تحلیل خشکسالی کشاورزی استان مازندران با استفاده از شاخص‌های مناسب سنجش از دور و هواشناسی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 و عضو هیات علمی گروه علوم مهندسی آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی ساری

2 گروه مهندسی آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی ساری،

چکیده

خشکسالی کشاورزی به دلیل تاثیر شدید بر روی محصولات زراعی و تاثیر غیرمستقیم بر اشتغال و همچنین درآمد سرانه، در سراسر جهان به یک نگرانی اصلی تبدیل شده است. استفاده از روش‌های سنجش از دور انعکاسی، جهت ارزیابی اثرات خشکسالی، به عنوان یکی از کارآمدترین روش‌ها شناخته شده است. بنابراین هدف از پژوهش حاضر تحلیل خشکسالی کشاورزی استان مازندران با استفاده از شاخص‌های مناسب سنجش از دور و هواشناسی می‌باشد. ابتدا شاخص‌های SPI، ZSI و EDI در مقیاس‌های زمانی مختلف محاسبه گردید و بهترین نمایه بر اساس روش توزیع نرمال انتخاب گردید. سپس با استفاده از تصاویر سری ماهواره‌های لندست 5، 7 و 8، شاخص‌های سنجش از دور NDVI، EVI و VCI استخراج گردید و بهترین نمایه براساس بیشترین هبستگی با شاخص خشکسالی مناسب انتخاب گردید. در نهایت با استفاده از بهترین نمایه هواشناسی و سنجش از دور، خشکسالی کشاورزی استان مازندران در دو سال خیلی خشک (89) و خیلی مرطوب (92) برای فصول مختلف مورد بررسی قرار گرفت. نتایج پژوهش حاضر نشان داد که براساس روش توزیع نرمال، مجموع اختلاف از توزیع نرمال برای شاخص SPI نسبت به شاخص‌های دیگر کمتر می‌باشد. همچنین نتایج نشان داد که بالاترین همبستگی بین نمایه‌ طیفی VCI و نمایه‌های هواشناسی SPI با تاخیر زمانی سه و شش ماهه می‌باشد. همچنین نتایج نشان داد، میانگین VCI در تمام فصول سال خیلی خشک (89) برای همه ایستگاه‌ها منطقه مورد مطالعه زیر 50/0 و حداکثر ایستگاه‌ها دارای ارزش VCI کمتر از 35/0 اما در تمام فصول سال خیلی مرطوب (92) برای اکثر ایستگاهها بالای 50/0 می‌باشد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Analyzing Agricultural Drought in Mazandaran Province Using Remote Sensing and Meteorological Indicators

نویسندگان [English]

  • Kaka Shahedi 1
  • Sajad. Rouzbeh Koshahi 2
1
2 Student, Department of Watershed Management, Sari Agricultural Sciences and Natural Resources University, Sari, Iran
چکیده [English]

Agricultural drought has become a major concern worldwide due to the severe impact on crops and the indirect impact on occupation as well as per capita income. The use of reflective remote sensing techniques to evaluate the effects of drought is recognized as one of the most efficient methods. Therefore, the purpose of the present study is to analyze agricultural drought in Mazandaran province using Remote sensing and meteorological indicators. At the first, SPI, ZSI and EDI indices were calculated at different time scales and the best index was selected based on the normal distribution method. Then, using Landsat 5, 7 and 8 satellite images, NDVI, EVI and VCI remote sensing indices were extracted and the best index was selected based on the highest correlation with appropriate drought index. Finally, using the best meteorological and remote sensing indices, the agricultural drought in Mazandaran province was evaluated in two very dry (89) and very wet (92) years for different seasons. The results showed that based on the normal distribution method, the sum of the difference from normal distribution for the SPI index is lower than the other indices. The results also showed that the highest correlation was observed between VCI spectral index and SPI meteorological index with time delay of three and six months. The results also showed that the mean VCI in all seasons of very dry year (89) for all stations was below 0.50 and maximum stations had a VCI value of less than 0.35 but in all seasons of very wet year (92) for most stations is above 0.5

کلیدواژه‌ها [English]

  • Drought
  • Landsat Satellite Series
  • Normal Distribution Method
  • VCI Index

مراجع

جهان بخش اصل، س.، تدینی، م.، نوری، ح.، 1390. تحلیل روند تغییرات بارش‌های سالانه حوضه سفید رود با استفاده از روش ناپارامتری من‌کندال، مجله جغرافیا و توسعه ناحیه‌ای، شماره هفدهم، پاییز و زمستان.
رضایی مقدم، م. ح.، ولیزاده، ک. م.، رستمزاده، ه.، رضایی، ع.، 1391. ارزیابی کارایی داده‌های سنجنده مادیس در برآورد خشکسالی (مطالعه موردی: حوزه آبریز دریاجه ارومیه). مجله جغرافیا و پایداری محیط، شماره 3، 16-1ص.
رضایی‌بنفشه، م.، رضایی، ع.، فریدپور، م.، 1394. تحلیل خشکسالی استان آذربایجان‌شرقی با تاکید بر سنجش از دور و شاخص وضعیت پوشش گیاهی. نشریه دانش آب و خاک، جلد 25، شماره 1، ص 123-113.
شمسی‌پور، ع.، علوی‌پناه، ک.، محمدی، ح.، 1389. بررسی کارایی شاخص‌های گیاهی و حرارتی ماهواره NOAA-AVHRR در تحلیل خشکسالی منطقه کاشان. فصلنامه علمی-پژوهشی تحقیقات مرتع و بیابان ایران، جلد 17، شماره 3، ص 465-445.
کریمی، ب.، لیاقت، ع.، پارسی‌نژاد، م.، اوسطی، خ.، 1386. ارزیابی چند نمایه خشکسالی هواشناسی در ایستگاههای استان مازندران و گلستان. چهارمین همایش ملی علوم و مهندسی آبخیزداری ایران مدیریت حوزه‌های آبخیز، کرج، دانشکده منابع‌طبیعی تهران.
کریمی، م.، شاهدی، ک.، خسروی، خ.، 1395. بررسی خشکسالی هواشناسی و هیدرولوژیکی با استفاده از شاخص‌های خشکسالی در حوزه آبخیز قره‌سو. مجله فیزیک زمین و فضا، 42 (1)، 159-170.
محمودی‌کهن، ف.، اسماعیلی ع.، هانی، م.، 1390. مطالعه نقش بارندگی در وقوع خشکسالی در مناطق خشکسالی در مناطق خشک با استفاده از شاخص‌های گیاهی سنجش از دور (مطالعه موردی: رفسنجان). همایش ملی ژئوماتیک، سازمان نقشه‌برداری کشور، 25 تا 28 اردیبهشت، تهران.
مصطفی زاده، ر.، ذبیحی، م.، 1395. تحلیل و مقایسه شاخص‌های SPI و SPEI در ارزیابی خشکسالی هواشناسی با استفاده از نرم‌افزار R (بررسی موردی: استان کردستان). مجله فیزیک زمین و فضا، 42(3)، 633-634.
Afzal, M., Ragab, R., 2019. Drought risk under climate and land use changes: implication to water resource availability at catchment scale. Water, 11(9), 1790.
Ajaz, A., Taghvaeian, S., Khand, K., Gowda P. H., Moorhead J. E., 2019. Development and evaluation of an agricultural drought index by harnessing soil moisture and weather data. Water, 11(7), 1375.
Bayarjargal, Y., Adyasuren T., Munkhtuya, S., 2000. Drought and vegetation monitoring in the arid and semi-arid regions of the Mongolia using remote sensing and ground data. In Proceedings of 21st Asian Conference on Remote Sensing, Taipei, Taiwan (Vol. 1, pp. 372-377).
Belayneh, A., Adamowski J., Khalil B., Ozga-Zielinski, B., 2014. Long-term SPI drought forecasting in the Awash River Basin in Ethiopia using wavelet neural network and wavelet support vector regression models. Journal of Hydrology, 508, 418-429.
Byun, H.R., Wilhite, D.A., 1999. Objective quantification of drought severity andduration. Journal of Climate, 12(9), pp.2747-2756.
Caccamo, G., Chisholm L.A., Bradstock R. A., Puotinen, M.L., 2011. Assessing the sensitivity of MODIS to monitor drought in high biomass ecosystems. Remote Sensing of Environment, 115(10), 2626-2639.
Chen, X.U., Shi-Xiao Y.U., Zhang Y.P., 2009. Evaluation of Spatiotemporal Dynamics of Simulated Land Use/Cover in China Using a Probabilistic Cellular Automata-Markov Model, Journal of Pedosphere, 23: 243-255.
Gibbs, W. J., Maher, J. V., 1967. Rainfall deciles as drought indicators. bureau of meteorology bulletin no. 48, Commonwealth of Australia, Melbourne, 29.
Gouveia, C.M., Trigo R.M., Beguería S., Vicente-Serrano, S.M., 2016. Drought impacts on vegetation activity in the Mediterranean region: an assessment using remote sensing data and multi-scale drought indicators. Global and Planetary Change.
Hashim, M., Reba, N.M., Nadzri, M.I., Pour, A.B., Mahmud M.R., Mohd Yusoff A.R., Hossain, M.S., 2016. Satellite-based run-off model for monitoring drought in Peninsular Malaysia. Remote Sensing, 8(8), 633.
Heim Jr, R. R. 2002. A review of twentieth-century drought indices used in the United States. Bulletin of the American Meteorological Society, 83(8), 1149-1165.
Kendall, M.G., Stuart, A., 1977. The advanced theory of statistics, Charles Griffin & Co. Ltd.(London), 83, 62013,
Kogan, F. N. 1995. Droughts of the late 1980sin the United States as derived from NOAA polarorbiting satellite data, bull. Am. Meteorol. Soc.76, Pp. 655– 668.
Kumar, D., Shekhar, S., 2015. Statistical analysis of land surface temperature–vegetation indexes relationship through thermal remote sensing. Ecotoxicology and environmental safety, 121, 39-44.
Li, Z., Li, X., Wei, D., Xu, X., Wang, H., 2010. An assessment of correlation on MODIS-NAVI and EVI with natural vegetation in Northem Hebei province. China procedia Environmental Sciences, 2, 964-969 pp.
Lotsch, A., Friedl M.A., Anderson, B.T., 2003. Coupled vegetation- precipitation variability observed from satellite and climate records, Geophysical Research Letters, Vol 30, Issue1.
McKee, T. B., Doesken N.J., Kleist, J., 1993. The relationship of drought frequency and duration to time scales. In Proceedings of the 8th Conference on Applied Climatology (Vol. 17, No. 22, pp. 179-183).
Palmer, W. C. 1965. Meteorological drought (Vol. 30). US Department of Commerce, Weather Bureau.
Peng, J., Loew A., Merlin, O., Verhoest, N.E., 2017. A review of spatial downscaling of satellite remotely sensed soil moisture. Reviews of Geophysics, 55(2), 341-366.
Poonia, S., Rao, A.S., 2012. Analysis of meteorological drought at arid Rajasthan using Standardized Precipitation Index. 92nd America. Meteorol. Soc. Annual. Meeting (January 22–26.
Quiring, S. M., Ganesh, S., 2010. Evaluating the utility of the Vegetation Condition Index (VCI) for monitoring meteorological drought in Texas. Agricultural and Forest Meteorology, 150(3), 330-339.
Robock, A., Vinnikov, K.Y., Srinivasan, G., Entin, J.K., Hollinger, S.E., Speranskaya, N.A., Namkhai, A., 2000. The global soil moisture data bank. Bulletin of the American Meteorological Society. 81(6), 1281-1300.
Seiler, R. A., Kogan, F., Wei, G., 2000. Monitoring weather impact and crop yield from NOAA AVHRR data in Argentina. Advances in Space Research, 26(7), 1177-1185.
Tang, Q., Oki, T., 2016. Terrestrial water cycle and climate change: Natural and human-induced impacts (Vol. 221). John Wiley & Sons: Hoboken, NJ, USA, p. 221.
Tapley, B.D., Bettadpur, S., Ries, J.C., Thompson, P.F., Watkins, M.M., 2004. GRACE measurements of mass variability in the Earth system. Science, 305(5683), 503-505.
Wang, J., Price, K. P., Rich, P.M., 2001. Spatial patterns of NDVI in response to precipitation and temperature in the central Great Plains. International journal of remote sensing, 22(18), 3827-3844.
Wilhite, D. A., 2000. Drought as a natural hazard. In Wilhite, D. A. (Editor), Drought: A global assessment, 1. Routledge, London, P:1- 18.
Wu, H., Hayes, M.J., Weiss, A., Hu, Q., 2001. An evaluation of the Standardized Precipitation Index, the China‐Z Index and the statistical Z‐Score. International journal of climatology, 21(6), 745-758.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار