تغییرات زمانی و مکانی خشک‌سالی هواشناسی و ارتباط آن با شاخص‌های دمایی و وضعیت پوشش گیاهی با استفاده از سنجش از دور و تصاویر ماهواره‌ای در شهرستان مرودشت

نوع مقاله : پژوهشی

نویسندگان

1 کارشناس ارشد/ گروه مهندسی عمران، دانشکده مهندسی عمران، دانشگاه یاسوج، یاسوج، ایران

2 استادیار/ گروه مهندسی عمران، دانشکده مهندسی عمران، دانشگاه یاسوج، یاسوج، ایران

3 دانشجوی دکتری/ گروه آب و فاضلاب، دانشگاه شهید بهشتی، تهران، ایران

چکیده

خشک‌سالی یک خطر پیچیده و مهم محسوب می‌شود که شدت آن به اقلیم و شرایط آب و هوایی هر منطقه بستگی دارد که می­تواند باعث تغییر ویژگی‌های پوشش گیاهی شود. بی‌شک وقوع خشک‌سالی و در نتیجه آن بحران کاهش و کمبود منابع آب یکی از اصلی‌ترین و مهم‌ترین مخاطرات محیط زیست طبیعی است که بشر از گذشته تاکنون با آن مواجه بوده و نیاز به برنامه‌ریزی همه‌جانبه جهت مقابله با این پدیده است. در تحقیق حاضر خشک‌سالی شهرستان مرودشت با استفاده از سنجش از راه دور و تصاویر ماهواره‌ای به‌صورت سری زمانی تغییرات و هم‌چنین وضعیت خشک‌سالی حاصل از تصاویر ماهواره‌ای با استفاده از SPI مورد بررسی قرار گرفته است. بدین‌منظور 460 تصویر از محصولات دمای سطح زمین (LST) و پوشش گیاهی (NDVI) مربوط به سنجنده مودیس ماهواره ترا تصاویر ماهواره‌ای در دوره آماری 20 ساله (2019– 2000) جهت برآورد شاخص وضعیت دمایی (TCI) و شاخص وضعیت پوشش گیاهی (VCI) استفاده شد. هم‌چنین، وضعیت خشک‌سالی با استفاده از داده‌های بارش ثبت ‌شده توسط ایستگاه‌های موجود در محدوده مورد مطالعه و SPI به‌وسیله نرم‌افزار MATLAB در بازه‌های زمانی 3، 6 و 12 ماهه محاسبه شد. با توجه به نقشه‌های حاصل از TCI وضعیت خشکی خیلی شدید بیش‌تر در قسمت‌های جنوبی و جنوب غربی به‌ویژه در سال‌های 2016 و 2018 مشاهده می‌شود. بر اساس نقشه‌های حاصل از NDVI، محدوده مورد مطالعه دارای تراکم پوشش گیاهی معمولی و نیمه‌متراکم بوده که در تمامی نواحی مختلف آن پراکنده‌ شده و بر اساس نقشه‌های حاصل از شاخص خشک‌سالی VCI، در هیچ‌یک از سال‌ها، شهرستان مرودشت با خشکی بسیار شدید و شدید مواجه نبوده است. هم‌چنین، مطابق با نتایج به‌‌دست‌ آمده از بازه‌های مختلف SPI سال‌های 2016 و 2018 بیش‌ترین میزان خشک‌سالی مشاهده شد و سال 2013 در هر سه بازه SPI از خشک‌سالی کم‌تری نسبت به سایر سال‌ها برخوردار است. در نهایت، تحلیل ضریب همبستگی نشان داد که SPI همبستگی بیش‌تری با TCI در مقایسه با VCI دارد.

کلیدواژه‌ها

موضوعات


افشاری‌نیا، م.، و پناهی، ف. (1400). تأثیر خشکسالی اقلیمی بر شوری خاک سطحی در دشت کاشان. مدلسازی و مدیریت آب و خاک، 1(2)، 36-46.
جهانگیر، م.ح.، اصغری کلشانی، ف.، و ستاریان اصیل، ک. (1401). مطالعۀ تطبیقی شاخص‌های خشکسالی هواشناسی (SPI) و هیدرولوژیک (SSI) بر اساس بهترین تابع توزیع تجمعی برای حوضۀ آبریز ارومیه. مدلسازی و مدیریت آب و خاک، 2(4)، 63-53.
خلیلی، ر.، منتصری، ح.، متقی، ح.، و جلیلی، م.ب. (1400). ارزیابی کیفیت آب رودخانۀ تالار استان مازندران با استفاده از ترکیب شاخص‌های کیفیت آب و مدل‌سازی چندمتغیره. مدلسازی و مدیریت آب و خاک، 1(4)، 30-47.
خلیلی، ر.، زالی، ا.، و متقی، ح. (1400). ارزیابی فلزات سنگین در آب و رسوبات رودخانه هراز، با استفاده از شاخص بار آلودگی (PLI) و شاخص تجمع جغرافیایی (Igeo). تحقیقات آب و خاک ایران، 52(4)، 942-933.
داروند، س.، اسکندری دامنه، ه.، اسکندری دامنه، ح.، و خسروی، ح. (1400). پیش‌بینی روند تغییرات دما و بارش در دوره آتی و تاثیر آن بر بیابان‌زایی. مدل‌سازی و مدیریت آب و خاک، 1(1)، 66-53.
سلیمانی ساردو، س.، و زارعی، م. (1398). پایش خشک‌سالی با استفاده از داده‌های سنجنده MODIS و مقایسه با شاخص هواشناسی SPI در دوره‌های کوتاه‌مدت (مطالعه موردی: حوزه آبخیز جازموریان). پژوهشنامه مدیریت حوزه آبخیز، ۱۰(۲۰)، ۲۶۱-۲۵۰.
زارعی، ا.، و امامی، ح. (1396). ارائه مدلی برای پیش‌بینی دوره بهبود وضعیت سطح آب دریاچه ارومیه و ارزیابی تغییرات زمانی-مکانی دوره تثبیت آن با استفاده از سنجش از دور. علوم و فنون نقشه‌برداری، ۷(۲)، 201-214.
میرموسوی، س.ح.، و کریمی، ح. (1392). مطالعه‌ اثر خشکسالی بر روی پوشش گیاهی با استفاده از تصاویر سنجنده MODIS مورد: استان کردستان. جغرافیا و توسعه، 11(31)، 57-76.
Abdolalizadeh, Z., Ghorbani, A., Mostafazadeh, R., & Moameri, M. (2020). Rangeland canopy cover estimation using Landsat oli data and vegetation indices in Sabalan rangelands, Iran. Arabian Journal of Geosciences, 13(6), 1–13.
Afsharinia, M., & Panahi, F. (2021). Effect of climatic drought on surface soil salinity in Kashan plain. Water and Soil Management and Modelling, 1(2), 36–46 (in Persian).
Ali, S., Zhan, H., Ma, Q., Sun, L., Jiang, N., Qianmin, J., & Fujian, J. (2021). Monitoring drought events and vegetation dynamics in relation to climate change over mainland China from 1983 to 2016. Environmental Science and Pollution Research, 28(17), 21910–21925.
Bento, V.A., Trigo, I.F., Gouveia, C.M., & DaCamara, C.C. (2018). Contribution of land surface temperature (TCI) to vegetation health index: A comparative study using clear sky and all-weather climate data records. Remote Sensing, 10(9), 1324.
Darvand, S., Eskandari Damaneh, H., Eskandari Damaneh, H., & Khosravi, H. (2021). Prediction of the change trend of temperature and rainfall in the future period and its impact on desertification. Water and Soil Management and Modelling, 1(1), 53–66 (in Persian).
Ghasemi, M.M., Mokarram, M., & Zarei, A.R. (2022). Assessing the performance of SN-SPI and SPI and the trend assessment of drought using the XI correlation technique over Iran. Journal of Water and Climate Change, 13(8), 3152–3169.
Gidey, E., Dikinya, O., Sebego, R., Segosebe, E., & Zenebe, A. (2018). Analysis of the long-term agricultural drought onset, cessation, duration, frequency, severity and spatial extent using vegetation health index (VHI) in raya and its environs. Northern Ethiopia. Environmental Systems Research, 7(1), 1–18.
Jahangir, M.H., Asghari Koleshani, F., & Sataryanasil, K. (2022). Comparative study of drought meteorological (SPI) and hydrological (SSI) indices based on the best cumulative distribution function for Urmia basin. Water and Soil Management and Modelling, 2(4), 53–63 (in Persian).
Jiao, W., Zhang, L., Chang, Q., Fu, D., Cen, Y., & Tong, Q. (2016). Evaluating an enhanced vegetation condition index (VCI) based on VIUPD for drought monitoring in the continental United States. Remote Sensing, 8(3), 224.
Khalili, R., Montaseri, H., Motaghi, H., & Jalili, M.B. (2021). Water quality assessment of the Talar river in Mazandaran province based on a combination of water quality indicators and multivariate modeling. Water and Soil Management and Modelling, 1(4), 30–47 (in Persian).
Khalili, R., Zali, A., & Motaghi, H. (2021). Evaluation of heavy metals in water and sediments of Haraz river, using pollution load index (PLI) and geoaccumulation index (Igeo). Iranian Journal of Soil and Water Research52(4), 933-942 (in Persian).
Khosravi, H., Haydari, E., Shekoohizadegan, S., & Zareie, S. (2017). Assessment the effect of drought on vegetation in desert area using landsat data. The Egyptian Journal of Remote Sensing and Space Science, 20, 3–12.
Lee, S.J., Cho, J., Ryu, J.H., Kim, N., Kim, K., Sohn, E., Park, K.H., Jang, J.C., & Lee, Y. (2022). Retrieval of vegetation health index for the Korean peninsula using GK2A AMI. Remote Sensing, 38(2), 179–188.
Mirmosavi, S.H., & Karimi, H. (2013). Effect of drought on vegetation cover using MODIS sensing images case: Kurdistan province. Geography and Development, 11(31), 57–76 (in Persian).
Moisa, M.B., Merga, B.B., & Gemeda, D.O. (2022). Multiple indices-based assessment of agricultural drought: A case study in Gilgel Gibe Sub-basin, Southern Ethiopia. Theoretical and Applied Climatology, 148(1), 455–464.
Moussa Kourouma, J., Eze, E., Negash, E., Phiri, D., Vinya, R., Girma, A., & Zenebe, A. (2021). Assessing the spatio-temporal variability of NDVI and VCI as indices of crops productivity in Ethiopia: A remote sensing approach. Geomatics, Natural Hazards and Risk, 12(1), 2880–2903.
Palchaudhuri, M., & Biswas, S. (2020). Application of LISS III and MODIS-derived vegetation indices for assessment of micro-level agricultural drought. The Egyptian Journal of Remote Sensing and Space Science, 23(2), 221–229.
Rezaeimoghadam, M., Valizadeh Kamran, K., Rostamzadeh, H., & Rezaee, A. (2013). Evaluating the adequacy of MODIS in the assessment of drought (Case study: Urmia lake basin). Geography and Environmental Sustainability, 2(4), 37–52.
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). Journal of Watershed Management Research, 10(20), 250-261 (in Persian).
Talebi Khiavi, H., & Mostafazadeh, R. (2021). Land use change dynamics assessment in the Khiavchai region, the hillside of Sabalan mountainous area. Arabian Journal of Geosciences, 14(22), 1–15.
Xie, F., & Fan, H. (2021). Deriving drought indices from MODIS vegetation indices (NDVI/EVI) and land surface temperature (LST): Is data reconstruction necessary? International Journal of applied earth observation and geoinformation, 101, 102352.
Zareei, A., & Emami, H. (2017). A new model for forecasting recovery period of the Urmia lake water level and assessment of spatiotemporal changes of its stabilization using remote sensing. Journal of Geomatics Science and Technology, 7(2), 201-214 (in Persian).
Zhou, X., Wang, P., Tansey, K., Zhang, S., Li, H., & Wang, L. (2020). Developing a fused vegetation temperature condition index for drought monitoring at field scales usingg Sentinel-2 and MODIS imagery. Computers and electronics in agriculture, 168, 105144.
Zou, Y., Xi, Y., Pan, J., Ahmad, M.I., Zhang, A., Zhang, C., Li, Y., & Zhang, H. (2022). Soy oil and SPI based-oleogels structuring with glycerol monolaurate by emulsion-t emplated approach: Preparation, characterization and potential application. Food Chemistry, 133767.