تلفیق اطلاعات اقلیمی و سنجش از دور در شاخص تلفیقی خشکسالی، به ‌منظور پهنه‌بندی خشکسالی در دشت یزد- اردکان

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار گروه مهندسی طبیعت، دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد، شهرکرد، ایران.

2 دانش‌آموخته کارشناسی ارشد مدیریت مناطق بیابانی، دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد، شهرکرد ، ایران.

3 دکترای علوم و مهندسی آب، استادیار پژوهشی مرکز ملی تحقیقات شوری، سازمان تحقیقات، آموزش و ترویج کشاورزی، یزد. ایران.

چکیده

خشکسالی پدیده‌ای گسترده است که شدت آن در زمان و مکان متغیر است. پایش خشکسالی، تنها با استفاده از داده‌های هواشناسی به دلیل تعداد کم و پراکنش نامناسب ایستگاه‌ها دقیق نیست. لذا استفاده از سنجش از دور و شاخص‌های پوشش گیاهی، به عنوان راهکار تلفیقی مفیدی در مطالعه خشکسالی اهمیت دارد. تحقیق حاضر به‌منظور پهنه‌بندی خشکسالی در دشت یزد- اردکان با تلفیق داده‌های هواشناسی و سنجش از دور انجام شده است. در این تحقیق از داده‌های ایستگاه‌های هواشناسی یزد، میبد و مهریز بین سال‌های 1381 تا 1394 استفاده شده است. ابتدا شاخص بارش استاندارد (SPI)، در مقیاس ماهانه برای هر سه ایستگاه محاسبه شد. مقادیر ماهانه، متوسط گرفته شد و نقشه پهنه‌بندی میانگین SPI ترسیم شد. با استفاده از تصاویر لندست، شاخص SAVI محاسبه شد و نقشه آن در 16 زمان مختلف تهیه شد. به دلیل نقش دما در وقوع خشکسالی، شاخص تلفیقی تاثیر خشکسالی IDI با استفاده از دما و بارش و شاخص SAVI محاسبه شد. پهنه‌بندی مقادیر متوسط SPI نشان داد کمترین مقادیر SPI مربوط به مناطق میانی، شمال و جنوب شرقی و بیشترین مقادیر مربوط به ارتفاعات غربی دشت می‌باشد. نقشه پهنه‌بندی SAVI نشان داد که مراتع منطقه میبد و یزد دارای کمترین تراکم می‌باشد. ضریب همبستگی مقادیر SPI و SAVI بین 0/5 تا 0/65 تغییر می‌کند و مقادیر بیشتر متعلق به محدوده مهریز است. مقادیر IDI در مراتع مرتفع‌تر کمتر است یعنی این مناطق از خشکسالی تاثیر کمتری داشته‌اند. متوسط مقادیر IDI در محدوده مهریز، یزد و میبد حداکثر به 5، 100 و 160 می‌رسد. تغییرات زمانی شاخص‌های خشکسالی نشان داد در مواقعی که بارش افزایش‌یافته‌، شاخص IDI کاهش‌یافته است. امکان وقوع تأخیر زمانی بین تغییرات بارش با تغییر شاخص IDI نیز مشاهده‌ شد. مقایسه مقادیر ماهانه IDI و بارندگی نشان داد بازه زمانی تاثیر بارندگی بر مقادیر شاخص IDI حدود سه ماه است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Combining climate information and remote sensing in the integrated drought index, for zoning of drought the Yazd-Ardakan plain

نویسندگان [English]

  • Rafat Zare Bidaki 1
  • Omid Yazdandoost 2
  • Mohammad Hassan Rahimian 3
  • Nasrin Gharahi 3
1 Assisstant Professor, Department of Nature Engineering, Faculty of Natural Resources and Earth Sciences, Shahrekord University, Shahrekord, Iran.
2 M.Sc. Graduate of Management of Deseret Area, Faculty of Natural Resource and Earth Sciences, Shahrekord University, Shahrekord, Iran.
3 PhD of Water Science and Engineering, Research Assistant Professor of National Salinity Research Center, Agricultural Research, Education and Extension Organization, Yazd, Iran.
چکیده [English]

Drought is a widespread phenomenon that its intensity varies in time and place. Drought monitoring using meteorological data alone, is not accurate due to small number and inadequate distribution of meteorological stations. Therefore, the use of remote sensing technique and vegetation indices is important as a useful integrated solution for the study of drought. The present study was conducted for Drought zoning in Yazd-Ardakan plain by combining meteorological and remote sensing data. In this research, data of meteorological stations of Yazd, Meybod and Mehriz between 2002 and 2015 have been used. First, the Standard Precipitation Index (SPI) was calculated in monthly scale for all three stations. The mean values of monthly SPI computed and mapped. Using Landsat images, the SAVI index was calculated and its map was prepared in 16 different times. Due to the role of the temperature in the occurrence of drought, the IDI (Integrated Drought Index) was calculated using temperature and precipitation and SAVI index. Zoning of mean SPI values showed that the lowest SPI values are in the middle, north and southeast and the highest values are related to the western heights of the plain. SAVI zoning showed that the rangelands of Meybod and Yazd regions have the lowest density. The correlation coefficient of SPI and SAVI values varies between 0.5 to 0.65, and larger values belong to Mehriz region. IDI values are lower in higher rangelands, meaning that these areas have been less affected by drought. The mean values of IDI in Mehriz, Yazd and Meybod regions reach a maximum of 5, 100 and 160. Temporal changes in drought indices showed that when rainfall increased, the IDI index decreased. The possibility of lag time between precipitation and changes in IDI was also observed. Comparison of monthly IDI values and rainfall showed that the time effect of rainfall on IDI index is about three months.

کلیدواژه‌ها [English]

  • IDI (Integrated Drought Index)
  • Satellite images
  • SPI (Standard Precipitation Index)
  • Yazd Province
ابراهیم‌زاده، س.، بذرافشان، ج.، و قربانی، خ. (1392). امکان‌سنجی تشخیص تغییرات پوشش گیاهی مبتنی بر شاخص‌های زمینی و ماهواره‌ای خشکسالی. هواشناسی کشاورزی، (1)1، 48-37.
ابراهیمی خوسفی، م.، درویش‌زاده، ر.، متکان، ع.ا.، و عاشورلو، د. (1389). بررسی خشکسالی در مناطق خشک مرکزی ایران با استفاده از تصاویر ماهواره‌ای با تکیه بر شاخص‌های گیاهی (مطالعه موردی: شیرکوه یزد)، علوم محیطی، (4)7، 72-59.
اسدی می‌آبادی، ا.، اخضری، د.، و نوری، ح. (1400). تلفیق داده‌های زمینی و ماهواره‌ای برای پهنه‌بندی خشکسالی (مطالعه موردی: دشت ملایر). علوم و تکنولوژی محیط زیست، (4)23، 96-83.
اسکندری دامنه، ح.، زهتابیان، غ.، خسروی، ح.، آذرنیوند، ح.، و براتی، ع.ا. (1399). بررسی روند تغییرات پوشش گیاهی متاثر از خشکسالی در مناطق خشک و نیمه‌خشک با استفاده از تکنیک سنجش از دور (مطالعه موردی استان هرمزگان). مهندسی اکوسیستم بیابان، (28)9، 28-13.
بهبهانی، ن.،  فلاح شمسی، س.ر.،  فرزادمهر، ج.، عرفانی‌فرد، س.ی.، و رمضانی گسک، م. (1389). استفاده از شاخص‌های پوشش گیاهی تصاویر ASTER-L1B در برآورد سطح تاج پوشش تک درختان مراتع مشجر مناطق خشک، مطالعه موردی؛ تگ احمد شاهی- خراسان جنوبی. مرتع، (1)4، 103-93.
پورمحمدی، س.، و رحیمیان، م.ح. (1388). مطالعه خشکسالی در حوزه‌های آبخیز مناطق خشک و کوهستانی با استفاده از شاخص SPI (مطالعه موردی: حوزه منشاد در استان یزد). پنجمین همایش ملی علوم و مهندسی آبخیزداری ایران، گرگان، اردیبهشت 1388.
پورمحمدی، س.، رحیمیان، م.ح.، کلانتر، م. و پورمحمدی، س. (1391). پهنه‌بندی تأثیر خشکسالی بر پوشش گیاهی توسط سنجش از دور در دشت یزد– اردکان. پژوهش‌های جغرافیای طبیعی، تابستان، (2)44، 143-125.
جباری، س.، خواجه‌الدین، س. ج.، جعفری، ر.، و سلطانی، س. (1393). بررسی تغییرات درصد پوشش گیاهی مراتع با استفاده از تصاویر ماهواره‌ای در منطقه سمیرم اصفهان. بوم شناسی کاربردی، (10)3، 38-27.
حجازی‌زاده، ز.، و جوی‌زاده، س. (1398). تحلیل آمار فضایی خشکسالی در ایران. تحقیقات کاربردی علوم جغرافیایی، (53)19، 277-251.
حسینی توسل، م.، ارزانی، ح.،  فرجزاده اصل، م.، جعفری، م.، بابایی کفاکی، س.، و کهندل، ا. (1394). پایش تغییرات پوشش گیاهی مراتع در فصل رویش با استفاده از تصاویر ماهواره‌ای و ارتباط آن با عوامل اقلیمی (مطالعه موردی: استان البرز). تحقیقات مرتع و بیابان ایران، (4)22، 624-615.
رحیمی، م.، دماوندی، ع.ا.، و جعفریان، و. (1394). بررسی کاربردهای سنجش از دور در ارزیابی و پایش تخریب سرزمین و بیابانزایی. اطلاعات جغرافیایی (سپهر)، (88)22، 128-115.
زارع ارنانی، م.، و اسلامیان، س.س. (1381). تحلیل روابط عمق- سطح- تداوم بارش در دشت یزد- اردکان. علوم کشاورزی ایران. (1)33، 56-49.
زارع بیدکی، ر.، یزدان دوست، ا.، و رحیمیان، م.ح. (۱۳۹۶).  بهترین شاخص گیاهی برای پایش خشکسالی در دشت یزد- اردکان.، نخستین همایش بین‌المللی سامانه اطلاعات جغرافیایی جاده ابریشم، اصفهان، خرداد 1396.
زارع خورمیزی، ه.، حسینی، س.ز.، مختاری، م.ح.، و غفاریان مالمیری، ح.ر. (1396).  بررسی ارتباط خشکسالی و تغییرات NDVI در تیپ‌های مختلف پوشش گیاهی (مطالعه موردی: مراتع جنوب استان یزد). خشک‌بوم،(2)7، 101-85.
سرابی، س.، حشمت‌پور، ع.، کمکی، چ.ب.، و طهماسبی، ا. (1394). ارزیابی ارتباط میان شاخص‌های گیاهی سنجنده MODIS  و خشکسالی مراتع شمالی استان گلستان. تحقیقات مرتع و بیابان ایران، (2)22، 405-392.
صابری، ع.، سلطانی‌گردفرامرزی، س.، و میریعقوب زاده، م. (1397). مطالعه خشکسالی با استفاده از شاخص‌های هواشناسی و داده‌های سنجش‌ازدور (استان آذربایجان غربی). فیزیک زمین و فضا، 2(44)، 461-439.
فاضل دهکردی، ل.، آذرنیوند، ح.، زارع چاهوکی، م.ع.، محمودی کهن، ف.، و خلیقی سیگارودی، ش. (1395)، پایش خشکسالی با استفاده از شاخص‌ پوشش گیاهی NDVI (مطالعه موردی: مراتع استان ایلام). مرتع و آبخیزداری،(1)69، 154-141.
فتاحی، ا.، یزدانی، س.، حسینی، س.ص.، صدر، س.ک. (1390). ارزش‌گذاری تفریحی آب‌های زیرزمینی دشت یزد- اردکان. تحقیقات اقتصاد و توسعه کشاورزی ایران (علوم کشاورزی ایران)، (2)42، 162-153.
محمودی کهن، ف. (1390). پایش خشکسالی در مناطق خشک با استفاده از شاخص‌های سنجش از دور. پایان‌نامه کارشناسی ارشد، دانشکده نقشه‌برداری، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان، کرمان.
مقدسی، م.، پایمزد، ش.، و مرید، س. (1384). پایش مکانی خشکسالی سال‌های 1377-1378 تا 1379-1380 استان تهران با استفاده از شاخصهای DI، SPI، EDI و سیستم اطلاعات جغرافیایی. برنامه‌ریزی و آمایش فضا، (1)9، 215-197.
هادیان، ف.، حسینی، س.ز.، و سیدحسنی، م. (1393). پایش تغییرات پوشش گیاهی با استفاده از اطلاعات بارندگی و تصاویر ماهواره­ای در شمال غرب ایران. تحقیقات مرتع و بیابان ایران، (4)21، 768-756.
Bhuiyan, C., Singh, R.P., and Kogan, F.N. (2006). Monitoring drought dynamics in the Aravalli region (India) using different indices based on ground and remote sensing data. International Journal of Applied Earth Observation and Geoformation, 8(4), 289-302.
Browning, D.M., and Steele, C.M. (2013). Vegetation index differencing for broad- scale assessment of productivity under prolonged drought and sequential high rainfall conditions. Journal of Remote Sensing, 5(1), 327- 341.
Davenport, M.L., and Nicholson, S.E. (1993). On the relation between rainfall and the normalized difference vegetation index for diverse Vegetation Index for diverse vegetation types in East Africa. International Journal of Remote Sensing, 14(12), 2369–2389.
Ebrahimi Khusfi, Z., and Zarei, M. (2020). Relationships between meteorological drought and vegetation degradation using satellite and climatic data in a semi-arid environment in Markazi Province, Iran. Journal of Rangeland Science, 10(2),204-218.
Hayes, M.J. (2007). Drought indices. [Available Online: https://onlinelibrary.wiley.com/doi/abs/10.1002/0471743984.vse8593]
Heidary Alamdarloo, E., Behrang Manesh, M., and Khosravi, H. (2018). Probability assessment of vegetation vulnerability to drought based on remote sensing data. Environmental Monitoring Assessment Journal, 190(12), 702.
Huete, A.R., Liu, H.Q., Batchily, K., and Van Leeuwen, W. (1997). A comparison of vegetation indices over a global set of TM images for EOS-MODIS. Remote Sensing of Environment, 59(3), 440-451.
Kanellou, E., Domenikiotis, C., Tsiros, E., and Dalezios, N.R. (2008). Satellite-based Drought Estimation in Thessaly, European Water, 23(24): 111-122.
Kawabata, A., Ichii K., and Yamaguchi, Y. (2001). Global monitoring of inter annual changes in vegetation activities using NDVI and its relationships to temperature and precipitation. International Journal of Remote Sensing, 22(7): 1377–1382.
Khosravi, H., Azareh, A., Eskandari Dameneh, H., Rafiei Sardoii, E., and Eskandari Dameneh, H. (2017). Assessing the effects of the climate change on land cover changes in different time periods. Arabian Journal of Geosciences, 10(4), 1-10.
Lnag, M., Mahyou, H., and Tychon, B. (2021). Estimation of rangeland production in the arid oriental region (Morocco) combining remote sensing vegetation and reainfall indices: chellenges and lessons learned. Remote Sensing, 13(11), 2093.
McKee, T.B., Doesken, N.J., and Kleist, J. (1995). Drought Monitoring with Multiple Time Scales. 9th Conference on Applied Climatology, American Meteorological Society, January 15-20, 1995.
Malo, A.R., and Nicholson, S.E. (1990). A study of rainfall and vegetation dynamics in the African Sahel using normalized difference vegetation index. Journal of Arid Environments, 19(1), 1–24.
Sharma, B.R., and Smakhtin, V.U. (2004). Potential of water harvesting as a strategic tool for drought mitigation. International Water Management Institute, 24p.
Ji, T., Li, G., Yang, H., Liu, R., and He, T. (2018). Comprehensive drought index as an indicator for use in drought monitoring integrating multi-source remote sensing data: a case study covering the Sichuan-Chongqing region., International Journal of Remote Sensing, 39(3): 786-809.
Wilhite, D.A. (1993). The enigma of drought, 3-15. In: Wilhite, D.A. Drought assessment, management, and planning, theory and case studies. U.S.A: Kluwer Academic Publishers, 312p.