پایش‌ خشکسالی‌ با استفاده از داده‌های سنجندۀ MODIS و مقایسه‌ با شاخص‌ هواشناسی‌ SPI در دوره‌های کوتاه‌مدت مطالعۀ‌ موردی: استان گلستان

سیاسر, هادی; محمدرضاپور, ام البنی; خدامرادپور, مهرانه

doi:10.22111/gdij.2024.8175

پایش‌ خشکسالی‌ با استفاده از داده‌های سنجندۀ MODIS و مقایسه‌ با شاخص‌ هواشناسی‌ SPI در دوره‌های کوتاه‌مدت مطالعۀ‌ موردی: استان گلستان

نوع مقاله : مقاله پژوهشی

نویسندگان

¹ استادیار گروه کشاورزی، دانشگاه پیام نور، تهران، ایران

² دانشیار گروه مهندسی آب، دانشکده آب و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

³ استادیار گروه علوم و مهندسی آب، دانشگاه بوعلی سینا، همدان، ایران

10.22111/gdij.2024.8175

چکیده

خشکسالی یکی از پیچیده‌ترین بلایای طبیعی است که آسیب‌های اقتصادی، اجتماعی و زیست‌محیطی فراوانی را به همراه دارد و غالباً به‌عنوان یک پدیدۀ خزنده بیان می‌‌شود. پایش خشکسالی با استفاده از تصاویر ماهواره‌ای می‌تواند نمایانگر شدت خشکسالی در مناطق با کمبود داده بارش هواشناسی بوده و کاستی مکانی و زمانی آن را جبران کند. در این‌ پژوهش‌، خشکسالی‌ استان‌‌ گلستان با استفاده از شاخص‌های SPI، TCI،VCI وVHI و به‌ کمک‌ تصاویر ماهواره‌ای سنجندۀ مودیس مورد بررسی‌ قرار گرفته‌ است‌؛ ازاین‌رو، ابتدا نقشه‌های شاخص‌ خشکسالی‌ VHI، VCI و TCI استخراج شد. یافته‌ها در بررسی شاخص TCI نشان داد که سال 2000 بیش از 80 درصد منطقۀ مورد مطالعه خشکسالی شدید را تجربه کرده است. همجنین در سال‌های 2010، 2017 و 2018 نیز بخش قابل‌توجهی از منطقۀ مورد مطالعه در موقعیت خشکسالی شدید قرار داشتند. با بررسی شاخص VCI مشخص شده است که بیشترین گسترۀ خشکسالی بسیار شدید متعلق به سال‌های 2001، 2008 و 2011 بوده است. نقشه‌ها همچنین نشان می‌هد که خشکسالی بسیار شدید هواشناسی در سال 2008 نمود پیدا کرده است. در بررسی‌ شاخص‌ VHI طی‌ دورۀ زمانی 21 ساله‌ در منطقۀ‌ مورد مطالعه‌ نشان داد که‌ سال‌های 2000، 2001، 2002، 2008، 2010، 2011، 2014، 2015، 2017، 2018 و 2021 وضعیت‌ بحرانی‌ خشکسالی‌ را تجربه‌ کرده‌اند. همچنین‌، در سال‌های 2000، 2008 و 2018 بالای 60 درصد از مساحت منطقه در وضعیت خشکسالی خیلی‌ شدید واقع‌ شده است‌. بررسی مقادیر ضریب همبستگی نمایه‌ها VCI،VHI و TCI با شاخص هواشناسیSPI ، نشان داد که شاخص SPI، بیشترین ضریب همبستگی را با شاخص TCI و کمترین ضریب همبستگی را با شاخص VHI دارد. به‌طورکلی‌ بخش‌ اعظم‌ منطقۀ مورد مطالعه‌ در گسترۀ کلاس‌های خشکسالی‌ خیلی‌شدید و شدید قرار گرفته‌ است‌ که‌ نیازمند توجه‌ به‌ مدیریت‌ بهینۀ‌ منابع‌ آبی‌ در این ‌‌نواحی‌ است.

کلیدواژه‌ها

عنوان مقاله [English]

Drought Monitoring using MODIS Sensor Data and Comparison with SPI Meteorological Index in Short-term Periods (Case study: Golestan province)

نویسندگان [English]

Hadi Siasar ¹
Omolbani Mohammadrezapour ²
Mehraneh Khodamorad Pour ³

¹ Assistant Professor of Agricultural, University of Payam Noor, Tehran, Iran

² Associate Professor of Water Engineering, Faculty of water and Soil, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Iran

³ Assistant Professor of water Science and Engineering, Faculty of Agricultural, University of Bu-Ali Sina, Hamedan, Iran

چکیده [English]

Drought is one of the most complex natural disasters that causes economic, social and environmental damage and is often described as a creeping phenomenon. Drought monitoring using satellite images can represent the severity of drought in areas with a lack of meteorological precipitation data and compensate for its spatial and temporal deficiency. In this research, the drought of Golestan province has been investigated using SPI, TCI, VCI and VHI indices and with the help of MODIS sensor satellite images. Therefore, first, VHI, VCI and TCI drought index maps were extracted. The findings in the TCI index study showed that in 2000, more than 80% of the studied area experienced severe drought. Similarly, in 2010, 2017 and 2018, a significant part of the studied area was in a severe drought situation. By examining the VCI index, 2008, and 2011. The maps also show that a very severe meteorological drought occurred in 2008. In the study of the VHI index during a period of 21 years in the studied area, it showed that the years 2000, 2001, 2002, 2008, 2010, 2011, 2014, 2015, 2017, 2018 and 2021 have experienced a critical drought situation. Also, in the years 2000, 2008 and 2018, more than 60% of the area of the region was in a very severe drought situation. In general, most of the studied area is in the range of severe and severe drought classes, which requires attention to the optimal management of water resources in these areas.

کلیدواژه‌ها [English]

Drought
Satellite data
SPI index
Vegetation cover

مراجع

داودآبادی‌فراهانی محمدحسین؛ علیرضا شریفی؛ مهدی عربی (1400). پایش خشکسالی کشاورزی استان مرکزی با استفاده از شاخص‌های VHI و PDSI، علوم و فنون نقشه برداری. دوره 11. شماره 3.

http://jgst.issgeac.ir/article-۱-۱۰۲۸-fa.html

جهانگیر، محمدحسین؛ ضحی مشیدی (1399). 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). مجله آبیاری و زهکشی ایران، 14(4)، صفحات 1264-1252.

https://sid.ir/paper/1057034/fa

Andujar, E., Krakauer, N. Y., Yi, C., & Kogan, F. (2017). “Ecosystem Drought Response Timescales from Thermal Emission versus Shortwave Remote Sensing, Advances in Meteorology” 8434020,pp.1-10.

https://doi.org/10.1155/2017/8434020

Bento, V. A., Gouveia, C. M., DaCamara, C. C., & Trigo, I. F (2018). “A climatological assessment of drought impact on vegetation health index” Agricultural and Forest Meteorology.Vol.259, 286-295.

https:// DOI: 10.1016/j.agrformet.2018.05.014

Bhuiyan, C. (2008). Desert vegetation during droughts: response and sensitivity. Int. Arch. Photogramm. Remote Sens. Spat. Inf. Sci, 37, 907-912.

https://www.researchgate.net/publication/228452114

Carolyn, Qu, Hao, X, J. Qu, J (2019). “Monitoring Extreme Agricultural Drought over the Horn of Africa (HOA) Using Remote Sensing Measurements” Remote Sens. Vol.11, No.8,902.

https:// https://doi.org/10.3390/rs11080902

Dalezios, N , Blanta, A. , Spyropoulos, N.V Tarqui, A (2014). “Risk identification of agricultural drought for sustainable Agroeco systems” Nat. Hazards Earth Syst. Sci, Vol2, No.4, 3097-3135.

https:// doi:10.5194/nhess-14-2435-2014

Möllmann, J., Buchholz, M., Musshoff, O (2019). Comparing the Hedging Effectiveness of Weather Derivatives Based on Remotely Sensed Vegetation Health Indices and Meteorological Indices. Weather, Climate, and Society, Vol.1, No.11, 33-48.

https://doi.org/10.1175/WCAS-D-17-0127.1.

Essa, Y. H. , Khalil, A. A. , M. , Abdel-Wahab (2016). “Assessment of Agricultural Drought under Climate Change” Research Journal of Fisheries and Hydrobiology. Vol.11, 1-11.

https://scholar.google.com/scholar?cluster=5099324163571202503&hl=fa&as_sdt=2005&sciodt=0,5

Gidey, E, Dikinya, O, Sebego, R, Segosebe, E, Zenebe, A (2018). “Earth Systems and Environment Using Drought Indices to Model the Statistical Relationships Between Meteorological and Agricultural Drought in Raya and Its Environs” Earth Systems and Environment Northern Ethiopia.Vol.2, No.6.

https://doi.org/10.1007/s41748-018-0055-9

Guttman, N.B (1999). Accepting the standardized precipitation index: a calcula-tion algorithm. Journal of the American water resources Association, Vol.35, No.2, 311-322.

DOI:10.1111/j.1752-1688.1999.tb03592.x

Han, P., Wang, P. X., Zhang, S. Y., & Zhu, D. Hb (2010). Drought forecasting based on the remote sensing data using ARIMA models. Mathematical and Computer Modelling, 51.11-12: 1398–1403.

https:// DOI:10.1016/j.mcm.2009.10.031

Jang, J.-D (2004). Evaluation of Thermal Water Stress of Forest in Southern Quebec from Satellite Images.These Doctor (Ph.D). University Laval Quebec.

http://hdl.handle.net/20.500.11794/17895

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.

https://www.researchgate.net/publication/234838597_Droughts_Floods_Assessment_and_Monitoring_using_Remote_sensing_and_GIS

Kogan, F. N (2001). Operational space technology for global vegetation assessment. Bulletin of the American Meteorological Society, 82.9: 1949-1964.

http://dx.doi.org/10.1175/1520-0477(2001)082<1949:OSTFGV>2.3.CO;2

Kogan, F.N.F.N (1995). Application of vegetation index and brightness temperature for drought detection. Advances in Space Research, 15.11: 91-100.

https://doi.org/10.1016/0273-1177(95)00079-T

Möllmann, J., Buchholz, M., & Musshoff, O (2018)."Comparing the Hedging Effectiveness of Weather Derivatives Based on Remotely Sensed Vegetation Health Indices and Meteorological Indices" Weather, Climate, and Society, Vol.1, No.11, 33-48.

https://doi.org/10.1175/WCAS-D-17-0127.1

Lotfirad, M., Esmaeili-Gisavandani, H., & Adib, A (2022). Drought monitoring and prediction using SPI, SPEI, and random forest model in various climates of Iran. Journal of Water and Climate Change, 13(2), 383-406.

https://doi.org/10.2166/wcc.2021.287

Pouyan, S., Bordbar, M., Ravichandran, V., Tiefenbacher, J.P., Kherad, M. and Pourghasemi, H.R. (2023). “Spatiotemporal monitoring of droughts in Iran using remote-sensing indices”. Natural Hazards, Vol 117, No 1,1-24.

https://doi.org/10.1007/s11069-023-05847-9

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.

https://doi.org/10.1016/j.agrformet.2009.11.015

Rezaei moghadam, M, Valizadeh Kamran, K, Rostamzadeh, H, Rezaei, A (2014). “Assessing the Efficiency of Vegetation Indicators for Estimating Agricultural Drought Using MODIS Sensor Images (Case Study: Sharghi AzerbaijanProvince)” International journal of Advanced Biological and Biomedical Research. Vol. 2,No.2 399-407.

https://www.ijabbr.com/article_7094.html

Singh, R. P., Roy, S., & 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.

http://dx.doi.org/10.1080/0143116031000084323

Su ,ZB, Yacob A, Wen J, Roerink G, He YB, Gao BH, Boogaard H, van Diepen C (2003). Assessing relative soil moisture with remote sensing data: theory, experimental validation, and application to drought monitoring over the North China Plain, Physics and Chemistry of the Earth, 28 (1-3).

https://doi.org/10.1016/S1474-7065(03)00010-X

Thenkabail, P.S., Gamage, M.S.D.N., Smakhtin, V.U (2003). The Use of Remote Sensing Data for Drought Assessment and Monitoring in Southwest Asia. Research report 85. 1-34.

https:// www.unisdr.org/ files/ 1871_VL102138.pdf