شاخص‌های ماهواره‌ای در پایش خشکسالی ایران
الموضوعات :
سيدمهدي پژوهان
1
(استادیار ژئومورفولوژی، گروه جغرافیا، دانشگاه پیام نور. تهران، ایران)
الکلمات المفتاحية: باند فروسرخ, باند سرخ, خشکسالی ماهواره‌ای, ایران.,
ملخص المقالة :
خشکسالی یکی از مظاهر طبیعی متأثر از وضعیت اقلیمی و از پدیده‌های مهم مورفوکلیماتیک کشور ایران محسوب می‌شود به شکلی که افزایش یا کاهش یک یا چند عنصر اقلیمی مثل دما، بارش موجب پیدایش این پدیده می‌شود. خشکسالی یکی از پدیدهای مخرب اقلیمی است که در صورت عدم مدیریت اثرات ناگواری بر اکولوژی هر منطقه وارد می‌کند. مهم‌ترین بازخورد این پدیده زیان‌های اقتصادی آن است. پايش خشکسالی به‌منظور مدیریت آن از اهمیت ویژه‌ای برخوردار است. در این تحقیق ابتدا به تعریف کاربردی‌ترین شاخص‌های پایش ماهواره‌ای از پدیده خشکسالی شده است و سپس اقدام به اجرای آن در باندهای تصاویر ماهواره‌های هواشناسی شده است. این روش از نظر اقتصادی و زمانی هم به‌صرفه‌تر از روش‌های قدیمی و هم روش مکمل مبتنی بر پایش میدانی است. نتایج حاصل از بررسی شاخص‌های ماهواره‌ای نشان داده است که اولاً در همه شاخص‌های گیاهی از محدوده متوسط طیف الکترومغناطیس 670 نانومتر و محدوده متوسط 765 نانومتر که به ترتیب به باندهای سرخ و فروسرخ معروف‌اند، استفاده می‌شود. ثانیاً نتایج حاصل از اجرای نقشه خروجی مؤید توانایی بالای این شاخص‌ها در نمایش تغییرات پوشش گیاهی و در نهایت پایش خشکسالی است. نتایج این تحقیق می‌تواند در پایش به‌روز خشکسالی و موسسات ذیربط مورد استفاده قرار گیرد.
Afzali Kardamehle, P., & Behzadi, S. (2023), Comparison of Drought in Golestan And Semnan Provinces By Satellite Data with Vegetation Condition Index (VCI) Measurement, 3rd National Conference on Water Resource Management Strategies and Environmental Challenges, Tarbiat Debir Shahid Rajaee University, Tehran, Iran. [In Persian]
Alizadeh, A., Ansari, H., Ershadi, S., & Ashgar Toosi, S. (2009). Drought Predictability in the Province of Sistan and Balouchestan. Journal of Geography and Regional Development, (11) 11, Pages 1-18. [In Persian] (SID. https://sid.ir/paper/99050/en)
Antonio, P., Aquino França, L.M., & Galvincio, J. (2012). Relationship between Vegetation Indices and Altimetry in Triunfo-Pe, Brazil, Journal of Hyperspectral Remote Sensing, 2(3), 37-43.
Chopra, P. (2006). Drought Risk Assessment Using Remote Sensing and GIS: a Case Study of Gujarat, ITC and IIRS, Thesis for the Degree of Master of Science in Geo-Information Science and Earth Observation in Hazard & Risk Analysis.12-14.
Fazel Dehkordi, L., Azarnivand, H., Zare Chahouki, M. A., Mahmoudi Kohan, F., & Khalighi Sigaroudi, S. (2016). Drought Monitoring Using Vegetation Index (NDVI) (Case study: Rangelands of Ilam Province). Journal of Range and Watershed Managment, 69(1), 141-154. doi: 10.22059/jrwm.2016.61739) [In Persian]
Dos Santos Pereira, J. A., De Aquino França, L. M., & Galvíncio, J. D. (2012). Relationship Between Vegetation Indices and Altimetry in Triunfo-PE, Brazil. Journal of Hyperspectral Remote Sensing, 2(3), 37-43.
Farajzadeh Assal, M. (2005). Drought from the Concept to the Solution, Publications of the Geographical Organization of The Armed Forces, 120 Pages. [In Persian]
Fred, P. (2013). Seawifs Status, Ocean Biology Processing Group, Power Point Issuance, 1-8.
Huete, A., Justice, C., & Van Leeuwen, W. (1999). MODIS Vegetation Index (MOD13). Algorithm Theoretical Basis Document, 3(213), 295-309.
Jensen, J.R. (2005). Introductory Digital Image Processing: a Remote Sensing Perspective. Prentice Hall Series in Geographic Information Science, 526PP.
Pourbagher Kurdi S.M. (2012). Application of Sea Wifs Satellite Images in Drought Monitoring, Proceedings of the 2nd International Conference on Environmental Hazards, Khwarazmi University, Tehran, Iran, November 7-13. [In Persian]
Safari, H. (2003), Drought Assessment Using ANHRR Images in Zabul Region. Master's Degree Thesis, Department of Remote Sensing and GIS, Shahid Beheshti University, Tehran. [In Persian]
Shabani, M. (2022), Evaluation of Indicators Based on Remote Sensing in Drought Monitoring of Niriz City, Remote Sensing and Geographic Information System in Natural Resources, (13) 4: 131-147. [In Persian]
Taherzadeh, S.A., Ziaian, P., & Farajzadeh, M. (2006), Drought Analysis Using Remote Sensing and GIS Techniques, A Case Study of Minab City, Tarbiat Modares University Master's Thesis on Remote Sensing, 42-44. [In Persian]
Tavazehi, A., & Ahmadi Nadoushan, M. (2016), Drought Survey of Zayandeh Rodd Area Using SPI Index, National Conference on Civil Engineering, Environment and Sustainable Land, Mashhad, Iran. [In Persian]
Thenkabail, P. S., & Gamage, M. S. D. N. (2004). The Use of Remote Sensing Data for Drought Assessment and Monitoring in Southwest Asia (85). Iwmi.
Wang, P.X., Li, X.W., Gong, J.Y., & Song, C. (2004). Vegetation Temperature Condition Index and Its Application for Drought Monitoring. International Journal of Remote Sensing, 23, 578–592.
فصلنامه مدیریت و حقوق محیط زیست 1(1): پاییز 1402: 1-10
Journal of Environmental management and law, Vol.1, Issue 1, 102-112
فصلنامه مدیریت و حقوق محیط زیست |
Satellite Indicators in Drought Monitoring in Iran
Seyed Mahdi Pazhuhan
Department of Geography, Payame Noor University, Tehran, Iran.
* Corresponding Author: M.pourbagher@pnu.ac.ir
Abstract Drought is a natural manifestation influenced by climatic conditions and is considered one of Iran's significant morphoclimatic phenomena. The appearance of this phenomenon is linked to variations in climatic elements such as temperature and precipitation. Drought, as a destructive climatic event, can have adverse effects on the ecology of any region if not properly managed, with its economic losses being a crucial feedback. Effective monitoring of drought is essential for its management. In this research, the most practical indicators for satellite monitoring of drought have been defined and implemented using meteorological satellite images. This method proves to be more economical and time-efficient compared to traditional methods, including field monitoring. The analysis of satellite indicators revealed that, firstly, the electromagnetic spectrum ranges of 670 nm (red band) and 765 nm (infrared band) are commonly utilized in all plant indicators. Secondly, the output map generated from these indicators demonstrates their high efficacy in revealing vegetation changes and, consequently, monitoring drought.
| Original Paper
|
Received: 2023.05.10 Accepted: 2023.10.21
| |
Keywords: Infrared Band, Red Band, Satellite Drought, Iran. |
شاخص‌های ماهواره‌ای در پایش خشکسالی ایران
سید مهدی پژوهان
استادیار ژئومورفولوژی، گروه جغرافیا، دانشگاه پیام نور. تهران، ایران.
*پست الکترونیکی نویسنده مسئول: M.pourbagher@pnu.ac.ir
نوع مقاله: علمی-پژوهشی
| چکیده خشکسالی یکی از مظاهر طبیعی متأثر از وضعیت اقلیمی و از پدیده‌های مهم مورفوکلیماتیک کشور ایران محسوب می‌شود به شکلی که افزایش یا کاهش یک یا چند عنصر اقلیمی مثل دما، بارش موجب پیدایش این پدیده می‌شود. خشکسالی یکی از پدیدهای مخرب اقلیمی است که در صورت عدم مدیریت اثرات ناگواری بر اکولوژی هر منطقه وارد می‌کند. مهم‌ترین بازخورد این پدیده زیان‌های اقتصادی آن است. پايش خشکسالی به‌منظور مدیریت آن از اهمیت ویژه‌ای برخوردار است. در این تحقیق ابتدا به تعریف کاربردی‌ترین شاخص‌های پایش ماهواره‌ای از پدیده خشکسالی شده است و سپس اقدام به اجرای آن در باندهای تصاویر ماهواره‌های هواشناسی شده است. این روش از نظر اقتصادی و زمانی هم به‌صرفه‌تر از روش‌های قدیمی و هم روش مکمل مبتنی بر پایش میدانی است. نتایج حاصل از بررسی شاخص‌های ماهواره‌ای نشان داده است که اولاً در همه شاخص‌های گیاهی از محدوده متوسط طیف الکترومغناطیس 670 نانومتر و محدوده متوسط 765 نانومتر که به ترتیب به باندهای سرخ و فروسرخ معروف‌اند، استفاده می‌شود. ثانیاً نتایج حاصل از اجرای نقشه خروجی مؤید توانایی بالای این شاخص‌ها در نمایش تغییرات پوشش گیاهی و در نهایت پایش خشکسالی است. نتایج این تحقیق می‌تواند در پایش به‌روز خشکسالی و موسسات ذیربط مورد استفاده قرار گیرد. |
تاریخچه مقاله: ارسال: 20/02/1402 پذیرش: 29/07/1402
| |
کلمات کلیدی: باند فروسرخ، باند سرخ، خشکسالی ماهواره‌ای، ایران. |
مقدمه
خشکسالی یکی از پدیده‌های مخرب اقلیمی است که در صورت عدم مدیریت اثرات ناگواری بر اکولوژی هر منطقه وارد می‌کند. مهم‌ترین بازخورد این پدیده زیان‌های اقتصادی آن است. اين پديده تقريباً در تمامی مناطق اقليمی کشورمان رخ می‌دهد. خشکسالی تعاریف مختلفی دارد اما به‌طور میانگین می‌توان گفت اگر میزان بارندگی هر منطقه‌ای از یک مقدار متوسط در یک دوره زمانی مشخص (که حداقل یک‌فصل به‌طور پیوسته) کمتر باشد، خشکسالی اتفاق می‌افتد. خشکسالی، یکی از مظاهر طبیعی متأثر از وضعیت اقلیمی و از پدیده‌های مهم مورفوکلیماتیک کشور ایران محسوب می‌شود به شکلی که افزایش یا کاهش یک یا چند عنصر اقلیمی مثل دما، بارش موجب پیدایش این پدیده می‌شود. مورفوکلیماتیک را اشکال و فرم‌های حاصل از تأثیر اقلیم در هر قلمرو تعریف کرده‌اند، خشکسالی از پدیده‌های مهم شکل‌زایی حاصل از عدم موازنه دما و بارش است.
در رویارویی با پدیده خشکسالی دو شیوه مدیریتی وجود دارد: مدیریت بحران و مدیریت ریسک. در مدیریت بحران، بعد و یا حین وقوع خشکسالی، مبادرت به برنامه‌ریزی در جهت مقابله با بلایا می‌شود ولی در مدیریت ریسک قبل از وقوع خشکسالی پیش‌آگاهی‌های لازم جهت آمادگی با این پدیده صادر می‌شود تا تصمیم درستی برای مقابله با پدیده خشکسالی گرفته شود. لذا مدیریت ریسک باید جایگزین مدیریت بحران شود (Alizadeh, 2008).
از یک طرف کاهش بارندگی و از طرف دیگر افزایش مدام دما و در پی آن افزایش تبخیر و تعرق در طی چند ماه، مقدمات تنش آبی و ظهور خشکسالی را فراهم خواهد کرد. البته عوامل مهم اقلیمی دیگر هم در بروز خشکسالی نقش مهمی دارند؛ مثلاً Farajzadeh (2005) فرونشست هوای گرم، حاکمیت سلول‌های پرفشار در منطقه، وزش بادهای غربی و کاربری نادرست انسان را در بروز خشکسالی مهم و مؤثر می‌داند.
روش‌هایی که برای مطالعه و پایش خشکسالی استفاده می‌شود شامل روش‌های آماری، آماری-فیزیکی، سینوپتیکی و سنجش‌ازدور است که در این تحقیق به معرفی تکنیک‌های سنجش از دوری در ثبت روند تغییرات پوشش گیاهی پرداخته شد. در اینجا اجمالاً به سوابق تحقیق خشکسالی از طریق سنجش از دور پرداخته شده است:
Taherzadeh (2006) به بررسی کامل خشکسالی با استفاده از تکنیک‌های سنجش از دور و GIS پرداخته است با استفاده از روش تحليل رگرسيون روابط شاخص‌هایSPI ،NDVI ،LST تعيين شدند.
Safari (2003) در پایان‌نامه کارشناسی ارشد خود وضعیت خشکسالی منطقه زابل را با استفاده هم‌زمان از اطلاعات هواشناسی و ماهواره هواشناسی NOAA مطالعه و بررسی کرد و به نتایج کارش نشان داد که تصویر هواشناسی ماهواره‌ای NOAA و داده‌های زمینی سینوپتیک هواشناسی در دوران خشکسالی همپوشانی بالایی داشتند.
Tavazehi & Ahmadi Nadoushan (2016) به بررسی خشکسالی حوزه زاینده‌رود با استفاده از شاخص SPI از داده‌های 8 ایستگاه هیدرومتری طی سال‌های 1380تا 1393 پرداختند که نتایج کارشان خشکسالی نزدیک به نرمال را برای منطقه مذکور نشان داد.
Shabani (2022) به ارزیابی شاخص‌های مبتنی بر سنجش از دور در پایش خشکسالی شهرستان نی‌ریز واقع در استان فارس با روش مقایسه شاخص بارش استاندارد (SPI) و شاخص‌های مبتنی بر سنجش از دور پرداخت که نتیجه کار نشان داد که شاخص وضعیت گیاهی (VCI) که مبتنی بر سنجش از دور است، بیشترین همبستگی با شاخص SPI در دوره‌های زمانی مختلف را داشته است.
Afzali Kardamehle & Behzadi (2023) با موفقیت به مقایسه خشکسالی استان‌های گلستان و سمنان با استفاده از تصاویر ماهواره‌ای مودیس با اندازه‌گیری شاخص وضعیت گیاهی (VCI) پرداختند.
Pourbagher Kurdi (2012) به کاربرد تصاویر ماهواره‌ای SeaWiFs در پایش خشکسالی در پهنه ایران پرداخته است در این تحقیق به توانایی داده‌های این سنجنده در ثبت نمونه‌ای از پدیده خشکسالی ایران مورد آزمایش قرار گرفت و اثرات خشکسالی در سطح پوشش گیاهان مورد تفسیر بصری قرار گرفت.
Fazel Dehkordi و همکاران (2016)، با استفاده از شاخص گیاهی بر روی تصاویر مودیس به بررسی خشکسالی مراتع استان ایلام پرداختند که نتایج حاصل از رگرسيون بين شاخص‌ها نشان داد که NDVI معيار مناسبي براي ارزيابي و پايش خشکسالی است.
Wang و همکاران (٢٠٠٤) براي پايش خشکسالی کشور چین از تصاویر ماهواره‌ای MODIS استفاده کردند و با کمک شاخص شرایط دمایی گیاهان به بررسی خشکسالی از طریق شاخص مذکور بر روی تصویر مودیس و هم‌زمان بر روی‌داده‌های ایستگاه زمینی هواشناسی پرداختند.
شاخص‌های پوشش گياهي با استفاده از تفاضل انعکاس گياهان در باند قرمز و مادون‌قرمز نزديک به دست می‌آیند، گیاهان به علت رنگ‌دانه‌های کلروفیل داراي بیشترین جذب و کمترين انعکاس در محدوده باند قرمز مرئي و بالعکس در محدوده مادون‌قرمز نزديک تحت اثر ساختار سلولي خود داراي کمترین جذب و بيشترين انعکاس می‌باشند. همان‌طور که در شکل 1 دیده می‌شود، حداکثر انعکاس گیاهان در طیف الکترومغناطیس، محدوده مادون‌قرمز نزدیک و حداقل آن در محدوده نور قرمز است. با دانستن حداکثر و حداقل انعکاسات باندی و یا سایر خصوصیات ویژه رفتار طیفی گیاهان و روابط ساده نسبت‌گیری روي باندها شاخص‌های گياهي مثل شاخص اختلاف پوشش گیاهی نرمال شده، شاخص شرایط گیاه، شاخص خشکسالی پوشش گیاهی و... را می‌توان استخراج کرد، شکل مذکور به امضای طيفي گياهان نیز معروف است، زیرا همه پدیده‌ها از جمله گیاهان، منحنی بازتابش طیفی مخصوص به خود همچون اثر انگشت دارند (Pourbagher Kurdi, 2012).
درصد انعکاس طیفی |
طول موج به نانومتر |
شکل 1- منحنی رفتار طیفی گیاهان سبز (منحنی سبز) و خشک (منحنی قرمز) نسبت به آب (منحنی بنفش) و خاک (منحنی آبی)
Fig. 1- Spectral behavior curves of green plants (green curve) and dried plants (red curve) in relation to water (purple curve) and soil (blue curve)
مواد و روش‌ها
منطقه مورد مطالعه در این تحقیق پهنه جغرافیایی ایران به‌منظور اجرای شاخص خشکسالی است. روش تحقیق از نوع کاربردی است لذا در اینجا بعد از معرفی مهم‌ترین شاخص‌های ماهواره‌ای در پایش خشکسالی به نحوه اجرای آن پرداخته شده است:
شاخص اختلاف پوشش گیاهی نرمال شده1
شاخص اختلاف پوشش گیاهی نرمال شده به‌طور گسترده برای تحلیل پوشش گیاهی یک منطقه استفاده می‌شود. این شاخص از ابزارهای مهم تولیدشده با تکنیک‌های سنجش از دور است که در جستجوی رابطه بین اطلاعات کسب‌شده توسط سنجنده و پوشش کنونی گیاهان است. این شاخص اطلاعات خوبی راجع به پارامترهای گیاهی از جمله زیست‌توده، سطح برگ، محصولات کشاورزی، فعالیت‌های فتوسنتزی، درصد پوشش سبز و سلامت گیاهان ارائه می‌دهد (Antonio, 2012).
شاخص اختلاف پوشش گیاهی نرمال شده از شاخص‌های مبتنی بر نسبت‌های باندی است که اولین بار توسط Tucker در سال 1979 برای سلامت و تراکم گیاهان مطرح شد (Thenkabail et al., 2004) که به‌صورت کلی زیر تعریف می‌شود:
(1)
که در آن؛ R = باند قرمز انعکاسی و NIR = باند مادون قرمز نزدیک انعکاسی است.
این شاخص نشان‌دهنده ارتباط بین پارامترهای پوشش گیاهی از قبیل توده زنده گیاهی و سطح برگ سبز با میزان آب قابل‌دسترس در خاک است (Thenkabail et al., 2004).
از مزایای این شاخص از بین بردن اثرات اتمسفری و توپوگرافی است. مطالعه رفتار زماني پوشش گياهي، مدل‌سازی آب و هوايي، طبقه‌بندی پوشش گياهي در سطح جهاني، پايش محصولات کشاورزي، مطالعات بیابان‌زدایی و خشکسالی، حفاظت محیط‌زیست، بررسي تعادل ميزان انرژي و آب در سطح جهاني از جمله سایر کاربردهای شاخص اختلاف پوشش گیاهی نرمال شده می‌باشند.
شاخص گياهي EVI 2
شاخص گیاهی يك شاخص اختلاف پوشش گیاهی نرمال شده تغییر یافته است كه در آن از 
باند فروسرخ نزديك، 
و 
باند سرخ و آبي هستند. این شاخص به‌صورت معادله زیر است:
(2) 
L فاكتور خاك و C1 و C2 ضرايبي هستند كه به ترتيب 6/0 و 7/5 و 1/0 می‌باشند (Jensen, 2005).
اين شاخص، حساسيت به نواحي با پوشش گياهي را افزايش داده و باعث كاهش آثار جوي مي‌شود (Huete & Justice, 1999). در اين شاخص نياز به تصحيح قبلي پخش مولكولي و جذب ازون براي باندهاي آبي، قرمز و فروسرخ نزديك مي‌باشد. همچنين اين شاخص بيشتر براي بازسازی پوشش گياهي از تصاوير ماهواره‌ای MODIS بكار می‌رود. نتيجه حاصل از اعمال اين شاخص در بخش نتایج تحقیق آمده است.
شاخص نسبت گیاهی3
از تقسیم باند مادون‌قرمز نزدیک سنجنده‌ها به باند قرمز سنجنده‌ها شاخص نسبت گیاهی تعریف می‌شود.
(3) 
شاخص شرایط گیاهی4
این شاخص ابتدا توسط kogan در سال 1997 پیشنهاد شد (Thenkabail et al., 2004). که شرایط غالب پوشش گیاهی را با مقادیر حداقل NDVI_min و حداکثر NDVI_max به‌صورت زیر محاسبه می‌کند:
(4)
اگر مقادیر VCI بین 50 تا 100 درصد باشند، بیانگر شرایط مطلوب، بالاتر از نرمال گیاهان و عدم خشکسالی است، ولی مقادیر نزدیک به صفر بیانگر شرایط وقوع خشکسالی برای گیاهان است (Pourbagher Kurdi, 2012).
شاخص تأمين آب پوشش گياهي5
این شاخص از نسبت‌گیری شاخص اختلاف پوشش گیاهی نرمال شده به دمای درخشندگی استخراج‌شده از باند مادون‌قرمز حرارتی مطابق رابطه زیر به دست می‌آید. در زمان خشکسالی این شاخص به‌شدت کاهش می‌یابد.
(5) 
که BT دمای درخشندگی استخراج‌شده از باند مادون‌قرمز حرارتی است.
در موقع خشکسالی NDVI کاهش یافته و درجه حرارت تاج پوشش افزايش می‌یابد و در نتیجه طبق رابطه فوق شاخص تأمين آب پوشش گياهي کاهش می‌یابد.
شایان ذکر است برای استخراج دمای درخشندگی ابتدا بایستی مقادیر رقومی باند حرارتی را به رادیانس طیفی تبدیل کرده و سپس با کمک معکوس کردن تابع پلانک، دمای درخشندگی را به دست آورد. در این تحقیق برای استخراج شاخص خشکسالی NDVI و بررسی تغییرات پوشش گیاهی از تصاویر سنجنده SeaWifs در ماه‌های مشابه و در سال‌های متوالی، انتخاب شدند و از باندهای 6 و 7 سنجنده SeaWifs برای استخراج شاخص گیاهی به‌صورت زیر در فرمول‌نویسی استفاده شده است:
(6) 
که در آن:
باند مادون‌قرمز نزدیک انعکاسی سنجنده SeaWifs با فرمت اعشاری و 
باند قرمز انعکاسی سنجنده SeaWifs با فرمت اعشاری است.
بحث و نتیجه‌گیری
نتایج حاصل اجرای شاخص‌های خشکسالی NDVIو EVI بر روی تصویر سنجنده MODIS به ترتیب در شکل‌های 2 و3 آورده شده است. برای اجرای آن از رابطه‌های شماره 7 و 6 جهت فرمول‌نویسی در نرم‌افزار ENVI استفاده شده است:
برای محاسبه NDVI بایستی نوع متغیر را مشخص کنیم، از آنجائی که فرمت نقشه خروجی در NDVI از نوع اعشاری است لذا فرمت Float (اعشاری) در فرمول نویسی انتخاب شده است، زیرا دامنه تغییرات NDVI از نوع متغیر پیوسته است. لذا در این تحقیق از رابطه زیر برای تصویر MODIS استفاده شده است نتیجه این بخش از محاسبه به‌صورت نقشه رنگی می‌باشد که قسمت‌های قرمز این نقشه بیانگر توده زیست‌گیاهی است (شکل 2).
(7) 
باند 2 با فرمت اعشاری سنجنده MODIS در محدوده 841 تا 876 نانومتر (مادون قرمز) است و 
باند 1 با فرمت اعشاری سنجنده MODIS در محدوده 620 تا 670 نانومتر (قرمز) است.
مقادیر پردازش‌شده NDVI در محدوده پیوسته 1- تا 1+ قرار دارند. معمولاً مقادیر NDVI در خاک‌ها کمتر از 5 0/0 و در مناطق گیاهی تنک بین 5 0/0 تا 1/0 و مناطق گیاهی معمولی بین 1/0 تا 5/0 و مناطق گیاهی بسیار متراکم و غنی (جنگل‌های شمال کشور) بیشتر از 5/0 است.
شكل 2- بارزسازي پوشش گياهي با شاخص NDVI بر روی تصویر ماهواره‌ای مودیس (از استان تهران تا بخش‌های شمالی کشور)
Fig. 2- Highlighting vegetation cover with the NDVI index on the MODIS satellite image (from Tehran Province to the northern regions of the country)
شاخص NDVI برای شناسایی محصولات گیاهی تخریب‌شده و گیاهان تحت‌فشار آبی مراتع و گیاهان هموژنز (با خصوصیات ساختاری شبیه به هم) بسیار مفید است ولی برای شناسایی فشار آبی گیاهان هتروژنز (با خصوصیات ساختاری مختلف) کمی پیچیده است. همه مطالعات انجام گرفته در بیابان صحاری، آرژانتین، افریقای جنوبی، مدیترانه و سنگال بیان‌کننده ارتباط معناداری بین NDVI استخراجی از تصاویر ماهواره‌ای و توده زنده گیاهی است (Chopra, 2006).
شكل 3- بارزسازي پوشش گياهي با شاخص EVI بر روی تصویر ماهواره‌ای مودیس (از استان تهران تا بخش شمالی کشور)
Fig. 3- Highlighting vegetation cover with the EVI index on the MODIS satellite image (from Tehran Province to the northern regions of the country)
همانطوري‌كه در شكل‌های 2 و 3 ديده مي‌شود تصویر فضایی سنجنده MODIS از استان تهران تا بخش شمالی کشور را نشان می‌دهد که بخش‌های شمالی با رنگ قرمز پررنگ بیانگر پوشش گیاهی متراکم ولی از راستاي جنوب شرقي تا شمال غربي ايستگاه مهرآباد تهران از پوشش گياهي با تراکم نسبتاً متراکم پوشيده شده است. درحالی‌که در نواحي شمال و شمال شرقي ايستگاه مهرآباد پوشش گیاهی بسیار تنک و پراکنده که نشانه تنش آبی و خشکی است.
همچنین نتایج حاصل از اثرات خشکسالی بر پوشش گیاهی کشور ایران در شکل 4 آورده شد. شکل مذکور با استفاده از باندهای 6 و 7 سنجنده SeaWifs و رابطه 6 قابل استخراج است.
شکل4- اثرات خشکسالی بر پوشش گیاهی کشور: تصویر سمت راست مربوط به ششمین ماه زراعی یعنی فوریه 2010 و تصویر سمت چپ مربوط به فوریه 2009 است
Fig. 4- Effects of drought on the country's vegetation cover: The image on the right corresponds to the sixth agricultural month, i.e., February 2010, and the image on the left corresponds to February 2009
این سنجنده تکمیل‌کننده اطلاعات رنگ‌دانه‌های اقیانوسی همچون تمرکز کلروفیل در پهنه‌های آبی است، ولی به دلیل دارا بودن دو باند مادون‌قرمز نزدیک و زمان بازبینی کوتاهش غیر از کاربرد مذکور در تحلیل‌های اراضی مثل وضعیت پوشش گیاهی نیز بکار گرفته‌شده است (Fred, 2013).
همان‌طور که در شکل فوق دیده می‌شود، می‌توان نتیجه گرفت که اثر خشکسالی بر روند تغییرات پوشش گیاهی با کمک شاخص‌های خشکسالی EVI و NDVI بر روی تصاویر باندهای 6 و 7 سنجنده SeaWifs بخصوص در دوایر سیاه محرز است. در اینجا دوایر سیاه میزان تغییرات پوشش در زمان‌های مشابه از سال‌های متوالی را مورد مقایسه قرار داده است.
بر اساس نتایج این تحقیق می‌توان نتیجه‌گیری کرد که برای پایش خشکسالی در مقیاس کلان می‌توان از تصاویر ماهواره‌های هواشناسی با مزایای واقعی بودن این‌گونه داده‌ها و عدم وجود خطاهای انسانی در ثبت داده‌ها با سرعت بالا و هزینه پایین استفاده کرد. در انواع شاخص‌های گیاهی برای پایش خشکی از محدوده متوسط طیف الکترومغناطیس 670 نانومتر و محدوده متوسط 765 نانومتر که به ترتیب به باندهای قرمز و مادون‌قرمز معروف‌اند، استفاده می‌شود و علت آن حداکثر اختلاف رفتار طیفی گیاهان در این دو محدوده و درنتیجه بارزسازی آن‌هاست.
نتایج حاصل از اجرای نقشه خروجی هم بر روی تصاویر ماهواره‌ای MODIS و هم بر روی تصاویر ماهواره‌ای SeaWifs نشان داده است که تغییرات پوشش گیاهی و در نهایت پایش خشکسالی با کمک شاخص‌های گیاهی با موفقیت همراه بوده است.
References
Afzali Kardamehle, P., & Behzadi, S. (2023), Comparison of Drought in Golestan And Semnan Provinces By Satellite Data with Vegetation Condition Index (VCI) Measurement, 3rd National Conference on Water Resource Management Strategies and Environmental Challenges, Tarbiat Debir Shahid Rajaee University, Tehran, Iran. [In Persian]
Alizadeh, A., Ansari, H., Ershadi, S., & Ashgar Toosi, S. (2009). Drought Predictability in the Province of Sistan and Balouchestan. Journal of Geography and Regional Development, (11) 11, Pages 1-18. [In Persian] (SID. https://sid.ir/paper/99050/en)
Antonio, P., Aquino França, L.M., & Galvincio, J. (2012). Relationship between Vegetation Indices and Altimetry in Triunfo-Pe, Brazil, Journal of Hyperspectral Remote Sensing, 2(3), 37-43.
Chopra, P. (2006). Drought Risk Assessment Using Remote Sensing and GIS: a Case Study of Gujarat, ITC and IIRS, Thesis for the Degree of Master of Science in Geo-Information Science and Earth Observation in Hazard & Risk Analysis.12-14.
Fazel Dehkordi, L., Azarnivand, H., Zare Chahouki, M. A., Mahmoudi Kohan, F., & Khalighi Sigaroudi, S. (2016). Drought Monitoring Using Vegetation Index (NDVI) (Case study: Rangelands of Ilam Province). Journal of Range and Watershed Managment, 69(1), 141-154. doi: 10.22059/jrwm.2016.61739) [In Persian]
Dos Santos Pereira, J. A., De Aquino França, L. M., & Galvíncio, J. D. (2012). Relationship Between Vegetation Indices and Altimetry in Triunfo-PE, Brazil. Journal of Hyperspectral Remote Sensing, 2(3), 37-43.
Farajzadeh Assal, M. (2005). Drought from the Concept to the Solution, Publications of the Geographical Organization of The Armed Forces, 120 Pages. [In Persian]
Fred, P. (2013). Seawifs Status, Ocean Biology Processing Group, Power Point Issuance, 1-8.
Huete, A., Justice, C., & Van Leeuwen, W. (1999). MODIS Vegetation Index (MOD13). Algorithm Theoretical Basis Document, 3(213), 295-309.
Jensen, J.R. (2005). Introductory Digital Image Processing: a Remote Sensing Perspective. Prentice Hall Series in Geographic Information Science, 526PP.
Pourbagher Kurdi S.M. (2012). Application of Sea Wifs Satellite Images in Drought Monitoring, Proceedings of the 2nd International Conference on Environmental Hazards, Khwarazmi University, Tehran, Iran, November 7-13. [In Persian]
Safari, H. (2003), Drought Assessment Using ANHRR Images in Zabul Region. Master's Degree Thesis, Department of Remote Sensing and GIS, Shahid Beheshti University, Tehran. [In Persian]
Shabani, M. (2022), Evaluation of Indicators Based on Remote Sensing in Drought Monitoring of Niriz City, Remote Sensing and Geographic Information System in Natural Resources, (13) 4: 131-147. [In Persian]
Taherzadeh, S.A., Ziaian, P., & Farajzadeh, M. (2006), Drought Analysis Using Remote Sensing and GIS Techniques, A Case Study of Minab City, Tarbiat Modares University Master's Thesis on Remote Sensing, 42-44. [In Persian]
Tavazehi, A., & Ahmadi Nadoushan, M. (2016), Drought Survey of Zayandeh Rodd Area Using SPI Index, National Conference on Civil Engineering, Environment and Sustainable Land, Mashhad, Iran. [In Persian]
Thenkabail, P. S., & Gamage, M. S. D. N. (2004). The Use of Remote Sensing Data for Drought Assessment and Monitoring in Southwest Asia (85). Iwmi.
Wang, P.X., Li, X.W., Gong, J.Y., & Song, C. (2004). Vegetation Temperature Condition Index and Its Application for Drought Monitoring. International Journal of Remote Sensing, 23, 578–592.
Creative Commons Attribution (CC BY) license (https://creativecommons.org/licenses/by/4.0/).
Copyright: © 2023 by the authors. Submitted for possible open access publication under the terms and conditions of the
[1] Normalized Difference Vegetation Index
[2] Enhanced Vegetation Index
[3] Ratio Vegetation Index
[4] Vegetation Condition Index
[5] Water Supplying Vegetation Index
