پایش مکانی خشکسالی کشاورزی از طریق شاخص شرایط حرارتی پوشش گیاهی(VTCI) و به وسیله داده های سنجنده مودیس- مطالعه موردی: استان مرکزی

نویسندگان

1 سازمان تحقیقات و آموزش کشاورزی(تات)

2 دانشگاه سمنان

3 تحقیقات و آموزش کشاورزی

چکیده

خشک­سالی از جمله بلایای طبیعی است که سبب وارد شدن خسارات اقتصادی فراوانی خصوصاً در بخش جغرافیای کشاورزی و منابع طبیعی مناطق خشک می‌گردد. ارزیابی و پایش خشک­سالی به دلیل ماهیت آرام و خزنده‌اش با مسائل و مشکلات فراوانی همراه است. رویکرد استفاده از شاخص‌های مبتنی بر فناوری سنجش‌ازدور به دلیل قابلیت‌های مکانی و زمانی مناسب و نیز عدم وجود مشکلات روش‌های نقطه‌ای، درحال‌توسعه و پیشرفت است. از جمله این شاخص‌ها، شاخص شرایط درجه حرارت پوشش گیاهی (VTCI) است که بر اساس استفاده هم‌زمان از NDVI و LST ایجادشده است؛ بنابراین در این تحقیق قابلیت شاخص VTCI در پایش مکانی خشک­سالی مدنظر قرارگرفته است. برای این منظور، محصولات NDVI و LST سنجنده مودیس ماهواره ترا برای مردادماه سال‌های 1379 تا 1393 دریافت شده و پس از انجام اصلاحات مکانی و زمانی لازم، برای ایجاد شاخص VTCI، مورد پردازش قرار گرفتند. بر اساس نتایج، سال 1385 دارای ضرایب رگرسیون بالاتری نسبت به سایر سال‌ها بوده است (73/0=R2 برای لبه­ی گرم و 86/0=R2 برای لبه­ی سرد). در ادامه، شاخص VTCI مربوط به مردادماه هرسال بر اساس ضرایب رگرسیون همان سال استخراج و نقشه­ی VTCI منطقه به 5 کلاس تنش خشک­سالی: شدید، متوسط، ملایم، نرمال و مرطوب طبقه‌بندی‌شده و درنهایت طبقات خشک­سالی در طی این 15 سال با یکدیگر مقایسه شدند. نتایج حاصل نشان دادند که بیش­ترین درصد مساحت خشک­سالی مربوط به طبقه­ی متوسط و کم­ترین درصد مربوط به طبقه­ی مرطوب بوده است. هم­چنین سال‌های 1392 و 1390 دارای بیش­ترین درصد طبقه­ی شدید و مرطوب بوده‌اند.

کلیدواژه‌ها


عنوان مقاله [English]

Spatial Monitoring of Agriculture Drought Using Vegetation Temperature Condition Index (VTCI) from Terra/MODIS Satellite Data-case study: Markazi Province

نویسندگان [English]

  • Ali Akbar Damavandi 1
  • Mohammad Rahimi 2
  • Mohammad reza Yazdani 2
  • Ali Akbar Noroozi 3
1
2
3
چکیده [English]

Drought is one of the natural disasters which cause economic damages especially in agriculture and natural resources sections. Because of creeper nature of drought, its assessment and monitoring is very complex and difficult. Using of drought indices is one of the most important methods in drought monitoring and evaluation. Because of suitable capabilities of remote sensing technology and its good spatial and temporal resolutions which compensate of meteorological point methods, using of satellite indices approach are developing and progressing. One of the best these indices is Vegetation Temperature Condition Index (VTCI) which constituted basis of simultaneous of NDVI and LST. For spatial monitoring of agricultural drought with VTCI in this research, NDVI and LST products of MODIS sensor of Terra satellite for July of 2000 to 2014 retrieved and after preprocessing prepared for making of VTCI. Main challenge of using this method is determination of warm and cold edges in LST and NDVI scattergram .Based up results of this research, year of 2006 had best regression coefficient (R2=0.73 for warm edge and R2=0.86 for cold edge). In continue based of regression coefficient of each year, their VTCI extracted and map of VTCI drought classes to five classes (High, Medium, Light, Normal and Wet) constituted. Results showed significant relations between VTCI and LST, NDVI and LST/NDVI indices finally, these agriculture drought classes compared from their area in length of study period. Results showed that highest and lowest drought class belonged to medium, light (more than 84%) and wet(less than 1%) classes, respectively. Also years of 2013 and 2011 had most area percent of high drought and wet classes.

کلیدواژه‌ها [English]

  • Drought
  • Remote Sensing
  • VTCI
  • MODIS
  • LST
  • NDVI
AghaKouchak, A., A. Farahmand, F. S. Melton, J. Teixeira, M. C. Anderson, B. D. Wardlow, Hain, C. R. (2015). Remote sensing of drought: Progress, challenges and opportunities, Rev. Geophys., Volume 53, pp 452–480, doi: 10.1002/2014RG000456. Brown, J.F., Wardlow, B.D., Tadesse, T., Hayes, M.J., and Reed, B.C. (2008). The Vegetation Drought Response Index (VegDRI): A new integrated approach for monitoring drought stress in vegetation. GIScience and Remote Sensing, Volume 45 (1): pp 16–46. FAO (2013). Drought Facts. FAO land and water. Food and Agriculture Organization of the United Nations, Retrieved 12.06.2013 from: http://www.fao.org/docrep/017/aq191e/aq191e.pdf. Gillies R, Carlson T, Kustas W, Humes K. (1997). A verification of the “triangle” method for obtaining surface soil water content and energy fluxes from remote measurements of the Normalized Difference Vegetation Index (NDVI) and surface radiant temperature, Remote Sensing, Volume 18: pp 3145–3166. Goetz, S. J. (1997). Multi-sensor analysis of NDVI, surface temperature and biophysical variables at a mixed grassland site, Remote Sensing, Volume 18, pp 71–94. Gu, Y., Brown, J., F., Verdin, J., P. and Wardlow, B. (2007). A five-year analysis of MODIS NDVI and NDWI for grassland drought assessment over the central Great Plains of the United States. Geophysical Research Letters, Volume 34, L06407, doi: 10.1029/2006GL029127. Hayes, M., M. Svoboda, N., Wall, and M., Widhalm (2011). The Lincoln declaration on drought indices: Universal meteorological drought index recommended, Bull. Am. Meteorol. Soc., Volume 92(4), pp 485–488, doi:10.1175/2010BAMS3103.1. Jackson, R. D., Idso, S. B., Beginato, R. J., Pinter, P. J., Jr. (1981). Canopy temperature as a crop water stress indicator, Water Resources Research, Volume 17, pp 1133–1138. Karnieli, A., N. Agam, R. T. Pinker, M. Anderson, M. L. Imhoff, G. G. Gutman, N. Panov, A. Goldberg (2010). Use of NDVI and land surface temperature for drought assessment: Merits and limitations, J. Clim., Volume 23(3), pp 618–633, doi:10.1175/2009JCLI2900.1. Niemeyer, S. (2008). New drought indices. Options, Méditerranéennes. Série A: Séminaires Méditerranéens, Volume 80: pp 267–274. Park, S., Feddema, J. J., Egberts, S. L. (2004). MODIS land surface temperature composite data and their relationships with climatic water budget factors in the central Great Plains, Remote Sensing, Volume 26, pp 1127–1144. Patel, N., B. Parida, V. Venus, S. Saha, V. Dadhwal (2012). Analysis of agricultural drought using Vegetation Temperature Condition Index (VTCI) from TERRA/MODIS satellite data, Environ. Monit. Assess. Volume 184(12), pp 7153–7163. Sandholt, I., Rasmussen, K., and Anderson, J. (2002). A simple interpretation of the surface temperature/vegetation index space for assessment of the surface moisture status. Remote Sensing of Environment, Volume 79, pp 213-224. Steinemann, A.C., Hayes, M.J., and Cavalcanti, L. (2005). Drought indicators and triggers. Drought and water crises: Science, technology, and management issues. CRC Press, Boca Raton, FL. pp 71–92. Tsakiris, G., D. Pangalou, Vangelis, H. (2007). Regional drought assessment based on the Reconnaissance Drought Index (RDI), Water Resour. Manage, Volume 21(5), 821–833. Tucker, C. J., Choudhury, B. J. (1987). Satellite remote sensing of drought conditions, Remote Sens. Environ., Volume 23(2), pp 243–251. Wang, C., Qi, S., Niu, Z., & Wang, J. (2004). Evaluating soil moisture status in China using the temperature-vegetation dryness index (TVDI). Canadian Journal of Remote Sensing, Volume 30, pp 671–679. Wardlow, B., M. C. Anderson, Verdin, J. (2012). Remote Sensing of Drought: Innovative Monitoring Approaches, pp 484, CRC Press. Wilhite, D. A. (2005). Drought and Water Crises: Science, Technology, and Management Issues, pp. 432, Volume 86, CRC Press. Zargar, A., Sadiq, R., Naser, B., Fasal, Khan (2011). A review of drought indices. Environ. Rev. Volume 19: pp 333–349.