دوره 10، شماره 20 - ( پاییز و زمستان 1398 )
جلد 10 شماره 20 صفحات 261-250 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Soleimani Sardo M, Zarei M. (2019). Drought Monitoring Using MODIS Data and Its Comparison with SPI Meteorological Index in Short Periods (Case Study: Jaz_Murian basin). J Watershed Manage Res. 10(20), 250-261. doi:10.29252/jwmr.10.20.250
URL: http://jwmr.sanru.ac.ir/article-1-982-fa.html
URL: http://jwmr.sanru.ac.ir/article-1-982-fa.html
سلیمانی ساردو مجتبی، زارعی مهدی. پایش خشکسالی با استفاده از داده‌های سنجنده MODIS و مقایسه با شاخص هواشناسی SPI در دوره‌های کوتاه مدت (مطالعه موردی: حوزه آبخیز جازموریان) پژوهشنامه مديريت حوزه آبخيز 1398; 10 (20) :261-250 10.29252/jwmr.10.20.250
1- گروه مهندسی محیط زیست، دانشکده منابع طبیعی، دانشگاه جیرفت
2- مرکز پژوهشی علوم جغرافیایی و مطالعات اجتماعی، دانشگاه حکیم سبزواری
2- مرکز پژوهشی علوم جغرافیایی و مطالعات اجتماعی، دانشگاه حکیم سبزواری
چکیده: (3288 مشاهده)
خشکسالی‌ها به‌عنوان یکی از مهم‌ترین تهدیدات تولیدات کشاورزی در جهان، از مهم‌ترین چالش‌های پیش رو در ایران
بهشمار می‌روند. این پدیده با کاهش میزان نزولات آسمانی شروع شده و به کاهش رطوبت خاک و افزایش دمای سطح زمین منجر گردیده که در نهایت رشد پوشش گیاهی را تحت تاثیر قرار می‌دهد. در این پژوهش، خشکسالی حوضه جازموریان (رودبار جنوب) با استفاده از شاخص‌های VHI، VCI، TCI و SPI به کمک تصاویر ماهواره‌ای سنجنده MODIS مورد بررسی قرار گرفته است. بهاینمنظور، تولیدات LST (MOD11A1)، و تولیدات شاخص پوشش گیاهی (MOD13A1)، برای سال‌های 2000 تا 2018 مربوط به هفته اول ماه مارچ (اسفندماه) انتخاب شدند. در انتخاب تصاویر پایه سعی شده است تا همخوانی زمانی رعایت شود. از اینرو، ابتدا نقشه‌های شاخص خشکسالیVHI و VCI استخراج گردید و سال‌های رخداد خشکسالی با طبقات بحرانی و خیلی شدید مشخص شد، سپس با استفاده از شاخص SPI و داده‌های بارندگی نیز به برآورد خشکسالی در ایستگاه سینوپتیک کهنوج در منطقه مطالعاتی مبادرت شد. یافته‌های این پژوهش در بررسی شاخص VHI نشان داد که سال‌های 2001، 2002، 2006، 2009، 2012، 2016 و 2018 از وضعیت حادتری نسبت به خشکسالی برخوردارند، بهطوری که بیش از 75 درصد وسعت منطقه در کلاس خشکسالی شدید، خیلی شدید و بحرانی قرار گرفته است. با توجه به نتایج حاصل از طبقه‌بندی شاخص VHI، غالبیت کلاس خشکسالی خیلی شدید در قسمت‌های وسیعی از مرکز حوضه بهوضوح قابل مشاهده است و بخش‌های شرقی و جنوبشرقی حوضه بیشتر در کلاس بحرانی خشکسالی واقع شده‌اند که در ارتباط با ویژگی‌های توپوگرافی منطقه و غالبیت خشکی در این نواحی و فقر پوشش گیاهی می‌باشد. همچنین مقایسه نتایج حاصل از شاخص VHI با شاخص هواشناسی SPI در دوره‌های کوتاهمدت (یکماهه، سهماهه، ششماهه) نشان داد که در منطقه مورد مطالعه بیشترین انطباق نسبی شاخص مزبور با SPI ششماهه مشاهده شده است. بهطور کلی بخش اعظم منطقه مورد مطالعه در گستره کلاس‌های خشکسالی خیلی شدید و شدید قرار گرفته است که نیازمند توجه به مدیریت بهینه منابع آبی در این نواحی می‌باشد.
بهشمار می‌روند. این پدیده با کاهش میزان نزولات آسمانی شروع شده و به کاهش رطوبت خاک و افزایش دمای سطح زمین منجر گردیده که در نهایت رشد پوشش گیاهی را تحت تاثیر قرار می‌دهد. در این پژوهش، خشکسالی حوضه جازموریان (رودبار جنوب) با استفاده از شاخص‌های VHI، VCI، TCI و SPI به کمک تصاویر ماهواره‌ای سنجنده MODIS مورد بررسی قرار گرفته است. بهاینمنظور، تولیدات LST (MOD11A1)، و تولیدات شاخص پوشش گیاهی (MOD13A1)، برای سال‌های 2000 تا 2018 مربوط به هفته اول ماه مارچ (اسفندماه) انتخاب شدند. در انتخاب تصاویر پایه سعی شده است تا همخوانی زمانی رعایت شود. از اینرو، ابتدا نقشه‌های شاخص خشکسالیVHI و VCI استخراج گردید و سال‌های رخداد خشکسالی با طبقات بحرانی و خیلی شدید مشخص شد، سپس با استفاده از شاخص SPI و داده‌های بارندگی نیز به برآورد خشکسالی در ایستگاه سینوپتیک کهنوج در منطقه مطالعاتی مبادرت شد. یافته‌های این پژوهش در بررسی شاخص VHI نشان داد که سال‌های 2001، 2002، 2006، 2009، 2012، 2016 و 2018 از وضعیت حادتری نسبت به خشکسالی برخوردارند، بهطوری که بیش از 75 درصد وسعت منطقه در کلاس خشکسالی شدید، خیلی شدید و بحرانی قرار گرفته است. با توجه به نتایج حاصل از طبقه‌بندی شاخص VHI، غالبیت کلاس خشکسالی خیلی شدید در قسمت‌های وسیعی از مرکز حوضه بهوضوح قابل مشاهده است و بخش‌های شرقی و جنوبشرقی حوضه بیشتر در کلاس بحرانی خشکسالی واقع شده‌اند که در ارتباط با ویژگی‌های توپوگرافی منطقه و غالبیت خشکی در این نواحی و فقر پوشش گیاهی می‌باشد. همچنین مقایسه نتایج حاصل از شاخص VHI با شاخص هواشناسی SPI در دوره‌های کوتاهمدت (یکماهه، سهماهه، ششماهه) نشان داد که در منطقه مورد مطالعه بیشترین انطباق نسبی شاخص مزبور با SPI ششماهه مشاهده شده است. بهطور کلی بخش اعظم منطقه مورد مطالعه در گستره کلاس‌های خشکسالی خیلی شدید و شدید قرار گرفته است که نیازمند توجه به مدیریت بهینه منابع آبی در این نواحی می‌باشد.
نوع مطالعه: پژوهشي |
موضوع مقاله:
بلايای طبيعی (سيل، خشکسالی و حرکت های توده ای)
دریافت: 1397/9/16 | پذیرش: 1398/1/31
دریافت: 1397/9/16 | پذیرش: 1398/1/31
فهرست منابع
1. AghaKouchak, A., A. Farahmand, F.S. Melton, J. Teixeira, M.C. Anderson, B.D. Wardlow, C.R. Hain. 2015. Remote sensing of drought: progress, challenges and opportunities. Reviews. Geophysics, 53:452-480. doi.org/10.1002/2014RG000456. [DOI:10.1002/2014RG000456]
2. Badaq Jamali J., M Asiaee, S. Samadi Naghab and S. Javanmard. 2005. Drought risk management (knowledge and solutions). Sokhan Gostar press. (In Persian)
3. Bhuiyan, C., R.P. Singh, F.N. Kogan, 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 Geoinformation, 8: 289-302. [DOI:10.1016/j.jag.2006.03.002]
4. Campbell, B.M., S.J. Vermeulen, P.K. Aggarwal, C. Corner-Dolloff, E. Girvetz, A.M. Loboguerrero, J. Ramirez-Villegas, T. Rosenstock, L. Sebastian, P.K. Thornton, E. Wollenberg. 2016. Reducing risks to food security from climate change. Global Food Ssecurity, 11: 34-43. [DOI:10.1016/j.gfs.2016.06.002]
5. Damavandi, A., M. Rahimi, M.R. Yazdani, A.A. Noroozi. 2016. Spatial monitoring of agricultural drought through time series of NDVI and LST indices of MODIS data (case study: Markazi Province). Scientific-Research Quarterly of Geographical Data (SEPEHR), 25(99):115-126. (In Persian)
6. Dracup, J.A., K.S. Lee and E.G. Paulson Jr. 1980. On the statistical characteristics of drought events. Water Resource Research, 16: 289-296. [DOI:10.1029/WR016i002p00289]
7. Du. L., T. Qingjiu, Y. Tao, Q. Meng, T. Jancso, P. Udvardy, Y. Huang, 2013. A comprehensive drought monitoring method integrating MODIS and TRMM data. International Journal of Applied Earth Observation and Geoinformation, 23: 245-253. [DOI:10.1016/j.jag.2012.09.010]
8. Farahani, F., T. Farahnaz, M. Hatami and E Owlad. 2014. Identification of thermal anomalies in Saravan earthquake based on Satellite Image Processing. 16th Iranian Geophysical Conference, 203-208. (In Persian)
9. Guttman, N.B., 1999. Accepting the standardized precipitation index: a calcula-tion algorithm. Journal of the American water resources Association, 35 (2): 311-322. [DOI:10.1111/j.1752-1688.1999.tb03592.x]
10. Heim, R.R. 2002. A review of twentieth-century drought indices used in the United States. Bulletin of the American Meteorological Society, 83(8): 1149-1166. [DOI:10.1175/1520-0477-83.8.1149]
11. Kogan, F., 2002.World droughts in the new millennium from AVHRR-based vegetation health indices. EOS, Transactions, American Geophysical :union:, 83(48):557-563. [DOI:10.1029/2002EO000382]
12. Kogan, F., N. Stark., A. Gitelson., L. Jargalsaikhan., C. Dugrajav and S. Tsooj. 2004. Derivation of pasture biomass in Mongolia from AVHRR-based vegetation health indices. International Journal of Remote Sensing, 25(14): 2889-2896. [DOI:10.1080/01431160410001697619]
13. Kogan, F.N. 1995. Droughts of the late 1980s in the United States as derived from NOAA polar-orbiting satellite data. Bulletin of the American Meteorological Society, 76(5): 655-668.
https://doi.org/10.1175/1520-0477(1995)076<0655:DOTLIT>2.0.CO;2 [DOI:10.1175/1520-0477(1995)0762.0.CO;2]
14. Kogan, F.N., 1995. Application of vegetation index and brightness temperature for drought detection. Advances in Space Research, 15(11): 91-100. [DOI:10.1016/0273-1177(95)00079-T]
15. Liu, W., Kogan, F.N. 1996. Monitoring regional drought using the Vegetation Condition Index. International. Journal of Remote Sensing. 17: 2761-2782. [DOI:10.1080/01431169608949106]
16. Lotfi Nasab, S., A. Gohar Dost, and M. Khosroshahi. 2018. Assessment and Application of Geostatistics in Identifying and Analyzing Drought Characteristics of Jazmourian Watershed. Journal of Watershed Management Research, 10(18): 12-25.
17. Mckee, T.B., N.J. Doesken, and J. Kleist 1993. The relationship of drought frequency and duration to time Scales. Preprints 8th Conference on Applied Climatology. 179-184.
18. Mirmosavei, H. and H. Kareimei. 2013. Effect of drought on vegetation cover using MODIS sensing images case: Kurdistan Province. Geography and Development Iranian Journal, 11(31): 57-76.(In Persian(
19. Orville, H. D. 1990. AMS statement on meteorological drought. American Meteorological Society. 45 Prepared by the AMS Committee on Applied Climatology. [DOI:10.1175/1520-0477-71.7.1021]
20. Pourkhosravani, M., A. Mehrabi and S.H. Mousavi. 2018. Drought spatial analysis of Sirjan basin using remote sensing. Desert Ecosystem Engineering Journal, 7(20):13-23.
21. Rezaeimoghadam M., K. Khalil Valizadeh, H. Rostamzadeh, A. Rezaee. 2012. Evaluating the Adequacy of MODIS in the Assessment of Drought (Case Study: Urmia Lake Basin). Geography and Sustainability of Environment, 2(5):37-52. (In Persian(
22. Sadatinejad, S.J., S.H. Alavinia, R. Abedi, A. Honarbakhsh, KH. Abdollahi. 2015. Frequency analysis of regional meteorological drought in Karun-1 basin of Iran. Journal of Watershed Management Research, 6(12): 108-117.
23. Sarabi., S., A. Heshmatpour, B. Komaki and A. Tahmasebi. 2015. Relationship between MODIS vegetation indices and drought in northern rangelands of Golestan province. Iranian Journal of Range and Desert Research, 22(2): 392-405. (In Persian(
24. Singh, R.P., S. Roy, and F. Kogan. 2003. Vegetation and temperature condition indices from NOAA AVHRR data for drought monitoring over India. International Journal of Remote Sensing, 24(22): 4393-4402. [DOI:10.1080/0143116031000084323]
25. Thenkabail, P. S., M. S. D. N. Gamage, V. U. Smakhtin. 2004. The use of remote sensing data for drought assessment and monitoring in Southwest Asia. Research Report 85, International Water Management Institute.
26. Yagci, A.L., L. Di, M. Deng, W. Han and Ch. Peng. 2011. Agricultural drought monitoring from space using freely available MODIS data and impacts on cotton commodity. Pecora 18 - Forty Years of Earth Observation. Understanding a Changing World, November 14-17, 2011. Herndon, Virginia.
27. Zhang L., W. Jiao., H. Zhang., Ch. Huang and Q. Tong. 2017. Studying drought phenomena in the Continental United States in 2011 and 2012 using various drought indices. Remote Sensing of Environment, 190: 96-106. [DOI:10.1016/j.rse.2016.12.010]
28. Zhang, J., Q. Mu, J. Huang. 2016. Assessing the remotely sensed Drought Severity Index for agricultural drought monitoring and impact analysis in North China. Ecological Indicators, 63: 296-309. [DOI:10.1016/j.ecolind.2015.11.062]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
