غرب ایران، همچنان در مسیر گرد و غبار

در سال‌های اخیر، پدیده‌هایی مانند طوفان‌های گرد و غبار نه‌تنها زندگی روزمره مردم را مختل کرده‌اند، بلکه نگرانی‌هایی جدی درباره سلامت انسان، محیط‌زیست و حتی امنیت غذایی به وجود آورده‌اند. این موضوع باعث شده است که محققان به طور مداوم در تلاش برای پیداکردن روش‌های موثر پیش‌بینی این پدیده جوی باشند.

به گزارش ایسنا، گرد و غبار از جمله پدیده‌هایی است که بیشتر در مناطق خشک و نیمه‌خشک جهان دیده می‌شود. در این مناطق، خاک بدون پوشش گیاهی در اثر بادهای شدید به‌راحتی جابه‌جا می‌شود و ذرات ریز به هوا بلند می‌شوند. طوفان‌های گرد و غبار می‌توانند مسافت زیادی را طی کنند و به مناطق بسیار دورتر نیز آسیب برسانند. این پدیده نه‌تنها باعث کاهش دید و اختلال در حمل‌ونقل می‌شود، بلکه پیامدهایی خطرناک برای سلامت انسان، کیفیت هوا، کشاورزی و منابع طبیعی دارد. به همین دلیل، شناخت و کنترل این طوفان‌ها به‌ویژه در مناطق حساس مانند غرب ایران اهمیت بالایی دارد. خاورمیانه، به‌ویژه کشورهای مجاور غرب ایران مانند عراق، سوریه و عربستان سعودی، از مراکز اصلی تولید گرد و غبار هستند که طوفان‌های ناشی از آن‌ها وارد کشور می‌شوند و مردم را تحت تأثیر قرار می‌دهند.

اهمیت پژوهش در زمینه پیش‌بینی و تحلیل این طوفان‌ها زمانی بیشتر می‌شود که بدانیم طوفان‌های گرد و غبار تنها یک چالش محیطی نیستند، بلکه با زندگی روزمره ما در ارتباط مستقیم‌اند. گرد و غبار می‌تواند بازده مزارع کشاورزی را کاهش دهد، به دستگاه‌های صنعتی آسیب بزند، عملکرد نیروگاه‌های خورشیدی را مختل کند و باعث افزایش بیماری‌های تنفسی شود. همچنین این طوفان‌ها ممکن است در آینده با شدت و تعداد بیشتری رخ دهند. از این‌رو، نیاز به شناخت دقیق‌تر و پیش‌بینی علمی این پدیده، با استفاده از روش‌های جدید مانند مدل‌های هوش مصنوعی، بیش از هر زمان دیگری احساس می‌شود. این ابزارهای پیشرفته می‌توانند با تحلیل داده‌های گذشته، به ما در شناسایی الگوها و پیش‌بینی طوفان‌های آینده کمک کنند.

در پژوهشی که توسط برومند صلاحی، استاد آب‌وهواشناسی در گروه جغرافیای طبیعی دانشگاه محقق اردبیلی و دو تن از همکارانش انجام شده است، روش‌های نوین برای پیش‌بینی طوفان‌های گرد و غبار در مناطق غربی ایران بررسی شده‌اند. در این تحقیق، آن‌ها به بررسی دقت روش‌های مختلف مبتنی بر شبکه‌های عصبی مصنوعی پرداختند؛ یعنی مدل‌هایی که با استفاده از الگوریتم‌های شبیه به عملکرد مغز انسان، قادر به تحلیل داده‌های پیچیده هستند.

برای انجام این پژوهش، اطلاعات آب‌وهوایی ۱۷ ایستگاه منتخب در نیمه غربی ایران در بازه زمانی ۱۹۸۷ تا ۲۰۲۳ جمع‌آوری شد. در این ایستگاه‌ها، داده‌هایی مانند دما، رطوبت، میزان بارش، سرعت و جهت باد به‌عنوان ورودی به مدل‌های هوش مصنوعی داده شد. مدل‌های مورد استفاده در این تحقیق نیز شامل شبکه‌های عصبی مختلفی بودند، از جمله مدل‌های RBF، MLP، ANFIS و همچنین مدل ریاضی SVR.

یافته‌های این پژوهش نشان دادند که مدل RBF یا «شبکه توابع پایه شعاعی»، عملکرد بسیار بهتری نسبت به دیگر مدل‌ها داشت. این مدل در ایستگاه‌هایی مانند کرمانشاه، رامهرمز و اسلام‌آباد غرب بسیار خوب عمل کرد و نسبت به دیگر مدل‌ها خطای کمتری داشت.

در گام بعدی، مدل فوق برای پیش‌بینی طوفان‌های گرد و غبار در آینده نیز به کار رفت. نتایج پیش‌بینی برای دوره ۲۰۲۴ تا ۲۰۴۰ نشان داد که شهرهایی مانند آبادان و اهواز همچنان بیشترین احتمال وقوع طوفان را خواهند داشت. در مقابل، شهرهایی مانند الیگودرز با شرایط بادی کمتر، مناطق آرام‌تری به حساب می‌آیند. این پیش‌بینی‌ها می‌تواند در تصمیم‌گیری‌ها و برنامه‌ریزی‌های مدیریتی در حوزه سلامت، محیط‌زیست و زیرساخت‌های شهری مؤثر باشد.

یافته‌های پژوهش فوق که در فصلنامه «جغرافیا» وابسته به انجمن جغرافیایی ایران منتشر شده‌اند، بر این نکته تأکید دارند که مدل‌های هوش مصنوعی، به‌ویژه شبکه‌های عصبی، می‌توانند نسبت به روش‌های قدیمی و خطی، روابط پیچیده‌تری را بین متغیرها شناسایی کنند و در نتیجه پیش‌بینی‌های دقیق‌تری ارائه دهند.

اهمیت این پژوهش در آن است که می‌تواند دیدی جامع از روندهای احتمالی گرد و غبار در آینده به تصمیم‌گیران ارائه کند و نقش مهمی در افزایش آمادگی و کاهش آسیب‌پذیری مناطق درگیر داشته باشد.

*