاندن کلش، همانطور که در جدول 2 نشان داده شده است (برای سال‌ها) به دست آمد. 2018، 2019، 2020 و 2021).
  • فاز 1 – سال 2018 – (اوت تا دسامبر 2018 بر اساس در دسترس بودن داده ها – جدول 1 ).
  • فاز 2 – سال 2019 (ژانویه تا دسامبر 2019).
  • فاز 3 – سال 2020 (ژانویه تا دسامبر 2020).
  • فاز 4 – سال 2021 (ژانویه تا دسامبر 2021).
نتایج/نتایج آلاینده‌های اصلی جو بر اساس در دسترس بودن داده‌های آنها از حسگرهای Sentinel-5P Tropomi است.

4. نتایج

در این بخش، با خروجی تولید شده برای LULC سایت مورد مطالعه، تخمین منطقه سوخته ماهانه برای سال‌های 2018، 2019، 2020 و 2021، و بعداً، یکی از مجموعه داده‌های Sentinel-5P Tropomi که تخمین آلاینده های جوی تولید شده از سایت مورد مطالعه، بنابراین تاثیر سوزاندن کلش با استفاده از مجموعه داده های مشاهده زمین، به عنوان مثال، MOD64A1 و S5P-Tropomi برجسته می شود.

4.1. LULC برای سایت مطالعه

LULC برای شناسایی پوشش زمین در سایت های مورد مطالعه از محصول ESRI LULC2020 [ 30 ] تولید می شود که اطلاعات پایه را برای نقشه برداری و تجزیه و تحلیل تغییر ایجاد می کند [ 31 ، 32 ]. LULC برای سایت مورد مطالعه برای ارزیابی استفاده از زمین برای اهداف مختلف، مانند کشاورزی، مناطق شهری، بدنه‌های آبی، جنگل‌ها و غیره برای فعالیت‌هایی مانند نقشه‌برداری موضوعی و تجزیه و تحلیل تشخیص تغییر ایجاد شد. هدف اصلی LULC در مطالعه حاضر ترسیم یا تخمین کل سطح کشاورزی است که در آن احتمال سوزاندن کلش وجود دارد. نقشه LULC از تصاویر ESA Sentinel-2 در وضوح فضایی 10 متر از ESRI2020 [ 30 ] مشتق شده است.]، نشان دهنده محصولات زراعی، بدنه های آبی، پوشش گیاهی، پوشش گیاهی غرقاب، بوته ها، مناطق ساخته شده و زمین برهنه است (انواع پوشش زمین از محصولات پوشش زمین ESRI در نظر گرفته شد). از آنجایی که هدف ما ارزیابی تأثیر سوزاندن کلش بود، عمدتاً بر روی منطقه کشاورزی از طریق LULC سایت‌های مورد مطالعه برای سال 2020 تمرکز کردیم (همانطور که در شکل 2 الف نشان داده شده است). منطقه کشاورزی از LULC مشتق شده برای تعیین سطح کل فعالیت های کشاورزی در سایت مورد مطالعه و ایالات جداگانه استخراج شد. مساحت کشاورزی 38154.66 کیلومتر مربع برای هاریانا، 42888.15 کیلومتر مربع برای پنجاب، 436.23 کیلومتر مربع برای دهلی نو و 176،531.80 کیلومتر مربع است .برای اوتار پرادش در سال 2020، همانطور که از خروجی های LULC محاسبه و استخراج شده است (به شکل 2 ب مراجعه کنید). سوزاندن کلش عمدتاً در پنجاب و هاریانا انجام می‌شود و تنها در چند بخش از اوتار پرادش موارد کوچکی از سوزاندن وجود دارد.

4.2. منطقه سوخته برای مکان های مطالعه (سال های 2018، 2019، 2020، و 2021)

این بخش ماه‌های سوزاندن کلش را برای هر سال با استفاده از داده‌های MCD64A1 طیف‌سنجی تصویربرداری با وضوح متوسط ​​(MODIS) شناسایی می‌کند. محصولات خاريف در اوايل ارديبهشت و اواخر خرداد كاشته مي شوند كه براي اين منظور مزارع نياز به پاك كردن كلش است و پس از آن سوزاندن كلش (سوختن زباله ها پس از برداشت محصول ربيع) در ماه هاي AMJ قابل مشاهده است. به طور مشابه، محصولات ربیع در اواخر اکتبر و اواخر نوامبر کاشته می شوند که منجر به سوزاندن سریع کلش (پسماندهای حاصل از محصولات برداشت شده از شریف ترجیحاً پس از باران های موسمی) در سراسر بخش های عمده کشور می شود. فاصله زمانی کاشت محصول ربیع تا برداشت محصول خریف تقریباً دو تا سه هفته است و مزرعه باید آماده شود. این به عنوان یک روش پاکسازی سریع توسط کشاورزان برای آماده سازی زمین برای محصولات جدید در نظر گرفته می شود.33 ]. ما چندین مقاله منتشر شده را بررسی کرده بودیم تا دقیقاً روی ماه سوخته شدن بقایای کشاورزی در سایت‌های مطالعه تمرکز کنیم [ 33 ، 34 ، 35 ]. بر اساس برآورد ماهانه منطقه سوخته شده، ما دوره زمانی را برای ارزیابی آلاینده ها با استفاده از Sentinel-5P تعریف کرده ایم (همانطور که در جدول 1 و شکل 3 نشان داده شده است ).
تصاویر MODIS-Surface Reflectance داده های شبکه بندی شده در ناحیه سوخته MCD64A1 را ارائه می دهد که به تخمین آتش سوزی های فعال کمک می کند [ 36 ]. ما از محاسبات مبتنی بر ابر برای تولید تخمین‌هایی از مناطق سوختگی فعال در سایت مورد مطالعه استفاده کرده‌ایم، با استفاده از الگوریتم‌هایی که شامل تاریخ سوزاندن سلول‌های شبکه 500 متری در کاشی MODIS است. از آنجایی که MODIS یک حسگر انحصاری نظارت بر آتش است و توانایی تخمین یا تشخیص آتش سوزی در یک منطقه کوچک را دقیقاً در مقایسه با سایر سنسورهای رصد زمین موجود دارد.
اطلاعات در لایه های داده 6 محصول MOD64A1، از جمله تاریخ سوختن، عدم قطعیت داده، تضمین کیفیت، و روز جولیان (1 تا 365) سال مربوطه (در دسترس بودن داده ها از ژانویه 2000 تا کنون) موجود است.
داده‌های MODIS نشان می‌دهد که موارد سوزاندن کلش در آوریل، می، و ژوئن (OMJ-Months) و همچنین در ماه‌های اکتبر، نوامبر و دسامبر (OND-Months) برای سال‌های 2018، 2019، 2020 و 2021 ثبت شده است. سال‌های 2018، 2019، 2020 و 2021 شدید در نظر گرفته شدند زیرا سوزاندن کلش نسبت به ماه‌های دیگر کربن بیشتری به جو اضافه کرد. ما سعی کرده‌ایم دوره‌های سه‌زمانی را بر اساس درک خود از آلاینده‌های جوی مرتبط با تغییرات فصلی، با غلظت‌های جوی بالاتر در طول فصل پس از موسمی/زمستان و کمتر در طول فصول پیش از موسمی طبقه‌بندی کنیم [ 23 ، 34 ].
همانطور که قبلاً بحث شد، دوره فوق از آوریل تا ژوئن و سپتامبر تا دسامبر را در برجسته کردن آلاینده های جوی با استفاده از مجموعه داده های Sentinel-5P به شرح زیر گنجانده ایم:
  • دوره بهار: همانطور که در شکل 2 (منطقه سوخته MODIS) مشاهده می شود، داده ها نشان می دهد که مناطق سوختگی در ماه های آوریل، می و ژوئن به دلیل سوزاندن بقایای پس از برداشت از محصولات خریف مانند برنج شناسایی شده است. در این مدت سوزاندن کلش باعث تشدید مشکلات نمی شود.
  • دوره تابستان/ باران های موسمی : دلیل دیگری برای سوزاندن کمتر در فصل بارانی است، زیرا باعث کاهش حوادث سوزاندن ته ته می شود. سوزاندن کلش معمولاً تا 15 می در شمال هند رخ می دهد زیرا کشاورزان مزارع خود را برای محصولات خریف آماده می کنند. با این حال، این به دلیل دمای بالا و نرخ پراکندگی بالا منجر به آلودگی حاد نمی شود.
  • دوره پس از موسمی و زمستان : سوزاندن کلش در ماه های سپتامبر، اکتبر و نوامبر در سراسر منطقه مورد مطالعه انجام می شود زیرا کشاورزان درگیر در فعالیت های کشاورزی مزارع خود را برای محصولات ربیع، مانند گندم آماده می کنند. در این دوره، تأثیر سوزاندن کلش شدیدتر است، زیرا دمای کمتر در زمستان منجر به یک محیط پایدار (شرایط وارونگی) می شود [ 14 ]. سوزاندن کلش برنج بیشتر از گندم است و در شرایط وارونگی، آلاینده را برای مدت طولانی تری در اتمسفر نگه می دارد و مشکل دید گسترده ای را در منطقه پایتخت ایجاد می کند و شاخص کیفیت هوا (AQI) را در این مدت تنزل می دهد [ 21 ].]. بنابراین، ماه های OND با غلظت بالایی از آلاینده ها ارائه می شود. سوزاندن کلش به تنهایی تنها عامل مؤثر بر کیفیت هوای پس از موسمی در منطقه مورد مطالعه نیست. عوامل دیگری از جمله دمای محیط، رطوبت نسبی، سرعت باد، جهت باد و فشار محیط نیز نقش مهمی را ایفا می کنند [ 37 ].
داده های پردازش شده از MODIS نشان می دهد که کل مساحت سوخته برای سال های 2018، 2019، 2020 و 2021 30422.5 کیلومتر مربع ، 27،956 کیلومتر مربع ، 27،084.5 کیلومتر مربع ، و 27،591.5 کیلومتر مربع است . که در آن سهم AMJ برای هر سال به ترتیب 20.44٪، 14.65٪، 12.73٪ و 9.49٪ است (از آنجایی که داده های آفلاین/زمان واقعی برای دسامبر 2021 در دسترس نبود، تا نوامبر 2021 گزارش شد)، و سهام OND به ترتیب 78.44%، 83.44%، 82.94% و 88.84% (به شکل 4 مراجعه کنید ). همانطور که در شکل 4 مشاهده می شود ، آوریل-مه-ژوئن و اکتبر-نوامبر-دسامبر در طول سال های 2018، 2019، 2020 و 2021 مطابق با بالاترین منطقه سوخته در محل مطالعه است، همانطور که در جدول 2 مشاهده می شود .

4.3. نتایج بدست آمده از Sentinel-5P TROPOMI برای آلاینده های اصلی

این بخش به تخمین آلاینده های جوی با استفاده از داده های Sentinel-5P از ​​طریق استفاده از محاسبات ابری می پردازد. شاخص های آلودگی جوی ناشی از سوزاندن کلش را می توان با استفاده از داده های Sentinel-5P TROPOMI ارزیابی کرد.

4.3.1. تخمین آئروسل

محصول شاخص آئروسل ارائه شده توسط S5P TROPOMI یک شاخص کیفی است که حضور ذرات معلق در هوا را با جذب قابل توجه اندازه گیری می کند. از نظر ریاضی، شاخص آئروسل را می توان به صورت زیر بیان کرد:

AAI = 100log10(Rmeas(λ2 ) Rmeas(λ1 ) ) – 100log 10
Rmeas(λ2 ) Rcalc( λ1 ، ALER (λ1 ) ) /Rmeas( λ1 )Rcalc( λ2 ، ALER ( λ2 ) )
AAI شاخص جذب آئروسل است. R meas بازتاب اندازه گیری شده را در طول موج λ1 و λ2 نشان می دهد . R calc بازتاب محاسبه شده از جو را با پراکندگی رایلی توصیف می کند. یک LER بازتاب معادل لامبرت است که بازتاب اندازه گیری شده برای طول موج λ 2 است.. محدوده غلظت آئروسل از 21- (دقیقه) تا 39 (حداکثر) متغیر است. آئروسل هایی که نور (گرد و غبار و دود) را جذب می کنند با مقادیر مثبت شاخص آئروسل نشان داده می شوند، در حالی که مقادیر کوچک یا منفی نشان دهنده ذرات معلق در هوا و ابرهای غیر جاذب هستند. اگر شاخص شکست، توزیع اندازه ذرات و ارتفاع لایه آئروسل از اندازه‌گیری‌های قبلی مشخص باشد، شاخص را می‌توان بر حسب عمق نوری تفسیر کرد [ 38 ].
ابزار S5P TROPOMI شاخص آئروسل (AI) را با استفاده از دو محدوده طول موج تخمین می زند. بنابراین، هوش مصنوعی با استفاده از طول موج های 340 نانومتر و 380 نانومتر از ابزار S5P Tropomi محاسبه می شود. AI 340/380 و AI 354/388 در محصول Level-3 در پلت فرم محاسبات ابری برای تجزیه و تحلیل در مقیاس مکانی در اختیار کاربران قرار می گیرد (به عنوان محصولات L2 در آن زمان و نه در مقیاس فضایی). داده‌های هوش مصنوعی آفلاین از جولای 2018 تا دسامبر 2021 برای تجزیه و تحلیل جمع‌آوری شد. شکل 5. غلظت شاخص آئروسل را از سال 2018 تا نوامبر 2021 نشان می دهد. نتایج نشان داد که حداکثر غلظت در ماه های آوریل، مه و ژوئن (AMJ) و در طول زمستان، اکتبر تا دسامبر (ماه های OND هر سال) مشاهده شد. Sentinel5P می تواند به حداکثر مقدار 39 برای شاخص آئروسل دست یابد. یافته‌های ما نشان می‌دهد که هوش مصنوعی برای ماه‌های AMJ 0.11، 0.24، و 0.15 برای سال‌های 2019، 2020 و 2021 بوده است، در حالی که برای ماه‌های OND 0.99، 1.58، 1.63، و 1.90 برای سال‌های 2018، 2019 است. ، به ترتیب 2020 و 2021. یافته‌های ما گزارش داد که غلظت در ماه‌های OND (زمستان) و به دنبال آن ماه‌های AMJ هر سال بیشتر است، همانطور که در شکل 5 مشاهده می‌شود .
4.3.2. CO (مونوکسید کربن)
محصول مونوکسید کربن برای تخمین کل ستونی که برای فراوانی CO پس‌زمینه و بازتاب سطح باید بازیابی شود، استفاده می‌شود. یک رویکرد بازیابی مبتنی بر فیزیک برای استخراج خواص پراکندگی جو مشاهده شده و گازهای کمیاب مرتبط در جو استفاده شد [ 39 ]]. مونوکسید کربن (CO) یک گاز ردیابی اتمسفر مهم برای درک شیمی تروپوسفر است. در برخی از مناطق شهری، آلاینده اصلی جو است. منابع اصلی CO عبارتند از احتراق سوخت های فسیلی، سوزاندن زیست توده، و اکسیداسیون اتمسفر متان و سایر هیدروکربن ها. در حالی که احتراق سوخت فسیلی منبع اصلی CO در عرض های جغرافیایی میانی شمالی است، اکسیداسیون ایزوپرن و سوزاندن زیست توده نقش اساسی در مناطق استوایی ایفا می کند. TROPOMI در ماهواره Sentinel 5 Precursor (S5P) فراوانی جهانی CO را با بهره‌برداری از اندازه‌گیری‌های تشعشع زمین در آسمان صاف و آسمان ابری در محدوده طیفی 2.3 میکرومتر قسمت مادون قرمز موج کوتاه (SWIR) از طیف خورشیدی مشاهده می‌کند [ 40 ]]. مشاهدات آسمان صاف S5P TROPOMI کل ستون‌های CO حساس به لایه مرزی تروپوسفر را فراهم می‌کند [ 41 ].
حساسیت ستون با توجه به مسیر نور برای اتمسفرهای ابری تغییر می کند و بنابراین تخمین با استفاده از مجموعه داده های SP5 آسان است. در اینجا، Sentinel-5P برای تخمین چگالی ستون CO یکپارچه عمودی در 0.01 درجه قوس، که غلظت CO را از حداقل 0.01 تا حداکثر مقدار گزارش شده 5.71 mol/m2 ارائه می‌کند، استفاده می‌شود . داده های CO آفلاین از ژوئن 2018 تا دسامبر 2021 برای تجزیه و تحلیل جمع آوری شد. شکل 6 غلظت CO را از نوامبر 2018 تا نوامبر 2021 نشان می دهد. نتایج نشان داد که حداکثر غلظت در آوریل، مه، و ژوئن (AMJ) و در طول زمستان، اکتبر تا دسامبر (ماه های OND) هر سال مشاهده شد. مقدار متوسط ​​غلظت CO در منطقه مورد مطالعه 4.6 × 10-2 بودmol / m2 . غلظت CO برای ماه های AMJ برای سال های 2019، 2020 و 2020 4.8 × 10-2 ، 4.54 × 10-2 و 4.59 × 10-2 برای سال های 2019، 2020 و 2020 است در حالی که، 5.16 × 10-2 بود . 4.98 × 10-2 ، 5.44 × 10-2 و 5.46 × 10-2 mol /m2 برای ماه های OND برای سال های 2018، 2019، 2020 و 2021، به ترتیب. نتایج به این نتیجه رسیدند که غلظت CO در ماههای OND (زمستان) در مقایسه با ماههای AMJ در هر سال کمی بالاتر است، همانطور که در شکل 6 مشاهده می شود .
4.3.3. اکسید نیتروژن (NO 2 /NO)
اکسیدهای نیتروژن (مانند دی اکسید نیتروژن (NO 2 ) و اکسید نیتروژن (NO)) گازهای کمیاب قابل توجهی هستند که محصولات نهایی منابع انسانی و همچنین فرآیندهای طبیعی هستند. اینها گازهای انتشاری هستند که برای جو مضر هستند که باعث ایجاد دود، باران های اسیدی و سایر مشکلات مرتبط می شوند. اکسیدهای نیتروژن (NO 2 و NO) گازهای کمیاب مهم در جو زمین هستند که در تروپوسفر و استراتوسفر وجود دارند. این گازها به دلیل فعالیت های انسانی (احتراق سوخت فسیلی و سوزاندن زیست توده) و فرآیندهای طبیعی (آتش سوزی، رعد و برق و فرآیندهای میکروبیولوژیکی در خاک) وارد جو می شوند [ 42 ]. اینجا، NO 2برای نشان دادن غلظت اکسیدهای نیتروژن جمعی استفاده می شود زیرا در طول روز، به عنوان مثال، در حضور نور خورشید، یک چرخه فتوشیمیایی شامل ازن (O 3 ) NO را به NO 2 تبدیل می کند و بالعکس در مقیاس زمانی دقیقه ای. سیستم پردازش TROPOMI NO 2 بر اساس توسعه الگوریتم برای محصول DOMINO-2 است و مجموعه داده EU QA4ECV NO 2 برای OMI دوباره پردازش شده و برای TROPOMI اقتباس شده است. این سیستم بازیابی-همسان سازی-مدل سازی از مدل حمل و نقل شیمی TM5-MP جهانی سه بعدی با وضوح 1×1 درجه به عنوان یک عنصر ضروری استفاده می کند. در اینجا، Sentinel-5P برای تخمین کل ستون عمودی NO 2 (نسبت تراکم ستون مایل NO) استفاده می شود.2 و ضریب جرم کل هوا) در 0.01 درجه قوس. چگالی تعداد ستون NO 2 تروپوسفر از حداقل مقادیر -5.37 × 10-4 تا حداکثر مقادیر گزارش شده 1.92 × 10-2 (mol/m2 ) متغیر است. با این حال، از دسامبر 2020 به بعد، تغییرات و بهبودهایی در محصولات S5P NO وجود دارد [ 43 ، 44 ، 45 ]. داده های آفلاین NO 2 از ژوئن 2018 تا دسامبر 2021 برای تجزیه و تحلیل جمع آوری شد (برای اطلاعات بیشتر به جدول 1 مراجعه کنید). شکل 7 NO 2 را نشان می دهدغلظت از نوامبر 2018 تا نوامبر 2021. نتایج نشان داد که حداکثر غلظت در آوریل، مه، و ژوئن (AMJ) و در طول زمستان، اکتبر تا دسامبر (ماه های OND هر سال) مشاهده شد. غلظت در زمستان کمی بیشتر از ماه های AMJ در هر سال است، همانطور که در شکل 7 مشاهده می شود . مقدار NO 2 در جو به چندین منبع انتشار مانند انتشارات وسایل نقلیه و منابع طبیعی مرتبط است. میانگین غلظت NO 2 در منطقه مورد مطالعه 2.02×10-4 mol /m2 بود . غلظت برای ماه های AMJ 1.27 × 10-4 ، 1.75 × 10-4، 9.32 × 10-5 و 1.26 × 10-4 است .mol/m 2 و برای ماه های OND به ترتیب 3.37 × 10-4 ، 2.87 × 10-4 ، 2.26 × 10-4 و 2.62 × 10-4 mol/m2 برای سال های 2018، 2019، 2020 و 2020 است. .
4.3.4. اکسید گوگرد (SO 2 )
دی اکسید گوگرد (SO 2 ) از طریق فرآیندهای طبیعی و انسانی وارد جو زمین می شود. این نقش در شیمی در مقیاس محلی و جهانی دارد و تأثیر آن از آلودگی کوتاه مدت تا تأثیرات بر اقلیم متغیر است. منابع افزایش غلظت SO 2 در اتمسفر به منابع انسانی، انتشار وسایل نقلیه، سوزاندن زیست توده و احتراق سوخت‌های فسیلی [ 46 ] و پدیده‌های طبیعی (رعد و برق، آتش‌سوزی جنگل‌ها، فعالیت‌های میکروبی و دیگر ابزارها) نسبت داده می‌شود. تنها حدود 30 درصد از SO 2 منتشر شده از منابع طبیعی می آید. بیشتر آنها انسان زا هستند. انتشار SO 2 بر سلامت انسان و کیفیت هوا تأثیر منفی می گذارد. SO 2آب و هوا را از طریق نیروی تشعشعی از طریق تشکیل ذرات معلق سولفات تحت تاثیر قرار می دهد. انتشار گازهای گلخانه ای SO 2 همچنین می تواند تهدیدی برای هوانوردی به همراه خاکستر آتشفشانی باشد. S5P / TROPOMI سطح زمین را با زمان بازبینی یک روزه با وضوح فضایی بی‌سابقه 3.5 × 7 کیلومتر نمونه‌برداری می‌کند که امکان تفکیک جزئیات دقیق از جمله تشخیص ستون‌های SO2 بسیار کوچک‌تر را فراهم می‌کند. اطلاعات بیشتر در مورد مجموعه داده ها و پردازش آنها را می توان در GGE بررسی کرد.
در اینجا، S5P TROPOMI برای تخمین چگالی ستون عمودی SO2 در سطح زمین، محاسبه شده با استفاده از تکنیک DOAS در 0.01 درجه قوس، از 0.4051 تا 0.2079 (mol/m2 ) که توسط نتایج S5P-Tropomi گزارش شده است، استفاده می‌شود. میانگین وزنی ضریب توده هوای ابری و صاف (و) وزن شده با کسر ابر وزنی با شدت از 0.1 تا 3.387 (mol/m2 ) است و می توان با استفاده از Sentinel-5P اندازه گیری کرد. داده های آفلاین SO 2 از دسامبر 2018 تا دسامبر 2021 برای تجزیه و تحلیل جمع آوری شد. میانگین SO 2 در منطقه مورد مطالعه 9× 10-4 mol/m2 و برای ماه های AMJ 5.4× 10-4 ، 5.61×10-4 بود .و 5.59×10-4 mol /m2 و برای ماه های OND به ترتیب 1.55× 10-3 ، 1.32× 10-3 و 8.9× 10-4 mol/m2 در سال های 2019، 2020 و 2021 بود. شکل 8 غلظت SO2 را از دسامبر 2018 تا نوامبر 2021 نشان می دهد. نتایج نشان داد که حداکثر غلظت در ماه های AMJ و همچنین در طول زمستان، اکتبر تا دسامبر (OND) هر سال مشاهده شد. غلظت ها در زمستان کمی بیشتر از ماه های AMJ هر سال بود، همانطور که در شکل 8 مشاهده می شود . مقدار SO 2در اتمسفر به چندین منبع انتشار مانند انتشار وسایل نقلیه و حتی منابع طبیعی مرتبط است.
4.3.5. متان (CH 4 )
متان (CH 4 )، بعد از دی اکسید کربن (CO 2 )، بزرگترین عامل گازهای گلخانه ای (GHGs) ناشی از انتشارات انسانی است که باعث اثر گرمایش جهانی می شود [ 30 ، 47 ]. تقریباً سه چهارم انتشار CH 4 انسانی است، بنابراین ثبت مداوم اندازه‌گیری‌های ماهواره‌ای ضروری است. هدف TROPOMI ارائه غلظت‌های ستون CH 4 با حساسیت بالا به خوانش‌های سطح زمین، پوشش مکانی و زمانی خوب و دقت کافی برای تسهیل مدل‌سازی معکوس منابع و سینک‌ها است. آفلاین CH 4داده ها از فوریه 2019 تا دسامبر 2021 برای تجزیه و تحلیل جمع آوری شد. TROPOMI از اطلاعات جذب از باند Oxygen-A (760 نانومتر) و محدوده طیفی SWIR برای نظارت بر فراوانی CH 4 در جو زمین استفاده می کند [ 48 ]. برخی از فیلترها باید برای حذف پیکسل های بد اعمال شوند، اما فیلتر کردن روی مقدار <0.5 همه پیکسل هایی که بی فایده در نظر گرفته می شوند را حذف نمی کند. برخی از پیکسل‌ها با غلظت متان بسیار کم هنوز وجود دارند: (الف) روگذرهای TROPOMI منفرد، نوارهایی از مقادیر اشتباه CH4 را در جهت پرواز نشان می‌دهند. ثانیا، همه پیکسل های بالای توده های آبی داخلی فیلتر نمی شوند. در اینجا، Sentinel-5P برای تخمین نسبت اختلاط میانگین ستون متان به هوای خشک در 0.01 درجه قوس، در محدوده 1491 تا 2352 (ppbV) استفاده می شود (رجوع کنید بهشکل 9 ). میانگین CH 4 برای منطقه مورد مطالعه 1967.12 ppbV و برای ماه های AMJ 1999.153، 1965.32 و 1956.627 ppbV و در ماه های OND 1952.167، 1978، 200، 1978، 200، 1978، 5 و 5. 2021 به ترتیب.
4.3.6. توزیع غلظت ازن (O 3 ).
O 3 (اوزون) هنگامی که در تروپوسفر پایین تر و نزدیک تر به سطح زمین باشد برای موجودات خطرناک در نظر گرفته می شود. با این حال، هنگامی که در استراتوسفر وجود دارد، در محافظت از زیست کره در برابر پرتوهای خطرناک فرابنفش خورشیدی مفید و ایمن است. تروپوسفر O 3 توسط آلاینده های اولیه مانند HCHO تشکیل می شود ( برای اطلاعات مختصر به بخش 4.3.7 مراجعه کنید). Sentinel-5P Tropomi قادر است کل غلظت O 3 اتمسفر را با حداقل مقدار 0.1082 و حداکثر تا 0.1420 mol/m 2 به دست آورد. داده های O 3 آفلاین از سپتامبر * 2018 تا دسامبر 2021 برای تجزیه و تحلیل در مطالعه حاضر جمع آوری شد (به جدول 1 مراجعه کنید.برای اطلاعات بیشتر). با توجه به راهنمای کاربر فنی موجود با موتور محاسبات ابری، الگوریتم GODfit برای محاسبه کل O 3 برای محصولات آفلاین استفاده می شود [ 49 ]. نتایج ما نشان داد که میانگین غلظت O 3 مول بر متر مربع در مکان های مورد مطالعه برای دوره زمانی انتخاب شده است (به شکل 10 مراجعه کنید ). علاوه بر این، غلظت O 3 با 0.1420 mol / m 2 در آوریل 2020 بالاترین میزان بود، پس از آن 0.1411 mol / m 2 در آوریل 2021، در حالی که حداقل غلظت 0.1080 mol / m 2 در فوریه 2020 مشاهده شد. میانگین تروپوسفر O 3غلظت‌ها 0.1308، 0.1329، و 0.1365 mol/m 2 در طول ماه‌های AMJ برای سال‌های 2019، 2020 و 2021 بودند در حالی که میانگین غلظت‌ها 0.1246، 0.1278، 0.1232/0 و 0.1232/0 مول در متر مربع بود . ماه های OND برای سال های 2018، 2019، 2020 و 2021.
4.3.7. توزیع غلظت فرمالدئید (HCHO).
فرمالدئید (HCHO) یکی از آلاینده‌های خطرناک هوا (HAPs) [ 50 ، 51 ] در میان 187 آلاینده (HAPs) است که به دلیل اثر سرطان‌زایی در محیط‌های بیرونی نیز شناخته می‌شوند [ 52 ]. HCHO یک گاز واسطه در تقریباً تمام زنجیره های اکسیداسیون ترکیبات آلی فرار غیر متان است که در نهایت منجر به تشکیل CO 2 و غلظت CO 2 در جو می شود. همچنین به عنوان یک پیش ساز مهم برای Tropospheric O 3 عمل می کندتمرکز. این ترکیبات توسط اکسیداسیون ترکیبات آلی فرار غیر متان بالاتر که عمدتاً از پوشش گیاهی، آتش سوزی و ترافیک ساطع می شوند، به تروپوسفر آزاد می شوند. مردم معمولاً در معرض غلظت سطحی HCHO هستند که مستقیماً با خطرات سلامتی مرتبط است. اطلاعات دقیق در مورد ماهیت خطرناک و تأثیر سلامتی آن را می توان در آثار منتشر شده ادبیات [ 50 ، 51 ] یافت. با توجه به تاثیر خطرناک، نظارت سیستماتیک و دقیق زمینی دشوار است و با چندین محدودیت (گران بودن، خطاهای مرتبط، داده‌های کوچک مقیاس) همراه است [ 53 ]]. اکثر کشورها با مشکل ابزارهای زمینی برای نمونه برداری HCHO مواجه هستند، به جز ایالات متحده آمریکا که از شبکه نمونه برداری HAPs استفاده می کند، اما محدود به مناطق شهری است. یک نیاز برای نظارت مکانی-زمانی HCHO در سطوح مختلف، از مقیاس محلی تا جهانی وجود دارد [ 54 ]. بنابراین، مجموعه داده های فضایی برای نظارت بر HCHO مناسب هستند و همچنین توسط Sentinel-5P Tropomi برای نظارت در مقیاس بزرگتر با نتایج موثر و دقیق پشتیبانی می شوند (حداکثر مقدار قابل دستیابی برای غلظت HCHO 0.0074 mol/m2 گزارش شده است ) . مجموعه داده های ماهواره ای برای نقشه برداری توزیع HCHO توسط [ 55 ] استفاده شد. داده های آفلاین HCHO از دسامبر 2018 تا دسامبر 2021 برای تجزیه و تحلیل جمع آوری شد (به جدول 1 مراجعه کنیدبرای اطلاعات بیشتر). با توجه به راهنمای کاربر فنی موجود با موتور محاسبات ابری، نقاط داده ای که شاخص کیفیت (QA-value) کمتر از 0.5 بود حذف شدند تا از بهترین کیفیت خروجی اطمینان حاصل شود [ 56 ]. نتایج ما نشان می‌دهد که غلظت متوسط ​​HCHO 3.8 × 10-4 mol /m2 در محل‌های مورد مطالعه است (به شکل 11 مراجعه کنید ). حداکثر چگالی تعداد ستون HCHO تروپوسفر 1.31 × 10-5 ، 3.72 × 10-4 و 2.10 × 10-5 mol / m2 در طول ماه های AMJ برای سال های 2019، 2020، و 2021 است در حالی که غلظت آن است. × 10-4، 4.02 × 10-4 ، 4 × 10-4 ، و 4.6 × 10-4 mol / m2 برای ماه‌های OND سال 2018، 2019، 2020 و 2021. علاوه بر این، غلظت HCHO در بخش‌های جنوبی هاریانا، بخش‌های غربی پنجاب بالاترین مقدار را نشان داد. ، چند قسمت از دهلی و بخش شرقی UP.

4.4. داده های ایستگاه زمینی برای PM 2.5/10

جدای از تخمین ماهواره ای، نمونه های زمینی آلاینده های اصلی هوا را از طریق چندین آژانس مانند CPCB برای آلاینده های منتخب، PM 2.5 و PM 10 جمع آوری کرده ایم . شکل 12 نشان می دهد که غلظت فقط در ماه های پس از سوزاندن کلش در مجاورت ایالت هایی که قبلا ذکر شد، زیاد است. در دهلی، ذرات ذغالی که از سوزاندن کلش ساطع می‌شود 17 برابر بیشتر از سایر منابع، از جمله انتشار وسایل نقلیه، سوزاندن زباله‌ها و کارخانه‌ها است [ 57 ]. سرعت باد مهم‌ترین پارامتری است که بر غلظت ذرات معلق و انتقال آن از منبع به مکان‌های دیگر تأثیر می‌گذارد [ 58 ].]. به دلیل ماهیت سبک ذرات معلق، مدت طولانی تری در هوا شناور است و مسافت های طولانی تری را طی می کند. شرایط آب و هوایی اثر ذرات معلق را با تشکیل مه دود تقویت می کند [ 59 ، 60 ]. سهم سالانه PM 2.5 و PM 10 در شکل 11 نشان داده شده است . از ایستگاه های مختلف سایت های مورد مطالعه، مشخص است که غلظت PM 2.5 و PM 10 در ماه های AMJ زیاد و در ماه های OND به دلیل محیط پایدار بیشتر است. دایره هایی که در نمودار برجسته شده اند (به شکل 12 مراجعه کنید ) نشان دهنده زمان خاصی است که برای نشان دادن PM 2.5 استفاده شده است.و نمودارهای PM 10 از مناطق هاریانا، پنجاب و دهلی. می توان نتیجه گرفت که در طول ماه های AMJ و OND، قله ها در هاریانا و پنجاب و همچنین برخی از بخش های NCR دهلی بالاترین میزان را دارند.

4.5. داده های بارندگی و دما

علاوه بر این، بارندگی و دما قبل از استنباط از نتایج در نظر گرفته شد. بارش شبکه ای (0.25 × 0.25 درجه) و دما (1 درجه × 1 درجه) از اداره هواشناسی هند، دولت. هند برای استنباط میانگین بارندگی و دما ماهانه در طول دوره مطالعه استفاده شد [ 61 ، 62 ]. اطلاعات دمای سال 2021 در دسترس نبود. بنابراین در مطالعه مورد توجه قرار نگرفت. میانگین بارندگی ماهانه در طول ماه‌های AMJ (آوریل، می و ژوئن) و ماه‌های OND (اکتبر، نوامبر و دسامبر) در مقایسه با ماه‌های اوج موسمی (ژوئیه، آگوست و سپتامبر) نسبتاً کم بود. از داده های بارندگی می توان استنباط کرد که پس از شروع تیرماه، میزان بارندگی افزایش یافته که منجر به کاهش PM 2.5 شده است.و غلظت PM 10 (همانطور که در شکل 12 مشاهده می شود ). میانگین دمای ماهانه در ماه های آوریل، مه و ژوئن (ماه های AMJ) در مقایسه با ماه های اکتبر، نوامبر و دسامبر برای سال های 2018، 2019 و 2020 نسبتاً بالا است (به شکل 13 مراجعه کنید ). همچنین استنباط می‌شود که ماه‌های AMJ میانگین دمای نسبتاً بالاتری را برای سال‌های 2018، 2019 و 2020 نشان می‌دهند که احتمالاً باعث افزایش غلظت آلاینده‌های اتمسفر، عمدتاً O 3 شده و پیش‌سازهای آن به دلیل دما و دمای بالا کمی کاهش یافته است. با آلاینده های ثانویه هماهنگ شدند.

4.6. فرکانس مسیر

حرکت بالقوه توده‌های هوا در برد متوسط ​​و بلند با استفاده از مسیرهای رو به عقب در مکان تعریف‌شده برای یک زمان معین برای شناسایی منطقه منبع آلودگی تجزیه و تحلیل شد [ 63 ، 64 ]. فرکانس ماهانه (آوریل-ژوئن و سپتامبر-دسامبر) یا مسیرهای باد معکوس در تمام سطوح جو طی سال‌های 2018-2021 با استفاده از داده‌های هواشناسی سیستم همسان سازی داده‌های جهانی (GDAS) از مراکز ملی پیش‌بینی محیطی (NCEP) در اتمسفر پردازش شد. وضوح فضایی 1 درجه × 1 درجه و مدل خط سیر یکپارچه لاگرانژی تک ذره ای ترکیبی (HYSPLIT) که توسط آزمایشگاه منابع هوایی سازمان ملی اقیانوسی و جوی (NOAA) (ARL) [ 65 ] توسعه یافته است.]. از معادله 3 برای محاسبه فرکانس مسیرهای معکوس بدون زمان اقامت استفاده شد [ 65 ].

فرکانس مسیرهای رو به عقب در 77.4508667 درجه شرقی و 28.6568510 درجه شمالی تجزیه و تحلیل شد. وضوح شبکه فرکانس مسیر و فاصله زمانی شروع به ترتیب در مدل HYSPLIT به ترتیب 1 درجه × 1 درجه و 6 ساعت تعیین شد.

4.7. تفسیر

حرکت توده هوای این مطالعه از شمال غربی در طول فصل پیش از موسمی (آوریل تا ژوئن) انجام می شود (به شکل 14 مراجعه کنید ). در طول فصل پیش از موسمی، توده‌های هوا گرد و غبار و آلاینده‌ها را از راجستان، پنجاب و هاریانا منتقل می‌کنند. در مورد فصل پس از موسمی، توده های هوا از جهت شمال غربی به خصوص در ماه های اکتبر و نوامبر می آیند. در ماه اکتبر، جهت غالب حرکت توده هوا از جنوب شرقی به شمال غربی می رود (همانطور که در شکل 14 مشاهده می شود ). تحلیل مسیر برگشتی در شکل 14نشان داد که توده‌های هوای زمستانی که به دهلی و بخش‌هایی از اوتار پرادش می‌رسند، مسافت‌های طولانی را در ماه‌های OND زمستانی هر سال طی کرده‌اند، در حالی که در ماه‌های AMJ، توده‌های هوا برای مدت کوتاهی، عمدتاً در ماه ژوئن، سفر می‌کنند.

5. نتیجه گیری ها

همانطور که در نتایج مطالعه حاضر نشان داده شد، غلظت آلاینده ها پس از سوزاندن کلش از اکتبر تا نوامبر (OND) و به دنبال آن از (AMJ) آوریل تا ژوئن هر سال افزایش یافت. علاوه بر این، آلاینده های فرامرزی به ایالت های دیگر، عمدتاً در ایالت های شرقی، از پنجاب و هاریانا به سمت NCR دهلی نو و اوتار پرادش منتقل می شوند. از داده‌های آلاینده‌های محیطی بازیابی و جمع‌آوری‌شده از CPCB مشهود است، که افزایش غلظت آلاینده را در ماه‌های ذکر شده در بالا که از طریق حرکت توده‌های هوا مشاهده می‌شود، تأیید می‌کند. غلظت‌های آئروسل بالاتر در طول ماه‌های AMJ به‌عنوان نتیجه‌ای است که توده‌های هوا زمان بیشتری را در طول تابستان در زمین صرف می‌کنند در مقایسه با زمستان در ماه‌های OND.2.5 /PM 10 از جو، در نتیجه باعث کاهش غلظت آنها پس از تیرماه و به بعد قبل از افزایش مجدد در فصل زمستان با سوزاندن مجدد کلش پس از برداشت محصولات خریف می شود. علاوه بر این، چندین عامل دیگر در تشدید سطح غلظت جو نقش دارند، مانند انتشار گازهای گلخانه ای حمل و نقل / وسایل نقلیه و فعالیت های کارخانه یا صنعتی در طول زمستان. اینها شانس مشکلات تنفسی را در نوزادان و افراد مسن با COPD، آسم، برونشیت و مشکلات حاد تنفسی که به دلیل شرایط آب و هوایی سرد جوی تشدید می شود، افزایش می دهد.
شرایط محیطی، مانند سرعت باد و جهت باد، نقش مهمی در انتقال آلودگی فرامرزی از یک مکان به مکان دیگر از طریق جابجایی توده هوا دارند، همانطور که در مطالعه تایید شده است (به شکل 13 مراجعه کنید ). در این مطالعه، ما مناطق سوخته مشتق شده از MODIS را بررسی کردیم و چگالی مکانی-زمانی آلاینده‌های اصلی جو (NO X ، SOx ، CH4 ، CO، HCHO ، ذرات معلق در هوا و O3 ) را با استفاده از Sentinel-5P Tropomi-based برآورد کردیم. تجزیه و تحلیل برای سال های 2018 تا دسامبر 2021. نتایج افزایش قابل توجهی را در CH 4 , SO 2 , SO X نشان داد.غلظت CO، و آئروسل در طول ماه های AMJ (کلش سوزی محصولات ربیع) و در ماه های OND (کلش سوزی محصولات خریف) هر سال. بر اساس بحث فوق، یافته های ما نشان می دهد که سطح غلظت اتمسفر در طول ماه های AMJ و همچنین در ماه های OND در دوره ارزیابی بالاترین سطح بود (ماه نوامبر بالاترین سطح بود، همانطور که توسط [ 23 ] تایید شد. همانطور که در شکل نشان داده شده است. 3 و شکل 4 و جدول 2موارد سوزاندن کلش در طول ماه های OND هر سال حداکثر بود و ارزیابی منطقه سوخته با استفاده از داده های MOD14A1 نیز روندهای زیر را نشان می دهد. غلظت آلاینده‌های اتمسفر نیز در طول ماه‌های AMJ/OND در مقایسه با هر مدت زمان دیگری در سایت مورد مطالعه بالاتر بود. یافته‌های ما از این مطالعه گزارش داد که همه آلاینده‌های جوی در ماه‌های OND (فصل زمستان) و به دنبال آن ماه‌های AMJ برای سال‌های 2018-2021 بیشتر بودند، همانطور که در شکل 6 ، شکل 7 ، شکل 8 ، شکل 9 و شکل 10 مشاهده می‌شود.. نتایج همچنین تأیید می کند که سوزاندن کلش برنج باعث انتشار بیشتر گازهای گلخانه ای می شود و شرایط مساعد زمستانی غلظت را در مناطق مورد مطالعه جمع می کند. ارزیابی مکانی-زمانی غلظت آلاینده‌های جوی می‌تواند به عنوان مبنایی برای ارزیابی اثربخشی کنترل‌ها، اقدامات و سیاست‌های موجود و همچنین شناسایی راه‌حل‌های جایگزین برای کاهش مشکلات در منطقه با غلظت بالا/افزایش‌شده استفاده شود.
به طور کلی، می توان از این مطالعه استنباط کرد که داده های چگالی مبتنی بر مشاهده زمین Sentinel-5P Tropomi یک نتیجه قابل توجه برای پایش مکانی-زمانی آلاینده های جوی ارائه می دهد. نتایج مطالعه حاضر از پایش مؤثر آلاینده‌های جوی برای تغییرات مکانی-زمانی آنها با استفاده از EO-Sentinel-5P Tropomi پشتیبانی می‌کند. ماموریت Sentinel-5 Precursor داده هایی را جمع آوری می کند تا از آنها برای ارزیابی کیفیت هوا و نظارت بر غلظت آلاینده ها استفاده شود و بنابراین به عنوان یکی از بهترین منابع داده برای نظارت و توزیع آلاینده های جوی برای تجزیه و تحلیل در سراسر جهان در نظر گرفته می شود.

منابع

  1. بادرینات، ک. چاند، TK; Prasad، سوزاندن بقایای محصول کشاورزی VKJCS در دشت‌های هند-گانژتیک – مطالعه‌ای با استفاده از داده‌های ماهواره‌ای IRS-P6 AWiFS. Curr. علمی 2006 ، 25 ، 1085-1089. [ Google Scholar ]
  2. راویندرا، ک. سینگ، تی. Mor, S. انتشار آلاینده های هوا از سوزاندن بقایای محصولات اولیه در هند و استراتژی های کاهش آنها برای انتشار پاک تر. جی. پاک. تولید 2018 ، 208 ، 261-273. [ Google Scholar ] [ CrossRef ]
  3. عبدالرحمن، MI; چکی، س. ساینی، جی. سوزاندن کلش: اثرات بر سلامت و محیط زیست، مقررات و شیوه های مدیریت. محیط زیست Adv. 2020 ، 2 ، 100011. [ Google Scholar ] [ CrossRef ]
  4. برادی، NC; ویل، RR عناصر طبیعت و خواص خاک. 2004. در دسترس آنلاین: https://faculty.washington.edu/zabow/ESC210/210Syllabus_2007.doc (در 14 ژانویه 2022 قابل دسترسی است).
  5. Ghimire، NP تأثیر تشدید کشاورزی بر اکولوژی. جی. آگریک. محیط زیست 2007 ، 8 ، 106-114. [ Google Scholar ] [ CrossRef ]
  6. سرکار، سی. کومار، وی. Sinha، V. افزایش تشکیل آلاینده های ثانویه هوا و تشدید مه دود شهری به دلیل انتشار گازهای گلخانه ای ناشی از سوختن بقایای محصولات در شمال هند. در مجموعه مقالات کنفرانس مجمع عمومی EGU، وین، اتریش، 7 تا 12 آوریل 2019. [ Google Scholar ]
  7. چاکرابارتی، س. خان، ام تی; کیشور، ا. روی، دی. اسکات، SP خطر عفونت حاد تنفسی ناشی از سوزاندن محصولات در هند: تخمین بار بیماری و رفاه اقتصادی از داده‌های بررسی سلامت ملی و ماهواره‌ای برای 250000 نفر. بین المللی J. Epidemiol. 2019 ، 48 ، 1113-1124. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  8. گده، بی. بونت، اس. منکه، سی. Garivait، S. انتشار آلاینده های هوا از سوزاندن کاه برنج در زمین های باز در هند، تایلند و فیلیپین. محیط زیست آلودگی 2009 ، 157 ، 1554-1558. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  9. سینگ، جی. سینگال، ن. سینگال، اس. شارما، م. آگاروال، اس. Arora، S. مفاهیم زیست محیطی سوزاندن کلش برنج و گندم در ایالات شمال غربی هند. در پیشرفت در بهداشت و ایمنی محیط زیست ؛ Springer: سنگاپور، 2017; صص 47-55. [ Google Scholar ] [ CrossRef ]
  10. جین، ن. بهاتیا، ا. پاتاک، اچ. انتشار آلاینده های هوا از سوزاندن بقایای محصولات در هند. Aerosol Air Qual. Res. 2014 ، 14 ، 422-430. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  11. NPMRC. سیاست ملی مدیریت بقایای گیاهی. دولت هند وزارت کشاورزی وزارت کشاورزی و همکاری (بخش مدیریت منابع طبیعی) کریشی باوان، دهلی نو. نوامبر 2014. در دسترس آنلاین: https://agricoop.nic.in/sites/default/files/NPMCR_1.pdf (در 8 آوریل 2022 قابل دسترسی است).
  12. بووانشواری، س. هتیارچچی، ح. Meegoda، JN سوزاندن بقایای محصول در هند: چالش های سیاست و راه حل های بالقوه. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2019 ، 16 ، 832. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  13. خواجه، ح. فاطمی، ز. مالاسوک، دی. امینوف، ز. کازی، ع. صدیق، ع. قریشی، ج. کارپنتر، DO اثر آلودگی هوا بر عوارض روزانه در کراچی، پاکستان. J. Local Glob. علوم بهداشتی 2012 ، 2012 ، 3. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  14. قی، د. Sane, RJP برآورد آلودگی هوا در دهلی از آتش زدن ترقه ها در طول جشنواره دیوالی. PLoS ONE 2018 , 13 , e0200371. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  15. سیکاروار، ع. رانی، آر. ارزیابی تأثیر فوری قرنطینه COVID-19 بر کیفیت هوا: مطالعه موردی دهلی، هند. جی. محیط زیست. Geogr. 2020 ، 13 ، 27-33. [ Google Scholar ] [ CrossRef ]
  16. لوهان، SK; جات، اچ. یداو، AK; سیدو، اچ. جات، م. چودری، م. پیتر، JK; شارما، PJR؛ بررسی ها، مسائل سوزاندن SE مدیریت بقایای برنج در ایالت های شمال غربی هند. تمدید کنید. حفظ کنید. Energy Rev. 2018 , 81 , 693-706. [ Google Scholar ] [ CrossRef ]
  17. امان اللهی، ج. تزانیس، سی. عبدالله، ع.م. رملی، م.ف. پیراسته، س. توسعه مدل‌های تخمین ذرات معلق از باند مادون قرمز حرارتی نقشه‌بردار موضوعی پیشرفته لندست. بین المللی جی. محیط زیست. علمی تکنولوژی 2013 ، 10 ، 1245-1254. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  18. والد، ال. Basly، L. بالینود، جی.-ام. داده های ماهواره ای برای نقشه برداری آلودگی هوا در مجموعه مقالات هجدهمین سمپوزیوم EARSeL در مورد سنجش از دور عملیاتی برای توسعه پایدار، بالکما، روتردام، 11 مه 1988. صص 133-139. [ Google Scholar ]
  19. پاندی، رایانه شخصی؛ کومار، پی. تومار، وی. رانی، م. کتیار، س. Nathawat، MS مدل‌سازی تغییرات فضایی آلاینده فلوراید با استفاده از رویکرد جغرافیایی در محیط اطراف یک صنایع آلومینیوم. محیط زیست علوم زمین 2015 ، 74 ، 7801-7812. [ Google Scholar ] [ CrossRef ]
  20. پاندی، رایانه شخصی؛ کومار، پی. رانی، م. کتیار، س. Tomar, V. تأثیر فلوراید ناشی از نیروگاه صنعتی آلومینیوم بر گیاهان و مناطق مسکونی انسان. Geofizika 2014 ، 31 ، 151-168. [ Google Scholar ] [ CrossRef ]
  21. چاوالا، پ. Sandhu، HJH برآورد منطقه سوختگی کلش و تأثیر آن بر کیفیت هوای محیط منطقه Patiala و Lu-dhiana، پنجاب، هند. Heliyon 2020 , 6 , e03095. [ Google Scholar ]
  22. Hadjimitsis، DG; رتالیس، ا. Clayton، CRI ارزیابی آلودگی اتمسفر با استفاده از فناوری سنجش از دور ماهواره ای در شهرهای بزرگ در مجاورت فرودگاه ها. آلودگی خاک هوای آب تمرکز 2002 ، 2 ، 631-640. [ Google Scholar ] [ CrossRef ]
  23. بادرینات، ک. خارول، SK; شارما، آر. پراساد، VK؛ فیزیک، S.-T. تجزیه و تحلیل ویژگی‌های آئروسل و مونوکسید کربن بر روی دریای عرب در طول دوره سوزاندن بقایای محصول در دشت‌های هند-گنگ با استفاده از مجموعه داده‌های سنجش از راه دور چند ماهواره‌ای. J. Atmos. Solar-Terr. فیزیک 2009 ، 71 ، 1267-1276. [ Google Scholar ] [ CrossRef ]
  24. میرزایی، م. امان اللهی، ج. Tzanis، CG ارزیابی مدل‌های خطی، غیرخطی و ترکیبی برای پیش‌بینی PM2.5 بر اساس مدل GTWR و داده‌های MODIS AOD. کیفیت هوا اتمس. سلامت 2019 ، 12 ، 1215-1224. [ Google Scholar ] [ CrossRef ]
  25. میتال، SK; سینگ، ن. آگاروال، آر. آواستی، ع. گوپتا، PK کیفیت هوای محیطی در طول دوره‌های سوزاندن کلش گندم و برنج در پاتیالا. اتمس. محیط زیست 2009 ، 43 ، 238-244. [ Google Scholar ] [ CrossRef ]
  26. شین، م. کانگ، ی. پارک، اس. من، جی. یو، سی. Quackenbush، LJ برآورد غلظت ذرات معلق در سطح زمین با استفاده از داده های ماهواره ای: یک بررسی. GISci. Remote Sens. 2019 , 57 , 174–189. [ Google Scholar ] [ CrossRef ]
  27. گوا، ی. تانگ، کیو. گونگ، دی.-ای. Zhang، ZJRSOE برآورد غلظت PM5 در سطح زمین در پکن با استفاده از یک مدل رگرسیون وزن‌دار جغرافیایی و زمانی مبتنی بر ماهواره. سنسور از راه دور محیط. 2017 ، 198 ، 140-149. [ Google Scholar ] [ CrossRef ]
  28. خو، ی. هو، اچ سی; وانگ، ام اس؛ دنگ، سی. شی، ی. چان، T.-C. Knudby، A. ارزیابی تکنیک های یادگیری ماشین با مجموعه داده های سنجش از راه دور متعدد در تخمین غلظت ماهانه PM2 سطح زمین. محیط زیست آلودگی 2018 ، 242 ، 1417-1426. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  29. مور، آر. Hansen, M. Google Earth Engine: یک پلت فرم جدید محاسبات ابری برای داده ها و تجزیه و تحلیل رصد زمین در مقیاس جهانی. در مجموعه مقالات نشست پاییز AGU، سانفرانسیسکو، کالیفرنیا، ایالات متحده آمریکا، 5-9 دسامبر 2011. پ. IN43C-02. [ Google Scholar ]
  30. ESRI Inc. Land Use Land Cover ; ESRI Inc.: Redlands، CA، USA، 2020. [ Google Scholar ]
  31. شارما، ال. پاندی، رایانه شخصی؛ ارزیابی نرخ مصرف زمین با تغییر پویایی شهری با استفاده از تکنیک‌های جغرافیایی. J. کاربری زمین علمی. 2012 ، 7 ، 135-148. [ Google Scholar ] [ CrossRef ]
  32. پاندی، رایانه شخصی؛ کوسیاس، ن. پتروپولوس، GP; Srivastava، PK؛ Ben Dor، E. کاربری زمین/پوشش زمین از نظر مشاهده زمین: منابع داده، ابعاد ورودی، و طبقه بندی کننده ها – مروری بر وضعیت هنر. Geocarto Int. 2021 ، 36 ، 957-988. [ Google Scholar ] [ CrossRef ]
  33. ردی، جی پی؛ دوبی، ن. آوینشه، HA; رام، ک. Sree، KRCC سوزاندن کلش در پنجاب: بررسی. جی فارم. فیتوشیمی. 2019 ، 8 ، 186-191. [ Google Scholar ]
  34. شارما، دی. سریواستاوا، ا. رام، ک. سینگ، آ. سینگ، دی. تنوع زمانی در ویژگی‌های آئروسل و خواص تابشی آن بر روی پاتیالا، بخش شمال غربی هند: تأثیر انتشارات سوزاندن زیست توده کشاورزی. محیط زیست آلودگی 2017 ، 231 ، 1030-1041. [ Google Scholar ] [ CrossRef ]
  35. یداو، م. شارما، نماینده مجلس؛ پرواسی، ر. خیچی، ر. کومار، پی. ماندال، معاون; سلیم، ع. هودا، RS برآورد مناطق سوزاندن بقایای گندم/برنج در نواحی اصلی هاریانا، هند، با استفاده از داده های سنجش از دور. J. شرکت هندی Remote Sens. 2013 , 42 , 343-352. [ Google Scholar ] [ CrossRef ]
  36. گیگلیو، ال. بوشتی، ال. روی، DP; هامبر، ML؛ Justice, CO مجموعه 6 الگوریتم و محصول نقشه برداری منطقه سوخته MODIS. سنسور از راه دور محیط. 2018 ، 217 ، 72-85. [ Google Scholar ] [ CrossRef ]
  37. راویندرا، ک. سینگ، تی. مور، اس. سینگ، وی. ماندال، TK; بهاتی، م. گهلوات، س. دانکهار، ر. مور، اس. بیگ، جی. پایش بی‌درنگ آلاینده‌های هوا در هفت شهر شمال هند در هنگام سوزاندن بقایای محصولات کشاورزی و ارتباط آن‌ها با هواشناسی و حرکت فرامرزی هوا. علمی کل محیط. 2019 ، 690 ، 717–729. [ Google Scholar ] [ CrossRef ]
  38. GES-DISC. شاخص آئروسل 2022. در دسترس آنلاین: https://disc.gsfc.nasa.gov/information/glossary?title=Aerosol%20Index (در 21 ژانویه 2022 قابل دسترسی است).
  39. اسپیواکوفسکی، سی ام. لوگان، جی. مونتزکا، اس. بالکانسکی، ی. فورمن-فاولر، ام. جونز، DBA; هوروویتز، ال. فوسکو، AC؛ Brenninkmeijer، CAM; پراتر، ام جی. و همکاران توزیع اقلیمی سه بعدی OH تروپوسفر: به روز رسانی و ارزیابی. جی. ژئوفیس. Res. زمین گشت و گذار. 2000 ، 105 ، 8931-8980. [ Google Scholar ] [ CrossRef ]
  40. ویفکیند، جی. آبن، آی. مک مولان، ک. فورستر، اچ. دی وریس، جی. سمور، جی. کلااس، جی. اسکس، اچ. دی هان، جی. کلیپول، کیو. و همکاران TROPOMI در ESA Sentinel-5 Precursor: یک ماموریت GMES برای مشاهدات جهانی ترکیب اتمسفر برای کاربردهای آب و هوا، کیفیت هوا و لایه ازن. سنسور از راه دور محیط. 2012 ، 120 ، 70-83. [ Google Scholar ] [ CrossRef ]
  41. ماموریت S5P. Sentinel-5 Precursor/TROPOMI Level 2 Product Manual User Cobon Monoxide شماره سند: SRON-S5P-LEV2-MA. 2018. موجود به صورت آنلاین: https://sentinel.esa.int/documents/247904/2474726/Sentinel-5P-Level-2-Product-User-Manual-Carbon-Monoxide.pdf/dc93c3ae-6c77-4674559637 ?version=1.2 (دسترسی در 11 مارس 2021).
  42. Baldasano، JM COVID-19 قرنطینه بر کیفیت هوا توسط NO 2 در شهرهای بارسلونا و مادرید (اسپانیا) تأثیر می گذارد. علمی کل محیط. 2020 , 741 , 140353. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  43. ریس، TCVW؛ Boersma، KF; ون ولیت، جی. پیترز، دبلیو. اسنیپ، م. اسکس، اچ. van Geffen، JJAMT بهبود نظارت بر حمل و نقل NO 2 با TROPOMI: کاهش انتشار NOx در دریاهای اروپا در طول همه گیری COVID-19. اتمس. Meas. فنی 2022 ، 15 ، 1415-1438. [ Google Scholar ] [ CrossRef ]
  44. هنک اسکس، جی وی جی مارتن اسنیپ، پپین ویفکیند، ساندر نیمیجر، کلاوس زهنر. S5P Nitrogen Dioxide v02.03.01 پردازش مجدد میانی در سیستم S5P-PAL: فایل Readme. منتشر شده در 15 دسامبر 2021. در دسترس به صورت آنلاین: https://data-portal.s5p-pal.com/product-docs/no2/PAL_reprocessing_NO2_v02.03.01_20211215.pdf (در 8 آوریل 2022 قابل دسترسی است).
  45. لوتز، آر. رومن، اف. کامپرنول، اس. لامبر، J.-C. S5P Mission Performance Center [L2_CLOUD_] فایل Readme، شماره 2.3. منتشر شده در 9 مارس 2022. در دسترس به صورت آنلاین: https://sentinel.esa.int/documents/247904/3541451/Sentinel-5P-Cloud-Level-2-Product-Readme-File (در 8 آوریل 2022 قابل دسترسی است).
  46. کروتکوف، NA; مک‌لیندن، کالیفرنیا؛ لی، سی. لامسال، LN; Celarier، EA; مارچنکو، اس وی؛ Swartz، WH; بوکسلا، ای جی. جوینر، جی. دانکن، BN; و همکاران مشاهدات Aura OMI از آلودگی منطقه ای SO 2 و NO 2 از سال 2005 تا 2015 تغییر می کند. Atmos. شیمی. فیزیک 2016 ، 16 ، 4605-4629. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  47. سونویس، ام. Stavert، AR; پولتر، بی. بوسکه، پ. Canadell، JG; جکسون، RB; ریموند، PA; Dlugokencky، EJ; هوولینگ، اس. Patra, PK بودجه جهانی متان 2000. Earth Syst. علمی داده 2020 ، 12 ، 1561-1623. [ Google Scholar ] [ CrossRef ]
  48. Sha، MK; لانگروک، بی. Blavier, J.-FL; بلومن استاک، تی. بورسدورف، تی. بوشمن، ام. دهن، ا. د مازییر، م. دویچر، NM; Feist، DG اعتبارسنجی متان و مونوکسید کربن از ایستگاه‌های Sentinel-5 Precursor us-ing TCCON و NDACC-IRWG. اتمس. Meas. فنی 2021 ، 14 ، 6249-6304. [ Google Scholar ] [ CrossRef ]
  49. ماموریت S5P. راهنمای کاربر محصول Sentinel-5 Precursor/TROPOMI سطح 2 O 3 Total Column. شماره سند: S5P-L2-DLR-PUM-400A. منتشر شده در 4 ژوئن 2021. موجود به صورت آنلاین: https://sentinel.esa.int/documents/247904/2474726/Sentinel-5P-Level-2-Product-User-Manual-Ozone-Total-Column (دسترسی در 10 اوت 2021) .
  50. Finlayson-Pitts، BJ; Pitts, JNJ, Jr. آلودگی هوای تروپوسفر: ازن، مواد سمی موجود در هوا، هیدروکربن‌های آروماتیک چند حلقه‌ای و ذرات. Science 1997 ، 276 ، 1045-1051. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  51. لیو، ایکس. گوا، اچ. وانگ، ی. ژانگ، اف. نی، ک. دانگ، جی. لیانگ، ز. دونگ، اس. زرن، ی. ژو، BJC ترکیبات آلی فرار خطرناک در هوای محیط چین. Chemosphere 2020 , 246 , 125731. [ Google Scholar ] [ CrossRef ]
  52. Weitekamp، CA; لین، ام. استرام، م. موریس، ام. پالما، تی. اسمیت، دی. کر، ال. استوارت، ام جی، بررسی ریسک ملی سرطان بر اساس آلاینده های خطرناک هوای پایش شده. محیط زیست چشم انداز سلامتی 2021 ، 129 ، 37008. [ Google Scholar ] [ CrossRef ]
  53. گراتسی، ام. ورکوسیس، م. ریشتر، آ. ویتروک، اف. شونهارت، آ. باروز، جی. کازادزیس، س. میهالوپولوس، ن. گرااسوپولوس، E. ستون شیب MAX-DOAS اندازه گیری دی اکسید نیتروژن، فرمالدئید، گلیوکسال و دایمر اکسیژن در محیط شهری آتن. اتمس. محیط زیست 2016 ، 135 ، 118-131. [ Google Scholar ] [ CrossRef ]
  54. EPA. داده های کیفیت هوای فضای باز در دسترس آنلاین: https://www.epa.gov/outdoor-air-quality-data (در 11 آوریل 2022 قابل دسترسی است).
  55. گوان، جی. جین، بی. دینگ، ی. وانگ، دبلیو. لی، جی. Ciren، P. توزیع HCHO سطح جهانی برگرفته از مشاهدات ماهواره ای با تکنیک شبکه های عصبی. Remote Sens. 2021 , 13 , 4055. [ Google Scholar ] [ CrossRef ]
  56. De Smedt، FR; آیشمن، ک.-یو. S5P Mission Performance Center Formaldehyde [L2__HCHO___] Readme. در دسترس آنلاین: https://sentinels.copernicus.eu/documents/247904/3541451/Sentinel-5P-Formaldehyde-Readme.pdf (دسترسی در 9 آوریل 2022).
  57. Jitendra، SV; کوکرتی، آی. پاندی، ک. نیوگی، دی. Mukerjee، PJ هند، موضوع سوزاندن محصولات زراعی چرخشی جدیدی به خود می گیرد. Down to Earth ، 31 مه 2017. [ Google Scholar ]
  58. اشرفی، ک. شفیع پور مطلق، م. اسمند، ع. قادر، S. شبیه سازی طوفان گرد و غبار بر فراز ایران با استفاده از HYSPLIT. جی. محیط زیست. علوم بهداشتی مهندس 2014 ، 12 ، 9. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  59. سینگ، سی.پی. Panigrahy، SJ مشخصه سوزاندن بقایای سیستم کشاورزی در هند با استفاده از مشاهدات مبتنی بر فضا. J. شرکت هندی Remote Sens. 2011 , 39 , 423-429. [ Google Scholar ] [ CrossRef ]
  60. کومار، پی. سینگ، RK انتخاب راه حل های پایدار برای سوزاندن بقایای محصول: یک مسئله زیست محیطی در ایالت های شمال غربی هند. محیط زیست توسعه دهنده حفظ کنید. 2021 ، 23 ، 3696-3730. [ Google Scholar ] [ CrossRef ]
  61. پرداخت شده.؛ راجیوان، م. سرجیث، او. موخوپادحیای، بی. Satbha، N. توسعه یک مجموعه داده‌های بارندگی شبکه‌بندی شده روزانه در هند و مقایسه آن با مجموعه داده‌های موجود در منطقه. Mausam 2014 ، 65 ، 1-18. [ Google Scholar ] [ CrossRef ]
  62. سریواستاوا، AK; راجیوان، م. Kshirsagar، SR توسعه یک مجموعه داده دمای شبکه‌بندی شده روزانه با وضوح بالا (1969-2005) برای منطقه هند. اتمس. علمی Lett. 2009 ، 10 ، 249-254. [ Google Scholar ] [ CrossRef ]
  63. آرونکومار، م. Dhanakumar، S. تأثیر هواشناسی، تحرک، حمل و نقل توده هوا و سوزاندن زیست توده بر PM2.5 سه شهر شمال هند: تجزیه و تحلیل فازی قرنطینه COVID-19. محیط زیست نظارت کنید. ارزیابی کنید. 2021 ، 193 ، 618. [ Google Scholar ] [ CrossRef ]
  64. فاکس، تی. غلظت سرب Ludwick، JJAE (Pb) مرتبط با 1000 مگابایت مسیرهای عقب زمین شناسی در Quil-layute، واشنگتن. اتمس. محیط زیست 1976 ، 10 ، 799-803. [ Google Scholar ] [ CrossRef ]
  65. NOAA-ARL. مدل مسیر HYSPLIT. 2022. در دسترس آنلاین: https://www.ready.noaa.gov/HYSPLIT.php (در 15 ژانویه 2022 قابل دسترسی است).
Ijgi 11 00301 g001 550
شکل 1. نقشه مکان مکان های مطالعه: هاریانا، پنجاب، دهلی نو، و اوتار پرادش.
Ijgi 11 00301 g002 550
شکل 2. LULC سایت مورد مطالعه برای ( الف ) سال 2020 و ( ب ) ارزیابی سطح کشاورزی در منطقه انتخاب شده را نشان می دهد.
Ijgi 11 00301 g003a 550 Ijgi 11 00301 g003b 550
شکل 3. نمایش منطقه سوخته ماهانه محل مطالعه برای ( الف ) سال 2018، ( ب ) سال 2019، ( ج ) سال 2020 و ( د ) 2021 (تا نوامبر – برای اطلاعات دقیق به جدول 2 و شکل 4 مراجعه کنید) .
Ijgi 11 00301 g004 550
شکل 4. نمایش گرافیکی منطقه سوخته ماهانه برای محل مطالعه برای سه سال مختلف 2018، 2019، 2020 و 2021.
Ijgi 11 00301 g005a 550 Ijgi 11 00301 g005b 550
شکل 5. غلظت شاخص آئروسل اتمسفر در محل مورد مطالعه (ژوئیه 2018 تا دسامبر 2021).
Ijgi 11 00301 g006a 550 Ijgi 11 00301 g006b 550 Ijgi 11 00301 g006c 550
شکل 6. غلظت CO اتمسفر در محل مورد مطالعه (ژوئن 2018 تا دسامبر 2021).
Ijgi 11 00301 g007a 550 Ijgi 11 00301 g007b 550
شکل 7. غلظت NO 2 اتمسفر در محل مورد مطالعه (ژوئن 2018 تا دسامبر 2021).
Ijgi 11 00301 g008a 550 Ijgi 11 00301 g008b 550 Ijgi 11 00301 g008c 550
شکل 8. غلظت SO 2 اتمسفر بر روی سایت مورد مطالعه (دسامبر 2018 تا دسامبر 2021).
Ijgi 11 00301 g009a 550 Ijgi 11 00301 g009b 550
شکل 9. غلظت CH 4 اتمسفر در محل مورد مطالعه (در دسترس بودن فوریه 2019 تا دسامبر 2021).
Ijgi 11 00301 g010a 550 Ijgi 11 00301 g010b 550
شکل 10. غلظت O 3 اتمسفر در محل مورد مطالعه (بر اساس در دسترس بودن داده ها از سپتامبر 2018 تا دسامبر 2021).
Ijgi 11 00301 g011a 550 Ijgi 11 00301 g011b 550
شکل 11. غلظت HCHO اتمسفر بر روی سایت مورد مطالعه (بر اساس داده های موجود از دسامبر 2018 تا دسامبر 2021).
Ijgi 11 00301 g012 550
شکل 12. نشان دادن غلظت PM 2.5 و PM 10 در هوای محیط محل مطالعه در دهلی، اوتار پرادش (NCR دهلی)، هاریانا و پنجاب.
Ijgi 11 00301 g013 550
شکل 13. میانگین بارندگی ماهانه طی سال های 2018 تا 2021 و میانگین دمای ماهانه طی سال های 2018 تا 2020 برای سایت مورد مطالعه (خطوط نشان دهنده دما و میله ها نشان دهنده داده های بارندگی ماهانه هستند).
Ijgi 11 00301 g014a 550 Ijgi 11 00301 g014b 550
شکل 14. فراوانی مسیرهای برگشتی در طی آوریل تا ژوئن برای سال‌های 2018، 2019، 2020 و 2021. فراوانی مسیرهای برگشتی از سپتامبر تا دسامبر برای سال‌های 2018، 2019، 2020 و 2021.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید