ارزیابی وضعیت شوری خاک، تبخیر و تعرق واقعی و رطوبت خاک با استفاده از سنجش از دور (مطالعه موردی: منطقه خشک هرات)

الموضوعات :

فاطمه فیروزی ¹ , حسین ملکی نژاد ² , نورالله نیک پور ³

1 - دانشجوی پسا دکتری ، دانشکده منابع طبیعی، دانشگاه یزد.
2 - دانشیار گروه منابع طبیعی، دانشگاه یزد.
3 - دکترا، ژئومورفولوژی، دانشگاه سیستان و بلوچستان، زاهدان.

تاريخ الإرسال : 04 السبت , جمادى الأولى, 1442 تاريخ التأكيد : 13 الثلاثاء , ربيع الأول, 1443 تاريخ الإصدار : 28 السبت , جمادى الثانية, 1444

الکلمات المفتاحية: کشاورزی, چاه‌ آب, احساس تضاد, مدیریت تعارض,

ملخص المقالة :

چکیده مقدمه: در توسعه کشاورزی، عوامل زیادی مانند شرایط آب و هوایی، رطوبت خاک، تبخیر و تعرق و ...دخالت دارند که برای تأثیر آن‌‌ها لازم است به بررسی پارامترهای کلیدی پرداخته شود. پایش بهنگام و دقیق این کمیت‌ها به کمک تصاویر ماهواره‌ای یک ضرورت در این زمینه محسوب می‌شود. دشت هرات، یکی از دشت‌هایی است که در آن، شوری خاک و کمبود رطوبت منجر به بحرانی گردیدن وضعیت باغات و زمین‌های کشاورزی شده است. روش: در این تحقیق سعی شده است با استفاده از داده‌های سنجنده مودیس برای چهار ماه فوریه، می، اگوست و نوامبر در سال 2017 به مطالعه شوری خاک، رطوبت خاک و میزان تبخیر و تعرق واقعی بررسی شود. یافته: مرحله اول بررسی پوشش گیاهی نشان می‌دهد در ماه می‌(فصل رشد) 4/0 را نشان می‌دهد. در حالیکه حداکثر دمای سطح زمین نیز در ماه اگوست (54 درجه سانتی‌گراد) و می(15/45 درجه سانتی‌گراد) به ثبت رسیده است، سپس در مرحله بعد با استفاده از نتایج دو شاخص پوشش‌گیاهی و دمای سطح زمین به بررسی رطوبت منطقه با روش مثلثی پرداخته شده است. رطوبت منطقه به پنج طبقه از صفرتا 5/0 تقسیم‌بندی شد، که نشان‌دهنده کم بودن رطوبت خاک و خشکی در دشت هرات می‌باشد. درنهایت به دلیل خشک بودن منطقه و برای صحت سنجی روش مثلثی، برداشت میدانی نمونه‌های خاک از نقاط مختلف شهر هرات و بخصوص زمین‌های کشاورزی آن برای برآورد میزان شوری خاک (EC,PH و رطوبت خاک) صورت گرفت. نتیجه گیری: نتایج نشان داد که میزان رطوبت خاک در عمق 5 سانتی‌متری سطح زمین بین0 تا 3/0متغیر می‌باشد. همچنین از 12 نمونه خاک، 6 نمونه دارای خاک شور و یک نمونه دارای خاک شوری-اسیدی می‌باشند. البته این نکته هم حائز اهمیت است که برخی از زمین‌های کشاورزی که خاک آن‌ها در گروه شور قرارگرفته است، خشک و به حال خود رهاشده‌اند. در نهایت بررسی میزان تبخیر و تعرق واقعی با الگوریتم سبال نشان داد که در این منطقه با وجود کمبود رطوبت، تبخیر بخصوص در ماه گرم اگوست بسیار بالا می‌باشد.  

المصادر:

1.       Alvipanah, S.K. 2013. Application of remote sensing in earth sciences (soil sciences). Tehran University Press. [In Persian].

2.       Behbahani, S. M. R., Noroozi Aghdam, E., Rahimi Khoob, A., Aghighi, H. 2010. Assessing Surface Soil Moisture in Arid and Semiarid Rangelands Using NDVI and Meteorological Parameters. Iran Water Resources Research, 5:39-47.(Persian)

3.       Brown, C.E., Pezeshki, S.R., DeLaune, R.D. 2006. The effects of salinity and soil drying on nutrient uptake and growth of Spartina alterniflora in a simulated tidal system. Environmental and Experimental Botany, 58: 140-148.

4.       Carlson, T. N., Gillies, R. R., Perry, E. M. 1994.A method to make use of thermal infrared temperature and NDVI measurements to infer surface soil water content and fractional vegetation cover. Remote sensing reviews, 9:161-173.

5.       Carlson, T.N., Gillies, R.R., Schmugge, T.J. 1995. An Interpretation of Methodologies for Indirect Measurement of Soil-Water Content. Agricultural and Forest Meteorology, 77: 191-205.

6.       Dadrasi Sabzevar, A. M., Akhondali, F., Radmanesh, A., Noorozi, A. A. 2017. Estimation of spatial distribution of soil surface moisture in arid and semi-arid regions using remote sensing data. Iranian Journal of Range and Desert Research, 24: 370-382.

7.       Fabriiki Orang ,S., Mehrabad Pourbanab S. 2017. Evaluation of changes in physiological and biochemical traits in ancestral and evolutionary wheat species under water stress. Environmental tensions in agricultural sciences, 4(2): 802-791. [In Persian].

8.       Farooq, M., Wahid, A., Kobayashi, N., Fujita, D., Basra, S.M.A. 2009. Plant drought stress: effects, mechanisms and management. Agronomy for Sustainable Development, 29: 185–212.

9.       Foroughi, H., Naseri ,A.A.,Boroomandnasab, S., Hamzeh, S., scott, B.J. 2018. Presenting a New Method for Soil-moisture Estimation Using Optical Remotely-sensed Imagery. Iranian Journal of Soil and Water Research, 50: 641-652.(Persian)

10.   Franklin, P, R., Gardner, B., Mitchell, R. L. (2010). Physiology of crop plants. Scientific Press. 336pp.

11.   Friedl, M.A., Davis, F.W. 1994. Sources of variation in radiometric surface temperature over a tall grass prairie. Remote Sensing of Environment, 48: 1–17.

12.   GAO, Y., Long, D., Li, Z. 2008. Estimation of daily evapotranspiration from remotely sensed data under complex terrain over the upper Chao river basin in north China. International Journal of Remote Sensing, 11(1): 3295-3315.

13.   Ghassemi, F., Jakeman, A.J., Nix, H.A.1995. Salinisation Of land and water resource. Australia,  1:28-35.

14.   Goetz, S. J. 1997. Multi-sensor analysis of NDVI, surface tempera and biophysical variables at a mixed grassland site. International Journal of Remote Sensing, 18: 71-94.

15.   Habibipour, A. 2011. Predicted drought in Yazd synoptic stations using the decision tree mode. Master's thesis, Yazd University.

16.   Hao, F., Zhang, X., Ouyang, W., Skidmore, A. K., Toxopeus, A. G. 2012. Vegetation NDVI Linked to Temperature in the Upper Catchments of Yellow River. Environmental Modeling & Assessment, 17: 389-398.

17.   Huang, Y., Tian, Q,., Du ,L., Sun, S. 2013. Analysis of Spatial-Temporal Variation of Agricultural Drought and Its Response to ENSO over the Past 30 Years in the Huang-Huai-Hai Region. China Terr Atmos Ocean Sci, 24: 745-759.

18.   Lalehzari, E., Abaspour, A. R. 2017. An Assessment of the Role of Large Reservoir Dams on Local Climate using Remote Sensing Techniques (Case Study: Baft Reservoir Dam) .GEJ, 8: 35-43.

19.   Lambin, E.G., Ehrlich, D. 1996.The Surface Temperature-vegetation Index Space for Land Cover and Land-cover Change Analysis. Int. J. Remote Sensing, 17: 463-487.

20.   Lingtong, D., Song, N., Liu, K., Hou, J., Hu ,Y., Zhu, Y., Wang, L., Guo, Y. 2017. Comparison of Two Simulation Methods of the Temperature Vegetation Dryness Index (TVDI) for Drought Monitoring in Semi-Arid Regions of China. Remote sensing, 9: 2-19.

21.   Mattia, F., Satalino, G., Pauwels, V.R.N., Loew, A. 2008. Soil moisture retrieval through a merging of multi-temporal L-band SAR data and hydrologic modeling. Hydrology and Earth System Sciences, 5:3479–3515.

22.   McVicar, T.R., Jupp, D.L.B. 1998. The current and potential operational use of remote sensing to aid decisions on drought exceptional circumstances in Australia: a review. Agricultural System, 57: 399–468.

23.   Metternicht, G. I., Zinck, J. A. 1996. Modeling salining-alkalinity classes for mapping salt-affected topsoils in the semi-arid valleys of Cochabama (Bolivia). ITC Journal, 1: 125-135.

24.   Mir Yaqubzadeh, M.H., Soleimani, K., Habib Nejadroshen, M., Shahidi, K., Abbaspour, K., Akhwan, S. 2013. Determining and evaluating actual evapotranspiration using remote sensing data; A case study of Tamr watershed, Golestan. Irrigation and Water Engineering of iran, 15(1): 89-102. [In Persian].

25.   Moghimi, H., Zare Abadi Iqbal, M. 2014. Qualitative zoning of Herat aquifer (Yazd province) for agricultural uses using GIS First National Conference on Application of Advanced Spatial Analysis Models (Remote Sensing and GIS) in Land Preparation. Islamic Azad University of Yazd Iran, (Persian)

26.   Mohamed, E.S., Abdelraouf Ali, M., Shirbeny, E.L., Abutaleb, K., Sameh, M .2019. Mapping soil moisture and their correlation with crop pattern usingremotely sensed data in arid region. The Egyptian Journal of Remote Sensing and Space Sciences, doi.org/10.1016/j.ejrs.2019.04.003.

27.   Moran, M. S., Hymer, D. C., Qi, J., Sano, E. E. 2000. Soil moisture evaluation using multi-temporal synthetic aperture radar (SAR) in semiarid rangeland. Agricultural and Forest meteorology, 105:69-80.

28.   Moran, M.S., Peters-Lidard, C.D., Watts ,J.M., McElroy, S. 2004. Estimating soil moisture at the watershed scale with satellite-based radar and land surface models Can. Journal Remote Sens, 30: 805-826.

29.   Nowroozi, M., Tabatabaei, S. H., Nouri, R. 2018. Water use efficiency of wheat under simultaneous water and salinity stress conditions by using date palm leaves biochar. Soil and Water Sciences, 7: 20-36. (Persian)

30.   Penuelas, J., Filella, I., Biel, C., Serrano, L., Save, R. 1993. The reflectance at the 950–970mm region as an indicator of plant water status. International Journal of Remote Sensing, 14:1887–1905.

31.   Peters, A.J., Rundquist, D.C., Wilhite, D.A. 1991. Satellite detection of the geographic core of the 1988 Nebraska drought. Agricultural and ForestMeteorology, 57: 1-3.

32.   Pirasteh-Anosheh, H., Emam, Y .,Kazemeini, S. A., Dehghany, F. 2017. Effect of Irrigation Water Salinity on Soil Moisture and Salinity during Growing Season, Barley Yield and Its Water Productivity. Journal of Soil Research (Soil and Water Sciences), 31:155-167 .(Persian)

33.   Price, J.C. 1990. Using Spatial Context in Satellite Data to Infer Regional Scale Evapotranspiration. IEEE Transactions on Geoscience and Remote, 28: 940-948.

34.   Rahimzadeh-Bajgiran, P., Berg, A. A., Champagne, C., Omasa, K. 2013. Estimation of soil moisture using optical/thermal infrared remote sensing in the Canadian Prairies. ISPRS journal of photogrammetry and remote sensing, 83:94-103.

35.   Ranjbar Gholam, H., Pirste Anoushe, H. 2014. A look at salinity research in Iran with an emphasis on improving crop production. Journal of Agricultural Sciences of Iran, 17 (2):178-165 [In Persian].

36.   Ruiz, D., Martínez, V., Cerdá, A. 1997. Citrus response to salinity: Growth and nutrient uptake. Tree Physio, 17: 141-150.

37.   Sandholt, I., Rasmussena, K., Andersenb ,J. 2002. A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status. Remote Sensing of Environment, 79: 213–224.

38.   Scheftic, W. D., Cummins, K. L., Krider, E. P.,Sternberg, B. K., Goodrich, D., Moran, S., Scott, R. 2008. Wide-area soil moisture estimation using the propagation of lightning generated lowfrequency electromagnetic signals. 20th internationallightning detection conference, 140-148.

39.   Spaeth, S.c., Randau, H.c., Sinclair, T.R., Vendeland, J.S. 1984. Stability of soybean harvest index. Agron Journal,79:482-486.

40.   Stefanov, W. L., Netzband, M. 2005. Assessment of ASTER land cover and NDVI data at multiple scales for ecological characterization of an arid urban center. Remote Sensing of Environment, 99: 31–43.

41.   Su, H., Wood, E.F., Wojcik, R., McCabe, M. 2006. Sensitivity Analysis of Regional Scale Evapotranspiration Predictions to the Forcing Data. American Geophysical Union, Fall Meeting 2007, abstract #H31A-02.

42.   Tang, H., Li, Z. L. 2013. Quantitative Remote Sensing in Thermal Infrared: Theory and Applications.Springer Science & Business Media, 1:1-10.

43.   Wan, Z., Wang, P., Li, X. 2004. Using MODIS land surface temperature and normalized difference vegetation index products for monitoring drought in the southern Great Plains, USA. International Journal of Remote Sensing, 25: 61–72.

44.   Wang, X., Xie, H., Guan, H., Zhou, X. 2007. Different responses of MODIS-derived NDVI to root-zone soil moisture in semi-arid and humid regions. Journal of Hydrology, 340:12 24.

45.    Sanaei-Neja,  S.H., Noori,  S.,  Hashemi nia, M. 2011.Estimation of Evapotranspiration Using Satellite Image Data in Mashhad area. Journal water and soil, 25 (3): 540-547 [In Persian]