ارزیابی پایش خشکسالی کشاورزی مبتنی بر سنجش از دور با استفاده از شاخص استاندارد شده بارش در ماه‌های رشد (مطالعه موردی: حوضه آبریز کارون بزرگ)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه انرژی‌های نو و محیط زیست دانشکده علوم و فنون نوین دانشگاه تهران

2 گروه انرژی های نو و محیط زیست دانشکده علوم و فنون نوین دانشگاه تهران

چکیده

خشکی یکی از ویژگی‌های جدایی‌ناپذیر شرایط اقلیمی در کشورهای واقع در عرض‌های جنب حاره‌‌ای مانند ایران است. در این تحقیق ارزیابی و اعتبارسنجی پایش خشکسالی کشاورزی منتج از ماهواره MODIS در حوضه آبریز کارون بزرگ با کمک شاخص SPI4 مورد بررسی قرار گرفت. به این منظور از اطلاعات حاصل از تصاویر سنجنده MODIS1 در استخراج شاخص‌های VCI2 و TCI3 در ماه‌های رشد گیاهی (مارس تا اوت) سالهای 2001 تا 2017 استفاده شده است. پس از محاسبه شاخصهای ماهواره‌ای در نرم افزار ENVI، مقادیر با شاخص SPI که در متلب محاسبه و توسط روش میانیابی IDW5 پهنه‌بندی گردید مقایسه شد. بر اساس نتایج به دست آمده کلیه شاخص‌ها در قسمتهای جنوبی حوضه آبریز، خشکسالی شدید را نشان داد. همچنین از بین شاخص‎های کشاورزی منتج از ماهواره، شاخص VCI همبستگی بالایی با شاخص SPI داشت. بالاترین ضریب همبستگی این شاخص مربوط به ایستگاه‌های ازنا و یاسوج به ترتیب با میزان 62/0 و 59/0 بود.

کلیدواژه‌ها


عنوان مقاله [English]

Evaluation of remote sensing-based agricultural drought monitoring using Standardized Precipitation Index in the growing months (Case study: Karun Bozorg catchment area)

نویسندگان [English]

  • Mohammad Hossein Jahangir 1
  • zoha moshayedi 2
1 University of Tehran
2 Department of Renewable Energies and Environment, Faculty of New Sciences and Technologies, University of Tehran,
چکیده [English]

Drought is one of the meteorological and inseparable phenomena of climate in countries located in tropical latitudes such as Iran. In this study, drought monitoring data from MODIS sensors were used to extract VCI and TCI indices in plant growth months (March to August) from 2001 to 2017. The objective is to evaluate the satellite drought monitoring in the huge Karun basin using SPI index. After calculating the satellite indices in ENVI software, the values were compared with the SPI index calculated in MATLAB and zoned by IDW interpolation method. Finally, in all indicators, the southern part of the catchment showed severe drought. High correlation of VCI index was also shown by examining correlation between satellite indices and SPI index. The highest correlation coefficient of this index was for Azna and Yasuj stations with 0.62 and 0.59, respectively.
#none# #none# #none# #none# #none# #none# #none# #none# #none# #none# #none# #none#

کلیدواژه‌ها [English]

  • Huge Karun basin
  • MODIS Sensor
  • SPI
  • TCI
  • VCI
باعقیده، م. 1390. بررسی امکان استفاده از شاخص پوشش گیاهی NDVI  در تحلیل خشکسالی‌های استان اصفهان، 1.4: 391–412.
پرویز، ل.، خلقی، م.، ولیزاه، خ. و عراقی‌نژاد، ش. 1390. بررسی کارایی شاخص‌های منتج از فناوری سنجش از دور در ارزیابی خشکسالی هواشناسی؛ مطالعه موردی: حوضه‌ی آبریز سفیدرود. جغرافیا و توسعه، 22، 147–164.
جلیلی، ش.، مرید، س. و ضیائیان فیروزآبادی، پ. 1387. مقایسه عملکرد شاخص‌های ماهواره‌ای و هواشناسی در پایش خشکسالی. مجله تحقیقات آب و خاک ایران، 39.1: 139–149.
چنار، ع. 1380. ارزیابی ونظارت بر خشکسالی در استان‌های آذربایجان شرقی، غربی و اردبیل با استفاده از تصاویر AVHRR . پایان‎نامه کارشناسی ارشد سنجش از دور و GIS، دانشکده علوم انسانی، دانشگاه تربیت مدرس.
حمزه، س.، فراهانی، ز.، مهدوی، ش.، چترآبگون، ا. و غلام‎نیا، م. 1396. پایش زمانی و مکانی خشکسالی کشاورزی با استفاده از داده‌های سنجش از دور؛ مورد مطالعه: استان مرکزی ایران. تحلیل فضایی مخاطرات محیطی، 4.3: 53–70.
دفتر برنامه‌ریزی کلان آب و آبفا، وزارت نیرو. سالنامه آماری آب کشور، 90-1389.
دفتر مطالعات پایه منابع آب، وزارت نیرو. تقسیم‌بندی و کدگذاری حوزه‌های آبریز و محدوده‌های مطالعاتی در سطح کشور.
سازمان هواشناسی کشور، مرکز ملی پایش و هشدار. 1398. “خشکسالی کشاورزی.http://ndc.irimo.ir/far/wd/2159.
شمسی‌پور، ع. ا.، علوی‌پناه، س. و محمدی، ح. 1389. بررسی کارآیی شاخص‌های گیاهی و حرارتی ماهواره NOAA-AVHRR  در تحلیل خشکسالی منطقه کاشان. فصلنامه علمی-پژوهشی تحقیقات مرتع و بیابان ایران، 17.3: 445–465.
عرفانیان، م.، وفایی، ن. و رضاییان‌زاده، م. 1393. ارائه یک روش نوین برای ارزیابی ریسک خشکسالی استان فارس با تلفیق داده‌های ماهانه بارندگی ماهواره TRMM و داده‌های شاخص پوشش گیاهی NDVI سنجنده .Terra/MODIS پژوهش‌های جغرافیای طبیعی، 1.46: 93–108.
قلی‌زاده، م. 1383. پیش‌بینی و پیش‌آگاهی خشکسالی در غرب ایران. پایان‌نامه دکتری اقلیم‌شناسی. دانشگاه تربیت معلم تهران.
Bajgiran, P.R., Darvishsefat, A.A., Khalili, A., Makhdoum, M.F., Rahimzadeh Bajgiran, P., Darvishsefat, A.A., and Makhdoum, M.F. 2008. Using AVHRR-based vegetation indices for drought monitoring in the Northwest of Iran. Journal of Arid Environments, 72.6: 1086–1096.
Bayarjargal, Y., Karnieli, A., Bayasgalan, M., Khudulmur, S., Gandush, C., and 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.
Du, L., Tian, Q., Yu, T., Meng, Q., Jancso, T., Udvardy, P., and Huang, Y. 2013. A comprehensive drought monitoring method integrating MODIS and TRMM data. International Journal of Applied Earth Observation and Geoinformation, 23.1: 245–253.
Du, T.L.T., Du Bui, D., Nguyen, M.D., and Lee, H. 2018. Satellite-based, multi-indices for evaluation of agricultural droughts in a highly dynamic tropical catchment, Central Vietnam. Water (Switzerland), 10.5:1-24.
Dutta, D., Kundu, A., Patel, N.R., Saha, S.K., and Siddiqui, A.R. 2015. Assessment of agricultural drought in Rajasthan (India) using remote sensing derived Vegetation Condition Index (VCI) and Standardized Precipitation Index (SPI). Egyptian Journal of Remote Sensing and Space Science, 18.1: 53–63.
Funk, C., and Budde, M.E. 2009. Phenologically-tuned MODIS NDVI-based production anomaly estimates for Zimbabwe. Remote Sensing of Environment, 113.1: 115–125.
Han, P., Wang, P. X., Zhang, S. Y., & Zhu, D. H. 2010. Drought forecasting based on the remote sensing data using ARIMA models. Mathematical and Computer Modelling, 51.11–12: 1398–1403.
Jang, J.-D. 2004. EVALUATION OF THERMAL-WATER STRESS OF FOREST IN SOUTHERN QUÉBEC FROM SATELLITE IMAGES. Thèse Doctor (Ph.D.) UNIVERSITÉ LAVAL QUÉBEC.  
Jeyaseelan, A. 2003. Droughts & floods assessment and monitoring using remote sensing and GIS. In Satellite remote sensing and GIS applications in agricultural meteorology . 291-313. World Meteorol. Org. Dehra Dun, India. Geneva, Switz.
Jiao, W., Zhang, L., Chang, Q., Fu, D., Cen, Y., and Tong, Q. 2016. Evaluating an Enhanced Vegetation Condition Index (VCI) Based on VIUPD for Drought Monitoring in the Continental United States. Remote Sensing, 8.3: 224–245.
Keshavarz, M.R., Vazifedoust, M., and Alizadeh, A. 2014. Drought monitoring using a Soil Wetness Deficit Index (SWDI) derived from MODIS satellite data. Agricultural Water Management, 132, 37–45.
Khalil, A., Abdel-Wahab, M., Hassanein, M., Ouldbdey, B., Katlan, B., and Essa, Y. 2013. Drought monitoring over Egypt by using MODIS land surface temperature and normalized difference vegetation index. Nature and Science, 11.11: 116–122.
Kogan, F. N. 2001. Operational space technology for global vegetation assessment. Bulletin of the American Meteorological Society, 82.9: 1949–1964.
Kogan, F.N.F.N. 1995. Application of vegetation index and brightness temperature for drought detection. Advances in Space Research, 15.11: 91–100.
Kogan, F., and Sullivan, J. 1993. Development of global drought-watch system using NOAA/AVHRR data. Advances in Space Research, 13.5: 219–222.
Liang, L., Sun, Q., Luo, X., Wang, J., Zhang, L., Deng, M., and Liu, Z. 2017. Long-term spatial and temporal variations of vegetative drought based on vegetation condition index in China. Ecosphere, 8.8: 1-15.
Liu, W.T., and Kogan, F.N. 1996. Monitoring regional drought using the vegetation condition index. International Journal of Remote Sensing, 17.14: 2761–2782.
Mckee, T., Doesken, N., and Kleist, J. 1993. The relationship of drought frequency and duration11 to time scales. In Eighth conference on applied climatology (pp. 17–22).
Qian, X., Liang, L., Shen, Q., Sun, Q., Zhang, L., Liu, Z., and Qin, Z. 2016. Drought trends based on the VCI and its correlation with climate factors in the agricultural areas of China from 1982 to 2010. Environmental Monitoring and Assessment, 188.11:639(1-13) .
Quiring, S.M., and 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.
Singh, R.P., Roy, S., and Kogan, F. 2003. Vegetation and temperature condition indices from NOAA AVHRR data for drought monitoring over India. International Journal of Remote Sensing, 24.22: 4393–4402.
Sun, D., and Kafatos, M. 2007. Note on the NDVI-LST relationship and the use of temperature-related drought indices over North America. Geophysical Research Letters, 34.24:1-4.
Thenkabail, P.S., and Gamage, M. 2004. The use of remote sensing data for drought assessment and monitoring in Southwest Asia (Vol. 85). Iwmi.
Wu, H., Hayes, M. J., Weiss, A., & Hu, Q.I. 2001. AN Evaluation of the standardized precipitation index, the China-Z index and the statistical Z-score, 758, 745–758.
ZHANG, F., ZHANG, L., WANG, X., HUNG, J., Feng, Z., Li-wen, Z., and Jing-feng, H. 2013. Detecting agro-droughts in Southwest of China using MODIS satellite data. Journal of Integrative Agriculture, 12.1: 159–168.
Zhang, F., Zhang, L., Wen, WANG, X. Zhen, and Hung, J. Feng. 2013. Detecting Agro-Droughts in Southwest of China Using MODIS Satellite Data. Journal of Integrative Agriculture, 12.1: 159–168.
Zhou, L., Zhang, J., Wu, J., Zhao, L., Liu, M., Lü, A., and Wu, Z. 2012. Comparison of remotely sensed and meteorological data-derived drought indices in mid-eastern China. International Journal of Remote Sensing, 33.6: 1755–1779.