پایش خشکسالی با استفاده از تصاویر سنجندۀ مودیس (MODIS) در مناطق خشک مطالعۀ موردی مراتع استان اصفهان

نوع مقاله: مقاله پژوهشی

نویسندگان

1 فارغ‌التحصیل دکتری تخصصی مرتعداری،دانشگاه تهران،تهران،ایران

2 دانشجوی دکتری تخصصی بیابانزدایی،دانشگاه کاشان،کاشان،ایران*

3 فارغ‌التحصیل کارشناسی زبان،تهران،ایران

4 دانشیار گروه مرتع و آبخیز،دانشگاه کاشان،کاشان،ایران

چکیده

چکیده:خشکسالی پدیده‌ای طبیعی واقلیمی است که همه ساله گریبان گیرمناطق وسیعی درسراسردنیامی شودو وقوع آن امری اجتناب ناپذیراست.این پدیده موجب اختلال دراکوسیستم می‌شود.اکوسیستم‌های مرتعی مناطق خشک که بخش چشمگیری ازسرزمین مانیزدرقلمروآن قراردارددرمجموع نظامهای شکننده‌ای هستندکه دربرابرتغییرات اقلیمی به سادگی درمعرض انهدام قرارمی‌گیرند.بنابراین شناخت وپایش خشکسالی باشاخص های معتبر، اولین قدم درجهت مدیریت این پدیده محسوب می‌شود.پایش خشکسالی همان ارائه اطلاعات بهنگام از دوام،شدت وتوسعه جغرافیایی خشکسالی در یک ناحیه است که بااستفاده ازسیستم‌های سنتی مرسوم دشواراست.فن‌آوری سنجش ازدورعلی‌رغم عمرکوتاه خود، به همراه سیستم‌های اطلاعات جغرافیایی،توانائی‌خودرادرارائه اطلاعات سودمندوبه موقع درباره پدیده خشکسالی نشان داده است.تحقیق حاضردرمراتع استان اصفهان وبمنظورپایش خشکسالی انجام شده است.دراین تحقیق سعی گردیده از شاخص‌های NDVI، EVI،NMDI ، LST و TCI مستخرج از اطلاعات سنجنده مودیس و اطلاعات بارندگی ایستگاه‌های هواشناسی محدوده استفاده گردد. نظر به مقایسه رابطه بین شاخص‌های ماهواره‌ای و شاخص خشکسالی اقلیمی و تعیین کارآیی شاخص‌های ماهواره‌ ای، به منظور برآورد شاخص اقلیمی SPI آمار بارندگی ماهانه نزدیک‌ترین ایستگاه‌های هواشناسی به تیپ‌های مرتعی مورد مطالعه در دوره زمانی 2008-2000 بکار گرفته شد. برای استخراج شاخص‌های ماهواره‌ای تصاویر سنجنده مودیس با قدرت تفکیک 500 متر، فاصله زمانی برداشت هشت روز برای بازه زمانی 2000 تا 2012 و در ماه‌های فوریه تا سپتامبر یعنی ماه‌های رشد، قبل و بعد از آن تهیه گردید. با توجه به متفاوت بودن بازه زمانی اطلاعات بارندگی و تصاویر ماهواره‌ای، بازه مشترک مقایسه شاخص سال‌های 2007-2000 در نظر گرفته شد. اطلاعات سایر سال‌ها به منظور بررسی صحت نتایج بکار رفت. نتایج شاخص خشکسالی SPI در سایت‌های مرتعی استان اصفهان طی دوره زمانی 2007-2000 با در نظر گرفتن اطلاعات بارندگی ایستگاه‌های هواشناسی منتخب در بازه زمانی مختلف نشان داد که سال 2000 خشکسالی شدید،2007 و 2009 ترسالی در محدوده‌های مورد مطالعه رخ داده است. بررسی شاخص در بازه‌های زمانی سه، شش, نه، 12، 18 و 24 ماهه نشان داد که نوسانات خشکسالی در بازه‌های زمانی کوتاه مدت در مقایسه با بازه‌های زمانی بلند مدت بیشتر است. اما از تداوم کمی برخودارند. به همین دلیل در بازه زمانی کوتاه مدت تعداد وقوع خشکسالی در ماه بیشتر از سایر بازه‌های زمانی است. با توجه به ارتباط خشکسالی و بارندگی، بررسی نتایج شاخص خشکسالی هواشناسی و مقادیر بارندگی نشان داد که شاخص خشکسالی در بازه زمانی سه و نه ماهه با مقادیر بارندگی در سطح یک درصد همبستگی معنی‌دار دارند. به عبارت دیگر تغییرات مقادیر بارش ماهانه بر روند تغییرات شاخص SPI در بازه زمانی کوتاه مدت موثر است. مقایسه آماری بین نتایج بدست آمده از محاسبه شاخص-های ماهواره‌ای با شاخص خشکسالی هواشناسی نشان داد که شاخص SPI در بازه کوتاه مدت با شاخص‌های حرارتی و شاخص NMDI در سطح یک درصد بیشترین همبستگی را نشان می‌دهد.

کلیدواژه‌ها


عنوان مقاله [English]

Drought Monitoring by using of MODIS Satellite Images in Dry Lands (Case study: Isfahan Rangelands)

نویسندگان [English]

  • leila fazel dehkordi 1
  • tayebeh alsadat sohrabi 2
  • mohammad hosein ghanavizbaf 3
  • reza ghazavi 4
1 Graduated from the Faculty of Commodity, Tehran University, Tehran, Iran
2 Ph.D. student of Desertification, Kashan University, Kashan, Iran
3 Graduated from Bachelor of Languages, Tehran, Iran
4 Associate Professor, Department of Range and Watershed, Kashan University, Kashan, Iran
چکیده [English]

Drought is a natural and climatic phenomenon that occurs in wide areas across the world every year and this occurrence becomes an inevitable issue. This phenomenon is impaired in ecosystem. Arid rangeland ecosystems are a significant part of our land that is brittle systems that climatic changes are useful to simply unfounded destruction. Therefore, drought identifying and monitoring valid descriptive statistics indicators is the first step toward managing this phenomenon. Drought monitoring by using traditional systems is difficult. Remote sensing technology, coupled with geographic information systems have shown their ability in data performance in time of drought. This study was conducted at rangelands of Yazd Province to monitor of drought. In this study has been trying to research this index NDVI, EVI, NMDI, LST and TCI bands of MODIS images extracted from the data and precipitation data from climatology stations to use the range. Regarding the comparison between drought indices and indicators for climate satellite and satellite set performance indicators, to evaluate the climatic index SPI closest climatology stations to the monthly precipitation statistics for the period 2000-2008 types of rangeland in the study were used. To extract the parameters of satellite imagery resolution bands of MODIS images of 500 meters, the eight-day harvest interval for the period 2000 to 2012 and during the months of February through September, before and after it was prepared. Due to the different periods of precipitation data and satellite imagery, Joint Range Index Comparison between 2000-2007 was considered. Data from other years were used to verify the accuracy of the results. Indices at intervals of 3, 6, 9, 12, 18 and 24 months showed that the volatility of short-term drought intervals is greater than long-term intervals. But it has a bit of persistence. So in short periods of drought month intervals is greater than the other. Regarding the relationship between drought and precipitation, precipitation and meteorological drought index results showed that drought index ranged from three to nine months with precipitation amounts of one percentage correlations are significant. In other words, changes in the amount of monthly precipitation index SPI is effective in short-term timeframe. Statistical comparison between results of calculation of satellite indicators and meteorological drought index showed that SPI index in short term with heat index and NMDI index has the highest correlation in one percent level.

کلیدواژه‌ها [English]

  • Drought Monitoring
  • MODIS Sensor
  • Rangelands of Isfahan Province
  • SPI Climatic Index

مقدمه

خشکسالی عمده‌ترین مشکل مناطق خشک و نیمه‌خشک است و تنوع بسیار زیاد در زمان و مکان وقوع خشکسالی، کار تشخیص دقیق وقوع آن را بر اساس مشاهدات مکانی سخت و پیچیده می‌کند
(Lin et al., 2011). خشکسالی حادثه‌ای طبیعی است که بر اقتصاد، کشاورزی و جنبه‌های اجتماعی جامعه اثر می‌گذارد. این پدیده تدریجی است، به‌گونه‌ای که آغاز و پایان آن معلوم نیست. تدوام آن ممکن است از چندین ماه تا چندین سال طول بکشد و مساحت تحت پوشش آن در طول زمان تغییر کند، به‌همین دلیل نیاز به پایش آن بیشتر احساس می‌شود (Bhuiyan, 2004). منظور از پایش خشکسالی ارائۀ اطلاعات بهنگام از دوام، شدت و توسعه جغرافیایی خشکسالی در یک ناحیه به‌منظور اتخاذ اقدامات مناسب برای مقابله با آثار زیانبار خشکسالی است. در دهه‌های گذشته معمولاً تحلیل خشکسالی به‌صورت توصیفی انجام می‌گرفت و کمتر به تحلیل کمّی پرداخته می‌شد (Karel et al., 1984). اصولاً برای تحلیل کمّی خشکسالی، وجود یک شاخص مشخص برای تعیین دقیق دوره‌های مرطوب و خشک بسیار ضروری است (Silva, 2003). شروع استفاده از شاخص‌های جامع را می‌توان با شاخص‌هایی که پالمر در سال 1965 معرفی کرد، دانست. شاخص‌های هواشناسی با در نظر گرفتن پارامترهای هواشناسی مانند میزان بارش، رطوبت و دما، خشکسالی تعریف می‌کنند (Seiler et al., 1998). نظر به اینکه شاخص‌های خشکسالی هواشناسی تنها برای یک محل معتبر هستند و قدرت تفکیک مکانی لازم را برای ارزیابی خشکسالی ندارند، همچنین این شاخص‌ها به اطلاعات ایستگاه‌های هواشناسی وابسته‌اند و ایستگاه‌ها اغلب با فاصله‌ مکانی زیادی از هم توزیع شده‌اند، این مسئله بر قابلیت اعتماد این شاخص‌ها تأثیر منفی خواهد داشت. از این‌رو، شاخص‌های ماهواره‌ای نظر به دارا‌بودن قدرت مکانی و زمانی بالا و امکان بررسی شرایط مختلف‌ استفاده شده‌اند.

شروع استفاده از فن‌آوری سنجش از دور برای پایش خشکسالی به کاربرد آن در استخراج اطلاعات از پوشش گیاهی زمین باز می‌گردد. یک‌مرتبه کالیبره‌کردن اطلاعات ماهواره‌ای با واقعیت زمینی، امکان استفاده از داده‌ای ماهواره‌ای برای پایش شروع خشکسالی، واکنش پوشش گیاهی به خشکسالی و بهبود پس از استرس را فراهم می‌کند ( Unganai & Kogn, 1998). در دهه‌های اخیر مدل‌های زیادی در رابطه با پایش خشکسالی ارائه شده است که عموماً بر پایۀ شاخص‌های گیاهی، دمای سطح زمین، محتوای آب گیاه و وضعیت گیاه است. برخی از مدل‌ها عبارت‌اند از: شاخص وضعیت پوشش گیاهی (VCI)[1] (Kogan, 1998)، شاخص VCI و NDVI[2] (Gileston et al., 1998)، شاخص نسبت LST[3] به NDVI (Bayarjargal et al., 2006)، شاخص NDWI[4] (Gu et al., 2007)، شاخص NDVI، NDWI، LST/NDVI و VTCI[5] (پرویز و همکاران، 1390).

از آنجایی که امروزه سنجنده‌های متعددی در مطالعات پایش خشکسالی به‌کار می‌روند، در مطالعۀ حاضر از اطلاعات سنجنده مودیس استفاده شد، زیرا در مقایسه با سنجنده‌های دیگر، سنجنده مودیس با داشتن باندهای مختلف و طیف الکترومغناطیسی بالقوه برای نظارت بر خشکسالی مناسب‌تر است (Ceccato et al., 2001 ،Gao, 1996). از این‌رو، از سال 2000 پس از کسب اولین داده‌های ماهواره‌ای از این سنجنده، استفاده از اطلاعات آن به‌منظور ارزیابی و پایش خشکسالی مد نظر قرار گرفت. دامنۀ وسیعی از شاخص‌های مبتنی بر داده‌های مودیس برای نظارت بر خشکسالی در مناطق کشاورزی و نیمه‌خشک تا‌کنون ارائه شده است (Caccamo et al., 2011).

Huete et al.,(2002)، et al.,(2002)  Justice، ‌Thenkabail et al (2004) ،Gu et al.,(2007)،‌Park et al., (2008)‌‌، Rahimzadeh et al., (2009)، Chakrabory & Sehgal (2010)،et al., (2011) Murad، یگانه و خواجه‌الدین (1390) و(2012) Alwesabi، همگی با استفاده از شاخص‌های متعدد محاسبه‌شده حاصل از تصاویر سنجنده مودیس اقدام به ارزیابی و پایش خشکسالی کردند و نتایج پژوهش‌های آنها نشان داده است که اطلاعات این سنجنده برای تعیین خشکسالی مناسب است. با در نظر داشتن نتایج مطالعات صورت‌گرفته تا‌کنون و همچنین با توجه به حساسیت و شکنندگی اقلیم مناطق خشک و نیمه‌خشک و اهمیت ارزیابی خشکسالی در این اقالیم، با علم به نبودِ اطلاعات هواشناسی در کلیۀ مناطق با توزیع زمانی مناسب، پژوهش حاضر به بررسی شاخص‌های NDVI، EVI،NMDI ، LST و TCI مستخرج از اطلاعات سنجنده مودیس به‌منظور ارزیابی خشکسالی در محدوده مراتع استان اصفهان و مقایسۀ آن با شاخص خشکسالی اقلیمی پرداخته است.

 

مواد و روش‌ها

محدودۀ مورد مطالعه

از بیش از 10 میلیون هکتار وسعت استان اصفهان، حدود 3/6 میلیون هکتار را مراتع تشکیل می‌دهد که به‌طور عمده از سه منطقۀ رویشی نیمه‌بیابانی با وسعت 4966000 هکتار (49% سطح استان)، منطقۀ رویشی استپی با وسعت 3780000 (37%) و منطقۀ رویشی نیمه‌استپی با وسعت 1386000 هکتار (14% سطح استان) تشکیل شده است. منطقۀ استپی دومین رویشگاه عمدۀ استان است و از این‌رو تیپ‌های مرتعی مورد مطالعه در محدوده مراتع استپی انتخاب شده‌اند. محدودۀ مورد مطالعه در 50 درجه و22 دقیقه و 16 ثانیه طول شرقی و 33 درجه و 36 دقیقه و 34 ثانیه عرض شمالی واقع است. متوسط ارتفاع آن 1748 متر است. شکل (1) پراکنش تیپ‌های مرتعی در استان اصفهان را نشان می‌دهد. با توجه به اهمیت تیپ از نظر پوششی و تولید و وسعت، تیپ‌های عمده بازدید و در مجموع تعداد 10 تیپ عمده انتخاب شد. در کل استان اصفهان، 11 سایت مرتعی به‌منظور جمع‌آوری اطلاعات با هدف بررسی علل روند تغییرات در طرح ارزیابی انتخاب و آماربرداری در آن‌ها طی ‌‌سال‌های 1377 تا 1384 صورت گرفت. زمان آماربرداری فصل رشد و طی ماه‌های اردیبهشت تا تیر (آوریل - ژوئیه) در نظر گرفته شده بود و اطلاعات پوشش گیاهی بر اساس گونه‌های مرتعی و فرم رویشی و همچنین تولید علوفه در هر سال برداشت می‌شد. فصل رشد براساس عرض جغرافیایی منطقه‌، ویژگی‌های آب و هوایی و نیز نوع پوشش گیاهی تعیین می‌شود. (طرح ملی ارزیابی مراتع)

 

 

 
   


شکل 1. پراکنش سایت‌ها و تیپ‌های مرتعی استان اصفهان

ترسیم‌کنندگان: نویسندگان

 

 

 

پراکنش سایت‌های مرتعی با توجه به تیپ‌های مرتعی استان و عمدتاً در نواحی شمال غرب و غرب آن به چشم می‌خورد. با توجه به نحوۀ پراکنش ایستگاه‌های هواشناسی از بین سایت‌های استان، هفت سایت انتخاب و هر‌ساله عوامل مربوط به پوشش تاجی، تراکم، تولید، زادآوری و پوشش سطح خاک در زمان آمادگی مرتع در طول چهار ترانسکت 400 متری در 60 پلات دو مترمربعی اندازه‌گیری شد. جدول (1) خلاصۀ اطلاعات سایت‌های مرتعی مورد مطالعه در استان اصفهان را نشان می‌دهد.


جدول 1. اطلاعات سایت‌های مورد مطالعۀ استان اصفهان

نام سایت

ارتفاع (m)

اقلیم (دومارتن)

پوشش (%)

تولید (Kg/ha)

تیپ گیاهی

علویجه

1600

خشک سرد

41/5

6/58

Artemisia sieberi- Anabasis aphyla

خونداب

1995

نیمه خشک

02/18

4/160

Artemisia sieberi

گلپایگان

1735

نیمه خشک

63/7

6/183

Lactuca orientalis- Cousinia cylidrica

موته

1740

خشک

17/10

4/164

Artemisia sieberi

کلهرود

1895

خشک

99/10

9/13

Artemisia sieberi- Lactuca orientalis

کمشچه

1550

خشک

5/2

3/123

Noaea mucronata- Cousinia cylindrica

غرب شهرضا

1720

خشک سرد

88/5

7/70

Cousinia cylindrica- Lactuca orientalis

 


اطلاعات مورد استفاده

منابع مورد استفاده در پژوهش حاضر شامل نقشۀ توپوگرافی، پوشش گیاهی، اطلاعات ماهواره‌ای سنجنده مودیس و اطلاعات بارندگی ایستگاه‌های هواشناسی محدوده است.

نظر به مقایسۀ رابطه بین شاخص‌های ماهواره‌ای و شاخص خشکسالی اقلیمی و تعیین کارآیی شاخص‌های ماهواره‌ای، به‌منظور برآورد شاخص اقلیمی SPI آمار بارندگی ماهانۀ نزدیک‌ترین ایستگاه‌های هواشناسی به تیپ‌های مرتعی مورد مطالعه در دوره زمانی 2008-2000 به‌کار گرفته شد. برای استخراج شاخص‌‌های ماهواره‌ای تصاویر سنجنده مودیس با قدرت تفکیک 500 متر، فاصله زمانی برداشت 8 روز برای بازه زمانی 2000 تا 2012 و در ماه‌های فوریه تا سپتامبر یعنی ماه‌های رشد، قبل و بعد از آن تهیه شد. با توجه به متفاوت‌بودن بازه زمانی اطلاعات بارندگی و تصاویر ماهواره‌ای، بازه مشترک مقایسه شاخص سال‌های 2007-2000 در نظر گرفته شد. اطلاعات سایر سال‌ها به‌منظور بررسی صحت نتایج به‌کار رفت. از آنجا که تصاویر ماهواره‌ای دارای سیستم مختصات سینوسوئیدال هستند، سیستم مختصات آن‌ها به جغرافیایی تغییر داده شد تا همخوانی لازم با نقشۀ توپوگرافی وجود داشته باشد. سپس با استفاده از نقشۀ توپوگرافی 1:250000، محدودۀ استان اصفهان از کل تصویر جدا و سپس اقدام به محاسبۀ شاخص‌ها شد. با توجه به اینکه هدف مطالعۀ محدوده‌های مرتعی منتخب است، از روی نقشۀ پوشش گیاهی با استفاده از اطلاعات سایت‌های مرتعی طرح ملی ارزیابی به‌عنوان مناطق کلید، تیپ‌های مرتعی مرتبط با سایت جدا و به‌صورت پلی‌گون آماده شدند. سپس بر اساس مرز تیپ‌ها شاخص‌های ماهواره‌ای از کل استان مجزا شدند. کلیۀ مراحل پردازش تصاویر و جداکردن شاخص‌ها با نرم‌افزار ENVI و تهیۀ نقشه‌های مرز استان و تیپ گیاهی با نرم‌افزار Arc Map انجام شد. شاخص‌های محاسبه‌شده در سه گروه شاخص‌های پوشش گیاهی، شاخص محتوای آب گیاه و شاخص‌های حرارتی دسته‌بندی می‌شوند. شاخص‌های گیاهی ترکیبی از بازتابش سطح در دو یا چند باند هستند که برای برجسته‌کردن یک خصوصیت گیاه به‌کار می‌روند. بیش از 150 شاخص گیاهی در منابع علمی ذکر شده است، ولی تنها بخش اندکی از آن‌ها دارای اساس بیوفیزیکی هستند. مهم‌ترین این شاخص‌ها، شاخص‌های مبتنی بر باند مادون قرمز و مادون قرمز نزدیک است‌. در محاسبۀ این شاخص‌ها از محدودۀ مادون قرمز در
800 نانومتر، باند قرمز در 680 نانومتر و باند آبی در 450 نانومتر استفاده می‌شود. کاهش غلظت در کلروفیل یا سطح برگ، کاهش در گسترۀ شاخ و برگ و تغییرات در ساختار تاج پوشش می‌تواند به کاهش بازتابش در محدودۀ مادون قرمز و افزایش بازتابش در محدودۀ قرمز بینجامد. از میان شاخص‌های این گروه، شاخص NDVI وEVI  شناخته‌شده‌تر از سایرین است. شاخص NDVI را اولین بار‌ توکر در سال 1979 به‌عنوان شاخص سلامت و تراکم پوشش گیاهی پیشنهاد کرد. Huete در سال 1997، شاخص EVI را به‌منظور بهبود شاخص NDVI و با هدف کاهش تأثیرات جوّی، از جمله مواد معلق (گرد و خاک) و مایعات‌ ارائه کرد. برای محاسبۀ شاخص‌های محتوای آب گیاه نیز از طول موج‌هایی در ناحیۀ مادون قرمز با طول موج کوتاه SWIR استفاده می‌کنند که باندهای جذب آب با مرکزیت 1450، 1500 و 1950 نانومتر در آن قرار دارند‌. استفاده از این شاخص‌ها را اولین بار ‌ Tucker در سال 1980 انجام داد و آن‌ها را برای محاسبه به‌وسیلۀ باندهای مادون قرمز با طول موج کوتاهMODIS  و باند 5 سنجنده ETM + پیشنهاد داد ‌(Dealwise, 2007)؛ شاخص‌استفاده‌شده در پژوهش حاضر از این گروه شاخص خشکسالی چندباندی نرمال‌شده یا همان (NMDI) است.

شاخص NMDI از تفاوت بین دو باند جذب آب (64/1 و 13/2 میکرومتر) محاسبه می‌شود که به رطوبت خاک و پوشش گیاهی حساس‌اند،
(Wang, 2007). برای محاسبۀ شاخص‌های حرارتی نیز، از رابطۀ معکوس دمای سطح و شادابی گیاه برای بررسی شرایط گیاه و در نتیجه خشکسالی استفاده می‌شود. دمای سطحی در مناطق با پوشش گیاهی متراکم، کمتر از مناطق بدون پوشش گیاهی است و با افزایش تراکم گیاه، اختلاف دمایی بیشتر می‌شود. دو باند حرارتی 31 و 32 سنجنده مودیس قادر به نشان‌دادن میزان دمای سطح است، شاخص TCI را برای اولین بار (1995) Kogan و با هدف پایش خشکسالی از طریق باندهای حرارتی معرفی کرد. جدول (2) نحوۀ محاسبۀ شاخص‌های مورد مطالعه را نشان می‌دهد.


جدول 2. نحوۀ محاسبۀ شاخص‌های ماهواره‌ای

نام شاخص

فرمول محاسبۀ شاخص

مرجع

NDVI

 

Rouse ،1973

EVI

 

Huete ، 1997

NMDI

 

Wang، 2007

LST

به‌دست‌آمده از محصولات دمای سطحی

MODIS

TCI

 

Kogan، 1995

 

 

بازتابش BRED، BNIR در محدودۀ قرمز و مادون قرمز و B1، B3و B4 باندهای 1، 3 و 4 سنجنده مودیس، LST باندهای 31 و 32.

شاخص SPI [6]

شاخص استاندارد بارش یکی از شاخص‌های اساسی در مطالعۀ خشکسالی به‌شمار می‌آید که محاسبۀ آن نیازمند داشتن میانگین و انحراف معیار دراز‌مدت مقادیر بارندگی برای دوره‌های مورد مطالعه است (Bonaccorso, 2003). این شاخص اساساً برای تعریف و پایش خشکسالی و ترسالی ارائه شده است (‌Tsakiris et al., 2004) و به تحلیل‌گر امکان می‌دهد تا تعداد وقایع خشکسالی و ترسالی اتفاق‌افتاده را برای هر گام زمانی دلخواه تعریف و شناسایی کند
(et al., 1993 McKee). از آنجا که این شاخص بی‌بعد است، می‌توان به‌کمک آن اطلاعات مناطق مختلف را با هم مقایسه و نقشه‌های گسترۀ خشکسالی را با دقت بیشتری تولید کرد (Agnew, 2000). رابطۀ این شاخص به‌صورت زیر است:

رابطه (1)

 

به‌منظور محاسبۀ شاخص از نرم‌افزار DIP استفاده شد. همچنین برای طبقه‌بندی شرایط نرمال، تر و خشک اطلاعات جدول 3 به‌کار رفت. محاسبۀ SPI در دوره‌های زمانی کوتاه‌مدت (سه‌ماهه، شش‌ماهه و نه‌ماهه) و بلند‌مدت (12، 18 و 24 ماهه) انجام شد. سری‌های زمانی کوتاه‌مدت برای بررسی خشکسالی‌های کشاورزی و سری‌های بلند‌مدت برای بررسی خشکسالی‌های هیدرولوژیکی کاربرد دارند (et al, 2002 Hughes). نظر به پراکنش ایستگاه‌های هواشناسی در مناطق مختلف استان، برای محاسبۀ شاخص اقلیمی SPI از میانگین بارش ماهانۀ ایستگاه‌ها بر اساس نوع آن‌ها (کلیماتولوژی و باران‌سنجی) استفاده شد. در رابطه با اطلاعات بارندگی برای تیپ‌های مرتعی از میانگین اطلاعات ایستگاه‌ها باران‌سنجی هم‌تراز تیپ‌ها استفاده شد. جدول (3) طبقه‌بندی شرایط اقلیمی را بر اساس شاخص SPI نشان می‌دهد.

جدول 3. طبقه‌بندی دوره‌های خشکسالی و ترسالی براساس شاخص SPI

ترسالی بسیار شدید

2 و بیشتر

خیلی مرطوب

5/1 تا 99/1

ترسالی متوسط

1 تا 49/1

تقریباً نرمال

99/0- تا 99/0

خشکسالی متوسط

1-                 تا 49/1-

خشکسالی شدید

5/1- تا 99/1-

خشکسالی بسیار شدید

2-                 و کمتر

 

 

نتایج

نتایج شاخص خشکسالی SPI در سایت‌های مرتعی استان اصفهان طی دوره زمانی 2007-2000 با در نظر گرفتن اطلاعات بارندگی ایستگاه‌های هواشناسی منتخب در بازه زمانی مختلف ‌در جدول (4) ارائه شده است. نتایج مندرج در جدول نشان داد‌ ‌‌سال‌های 2000 و 2005 در عرصه‌های مرتعی مورد مطالعه خشکسالی رخ داده است که بیشترین شدت خشکسالی در سایت مرتعی غرب شهرضا‌ است. مرطوب‌ترین شرایط اقلیمی در سال 2007 مشاهده می‌شود.


 

 

جدول 4. مقادیر سالانۀ شاخص SPI در تیپ‌های مرتعی استان اصفهان (2007-2000)

سایت

سال

2000

2001

2002

2003

2004

2005

2006

2007

علویجه

SPI

-

-

-

14/0-

13/1

12/0-

87/0

72/1-

طبقات خشکسالی

-

-

-

تقریبا نرمال

نرمالی متوسط

تقریبا نرمال

تقریبا نرمال

خشکسالی شدید

گلپایگان

SPI

-

-

-

17/0

98/0

65/1-

52/0-

01/1

طبقات خشکسالی

-

-

-

تقریبا نرمال

تقریبا نرمال

خشکسالی شدید

تقریبا نرمال

ترسالی متوسط

کلهرود

SPI

-

-

-

01/0-

25/0

21/1-

74/0-

71/1

طبقات خشکسالی

-

-

-

تقریبا نرمال

تقریبا نرمال

خشکسالی متوسط

تقریبا نرمال

خیلی مرطوب

کشمچه

SPI

-

-

-

14/0

14/0

89/1-

61/0

02/1

طبقات خشکسالی

-

-

-

تقریبا نرمال

تقریبا نرمال

خشکسالی شدید

تقریبا نرمال

ترسالی متوسط

خونداب

SPI

-

-

-

72/0

05/0

80/0

-

97/0

طبقات خشکسالی

-

-

-

تقریبا نرمال

تقریبا نرمال

تقریبا نرمال

-

تقریبا نرمال

موته

SPI

-

-

-

34/0-

10/0-

05/1-

41/0-

90/1

طبقات خشکسالی

-

-

-

تقریبا نرمال

تقریبا نرمال

خشکسالی متوسط

تقریبا نرمال

خیلی مرطوب

غرب شهرضا

SPI

17/2-

43/0-

3/0

49/0-

75/0

16/0

58/0

37/1

طبقات خشکسالی

خشکسالی بسیار شدید

تقریبا نرمال

تقریبا نرمال

تقریبا نرمال

تقریبا نرمال

تقریبا نرمال

تقریبا نرمال

ترسالی متوسط

 

 

با در نظر داشتن ماهیت آماری شاخص SPI رابطۀ آن با مقادیر بارندگی در بازه زمانی 2007-2003 در سایت مرتعی شهرضا (2000-2007) بررسی و ضریب همبستگی مشخص شد. نتایج نشان داد‌ شاخص خشکسالی در بازه زمانی سه و نه‌ماهه در کلیۀ تیپ‌های مرتعی و در بازه زمانی 12 و 18 ماهه در تیپ شهرضا با بارندگی ماهانه همبستگی نشان می‌دهد (جدول 5).


جدول 5. همبستگی بین بارندگی ماهانه و شاخص SPI در سایت‌های مرتعی استان اصفهان

زمان

3‌ ماهه

6 ماهه

9 ماهه

12 ماهه

18 ماهه

24 ماهه

علویجه

**602/0

019/0

**549/0

029/0

-

-

گلپایگان

* 397/0

083/0-

**504/0

036/0

-

-

کلهرود

* 391/0

072/0-

**655/0

040/0

-

-

کمشچه

**441/0

138/0

259/0

322/0

-

-

خونداب

**600/0

263/0

183/0

212/0-

-

-

موته

**460/0

019/0

**663/0

184/0

-

-

غرب شهرضا

**500/0

122/0

**398/0

* 297/0

**450/0

173/0

**: در سطح یک‌درصد                                          *‌: در سطح پنج‌درصد

 

 

ازآنجا‌که هدف از این مطالعه مقایسۀ رابطه بین شاخص‌های ماهواره‌ای و شاخص خشکسالی اقلیمی و تعیین کارآیی شاخص‌های ماهواره‌ای ‌در پایش خشکسالی ‌است،‌ همبستگی بین متغیرها با شاخص SPI در بازه‌های مختلف بررسی و پس از حذف شاخص‌ها با همبستگی ضعیف، مدل رگرسیونی محاسبه شد. جدول (6) ضرایب همبستگی بین شاخص‌ها را در بازه زمانی مختلف نشان می‌دهد.

نتایج رابطۀ معنا‌دار قوی بین شاخص‌ها در بازه زمانی 16 روزه با SPI نشان نداد. از این‌رو به بررسی و دسته‌بندی نتایج در بازه زمانی 3، 6، 9، 12، 18 و 24 ماه پرداخته شد. نتایج حاصل از مقایسۀ شاخص SPI در بازه زمانی سه‌ماهه با شاخص‌های ماهواره‌ای نشان داد‌ این شاخص در بازه کوتاه‌مدت با شاخص‌های حرارتی در سطح یک‌درصد بیشترین همبستگی را نشان می‌دهد.


جدول 6. همبستگی بین شاخص‌های ماهواره‌ای و شاخص SPI سه‌ماهه در سایت‌های استان اصفهان

نام سایت

شاخص

علویجه

گلپایگان

کلهرود

کمشچه

خونداب

موته

شهرضا

EVI(8 days)

** 504/0-

** 506/0-

** 473/0-

-

** 543/0-

-

-

NDVI(8 days)

-

-

-

-

-

-

** 517/0

NMDI

-

-

** 386/0-

** 343/0-

-

-

** 349/0-

LST

** 717/0-

** 782/0-

** 709/0-

** 779/0-

** 671/0-

-

-

TCI

** 697/0-

** 786/0-

** 711/0-

** 778/0-

** 676/0-

-

** 718/0-

**: در سطح یک‌درصد                             *‌: در سطح پنج‌درصد

 

 

با افزایش بازه زمانی، همبستگی بین شاخص خشکسالی هواشناسی با شاخص‌های محتوای آب گیاه و شاخص‌های حرارتی بیشتر می‌شود. نتایج حاصل از بررسی همبستگی شاخص‌ها در بازه زمانی شش‌ماهه در جدول (7) آمده است. مقایسه بین تیپ‌های مرتعی نشان می‌دهد‌ تیپ گلپایگان و خونداب حداقل تعداد همبستگی بین شاخص SPI و شاخص‌های ماهواره‌ای را دارند. بیشترین تعداد شاخص با همبستگی در سطح یک‌درصد در سایت مرتعی شهرضا مشاهده شده است. بالاترین ضریب همبستگی مربوط به شاخص‌های حرارتی است.


جدول 7. همبستگی بین شاخص‌های ماهواره‌ای و شاخص SPI شش‌ماهه در سایت‌های استان اصفهان

نام سایت

شاخص

علویجه

گلپایگان

کلهرود

کمشچه

خونداب

موته

شهرضا

EVI(8 days)

-

-

-

** 358/0

** 567/0-

-

-

NDVI(8 days)

-

-

-

-

-

-

** 557/0

NMDI

-

-

** 429/0-

** 451/0-

-

** 390/0

** 458/0-

LST

** 659/0-

** 679/0-

** 685/0-

* 394/0-

** 550/0-

-

-

TCI

** 606/0-

** 690/0-

** 687/0-

* 504/0-

** 554/0-

-

** 696/0-

**: در سطح یک‌درصد                                      *‌: در سطح پنج‌درصد

 

 

در ادامه با بررسی شاخص‌ها در بازه زمانی نه‌ماهه نتایج مندرج در جدول (8) نشان داد‌ در تیپ‌های مرتعی کلهرود، خونداب و موته تعداد زیادی از شاخص‌های ماهواره‌ای همبستگی قابل توجهی را با شاخص خشکسالی هواشناسی نشان نداده‌اند. در سایر تیپ‌های مرتعی همبستگی به‌سمت شاخص‌های مرتبط با پوشش گیاهی کشیده شده است. در دو سایت مرتعی مرتبط با سایت کمشچه و شهرضا شاخص SPI در بازه زمانی نه‌ماهه با شاخص پوشش گیاهی NDVI و EVI (هشت‌روزه)، همچنین شاخص‌های محتوای آب گیاه ضریب همبستگی بالا در سطح یک‌درصد نشان داده است.


جدول 8. همبستگی بین شاخص‌های ماهواره‌ای و شاخص SPI نه‌ماهه در سایت‌های استان اصفهان

نام سایت

شاخص

علویجه

گلپایگان

کلهرود

کمشچه

خونداب

موته

شهرضا

EVI(8 days)

* 457/0-

-

-

** 770/0

** 647/0-

** 517/0

-

NDVI(8 days)

-

-

-

** 376/0

-

-

** 596/0

NMDI

-

-

-

** 476/0-

-

** 553/0

** 543/0-

LST

** 606/0-

** 653/0-

** 795/0-

-

-

-

-

TCI

** 560/0-

** 647/0-

** 796/0-

-

-

-

** 590/0-

**: در سطح یک‌درصد                                                                  *‌: در سطح پنج‌درصد

 

بررسی رابطۀ شاخص‌ها در بازه زمانی 12‌ ماهه نشان داد‌ مشابه با بازه زمانی سه‌ماهه، شاخص‌های حرارتی در تیپ‌های مرتعی با شاخص خشکسالی هواشناسی همبستگی دارند. به‌نظر می‌رسد که در بازه زمانی طولانی‌مدت شاخص‌های مرتبط با دما همبستگی بیشتری را با شاخص خشکسالی نشان می‌دهند. در سایت مرتعی شهرضا شاخص SPI با کلیۀ شاخص‌های ماهواره‌ای (بجز LST) همبستگی معنا‌دار نشان داد. نتایج در جدول (9) درج شده است.


جدول 9. همبستگی بین شاخص‌های ماهواره‌ای و شاخص SPI 12‌ماهه در سایت‌های استان اصفهان

نام سایت

شاخص

علویجه

گلپایگان

کلهرود

کمشچه

خونداب

موته

شهرضا

EVI(8 days)

-

-

-

-

** 588/0-

 

** 333/0-

NDVI(8 days)

-

-

-

-

-

** 402/0

** 646/0

NMDI

-

-

-

** 448/0-

-

-

** 546/0-

LST

** 683/0-

** 751/0-

* 417/0-

* 592/0-

** 511/0-

-

-

TCI

** 678/0-

** 750/0-

* 414/0-

* 599/0-

** 453/0-

-

** 737/0-

**: در سطح یک‌درصد                                                   *‌: در سطح پنج‌درصد

 

 

در بین تیپ‌های مرتعی منتخب استان اصفهان تنها سایت مرتعی غرب شهرضا از اطلاعات بارندگی بلند‌مدت (2007-2000) برخوردار است و داده‌های بارندگی سایر تیپ‌ها به ‌‌سال‌های
2007-2003 محدود بود. از این‌رو، امکان بررسی شاخص SPI در بازه زمانی 18 و 24‌ماهه برای این سایت مرتعی وجود دارد. جدول (10) نتایج حاصل از بررسی همبستگی شاخص خشکسالی هواشناسی را با شاخص‌های ماهواره‌ای نشان می‌دهد. در بازه زمانی 18 و 24‌ماهه صرف‌نظر از شاخص دمای سطحی (LST) که همبستگی با شاخص SPI نشان نداده است، کلیۀ شاخص‌ها در سطح یک‌درصد دارای همبستگی هستند. نتایج نشان داد‌ با طولانی‌شدن بازه زمانی، همبستگی بین شاخص‌ها قوی‌تر است. همبستگی مثبت بین شاخص‌های پوشش گیاهی و محتوای آب‌ گیاه با شاخص خشکسالی هواشناسی بیانگر همسو‌بودن روند تغییرات است.


جدول 10. همبستگی بین شاخص‌های ماهواره‌ای و شاخص SPI در بازه زمانی 18 و 24‌ماهه - شهرضا

بازه زمانی

شاخص

18 ماهه

24 ماهه

EVI(8 days)

** 699/0-

** 566/0-

NDVI(8 days)

** 681/0

** 750/0

NMDI

** 780/0-

** 761/0-

LST

-

-

TCI

** 793/0-

** 767/0-

**: در سطح یک‌درصد


بحث و نتیجه‌گیری

با توجه به اینکه شاخص بارش استاندارد شده (SPI)‌ ابزاری قوی در آنالیز داده‌های بارندگی است، به‌منظور مشخص‌کردن کمیت خشکسالی جاری استفاده می‌شود (آسیائی، 1385). نتایج بررسی محاسبۀ شاخص SPI در بازه زمانی 2011-2000 در محدوده تیپ‌های مرتعی مورد مطالعه در پژوهش حاضر نشان داد‌ طی سال‌های 2000، 2005 و 2007 خشکسالی متوسط تا بسیار شدید رخ داده است. نتایج به‌دست‌آمده در پژوهش حاضر با نتایج حاصل از سایر مطالعات همخوانی دارد. طبق گزارش وزارت نیرو، خشکسالی سال 1379 (سال 2000) بدترین خشکسالی طی 30 تا 45 سال گذشته بوده است. در سال 1379 استان اصفهان که در 29 سال گذشته به‌طور میانگین دارای 121 میلیمتر بارندگی در سال بود، 35 میلیمتر بارندگی‌ داشت. مرطوب‌ترین سال در دوره زمانی 2011-2000 برای استان‌های اصفهان 2007 و 2009بوده است. بررسی شاخص SPI در بازه‌های زمانی 16 روزه، 3، 6، 9، 12، 18 و 24‌ماهه نشان داد‌ در بازه‌های زمانی کوتاه‌مدت، نوسانات خشکسالی نسبت به بازه‌های زمانی بلند‌مدت بیشتر و کوتاه‌تر است. بدین‌ترتیب که کوچک‌ترین تغییر در بارندگی ماهانه در بازه زمانی 16‌روزه و سه‌ماهه سبب تغییر شدت خشکسالی می‌شود. از این‌رو، در بازه زمانی کوتاه‌مدت (سه‌ماهه) تعداد وقوع خشکسالی در ماه بیشتر از سایر بازه‌های زمانی است. در بازه‌های زمانی بلند‌مدت وقوع شرایط خشکسالی از تداوم بیشتری برخوردار است. با توجه به این موضوع، می‌توان تغییرات فصلی بارندگی را از طریق شاخص کوتاه‌مدت و تغییرات سالانه را از طریق شاخص‌های بلند‌مدت محاسبه کرد. یزدانی و همکاران (1390) نیز نشان دادند‌ تعداد خشکسالی‌ها در فواصل زمانی کوتاه‌تر بیش از تعداد آن‌ها در فواصل زمانی طولانی‌تر است. با توجه به ارتباط خشکسالی و بارندگی، بررسی نتایج شاخص خشکسالی هواشناسی و مقادیر بارندگی نشان داد‌ در استان اصفهان مقادیر بارش ماهانه با شاخص خشکسالی در بازه زمانی سه و ‌ماهه بیشترین همبستگی را در سطح یک‌درصد دارند و شاخص در بازه زمانی 12، 18 و 24‌ماهه با بارندگی همبستگی قابل توجهی را نشان نمی‌دهد. با توجه به حساسیت بازه‌های کوتاه‌مدت به نوسانات مقادیر بارش، همبستگی قوی بین شاخص خشکسالی و بارش ماهانه مؤید تأثیرپذیر‌بودن شاخص از تغییرات بارندگی است.‌ جوانمرد و همکاران (1381) بیان کردند SPI کوتاه‌مدت شرایط رطوبت را منعکس می‌کند و قادر به برآورد فصلی بارندگی است.

نتایج حاصل از مقایسۀ 5 شاخص ماهواره‌ای محاسبه‌شده با شاخص خشکسالی هواشناسی نشان داد‌ شاخص SPI با شاخص‌های مرتبط به پوشش گیاهی همبستگی معنادار در سطح یک‌درصد دارد‌. نتیجۀ بررسی رابطه بین شاخص SPI با گروه شاخص‌های حرارتی نشان داد‌ در سطح یک‌درصد با هم همبستگی دارند و بیشترین ضریب همبستگی مربوط به این گروه از شاخص‌های ماهواره‌ای است. روند همبستگی این متغیرها با یکدیگر معکوس و نتایج حاکی از آن است که با افزایش مقادیر عددی شاخص LST و TCI شاخص خشکسالی هواشناسی به سمت منفی کاهش یافته است و شرایط خشکسالی را نشان می‌دهد. به‌طورکلی، مقایسۀ نتایج همبستگی بین شاخص خشکسالی هواشناسی و شاخص‌های ماهواره‌ای در استان نشان داد‌ صرف‌نظر از بازه زمانی 18 ماهه که شاخص SPI با شاخص‌های حرارتی همبستگی نشان نداد، سایر بازه‌های زمانی با شاخص LST و TCI در سطح یک‌درصد همبستگی دارند. از بین شاخص‌های پوشش گیاهی، EVI و NDVI در کلیۀ بازه‌های زمانی با شاخص SPI همبستگی دارند. از بین شاخص‌های محتوای آب گیاه نیز شاخص NMDI در همه بازه‌های زمانی با شاخص خشکسالی هواشناسی همبستگی نشان داد.



[1] Vegetation Condition Index

[2] Normalized Difference Vegetation Index

[3] Land Surface Temperature

[4] Normalized Difference Water Index

[5] Vegetation Temperature Condition Index

[6]Standardized Precipitation Index

پرویز، ل.، خلقی، م.، ولیزاده، خ.، عراقی‌نژاد، ش.، (1390). بررسی کارایی شاخص‌های منتج از فناوری سنجش از دور در ارزیابی خشکسالی هواشناسی، مطالعۀ موردی: حوضۀ آبریز سفید‌رود، جغرافیا و توسعه، شمارۀ 22: 164-147.

جوانمرد، س.، بداق جمالی، ج.، احمدیان، ج.، قهرمان، ن.، موقر مقدم ح.، (1380). سیستم مراقبت از شدت وسعت خشکسالی با نمایه شدت خشکسالی پالمر، بولتن مرکز کلی اقلیم‌شناسی، شمارۀ 4.

فاضل‌دهکردی، لیلا، (1392). هشدار خطر خشکسالی ‌به‌منظور مدیریت بهینۀ مراتع، پایان‌نامۀ دکتری، دانشگاه تهران، تهران، 263-101.

یزدانی، و.، زارع‌ابیانه، ح.، شادمانی، م.، (1390). تحلیل فراوانی و پهنه‌بندی خشکسالی‌های ایران با کاربرد نمایه شاخص استاندارد‌شده بارش، مجلۀ مهندسی منابع آب، سال چهارم، 43-31.

Agnew, C.T, 2000, using the SPI to Identify Drought, Drought Network News, Vol. 12, No. 1, winter 1999-Spring 2000.

Bhuiyan, C., 2004, various droughts for monitoring drought condition in Aravalli terrain of India. In Proceedings of the XXth ISPRS Conference.Int. Soc. Photogramm. Remote Sensing, Istanbul.

Ceccato, P., Flasse, S., Tarantola, S., Jacquemoud, S., & Gregoire, J. M., 2001, Detecting vegetation leaf water content using reflectance in the optical domain. Remote Sensing of Environment, 77, Pp. 22–33.

Gao, B.C., 1995, Normalized Difference Water Index for Remote Sensing of Vegetation Liquid Water from Space. Proceedings of SPIE 2480: Pp.225-236.

Gao, B. C., 1996, NDWI—A Normalized Difference Water Index for remote sensing of vegetation liquid water from space. Remote Sensing of Environment, 58, Pp. 257–266.

Kogan, F. N., 2001, Contribution of Remote Sensing to Drought Early Warning, National Oceanic and Atmospheric Administration (NOAA), National Environmental Satellite Data and Information Services (NESDIS), Washington DC, U.S.A., Pp.86-100