برآورد رطوبت خاک به کمک شاخص‌های پوشش گیاهی و دمای سطح خاک و شاخص نرمال‌شده رطوبت با استفاده از تصاویر MODIS
محورهای موضوعی : مدیریت آب در مزرعه با هدف بهبود شاخص های مدیریتی آبیاری
فاطمه خانمحمدی
1
(دانش‌آموخته کارشناسی ارشد خاکشناسی؛ دانشکده کشاورزی؛ دانشگاه تربیت مدرس؛ تهران؛ ایران)
مهدی همایی
2
(استاد گروه خاکشناسی؛ دانشکده کشاورزی؛ دانشگاه تربیت مدرس؛ تهران؛ 3360-14115؛ ایران)
علی اکبر نوروزی
3
(استادیار پژوهش پژوهشکده حفاظت خاک و آبخیزداری؛ تهران؛ 3360-14115؛ ایران)
کلید واژه: رطوبت خاک سطحی, LST, NDMI, NDVI,
چکیده مقاله :
برآورد رطوبت خاک سطحی برای مدیریت بهینه منابع آب و خاک ضروری است. رطوبت خاک سطحی، متغیری مهم در چرخۀ آبی طبیعت است که نقش مهمی در تعادل جهانی آب و انرژی به واسطه تاثیر بر فرآینده های هیدرولوژیک، اکولوژیک و هواشناسی دارد. رطوبت خاک به دلیل تغییر پذیری ویژگی های خاک، توپوگرافی، پوشش گیاهی و پویایی نیوار در زمان و مکان تغییر می کند. اندازه گیری رطوبت خاک، به طور مستقیم با استفاده از روش های درجا مانند نوترون متر و TDR یا به طور غیر مستقیم به وسیله توابع انتقالی و یا سنجش از دور انجام می شود. از آنجا که اندازه گیری های درجا معمولا در پهنه های وسیع هم هزینه بر و هم زمان بر می باشند، برای برآورد رطوبت خاک در مقیاس های مکانی بسیار بزرگ، می توان روش هایی همچون سنجش از دور را به کار گرفت. هدف از انجام این پژوهش، برآورد رطوبت خاک سطحی با استفاده از شاخص های NDVI، NDMI و LST بود. بدین منظور با استفاده از تصاویر MODIS 1B شاخص های مورد نظر استخراج و با داده های زمینی رطوبت خاک واسنجی و اعتبارسنجی شدند. در این پژوهش، منطقه مورد مطالعه تشریح گردید و سپس با استفاده از شاخص های استخراج شده، مدل برآورد رطوبت خاک به دست آمد. نتایج نشان داد بین مقادیر رطوبت خاک سطحی با شاخص های NDVI، NDMI و LST همبستگی مناسبی (66%) وجود دارد. نتایج صحت سنجی مدل برآورد رطوبت خاک نیز نشان داد که این مدل با میانگین خطای کمتر از 018/0 ، قادر به پیش بینی رطوبت خاک سطحی است، این مقدار خطای اندک، نشان دهنده دقت زیاد مدل پیشنهادی برای برآورد رطوبت خاک سطحی می باشد.
Soil surface water content is a key variable of hydrologic cycle which plays a significant role in global water and energy balance by affecting several hydrological, ecological and meteorological processes. Soil moisture varies significantly in space and time due to spatial variability of soil properties, topography, vegetation characteristics and atmospheric dynamics. Soil moisture is either measured directly by in situ methods, e.g., Neutron probe, time domain reflectrometry (TDR) or estimated indirectly through pedotransfer functions (PTFs) or remote sensing (RS). Since in situ measurements in large scales are mainly expensive and time consuming, the RS-GIS methods can be used for this purpose. The objective of this study was to estimate surface soil moisture using NDVI, NDMI and LST indices. For this purpose, by using images of MODIS 1B, the indicators of soil moisture were obtained. By using the field soil moisture data, the required analyses were performed to calibrate and validate the model output. The results indicated that there is a reasonable correlation (0.66) between the soil surface moisture and some indices such as NDVI, NDMI and LST. The model validation further indicated that having a mean error of less than about 0.018, the proposed method can predict soil surface moisture reasonably.
