بررسی شاخص خشکسالی مبتنی بر تصاویر ماهواره ای و رابطه آن با کاهش سطح زیر کشت برنج مطالعه موردی: (استان غماص، عراق)

محورهای موضوعی : کشاورزی و محیط زیست

علی نیک عهد ¹ , واثق احمد المطلک ² , علی ابراهیمی ^{3 *}

1 - گروه سنجش از دور و GIS، دانشکده کشاورزی و فناوری های نوین، دانشگاه آزاد اسلامی واحد شیراز، فارس، ایران
2 - گروه سنجش از دور و GIS، دانشکده کشاورزی و فناوری های نوین، دانشگاه آزاد اسلامی، واحد بین الملل شیراز، شیراز، فارس، ایران
3 - گروه جنگل، مرتع و آبخیزداری، دانشکده منابع طبیعی و محیط زیست، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

تاریخ دریافت : 1402/01/21 تاریخ پذیرش : 1402/03/17 تاریخ انتشار : 1402/03/30

کلید واژه: خشکسالی, سنجش از دور, مودیس, برنج, استان غماص.,

چکیده مقاله :

مقدمه: با استفاده از شاخص‌های مبتنی بر سنجش از دور می‌توان خشکسالی را از طریق آثاری که بر گیاهان زراعی دارد مطالعه کرد و نتایج دقیق‌تر و مؤثرتری دریافت. شرایط شدید خشکسالی در کل کشور عراق سبب شده است جوامع کشاورز برای دهمین سال متوالی شاهد کاهش برداشت برنج ، سبزیجات و میوه باشند. بنابراین کشاورزان مجبورند سطح زمین‌هایی زیر کشت را کاهش دهند که این امر موجب کاهش سطح درآمد و محصولات آن‌ها می‌باشد. استان غماص در کشور عراق یکی از مناطقی است که دارای زمین‌های کشت برنج می‌باشد و دچار خشکسالی شده است. لذا این پژوهش به بررسی روند تغییرات پوشش سطح زیرکشت برنج در این استان و رابطه آن با دمای سطح زمین به منظور بررسی خشکسالی پرداخته است مواد و روش‌ها: در این پژوهش جهت مطالعه روند تغییرات پوشش گیاهی از شاخص پوشش گیاهی نرمال شده (NDVI) مربوط به سنجنده مودیس استفاده شد. داده‌های ماهواره‌ای سنجنده مودیس برای منطقه مورد مطالعه طی سال‌های 2010 تا 2022 تهیه و گردآوری شدند. در ادامه از سه شاخص سنجش از دوری NDVI، شاخص وضعیت پوشش گیاهی (VCI) و شاخص دمای سطح زمین (LST) به منظور بررسی سطح زیر کشت برنج و نیز دمای سطح زمین و شدت خشکسالی استفاده گردید. نتایج و بحث: بر اساس نتایج به دست آمده سطح زیر کشت محصولات کشاورزی طی این دوره در منطقه مورد مطالعه افزایش یافته است بطوریکه در سال 2010 مساحت سطح زیر کشت بر اساس شاخص‌های VCI و NDVI به ترتیب 11875 هکتار و 10337 هکتار می‌باشدکه در سال 2022 به ترتیب به 14775 هکتار و 13275 هکتار افزایش یافت. نتایج نشان داد که بر اساس شاخص NDVI پوشش گیاهی با شیبی ملایم روندی افزایشی را طی این دوره داشته درصورتیکه بر اساس شاخص LST دمای سطح زمین طی این دوره کاهش یافته است. این موضوع نشان‌دهنده آن است که با افزایش پوشش گیاهی، دمای سطح زمین کاهش یافته است. نتیجه‌گیری: نتایج نشان داد که بر اساس شاخص NDVI پوشش گیاهی روندی افزایشی را طی این دوره داشته درصورتیکه بر اساس شاخص LST دمای سطح زمین طی این دوره کاهش یافته است. این نشان می‌دهد که با افزایش پوشش گیاهی، دمای سطح زمین کاهش یافته است. بااین حال، بر اساس شاخص VCI، منطقه مورد مطالعه در وضعیت غیرخشکسالی می‌باشد. لذا با توجه به نتایج بدست آمده افزایش پوشش گیاهی بر اساس NDVI و افزایش شاخص VCI و مقایسه ان با دمای منطقه مورد نظر ، نشان از کاهش دمای سطح زمین در طی این 10سال دارد. هر چه دمای سطح زمین کاهش یابد، نشان‌دهنده افزایش پوشش گیاهی و سطح زیر کشت برنج می‌باشد.

چکیده انگلیسی:

Introduction: Using indicators based on remote sensing, drought can be studied through its effects on crops and more accurate and effective results can be obtained. The severe drought conditions in the entire country of Iraq have caused the farming communities to witness a decrease in the harvest of rice, vegetables and fruits for the tenth year in a row. Therefore, farmers have to reduce the area under cultivation, which causes a decrease in their income and products. Ghamas province in Iraq is one of the regions that has rice cultivation lands and is suffering from drought. Therefore, this research has investigated the changes in the surface coverage under rice cultivation in this province and its relationship with the surface temperature in order to investigate drought Materials and Methods: In this research, the Normalized Difference Vegetation Index (NDVI) related to the MODIS sensor was used to study the changes in vegetation cover. MODIS satellite data were prepared and collected for the study area during the years 2010 to 2022. Next, three remote sensing indices, NDVI, Vegetation Condition Index (VCI) and Land Surface Temperature (LST) were used to investigate the area under rice cultivation as well as land surface temperature and drought severity. Results and Discussion: According to the obtained results, the cultivated area of agricultural products has increased during this period in the studied area, so that in 2010 the area under cultivation according to VCI and NDVI indices is 11875 ha and 10337 ha ,respectively, while in 2022, it increased to 14775 ha and 13275 ha, respectively. The results showed that according to the NDVI, vegetation cover with a gentle slope had an increasing trend during this period, while according to the LST result, the land surface temperature decreased during this period. This shows that with the increase in vegetation, LST has decreased. Conclusion: The results showed that according to the NDVI index, the vegetation cover had an increasing trend during this period, while according to the LST index, the surface temperature of the earth decreased during this period. This shows that with the increase in vegetation, the surface temperature of the earth has decreased. However, according to the VCI index, the studied area is in a non-drought condition. Therefore, according to the obtained results, the increase in vegetation cover based on NDVI and the increase in VCI index and comparing it with the temperature of the target area, shows a decrease in the temperature of the earth's surface during these 10 years. As the temperature of the ground surface decreases, it indicates an increase in vegetation cover and the area under rice cultivation.

منابع و مأخذ:

1- Avazpoor, N., Faramrzi, M, Omidipoor, R, Amirhosein, M. Monitoring the Drought Effects on Vegetation Changes using Satellite Imagery (Case Study:
Ilam Catchment). Journal of Geography and Environmental Sustainibility. 2021; 11(6), pp 125-143. (In Persian) 2- Azizi, Gh, Safarkhani, E. Evaluation of Drought and Its Effect on the Yield of Dryland Wheat in Ilam Province With an Emphasis on the Recent Years
(1998-2000) Droughts. The Journal of Spatial Planning, 2002; 6(2), pp. 61-79. (In Persian) 3- Batool, A, Akram, N.A, Cheng, Z.G, Lv, G.C, Ashraf, M, Afzal, M, et al. Physiological and biochemical responses of two spring wheat genotypes to non-hydraulic root-to-shoot signalling of partial and full root-zone drought stress. Plant Physiol. Biochem. 2019; 139, 11–20. doi: 10.1016/j.plaphy.2019..03.001.
4- Dehghani Sargazi, H, O, Bazrafshan, H, Zamani. Investigation of the effect of meteorological- agricultural drought on rainfed wheat yield in Iran
using SPEI. Journal of Nivar, 2021; 45(114), pp: 114-115. (In Persian) 5- Elahi, I, Saeed, U, Wadood, A, Abbas, A, Nawaz, H, & Jabbar, S. Effect of Climate Change on Wheat Productivity. In (Ed.), Wheat [Working Title]. IntechOpen. 2022, https://doi.org/10.5772/intechopen.103780.
6- 5- Ebrahimi A, Nazemosadat SJ, Motamedvaziri B, Ahmadi H. Land use-land cover change and its relationships with the groundwater table and the plants’ altitudinal zones: A case study of arsanjan county, Iran. Iranian Journal of Science and Technology, Transactions of Civil Engineering. 2021 Sep;45:1891-907. https://doi.org/10.1007/s40996-020-00482-x.
7- Ebrahimi, A, Motamedvaziri, B, Nazemosadat, S.M.J. and Ahmadi ,H. Assessing the relationship between land surface temperature with vegetation and water area change in Arsanjan county, Iran. RS & GIS for natural resource. 2020; 11(4), pp. 65-86. doi:10.30495/GIRS.2020.676475. (In persian)
8- Fahad, S., Sonmez, O., Saud, S., Wang, D., Wu, C., Adnan, M., et al. Climate Change and Plants: Biodiversity, Growth and Interactions. Haripur: CRC Press. 2021.
9- Guo H, A, Bao, T, Liu, F, Ndayisaba, L, Jiang, A. Kurban, P. De Maeyer. Spatial and temporal characteristics of droughts in Central Asia during 1996–2015, Sci. Total Environ., 2015; 624 (2018), pp. 1523-1538.
10- Jami, A, Najafi Alamdar, H, Mortazavi, S. Effects of Drought on Cultivation Pattern and Welfare of Farmers in South Mahyar Plain. Journal of Water
Research in Agriculture. 2020; 34(3), pp. 481-494. (In Persian) 11- Mohammad Sohidul. Evaluation of Drought Tolerance of Some Wheat (Triticum aestivum L.) Genotypes through Phenology, Growth, and Physiological Indices, Agronomy. 2021; 11(9), 1792; https://doi.org/10.3390/agronomy11091792.
12- Mishra and Singh. Drought modeling–A review, Journal of Hydrology. 2011; 403(1-2), Pages 157-175-.
13- Naderianfar, M, Heydari Gharaei, E. Evaluation of drought impacts on irrigated and rainfed wheat yields in Bojnourd region. Journal of Crop
Science Research in Arid Regions. 2021; 3(1), P. 163-176. (In Persian) 14- Naumann G, L, Alfieri, K, Wyser, L, Mentaschi, R.A, Betts, H, Carrao, J, Spinoni, J, Vogt, L, Feyen. Global changes in drought conditions under different levels of warming Geophys. Res. Lett. 2018; 45 (7) , pp. 3285-3296.
15- Noureldin N. A, Aboelghar M.A, Saudy H. S, and Ali A.M. Rice yield forecasting models using satellite imagery in Egypt. The Egyptian Journal of Remote Sensing and Space Sciences, 2013; 16: 125–131
16- Pan X, M, Chin, C.M, Ichoku, R.D. Field Connecting Indonesian fires and drought with the type of El Niño and phase of the Indian Ocean dipole during 1979–2016 J. Geophys. Res. Atmos. 2018; 123 (15), pp. 7974-7988.
17- 17Rousta I, Olafsson H, Moniruzzaman M, Zhang H, Liou YA, Mushore TD, Gupta A. Impacts of drought on vegetation assessed by vegetation indices and meteorological factors in Afghanistan. Remote Sensing. 2020 Jul 29;12(15):2433. doi:10.3390/rs12152433.
18- 18- Shabani, M. Evaluation of indices based on remote sensing in drought monitoring of Neyriz city. RS & GIS for natural resource. 2022; 13(4), pp. 131-147. doi: 10.30495/GIRS.2022.690925. (In persian)
19- Wei W., J. Zhang, L. Zhou, B. Xie, J. Zhou, C. Li. Comparative evaluation of drought indices for monitoring drought based on remote sensing data Environ. Sci. Pollut. Control Ser. 2021; pp. 1-18.
20- Yang Y, S, Zhang, M.L, Roderick, T.R, McVicar, D, Yang, W, Liu, X, Li. Comparing Palmer Drought Severity Index drought assessments using the traditional offline approach with direct climate model outputs, Hydrol. Earth Syst. Sci. 2020; 24 (6), pp. 2921-2930.
21- Yu H, Q, Zhang, C.Y, Xu, J, Du, P, Sun, P, Hu. Modified palmer drought severity index: model improvement and application Environ. Int. 2019; 130, p.
104951 22- Vergni, L., Todisco, F. Spatio-temporal variability of precipitation, temperature and agricultural drought indices in Central Italy. Agric. Forest Meteorol.2011; 151(1): 301-311.
23- Lan, Y, Chawade, A, Kuktaite, R, Johansson, E. Climate Change Impact on Wheat Performance—Effects on Vigour, Plant Traits and Yield from Early and Late Drought Stress in Diverse Lines. Int. J. Mol. Sci. 2022; 23, 3333. https://doi.org/10.3390/ ijms23063333.
24- Waseem Muhammad, Khurshid Tahira, Abbas Adnan, Ahmad Ijaz, Zeeshan Javed. Impact of meteorological drought on agriculture production at different scales in Punjab, Pakistan, Journal of Water and Climate Change. 2022; 13 (1): 113–124. https://doi.org/10.2166/wcc.2021.244.