ارزیابی کارایی شاخصهای خشکسالی گیاهی (VDI) و دمایی (TDI) مبتنی بر تصاویر ماهواره‌ای در محدوده ایران مرکزی | ||
| خشک بوم | ||
| مقاله 7، دوره 7، شماره 1، خرداد 1396، صفحه 79-94 اصل مقاله (929.13 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.29252/aridbiom.7.1.79 | ||
| نویسندگان | ||
| یعقوب نیازی* 1؛ علی طالبی2؛ محمد حسین مختاری3؛ مجید وظیفه دوست4 | ||
| 1دکتری علوم و مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه یزد | ||
| 2دانشیار دانشکده منابع طبیعی، دانشگاه یزد | ||
| 3استادیار دانشکده منابع طبیعی، دانشگاه یزد | ||
| 4استادیار گروه مهندسی آب، دانشگاه گیلان | ||
| چکیده | ||
| افزایش دما و تغییر الگوهای بارش منجر به رخدادهای آب و هوایی شدید مثل خشکسالی شده است که به شدت در حوزههای کشاورزی، زیست محیطی، اجتماعی و اقتصادی تأثیرگذار است. اطلاعات درباره زمان، شدت و وسعت خشکسالی میتواند به برنامهریزی و تصمیمگیری 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. از این‌رو شاخصهای خشکسالی حاصل از دادههای سنجش از دوری امروزه به طور گسترده برای پایش خشکسالی استفاده می‌شود. در این پژوهش دو شاخص خشکسالی گیاهی (VDI) و دمایی (TDI) مبتنی بر سنجش از دور بر اساس شاخص خشکسالی بارش استاندارد شده (SPI) مبتنی بر دادههای ایستگاههای زمینی مورد ارزیابی قرار گرفته است. دادههای مورد استفاده در این تحقیق شامل تصاویر سنجنده MODIS ماهواره Terra و دادههای بارش 50 ایستگاه سینوپتیک در محدوده ایران مرکزی در طی دوره آماری 2004-2001 است. ارزیابی دقت دو شاخص خشکسالی جدید VDI و TDI با استفاده از معیارهای ارزیابی R و RMSE در سطح اطمینان 95% و بر اساس مقایسه با نقشه توزیع مکانی خشکسالی مبتنی بر شاخص SPI انجام شد. نتایج معیارهای ارزیابی نشان داد که شدت خشکسالی برآورد شده به وسیله شاخصهای VDI و TDI در انطباق با مقادیر شاخص SPI به ترتیب دارای ضریب همبستگی معنیدار (69/0) و (66/0) است. از این‌رو این شاخصهای خشکسالی مبتنی بر دادههای سنجش از دوری به خوبی میتواند در سیستم‌های هشدار سریع خشکسالی استفاده شود. | ||
| کلیدواژه‌ها | ||
| خشکسالی؛ شاخص VDI؛ شاخص TDI؛ سنجش از دور؛ ایران مرکزی | ||
| عنوان مقاله [English] | ||
| Assessing the Efficiency of Vegetation Drought Index (VDI) and Temperature Drought Index (TDI) based on Satellite Images in Central Iran | ||
| نویسندگان [English] | ||
| Y. Niazi1؛ A. Talebi2؛ M. H. Mokhtari3؛ M. Vazifedoust4 | ||
| 1PhD of Watershed Management Sciences & Engineering, Faculty of Natural Resources, Yazd University | ||
| 2Associate Professor, Faculty of Natural Resources, Yazd University | ||
| 3Assistant Professor, Faculty of Natural Resources, Yazd University | ||
| 4Assistant Professor, Water Engineering Department, Guilan University | ||
| چکیده [English] | ||
| Increasing of temperature and changing in precipitation patterns, leads to extreme climate events such as drought which drastically impact on agricultural, ecological and socio-economic sectores. 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, two new drought indices, Vegetation Drought Index (VDI) and Temperature Drought Index (TDI) derived from remote sensing data are evaluated based on the Standard Precipitation Index (SPI) derived from in-situ meteorological data. The data included the MODIS sensor images from Terra satellite for the 2001 -2004 and rainfalls data from 50 synoptic stations in Central Iran. Accuracy of the two drought indices based on satellite data carried out using evaluation criteria of R and RMSE in 95% confidence levels compared with drought spatial distribution map of the SPI based on rainfalls monthly data. Results indicate significant correlation between VDI (0.69) and TDI (0.66) indices with SPI index. Thus, the drought indices based on remote sensing data could well use in drought early warning systems. | ||
| کلیدواژه‌ها [English] | ||
| Drought Monitoring, Vegetation Drought Index (VDI), Temperature Drought Index (TDI), Remote Sensing, Central Iran | ||
| مراجع | ||
|
[1]. Baaghideh, M., Alijani, B., & Ziaian, P. (2010). Evaluation The Possibility of Using The NDVI of Using The NDVI Index to Analyze and Monitor Droughts in Esfahan Province. Journal of Arid Regions Geographic Studies,1(4). 1-16. (in Farsi).
[2]. Balint, Z., Mutua, F.M., Muchiri, P., & Omuto, C.T. (2013). Monitoring Drought with the Combined Drought Index in Kenya. Journal of Developments in Earth Surface Processes, Vol. 16. pp. 341-356.
[3]. Balint, Z., Mutua, F.M., & Muchiri, P. (2011). Drought Monitoring with the Combined Drought Index. Methodology and Software. FAO-SWALIM Nairobi, Kenya, PP. 1-28.
[4]. Bhuiyan, C., Singh, R.P., & Kogan, F.N. (2006). Monitoring drought dynamics in the Aravalli Region (India) using different indices based on ground and remote sensing data. Inter. J. Appl. Earth Obs. Geoinf, 8: 289-30.
[5]. Ebrahimi Khusfi, M., Darvishzade, R., Matkan, A., & Ashourloo, D. (2010). Drought Assessment in Arid Regions Using Vegetation Indices - A Case Study of "Shirkooh of Yazd" in Central Iran. Journal of Environmental Sciences, 7(4), 59-72. (in Farsi).
[6]. Ebrahimzadeh, S., Bazrafshan, J., & Ghorbani, K.H. (2013). Comparative study of drought index based on satellite data and ground-based techniques using vector analysis (case study: Kermanshah Proninve). journal of water and soil (Agricultural Science and Technology), 27: 5. 1045-1034. (in Farsi).
[7]. Erfanian, M., Vafaei, N., & Rezaianzadeh, M. (2014). A New Method for Drought Risk Assessment by Integrating the TRMM Monthly Rainfall Data and the Terra/MODIS NDVI Data in Fars Province. Iran. Journal of Physical Geography Research Quarterly, 46(1). 93-108. (in Farsi).
[8]. Guttman, N. (1998). Comparing the Palmer Drought Index and the Standardized Precipitation Index. J. of Am Water Resources Association, 34, PP.113-121.
[9]. Heim, R.R. (2002). A Review of Twentieth-century Drought Indices Used in United States. Bulletin of the American Meteorological Society, 84: 1149-1165.
[10]. Hellden, U., Christian, T. (2008). Regional Desertification: a Global Synthesis. Global and Planetry Change, 64: 3-4, PP. 169-176.
[11]. Jahanbakhsh, A., Sarraf, S.S., Khorshiddoust, B., & Rostamzadeh, A.M. (2009). Assessment and analysis of vegetation change in Sarab Plain in drought and wet years. J. Geograph, 23: 132-117. (in Farsi).
[12]. 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, 17–22 January, Anaheim, CA, Am Meteor Soc, Boston, MA, 179–184.
[13]. McKee, T.B., Doesken, N.J., & Kleist, J.Y. (1995). Drought monitoring with multiple time scales. Ninth Conference on Applied Climatology. American Meteorological Society: Dallas. TX, PP 233–236.
[14]. Mir-Mousavi, H., & Karimi, H. (2013). Effects of drought on vegetation cover using Landsat MODIS images. J. Geograph. Dev, 31: 76-57. (in Farsi).)
[15]. Mishra, A.K., & Singh, V.P. (2010). A review of drought concepts. Journal of Hydrology, 391(1), 202-216.
[16]. Morid, S., Smakhtin, V., & Moghaddasi, M. (2006). Comparison of seven meteorological indices for drought monitoring in Iran. International Journal of Climatology, 26, 971–985.
[17]. Rahimzadeh, P. (2005). The possibility of using NOAA-AVHRR images to monitor drought. M.Sc. thesis, Tehran University. Faculty of Environment. (in Farsi).
[18]. Rezaeimoghadam, M.H., Valizadeh Kamran, K.H., Rostamzadeh, H., & Rezaee, A. (2013). Evaluating the Adequacy of MODIS in the Assessment of Drought (Case Study: Urmia Lake Basin). Journal of Geography and Environmental Sustainability, 2(5). 37-52. (in Farsi).
[19]. Rhee, J. (2010). Monitoring Agricultural Drought for Arid and Humid Regions Using Multi-sensor Remote Sensing Data. Remote Sensing of Environment, 114, 2875–2887.
[20]. Roswintiarti, O., Oarwati, S., & Anggraini, N. (2010). Potential drought monitoring over agriculture area in Java Island. Indonesia, Indonesian National Institute of Aeronautics and Space (LAPAN), Progress Report of SAFE Prototype Year, Pp.121-135.
[21]. Sergio, M., & Vicente, S. (2007). Evaluating the Impact of Drought Using Remote Sensing in a Mediterranean, Semi arid Region. Natural Hazards, 40: 1. 173-208.
[22]. Shakya, N., & Yamaguchi, Y. (20100. Vegetation, water and thermal stress index for study of drought in Nepal and central Northeastern India. International Journal of Remote Sensing, 31, 903–912.
[23]. Shamsipour, A.A., Alavipanah, S.K., Mohammadi, H. (2010). Efficiency of Vegetation and Thermal Indices of NOAA-AVHRR Satellite in Ecological Drought Analysis of Kashan Region. Iranian Journal of Range and Desert Research, 3(40). 445-465. (in Farsi).
[24]. Szinell, C.S., Bussay, A., Szentimrey, T.(1998). Drought tendencies in Hungary. Int. J. Climatol, 18, 1479–1491.
[25]. Thenkabail, P.S., Enclona, E.A., Ashton, M.S., Legg, C., & Jean De Dieu, M. (2004). The use of remote sensing data for drought assessment and monitoring in southwest Asia. International Water Management Institute. PO Box 2075. Colombo. Sri Lanka.
[26]. Vyas, S.S., Bhattacharya, B.K., Nigam, R., Guhathakurta, P., Ghosh, K., Chattopadhyay, N., & Gairola, R.M. (2015). A combined deficit index for regional agricultural drought assessment over semi-arid tract of India using geostationary meteorological satellite data. International Journal of Applied Earth Observation and Geoinformation, 39: 28-39.
[27]. Wilhite, D.A. (20000. Drought as a natural hazard, In: Wilhite, D. A (Editor), Drought: A Global Assessment, Routledge, London.
[28]. 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, 745–758. | ||
|
آمار تعداد مشاهده مقاله: 1,135 تعداد دریافت فایل اصل مقاله: 1,295 |
||