ارزیابی شاخص های مبتنی بر سنجش از دور در پایش خشکسالی شهرستان نی ریز

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 248

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_GIRS-13-4_007

تاریخ نمایه سازی: 25 دی 1401

چکیده مقاله:

پیشینه و هدف اطلاع از میزان و شدت خشکسالی در یک منطقه و برنامه­ ریزی جهت کاهش اثرات آن یکی از مهم­ترین اصول مبارزه با خشکسالی است. پایش و مدیریت خشکسالی در یک منطقه با استفاده از داده ­های سنجش از دور و تصاویر ماهواره ­ای به عنوان یک ابزار مناسب در پایش زمانی و مکانی خشکسالی کشاورزی می ­باشد. هدف از انجام این پژوهش بررسی کارآیی داده­ های سنجش از دور و تصاویر ماهواره ­ای در پهنه ­بندی خشکسالی کشاورزی در سال های ۱۳۷۹ تا ۱۴۰۰ در شهرستان نی­ریز است. برای این منظور سه شاخص وضعیت پوشش گیاهی (VCI)، شاخص وضعیت دمایی (TCI) و شاخص سلامت پوشش گیاهی (VHI) از روی تصاویر ماهواره­ای مودیس برای برای دوره زمانی مورد نظر استخراج و نتایج حاصل از این شاخص­ ها با مقادیر شاخص بارش استاندارد (SPI)، در دوره­ های زمانی ۱، ۳ ۶، ۹، ۱۲، ۱۸، ۲۴ و ۴۸ ماهه مقایسه گردید.مواد و روش ­ها منطقه مورد مطالعه در این تحقیق  شهرستان نی­ریز  واقع در جنوب شرق استان فارس با وسعت ۱۰۷۸۷ کیلومتر مربع و جزء یکی از زیرحوزه های آبخیز دریاچه بختگان محسوب می­گردد. متوسط ارتفاع منطقه ۱۷۹۸ متر، حداکثر ارتفاع منطقه ۳۲۳۵ متر و حداقل ارتفاع ۱۴۷۶ متر از سطح دریا می­باشد. متوسط بارندگی، درجه حرارت و تبخیر و تعرق سالانه حوزه به ترتیب ۲۰۴.۸ میلی متر، ۱۹ درجه سانتی گراد و ۱۰۵۸.۳ میلی متر می باشد. در این تحقیق از داده ­های بارندگی ایستگاه سینوپتیک نی­ریز در طول دوره آماری ۲۲ ساله (۱۴۰۰-۱۳۷۹)  برای محاسبه شاخص بارش استاندارد (Standardized Precipitation Index, SPI) در دوره ­های زمانی ۱، ۳، ۶، ۹، ۱۲، ۱۸، ۲۴ و ۴۸ ماهه استفاده شد.  سپس ۳ شاخص مبتنی بر تصاویر ماهواره ­ای شامل شاخص وضعیت پوشش گیاهی (Vegetation Condition Index, VCI)، شاخص وضعیت دمایی (Temperature Condition Index, TCI) و شاخص سلامت گیاه (Vegetation, VHI Healthy Index) از روی داده ­های سنجده مودیس برای ماه اردیبهشت­ ماه از سال ۲۰۰۸ تا ۲۰۲۱  استخراج و با مقادیر شاخص بارش استاندارد (SPI)  در دوره های زمانی ۱، ۳ ۶، ۹، ۱۲، ۱۸، ۲۴ و ۴۸ ماهه بر اساس ضریب همبستگی پیرسون مقایسه گردید. در نهایت مناسب­ترین شاخص خشکسالی مبتنی بر تصاویر ماهواره ­ای از بین شاخص ­ها انتخاب و درصد طبقات خشکسالی بر اساس شاخص منتخب در منطقه مورد مطالعه مشخص شد.نتایج و بحث محاسبه مقادیر شاخص SPI با استفاده از نرم­ افزار شاخص­ های خشکسالی (Drought Indices Package, DIP) در دوره­ های زمانی ۱، ۳، ۶، ۹، ۱۲، ۱۸، ۲۴ و ۴۸ ماهه در دوره آماری ۱۴۰۰-۱۳۷۹ نشان داد که روند منحنی ­ها در بعضی سال­ ها کاهشی و در بعضی سال­ ها افزایشی و در اغلب سال ­ها تقریبا نرمال بوده است. بطور میانگین درصد وقوع خشکسالی­ ها و ترسالی­ ها بر اساس شاخص SPI در دوره ­های زمانی مختلف در طول دوره آماری ۶۸ درصد در شرایط نرمال، ۱۸ درصد در شرایط ترسالی و ۱۶ درصد در شرایط خشکسالی قرار دارد. نتایج حاصل از محاسبه شاخص SPI در دوره ­های زمانی مختلف بر اساس داده ­های ایستگاه ­های سینوپتیک و داده ­های سنجش از دور مورد بررسی و تجزیه و تحلیل قرار گرفت. بدین منظور مقادیر حاصل از تمامی شاخص­ های مبتنی بر تصاویر ماهواره ­ای شامل VCI، TCI و VHI استخراج  و اقدام به مقایسه و بررسی ضریب همبستگی آن­ها با شاخص زمینی SPI در دوره ­های زمانی ۱، ۳، ۶، ۹، ۱۲، ۱۸، ۲۴ و ۴۸  گردید. مقادیر شاخص VCI در سال ۱۳۸۷ دارای کمترین مقدار (۱/۳۲ درصد) و در سال ۱۳۹۹ دارای بیشترین مقدار (۴۱.۳ درصد) در طول اردیبهشت­ ماه می باشد. بنابراین بر اساس مقدار شاخص VCI در طول دوره آماری در سال ۱۳۸۷ شرایط خشکسالی شدید در منطقه حاکم بوده و در سال ۱۳۹۹ پوشش گیاهی مطلوب­تر و شرایط ترسالی بر منطقه حاکم بوده است. نتایج به دست آمده از شاخص SPI در دوره ­های زمانی مختلف نیز موید این نکته است که شدیدترین خشکسالی و ترسالی در طول دوره آماری مورد مطالعه به ترتیب در دو سال ۱۳۸۷ و ۱۳۹۹ در منطقه رخ داده است. علاوه بر این شاخص VCI بیشترین همبستگی با شاخص SPI در دوره­ های زمانی مختلف دارد و با همه دوره ­های زمانی SPI رابطه معنی­ داری دارد. شاخص TCI همبستگی معنی­ دار با هیچ­ یک از دوره ­های زمانی ندارد و رابطه همبستگی ضعیفی با شاخص SPI در دوره ­های زمانی مختلف دارد. علاوه بر این شاخص VHI تنها با دوره ­های زمانی یک، سه، شش و دوازده ماهه همبستگی معنی ­دار در سطح  پنج درصد دارد و میزان همبستگی آن با شاخص SPI در دوره­ های زمانی مختلف به مراتب کمتر از شاخص VCI است. توزیع مکانی شدت خشکسالی براساس مقادیر شاخص­ های مورد مطالعه در اردیبهشت­ ماه ۱۳۸۷  نشان داد که قسمت­ های شرقی منطقه که در ارتفاعات پایین نیز قرار دارد بیشتر تحت تاثیر خشکسالی قرار گرفته است. بررسی مساحت تحت تاثیر طبقات خشکسالی بر اساس شاخص TCI در سال ۱۳۸۷ نشان داد که در منطقه مورد مطالعه خشکسالی بسیار شدید و شدید وجود ندارد، ۱۱درصد منطقه دچار خشکسالی متوسط، ۲۲ درصد سطح دچار خشکسالی خفیف و ۶۷ درصد نیز فاقد خشکسالی می­ باشد. بر اساس شاخص VCI در تاریخ مورد نظرسطح خشکسالی بسیار شدید ۰.۱۴ درصد، شدید ۰.۳۳ درصد، متوسط ۱۷ درصد، خفیف ۷۷ درصد و فاقد خشکسالی ۶ درصد است. همچنین  بر اساس شاخص VHI خشکسالی بسیار شدید و شدید و خفیف در منطقه مورد مطالعه وجود ندارد و  فقط  ۹ درصد سطح منطقه دچار خشکسالی متوسط و ۹۱ درصد نیز فاقد خشکسالی می­ باشد. توزیع مکانی شدت خشکسالی بر اساس مقادیر شاخص­ های مورد مطالعه در اردیبهشت ­ماه ۱۳۹۹ نشان می دهد که  در منطقه مورد مطالعه بر اساس شاخص TCI در تاریخ مورد نظر خشکسالی بسیار شدید و شدید وجود ندارد و ۵ درصد سطح منطقه دارای خشکسالی متوسط، ۲۲ درصد خشکسالی خفیف و ۷۳ درصد نیز فاقد خشکسالی می ­باشد. بر اساس شاخص VCI در تاریخ مورد نظر درصد خشکسالی بسیار شدید ۰.۵ درصد،  شدید ۰.۸ درصد، متوسط ۵ درصد، خفیف ۳۱ درصد و فاقد خشکسالی ۶۲ درصد است. همچنین بر اساس شاخص VHI در اردیبهشت­ ماه ۹۹  مقدار ۰.۲ درصد سطح منطقه دارای خشکسالی متوسط، ۳۰ درصد دارای خشکسالی خفیف و ۶۹ درصد نیز فاقد خشکسالی است بر اساس این شاخص خشکسالی بسیار شدید و شدید در منطقه وجود ندارد.نتیجه ­گیری پدیده خشکسالی یکی از مهم­ترین بلایای طبیعی است که هرساله میلیون ­ها نفر از جمعیت جهان و قسمت­ های عظیمی از آن را مورد حمله خود قرار می­ دهد. این پدیده که به صورت آرام شروع و ماهیتی خزنده دارد می ­تواند باعث ایجاد خسارت­های فراوان در بخش­ های کشاورزی و منابع طبیعی و محیط زیست گردد. اطلاع از نحوه وقوع و تهیه نقشه­ های شدت خشکسالی بر اساس روش های نوین و جدید تاثیر بسیار مثبت و جدی در مدیریت خشکسالی در یک منطقه دارد. یکی از روش های جدید و پرکاربرد در پایش زمانی و مکانی خشکسالی استفاده از شاخص های خشکسالی مبتنی بر تصاویر ماهواره ­ای است که اخیرا نیز در مباحث مربوط به خشکسالی از آن استفاده می ­شود. نتایج حاصل از تحلیل شاخص SPI نشان داد که در اکثر  دوره ­های زمانی شدیدترین خشکسالی و ترسالی در طول دوره مورد مطالعه به ­ترتیب در سال های ۱۳۸۷ و ۱۳۹۹ رخ داده است. همچنین نتایج نشان داد که شاخص TCI همبستگی معنی­ دار با هیچ یک از دوره­ های زمانی ندارد و همبستگی ضعیفی با شاخص SPI در دوره ­های زمانی مختلف دارد. شاخص VHI با دوره ­های زمانی یک، سه، شش و دوازده ماهه همبستگی معنی­ دار در سطح پنج درصد دارد و همبستگی آن با شاخص SPI در دوره ­های زمانی مختلف کمتر از شاخص VCI است. مقدار شاخص VCI در سال ۱۳۸۷ دارای کمترین مقدار (۳۲.۱ درصد) و در سال ۱۳۹۹ دارای بیشترین مقدار (۴۱.۳ درصد) در طول ماه اردیبهشت بوده است که با نتایج به دست آمده از شاخص SPI در منطقه مطابقت دارد. از طرفی این شاخص بیشترین همبستگی با شاخص SPI در دوره ­های زمانی مختلف دارد که همبستگی آن در سطح یک درصد معنی ­دار است و به عنوان شاخص ماهواره ­ای مناسب جهت پایش زمانی و مکانی خشکسالی در شهرستان نی ریز انتخاب می­گردد. مقایسه نتایج حاصل از این تحقیق با نتایج تحقیقات دیگر محققان، نشان از دقت بسیار خوب شاخص­ های سنجش از دور در پایش خشکسالی دارد. بنابراین استفاده از فن­آوری سنجش از دور در پایش خشکسالی در مناطقی که فاقد ایستگاه ­های هواشناسی یا دارای ایستگاه­ های هواشناسی با تراکم کم یا به صورت پراکنده هستند پیشنهاد می ­گردد.

نویسندگان

محمد شعبانی

استادیار گروه مهندسی آب، واحد مرودشت، دانشگاه آزاد اسلامی، مرودشت، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Arabi Z, Mohammadi Sh. ۲۰۲۲. Monitoring Spatio-temporal pattern of drought ...
  • Asadi Meyabadi A, Akhzari D. ۲۰۲۲. Zoning of Drought by ...
  • Askarizadeh D, Arzani H , Jafary M, Bazrafshan J . ...
  • Bento V A, Célia M G, Carlos C D, Renata ...
  • Bento V A, Gouveia C M, DaCamara C C,Trigo L ...
  • Elhag K, Zhang W. ۲۰۱۸. Monitoring and Assessment of Drought ...
  • Gidey E, Dikinya O, Sebego R, Segosebe E, Zenebe A. ...
  • Guo X, Kapucum N. ۲۰۱۸. Examining the impacts of disaster ...
  • Hamzeh S, Farahani Z, Mahdavi S, Chatrobgoun O, Gholamnia M. ...
  • Kazempour Choursi S, Erfanian, Ebadi Nehari Z. ۲۰۱۹. Evaluation of ...
  • Kchouk S, Melsen L, Walker D W, Pieter R. ۲۰۲۲. ...
  • Kim Y, Lee S B, Yun H, Kim J, Park ...
  • Kukunuri A N, Murugan D, Singh D. ۲۰۲۰. Variance based ...
  • Liang L, Qiu S, Yan J, Shi Y, Geng D. ...
  • Mirahsani M, Salman Mahini A, Soffianian A, Moddares R, Jafari ...
  • Mojaradi B, mirmiri J, Alizadeh H. ۲۰۲۰. Assessment of Vegetation ...
  • Navabi N, Moghaddasi M, Gangi N. ۲۰۲۱. Assessment of Agricultural ...
  • Pei F, Wu C, Liu X, Li X, Yang K, ...
  • Rolbiecki R, Yücel A, Koci ̨ecka J, Atilgan A, Markovi ...
  • Yildirim T, Asik S. ۲۰۱۸. Index-based assessment of agricultural drought ...
  • نمایش کامل مراجع