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

Fazel Dehkordi, Leila; Sohrabi, Tayebeh Alsadat; Ghanavizbaf, Mohammad Hosein; Ghazavi, Reza

doi:10.22108/gep.2017.98067

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

Document Type : Research Paper

Authors

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

10.22108/gep.2017.98067

Abstract

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.

Keywords

20.1001.1.20085362.1395.27.3.11.1

Full Text

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-
علویجه	طبقات خشکسالی	-	-	-	تقریبا نرمال	نرمالی متوسط	تقریبا نرمال	تقریبا نرمال	خشکسالی شدید
گلپایگان	SPI	-	-	-	17/0	98/0	65/1-	52/0-	01/1
گلپایگان	طبقات خشکسالی	-	-	-	تقریبا نرمال	تقریبا نرمال	خشکسالی شدید	تقریبا نرمال	ترسالی متوسط
کلهرود	SPI	-	-	-	01/0-	25/0	21/1-	74/0-	71/1
کلهرود	طبقات خشکسالی	-	-	-	تقریبا نرمال	تقریبا نرمال	خشکسالی متوسط	تقریبا نرمال	خیلی مرطوب
کشمچه	SPI	-	-	-	14/0	14/0	89/1-	61/0	02/1
کشمچه	طبقات خشکسالی	-	-	-	تقریبا نرمال	تقریبا نرمال	خشکسالی شدید	تقریبا نرمال	ترسالی متوسط
خونداب	SPI	-	-	-	72/0	05/0	80/0	-	97/0
خونداب	طبقات خشکسالی	-	-	-	تقریبا نرمال	تقریبا نرمال	تقریبا نرمال	-	تقریبا نرمال
موته	SPI	-	-	-	34/0-	10/0-	05/1-	41/0-	90/1
موته	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
غرب شهرضا	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