ارزیابی کارایی شاخص‌های خشکسالی گیاهی (VDI) و دمایی (TDI) مبتنی بر تصاویر ماهواره‌ای در محدوده ایران مرکزی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دکتری علوم و مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه یزد

2 دانشیار دانشکده منابع طبیعی، دانشگاه یزد

3 استادیار دانشکده منابع طبیعی، دانشگاه یزد

4 استادیار گروه مهندسی آب، دانشگاه گیلان

10.29252/aridbiom.7.1.79

چکیده

افزایش دما و تغییر الگوهای بارش منجر به رخدادهای آب و هوایی شدید مثل خشکسالی شده است که به شدت در حوزه­های کشاورزی، زیست محیطی، اجتماعی و اقتصادی تأثیرگذار است. اطلاعات درباره زمان، شدت و وسعت خشکسالی می­تواند به برنامه­ریزی و تصمیم­گیری 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. از این‌رو شاخص­های خشکسالی حاصل از داده­های سنجش از دوری امروزه به طور گسترده برای پایش خشکسالی استفاده می‌شود. در این پژوهش دو شاخص خشکسالی گیاهی (VDI) و دمایی (TDI) مبتنی بر سنجش از دور بر اساس شاخص خشکسالی بارش استاندارد شده (SPI) مبتنی بر داده­های ایستگاه­های زمینی مورد ارزیابی قرار گرفته است. داده­های مورد استفاده در این تحقیق شامل تصاویر سنجنده MODIS ماهواره Terra و داده­های بارش 50 ایستگاه سینوپتیک در محدوده ایران مرکزی در طی دوره آماری 2004-2001 است. ارزیابی دقت دو شاخص­ خشکسالی جدید VDI و TDI با استفاده از معیارهای ارزیابی R و RMSE در سطح اطمینان 95% و بر اساس مقایسه با نقشه توزیع مکانی خشکسالی مبتنی بر شاخص SPI انجام شد. نتایج معیارهای ارزیابی نشان داد که شدت خشکسالی برآورد شده به وسیله شاخص­های VDI و TDI در انطباق با مقادیر شاخص SPI به ترتیب دارای ضریب همبستگی معنی­دار (69/0) و (66/0) است. از این‌رو این شاخص‌های خشکسالی مبتنی بر داده‌های سنجش از دوری به خوبی می‌تواند در سیستم‌های هشدار سریع خشکسالی استفاده شود.

کلیدواژه‌ها


 [2]. Balint, Z., Mutua, F.M., Muchiri, P., & Omuto, C.T. (2013). Monitoring Drought with the Combined Drought Index in Kenya. Journal of Developments in Earth Surface Processes, Vol. 16. pp. 341-356.
 [3]. Balint, Z., Mutua, F.M., & Muchiri, P. (2011). Drought Monitoring with the Combined Drought Index. Methodology and Software. FAO-SWALIM Nairobi, Kenya, PP. 1-28.
[4]. Bhuiyan, C., Singh, R.P., & Kogan, F.N. (2006). Monitoring drought dynamics in the Aravalli Region (India) using different indices based on ground and remote sensing data. Inter. J. Appl. Earth Obs. Geoinf, 8: 289-30.
[6]. Ebrahimzadeh, S., Bazrafshan, J., & Ghorbani, K.H. (2013). Comparative study of drought index based on satellite data and ground-based techniques using vector analysis (case study: Kermanshah Proninve). journal of water and soil (Agricultural Science and Technology), 27: 5. 1045-1034. (in Farsi).
[8]. Guttman, N. (1998). Comparing the Palmer Drought Index and the Standardized Precipitation Index. J. of Am Water Resources Association, 34, PP.113-121.
[9]. Heim, R.R. (2002). A Review of Twentieth-century Drought Indices Used in United States. Bulletin of the American Meteorological Society, 84: 1149-1165.
[10]. Hellden, U., Christian, T. (2008). Regional Desertification: a Global Synthesis. Global and Planetry Change, 64: 3-4, PP. 169-176.
[11]. Jahanbakhsh, A., Sarraf, S.S., Khorshiddoust, B., & Rostamzadeh, A.M. (2009). Assessment and analysis of vegetation change in Sarab Plain in drought and wet years. J. Geograph, 23: 132-117. (in Farsi).
[12]. 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, 179–184.
[13]. McKee, T.B., Doesken, N.J., & Kleist, J.Y. (1995). Drought monitoring with multiple time scales. Ninth Conference on Applied Climatology. American Meteorological Society: Dallas. TX, PP 233–236.
[14]. Mir-Mousavi, H., & Karimi, H. (2013). Effects of drought on vegetation cover using Landsat MODIS images. J. Geograph. Dev, 31: 76-57. (in Farsi).)
[15]. Mishra, A.K., & Singh, V.P. (2010). A review of drought concepts. Journal of Hydrology, 391(1), 202-216.
[16]. Morid, S., Smakhtin, V., & Moghaddasi, M. (2006). Comparison of seven meteorological indices for drought monitoring in Iran. International Journal of Climatology, 26, 971–985.
[17]. Rahimzadeh, P. (2005). The possibility of using NOAA-AVHRR images to monitor drought. M.Sc. thesis, Tehran University. Faculty of Environment. (in Farsi).
[19]. Rhee, J. (2010). Monitoring Agricultural Drought for Arid and Humid Regions Using Multi-sensor Remote Sensing Data. Remote Sensing of Environment, 114, 2875–2887.
[20]. 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, Pp.121-135.
[21]. Sergio, M., & Vicente, S. (2007). Evaluating the Impact of Drought Using Remote Sensing in a Mediterranean, Semi arid Region. Natural Hazards, 40: 1. 173-208.
[22]. Shakya, N., & Yamaguchi, Y. (20100. Vegetation, water and thermal stress index for study of drought in Nepal and central Northeastern India. International Journal of Remote Sensing, 31, 903–912.
[24]. Szinell, C.S., Bussay, A., Szentimrey, T.(1998). Drought tendencies in Hungary. Int. J. Climatol, 18, 1479–1491.
[25]. Thenkabail, P.S., Enclona, E.A., Ashton, M.S., Legg, C., & Jean De Dieu, M. (2004). The use of remote sensing data for drought assessment and monitoring in southwest Asia. International Water Management Institute. PO Box 2075. Colombo. Sri Lanka.
[26]. Vyas, S.S., Bhattacharya, B.K., Nigam, R., Guhathakurta, P., Ghosh, K., Chattopadhyay, N., & Gairola, R.M. (2015). A combined deficit index for regional agricultural drought assessment over semi-arid tract of India using geostationary meteorological satellite data. International Journal of Applied Earth Observation and Geoinformation, 39: 28-39.
[27]. Wilhite, D.A. (20000. Drought as a natural hazard, In: Wilhite, D. A (Editor), Drought: A Global Assessment, Routledge, London.
[28]. 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, 21, 745–758.