Iranian Journal of Geophysics

Iranian Journal of Geophysics

Identification of dust ssources in Iran based on satellite products

Document Type : Research Article

Authors
Azar Zarrin 1
Abbasali Dadashi-Roudbari 2
1 Associate Professor, Department of Geography, Faculty of Letters and Humanities, Ferdowsi University of Mashhad, Mashhad, Iran
2 Assistant Professor, Department of Geography, Faculty of Letters and Humanities, Ferdowsi University of Mashhad, Mashhad, Iran
10.30499/ijg.2024.473770.1621
Abstract
The objective of this research is to identify the primary sources of dust storms in Iran and to investigate their temporal and spatial changes. To examine the long-term spatiotemporal distribution of dust storm events, daily Aerosol Optical Depth (AOD) data from the MODIS sensor and dust storm days from synoptic meteorological stations (2001-2020) were used. Aerosols, as mentioned, are fine particles suspended in the Earth's atmosphere. To study these particles, an index called Aerosol Optical Depth (AOD) has been developed. The AOD index is defined as the integral of the extinction coefficient of atmospheric particulate matter over the entire atmospheric column. To investigate the climate conditions during these events, MSWX data was used, and for better analysis of soil moisture and vegetation cover, multi-satellite data and the MODIS sensor were employed, respectively. The frequency of occurrence (FoO) of aerosols is a method used to identify dust sources. The basic data for this method is remote sensing data. Areas with high aerosol occurrence are often classified as dust sources. Therefore, in this research, the frequency of occurrence (FoO) method was used to detect active aerosol sources and differentiate them from less active sources. Generally, AOD values of 0.8 to 0.9 are considered as high aerosol values and are used to identify dust sources. In this study, the AOD thresholds (0.25, 0.5, and 1) proposed by Ginoux et al. (2010) were used to identify dust sources. The spatial distribution analysis of AOD showed that there are significant differences between the south and north of Iran. The Alborz mountain range and the Caspian Sea basin in the north of the country have the lowest AOD values due to high precipitation and soil moisture. In contrast, areas with high AOD values are mainly observed in the southeast, south, and southwest of the country. In general, the annual average AOD in these areas is higher than the country's average. High AOD values in the southern and eastern regions are associated with low precipitation, sparse vegetation cover, and frequent dust storms. The trend analysis of station dust storms and AOD and FoO indices showed that this phenomenon has an increasing trend in the west, northwest, and northeast of Iran. In contrast, it has a significant decreasing trend at the 0.05 level in southeastern Iran and southern parts of the Kavir desert. The FoO analysis at three investigated thresholds showed that Iran has eleven main internal dust sources. The main areas are located in the east, south, and southwest of the country. The main dust sources in Iran generally have soil moisture less than 20% and precipitation of about 100 mm per year. Also, the EVI vegetation index in these areas mainly shows a lack of vegetation cover, and wind speed is maximum in these areas.
Keywords
Dust storm source, aerosol optical depth (AOD), frequency of occurrence (FoO), MODIS sensor, Iran

Subjects

احمدی، را.، علیزاده، ا.، ثابت قدم، س.، 1403، چشمه‌های موثر بر وقوع گردوخاک در منطقه تهران با کاربست داده‌های MERRA-2: مجله ژئوفیزیک ایران، 18(4)، 21-37.
احمدی، م.، شکیبا، ع.، داداشی رودباری، ع.، 1398، بررسی نقش شاخص‌های پوشش گیاهی و مؤلفه‌های جغرافیایی مکان بر عمق نوری هواویزهای فصلی ایران: فیزیک زمین و فضا، 45(1)، 211-233.
امیری، م.، سلیمانی، س.، سلطانی تفرشی، ف.، 1399، استخراج گردوغبار از تصاویر ماهواره‌ای MODIS با استفاده از شبکة عصبی مصنوعی: نشریه سنجش از دور و GIS ایران، 12(1)، 37-54.
انصاری قوجقار، م.، پورغلام آمیجی، م.، عراقی نژاد، ش.، 1399، بررسی رابطه بین خشک‌سالی و روند فراوانی طوفان‌های گردوغبار در غرب و جنوب غرب کشور: تحقیقات آب و خاک ایران، 51(11)، 2839-2852.
برزو، ف.، ذوالفقاری، ح.، معصوم پور سماکوش، ج.، صحرایی، ج.، 1400، تحلیل فضایی طوفان‌های گردوغباری در ایران براساس ویژگی‌های آب‌و‌هوایی و پوشش گیاهی: جغرافیا و پایداری محیط، 11(1)، 1-23.
پیله وران، ر، راستگو، ز.، کرمی، س.، مرادپور، ب.، 1401، بارزسازی گردوخاک با روش‌های سنجش از دور و مدل های عددی: فصلنامه علوم محیطی، 20(4)، 53-80.
جنت‌رستمی، م.، رحیمی، م.، کابلی، ح.، 1400، تحلیل روند تغییرات شاخص گردوغبار (DSI) و ارزیابی ارتباط آن با خشک‌سالی در دامنه‌ی جنوبی البرز: مطالعات جغرافیایی مناطق خشک، 12(43)، 19-40.
زرین، آ، صالح‌آبادی، ن.، مفیدی، ع.، داداشی رودباری، ع.، 1401، بررسی فصلی گردوخاک‌ در شمال شرق ایران و شبیه‌‌سازی عددی رخدادهای گردوخاک‌ فرین با مدل WRF-CHEM، فیزیک زمین و فضا، 48(2)، 421-440.
صحت کاشانی، س.، رهنما، م.، کرمی، س.، رنجبر سعادت آبادی، ع.، خدام، ن.، 1401، بررسی عوامل محیطی مؤثر بر فعال‌سازی چشمه‌های گردوخاک در استان ایلام: پژوهش های جغرافیای طبیعی، 54(3)، 403-427.
فاریابی، آ.، متین فر، ح.، علوی پناه، ک.، نوروزی، ع.، 1398، شناسایی گرد و غبار در نواحی غرب و جنوب غرب ایران بر مبنای الگوریتم سنجه DAI و داده های طیفی سنجنده مودیس: فصلنامه علوم محیطی، 17(3)، 151-162.
کاتورانی، ش.، احمدی، م.، داداشی رودباری، ع.، 1403، بررسی هواویزها و آستانه‌های آن در غرب آسیا و ارتباط آن با پوشش‌گیاهی: فیزیک زمین و فضا، 50(2)، 481-498.
مبارک حسن، ا.، رنجبر سعادت آبادی، ع.، فتاحی، ا.، نوری، ف.، 1400، بررسی ویژگی‏ های رخداد پدیدة گردوخاک خراسان بزرگ در دورة گرم سال و شبیه‏ سازی مسیر آن توسط مدل HYSPLIT (دورة آماری 20۰۰-20۱۷): پژوهش های جغرافیای طبیعی، 53(2)، 249-268.
مبارک حسن، ا.، فتاحی، ا.، رنجبر سعادت آبادی، ع.، حسین حمزه، ن.، 1402، بررسی توانایی مدل ‌RegCM‌ در شبیه‌سازی گردوخاک تابستانی خراسان ‌بزرگ: نشریه تحقیقات کاربردی علوم جغرافیایی، ۲۳ (۷۱)، ۳۹-۵۹.
نبی بید هندی، غ.، جوانمرد، س.، زهتابیان، غ.، موسوی، م.، 1400، کاربرد مدل های WRF-Chem و HYSPLIT در بررسی کانون و مسیر گرد و غبار (مورد مطالعه: طوفان گرد وغبار سپتامبر2015 در کلانشهرتهران): نشریه هواشناسی و علوم جوّ، 4(1)، 30-44.
نیک فال، ا.، رنجبر سعادت‌آبادی، ع.، تاج بخش مسلمان، س.، مرادی، م.، 1401، اصلاح و ارزیابی چشمه‌های گردوخاک ناشی از فرسایش بادی در مدل WRF/Chem در غرب آسیا: مجله ژئوفیزیک ایران، 16(2)، 1-24.
نیک فال، ا.، کرمی، س.، رنجبر سعادت آبادی، ع.، صحت کاشانی، س.، 1396، قابلیت های مدل عددی Chem-WRF در برآورد غلظت گردوخاک (مطالعه موردی طوفان گردوخاک تهران): فصلنامه علوم محیطی، 15(1)، 115-126.
یوسفی مبرهن، ا.، خالقی، ع.، 1403، واکاوی روند تغییرات شاخص گردوغبار (DSI) و ارتباط آن با وضعیت خشکسالی هواشناسی در اقلیم خشک کشور (مطالعه موردی: استان سمنان): فصلنامه علوم محیطی، 22(2)، 289-304.
Abadi, A. R. S., Shukurov, K. A., Hamzeh, N. H., Kaskaoutis, D. G., Opp, C., Shukurova, L. M., & Ghasabi, Z, 2024, Dust Events over the Urmia Lake Basin, NW Iran, in 2009–2022 and Their Potential Sources: Remote Sensing, 16(13), 2384.
Ahmadi-Molaverdi, M., Jabbari, I., & Fathnia, A., 2021, Relationship Between Land Use Changes and the Production of Dust Sources in Kermanshah Province, Iran: Chinese Geographical Science, 31, 1057-1069.
Alizade Govarchin, Y., Unal, A., Baykara, M., 2020, Impacts of drying up of Urmia Lake, the second largest hypersaline lake in the world, on particulate matter concentration in the northwestern Iran: 19th Annual CMAS Conference, Chapel Hill, NC, October 26-28, 2020.
Bell, B., Hersbach, H., Simmons, A., Berrisford, P., Dahlgren, P., Horányi, A., Muñoz-Sabater, J., Nicolas, J., Radu, R., Schepers, D., Soci, C., Villaume, S., Bidlot, J.-R., Haimberger, L., Woollen, J., Buontempo, C., & Thépaut, J.-N., 2021, The ERA5 global reanalysis: Preliminary extension to 1950. Quarterly Journal of the Royal Meteorological Society, 147(741), 4186-4227.
Belle, J. H., & Liu, Y., 2016, Evaluation of aqua modis collection 6 aod parameters for air quality research over the continental united states: Remote Sensing, 8(10), 815.
Che, H., Gui, K., Xia, X., Wang, Y., Holben, B. N., Goloub, P., ... & Zhang, X., 2019, Large contribution of meteorological factors to inter-decadal changes in regional aerosol optical depth: Atmospheric Chemistry and Physics, 19(16), 10497-10523.
Che, Y., Yu, B., & Parsons, K., 2023, May, Seasonal dust aerosol optical depth patterns using MODIS Deepblue aerosol product and MERRA-2 aerosol reanalysis: In EGU General Assembly Conference Abstracts (pp. EGU-16295).
Chen, X., Ding, J., Liu, J., Wang, J., Ge, X., Wang, R., & Zuo, H., 2021, Validation and comparison of high-resolution MAIAC aerosol products over Central Asia: Atmospheric Environment, 251, 118273.
Didan, K., 2021, MODIS/Terra Vegetation Indices Monthly L3 Global 1km SIN Grid V061 [Data set]. NASA EOSDIS Land Processes Distributed Active Archive Center: Accessed 2024-07-15 from https://doi.org/10.5067/MODIS/MOD13A3.061
Eck, T. F., Holben, B. N., Reid, J. S., Dubovik, O., Smirnov, A., O'neill, N. T., ... & Kinne, S., 1999, Wavelength dependence of the optical depth of biomass burning, urban, and desert dust aerosols: Journal of Geophysical Research: Atmospheres, 104(D24), 31333-31349.
Garrigues, S., Chimot, J., Ades, M., Inness, A., Flemming, J., Kipling, Z., ... & Agusti-Panareda, A., 2022, Monitoring multiple satellite aerosol optical depth (AOD) products within the Copernicus Atmosphere Monitoring Service (CAMS) data assimilation system: Atmospheric Chemistry and Physics, 22(22), 14657-14692.
Ginoux, P., Prospero, J. M., Gill, T. E., Hsu, N. C., & Zhao, M., 2012, Global‐scale attribution of anthropogenic and natural dust sources and their emission rates based on MODIS Deep Blue aerosol products: Reviews of Geophysics, 50(3).
 
Gruber, A., De Lannoy, G., Albergel, C., Al-Yaari, A., Brocca, L., Calvet, J. C., ... & Wagner, W., 2020, Validation practices for satellite soil moisture retrievals: What are (the) errors?: Remote sensing of environment, 244, 111806.
Hamed, K. H., & Rao, A. R., 1998, A modified Mann-Kendall trend test for autocorrelated data: Journal of hydrology, 204(1-4), 182-196.
Holben, B. N., Eck, T. F., Slutsker, I. A., Tanré, D., Buis, J. P., Setzer, A., ... & Smirnov, A., 1998, AERONET—A federated instrument network and data archive for aerosol characterization: Remote sensing of environment, 66(1), 1-16.
Huang, F., Ma, W., Wang, S., Feng, C., Kong, X., & Liu, H., 2023, Analysis and validation of the aerosol optical depth of MODIS products in Gansu Province: Northwest China. Remote Sensing, 15(12), 2972.
Hubanks, P. A. U. L., Platnick, S. T. E. V. E. N., King, M. I. C. H. A. E. L., & Ridgway, B. I. L. L., 2015, MODIS Atmosphere L3 gridded product algorithm theoretical basis document (atbd) & users guide: ATBD reference number ATBD-MOD-30, NASA, 125, 585.
Jebali, A., & Zare Chahouki, A., 2022 Impact of the land-use/cover on the dust emission using meteorological data and satellite imagery: International Journal of Environmental Science and Technology, 19(8), 7763-7776.
Levy, H., Horowitz, L. W., Schwarzkopf, M. D., Ming, Y., Golaz, J. C., Naik, V., & Ramaswamy, V., 2013, The roles of aerosol direct and indirect effects in past and future climate change: Journal of Geophysical Research: Atmospheres, 118(10), 4521-4532.
Li, Y., Shi, G., & Sun, Z., 2020, Evaluation and improvement of MODIS aerosol optical depth products over China: Atmospheric Environment, 223, 117251.
Liu, J., Ding, J., Rexiding, M., Li, X., Zhang, J., Ran, S., ... & Ge, X., 2021, Characteristics of dust aerosols and identification of dust sources in Xinjiang, China: Atmospheric Environment, 262, 118651.
Rahmati, O., Mohammadi, F., Ghiasi, S. S., Tiefenbacher, J., Moghaddam, D. D., Coulon, F., ... & Bui, D. T., 2020, Identifying sources of dust aerosol using a new framework based on remote sensing and modelling. Science of The Total Environment, 737, 139508.
Rudke, A. P., Martins, J. A., Martins, L. D., Vieira, C. L. Z., Li, L., da Silva, C. F. A., ... & de Almeida Albuquerque, T. T.. 2023, Evaluation and comparison of MODIS aerosol optical depth retrieval algorithms over Brazil: Atmospheric Environment, 314, 120130.
Samuel, C., Kumar, R. P., & Gautam, S., 2023, Review of retrieval of aerosol optical depth to estimate particle concentration and its challenges based on spatiotemporal relationships by various spectroradiometer models: Geological Journal, 58(12), 4403-4416.
Samuel, C., Kumar, R. P., & Gautam, S., 2023, Review of retrieval of aerosol optical depth to estimate particle concentration and its challenges based on spatiotemporal relationships by various spectroradiometer models: Geological Journal, 58(12), 4403-4416.
Sayer, A. M., Munchak, L. A., Hsu, N. C., Levy, R. C., Bettenhausen, C., & Jeong, M. J., 2014, MODIS Collection 6 aerosol products: Comparison between Aqua's e‐Deep Blue, Dark Target, and “merged” data sets, and usage recommendations: Journal of Geophysical Research: Atmospheres, 119(24), 13-965.
Shi, H., Xiao, Z., Zhan, X., Ma, H., & Tian, X., 2019, Evaluation of MODIS and two reanalysis aerosol optical depth products over AERONET sites: Atmospheric Research, 220, 75-80.
Sreekanth, V., 2014, Dust aerosol height estimation: a synergetic approach using passive remote sensing and modelling: Atmospheric Environment, 90, 16-22.
Tao, M., Chen, L., Wang, Z., Tao, J., Che, H., Wang, X., & Wang, Y., 2015, Comparison and evaluation of the MODIS Collection 6 aerosol data in China: Journal of Geophysical Research: Atmospheres, 120(14), 6992-7005.
Tao, M., Wang, J., Li, R., Chen, L., Xu, X., Wang, L., ... & Xiang, J., 2020, Characterization of aerosol type over East Asia by 4.4 km MISR product: first insight and general performance: Journal of Geophysical Research: Atmospheres, 125(13), e2019JD031909.
Zhang, J., Xiao, J., Tong, X., Zhang, J., Li, J., Liu, P., ... & Meng, P., 2024, Comparing the performance of phenocam GCC, MODIS GCC, and MODIS EVI for retrieving vegetation phenology and estimating gross primary production: Ecological Indicators, 166, 112251.
 
 
Iranian Journal of Geophysics
Volume 19, Issue 4
September and October 2025
Pages 73-93