پایش خشکسالی در کشت های غیرآبی با استفاده از تکنیک سنجش از دور

نویسندگان

1 دانشجوی دکتری گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد، خراسان رضوی

2 استادیار، گروه مهندسی آب ، دانشکده کشاورزی، دانشگاه گیلان، رشت - ایران

3 استاد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد، خراسان رضوی - ایران

4 دانشیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد، خراسان رضوی - ایران

چکیده

پوشش گیاهی در هر منطقه نقشی کلیدی در مدل سازی تغییرات و یا حفظ اکوسیستم دارد. شاخصه های خشکسالی هواشناسی که مستقیماً از روی داده های هواشناسی نظیر بارندگی محاسبه می شوند، در صورت فقدان داده های مذکور، در پایش خشکسالی مفید واقع نخواهند شد، لذا تکنیک سنجش از دور می تواند ابزاری مفید در پایش خشکسالی به شمار رود. در این تحقیق با استفاده از تصاویر ماهواره ای سنجنده مودیس روند تغییرات شاخص نرمال شده پوشش گیاهی (NDVI) در ماه های نوامبر تا می سال های 2001 تا 2010 در کشت مرتع و اراضی دیم حوضه آبریز نیشابور بررسی شد. به منظور پایش دقیق تر خشکسالی، شاخص بارش استاندارد (SPI) و شاخص وضعیت پوشش گیاهی (VCI) محاسبه و کلاس خشکسالی براساس هر دو شاخص مذکور تعیین شد. نتایج نشان داد که بیشترین ضرایب همبستگی میان شاخص NDVI و مقادیر بارندگی برای بارش های با تأخیر زمانی شش ماهه به دست آمده، گرچه بیشترین افزایش ضریب همبستگی برای گذر از باران یک ماهه به دو ماهه دیده شد (افزایش از 068/0 به 547/0). کمترین و بیشترین ضرایب همبستگی مذکور در طی این 10 سال به ترتیب صفر و 73/0 در اراضی مرتع و صفر و 71/0 در اراضی دیم به دست آمد. مقایسه نتایج دو شاخص SPI و VCI در کلاس بندی خشکسالی نشان داد که شاخص SPI نمی تواند به صورت تمام و کمال بیان گر وضعیت خشکسالی کشاورزی باشد. کمترین و بیشترین ضرایب همبستگی میان شاخص VCI و SPI در بازه های زمانی یک، سه، شش، نه و 12 ماهه به ترتیب (0-23/0)، (04/0-8/0)، (001/0-66/0)، (0-57/0) و (15/0-83/0) به دست آمده اند. بررسی ضرایب همبستگی میان شاخص VCI و SPI نشان داد که کمترین ضرایب همبستگی (001/0) برای SPI در بازه زمانی یک ماهه به وقوع پیوسته است.

کلیدواژه‌ها


عنوان مقاله [English]

Drought monitoring in unirrigated lands based on the remote sensing technique

نویسندگان [English]

  • Ruzbeh Moazzenzadeh 1
  • Saleh Arshad 2
  • Bijan Ghahraman 3
  • Kamran Davari 4
1
2
3
4
چکیده [English]

Regional vegetation plays an important role in modeling ecosystem changes and conservation. Meteorological drought indices which are directly obtained from such meteorological data as precipitation can't be useful in drought monitoring if those data are absence. Therefore, remote sensing techniques may provide an efficient technique for drought monitoring. In this study, the values of Normalized Difference Vegetation Index (NDVI) changes was investigated in the pasture and rainfed lands of Neishabour watershed during November to May, 2001 to 2010 using Moderate Resolution Imaging Spectroradiometer (MODIS) satellite images. In order to practice a more precise drought monitoring, standardized precipitation (SPI) and vegetation indexes (VCI) were also computed and drought class determined based on both values. The results showed that the highest correlation coefficients between NDVI and precipitation were obtained for 6-months time step; however the highest increment in correlation coefficients were as transition from one to two month(s) precipitation (increment from 0.068 to 0.547). The lowest and highest mentioned correlation coefficients during 2001 to 2010 were achieved as zero and 0.73 for pastures, zero and 0.71 for rainfeds, respectively. Comparison of SPI and VCI results as for drought classing showed that SPI index cannot exactly describe agricultural drought conditions perfectly. The lowest and highest correlation coefficients between VCI and SPI with time series of 1, 3, 6, 9 and 12 months were obtained as (0-0.23), (0.04-0.8), (0.001-0.66), (0-0.57) and (0.15-0.83), respectively. Analysis of the correlation coefficients between SPI and VCI showed that its lowest value (0.001) was happened for monthly SPI.

کلیدواژه‌ها [English]

  • Agricultural drought
  • Drought indices
  • Neishabour
  • Satellite images
  • Standardized precipitation