بررسی کارایی شاخص‌های منتج از فناوری سنجش‌ازدور VCI، TCI و VHI در ارزیابی خشکسالی با تصاویر مودیس (مطالعه موردی: مناطق مرکزی ایران)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار جغرافیا، گروه جغرافیا و سیستم‌های اطلاعات جغرافیایی، دانشکده علوم انسانی دانشگاه گلستان، گرگان، ایران

2 دانشجوی کارشناسی ارشد مخاطرات محیطی، گروه جغرافیا و سیستم‌های اطلاعات جغرافیایی، دانشکده علوم انسانی دانشگاه گلستان، گرگان، ایران

چکیده

خشکسالی وضعیتی از کمبود بارندگی و افزایش دما است که در هر منطقه جغرافیایی و در هر اقلیمی، حتی در مناطق مرطوب رخ می­دهد که فراوانی و شدت وقوع آن در مناطق خشک و نیمه­خشک بیشتر است. خشکسالی بدون اعلام قبلی رخ می­دهد و دامنه تأثیر آن بر خلاف وقایع طبیعی دیگر بسیار وسیع می­باشد. خسارات ناشی از خشکسالی غیر­ملموس ولی بسیار وسیع و پر هزینه است. لذا اساس یک برنامه منظم برای مدیریت بهتر طبق رخدادهای گذشته پایش خشکسالی را ایجاب می­کند. شاخص‌های خشکسالی هواشناسی مستقیماً از روی ‌داده‌های هواشناسی نظیر بارندگی محاسبه می­شوند و در صورت فقدان داده‌های مذکور، در پایش خشکسالی مفید واقع نخواهند شد. لذا تکنیک سنجش‌ازدور می‌تواند ابزاری مفید در پایش خشکسالی به شمار رود. در این تحقیق به بررسی ارتباط بین شاخص خشکسالی هواشناسی (شاخص SPI) و شاخص­های سنجش‌ازدوری  VCI، TCI و VHI در استان­های اصفهان، چهارمحال و بختیاری، مرکزی و قم پرداخته شده است. در این راستا، با بهره‌گیری از تصاویر ماهواره مودیس سنجنده ترآ و داده­های بارش ایستگاه­های باران‌سنجی و سینوپتیک واقع در منطقه موردمطالعه، آشکارسازی تغییرات رخ داده در بازه زمانی 10 ساله محاسبه گردید. بدین منظور ابتدا با بررسی داده­های ایستگاه­های موجود و با استفاده از مدل شاخص بارش استاندارد شده (SPI) چهار ماه (فروردین، اردیبهشت، خرداد و تیر) به‌عنوان نمونه انتخاب شد. در این مطالعه با توجه به‌دقت زمانی، پوشش طیفی بالا، سهولت دسترسی، عدم نیاز به تصحیح اتمسفری و زمین مرجع نمودن، تصاویر با کد (MOD11A2 و MOD13A2)  از محصولات ماهواره مودیس سنجنده ترا مربوط به سال­های 2011 تا 2020 به دلیل اطمینان از وجود پدیده ترسالی و خشکسالی استفاده شد و سپس شاخص SPI با شاخص­های VCI، TCI و VHI به‌صورت تلفیقی مورد مقایسه قرار گرفت. نتایج پایش خشکسالی نشان داد که طی این دوره ده‌ساله در برخی از سال­ها خشکسالی شدید وجود داشته که در همان سال نیز بارش به میزان کمتری رخ داده است. برای مثال در سال 2020 این خشکسالی بسیار شدید بوده است و در سال 2011 ترسالی بسیار شدیدی را نشان داد. نتایج حاصل از همبستگی بین شاخص SPI و شاخص­های سنجش‌ازدوری نشان داد که  شاخص SPI بالاترین همبستگی را با شاخص VCI در سطح  01/0 دارد که مشخص گردید تصاویر MODIS و شاخص­های ساخته شده دارای قابلیت لازم برای پایش خشکسالی می‌باشد. نتایج این تحقیق می­تواند گزینه مناسبی برای تصمیم­گیران به‌منظور بررسی نظارت، بررسی و حل‌وفصل شرایط خشکسالی مؤثر باشد و ضرورت تعریف نمایه­ای را دو چندان کند.

چکیده تصویری

بررسی کارایی شاخص‌های منتج از فناوری سنجش‌ازدور VCI، TCI و VHI در ارزیابی خشکسالی با تصاویر مودیس (مطالعه موردی: مناطق مرکزی ایران)

کلیدواژه‌ها


امیدوار، کمال؛ ابراهیمی، رضا؛ راستی، فاطمه؛ 1393. ارزیابی برخی روش­های زمین­آمار در پهنه­بندی شدت خشکسالی؛ مطالعه موردی منطقه شمالغرب و مرکزی ایران. مهندسی آبیاری، 17 :30-43.
پرویز، لاله؛ خلقی، محمد­رضا؛ ولیزاده کامران، خلیل؛ 1388. پایش خشکسالی با استفاده از شاخص پوشش گیاهی و دمای سطح زمین حاصل ازتصاویر ماهواره‌ی Terra-MODIS، چهارمین کنفرانس سراسری آبخیزداری و مدیریت منابع آّب وخاک، آذر 1388، کرمان. 1073-1081.
پیش­نماز احمدی، مجید؛ هوشمند، علی؛  زمانی، فهیمه؛ 1396. پایش خشکسالی شمال­غرب کشور با استفاده از داده­های  MODIS و TRMM، بیست و چهارمین همایش ملی ژئوماتیک، اردیبهشت 1396.
جهانبخش، سید؛ هادیانی، میر­امید؛ رضایی­بنفشه، مجید؛ دین­پژوه، یعقوب؛ 2010. مدل­سازی پارامترهای تغییر اقلیم در استان مازندران. مجموعه مقالات چهارمین کنگره بین المللی جغرافیدانان جهان اسلام (ICIWG) ، 13ص.
حمزه، سعید؛ فراهانی، زهرا؛ مهدوی، شهریار؛ چترآبگون، امید؛ غلام­نیا، مهدی؛ 1396. پایش زمانی و مکانی خشکسالی کشاورزی با استفاده از داده‌های سنجش‌ازدور، موردمطالعه: استان مرکزی ایران. نشریه تحلیل فضایی مخاطرات محیطی، سال چهارم، شماره 3. ص 70-53.
حجازی­زاده، زهرا؛ جوی­زاده، سعید؛ 1398. تحلیل آمار فضایی خشکسالی در ایران. نشریه تحقیقات کاربردی علوم جغرافیایی، دوره  19، شماره  53، از صفحه  251 تا صفحه 277.
صلاحی، برومند؛ خورشیددوست، علی­محمد؛  قویدل رحیمی، یوسف؛ 1386. ارتباط نوسان­های گردش جوی ـ اقیانوسی اطلس شمالی با خشکسالی­های آذربایجان شرقی. نشریه پژوهش­های جغرافیایی. شماره 60. صص 147-156.https://www.sid.ir/paper/5497/fa#downloadbottom
خدایی، مهسا؛ شـاد، روزبـه؛ مقصـودی­مهرانـی، یاسـر؛ قائمی، مرجان؛ 1395.  تعیین یک شاخص بهینـه چنـد سنسور سنجش‌ازدوری به‌منظور ارتقای فرایند پـایش زمان واقعی خشکسالی در مناطقی بـا پوشـش اراضـی ناهمگن. اکوهیدرولوژی، دوره سوم، شماره سوم، تهران.
خوش‌اخلاق، فرامرز؛ رنجبر، فیروز؛ طولابی، سوسن؛ مقبل، معصومه؛ معصومپور­ سماکوش، جعفر؛ 1389. بررسی خشکسالی در سال آبی 1386-87 و اثرات آن بر منابع آب کشاورزی (نمونۀ موردی: شهرستان مرودشت)، مجلۀ جغرافیا، شمارۀ 24، صص 136-119.https://www.sid.ir/paper/5497/fa#downloadbottom
سلطانی، میلاد؛ سلطانی، عادل؛ کله­هوئی، مهین؛ سلیمانی، کریم؛ 1398. پایش خشکسالی منطقه­ای با استفاده از تصاویر لندست، منطقه موردمطالعه: شهرستان کرمانشاه، فصلنامه اطلاعات جغرافیایی (سپهر)،  دوره 28، شماره 109، ص 138-146.https://www.sid.ir/paper/253284/fa#downloadbottom
عزیزی، قاسم؛ سفرراد، طاهر؛ 1391. تحلیل ویژگی­های رودباد طی فازهایENSO ، مطالعه موردی؛ 1997، 2008 و 2010. نشریه پژوهش­های اقلیم شناسی، سال سوم، شماره 9، ص 82-70.
غفوریان، هادی؛ ثنائی­نژاد، سید­حسین؛ داوری، کامران؛ 1393. بررسی تعیین مناطق مناسب جهت پایش خشکسالی با استفاده از داده­های ماهواره TRMM (مطالعه موردی: استان خراسان رضوی (آب و خاک)، علوم و صنایع کشاورزی (3). 639-648.https://www.sid.ir/paper/141927/fa#downloadbottom
نوروزی، اصغر؛ محمدی، زهرا؛ 1395. برسی خشکسالی هیدرولوژیک و آثار آن بر کشاورزی منطقه لنجان. فصلنامه علمی-پژوهشی برنامه­ریزی فضایی (جغرافیا). سال ششم، شماره دوم (پیاپی 21)، 116-97.
محمودزاده، عبدالحسین؛ ثقفیان، بهرام؛ مختاری، احمد؛ 1387. بررسی همبستگی شاخص خشکسالی SPI و شاخص NDVI منطقه فریدون شهر، سومین کنفرانس مدیریت منابع آب. دانشگاه تبریز. دانشکده مهندسی عمران. 8 صفحه.https://civilica.com/doc/50191/
 
Agnew, C.T., 2000. using the SPI to Identify Drought, Drought Network News, Vol. 12, No. 1, winter 1999-Spring 2000. https:// digitalcommons.unl.edu/ cgi/ viewcontent.cgi? article= 1000& context=droughtnetnews
Bayarjargal, Y., Karnieli, A., Bayasgalan, M., Khudulmur, S., Gandush, C., Tucker, C. J., 2006. A comparative study of NOAA–AVHRR derived drought indices using change vector analysis. Remote Sensing of Environment, 105(1), 9-22.‏ https:// www.sciencedirect.com/ science/ article/ abs/pii/S0034425706002185
Bonaccorso, B., Bordi, I., Cancelliere, A., Rossi, G., Sutera, A., 2003. Spatial variability of drought: an analysis of the SPI in Sicily. Water resources management, 17(4), 273-296.‏ https:// link.springer.com/ article/ 10.1023/A:1024716530289
Ceccato, P., Flasse, S., Tarantola, S., Jacquemoud, S., Gregoire, J.M., 2001. Detecting vegetation leaf water content using reflectance in the optical domain. Remote Sensing of Environment, 77, Pp. 22–33. https:// www.sciencedirect.com/ science/ article/ abs/ pii/S0034425701001912
Chen, Z., Grasby, S.E., Osadetz, K.G., 2004. Relation between climate variability and groundwater levels in the upper carbonate aquifer, southern Manitoba, Canada, Journal of Hydrology, No. 290, 43–62. https:// www.sciencedirect.com/ science/ article/ abs/ pii/ S0022169403004852
Elhag, K., Zhang, W., 2018. Monitoring and Assessment of Drought Focused on Its Impact on Sorghum Yield over Sudan by Using Meteorological Drought Indices for the Period 2001–2011, Remote Sensing, Vol 10 (8), 1231 p. https://www.mdpi.com/2072-4292/10/8/1231
Fiorillo, F., Guadagno, F.M., 2010. Karst spring discharges analysis in relation to drought periods, using the SPI. Water Resources Management, 24(9): 1867-1884. https://link.springer.com/ article/ 10.1007/ s11269-009-9528-9
Hodel, E., 2012. Analysing Land Cover Change in Mongolia Using Terra MODIS Satellite Data supervisor Hans Hurni, Masterarbeit der Philosophisch, Universität Bern.
https://www.scirp.org/journal/paperinformation.aspx?paperid=4981
Ji, L., Peters, A.J., 2003. Assessing vegetation response to drought in the northern Great Plains using vegetation and drought indices, Remote Sensing of Environment, 87, 85-98pp. https:// www.sciencedirect.com/ science/ article/ abs/pii/S0034425703001743
Gu, Y., Brown, J., Verdin, J., 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. 551-560.https://www.sid.ir/FileServer/SF/7971392h01204
Karel, A.K., 1989. Response of Ootheca bennigseni (Coleoptera: Chrysomelidae) to extracts from neem. Journal of economic entomology, 82(6), 1799-1803.‏ https:// www. semanticscholar. org/ paper/ Response- of -Ootheca-bennigseni -(Coleoptera%3A-to-from- Karel/ 8bf42bb 7bfb36f3310beadd1a3cf06ae60f785f6
Kogan, F.N., 2000. Global drought detection and impact: Assessment from apace, In Wilhite Editor Drought a Global Assessment, 1: 197-206.https://web.iitd.ac.in/~sagnik/C2.pdf
Lein, J., 2003. Integrated Environmental Planning, Black well scinse Inc U.S.A. https:// www.amazon.com/ Integrated- Environmental- Planning- Landscape- Synthesis ebook/ dp/ B000VI62QM
Mckee, T.B., Doesken, N.J., Kleist, J., 1993. The relationship of drought frequency and duration to time scales. Proceedings of the 8th Conference on Applied Climatology. American Meteorological Society Boston, MA, Pp: 179-183. https:// www.droughtmanagement.info/ literature/ AMS_Relationship_Drought_Frequency_Duration_Time_Scales_1993.pdf
Owrangi, M.A., Adamowski, J.M., Rahnemaei, A., Mohammadzadeh, R., Sharifan, R.A., 2011. Drought monitoring methodology based on AVHRR images and SPOT vegetation maps. Journal of Water Resource and Protection, 3(5): 325-346.
Pei, F., Wu, C., Liu, X., Li, X., Yang, K., Zhou, Y., Xia, G., 2018. Monitoring the vegetation activity in China using vegetation health indices. Agricultural and forest meteorology, 248, 215-227. https://www.sciencedirect.com/science/article/abs/pii/S0168192317303210
Rostami, A., Bzane, M., Raini, M., 2016. Spatial and temporal monitoring of agricultural drought using Modis imagery and remote sensing technology. Journal of Soil and Water Science, 27: 213- 226 (in Persian). https://agry.um.ac.ir/ index.php/ article_ 37239. html?lang=en
Roswintiarti, O., Oarwati, S., Anggraini, N., 2010. Potential Drought Monitoring over Agriculture Area in Java Island, Indonesia, Indonesian National Institute of Aeronautics and Space (LAPAN), Progress Report of SAFE Prototype Year. http:// jurnal.lapan.go.id › article › download. PDF
Shahabfar, A., Ghulam, A., Eitzinger, J., 2012. Drought monitoring in Iran using the perpendicular drought indices. International Journal of Applied Earth Observation and Geoinformation, 18: 119-127. https:// www.sciencedirect.com/ science/ article/ abs/ pii/ S030324341200013X
Silva, V.P.R., 2003. On Climate Variability in Northeast Brazil, Journal of Arid Environment, 54 (2): 256-367. http:// text2fa.ir/ wp-content/ uploads/ Text2fa.ir- On- climate-variabilityin-Northeast-of-Brazil.pdf
Thenkabail, P.S., Gamage, M.S.D.N., Smakhtin, V.U., 2003. The Use of Remote Sensing Data for Drought Assessment and Monitoring in Southwest Asia. Research report 85. 1-34. https:// www.unisdr.org/ files/ 1871_VL102138.pdf
Tsakiris, G., Vangelis, H., 2004. Towards a drought watch system baesed on spatial SPI. Water resources management, 18(1), 1-12.‏ https:// link.springer.com/ article/ 10.1023/ B: WARM. 0000015410.47014.a4
Wu, H., Hayes, M.J., Weiss, A., Hu, Q., 2001. An evaluation of the Standardized Precipitation Index, the China‐Z Index and the statistical Z‐Score, International journal of climatology, Vol. 21, No. 6, pp. 745-758.https://rmets.onlinelibrary.wiley.com
Yıldırım, T., Aşık Ş., 2018. Index-based assessment of agricultural drought using remote sensing in the semi-arid region of Western Turkey. Journal of Agricultural Sciences, 24(4) : 510-516. https://dergipark.org.tr/tr/download/article-file/339519
Zambrano, F., Lillo-Saavedra, M., Verbist, K., Lagos, O., 2016. Sixteen years of agricultural drought assessment of the BioBío region in Chile using a 250 m resolution Vegetation Condition Index (VCI). Remote Sensing, 8(6): 530-549. https://www.mdpi.com/2072-4292/8/6/530
 
 
 
CAPTCHA Image