Agricultural drought monitoring based on remote sensing-based Evapotranspitation Condition Index in the Jarahi Zohreh basin

Subject Areas : Natural resources and environmental management

Maedeh Behifar ¹ , Ata Abdollahi ² , Majid Kiavarz ³ , Ghasem Azizi ⁴

1 - Remote Sensing Department, University of Tehran.
2 - university of tehran
3 - University of Tehran
4 - University of Tehran

Received: 2022-04-11 Accepted : 2022-05-17 Published : 2023-09-23

Keywords: evapotranspiration, drought, drought index, remote sensing,

Abstract :

Drought is one of the most important natural hazards in Iran that has many destructive environmental and economic effects. Drought is affected by various factors, and different indices have been developed to monitor it. Drought studies have been performed using temperature and vegetation data, but few studies have used satellite evapotranspiration data. In this research, vegetation condition index, temperature condition index, and evapotranspiration condition index have been used to study drought in Jarahi and Zohreh catchments. For this purpose, drought indices have been calculated on a monthly basis using MODIS satellite products from the 2000 to 2017 period. The six-month Standardized Precipitation Index was used to evaluate the remote sensing-based drought indices. The results showed that the evapotranspiration condition Index had the highest correlation with the six-month SPI index and was considered the most appropriate index to study the drought. The correlation of ETCI with SPI was equal to -0.57 and the RMSE was 0.47. A drought severity map was prepared using remote sensing indices to depict six classes of drought severity including severe drought, moderate drought, mild drought, near normal, and without drought for 2008, 2009, and 2016, when the study area was suffering from drought. The results of the spatial assessment showed that the central part of the basin which contains ecologically important protected areas was the most vulnerable part during dry years, and during the study period, it has experienced over 10 months of severe drought. In this period, the coastal part had the lowest drought intensities. However, during different years, the wetland area of the basin, which is one of the protected water ecosystems, has decreased. The results showed that compared to other indices, the satellite-based evapotranspiration data can provide a good tool for monitoring drought in hot areas with sparse vegetation such as Iran.

Full-Text:



    

پایش خشکسالی مبتنی بر داده‌های ماهواره‌ای و شاخص وضعیت تبخیرتعرق در حوضه آبریز جراحی و زهره 

 

 

 

 

چکیده

خشکسالی از مهم‌ترین بلاياي طبيعي كشور است كه اثرات مخرب زیست‌محیطی و اقتصادی فراواني دارد. با به‌کارگیری تصاویر ماهواره‌ای در مطالعات، امکان بررسی الگوی مکانی خشکسالی فراهم شده است. وقوع خشکسالی ناشی از تأثیر متقابل عوامل مختلفی نظیر دما، بارش، رطوبت خاک و پوشش گیاهی می‌باشد. تاکنون تحقیقات اندکی به استفاده از داده‌های تبخیرتعرق ماهواره‌ای برای مطالعه خشکسالی پرداخته‌اند. لذا از شاخص‌های وضعیت پوشش گیاهی، وضعیت دما و وضعیت تبخیر تعرق برای مطالعه خشکسالی در حوضه آبریز جراحی و زهره استفاده شد. برای ارزیابی شاخص‌های سنجش از دوری از شاخص ایستگاهی SPI شش‌ماهه استفاده شده است. به این منظور شاخص‌های سنجش از دوری خشکسالی به‌صورت ماهانه با استفاده از محصولات ماهواره MODIS در بازه زمانی سال‌های 2000 تا 2017 محاسبه شد. نتایج تحقیق نشان داد شاخص وضعیت تبخیر تعرق بالاترین همبستگی را با شاخص SPI شش‌ماهه داشت و به‌عنوان مناسب‌ترین شاخص در نظر گرفته شد. با استفاده از شاخص‌های سنجش از دوری نقشه خشکسالی حوضه در سال‌های  1387، 1388 و 1395 که منطقه مطالعه تحت تأثیر خشکسالی قرار داشت، تهیه شد. نتایج ارزیابی مکانی نشان داد که بخش میانی حوضه در هر سه سال بیشترین شدت‌های خشکسالی را تجربه کرده و بخش ساحلی کمترین شدت خشکسالی را شاهد بوده است. طی سال‌های مختلف پهنه تالابی حوضه که جزو زیستگاه‌های حفاظت‌شده آبی محسوب می‌گردد، با کاهش سطح روبرو شده است. همچنین، بخش میانی حوضه که دارای زیستگاه‌های حفاظت‌شده با اهمیت اکولوژیک می‌باشد، آسیب‌پذیرترین بخش حوضه حین خشکسالی بوده است. نتایج تحقیق نشان داد، در مقایسه با سایر روش‌ها، استفاده از داده‌های تبخیرتعرق ماهواره‌ای می‌تواند ابزار مناسبی برای پایش خشکسالی در مناطق گرم و با پوشش گیاهی پراکنده نظیر ایران فراهم نماید. 

 

واژه‌های کلیدی:  سنجش از دور، خشکسالی، شاخص‌های خشکسالی، تبخیرتعرق.

 

 

 

 

 

 

 

مقدمه 

آب تقریباً اساس همه اکوسیستم‌ها محسوب می‌شود. خشکسالی به‌عنوان یک دوره خشک در مقایسه با شرایط نرمال منطقه تعریف می‌شود (21). کشورهای بسیاری از مسائل کمبود آب و کاهش محصولات کشاورزی ناشی از خشکسالی رنج برده‌اند (22). خشكسالي يكي از مهم‌ترین بلاياي طبيعي ایران محسوب می‌شود. در مقایسه با سایر بلایای طبیعی، هزینه‌های مرتبط با خشکسالی به دلیل عواقب اجتماعی، محیطی و اقتصادی جدی بیشتر است و اثرات مخرب زیست‌محیطی فراواني به دنبال دارد (2 و 7).

مطالعه خشکسالی و کمی سازی اثرات آن به کمک شاخص‌های خشکسالی صورت می‌گیرد (19). به‌صورت سنتی، پایش خشکسالی بر اساس مشاهدات ایستگاه‌های هواشناسی انجام می‌شده است (8 و 13). این ایستگاه‌ها پوشش مکانی موردنیاز برای مطالعه الگوی مکانی خشکسالی را فراهم نمی‌کنند (1، 4 و 20). تصاوير ماهواره­ای با توان تفکیک مکانی و زمانی بالا کاربرد گسترده­ای در پایش پديده­هاي متغير سطح زمين دارند. بسیاری از پارامتر­های اقلیمی مؤثر در خشکسالی نظیر درجه حرارت سطح زمین، رطوبت خاک، تبخیر و تعرق، بارش و غیره به کمک داده‌های ماهواره‌ای قابل برآورد می­باشند. پوشش یکپارچه این داده‌ها امکان بررسی و مطالعه نواحی دور از دسترس را فراهم می‌کند. به همین دلیل این داده‌ها می‌تواند جهت مطالعه خشکسالی مورد استفاده قرار بگیرد. در سال‌های گذشته پیشرفت‌های خوبی در زمینه پایش خشکسالی به کمک داده‌های سنجش از دور اتفاق افتاده است (11 و 23) و شاخص‌های مختلفی برای مطالعه خشکسالی با استفاده از داده‌های سنجش از دور ارائه شده‌اند که مؤید کارایی این داده‌ها در اندازه‌گیری و پایش خشکسالی بوده است (16 و 26).

شاهزمان و همکاران (18)، اثر شاخص‌های تنش تبخیر (ESI)، سلامت پوشش گیاهی (VHI) و ناهنجاری استانداردشده (SAI)  را برای مطالعه خشکسالی جنوب آسیا در سال‌های 2002 تا 2019 ارزیابی کردند. نتایج نشان داد که این مناطق در سال 2002 خشکسالی شدیدی را تجربه کرده‌اند و خشکسالی در هندوستان بیشترین شدت را داشت است. همبستگی بین شاخص‌های خشکسالی و متغیرهای اقلیمی نظیر رطوبت خاک قابل‌قبول بود و نشان داد شاخص ESI برای مطالعه خشکسالی کشاورزی مناسب می‌باشد. وی و همکاران (20)، شاخص‌های سنجش از دوری خشکسالی را برای پایش خشکسالی در چین مقایسه کردند. شاخص‌های خشکسالی پالمر (PDSI) و بارش استانداردشده (SPI) به‌عنوان مرجع استفاده شد و شاخص‌های سنجش از دوری وضعیت پوشش گیاهی(VCI)، وضعیت دما (TCI)، وضعیت بارش (PCI) و وضعیت رطوبت خاک (SMCI) ارزیابی شدند. نتایج نشان داد که شاخص‌های مختلف در انواع پوشش‌های سطح زمین عملکرد متفاوتی دارند. نتایج نشان داد، شاخص‌های VCIو TCI برای پایش خشکسالی بلندمدت مناسب‌تر هستند و PCI با شاخص خشکسالی SPI یک‌ماهه، همبستگی بالاتری داشت. کوئیرینگ و گانش (17)، به بررسی توانایی شاخص VCI برای پایش خشکسالی هواشناسی در تگزاس پرداختند. در این تحقیق رابطه بین VCI و تعدادی از شاخص‌های هواشناسی مورد استفاده برای مطالعه خشکسالی، با استفاده از داده‌های سال‌های 1982 تا 1999بررسی شد. پاسخ شاخص VCI با شاخص خشکسالی پالمر و شاخص ناهنجاری رطوبت و SPI مقایسه شد. نتایج تحقیق نشان داد که VCI با شاخص SPI  6 ماهه و 9 ماهه همبستگی بالایی دارد. همچنین نتایج تحقیق نشان داده است که شرایط اقلیم، نوع پوشش و کاربری اراضی و مقدار آبیاری و ویژگی‌های خاک روی میزان همبستگی این شاخص‌ها تأثیر می‌گذارند. نوابی و همکاران (15) خشکسالی کشاورزی را در حوضه دریاچه ارومیه در بازه سال‌های 1379 تا 1390 مطالعه نمودند. شاخص‌های خشکسالی VCI، VHI و TCI با استفاده از تصاویر شهریور ماه که معادل زمان اوج رویش منطقه مطالعه بوده است، محاسبه شدند و با شاخص SPI مقایسه شدند. نتایج نشان داد در ماه شهریور، همبستگی شاخص SPI با شاخص VHI بالاتر از سایر شاخص‌ها و معادل 0.86 بوده است. سلیمانی و همکاران (19) خشکسالی شهرستان مریوان را در بازه زمانی سال‌های 1379 تا 1396 با استفاده از تصاویر لندست مطالعه کردند. به این منظور شاخص‌های VCI،  TCI، VHI و خشكي پوشش گياهي (VDI) محاسبه شد. نتایج نشان داد شاخص VDI در منطقه مطالعه مؤید وضعیت نرمال می‌باشد. درحالی‌که شاخص VHI در مناطق شرق و جنوب شرق منطقه خشکی ملایم را نشان می‌دهد و شاخص TCI در همین منطقه نشان دهنده خشکسالی شدید تا ملایم بوده است. 

تاکنون تحقیقات مختلفی با استفاده از شاخص‌های سنجش از دوری برای مطالعه خشکسالی انجام شده‌اند، که بسیاری از آن‌ها بر شاخص‌های دما و پوشش گیاهی متمرکز بوده‌اند. بسیاری از مناطق کشور، پوشش گیاهی کم تراکم، بوته‌ای و مقاوم به خشکی دارند. این ویژگی‌ها سبب می‌شود شرایط کاهش رطوبت ناشی از خشکسالی در پوشش گیاهی به‌خوبی آشکار نگردد و بنابراین، شاخص‌های خشکسالی مبتنی بر پوشش گیاهی به‌خوبی قادر به معرفی وضعیت خشکسالی منطقه نباشند. به همین دلیل از شاخص‌های مبتنی بر دما استفاده شده است. محدودیت شاخص‌های مبتنی بر دما آن است که بیشتر از تغییرات رطوبت، تحت تأثیر گرادیان ارتفاعی و تغییرات فصلی دما می‌باشد و به‌خوبی قادر به نمایش خشکسالی نمی‌باشد. خشکسالی تحت تأثیر متقابل عوامل متعددی نظیر بارش، دما، رطوبت خاک و .. می‌باشد. پارامتر تبخیر تعرق واقعی به‌خوبی اثر متقابل عوامل ذکر شده را در خود ذخیره دارد و می‌تواند به‌عنوان معیار مناسبی برای مطالعه خشکسالی بکار گرفته شود. بنابراین، با توجه به آنچه ذکر شد، هدف از این تحقیق بررسی قابلیت شاخص‌های مبتنی بر تبخیر تعرق واقعی برای مطالعه خشکسالی و مقایسه آن با روش‌های متداول می‌باشد. به این منظور، در این تحقیق برای اولین بار عملکرد شاخص سنجش از دوری وضعیت تبخیرتعرق (ETCI) که با استفاده از داده‌های تبخیرتعرق واقعی محاسبه می‌شود مورد ارزیابی قرار گرفت و با نتایج شاخص‌های مرسوم VCI و TCI در منطقه مطالعه مقایسه شد.

در سال‌های گذشته بسیاري از مناطق کشور خشکسالی‌هاي شدید و استثنایی را تجربه کرده‌اند که از نظر شدت و گستره اهمیت بسیاری داشته‌اند. تالاب‌ها، یکی از مهم‌ترین و آسیب‌پذیرترین اکوسیستم‌ها در مواجهه با خشکسالی می‌باشند (3). حوضه آبریز جراحی و زهره از تنوع اقلیمی و زیستگاه‌های مختلفی برخوردار است و مناطق حفاظت‌شده و تحت مدیریت متعددی از هر دو نوع اکوسیستم‌های آبی و خشکی را داراست. علاوه بر این، حوضه آبریز جراحی و زهره بخشی وسیعی از کانون‌های مهم گردوغبار ایران را در برمی‌گیرد (25). بااین‌وجود این حوضه از مناطقی است که خشکسالی در آن کمتر مورد مطالعه قرار گرفته است. با توجه به این اهمیت، حوضه جراحی و زهره به‌عنوان منطقه مطالعه تحقیق انتخاب شد و وضعیت خشکسالی در بخش‌های مختلف حوضه آبریز در سه رویداد مهم خشکسالی منطقه در سال‌های 1387، 1388 و 1395 با استفاده از شاخص ETCI تحلیل شد.

 

روش­ تحقیق 

معرفی منطقه مطالعه

حوضه‌های آبریز جراحی و زهره بخشی از حوضه آبریز خلیج فارس می‌باشند و در دامنه‌های جنوبی زاگرس میانی و بین مختصات جغرافیایی ´18 °48 تا ´19 °52 طول شرقی و ´00 °30 تا ´42 °31 عرض شمالی محصور شده‌اند. این دو زیر حوضه یک واحد هیدرولوژیک را تشکیل داده‌اند و بخش‌هایی از استان‌های خوزستان، کهگیلویه و بویراحمد، چهارمحال و بختیاری، فارس و بوشهر را پوشش می‌دهند. 45 درصد حوضه را کوهستان و 54 درصد آن را دشت و کوهپایه تشکیل می‌دهد. دو رودخانه اصلی جراحی و زهره در این حوضه جریان دارند. این حوضه دارای تنوع اقلیمی و زیستگاه‌های مختلف خشک و نیمه‌خشک می‌باشد و مناطق حفاظت‌شده و تحت مدیریت متعددی را داراست. تالاب و پناهگاه حیات‌وحش شادگان به‌عنوان اکوسیستم آبی و مناطق کرایی، شالو و مونگشت، تنگ سولک، کوه سرخ و ... اکوسیستم‌های خشکی حفاظت‌شده این حوضه می‌باشند (25).  

شکل1. موقعیت منطقه مطالعه و ایستگاه‌های سینوپتیک Fig 1. Study Area and synoptic Stations

 

داده‌های ماهواره‌ای

برای محاسبه شاخص‌های خشکسالی از محصولات دما، پوشش گیاهی و تبخیرتعرق سنجنده MODIS استفاده شده است. محصولات سطح زمین MODIS از سامانه Google Earth Engine اخذ شدند. جدول 1 توضیح کامل‌تری از داده‌های مورد استفاده و مشخصات آن‌ها ارائه می‌کند.

جدول 1. داده‌های مورد استفاده جهت محاسبه شاخص‌های خشکسالی

Table 1. Data used to calculate drought indices

پارامتر	ماهواره	نام محصول	پوشش مکانی	توان تفکیک مکانی	پوشش زمانی	توان تفکیک زمانی	منبع
پوشش گیاهی	Terra	MOD13A2.006	جهانی	1000	2000- تاکنون	16 روز	https://doi.org/10.5067/MODIS/MOD13A2.006
دما	Terra	MOD11A2.006	جهانی	1000	2000- تاکنون	8 روز	https://doi.org/10.5067/MODIS/MOD11A2.006
تبخیر تعرق	Terra	MOD16A2.006	جهانی	500	2001- تاکنون	8 روز	https://doi.org/10.5067/MODIS/MOD16A2.006

 

محاسبه شاخص‌های خشکسالی

شاخص‌های سنجش از دوری VCI، TCI و ETCI برای مطالعه خشکسالی حوضه جراحی و زهره با استفاده از محصولات سنجنده MODIS تهیه شدند و با شاخص ایستگاهی SPI شش‌ماهه مقایسه شدند. در این بخش متدولوژی تحقیق ارائه شده است.

شاخص‌های ایستگاهی

برای ارزیابی شاخص‌های خشکسالی سنجش از دوری نیاز به داده مرجع وجود دارد. شاخص SPI شش‌ماهه به‌عنوان داده مرجع بکار گرفته شد.

شاخص‌های خشکسالی ایستگاهی در تحقیقات مختلف بکار گرفته شده‌اند (6). از پرکاربردترین این شاخص‌ها می‌توان به شاخص SPI اشاره کرد. در سال 2009 در کارگاه منطقه­ای شاخص­ها و سیستم هشدار زودرس خشکسالی، شاخص SPI به­عنوان بهترین شاخص مطالعه خشکسالی هواشناسی انتخاب شد (24). این شاخص کاهش بارندگی یک منطقه را نسبت به میانگین بلندمدت منطقه، ارزیابی می‌کند. امکان محاسبه این شاخص در مقیاس‌های زمانی متفاوت وجود دارد و بنابراین قابلیت ارائه مشخصات خشکسالی را برای کاربردهای مختلف فراهم می‌آورد (14). برای تعیین شدت خشکسالی در سال‌های مختلف لازم است که آستانه‌هایی بر SPI اعمال شود. جدول 2 آستانه‌های ارائه شده توسط مک کی (12) را نشان می‌دهد (12). 

جدول2. طبقه­بندی شاخص بارندگی استانداردشده (12) 

Table 2. Standardized precipitation Index Classes

وضعیت خشکسالی هواشناسی	شاخص SPI
ترسالی فرین1	2 و بیشتر
ترسالی شدید	99/1- 5/1
ترسالی متوسط	49/1- 1
نزدیک به نرمال	99/0- 99/0-
خشکسالی متوسط	49/1-- 1-
خشکسالی شدید	99/1-- 5/1-
خشکسالی فرین	2- و کمتر

 

شاخص‌های سنجش از دوری

انواع مختلفی از شاخص‌های سنجش از دوری برای مطالعه خشکسالی طراحی شده‌اند. در این بخش شاخص‌های مورد استفاده در تحقیق اشاره شده‌اند. جدول 3 شاخص‌های سنجش از دوری و روش محاسبه هریک را نشان داده است. 

جدول3. شاخص‌های سنجش از دوری و روش محاسبه هر شاخص

Table 3. Remote Sensing Drought Indices and their equations

 

در این روابط ،  و  به ترتیب NDVI حداقل طولانی‌مدت، حداکثر طولانی‌مدت برای هر پیکسل می­باشد. ،  و  به ترتیب کمینه دمای روشنایی طولانی‌مدت، بیشینه دمای روشنایی طولانی‌مدت است. همچنین  و  به ترتیب تبخیرتعرق واقعی حداقل و حداکثر طولانی‌مدت برای هر پیکسل می­باشند.

ارزیابی دقت و آستانه‌ها

برای تهیه نقشه خشکسالی از نتایج شاخص‌های سنجش از دوری خشکسالی نیاز به آستانه گذاری بر شاخص‌ها و تعیین طبقات خشکسالی می‌باشد. در این تحقیق از آستانه‌های پیشنهادی ژانگ (28) مطابق جدول 4 استفاده شده است. این آستانه‌ها به‌صورت مشابه در تحقیقات دیگر محققین نیز مورد استفاده قرار گرفته‌اند (5، 20 و 28).

جدول 4. آستانه‌های طبقه‌بندی شاخص‌های سنجش از دوری خشکسالی

Table 4. Remote sensing Drought Indices Classification Thresholds

شاخص	نام شاخص	رابطه	منبع
VCI	شاخص وضعیت پوشش گیاهی		(10)
TCI	شاخص وضعیت دما		(9)
ETCI	شاخص وضعیت تبخیرتعرق		(27)

نام کلاس	VCI	TCI	VHI
خشکسالی فرین	0-0.1	0-0.1	0-0.1
خشکسالی شدید	0.1-0.2	0.1-0.2	0.1-0.2
خشکسالی متوسط	0.2-0.3	0.2-0.3	0.2-0.3
خشکسالی خفیف	0.3-0.4	0.3-0.4	0.3-0.4
نزدیک به نرمال	0.4-0.5	0.4-0.5	0.4-0.5
بدون خشکسالی	0.5-1	0.5-1	0.5-1

 

برای ارزیابی دقت شاخص‌های سنجش از دوری از معیارهای همبستگی و RMSE مطابق روابط 1 و 2 استفاده شده است و شاخص‌های سنجش از دوری با شاخص ایستگاهی SPI شش‌ماهه مقایسه شده است. 

 در این روابط  مقادیر محاسبه شده و  مقادیر مشاهداتی می‌باشند.

 

نتایج 

شاخص‌های ایستگاهی

شکل 2 شاخص خشکسالی SPI ایستگاه‌های رامهرمز، هندیجان و دوگنبدان را در بازه سال‌های 2000 تا 2017 در مقیاس‌های زمانی شش‌ماهه نشان می‌دهد. لازم به ذکر است که ایستگاه دوگنبدان نسبتاً مرتفع است، ایستگاه رامهرمز در منطقه دشتی واقع شده است و ایستگاه هندیجان در منطقه دشتی و نزدیک ساحل قرار گرفته است.

[1]
[2]

الف

ب

ج

شکل 2. نمودار شاخص SPI شش‌ماهه در ایستگاه‌های مختلف (الف) رامهرمز، (ب)هندیجان، (ج) دوگنبدان Fig 2. 6- month SPI index at different stations, (a) Ramhormoz, (b) Hendijan, (c)DoGonbadan

 

شاخص‌های سنجش از دوری

بر اساس نتایج به دست آمده سال‌های 1387، 1388 و 1395 به‌عنوان سال‌های دارای خشکسالی در منطقه مطالعه در نظر گرفته شد و نقشه‌های خشکسالی برای ماه شهریور (سپتامبر) به‌عنوان ماه مشترک دارای خشکسالی در هر سه سال مورد ارزیابی قرار گرفت. شکل‌های 3 تا 5 نقشه کلاس‌های خشکسالی حوضه آبریز جراحی و زهره را به ترتیب در سال‌های 1387، 1388 و 1395 نشان می‌دهد.

 

 

ج	ب	الف
شکل 3. نقشه‌های خشکسالی منطقه مطالعه در سال 1387، (الف) شاخص VCI، (ب) شاخص TCI، (ج) شاخص ETCI Fig 3. Drought maps of the study area in 2008, (a)VCI, (b)TCI, (c)ETCI

 

ج	ب	الف
شکل 4. نقشه‌های خشکسالی منطقه مطالعه در سال 1388، (الف) شاخص VCI، (ب) شاخص TCI، (ج) شاخص ETCI Fig 4. Drought maps of the study area in 2009, (a)VCI, (b)TCI, (c)ETCI

 

ج	ب	الف
شکل 5. نقشه‌های خشکسالی منطقه مطالعه در سال 1395، (الف) شاخص VCI، (ب)شاخص TCI، (ج) شاخص ETCI Fig 5. Drought maps of the study area in 2016, (a) VCI, (b) TCI, (c) ETCI

 

 

 

ارزیابی دقت

همبستگی شاخص‌های سنجش از دوری و شاخص ایستگاهی SPI شش‌ماهه در دوره مطالعه محاسبه شده است. نتایج ارزیابی دقت در جدول 5 نشان داده شده است.  

جدول 5. مقادیر همبستگی پیرسون بین شاخص‌های سنجش از دوری و شاخص SPI

Table 5. Correlation coefficients between RS-indices and SPI

 

شاخص	VCI	TCI	ETCI
SPI6m	0.48	0.49-	0.57-

 

بحث

شاخص‌های ایستگاهی

در شکل 2 مشاهده می‌شود که منطقه مطالعه به‌دفعات رویدادهای خشکسالی متوسط تا شدیدی را تجربه کرده است. ازاین‌بین در رویداد خشکسالی شش‌ماهه سال‌های 1382، 1384، 1387، 1388 و 1395 بیشترین شدت‌های خشکسالی را تجربه کرده‌اند. همچنین در این شکل‌ها به‌خوبی مشخص است که تداوم خشکسالی‌های بلندمدت در منطقه مطالعه قابل‌توجه است. این ویژگی به‌ویژه در ایستگاه‌های منطقه دشتی حوضه چشمگیر است. از بین ایستگاه‌های مورد اشاره ایستگاه رامهرمز بدترین وضعیت را داشته است و آسیب‌پذیرترین بخش حوضه ازنظر مخاطره خشکسالی محسوب می‌شود.

نکته حائز اهمیت موجود در شکل 2 آن است که در بازه زمانی مورد مطالعه، مقادیر حداکثر ترسالی نیز روند کاهشی را نشان می‌دهد که در کنار وقوع خشکسالی‌های متعدد، کاهش منابع آب را در منطقه مورد مطالعه تشدید می‌نماید.

شاخص‌های سنجش از دوری

به کمک شاخص‌های سنجش از دوری می‌توان وضعیت مکانی خشکسالی را در سطح حوضه مطالعه نمود. در این بخش نتایج مطالعه مکانی خشکسالی حوضه در سه رویداد خشکسالی 1387، 1388 و 1395 ارائه شده است.

بر اساس شکل 3 (الف)، شاخص وضعیت پوشش گیاهی در سال 1387، نشان دهنده خشکسالی شدید در بخش میانی حوضه می‌باشد. و ارتفاعات و پهنه تالاب‌ها شرایط بدون خشکسالی را نشان می‌دهند. همچنین در نیمه میانی حوضه در مناطق حاشیه مسیل‌ها و رودها، به‌صورت جزئی شدت خشکسالی کاهش یافته است. شاخص وضعیت دما در سال 1387 (شکل 3 ب) نشان می‌دهد که تمام منطقه مطالعه به‌استثناء بخشی کوچک در محدوده تالابی، دماهای بالاتر از میانگین مورد انتظار را داشته‌اند و از این نظر در کلاس خشکسالی شدید تا متوسط قرار می‌گیرند. این موضوع توسط شاخص وضعیت تبخیر تعرق نیز تأیید می‌گردد، همان‌طور که در شکل 3 (ج) مشاهده می‌شود در این سال تمام منطقه مطالعه وضعیت دما و رطوبت در دسترس به نحوی بوده است که مقادیر تبخیر تعرق در مقایسه با میانگین بلندمدت منطقه مطالعه کاهش چشمگیری یافته است و شاخص ETCI حاکی از شرایط خشکسالی متوسط تا شدید در حوضه می‌باشد. قابل‌ذکر است که باوجودآنکه در این تاریخ محدوده تالابی شرایط نزدیک به نرمال و یا بدون خشکسالی را نشان می‌دهد، اما محدوده‌های آبی در این سال نسبت به محدوده‌های اصلی تالابی کاهش نشان می‌دهد و بخش‌هایی از پهنه‌های آبی در این سال از بین رفته است.

بر اساس شکل 4 (الف)، شاخص وضعیت پوشش گیاهی در سال 1388، خشکسالی فرین را در محدوده میانی حوضه نشان می‌دهد و ارتفاعات و نواحی تالابی از این نظر شرایط بدون خشکسالی و یا نزدیک به نرمال دارند. بااین‌وجود در مقایسه با سال 1387، در این سال محدوده‌های تالابی بدون خشکسالی کاهش یافته است که نشان‌دهنده وضعیت آسیب‌پذیر این محدوده حفاظت‌شده محیط زیستی می‌باشد. ازنظر شاخص وضعیت دما، در سال 1388، مشابه سال 1387 قسمت اعظم حوضه خشکسالی شدید و متوسط را تجربه کرده است (شکل 4 ب)، اما درصد مناطق تحت تأثیر خشکسالی شدید افزایش یافته است. نکته قابل‌توجه آن است که افزایش دما نیست به میانگین مورد انتظار، حتی در پهنه‌های تالابی نیز مشاهده می‌شود. شاخص وضعیت تبخیر تعرق سال 1388 (شکل 4 ج) نشان‌دهنده خشکسالی فرین در بخش وسیعی از حوضه علی‌الخصوص در مناطق دشتی و کم ارتفاع می‌باشد و بر اساس این شاخص در مناطق کوهستانی، خشکسالی شدید تا متوسط حکم‌فرماست. این شرایط به‌خوبی معرف عدم وجود رطوبت در دسترس در منطقه مطالعه می‌باشد. در مقایسه با سال 1387، در سال 1388 محدوده‌های تحت خشکسالی فرین، افزایش یافته است. همچنین محدوده‌های تالابی کاهش نشان داده‌اند. این موضوع حساسیت اکوسیستم تالابی به مخاطره خشکسالی را آشکار می‌نماید. 

با توجه به آنکه رویدادهای خشکسالی سال‌های 1387 و 1388متوالی بوده‌اند، اثر تشدیدکننده در کاهش منابع آب و کیفیت محیط‌زیست حوضه داشته‌اند.

در سال 1395، شاخص وضعیت پوشش گیاهی منطقه میانی حوضه را تحت تأثیر خشکسالی فرین و شدید نشان می‌دهد که به‌صورت پراکنده توزیع شده است (شکل 5 الف). در این سال، شاخص وضعیت دما در شکل 5 (ب) نشان می‌دهد که در ارتفاعات نسبت به میانگین بلندمدت دما افزایش قابل‌توجهی داشته است، اما در مناطق دشتی شدت افزایش دما کمتر بوده است. همچنین وضعیت بخشی از تالاب در مقایسه با سال 1388 بهبود یافته است. شاخص وضعیت تبخیر تعرق (شکل 5 د) نشان می‌دهد که منابع رطوبتی در حوضه به‌صورت قابل‌توجهی کاهش یافته است و بخش زیادی از حوضه تحت تأثیر خشکسالی فرین قرار دارد. با ارزیابی توأم نقشه‌های TCI و ETCI و ازآنجایی‌که افزایش دما در ارتفاعات بیشتر از مناطق دشتی بوده است اما کاهش تبخیر تعرق در مناطق دشتی شدیدتر بوده است، می‌توان نتیجه گرفت که کاهش رطوبت در مناطق دشتی شدت بیشتری از ارتفاعات داشته است.

جدول 6 درصد مساحت هر یک از کلاس‌های خشکسالی را در سطح حوضه برای سال‌های مختلف نشان داده است.

جدول 6. درصد مساحت کلاس‌های مختلف خشکسالی در حوضه

Table 6. The percentage of the basin under each drought class

نام کلاس	1387	1388	1395
خشکسالی فرین	0.02	63.02	67.01
خشکسالی شدید	33.02	28.36	23.95
خشکسالی متوسط	65.90	8.14	7.69
خشکسالی خفیف	0.55	0.27	0.67
نزدیک به نرمال	0.40	0.17	0.39
بدون خشکسالی	0.11	0.04	0.29

 

 

مطالعه درصد مساحت کلاس‌های مختلف خشکسالی نشان می‌دهد، در هر سه سال مورد بررسی کمتر از یک درصد حوضه شرایط نرمال و یا نزدیک به نرمال داشته‌اند. در سال‌های 1388 و 1395 بیش از 60 درصد حوضه تحت تأثیر خشکسالی فرین قرار داشته‌اند. در سال 1387 بخش عمده حوضه (65 درصد) شاهد شرایط خشکسالی متوسط بوده است. نکته قابل‌توجه آن است که در هر سه رویداد مورد بررسی، بیش از 90 درصد سطح حوضه با خشکسالی‌های متوسط تا فرین مواجه بوده‌اند. 

ارزیابی دقت

نتایج ارزیابی دقت مطابق جدول 5 نشان داد، شاخص ETCI که به کمک داده‌های تبخیرتعرق واقعی محاسبه می‌شود، مناسب‌ترین شاخص برای مطالعه خشکسالی منطقه مطالعه محسوب می‌شود و بالاترین همبستگی را با داده‌های مرجع با مقدار 0.57- داشته است. پس از آن شاخص TCI عملکرد بهتری را در مقایسه با شاخص ایستگاهی SPI داشته است. شکل 6 نمودار پراکندگی مقادیر شاخص SPI و شاخص ETCI را نشان داده است.

 

شکل 6. نمودار پراکندگی مقادیر شاخص SPI و شاخص ETCI در ایستگاه‌های مختلف

Fig 6. Scatter plot of SPI and ETCI values at different stations

 

نتیجه­گیری ­

نتایج تحقیق نشان داد استفاده از شاخص خشکسالی مبتنی بر تبخیر تعرق به دلیل آنکه به‌صورت توأم تحت تأثیر پارامترهای دما و رطوبت در دسترس قرار دارد، می‌تواند در تحلیل دقیق‌تر خشکسالی مؤثر باشد و جزئیات بیشتری از شرایط منطقه‌ای فراهم نماید. بااین‌وجود تاکنون از شاخص‌های مبتنی بر تبخیرتعرق واقعی برای برآورد خشکسالی استفاده نشده است.

همچنین نتایج نشان داد با تلفیق نتایج حاصل از شاخص‌های مختلف سنجش از دوری خشکسالی می‌توان به دید جامع‌تری از وضعیت خشکسالی در منطقه مطالعه دست یافت که با استفاده از یک شاخص به‌تنهایی میسر نمی‌باشد. به کمک شاخص‌های مختلف پارامترهای متفاوت تأثیرگذار بر خشکسالی نظیر رطوبت خاک، دما و بارش به‌صورت توأم در نظر گرفته می‌شود که اطلاعات کامل‌تری را فراهم می‌آورد.

نتایج تحقیق نشان می‌دهد که در رویدادهای خشکسالی مورد مطالعه بخش میانی حوضه تحت تأثیر شدیدترین خشکسالی‌ها قرار داشته و آسیب‌پذیرترین بخش حوضه می‌باشد. با توجه به آنکه این محدوده دارای سه منطقه حفاظت‌شده زیست‌محیطی می‌باشد، حاکی از اهمیت مطالعه و مدیریت مخاطره خشکسالی و اثرات آن در حوضه آبریز جراحی و زهره چشمگیر می‌باشد.

همچنین نتایج نشان داده است، خشکسالی‌های متعدد بر وضعیت و وسعت تالاب تأثیر قابل‌توجهی دارد. تالاب شادگان یکی از اکوسیستم‌های آبی حفاظت‌شده مهم می‌باشد که لزوم توجه به پایداری آن در شرایط خشکسالی بیش‌ازپیش مشخص می‌گردد.

مقایسه نتایج حاصل از شاخص‌های سنجش از دوری و شاخص ایستگاهی SPI حاکی از دقت مناسب شاخص‌های سنجش از دوری در برآورد خشکسالی می‌باشد.

شاخص‌های سنجش از دوری قادر به ارائه جزئیات مکانی وضعیت خشکسالی در بخش‌های مختلف در سطح حوضه می‌باشند، بنابراین، در مطالعات مدیریت مخاطرات می‌توانند اطاعات ارزشمندی برای مطالعه در سطح حوضه فراهم نمایند. مزیت استفاده از مقادیر تبخیرتعرق واقعی آن است که به‌صورت مستقیم تحت تأثیر وضعیت رطوبت، دما و پوشش گیاهی منطقه قرار دارد و می‌تواند دید جامعی از تغییرات رطوبت در دسترس فراهم نماید. 

 

 

منابع مورد استفاده 

 

1.       Brown, J. F., Wardlow, B. D., Tadesse, T., Hayes, M. J., & Reed, B. C. 2008. The Vegetation Drought Response Index (VegDRI): A new integrated approach for monitoring drought stress in vegetation. GIScience & Remote Sensing, 45(1), 16-46.

2.       Chang, S., Chen, H., Wu, B., Nasanbat, E., Yan, N., & Davdai, B. 2021. A Practical Satellite-Derived Vegetation Drought Index for Arid and Semi-Arid Grassland Drought Monitoring. Remote Sensing, 13(3), 414.

3.       Ebrahimikhusfi, Z, Khosroshahi, M, Naeimi, M, Zandifar, S. 2019. Evaluating and monitoring of moisture variations in Meyghan wetland using the remote sensing technique and the relation to the meteorological drought indices. Journal of RS & GIS for Natural Resources, 10(2): 1-14. (In Persian).

4.       Gu, Y., Brown, J. F., Verdin, J. P., & Wardlow, B. 2007. A five‐year analysis of MODIS NDVI and NDWI for grassland drought assessment over the central Great Plains of the United States. Geophysical research letters, 34(6).

5.       Han, Y., Li, Z., Huang, C., Zhou, Y., Zong, S., Hao, T., ... & Yao, H. 2020. Monitoring droughts in the Greater Changbai Mountains using multiple remote sensing-based drought indices. Remote Sensing, 12(3), 530.

6.       Heim Jr, R. R. 2002. A review of twentieth-century drought indices used in the United States. Bulletin of the American Meteorological Society, 83(8), 1149-1166.

7.       Ionita, M., Scholz, P., & Chelcea, S. 2016. Assessment of droughts in Romania using the Standardized Precipitation Index. Natural Hazards, 81(3), 1483-1498.

8.       Jiao, W., Tian, C., Chang, Q., Novick, K. A., & Wang, L. 2019. A new multi-sensor integrated index for drought monitoring. Agricultural and forest meteorology, 268, 74-85.

9.       Kogan, F.N. 1995. Droughts of the late 1980s in the United States as derived from NOAA polar orbiting satellite data. Bulletin of the American Meteorological Society, 76, 655–668

10.       Kogan, F.N. 1995. Application of vegetation index and brightness temperature for drought detection. Advances in Space Research, 15, 91-100.

11.       Lu, X., Wang, L., Pan, M., Kaseke, K. F., & Li, B. 2016. A multi-scale analysis of Namibian rainfall over the recent decade–comparing TMPA satellite estimates and ground observations. Journal of Hydrology: Regional Studies, 8, 59-68.

12.       McKee, T. B., Doesken, N. J., & Kleist, J. 1993. The relationship of drought frequency and duration to time scales. In Proceedings of the 8th Conference on Applied Climatology (Vol. 17, No. 22, pp. 179-183).

13.       Mishra, A. K., & Singh, V. P. 2010. A review of drought concepts. Journal of hydrology, 391(1-2), 202-216.

14.       Mishra, A. K., Desai, V. R., & Singh, V. P. 2007. Drought forecasting using a hybrid stochastic and neural network model. Journal of Hydrologic Engineering, 12(6), 626-638.

15.       Navabi, N, Moghaddasi, M, Gangi,N,. 1400, Assessment of Agricultural Drought Monitoring Using Various Indices based on Ground-based and Remote Sensing Data (Case Study:Lake Urima Basin),  Journal of Watershed Engineering and Management, Journal of Watershed Engineering and Management, Volume 13, Issue 1, 2021, Pages 1-12, (InPersion).

16.       Prodhan, F. A., Zhang, J., Yao, F., Shi, L., Pangali Sharma, T. P., Zhang, D., ... & Mohana, H. P. 2021. Deep Learning for Monitoring Agricultural Drought in South Asia Using Remote Sensing Data. Remote Sensing, 13(9), 1715.

17.       Quiring, S. M., & Ganesh, S. 2010. Evaluating the utility of the Vegetation Condition Index (VCI) for monitoring meteorological drought in Texas. Agricultural and Forest Meteorology, 150(3), 330-339.

18.       Shahzaman, M., Zhu, W., Bilal, M., Habtemicheal, B. A., Mustafa, F., Arshad, M., ... & Iqbal, R. 2021. Remote Sensing Indices for Spatial Monitoring of Agricultural Drought in South Asian Countries. Remote Sensing, 13(11), 2059.

19.       Solaimani, K, Darvishi, Sh, Shokrian, F. 2019. Analysis of agricultural drought using remote sensing indices (Case study: Marivan city). Journal of RS & GIS for Natural Resources, 10(2): 15-33. (In Persian).

20.       Wei, W., Zhang, J., Zhou, L., Xie, B., Zhou, J., & Li, C. 2021. Comparative evaluation of drought indices for monitoring drought based on remote sensing data. Environmental Science and Pollution Research, 28(16), 20408-20425.

21.       Wilhite, D. A., Svoboda, M. D., & Hayes, M. J. 2007. Understanding the complex impacts of drought: A key to enhancing drought mitigation and preparedness. Water resources management, 21(5), 763-774.

22.       Wilhite, D. A. 2000. Preparing for drought: a methodology. Published in Drought: A Global Assessment, Vol. II, edited by Donald A. Wilhite, chap. 35, pp. 89–104 (London: Routledge, 2000).

23.       Winkler, K., Gessner, U., & Hochschild, V. 2017. Identifying droughts affecting agriculture in Africa based on remote sensing time series between 2000–2016: rainfall anomalies and vegetation condition in the context of ENSO. Remote Sensing, 9(8), 831.

24.       World Meteorological Organization (WMO). 2012. Guidelines on Ensemble Prediction Systems and Forecasting; World Meteorological Organization: Geneva, Switzerland, 2012.

25.       Zandifar,S, Fijani, E, Naeimi,M, Khosroshahi,M, 2020, Spatiotemporal variations of groundwater drought indices, Case study: Zohreh- Jarrahi watershed, journal of Hydrogeology, 4( 2): 108-130, (InPersion).

26.       Zhang, Y., Liu, X., Jiao, W., Zeng, X., Xing, X., Zhang, L., ... & Hong, Y. 2021. Drought monitoring based on a new combined remote sensing index across the transitional area between humid and arid regions in China. Atmospheric Research, 264, 105850.

27.       Zhang, Z., Xu, W., Shi, Z., & Qin, Q. 2021. Establishment of a Comprehensive Drought Monitoring Index Based on Multisource Remote Sensing Data and Agricultural Drought Monitoring. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 14, 2113-2126.

28.       Zhang, L., Jiao, W., Zhang, H., Huang, C., & Tong, Q. 2017. Studying drought phenomena in the Continental United States in 2011 and 2012 using various drought indices. Remote sensing of environment, 190, 96-106.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Drought monitoring based on satellite data and Evapotranspitation Condition Index in the Jarahi Zohreh basin 

 

Abstract

Drought is one of the most important natural disasters in Iran that has many destructive environmental and economic effects. Using satellite images, it is possible to study the spatial pattern of drought. The occurrence of drought is due to the interaction of various factors such as temperature, precipitation, soil moisture, and vegetation. Drought studies have been performed using temperature and vegetation data, but few studies have used satellite evapotranspiration data. In this regard, vegetation condition index, temperature condition index, vegetation health index, and evapotranspiration condition index have been used to study drought in Jarahi and Zohreh catchments. The six-month SPI was used to evaluate the remote sensing-based drought indices. For this purpose, drought indices have been calculated on a monthly basis using MODIS satellite products during the 2000 to 2017 period. The results showed that the evapotranspiration condition Index had the highest correlation with the six-month SPI index and was considered as the most appropriate index to study the drought. The correlation of ETCI with SPI was equal to -0.57. Using remote sensing-based indices, the drought map of the basin in 2008, 2009, and 2016, when the study area was affected by drought, was prepared. The results of the spatial assessment showed that the central part of the basin experienced the highest drought intensities all years and the coastal part had the lowest drought intensities. In addition, during different years, the wetland area of the basin, which is one of the protected water ecosystems, has decreased. Furthermore, the central part of the basin which contains ecologically important protected areas was the most vulnerable part during dry years. The results showed that Compared to other parameters, the satellite-based evapotranspiration data can provide a good tool for monitoring drought in hot areas with sparse vegetation such as Iran.

 

Keywords: Remote Sensing, Drought, Drought Index, Evapotranspiration.

 

.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

چکیده مبسوط

 

پایش خشکسالی مبتنی بر داده‌های ماهواره‌ای و شاخص وضعیت تبخیرتعرق در حوضه آبریز جراحی و زهره  

 

طرح مسئله:

خشکسالی از مهم‌ترین بلاياي طبيعي كشور است كه اثرات مخرب زیست‌محیطی و اقتصادی فراواني دارد. در مقایسه با سایر بلایای طبیعی، هزینه‌های مرتبط با خشکسالی به دلیل عواقب اجتماعی، محیطی و اقتصادی جدی بیشتر است. در سال‌های گذشته پیشرفت‌های خوبی در زمینه پایش خشکسالی به کمک داده‌های سنجش از دور اتفاق افتاده است. خشکسالی تحت تأثیر متقابل عوامل متعددی نظیر بارش، دما، رطوبت خاک و .. می‌باشد. پارامتر تبخیر تعرق واقعی به‌خوبی اثر متقابل عوامل ذکر شده را در خود ذخیره دارد و می‌تواند به‌عنوان معیار مناسبی برای مطالعه خشکسالی بکار گرفته شود. تاکنون تحقیقات مختلفی با استفاده از شاخص‌های سنجش از دوری برای مطالعه خشکسالی انجام شده‌اند، که بسیاری از آن‌ها بر شاخص‌های دما و پوشش گیاهی متمرکز بوده‌اند و از تبخیرتعرق ماهواره‌ای کمتر استفاده شده است.

هدف: 

هدف از این تحقیق بررسی قابلیت شاخص‌های مبتنی بر تبخیر تعرق واقعی برای مطالعه خشکسالی و مقایسه آن با روش‌های متداول می‌باشد. به این منظور، در این تحقیق برای اولین بار عملکرد شاخص سنجش از دوری وضعیت تبخیرتعرق (ETCI) که با استفاده از داده‌های تبخیرتعرق واقعی محاسبه می‌شود مورد ارزیابی قرار گرفت و با نتایج شاخص‌های مرسوم VCI و TCI مقایسه شد. در سال‌های گذشته بسیاري از مناطق کشور خشکسالی‌هاي شدید و استثنایی را تجربه کرده‌اند که از نظر شدت و گستره اهمیت بسیاری داشته‌اند. حوضه آبریز جراحی و زهره دارای تنوع اقلیمی و زیستگاه‌های مختلف خشک و نیمه‌خشک می‌باشد و مناطق حفاظت‌شده و تحت مدیریت متعددی از هر دو نوع اکوسیستم آبی و خشکی را داراست. تالاب و پناهگاه حیات‌وحش شادگان به‌عنوان اکوسیستم آبی و مناطق کرایی، شالو و مونگشت، تنگ سولک، کوه سرخ و ... اکوسیستم‌های خشکی حفاظت‌شده این حوضه می‌باشند (25). باتوجه به این موضوع، حوضه جراحی و زهره به‌عنوان منطقه مطالعه تحقیق انتخاب شد و وضعیت خشکسالی در بخش‌های مختلف حوضه آبریز در سه رویداد مهم خشکسالی منطقه در سال‌های 1387، 1388 و 1395 با استفاده از شاخص ETCI تحلیل شد.

روش تحقیق:

برای محاسبه شاخص‌های خشکسالی از محصولات دما، پوشش گیاهی و تبخیرتعرق سنجنده MODIS استفاده شده است. محصولات سطح زمین MODIS از سامانه Google Earth Engine اخذ شدند. شاخص‌های سنجش از دوری VCI، TCI و ETCI با استفاده از محصولات سنجنده MODIS تهیه شدند و با شاخص ایستگاهی SPI شش‌ماهه مقایسه شدند. جدول 1 شاخص‌های سنجش از دوری بکار گرفته شده و روش محاسبه هریک را نشان داده است. 

جدول1. شاخص‌های سنجش از دوری و روش محاسبه هر شاخص

Table 1. Remote Sensing Drought Indices and their equations

 

در این روابط ،  و  به ترتیب NDVI حداقل طولانی‌مدت، حداکثر طولانی‌مدت برای هر پیکسل می­باشد. ،  و  به ترتیب کمینه دمای روشنایی طولانی‌مدت، بیشینه دمای روشنایی طولانی‌مدت است. همچنین  و  به ترتیب تبخیرتعرق واقعی حداقل و حداکثر طولانی‌مدت برای هر پیکسل می­باشند.

برای ارزیابی دقت شاخص‌های سنجش از دوری از معیارهای همبستگی و RMSE استفاده شده است و شاخص‌های سنجش از دوری با شاخص ایستگاهی SPI شش‌ماهه مقایسه شده است. 

 نتایج و بحث:

شاخص‌های ایستگاهی

براساس نتایج شاخص ایستگاهی SPI، منطقه مطالعه به‌دفعات رویدادهای خشکسالی متوسط تا شدیدی را تجربه کرده است. ازاین‌بین در رویداد خشکسالی شش‌ماهه سال‌های 1382، 1384، 1387، 1388 و 1395 بیشترین شدت‌های خشکسالی را تجربه کرده‌اند. همچنین نتایج نشان داد که تداوم خشکسالی‌های بلندمدت در منطقه مطالعه قابل‌توجه است.

بر اساس نتایج به دست آمده سال‌های 1387، 1388 و 1395 به‌عنوان سال‌های دارای خشکسالی در منطقه مطالعه در نظر گرفته شد و نقشه‌های خشکسالی براساس داده های سنجش از دور، برای ماه شهریور (سپتامبر) به‌عنوان ماه مشترک دارای خشکسالی در هر سه سال مورد ارزیابی قرار گرفت.

ارزیابی دقت

همبستگی شاخص‌های سنجش از دوری و شاخص ایستگاهی SPI در دوره مطالعه محاسبه شده است. نتایج ارزیابی دقت نشان داد، شاخص ETCI که به کمک داده‌های تبخیرتعرق واقعی محاسبه می‌شود، در مقایسه با شاخص های وضعیت پوشش گیاهی و وضعیت دما، مناسب‌ترین شاخص برای مطالعه خشکسالی منطقه مطالعه محسوب می‌شود و بالاترین همبستگی را با داده‌های مرجع با مقدار 0.57- داشته است. پس از آن شاخص TCI عملکرد بهتری را در مقایسه با شاخص VCI داشته است.

شاخص‌های سنجش از دوری

شاخص وضعیت پوشش گیاهی در سال 1387، نشان دهنده خشکسالی شدید در بخش میانی حوضه می‌باشد. و ارتفاعات و پهنه تالاب‌ها شرایط بدون خشکسالی را نشان می‌دهند. همچنین در نیمه میانی حوضه در مناطق حاشیه مسیل‌ها و رودها، به‌صورت جزئی شدت خشکسالی کاهش یافته است. شاخص وضعیت دما در همین سال نشان می‌دهد که تمام منطقه مطالعه به‌استثناء بخشی کوچک در محدوده تالابی، دماهای بالاتر از میانگین مورد انتظار را داشته‌اند و از این نظر در کلاس خشکسالی شدید تا متوسط قرار می‌گیرند. این موضوع توسط شاخص وضعیت تبخیر تعرق نیز تأیید می‌گردد، در این سال تمام منطقه مطالعه وضعیت دما و رطوبت در دسترس به نحوی بوده است که مقادیر تبخیر تعرق در مقایسه با میانگین بلندمدت منطقه مطالعه کاهش چشمگیری یافته است و شاخص ETCI حاکی از شرایط خشکسالی متوسط تا شدید در حوضه می‌باشد. قابل‌ذکر است که باوجودآنکه در این تاریخ محدوده تالابی شرایط نزدیک به نرمال و یا بدون خشکسالی را نشان می‌دهد، اما محدوده‌های آبی در این سال نسبت به محدوده‌های اصلی تالابی کاهش نشان می‌دهد و بخش‌هایی از پهنه‌های آبی در این سال از بین رفته است.

مطالعه درصد مساحت کلاس‌های مختلف خشکسالی نشان می‌دهد، در هر سه سال مورد بررسی کمتر از یک درصد حوضه شرایط نرمال و یا نزدیک به نرمال داشته‌اند. در سال‌های 1388 و 1395 بیش از 60 درصد حوضه تحت تأثیر خشکسالی فرین قرار داشته‌اند. در سال 1387 بخش عمده حوضه (65 درصد) شاهد شرایط خشکسالی متوسط بوده است. نکته قابل‌توجه آن است که در هر سه رویداد مورد بررسی، بیش از 90 درصد سطح حوضه با خشکسالی‌های متوسط تا فرین مواجه بوده‌اند. 

نتیجه­گیری:

نتایج تحقیق نشان داد استفاده از شاخص خشکسالی مبتنی بر تبخیر تعرق به دلیل آنکه به‌صورت توأم تحت تأثیر پارامترهای دما و رطوبت در دسترس قرار دارد، می‌تواند در تحلیل دقیق‌تر خشکسالی مؤثر باشد و جزئیات بیشتری از شرایط منطقه‌ای فراهم نماید. بااین‌وجود تاکنون از شاخص‌های مبتنی بر تبخیرتعرق واقعی برای برآورد خشکسالی استفاده نشده است. نتایج تحقیق نشان می‌دهد که در رویدادهای خشکسالی مورد مطالعه بخش میانی حوضه تحت تأثیر شدیدترین خشکسالی‌ها قرار داشته و آسیب‌پذیرترین بخش حوضه می‌باشد. با توجه به آنکه این محدوده دارای سه منطقه حفاظت‌شده زیست‌محیطی می‌باشد، حاکی از اهمیت مطالعه و مدیریت مخاطره خشکسالی و اثرات آن در حوضه آبریز جراحی و زهره چشمگیر می‌باشد. همچنین نتایج نشان داده است، خشکسالی‌های متعدد بر وضعیت و وسعت تالاب تأثیر قابل‌توجهی دارد. تالاب شادگان یکی از اکوسیستم‌های آبی حفاظت‌شده مهم می‌باشد که لزوم توجه به پایداری آن در شرایط خشکسالی بیش‌ازپیش مشخص می‌گردد.

شاخص‌های سنجش از دوری قادر به ارائه جزئیات مکانی وضعیت خشکسالی در بخش‌های مختلف در سطح حوضه می‌باشند، بنابراین، در مطالعات مدیریت مخاطرات می‌توانند اطاعات ارزشمندی برای مطالعه در سطح حوضه فراهم نمایند. مزیت استفاده از مقادیر تبخیرتعرق واقعی آن است که به‌صورت مستقیم تحت تأثیر وضعیت رطوبت، دما و پوشش گیاهی منطقه قرار دارد و می‌تواند دید جامعی از تغییرات رطوبت در دسترس فراهم نماید. 

 

واژگان کلیدی: سنجش از دور، خشکسالی، شاخص‌های خشکسالی، تبخیرتعرق.

 

 

 

 

 

 

 

 

 

Drought monitoring based on satellite data and Evapotranspitation Condition Index in the Jarahi Zohreh basin

 

Statement of the Problem:

Drought is known as one of the most destructive natural disasters in the country that has many destructive environmental and economic effects. Compared to other disasters, drought-induced damage is considerably greater due to its socioeconomic and environmental consequences. Over recent years, drought monitoring through remote sensing (RS) has progressed worldwide. Drought occurrence is also affected by the interaction between various factors, such as temperature, precipitation, and soil moisture. The actual evapotranspiration parameter well stores the interaction of the mentioned factors and can be used as a suitable indicator for studying drought. So far, various studies have used remote sensing indices to study drought, most focusing on temperature and vegetation-based indices, while satellite-based evapotranspiration has not yet been used.

Purpose: 

The purpose of this study is to investigate the ability of evapotranspiration-based index to study drought and compare it with other indices. For this purpose, in this study, the performance of the evapotranspiration condition index (ETCI), which is calculated using satellite-based actual evapotranspiration data, was evaluated and compared with the VCI and TCI indices. In recent years, many parts of the country have experienced severe and extreme. Jarahi and Zohreh basin have various climates and arid and semi-arid habitats. Shadegan Wetland is protected ecosystems of this basin as aquatic ecosystem. Therefore, Jarahi and Zohreh basins were selected as the study area and the drought in different parts of the basin in three drought events in 2008, 2009 and 2016 was investigated using ETCI index.

Methodology:

The RS-based drought indices were calculated using the MODIS temperature, vegetation and evapotranspiration products. The MODIS land products were accordingly obtained from the Google Earth Engine platform. VCI, TCI and ETCI indices were calculated using MODIS products and were compared with the six-month SPI index. Table 1 shows the Remote sensing-based indices and their equations.

Table 1. Remote Sensing Drought Indices and their equations

شاخص	نام شاخص	رابطه	منبع
VCI	شاخص وضعیت پوشش گیاهی		(10)
TCI	شاخص وضعیت دما		(9)
ETCI	شاخص وضعیت تبخیرتعرق		(27)

 

To assess the performance of each index, the Pearson correlation and the RMSE values of the RS-based indices at each station location were calculated.

Results and discussion:

 

Station-Based Index

Based on the results of the SPI index, the study area has repeatedly experienced moderate to severe drought events. Therefore, in the six-month drought event of 2003, 2005, 2008, 2009 and 2016, they experienced the most severe drought intensities. The results also showed that the duration of long-term droughts in the study area is significant.

Therefore, 2008, 2009 and 2016 were considered as drought years in the study area and drought maps based on remote sensing data for September as a common month with drought in all years were evaluated.

Accuracy Assessment

The correlation between remote sensing indices and station-based SPI index has been calculated. The results showed that the ETCI index, which is calculated using actual evapotranspiration data, is the most appropriate index for studying the drought in the study area compared to the vegetation condition and temperature condition.  The TCI index then performed betterthan VCI.

Remote Sensing-based Indices

Vegetation condition index in 2008 indicates severe drought in the central part of the basin. And the mountains and the wetlands indicate drought-free conditions. Also, in the middle half of the basin, in the areas along the rivers, the intensity of drought has slightly decreased. Temperature conditin index in the same year shows that the whole study area, except for a small part of the wetland area, had temperatures above the expected average and are in the category of severe to moderate drought. This is also confirmed by the evapotranspirationcondition index. It is noteworthy that although on this date the wetland area shows conditions near to normal or without drought, but the water bodies is reduced compared to the main wetland area.

Area of different drought classes shows that in all studied years, less than one percent of the basin had normal or near normal conditions. In 2009 and 2016, more than 60% of the basin was affected by extreme drought. In 2008, most of the basin (65%) faced moderate drought conditions. It is noteworthy that in all three events, more than 90% of the basin has experienced moderate to extreme droughts.

Conclusion:

The results showed that the use of evapotranspiration-based index can be effective in accurate analysis of drought and provide more details of spatial conditions, because it is jointly affected by available temperature and humidity parameters.

However, so far, evapotranspiration-based index have not been used to monitor drought. The results show that in the studied drought events, the middle part of the basin is affected by the most severe droughts and is the most vulnerable part of the basin. Due to the fact that this area has three ecologically protected areas, it indicates the importance of studying and managing the risk of drought and its effects on the Jarahi and Zoherh basin. The results also show that multiple droughts have a significant effect on the condition and size of the wetland. Shadegan wetland is one of the important protected aquatic ecosystems, the need to pay attention to its sustainability in drought conditions is already clear.

Remote sensing-based index are able to provide spatial details of drough, therefore, in risk management can provide valuable information. The advantage of using actual evapotranspiration data is that it is directly affected by the humidity, temperature and vegetation of the area and can provide a comprehensive view of the available moisture changes.

 

Keywords: Remote Sensing, Drought, Drought Index, Evapotranspiration.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

 

---

[1]  . Extreme

شاخص	نام شاخص	رابطه	منبع
VCI	Vegetation Condition Index		(10)
TCI	Temperature Condition Index		(9)
ETCI	Evapotranspiration Condition Index		(27)

---