بررسی روند تغییرات خشکسالی با شاخص خشکی دمایی– پوشش گیاهی (TVDI) و ارتباط آن با عوامل جوی (مطالعه موردی: حوضه آبریز سیاه‌کوه)

فصلنامه آب و توسعه پایدار

مقاله 9، دوره 10، شماره 3 - شماره پیاپی 29، آذر 1402، صفحه 99-108   

نوع مقاله: پژوهشی کاربردی

شناسه دیجیتال (DOI): 10.22067/jwsd.V10I3.2305-1243

نویسندگان

امین صفدری مولان^{* 1}؛ عادل مردانه²

¹دکتری تخصصی جغرافیا و برنامه‌ریزی شهری، گروه جغرافیا انسانی، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران

²دانش‌آموخته کارشناسی‌ارشد سنجش از دور و GIS، گروه سنجش از دور و GIS، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران

چکیده

آمارها نشان می‌دهد که وقوع پیاپی خشکسالی‌های شدید و بلندمدت، به ویژه در مناطق حساس و شکنندۀ کشور موجب زیان‌های شدید اقتصادی و اجتماعی شده و بروز پدیده خشکسالی، افزایش ریزگردها، توفان‌ها، بیابان‌زایی و کاهش تولید محصولات کشاورزی را سبب شده است. پایش گسترده و پویای خشکی به وسیلۀ روش‌های سنتی امری بسیار مشکل و هزینه‌بر است و علت آن کم‌بودن نقاط نمایش رطوبت خاک است. تکنولوژی سنجش از دور یک روش عملی و کاربردی برای پایش خشکی در یک مقیاس وسیع است. در این تحقیق سعی شده تا خشکسالی منطقه حوضه‌آبریز سیاه‌کوه با شاخص‌های خشکی-دمایی TVDI و شاخص NDVI منتج از تصاویر سنجندهMODIS  شناسایی و ارتباط خشکسالی با عناصر جوی در منطقه، مورد بررسی قرار داده شود. نتایج همبستگی به صورت میانگین کل، نشان داد که مقدار همبستگی شاخص TVDI با SPI شش و دوازده ماهه به ترتیب 0/68 و 0/71 و میزان همبستگی مقادیر NDVI با SPI شش و دوازده ماهه به ترتیب 0/49 و 0/51 می‌باشد. در نتیجه می‌توان گفت که شاخص TVDI به علت استفاده از باندهای حرارتی و انعکاسی و رطوبت خاک، دقت مناسب‌تری از شاخص NDVI که تنها میزان پوشش گیاهی منطقه را در نظر می‌گیرد، دارد. شاخص TVDI با میانگین بارش دو ماهه، همبستگی معکوس 0/54 و با حرارت سطح زمین، همبستگی مستقیم 0/64 داشته است و در مقابل شاخص پوشش گیاهی NDVI با میانگین بارش دو ماهه، همبستگی مستقیم 0/54 و با دمای هوا نیز همبستگی معکوس 0/6 را دارا است. این روابط نشان می‌دهد که ارتباط بین پوشش گیاهی و دما به صورت معکوس (منفی) و ارتباط بین پوشش گیاهی و بارش به صورت مستقیم (مثبت) می‌باشد.

کلیدواژه‌ها

خشکسالی؛ سنجش از دور؛ پوشش گیاهی؛ دما و بارش؛ TVDI

مراجع

هارپال اس، ماوی، و گرائم جی، تاپر. (1388). آب و هواشناسی کشاورزی اصول و کاربرد مطالعات آب و هوا در کشاورزی. مترجم: حسین محمدی. انتشارات دانشگاه تهران. چاپ اول. تهران. ایران.
نوری، سمیرا، و ثنایی‌نژاد، سیدحسین. (1392). بررسی خشکسالی با استفاده از شاخص‌های خشکی دما-گیاه (TVDI) و دما-گیاه اصلاح شده (MTVDI) و تصاویر سنجنده مودیس. نشریه آب و خاک، 27(4)، 753- 762. doi: 10.22067/jsw.v0i0.28135
Alavipanah, S. K. (2001). Performance evaluation of Landsat TM satellite spectral bands in desert studies in Iran. Journal of Natural Resources, 53 (1),67-78.
Alavipanah, S. K., De Dapper, M., Goossens, R., & Massoudi, M. (2001). The use of TM thermal band for land cover/land use mapping in two different environmental conditions of Iran. Journal of Agricultural Science and Technology, 3(1), 27-36. DOR: 20.1001.1.16807073.2001.3.1.2.5
Chopra, P. (2006). Drought risk assessment using remote sensing and GIS: a case study of Gujarat. ME thesis, Indian Institute of Remote Sensing, Dehradun & International Institute for Geo-information & Earth Observation, the Netherlands.
Fensholt, R., Rasmussen, K., Nielsen, T. T., & Mbow, C. (2009). Evaluation of earth observation based long term vegetation trends—Intercomparing NDVI time series trend analysis consistency of Sahel from AVHRR GIMMS, Terra MODIS and SPOT VGT data. Remote Sensing of Environment, 113(9), 1886-1898. https://doi.org/10.1016/j.rse.2009.04.004
Gao, Z., Gao, W., & Chang, N. B. (2011). Integrating temperature vegetation dryness index (TVDI) and regional water stress index (RWSI) for drought assessment with the aid of LANDSAT TM/ETM+ images. International Journal of Applied Earth Observation and Geoinformation, 13(3), 495-503. https://doi.org/10.1016/j.jag.2010.10.005
Ghulam, A., Qin, Q., Teyip, T., & Li, Z. L. (2007). Modified perpendicular drought index (MPDI): a real-time drought monitoring method. ISPRS Journal of Photogrammetry and Remote Sensing, 62(2), 150-164. https://doi.org/10.1016/j.isprsjprs.2007.03.002
McKee, T.B., Doesken, N.J. and Kleist, J. (1993). The Relationship of Drought Frequency and Duration to Time Scales. 8th Conference on Applied Climatology, Anaheim, 17-22 January 1993, 179-184.
Patel, N. R., Anapashsha, R., Kumar, S., Saha, S. K., & Dadhwal, V. K. (2009). Assessing potential of MODIS derived temperature/vegetation condition index (TVDI) to infer soil moisture status. International Journal of Remote Sensing, 30(1), 23-39. https://doi.org/10.1080/01431160802108497
Rahimzadeh, B., P., Omasa, K., & Shimizu, Y. (2012). Comparative evaluation of the Vegetation Dryness Index (VDI), the Temperature Vegetation Dryness Index (TVDI) and the improved TVDI (iTVDI) for water stress detection in semi-arid regions of Iran. ISPRS Journal of Photogrammetry and Remote Sensing, 68, 1-12. https://doi.org/10.1016/j.isprsjprs.2011.10.009
Safdari Molan, A., Ziari, K., Pourahmad, A., & Hataminejad, H. (2019). Providing a Livable Housing Development Model for Increasing Urban Livability (Case Study of Tehran). In Computational Science and Its Applications–ICCSA 2019: 19th International Conference, Saint Petersburg, Russia, July 1–4, 2019, Proceedings, Part III 19 (pp. 660-674). https://doi.org/10.1007/978-3-030-24302-9_47
Spinoni, J., Marinho Ferreira Barbosa, P., Cherlet, M., Forzieri, G., Mccormick, N., Naumann, G., Vogt, J. and Dosio, A. (2021). How will the progressive global increase of arid areas affect population and land-use in the 21st century. Global and Planetary Change, 205, 103597. https://doi.org/10.1016/j.gloplacha.2021.103597 
Tamir K.; William R. L. A. (2021). A vast increase in heat exposure in the 21st century is driven by global warming and urban population growth. Sustainable Cities and Society, 73, 103098. https://doi.org/10.1016/j.scs.2021.103098
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
Xu, P., Zhou, T., Zhao, X., Luo, H., Gao,S., Li,Z., Cao,L. (2018). Diverse responses of different structured forest to drought in Southwest China through remotely sensed data. International Journal of Applied Earth Observations and Geoinformation, 69, 217-225. https://doi.org/10.1016/j.jag.2018.03.009 
Yamani, M., Mazidi, A. (2008). The Investigation of changes in surface and vegetation of Shaikh desert using remote sensing data. Quarterly Journal of Geographical Research, 40(64), 1-12.
Yao, C., Zhang, Z. and Wang, X. (2004). Evaluating Soil Moisture Status in XinJiang Using the Temperature Vegetation Dryness Index(TVDI). Remote Sensing Technology and Application, 6, 473-478.
Yuan, X. Y., Chao, D. Y., Gao, J. P., Zhu, M. Z., Shi, M., & Lin, H. X. (2009). A previously unknown zinc finger protein, DST, regulates drought and salt tolerance in rice via stomatal aperture control. Genes & Development, 23(15), 1805-1817. https://doi.org/10.1101/gad.1812409