هیدروفیزیک

هیدروفیزیک

پایش نشست خشک ذرات گردوخاک درخلیح فارس و تنگه هرمز با استفاده از مدل WRF-CHEM و مقایسه با CAMS(مطالعه موردی 28تا31 جولای 2018)

نوع مقاله : مقاله پژوهشی

نویسندگان
روح اله داودی 1
حسین ملکوتی 2
سارا کرمی 3
1 گروه علوم دریایی و جوی (غیر زیستی)، دانشگاه هرمزگان، بندرعباس، ایران
2 استاد، گروه علوم دریایی و جوی (غیر زیستی)، دانشگاه هرمزگان، بندرعباس، ایران
3 استادیار هواشناسی، گروه آلودگی هوا و گرد و خاک، پژوهشکده علوم جوی و هواشناسی (ASMERC)، تهران، ایران،
چکیده
گردوخاک از مهم‌ترین آلاینده‌های جوّی است که در منطقه غرب آسیا اثرات قابل توجهی بر کیفیت هوا، سلامت انسان و بوم سازکان-های دریایی و خشکی دارد. در این پژوهش، فرآیند نشست خشک ذرات گردوخاک طی یک رویداد شدید گردوخاک در خلیج فارس و تنگه هرمز طی ۲۸ تا ۳۱ جولای ۲۰۱۸ به‌صورت مطالعه موردی بررسی شده است. به‌منظور شبیه‌سازی و برآورد شار نشست خشک، از مدل WRF-CHEM استفاده شد و نتایج با داده‌های بازتحلیل CAMS مورد ارزیابی و مقایسه قرار گرفت. این دوره با انتقال گسترده توده‌های گردوخاک از مناطق بیابانی جنوب غرب آسیا (بویژه شبه‌جزیره عربستان) و تحت تأثیر بادهای غالب شمال‌غربی (شَمال)، همراه بوده است. نتایج نشان می‌دهد که بیشینه شار نشست، همزمان با افزایش غلظت ذرات معلق سطحی و تشدید سرعت باد رخ داده است. الگوی مکانی نشست بیشینه در بخش‌های شمالی و شمال‌غربی خلیج فارس نشان می‌دهد که با مسیرهای انتقال گردوخاک با شرایط دینامیکی جو سازگار است. مقایسه نتایج WRF-CHEM با داده‌های CAMS حاکی از همخوانی مناسب در تغییرات زمانی و توزیع مکانی نشست خشک است، هرچند تفاوت‌هایی به‌ویژه در اوج رویداد با هم دارند. مقایسه عملکرد مدل WRF-Chem در شبیه‌سازی با داده‌های بازتحلیل CAMS نشان‌دهنده همبستگی قوی بین دو مجموعه داده R = 0.76) ) است که نشان می‌دهد WRF-Chem با موفقیت تغییرات زمانی نشست خشک ذرات گرد و خاک را ثبت می‌کند. یافته‌های این پژوهش بر اهمیت شبیه‌سازی عددی دقیق و استفاده از داده‌های بازتحلیل برای بهبود درک چرخه گردوخاک و ارزیابی ورودی مواد معدنی به بوم سازکان دریایی خلیج فارس تأکید می‌کند.
کلیدواژه‌ها
ذرات گردوخاک
نشست خشک
خلیج فارس
WRF-CHEM
CAMS
موضوعات

عنوان مقاله English

Monitoring Dry Deposition of Dust Particles in the Persian Gulf and the Strait of Hormuz Using the WRF‑Chem Model and Comparison with CAMS (Case Study: 28–31 July 2018)

نویسندگان English

Roohollah Davoodi 1
Hossein Malakooti 2
Sara Karami 3
1 Department of Marine and Atmospheric Science (non-Biologic), University of Hormozgan, Bandar Abbas, Iran
2 Professor, Department of Marine and Atmospheric Sciences (Non-Biological), University of Hormozgan, Bandar Abbas, Iran
3 Assistant Professor of Meteorology, Air Pollution and Dust Group, Atmospheric Sciences and Meteorology Research Center (ASMERC), Tehran, Iran,
چکیده English

Dust is one of the most important atmospheric pollutants and has significant impacts on air quality, human health, and marine and terrestrial ecosystems in West Asia. In this study, the dry deposition of dust particles during a dust storm over the Persian Gulf and the Strait of Hormuz from 28 to 31 July 2018 is investigated as a case study. To simulate dry deposition, the WRF‑Chem model was employed, and the results were compared with CAMS reanalysis data. During this period, the dust storm originated from the desert regions of southwest Asia, particularly the Arabian Peninsula, and was associated with prevailing northwesterly (Shamal) winds. The results indicate that the maximum deposition flux coincided with increased surface particulate matter concentrations and intensified wind speeds. The spatial pattern of maximum deposition in the northern and northwestern parts of the Persian Gulf shows that dust transport pathways are consistent with the prevailing atmospheric dynamical conditions. WRF‑Chem outputs exhibit good agreement with CAMS data in terms of the temporal and spatial distribution of dry deposition, although some differences are evident, especially at the peak dust concentration. A strong correlation between the two datasets (R = 0.76) demonstrates that WRF‑Chem successfully captures the temporal variability of dry dust particle deposition. These findings highlight the importance of accurate numerical simulations and the use of reanalysis datasets to improve understanding and assessment of mineral inputs to the marine ecosystems of the Persian Gulf.

کلیدواژه‌ها English

Dust particles
dry deposition
Persian Gulf
WRF-CHEM
CAMS

 

1.     1.  Seinfeld JH, Pandis SN. Atmospheric chemistry and physics: From air pollution to climate change. 3rd ed. Hoboken (NJ): John Wiley & Sons; 2016. doi:10.1002/9781119221166.

  1. Textor C, Schulz M, Guibert S, Kinne S, Balkanski Y, Bauer S, et al. Analysis and quantification of the diversities of aerosol life cycles within AeroCom. Atmos Chem Phys. 2006;6:1777‑1813.                          doi:10.5194/acp-6-1777-2006.
  2. Prospero JM, Ginoux P, Torres O, Nicholson SE, Gill TE. Environmental characterization of global sources of atmospheric soil dust. Rev Geophys. 2002;40(1):1002.               doi:10.1029/2000RG000095.
  3. Jickells TD, An ZS, Andersen KK, Baker AR, Bergametti G, Brooks N, et al. Global iron connections between desert dust and ocean biogeochemistry. Science. 2005;308(5718):67‑71. doi:10.1126/science.1105959.
  4. Alizadeh Choobari O, Zawar‑Reza P, Sturman A. Dust storms in the Middle East: Dynamics and modeling. Atmos Environ. 2014;82:343‑353. doi:10.1016/j.atmosenv.2013.10.031.
  5. Yu Y, Notaro M, Kalashnikova OV, Garay MJ. The climatology of Shamal wind events over the Persian Gulf. J Geophys Res Atmos. 2016;121(1):289‑305. doi:10.1002/2015JD024063.
  6. Grell GA, Peckham SE, Schmitz R, McKeen SA, Frost G, Skamarock WC, et al. Fully coupled online chemistry within the WRF model. Atmos Environ. 2005;39(37):6957‑6975. doi:10.1016/j.atmosenv.2005.04.027.
  7. Zhang L, Gong S, Padro J, Barrie L. A size‑segregated particle dry deposition scheme for an atmospheric aerosol module. Atmos Environ. 2001;35(3):549‑560.                           doi:10.1016/S1352-2310(00)00426-0.
  8. Inness A, Ades M, Agustí‑Panareda A, Barré J, Benedictow A, Blechschmidt AM, et al. The CAMS reanalysis of atmospheric composition. Atmos Chem Phys. 2019;19:3515‑3556. doi:10.5194/acp-19-3515-2019.
  9. Eskes H, Huijnen V, Arola A, Benedictow A, Blechschmidt AM, Bouarar I, et al. Validation of the CAMS global reanalysis. Atmos Meas Tech. 2020;13(6):2961‑2987.                          doi:10.5194/amt-13-2961-2020.
  10. Benedetti A, Morcrette JJ, Boucher O, Dethof A, Engelen RJ, Fisher M, et al. Aerosol analysis and forecast in the ECMWF Integrated Forecast System. J Geophys Res Atmos. 2009;114:D13210. doi:10.1029/2008JD011235.
  11. Wesely ML. Parameterization of surface resistances to gaseous dry deposition. Atmos Environ. 1989;23(6):1293‑1304. doi:10.1016/0004-6981(89)90153-4.
  12. Slinn WGN. Predictions for particle deposition to vegetative canopies. Atmos Environ. 1982;16(7):1785‑1794.                        doi:10.1016/0004-6981(82)90271-2.
  13. Zhang L, Brook JR, Vet R. A revised parameterization for gaseous dry deposition in air quality models. Atmos Chem Phys. 2003;3:2067‑2082.                                  doi:10.5194/acp-3-2067-2003.
  14. Fast JD, Gustafson WI Jr, Easter RC, Zaveri RA, Barnard JC, Chapman EG, et al. Evolution of ozone, particulates, and aerosol direct radiative forcing near Houston. J Geophys Res Atmos. 2006;111:D24S19.                      doi:10.1029/2005JD006721.
  15. Hersbach H, Bell B, Berrisford P, Hirahara S, Horányi A, Muñoz‑Sabater J, et al. The ERA5 global reanalysis. Q J R Meteorol Soc. 2020;146(730):1999‑2049.                  doi:10.1002/qj.3803.
  16. Ginoux P, Chin M, Tegen I, Prospero JM, Holben B, Dubovik O, et al. Sources and distributions of dust aerosols simulated with the GOCART model. J Geophys Res Atmos. 2001;106(D17):20255‑20273. doi:10.1029/2000JD000053.
  17. Chin M, Ginoux P, Kinne S, Holben BN, Duncan BN, Martin RV, et al. Tropospheric aerosol optical thickness from the GOCART model. J Atmos Sci. 2002;59(3):461‑483. doi:10.1175/1520-0469(2002)059<0461:TAOTFT>2.0.CO;2.
  18. Eskes H, Benedictow A, Blechschmidt AM, Chabrillat S, Christophe Y, Cuevas E, et al. CAMS atmospheric composition reanalysis 2003–2018. Atmos Chem Phys. 2020;20:3515‑3556. doi:10.5194/acp-20-3515-2020.
  19. Inness A, Ades M, Agustí‑Panareda A, Barré J, Benedictow A, Blechschmidt AM, et al. CAMS reanalysis of atmospheric composition (update). Atmos Chem Phys. 2022;22:4617‑4660. doi:10.5194/acp-22-4617-2022.
  20. Parajuli SP, Yang ZL, Kocurek G. Dust emission and transport modeling with WRF‑Chem. Atmos Environ. 2020;224:117220. doi:10.1016/j.atmosenv.2019.117220.
  21. Nabavi SO, Haimberger L, Samimi C. Dust transport pathways and synoptic patterns over the Middle East. Atmos Res. 2021;249:105550. doi:10.1016/j.atmosres.2021.105550.
  22. Alizadeh Choobari O, Ghanei M, Middleton N, Prospero JM. Meteorological drivers of dust storms over the Middle East. Aeolian Res. 2023;63:100879. doi:10.1016/j.aeolia.2023.100879.
  23. Qin Y, Lin J, Chen Y, Fu TM, Zhuang B, Zhang L. A revised mineral dust emission scheme in GEOS‑Chem. Atmos Chem Phys. 2021;21:4319‑4339.                               doi:10.5194/acp-21-4319-2021.
  24. Chen Y, Liu Y, Ma S, Kok JF, Li Q. Impacts of dynamic dust sources coupled with WRF‑Chem 3.9.1 on dust simulation over East Asia. Geosci Model Dev. 2023;16(4):1233‑1254. doi:10.5194/gmd-16-1233-2023.
  25. Kaskaoutis DG, Houssos EE, Rashki A, Legrand M, Dumka UC, Mofidi A, et al. Long‑term variability of dust events in southwestern Iran. Atmosphere. 2021;12(10):1350. doi:10.3390/atmos12101350.

  • تاریخ دریافت 27 بهمن 1404
  • تاریخ بازنگری 28 اسفند 1404
  • تاریخ پذیرش 12 فروردین 1405