ارزیابی اثر خشکسالی بر پوشش گیاهی استان لرستان با استفاده از تصاویر پیشرفته مادون‌قرمز

جغرافیا و مخاطرات محیطی

مقاله 10، دوره 13، شماره 3 - شماره پیاپی 51، آبان 1403، صفحه 247-279   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/geoeh.2023.82117.1356

نویسندگان

صمد خسروی یگانه¹؛ مصطفی کرم پور^{* 2}؛ بهروز نصیری²

¹دانشجوی دکتری آب‌وهوا شناسی، گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه لرستان، خرم‌آباد، ایران

²دانشیار گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه لرستان، خرم‌آباد، ایران

چکیده

مجموعه رادیومتر تصویربرداری مادون‌قرمز مرئی (VIIRS) یکی از ابزارهای کلیدی روی فضاپیمای سازمان ملی امریکا در مدار قطبی (Suomi NPP) است که با موفقیت در 28 اکتبر 2011 پرتاب شد که نسل جدیدی از قابلیت‌های تصویربرداری با وضوح متوسط عملیاتی پس از AVHRR در NOAA، MODIS در ماهواره‌های Terra و Aqua را امکان‌پذیر می‌کند. VIIRS نظارت عملیاتی محیطی و پیش‌بینی عددی آب‌وهوا با 22 باند تصویربرداری رادیومتریک با طول موج‌های 41/0 تا 5/12 میکرومتر را پوشش می‌دهند. به‌منظور آشکارسازی تأثیر بارش بر پوشش گیاهی استان لرستان، میانگین ماهانه شاخص استاندارد بارش SPI با استفاده از داده‌های بارش 7 ایستگاه هواشناسی استان محاسبه شد. سپس با استفاده از تصاویر مادون‌قرمز به‌صورت میانگین هفتگی در دوره زمانی 2021-2013 (اول آوریل تا پایان ژولای) اخذ شده از سنجنده Suomi NPP  به بررسی وضعیت پوشش گیاهی پرداخته شد. نتایج نشان داد میزان همبستگی شاخص استاندارد بارش با شاخص NDVI، VCI،TCI و VHI به ترتیب 0037/0، 0048/0، 174/0 و 150/0 است. شاخص TCI همبستگی بیشتری با شاخص SPI داشته و به‌عنوان یک روش ترکیبی از سنجش‌ازدور و اطلاعات ایستگاه‌های هواشناسی برای بررسی شرایط پوشش گیاهی در استان لرستان مناسب است. پوشش گیاهی همه‌ساله با درجات مختلفی از خشکسالی روبه‌رو بوده و شدیدترین خشکسالی پوشش گیاهی در 2021 در بیشتر مناطق استان به‌ویژه قسمت‌های مرکزی، جنوبی و شمال شرقی استان رخ‌داده است. در سال‌های  2013، 2015 و 2018 خشکسالی پوشش گیاهی با شدت کمتری رخ‌داده و در 2016، 2018، 2019 و 2020 پوشش گیاهی در شرایط مطلوب‌تری قرار داشته است.

کلیدواژه‌ها

سنجش از دور؛ پایش خشکسالی؛ شاخص‌های پوشش گیاهی؛ شاخص بارش استاندارد شده؛ داده‌های ماهواره‌ای VIIRS؛ استان لرستان

مراجع

Akbari, M. (2003). Evaluation and classification of desertification using RS and GIS techniques in the arid region of northern Isfahan. Master's thesis, Isfahan University. [In Persian]

Berhan, G., Hill, S., Tadesse, T., Atnafu, S. (2011). Using satellite images for drought monitoring: a knowledge discovery approach. Journal of Strategic Innovation and Sustainability, 7(1), 135-153.

Bhalme, H. N., Reddy, R. S., Mooley, D. A., & Ramana Murty, B. V. (1981). Solar activity and Indian weather/climate. Proceedings of the Indian Academy of Sciences-Earth and Planetary Sciences, 90, 245-262. https://doi.org/10.1007/BF03029206

Bhuiyan, C. (2008). Desert vegetation during droughts: response and sensitivity. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 37, 907-912.

Ceccato, P., Flasse, S., Tarantola, S., Jacquemoud, S., & Grégoire, J. M. (2001). Detecting vegetation leaf water content using reflectance in the optical domain. Remote Sensing of Environment, 77(1), 22-33. https://doi.org/10.1016/S0034-4257(01)00191-2

Dabrowska-Zielinska, K., Kogan, F., Ciolkosz, A., Gruszczynska, M., & Kowalik, W. (2002). Modelling of crop growth conditions and crop yield in Poland using AVHRR-based indices. International Journal of Remote Sensing, 23(6), 1109-1123. https://doi.org/10.1080/01431160110070744

Ehrlich, P. R., & Holdren, J. P. (1971). Impact of Population Growth: Complacency concerning this component of man's predicament is unjustified and counterproductive. Science, 171(3977), 1212-1217. https://doi.org/10.1126/science.171.3977.1212

Gao, B. C. (1996). NDWI-A normalized difference water index for remote sensing of vegetation liquid water from space. Remote Sensing of Environment, 58(3), 257-266. https://doi.org/10.1016/S0034-4257(96)00067-3

Ghulam, A., Li, Z., Qin, Q., & Tong, Q. (2007). Exploration of the spectral space based on vegetation index and albedo for surface drought estimation. Journal of Applied Remote Sensing, 1(1), 013529. https://doi.org/10.1117/1.2784792

Holdren, J. P., & Ehrlich, P. R. (1974). Human Population and the Global Environment: Population growth, rising per capita material consumption, and disruptive technologies have made civilization a global ecological force. American Scientist, 62(3), 282-292. https://www.jstor.org/stable/27844882

Hollinger, S. E., Isard, S. A., & Welford, M. R. (1993). A new soil moisture drought index for predicting crop yields. In Preprints, Eighth Conference on Applied Climatology, USA: American Meteorological Society, 187-190.

Hui, C. (2006). Carrying capacity, population equilibrium, and environment's maximal load. Ecological Modelling, 192(1-2), 317-320. https://doi.org/10.1016/j.ecolmodel.2005.07.001

Hunt Jr, E. R., & Rock, B. N. (1989). Detection of changes in leaf water content using near-and middle-infrared reflectances. Remote Sensing of Environment, 30(1), 43-54. https://doi.org/10.1016/0034-4257(89)90046-1

Jensen, J. R. (1996). Introductory digital image processing: a remote sensing perspective. New Jersey: Prentice Hall. https://www.cabidigitallibrary.org/doi/full/10.5555/20001911540

Kogan, F. N. (1995). Droughts of the late 1980s in the United States as derived from NOAA polar-orbiting satellite data. Bulletin of the American Meteorological Society, 76(5), 655-668. https://doi.org/10.1175/1520-0477(1995)076%3C0655:DOTLIT%3E2.0.CO;2

Kogan, F. N. (1997). Global drought watch from space. Bulletin of the American Meteorological Society, 78(4), 621-636. https://doi.org/10.1175/1520-0477(1997)078%3C0621:GDWFS%3E2.0.CO;2

Kogan, F. N. (2000). Contribution of remote sensing to drought early warning. Early warning systems for drought preparedness and drought management, 75-87. https://www.researchgate.net/publication/253598539

Lashni Zand, M. )2003(. Investigating the intensity, continuity, and frequency of climatic droughts in six basins located in the west and northwest of the country. In Proceedings of the 3rd Regional Conference on Climate Change. [In Persian] https://civilica.com/doc/12486/

Matsushita, B., Yang, W., Chen, J., Onda, Y., & Qiu, G. (2007). Sensitivity of the enhanced vegetation index (EVI) and normalized difference vegetation index (NDVI) to topographic effects: a case study in high-density cypress forest. Sensors, 7(11), 2636-2651. https://doi.org/10.3390/s7112636

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), 179-183.

Narasimhan, B., & Srinivasan, R. (2005). Development and evaluation of soil moisture deficit index (SMDI) and evapotranspiration deficit index (ETDI) for agricultural drought monitoring. Agricultural and Forest Meteorology, 133(1-4), 69-88. https://doi.org/10.1016/j.agrformet.2005.07.012

Palmer, W. C. (1965). Meteorological drought. US. Weather Bureau Res. Paper, 45, 1-58.

Peters, D. P. (2002). Plant species dominance at a grassland-shrubland ecoton: an individual based gap dynamics model of herbaceous and woody species. Ecological Modeling, 152(1), 5-32. https://doi.org/10.1016/S0304-3800(01)00460-4

Pettorelli, N., Vik, J. O., Mysterud, A., Gaillard, J. M., Tucker, C. J., & Stenseth, N. C. (2005). Using the satellite-derived NDVI to assess ecological responses to environmental change. Trends in Ecology & Evolution, 20(9), 503-510. https://doi.org/10.1016/j.tree.2005.05.011

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, 121-135.

Shafer, B. A., & Dezman, L. E. (1982). Development of a surface water supply index (SWSI) to assess the severity of drought conditions in snowpack runoff areas. In Proceedings of the Western Snow Conference, Colorado State University, Fort Collins, CO, 164–175.

Tadesse, T., Brown, J. F., & Hayes, M. J. (2005). A new approach for predicting drought-related vegetation stress: Integrating satellite, climate, and biophysical data over the US central plains. ISPRS Journal of Photogrammetry and Remote Sensing, 59(4), 244-253. https://doi.org/10.1016/j.isprsjprs.2005.02.003

Tucker, C. J., & Sellers, P. J. (1986). Satellite remote sensing of primary vegetation. International Journal of Remote Sensing, 7(11), 1395–1416. http://dx.doi.org/10.1080/01431168608948944

Van-Rooy, M. P. (1965). A rainfall anomally index (RAI), independent of time and space, Notos, 14, 43-48.

Wan, Z., Wang, P., & Li, X. (2004). Using MODIS land surface temperature and normalized difference vegetation index products for monitoring drought in the southern Great Plains, USA. International Journal of Remote Sensing, 25(1), 61-72. https://doi.org/10.1080/0143116031000115328

Weghorst, K. (1996). The Reclamation Drought Index: guidelines and practical applications. In North American Water and Environment Congress & Destructive Water, ASCE, 637-342.

Wilhite, D. A., & Glantz, M. H. (1985). Understanding: the drought phenomenon: the role of definitions. Water International, 10(3), 111-120. https://doi.org/10.1080/02508068508686328