چکیده:
کاهش بارندگی و افزایش دما باعث وقایع آب و هوایی شدید مثل خشکسالی شده است که بـه شـدت در زمینه کشـاورزی تاثیرگذار است. اطلاعات درباره زمان، شدت و وسعت خشکسالی میتواند به برنامهریزی و تصمیم-گیری کمک کند. شاخصهای خشکسالی حاصل از دادههای ایستگاههای هواشناسی قدرت تفکیک زمانی و مکانی بالایی دارند بنابراین تعیین شرایط خشکسالی در زمان واقعی با استفاده از آنها برای مناطق وسیع بسیار سخت است به همین دلیل، امروزه شاخصهای خشکسالی سنجش از دوری به طور گسترده جهت پایش خشکسالی استفاده می-شود. در این پژوهش به ارزیابی کارآیی شاخص خشکی گیاه VDI در محدوده استان سیستان و بلوچستان پرداخته شد. برای انجام تحقیق از تصاویر طیفسنجی مادیس با وضوح متوسط (MOD02HKM وMOD11A1)، شاخص بارش استاندارد (SPI) و دادههای بارش ماهانه GLDAS از 2000 تا 2018 استفاده شده است. جهت ارزیابی دقت نقشههای توزیع مکانی شاخص VDI در برآورد خشکسالی از ضریب همبستگی پیرسون استفاده شد. نتایج معیار ارزیابی، نشان دهنده میزان همبستگی بالا در منطقه مورد مطالعه بود. از این رو شاخص خشکسالی VDI مبتنی بر دادههای سنجش از دوری به خوبی میتواند در سیستمهای هشدار سریع خشکسالی استفاده شود
Decreasing of precipitation and Increasing of temperature, leads to extreme climate events such as drought which drastically impact on agricultural. Knowledge about the timing, severity and extent of drought can aid planning and decision-making. Drought indices derived from in-situ meteorological data have coarse spatial and temporal resolutions. Thus, obtaining a real-time drought condition over a large area is difficult. Therefore, drought indices which is derived from remote-sensing data, has been widely used for drought monitoring..In this study, Vegetation Drought Index (VDI) was evaluated in Sistan & Balouchestan Province To do this, Terra Moderate Resolution Imaging Spectroradiometer MODIS (MOD02HKM and MOD11A1 ), Standard Precipitation Index (SPI) and monthly precipitation data GLDAS from 2000 to 2018 were utilized to evaluate VDI.Accuracy of the Drought spatial distribution maps based on Pearson correlation coefficient was used data. Results indicate high significant correlation rate in the study area. Thus VDI, has the potential to monitor agricultural drought in the case of study and the drought indices based on remote sensing data could well use in drought early warning systems.
خلاصه ماشینی:
اين شاخص کمبود ميزان آب پوشش گياهي را با استفاده از باندهاي مادون قرمز در سطح تاج پوشش گياهي تخمين مي زند و در مناطقي با 2 - Ghilian & Gellens 3 Anyamba & Tucker 4 Vincente-Serrano et al, 2006 5 Idso 6 Sandholt پوشش گياهي فقير با تغييرات دمايي زياد، جهت ارزيابي خشک سالي مناسب مي باشد(لينشنگ ٢٠١٢،٧).
ترکيب سامانه هاي مختلف در فصول سرد سال باعث مي شود که بارندگي هاي اين منطقه از سالي به سال ديگر متفاوت باشد و از ضريب تغييرات بالايي برخوردار گردد (رضيئي 7 Linsheng 8 -Akinyemi & Kgomo 9 -dos Santos و همکاران ، ١٣٨٦).
/ / شکل ٥ : نمودار وسعت پنج کلاس شدت خشک سالي در کل استان به درصد آنچه که روشن است افزايش خشکي گياه با کاهش ميزان بارندگي و NDVI رابطه مستقيمي دارد در اينجا براي بررسي اين رابطه ، دو سالي که در نقشه هاي خروجي VDI به عنوان ترسالي و خشک سالي (به ترتيب يعني سال ٢٠١١ و ٢٠٠٥)، مشخص شده از نظر ميزان بارندگي و پوشش گياهي NDVI نيز مورد بررسي قرار گرفتند بدين منظور از نمودارهاي مقايسه اي که ميانگين ماهانه بارش جهاني و NDVI را در عرض هاي مختلف جغرافيايي منطقه موردمطالعه نشان مي دهد، استفاده شد اين نمودارها از سايت Giovanni ناسا١٣ اخذ شدند.
(2012): Using Temperature Vegetation Drought Index For Monitoring Drought Based On Remote Sensing Data, Trans Tech Publications Switzerland, 356, Pp. 2854-2859 28 Mcfeeters, S.
(2009): MODIS Vegetation And Water Indices For Drought Assessment In Semi-Arid Ecosystems Of Iran.