تعداد نشریات | 49 |
تعداد شمارهها | 1,778 |
تعداد مقالات | 18,929 |
تعداد مشاهده مقاله | 7,804,031 |
تعداد دریافت فایل اصل مقاله | 5,099,692 |
بررسی سری زمانی خشکسالی کشاورزی شهرستان داراب با استفاده از سنجشازدور و سامانه گوگل ارث انجین | ||
جغرافیا و مخاطرات محیطی | ||
مقاله 9، دوره 10، شماره 4 - شماره پیاپی 40، بهمن 1400، صفحه 175-192 اصل مقاله (1.81 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22067/geoeh.2021.69186.1029 | ||
نویسندگان | ||
حسین اسمعیلی* 1؛ سید حسین میرموسوی2؛ اسماعیل سهیلی3 | ||
1کارشناس ارشد آب و هواشناسی، گروه جغرافیا، دانشکده علوم انسانی، دانشگاه زنجان، زنجان، ایران | ||
2دانشیار آب و هواشناسی، گروه جغرافیا، دانشکده علوم انسانی، دانشگاه زنجان، زنجان، ایران | ||
3استادیار آبخیزداری، بخش مرتع، دانشکده کشاورزی و منابع طبیعی داراب، دانشگاه شیراز، شیراز، ایران | ||
چکیده | ||
مخاطره خشکسالی ازجمله ویژگیهای طبیعی کره زمین محسوب میشود که امکان رخداد آن در تمام مناطق آب و هوایی وجود دارد؛ بهطوریکه در پارهای موارد خسارات جبرانناپذیری را ایجاد میکند. با توجه به اهمیت خشکسالی، این پژوهش با هدف تحلیل سری زمانی خشکسالی کشاورزی شهرستان داراب طی یک دوره 20 ساله (1399 – 1379) با استفاده از سنجشازدور و تصاویر ماهوارهای در محیط سامانه گوگل ارث انجین انجام شد. تصاویر ماهوارهای شامل 460 تصویر از محصولات دمای سطح زمین (LST) و پوشش گیاهی (NDVI) سنجنده مودیس ماهواره تررا میباشند که از آنها جهت محاسبه شاخص وضعیت دمایی (TCI) و شاخص وضعیت پوشش گیاهی (VCI) استفاده شد. همچنین با استفاده از دادههای بارش ثبت شده ایستگاه سینوپتیک داراب، شاخص SPI بهوسیله نرمافزار MATLAB در بازههای زمانی مختلف محاسبه شد. نتایج به دست آمده حاکی از این است که مطابق با طبقه خشکی بسیار شدید و بر اساس شاخص TCI سال 1379 با مساحت 46/225 کیلومترمربع وسعت و همچنین نیز بر اساس شاخص VCI سال 1392 با مساحت 80/280 کیلومترمربع وسعت، بیشترین مساحت خشکی را در شهرستان داراب داشتهاند. درنتیجه مقایسه بین مقدار عددی شاخص SPI برای هر یک از سالهای دوره موردبررسی با میزان مساحتهای فاقد خشکسالی حاصل از دو شاخص TCI و VCI به دست آمده از تصاویر ماهوارهای، بیشترین مقدار ضریب همبستگی به میزان 76/0 بین SPI دوازدهماهه و شاخص VCI مشاهده شد که این مطلب نمایانگر شاخص ماهوارهای VCI بهعنوان شاخص بهینه نشاندهنده وضعیت خشکسالی در شهرستان داراب است. | ||
کلیدواژهها | ||
سری زمانی خشکسالی؛ شاخص SPI؛ شهرستان داراب؛ گوگل ارث انجین؛ شاخص TCI | ||
مراجع | ||
اسدی میآبادی، احمد؛ اخضری، داود؛ نوری، حمید؛ بشیرگنبد، محمد؛ 1394. مطالعه اثر خشکسالی بر تغییرات پوشش گیاهی در اراضی مرتعی و کشاورزی بر مبنای دادههای میدانی و ماهوارهای (مطالعه موردی: جنوب استان همدان). نشریه مرتعداری. سال دوم. شماره 1.
رستمی، امین؛ بزانه، محمد؛ رائینی، محمود؛ 1396. پایش مکانی و زمانی خشکسالی کشاورزی با استفاده از تصاویر سنجنده مودیس و فن آوری سنجشازدور (مطالعه موردی: استان آذربایجان شرقی). نشریه دانش آب و خاک. جلد 27. شماره 1. صص 226 – 213.
رضاییبنفشه، مجید؛ رضایی، علی؛ فریدپور، مجتبی؛ 1394. تحلیل خشکسالی کشاورزی استان آذربایجان شرقی با تاکید بر سنجشازدور و شاخص وضعیت پوشش گیاهی. نشریه دانش آب و خاک. جلد 25. شماره 1. صص 123 – 113.
زرگران، پریما؛ بذرافشان، جواد؛ آقاشریعتمداری، زهرا؛ حجابی، سمیه؛ کمالی، سعیده؛ 1398. پایش روزانه خشکسالی بر پوشش گیاهی با استفاده از دادههای بارش شبکه INTERIM و تصاویر سنجنده مودیس MODIS (مطالعه موردی: استان کرمانشاه). نشریه هواشناسی کشاورزی. جلد 7. پاییز و زمستان. صص 14 – 3.
سلطانیفر، میلاد؛ سلطانی، هادی؛ کلههوئی، مهین؛ سلیمانی، کریم؛ 1398. پایش خشکسالی منطقهای با استفاده از تصاویر لندست، منطقه مورد مطالعه: شهرستان کرمانشاه. فصلنامه علمی – پژوهشی اطلاعات جغرافیایی (سپهر). دوره 28. شماره 109. صص 146 – 137.
سلیمانی، کریم؛ درویشی، شادمان؛ شکریان، فاطمه؛ 1398. تحلیل خشکسالی کشاورزی با استفاده از شاخصهای سنجشازدور (مطالعه موردی: شهرستان مریوان). نشریه سنجشازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی. دوره 10. شماره 35. صص 33 – 15.
سلیمانیساردو، مجتبی؛ زراعی، مهدی؛ 1398. پایش خشکسالی با استفاده از دادههای سنجنده MODIS و مقایسه با شاخص هواشناسی SPI در دورههای کوتاه مدت (مطالعه موردی: حوضه آبخیز جازموریان). پژوهشنامه مدیریت حوضه آبخیز. سال دهم. شماره 20. پاییز و زمستان. صص 261 – 250.
سلیمانیشیری، محمدرضا؛ 1391. مکانیابی اراضی مستعد جهت اجرای سیستمهای آبیاری تحت فشار و سطحی با استفاده از GIS (مطالعه موردی: دشت داراب). پایاننامه کارشناسی ارشد. اساتید راهنما: ناصری، عبدالعلی؛ ایزدپناه، زهرا. رشته مهندسی آب. دانشگاه شهید چمران اهواز.
علائی طالقانی، محمود؛ 1382. ژئومورفولوژی ایران. انتشارات قومس.
علیقلینیا، توحید؛ رسولیمجد، نگار؛ هزارجریبی، ابوطالب؛ 1398. ارزیابی و مقایسه شاخصهای خشکسالی استان آذربایجان غربی با استفاده از شاخص PNI، CZI، SPI و سیستم اطلاعات جغرافیایی (GIS). مجله علوم و مهندسی آبیاری. جلد 42. شماره 1. صص 188 – 175.
فرامرزی، محمد؛ نوری، حمید؛ 1394. بررسی و امکانسنجی کارایی شاخصهای گیاهی و حرارتی ماهواره لندست در تحلیل خشکسالی کشاورزی (مطالعه موردی: شهرستان ملایر). فصلنامه تحقیقات جغرافیایی. سال 30. شماره 3. صص 152 – 139.
نعمتی، احمد؛ قریشی نجف آبادی، سیدحسین؛ جودکی، غلامرضا؛ موسوی ندوشنی، سیدسعید؛ 1398. ارزیابی شاخصههای خشکسالی کشاورزی حوضه آبریز فلات مرکزی ایران با استفاده از ماهواره گرانشسنجی. تحقیقات آب و خاک ایران. دوره 50. شماره 2. خرداد و تیر.
AghaKouchak, A. et al., 2015. Remote sensing of drought: Progress, challenges and opportunities. Reviews of Geophysics, 53(2): 452-480.
Baig, M.H.A. et al., 2020. Assessing Meteorological and Agricultural Drought in Chitral Kabul River Basin Using Multiple Drought Indices. Remote Sensing, 12(9): 1417.
Faisol, A., Indarto, I., Novita, E. and Budiyono, B., 2020. An Application of MODIS Surface Reflectance Product for Drought Assessment on Agriculture Area in Manukwari–West Papua–Indonesia, E3S Web of Conferences. EDP Sciences, pp. 01001.
Farahmand, A., 2016. Frameworks for Improving Multi-Index Drought Monitoring Using Remote Sensing Observations, UC Irvine.
Feng, P., Wang, B., Li Liu, D. and Yu, Q., 2019. Machine learning-based integration of remotely-sensed drought factors can improve the estimation of agricultural drought in South-Eastern Australia. Agricultural Systems, 173: 303-316.
Hazaymeh, K. and Hassan, Q.K., 2016. Remote sensing of agricultural drought monitoring: A state of art review. Aims Environmental Science, 3(4): 604.
Ji, T., Li, G., Yang, H., Liu, R. and He, T., 2018. Comprehensive drought index as an indicator for use in drought monitoring integrating multi-source remote sensing data: a case study covering the Sichuan-Chongqing region. International Journal of Remote Sensing, 39(3): 786-809.
Kogan, F.N., 1995. Application of vegetation index and brightness temperature for drought detection. Advances in space research, 15(11): 91-100.
Kulkarni, S.S. et al., 2020. Developing a Remote Sensing-Based Combined Drought Indicator Approach for Agricultural Drought Monitoring over Marathwada, India. Remote Sensing, 12(13): 2091.
McKee, T.B., Doesken, N.J. and Kleist, J., 1993. The relationship of drought frequency and duration to time scales, Proceedings of the 8th Conference on Applied Climatology. Boston, pp. 179-183.
Nemani, R. et al., 2009. Monitoring and forecasting ecosystem dynamics using the Terrestrial Observation and Prediction System (TOPS). Remote Sensing of Environment, 113(7): 1497-1509.
Qu, C., Hao, X. and Qu, J.J., 2019. Monitoring extreme agricultural drought over the Horn of Africa (HOA) using remote sensing measurements. Remote Sensing, 11(8): 902.
Salazar, L., Kogan, F. and Roytman, L., 2008. Using vegetation health indices and partial least squares method for estimation of corn yield. International Journal of Remote Sensing, 29(1): 175-189.
Shen, R., Huang, A., Li, B. and Guo, J., 2019. Construction of a drought monitoring model using deep learning based on multi-source remote sensing data. International Journal of Applied Earth Observation and Geoinformation, 79: 48-57.
Silleos, N.G., Alexandridis, T.K., Gitas, I.Z. and Perakis, K., 2006. Vegetation indices: advances made in biomass estimation and vegetation monitoring in the last 30 years. Geocarto International, 21(4): 21-28.
Teweldebirhan Tsige, D., Uddameri, V., Forghanparast, F., Hernandez, E.A. and Ekwaro-Osire, S., 2019. Comparison of Meteorological-and Agriculture-Related Drought Indicators across Ethiopia. Water, 11(11): 2218.
Thenkabail, P.S. and Gamage, M., 2004. The use of remote sensing data for drought assessment and monitoring in Southwest Asia, 85. Iwmi.
Tucker, C.J. and Choudhury, B.J., 1987. Satellite remote sensing of drought conditions. Remote sensing of Environment, 23(2): 243-251.
Vyas, S.S. et al., 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.
Wang, X. et al., 2018. A predictive model of equivalent temperature index for dairy cattle (ETIC). Journal of thermal biology, 76: 165-170.
West, H., Quinn, N. and Horswell, M., 2019. Remote sensing for drought monitoring & impact assessment: Progress, past challenges and future opportunities. Remote Sensing of Environment, 232: 111291.
Zhou, X. et al., 2020. Developing a fused vegetation temperature condition index for drought monitoring at field scales using Sentinel-2 and MODIS imagery. Computers and Electronics in Agriculture, 168: 105144. | ||
آمار تعداد مشاهده مقاله: 888 تعداد دریافت فایل اصل مقاله: 327 |