پایش خشکسالی بر اساس شاخص‌ماهواره‌ای (SDI) و داده‌های سنجنده TRMM (مطالعه موردی : استان خراسان رضوی)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجو دکتری/دانشگاه فردوسی

2 دانشیار گروه مهندسی آب، دانشگاه فردوسی مشهد.

3 استادیار دانشکده منابع طبیعی و محیط زیست دانشگاه فردوسی مشهد

4 کارشناس/هواشناسی

10.30467/nivar.2018.125918.1085

چکیده

کشور ایران با قرار گرفتن در منطقه خشک جهان همواره در معرض وقوع پدیده خشکسالی قرار دارد. متوسط بارش در کشور کمتر از یک سوم متوسط بارش سالانه جهان است و این میزان نیز از توزیع زمانی و مکانی مناسبی برخوردار نیست. از جمله روش-های بررسی خشکسالی استفاده از شاخص‌های هواشناسی می‌باشد که با استفاده از داده‌های ایستگاه‌های هواشناسی محاسبه می-گردند. یکی از مهمترین مشکلات استفاده از این شاخص‌ها در ایران پراکندگی نامناسب ایستگاه‌ها یا کمبود داده می‌باشد. در مقابل این روش‌ها، فن‌آوری سنجش‌از‌دور قادر به جمع‌آوری داده از نواحی وسیع توسط سنجنده‌های مختلف است. در این مطالعه به منظور بررسی همه جانبه خشکسالی در استان خراسان‌رضوی در سال‌ های 2001 تا 2010، از شاخص ترکیبی بررسی خشکسالی(SDI) استفاده گردید. این شاخص با استفاده از اطلاعات 3 شاخص، وضعیت پوشش گیاهی(VCI)، وضعیت دمایی(TCI) و وضعیت بارش(PCI) از طریق روش آنالیز مؤلفه اصلی(PCA) محاسبه گردید. به منظور صحت‌سنجی شاخص-(SDI)، رابطه همبستگی این شاخص با شاخص(SPI) در بازه‌های زمانی3، 6 و 9 ماهه در طی فصل رشد بررسی شد، مقایسه‌ای میان مجموع بارش سالیانه و میانگین بلندمدت بارش در 10 ایستگاه سینوپتیک در این استان انجام شد و همچنین رابطه همبستگی دو شاخص(VCI) و (SDI) با میزان عملکرد دیم دو گیاه گندم و جو نیز بررسی شد. نتایج این مطالعه حاکی از بروز خشکسالی در سال‌های 2001، 2002، 2006 و 2008 در استان خراسان رضوی بود. نتایج بررسی صحت‌سنجی نیز حاکی از وجود همبستگی(R) بالا میان دو شاخص(SDI) و (SPI) می‌باشد. همچنین نتایج این مطالعه نشان داد که شاخص ترکیبی(SDI) علاوه بر پایش همه-جانبه خشکسالی هواشناسی و بالا بردن دقت مکانی پایش این پدیده قادر به شناسایی خشکسالی کشاورزی نیز می‌باشد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Drought monitoring based on satellite index (SDI) and TRMM data. (Case Study: Khorasan Razavi province)

نویسندگان [English]

  • Mozhdeh Salimi fard 1
  • Seyed Hossein Sanaei-nejad 2
  • adel sepehr 3
  • leila sabet dizavandi 4
1 Ph-D student of agrometeorology / Ferdowsi university
2 Associate Professor of water engineering department , Ferdowsi university of mashhad.
3 Assistant Professor, Faculty of Natural Resources and the Environment, Ferdowsi university of Mashhad
4 meteorology
چکیده [English]

Iran located in arid and semi-arid area has many parts with high susceptibility to drought. The average rainfall of Iran is less than a third of the average annual rainfall in the world which has an inappropriate spatial -temporal distribution. Meteorological indices can be used for drought monitoring calculated by situations data. One of the main problems for applying these indices in Iran is inappropriate distribution of station and lack of data. In other hand, remote sensing technology is able to extract data from remote area. In this study in order to analyze drought risk in Khorasan Razavi province Synthesis Drought Index (SDI),”between 2001 to 2010” was applied. Vegetation Condition Index (VCI), Temperature Condition Index (TCI) and Precipitation Condition Index (PCI) through Principal Component Analysis (PCA) were measured for estimating SDI. For assessing the accuracy of SDI, correlation between these indicators and SPI (3, 6, 9-month) have been studied during the growing season, comparison was also done between total annual rainfall and long-term average rainfall in 10 synoptic stations in the studied area, as well as correlation between two indices VCI and SDI with the yield of rainfed wheat and barley. The results indicated that drought has been occurred in years 2001, 2002, 2006 and 2008 in the Khorasn Razavi province. The result of validation showed high correlation between SDI and SPI. Also the results showed that the Synthesis Drought Index in addition to monitor meteorological drought with ability of enhanced spatial resolution could be applied for identifying agricultural drought.

کلیدواژه‌ها [English]

  • Drought
  • NDVI data
  • Land surface Temperature
  • TRMM sensors
  • Synthesized Drought Index (SDI)
  1. آسیائی، م. اقوامی، م. جغرافیای گردشگری استان خراسان. (1383).انتشارات سخن­گستر.
  2. بابایی فینی، ا. علیجانی، ب. تحلیل فضایی خشکسالی­های بلند­مدت ایران. (1392). نشریه پژوهش­های جغرافیایی طبیعی. شماره3. صفحه 12-1.
  3. باعقیده، م. علیجانی، ب. ضیائیان، پ. بررسی امکان استفاده از شاخص­ پوشش گیاهی NDVI در تحلیل خشک­سالی­های استان اصفهان. (1390). مطالعات جغرافیایی مناطق خشک، سال اول، شماره چهارم، صفحه 16-1.
  4. ثنائی­نژاد، ح. داوری، ک. عابدی، ع. پایش خشکسالی  کشاورزی در دشت مشهد با استفاده از نمایهNDVI و معرفی نمایه APVI. (1386). مجله علوم و صنایع کشاورزی(ویژه آب­و­خاک). جلد21. شماره1. صفحه 95-89.
  5. رضایی مقدم، م. ولی­زاده کامران، خ. رستم زاده، ه. ارزیابی کارایی داده­های سنجنده MODIS در برآورد خشکسالی ( مطالعه موردی: حوضه آبریز دریاچه ارومیه). (1391). نشریه جغرافیا و پایداری محیط.شماره 5. صفحه 52-37.
  6. موذن زاده، ر. ارشد، ص. قهرمان، ب. داوری، ک. پایش خشکسالی درکشت­های غیر آبی با استفاده از تکنیک سنجش از دور. (1391).  نشریه مدیریت آب و آبیاری. دوره 2. شماره 2. صفحه 52-39.
  7. یزدان­پناه، ح. مؤمنی، م. حسینقلی­نژاد دزفولی، ح. سلیمانی­تبار، م. مقایسه شاخص­های پوشش گیاهی سنجش­از­ دور در پایش خشکسالی(مطالعه موردی: مراتع نیمه شمالی استان خوزستان). (1393). مجله جغرافیا و برنامه­ریزی محیطی. شماره2. صفحه 98-85.
    1. Bo, Y., Su, Ma., Jing, Li., Yufang, Liao., Bin, Zhou., Kuenzer, Claudia. (2012). Agricultural drought monitoring in Dongting Lake Basin by MODIS data. Agro-Geoinformatics (Agro-Geoinformatics), 2012 First International Conference on, IEEE.

 

  1. Du, L., Tian, Qingjiu.,Yu, Tao., Meng, Qingyan., Jancso, Tamas., Udvardy, Peter., Huang, Yan. (2013). "A comprehensive drought monitoring method integrating MODIS and TRMM data." International Journal of Applied Earth Observation and Geoinformation 23: 245-253.

 

  1. Karnieli, A., Agam, Nurit., Pinker, Rachel T., Anderson, Martha., Imhoff, Marc L., Gutman, Garik G., Panov, Natalya., Goldberg, Alexander. (2010). "Use of NDVI and land surface temperature for drought assessment: Merits and limitations." Journal of climate 23(3): 618-633.

 

  1. Kogan, F. (1995). "Application of vegetation index and brightness temperature for drought detection." Advances in Space Research 15(11): 91-100.

 

  1. Morid, S., Moghaddam, M., Paymozd, Sh., Ghaemi, H. (2005). "Design of Tehran province drought monitoring system. Final Report." Water Resources Management Co.(WRMC-Iran), 196p.(In Persian).

 

  1. Quiring, S. M. and S. Ganesh (2010). "Evaluating the utility of the Vegetation Condition Index (VCI) for monitoring meteorological drought in Texas." Agricultural and Forest Meteorology 150(3): 330-339.

 

  1. Rhee, J., Im, Jungho., Carbone, Gregory J. (2010). "Monitoring agricultural drought for arid and humid regions using multi-sensor remote sensing data." Remote Sensing of Environment 114(12): 2875-2887.

 

  1. Son, N., Chen, CF.,Chen, CR., Chang, LY., Minh, VQ. (2012). "Monitoring agricultural drought in the Lower Mekong Basin using MODIS NDVI and land surface temperature data." International Journal of Applied Earth Observation and Geoinformation 18: 417-427.

 

  1. Sun, D. and M. Kafatos (2007). "Note on the NDVI‐LST relationship and the use of temperature‐related drought indices over North America." Geophysical Research Letters 34(24).

 

  1. Tsiros, E., Domenikiotis, C., Spiliotopoulos, M., Dalezios, NR. (2004). Use of NOAA/AVHRR-based vegetation condition index (VCI) and temperature condition index (TCI) for drought monitoring in Thessaly, Greece. EWRA Symposium on water resources management: risks and challenges for the 21st century, Izmir, Turkey.

 

  1. Unganai, L. S. and F. N. Kogan (1998). "Drought monitoring and corn yield estimation in Southern Africa from AVHRR data." Remote Sensing of Environment 63(3): 219-232.