ارزیابی شاخص خشکی گیاه مبتنی بر تصاویر ماهواره‌ای در استان سیستان و بلوچستان

محورهای موضوعی : سنجش از دور

کمال امیدوار ¹ , معصومه نبوی زاده ² , حمیدرضا غفاریان مالمیری ³ , احمد مزیدی ⁴

1 - استاد گروه جغرافیا، پردیس علوم انسانی و اجتماعی، دانشگاه یزد، ایران
2 - دانشجوی دکتری گروه جغرافیا، پردیس علوم انسانی و اجتماعی، دانشگاه یزد، ایران
3 - استادیار گروه جغرافیا، پردیس علوم انسانی و اجتماعی، دانشگاه یزد، ایران
4 - دانشیار گروه جغرافیا، پردیس علوم انسانی و اجتماعی، دانشگاه یزد، ایران

تاریخ دریافت : 1399/11/20 تاریخ پذیرش : 1400/11/30 تاریخ انتشار : 1401/01/01

کلید واژه: خشکسالی, شاخص VDI, داده‌های بارش مدل جهانیGLDAS, محصولات طیف سنجی, شاخص بارش استاندارد (SPI),

چکیده مقاله :

کاهش بارندگی و افزایش دما باعث وقایع آب و هوایی شدید مثل خشکسالی شده است که بـه شـدت در زمینه کشـاورزی تأثیرگذار است. اطلاعات درباره زمان، شدت و وسعت خشکسالی می‌تواند به برنامه‌ریزی و تصمیم-گیری کمک کند. شاخص‌های خشکسالی حاصل از داده‌های ایستگاه‌های هواشناسی قدرت تفکیک زمانی و مکانی بالایی دارند بنابراین تعیین شرایط خشکسالی در زمان واقعی با استفاده از آنها برای مناطق وسیع بسیار سخت است به همین دلیل، امروزه شاخص‌های خشکسالی سنجش از دوری به طور گسترده جهت پایش خشکسالی استفاده می-شود. در این پژوهش به ارزیابی کارآیی شاخص خشکی گیاه VDI در محدوده استان سیستان و بلوچستان پرداخته شد. برای انجام تحقیق از تصاویر طیف‌سنجی مادیس با وضوح متوسط ( MOD02HKM وMOD11A1) ، شاخص بارش استاندارد (SPI) و داده‌های بارش ماهانه GLDAS از 2000 تا 2018 استفاده شده است. جهت ارزیابی دقت نقشه‌های توزیع مکانی شاخص VDI در برآورد خشکسالی از ضریب همبستگی پیرسون استفاده شد. نتایج معیار ارزیابی، نشان دهنده میزان همبستگی بالا در منطقه مورد مطالعه بود. از این رو شاخص خشکسالی VDI مبتنی بر داده‌های سنجش از دوری به خوبی می‌تواند در سیستم‌های هشدار سریع خشکسالی استفاده شود

چکیده انگلیسی:

Decreasing of precipitation and Increasing of temperature, leads to extreme climate events such as drought which drastically impact on agricultural. Knowledge about the timing, severity and extent of drought can aid planning and decision-making. Drought indices derived from in-situ meteorological data have coarse spatial and temporal resolutions. Thus, obtaining a real-time drought condition over a large area is difficult. Therefore, drought indices which is derived from remote-sensing data, has been widely used for drought monitoring..In this study, Vegetation Drought Index (VDI) was evaluated in Sistan & Balouchestan Province To do this, Terra Moderate Resolution Imaging Spectroradiometer MODIS (MOD02HKM and MOD11A1 ), Standard Precipitation Index (SPI) and monthly precipitation data GLDAS from 2000 to 2018 were utilized to evaluate VDI.Accuracy of the Drought spatial distribution maps based on Pearson correlation coefficient was used data. Results indicate high significant correlation rate in the study area. Thus VDI, has the potential to monitor agricultural drought in the case of study and the drought indices based on remote sensing data could well use in drought early warning systems.

منابع و مأخذ:

1. پیری، حمید، راهداری، وحید، ملکی، سعید (1392): بررسی و مقایسه کار آیی چهار نمایه خشک‌سالی هواشناسی در مدیریت خطر خشک‌سالی‌های استان سیستان و بلوچستان، فصل­نامه علمی پژوهشی مهندسی آبیاری و آب، سال سوم، شماره یازدهم، صص 114-96.


2. حمزه، سعید، فراهانی، زهرا، مهدوی، شهریار، چترآبگون، امید، عالم نیا، مهدی (1396): پایش زمانی و مکانی خشک‌سالی کشاورزی با استفاده از داده‌های سنجش از دور موردمطالعه، استان مرکزی ایران، نشریه تحلیل فضایی مخاطرات محیطی، سال چهارم، شماره 3، صص 70-53.


3. رضیئی، طیبه، دانش کار آراسته، پیمان، ثقفیان، بهرام (1386): بررسی الگوی زمانی و مکانی خشک‌سالی‌های هواشناسی در استان سیستان و بلوچستان. مجله علمی کشاورزی، جلد 3، شماره 1، صص 99-85.


4. صفری شاد، مهتاب، حبیب نژاد روشن، محمود، ایلدرمی، علیرضا (1395): ارزیابی شاخص NDSI در پایش خشک‌سالی به کمک تکنیک سنجش از دور ( مطالعه موردی، استان اصفهان)، نشریه اطلاعات جغرافیایی سپهر، دوره 25، شماره 100 صص 44-35.


5. فاضل کردی، لیلا، طیبه السادات، سهرابی، محمدحسین، قناویزباف، رضا، قضاوی، (1395): پایش خشک‌سالی با استفاده از تصاویر سنجیدهٔ مودیس MODIS در مناطق خشک مطالعهٔ موردی مراتع استان اصفهان)، جغرافیا و برنامه‌ریزی محیطی سال 27، پیاپی 63، شماره 3، صص 190-177.


6. فرخ زاده، بهنوش، سپهری، عادل، منصوری، شهروز (1396) : تعیین میزان همبستگی بین شاخص‌های پوشش گیاهی NDVI و EVI با شاخص خشک‌سالی هواشناسی SPI (مطالعه موردی، مراتع دشتی استان گلستان)، نشریه علمی – پژوهشی هواشناسی کشاورزی، مقاله 7، دوره 5، شماره 2 - شماره پیاپی 10، پاییز و زمستان 1396، صص 56-65.


7. نبی زاده بلخکانلو، عادل، حجازی زاده، زهرا، ضیائیان فیروزآبادی، پرویز (1396): ارزیابی وضعیت دمایی پوشش گیاهی (VTCI) برای پایش خشک‌سالی در حوضه سیمینه‌رود دریاچه ارومیه با استفاده از تصاویر ماهواره MODIS، نشریه تحقیقات کاربردی علوم جغرافیایی، 18(50)، صص 139-129.


8. نیازی، یعقوب، طالبی، علی، مختاری، محمدحسین، وظیفه دوست، مجید(1396) : ارزیابی کار آیی شاخص‌های خشک‌سالی گیاهی (VDI) و دمایی (TDI) مبتنی بر تصاویر ماهواره‌ای در محدوده ایران مرکزی، دو فصل­نامه علمی- پژوهشی خشک بوم، جلد 7، شماره 1، صص 94-79.


9. نیک‌پی، حسین، مؤمنی، مهدی (1398): تأثیر پهنه‌بندی اقلیمی و ارتفاعی بر همبستگی شاخص‌های خشک‌سالی سنجش از دور با داده‌های بارشی و معرفی شاخص‌های محلی، مجله سنجش ازدور و GIS ایران، شماره دوم، صص 62-47.


10. 10.یزدان پناه، حجت‌اله، مؤمنی، مهدی، حسینقلی نژاد، حجت، موحدی، سعید، سلیمانی تبار، مریم (1393): مقایسه شاخص‌های پوشش گیاهی سنجش از دور در پایش خشک‌سالی (مطالعه موردی مراتع نیمه شمال استان خوزستان)، مجله جغرافیا و برنامه‌ریزی محیطی، شماره 2، صص 98- 85.


11. Akinyemi, F. O. & Kgomo, M. O. (2019): Vegetation Dynamics In African Drylands: An Assessment Based On The Vegetation Degradation Index In An Agro-Pastoral Region Of Botswana. Regional Environmental Change, 19(7), Pp. 2027-2039.


12. Al Bakri, J. & Rakonczai, J.) 2019): Applicability Of A Combined Drought Index To Monitoring Drought In Jordan.‌


13. Almamalachy, Y. S. Al-Quraishi, A. M. F. & Moradkhani, H. (2020): Agricultural Drought Monitoring Over Iraq Utilizing MODIS Products. In Environmental Remote Sensing And GIS In Iraq (Pp. 253-278). Springer, Cham.


14. Amiri, M. Jafari, R. Tarkesh, M. & Modarres, R. (2020): Spatiotemporal Variability Of Soil Moisture In Arid Vegetation Communities Using MODIS Vegetation And Dryness Indices. Arid Land Research And Management, 34(1), Pp. 1-25.‌


15. Anyamba, A. Tucker, C.J. (2005): Analysis Of Sahelian Vegetation Dynamics Using NOAA-AVHRR NDVI Data From 1981–2003. Journal Of Arid Environments 63 (3) 596–614.


16. 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), Pp. 414.‌


17. Chen, X. Guo, Z. Chen, J. Yang, W. Yao, Y. Zhang, C. & Cao, X. (2019): Replacing The Red Band With The Red-SWIR Band (0.74 Ρred+ 0.26 Ρswir) Can Reduce The Sensitivity Of Vegetation Indices To Soil Background. Remote Sensing, 11(7), Pp. 851.


18. Cohen J. (1988): Statistical Power Analysis For The Behavioral Sciences. 2nd Ed. Hillsdale, NJ، Erlbaum


19. Dos Santos, G. L. Pereira, M. G. Delgado, R. C. Magistrali, I. C. Da Silva, C. G. De Oliveira, C. M. M. ... & Da Silva, T. P. (2021): Degradation Of The Brazilian Cerrado: Interactions With Human Disturbance And Environmental Variables. Forest Ecology And Management, 482, Pp. 118-875.‌


20. Ghilain, A, Gellens-Meulenberghs, F. (2011): Evapotranspiration Modeling At Large Scale Using Near-Real Time MSG SEVIRI Derived Data, Journal Of Hydrology And Earth System Sciences,15, Pp. 771–786


21. Idso, S.B. Jackson, R.D. Pinter, P.J. Regina To, R.J. Hatfield, J.L. (1981): Normalizing The Stress-Degree-Day Parameter For Environmental Variability. Agricultural Meteorology 24 (1), Pp. 45–55.


22. Jackson, R.D. Idso, S.B. Reginato, R.J. Pinter, P.J. (1981): Canopy Temperature As A Crop Water-Stress Indicator. Water Resources Research 17 (4), Pp. 1133–1138.


23. Kanellou, E. Domenikiotis, C. Tsiros, E. & Dalezios, N. R. (2008): Satellite-Based Drought Estimation In Thessaly. European Water, 23(24), Pp. 111-122.‌


24. Kogan, F. N. (1990): Remote-Sensing Of Weather Impacts On Vegetation In Nonhomogeneous Areas. International Journal Of Remote Sensing 11 (8), Pp. 1405–1419.


25. Li, J. Heap, A. D. (2014): Spatial Interpolation Methods Applied In The Environmental Sciences: A Review. Environmental Modelling & Software, 53, Pp. 173–189.


26. Li, L. Vrieling, A. Skidmore, A. Wang, T. Muñoz, A. R. & Turak, E. (2015): Evaluation Of MODIS Spectral Indices For Monitoring Hydrological Dynamics Of A Small, Seasonally-Flooded Wetland In Southern Spain. Wetlands, 35(5), Pp. 851-864.


27. Linsheng, H. Yansheng, D. Dongyan, Z. Wenjiang, H. Dong, L. (2012): Using Temperature Vegetation Drought Index For Monitoring Drought Based On Remote Sensing Data, Trans Tech Publications Switzerland, 356, Pp. 2854-2859


28. Mcfeeters, S. K. (1996): The Use Of The Normalized Difference Water Index (NDWI) In The Delineation Of Open Water Features, J. International Journal Of Remote Sensing, 17(7), Pp. 1425-1432.


29. 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, 17– 22 January, Anaheim, CA, Am Meteor Soc, Boston, MA, Pp. 179–184.


30. Otkinc, Z. X. Kustas, W. (2013): Four Decades Of Progress In Monitoring And Modeling Of Processes In The Soil-Plant Atmosphere System، Applications And Challenges, Journal Of Procedia Environmental Sciences, Pp. 47 – 56.


31. Rahimzadeh-Bajgiran, P. Darvishsefat, A.A. Khalili, A. Makhdoum, M.F. (2008): Using AVHRR-Based Vegetation Indices For Drought Monitoring In The Northwest Of Iran. Journal Of Arid Environments 72 (6), Pp. 1086–1096.


32. Rahimzadeh-Bajgiran, P. Shimizu, Y. Hosoi, F. Omasa, K. (2009): MODIS Vegetation And Water Indices For Drought Assessment In Semi-Arid Ecosystems Of Iran. Journal Of Agricultural Meteorology 65 (4), Pp. 349–355


33. Sandholt, I. Rasmussen, K. & Andersen, J. (2002): A Simple Interpretation Of The Surface Temperature/Vegetation Index Space For Assessment Of Surface Moisture Status. Remote Sensing Of Environment, 79(2-3), Pp. 213-224.‌


34. Singh, V. K. Satpathy, R. Parveen, R. & Jeyaseelan, A. P. T. (2010): Spatial Variation Of Vegetation Moisture Mapping Using Advanced Space Borne Thermal Emission & Reflection Radiometer (ASTER) Data. Journal Of Environmental Protection, 1(4), Pp. 448.


35. Sun, H. Zhao, X. Chen, Y. Gong, A. & Yang, J. (2013): A New Agricultural Drought Monitoring Index Combining MODIS NDWI And Day–Night Land Surface Temperatures: A Case Study In China. International Journal Of Remote Sensing, 34(24), Pp. 8986-9001


36. Tucker, C.J. Holben, B.N. Elgin, J.H. Mcmurtrey, J.E. (1981): Remote-Sensing Of Total Dry-Matter Accumulation In Winter-Wheat. Remote Sensing Of Environment 11 (3), Pp. 171–189


37. Vincente-Serrano, S.M. Pons-Fernandez, X. Quadrat-Prats, J.M. (2004): Mapping Soil Moisture In The Central Ebro River Valley With Landsat And NOAA Satellite Imagery: A Comparison With Meteorological Data. International Journal Of Remote Sensing 25 (20), Pp. 4325–4350.


38. Wang, J. Price, K.P. Rich, P.M. (2001): Spatial Patterns Of NDVI In Response To Precipitation And Temperature In The Central Great Plains. International Journal Of Remote Sensing 22 (18), Pp. 3827–3844.


39. Wilhite, D. A. (2000): Drought As A Natural Hazard، Concepts And Definitions. A Global Assessment, Vol. I, Edited By Donald A. Wichita, Chap. 1, Pp. 3–18.


40. Zargar, A. Sadiq, R. Naser, B. & Khan, F. I. (2011): A Review Of Drought Indices. Environmental Reviews, 19(NA), Pp. 333-349.