مقاله شاخص های گیاهی سنجش از دور در مدل سازی خشکسالی (مطالعه موردی رفسنجان)

word قابل ویرایش
12 صفحه
دسته : اطلاعیه ها
12700 تومان

*** این فایل شامل تعدادی فرمول می باشد و در سایت قابل نمایش نیست ***

شاخص های گیاهی سنجش از دور در مدل سازی خشکسالی (مطالعه موردی رفسنجان)
میانگین بارندگی در ایران کمتر از یک سوم میانگین بارندگی خشکی های زمین است و کرمان نیز در یکی از کم بارش ترین نقاط ایران واقع شده است. از اینرو بررسی خشکسالی در این استان از اهمیت خاصی برخوردار است. با توجه به مزایای فناوری سنجش از دور نسبت به روش های هواشناسی، استفاده از داده های ماهواره ای برای مدل سازی خشکسالی کمک شایانی به برنامه ریزی صحیح برای مقابله با اثرات این بلای طبیعی پیش روی مسئولین خواهد گذاشت. در بررسی های گذشته قابلیت های سنجش از دور به عنوان ابزاری برای مدل سازی کمی خشکسالی در مناطق با بارش متفاوت نشان داده شده است. در این مقاله، از شاخص های VCT” ،NDVT، “NDVIAو “SVT و تصاویر سنجنده MODIS برای مطالعه خشکسالی بین سالهای ۲۰۰۵ تا ۲۰۰۹ در فصل بهار و تابستان در منطقه رفسنجان که بیشتر مناطق زراعی آن زیر محصولات باغی مانند پسته است، استفاده شد. نتایج حاصل از این تحقیق، همبستگی بالا و روال مشخصی را بین شاخص های سنجش از دور نشان می دهد. ولی همبستگی بین این شاخص ها و میزان بارش مقدار قابل ملاحضه این نیست. دلیل این امر نیز کمبود بارش و نیاز به استفاده از آبهای زیر زمینی و در نتیجه کاهش تاثیر بارش بر روی دوره رشد گیاهان و نیز عمق ریشه درختان و تاثیر پذیری محدود آنها از خاک سطحی است.
واژه های کلیدی : سنجش از دور، خشکسالی، MODIS، شاخص گیاهی، رفسنجان

مقدمه
خشکسالی یکی از بلایای طبیعی است که به دلیل اینکه تاثیر قابل ملاحضه ای بر روی بخش کشاورزی و اقتصاد دارد، زندگی جمع قابل ملاحضه ای از ساکنان منطقه را تحت تاثیر قرار می دهد. خشکسالی بر خلاف بلایایی مانند زلزله یا سیل، به ظاهر تعداد تلفات محدودی دارد ولی معمولا مناطق وسیع تری را در بر می گیرد و مدت زمان وقوع آن نیز طولانی خواهد بود.
به دلیل وسعت ایران، مناطق آب و هوایی متفاوتی در آن قابل مشاهده است. ولی به صورت کلی ایران با داشتن میانگین بارندگی بین ۲۲۴ تا ۲۷۵ میلیمتر در سال، از مناطق خشک و کم باران به حساب می آید زیرا میانگین بارندگی در ایران تقریبا برابر یک سوم میانگین بارندگی خشکی های جهان (۸۰۰ میلیمتر در سال) کمتر از یک سوم بارندگی کل سطح زمین (حدود ۱۱۳۳ میلیمتر در سال) است. بیشتر مناطق ایران در تقسیم بندی مناطق خشک دسته بندی می شوند. علاوه بر کمبود بارندگی ها، تغییرات روزانه، ماهیانه و سالانه بارش نیز یکی از مشکلات موجود است که باعث ایجاد خشکسالی های ضعیف تا شدید می گردد. نتایج تحقیقات نشان دهنده درصد فراوانی وقوع خشکسالی و نیز شدت بالای آن در کشور است. بر اساس این تحقیقات به ترتیب شهرهای بندرعباس با ۵۰ درصد، زابل با ۴۶/۷ درصد، زاهدان با ۴۳ درصد، یزد با ۴۲درصد، ایرانشهر با ۴۰ درصد و کرمان با ۲۷ درصد، از مناطق خشک با بیشترین خشکسالی هستند. به طور کلی خشکسالی از ویژگی های آب و هوایی ایران است. با توجه به شرایط آب وهوایی استان کرمان و احتمال بالای وقوع خشکسالی و همچنین نقش کشاورزی در این استان، مدل سازی خشکسالی برای پیش بینی و نیز بررسی شدت خشکسالی در برنامه ریزی استفاده از منابع موجود ، اهمیت شایانی خواهد داشت. ولی مدل سازی این بلای طبیعی دشوار است. دلایل این امر عبارتند از: ه خشکسالی به آهستگی پیشرفت می کند و طبعات آن ناشناخته است. • تعریف مشخصی برای خشکسالی وجود ندارد و به صورت جهانی معیار ثابتی برای تشختص آن وجود ندارد. تعاریف موجود برای یک محدوده یا منطقه خاص قابل استفاده می باشند. • خشکسالی در منطقه وسیعی تاثیر می گذارد و از روال خاصی پیروی نمی کند. خشکسالی در چهار دسته خشکسالی هواشناسی، خشکسالی کشاورزی، خشکسالی هیدرولوژیکی و خشکسالی اقتصادی-اجتماعی قابل بررسی است. پدیده خشکسالی، پدیده ای پیچیده با اثرات متفاوت است، از اینرو از شاخص ها برای تعیین شدت و وسعت خشکسالی استفاده می شود. بیشتر شاخص هایی که در این زمینه به کار گرفته می شود، بر اساس معیار های هواشناسی استوارند و متغیر هایی مانند میزان رطوبت خاک، دما و یا یه خصوص میزان بارش را مورد بررسی قرار می دهند. با فراهم شدن داده های ماهواره ای متفاوت و همه گیر شدن استفاده از آنها توسط متخصصین، امکان مطالعه خشکسالی با استفاده از این تکنولوژی فراهم شد. با استفاده از روش های سنجش از دور می توان خشکسالی را از طریق اثراتی که بر روی گیاهان و کشاورزی دارد، مطالعه نمود و در نتیجه به نتایج دقیق تر و موثر تری برای مدل سازی خشکسالی دست یافت. از مزایای استفاده از روش سنجش از دور نسبت به روشهای هواشناسی می توان به موارد زیر اشاره کرد. * تراکم نقاط نمونه برداری در روش سنجش از دور نسبت به ایستگاه های هواشناسی که نقاط نمونه برداری هواشناسی به حساب می آیند، بیشتر است. * مناطق وسیع تری در این روش قابل پوشش است. امکان بررسی مستقیم تاثیرات خشکسالی بر روی گیاهان وجود دارد. = رزلوشن زمانی در سنجش ار دور بالاتر است و فواصل نمونه برداری در آن می تواند زمان کوتاهی باشد.این روش هزینه کمتری خواهد داشت و در زمان کمتری قابل بهره برداری خواهد بود.
هر یک از شاخص ها، به داده های متفاوتی نیازمندند و از روش مخصوص به خود برای اندازه گیری خشکسالی استفاده می کند. بسیاری از شاخص هایی که برای اندازه گیری خشکسالی هواشناسی به کار می روند مانند شاخص شدت خشکسالی پالمر (PDSI)، شاخص آنومالی رطوبت (Z-index)، شاخص استاندارد شده بارش (SPI)، درصد از نرمال و دهک ها بر اساس اندازه گیری های ایستگاهی دما و بارش استخراج شده اند. با وجود آنکه اندیس های ایستگاهی می توانند تخمین خوبی از خشکسالی را برای یک نقطه ارائه دهند، ولی دقت و جزئیات مکانی آنها تابعی از تراکم و پخش شبکه ایستگاه ها است. شاخص های خشکسالی ماهواره ای مانند شاخص شرایط گیاهی (VCI) که بر اساس شاخص تفاضلی نرمال شده گیاهان (NDVI) بنا شده، قابلیت بالای خود را برای آشکارسازی وقوع خشکسالی و اندازه گیری شدت، مدت و تاثیرات خشکسالی در مناطق مختلف (Ji and Peters, Y Y” Wang et al., Y Y Anyamba et al., Y ” ” N Kogan, NAAà) u slo oL. از جمله کاملترین و مدون ترین تحقیقات صورت گرفته با استفاده از شاخص NDVI، پروژه ای می باشد که در آمریکا انجام می شود(۱۹۹۴ USDA). در این پروژه نقشه های وضعیت خشکسالی آمریکا به صورت هفتگی تهیه می شود. آنالیزهای موورد استفاده در این پروژه بر استفاده از شاخص های گیاهی مختلف و در راس آن NDVI و اطلاعات جانبی بدست آمده از سیستم اطلاعات جغرافیایی ( “GIS) مبتنی است. این مطالعه با استفاده از محصولات سنجنده AVHRR با قدرت تفکیکی مکانی ۴ کیلومتر صورت گرفت. ۲۰۰۹ .Funk et al برای بررسی تغییرات میزان محصول در زیمبابوه، از داده های سری زمانی تصاویر سنجنده MODIS استفاده کرد. در این تحقیق مشخص شد که در صورت حذف اثرات قبل از رشد گیاه از روی NDVI و استفاده از این شاخص در دوره خاصی از رشد محصول و به ثمر رسیدن آن می تواند نتایج مناسب تری نسبت به مقدار ماکزیمم NDVI یا مقادیر تجمعی آن ارائه دهد. قابلیت شاخص های NDVI و VCl برای نمایش خشکسالی در مناطق متنوعی بررسی شده است و بین این دو شاخص و بارش تا قبل از رسیدن به آستانه اشباع رابطه خطی مشاهده شد. در صورت فزونی گرفتن بارش از آستانه، NDVI با افزایش باران به مقدار جزئی افزایش می یابد. بزرگی حد آستانه به عنوان تابعی از نوع خاک تغییر می کند. ۱۹۹۷ Kogan به این نتیجه رسید که بین VCI با میزان محصول کشاورزی در مناطق جنوبی آمریکا؛ آفریقا، آسیا و شمال آمریکا و اروپا به خصوص در دوره رشد محصول همبستگی زیادی وجود دارد. به عنوان مثال همبستگی بین میزان محصول ذرت و شاخص VCI در آرژانتین برابر ۰.۹۲ بر آورد شد. در بررسی دیگری که NAW UL. Kogan y Unganai lalui صورت گرفت، بررسی ها با جزئیات بیشتر صورت گرفت و در بر راهیمی VCI و میزان محصول ذرت در جنوب آفریقا، مشخص شد که این شاخص ۴۶ تا ۸۳ درصد از تغییرات میزان محصول برداشت شده را توجیه می کند. (۱۹۹۸ Unganai & Kogan). ۲۰۰۸ .Rahimzadeh et al از شاخص های VCI و NDVI برای بررسی خشکسالی در شمال غرب ایران بهره گرفت. در این تحقیق از داده های ۷ روزه سنجنده AVHRR استفاده شد. برای مقایسه صحت نتایح شاخص های ماهواره ای، نتایج با بارندگی تجمعی ۳ ماهه (که بیشترین همبستگی را با نتایج نشان می دهد) استفاده شد. علی رغم اینکه انتظار می رود شاخص VCI، خشکسالی را بهتر نمایش دهد، از همبستگی پایین تری با میزان بارش برخوردار بود و NDVI به عنوان نمایانگر بهتر در این تحقیق معرفی شد (۲۰۰۸ .Rahimzadeh et al). در تحقیقی که ۲۰۰۷ .Seiler et al انجام داد، برای پیش بینی میزان محصول در آرژانتین از شاخص های VTI، VCI و TCI استفاده کردند. نتایج این تحقیق نشان داد که این شاخص ها قابلیت پیش بینی محصول را ۲ ماه قبل از برداشت فراهم می کنند. و این شاخص ها تا ۶۰٪ از تغییرات میزان محصول را توجیه می کردند و دارای خطایی برابر ۱۱٪ بودند. در این بررسی آستانه حد مناسب VCI برای وضعیت مناسب گیاه، برابر ۰.۴ در نظر گرفته شده است. در این پروژه از داده های سنجنده AVHRR که به قدرت تفکیک ۱۶ کیلومتر برده شده، استفاده شده است. ۲۰۰۱ .Wang et al رابطه بین NDVI و تغییرات بارش را در کانزاس مورد بررسی قرار داد. در این بررسی مشخص شد در تابستان در صورتی که از بارندگی در ۱ تا ۲ ماه آخر میانگین گیری شود بیشترین همبستگی قابل مشاهده است. در ضمن مشخص شد که میزان همبستگی بین NDVI و بارش به نوع پوشش گیاهی وابسته است. Ji و PeterS در سال ۲۰۰۳ رابطه بین شاخص ماهواره ای NDVI و شاخص هواشناسی SPI را که تابعی از میزان بارش است، در فصل رشد در دشت های پهناور مرکزی و شمالی آمریکا در سالهای ۱۹۸۹ تا ۲۰۰۰ مورد بررسی قرار داد. بیشترین همبستگی NDVI با SPI سه ماهه مشاهده شد که دلیل این امر نیز فاصله زمانی بین رخداد بارش و پاسخ گیاه است. میزان همبستگی بین NDVIو SPI با مکان و زمان تغییر می کرد. بیشترین همبستگی در خاک با ظرفیت نگهداری آب کم و کمترین همبستگی در خاک با ظرفیت نگهداری آب بالا مشاهده شد و بیشترین همبستگی نیز از نظر زمانی، در میانه فصل رشد قابل مشاهده بود. پژوهشگران از این تحقیق نتیجه گیری کردند که NDVI متغیر مفیدی برای پایش وضعیت گیاه است و طبیعت همبستگی بین NDVIو شرایط خشکسالی بر اساس زمان های فصلی و تغییرات نوع خاک و گیاه متغیر است (۲۰۰۳ Ji & Peters). ۲۰۰۶ .Bayarjargal et al تعداد از شاخص های ماهواره ای را با شاخص خشکسالی ایستگاهی در مناطق بیابانی و استپ های بیابانی مغولستان مقایسه کرد. او از سه دسته شاخص های بازتابشی (SVI ،NDVIA ،NDVI و VCI)، شاخص بر اساس دمای درخشندگی (TCI) و شاخص های ترکیبی ( نسبت DSI ،VH LST/NDVI) استفاده و این شاخص ها را با شاخص PDSI که شاخصی هواشناسی است مقایسه کرد. این شاخص ها برای تصاویر سنجنده AVHRR بین سالهای ۱۹۸۲ تا ۱۹۹۹ حساب شد. در این مطالعه توافق کمی بین مناطقی که با استفاده از دو روش در آنها خشکسالی تشخیص داده شده ، مشاهده شد. علاوه بر این، توافق کمی بین اندیس های ماهواره ای با هم، گزارش شد. بیشترین همبستگی بین شاخص ها تابشی مشاهده شد ولی بین شاخص های حرارتی و ترکیبی همبستگی کم و یا عدم همبستگی مشاهده شد. در این بررسی بیان شد که انتخاب شاخص مناسب برای تشخیص خشکسالی، دشوار است و شاخص های هوشناسی ایستگاهی داده های مناسب را برای اعتبار سنجی شاخص های ماهواره ای ارائه نمی دهند. ۲۰۰۳ .Singh et al شاخص های VCI و TCI را برای پایش خشکسالی در هند مورد استفاده قرار داد. نویسندگان متوجه شدند که مقادیر کم VCI به دلیل سیل نیز مانند بروز خشکسالی رخ می دهد، در نتیجه استفاده از این شاخص به تنهایی برای بررسی خشکسالی مناسب نیست. ۲۰۰۶ .Bhui yan et al پاسخ های شاخص های VCI ،SPI و شاخص آب زمین را در شمال هند مقایسه کرد. نتایج این بررسی با نتایج ۲۰۰۳ .Singh et al همخوانی داشت زیرا این بررسی نشان داد که VCI همبستگی ضعیفی با شاخص های خشکسالی هواشناسی و آب شناسی داشت. ۲۰۰۶ .Bhui yan et al به این نتیجه رسید که همبستگی بین VCI و SPI در فصل موسمی افزایش پیدا می کند زیرا سلامتی گیاه در این زمان به صورت کامل به بارندگی وابسته است در صورتی که در باقی سال سلامتی گیاه تا اندازه ای به آبیاری وابسته است.
cel Vincete-Serrano خشکسالی را در منطقه نیمه خشک شبه جزیره ایبری با استفاده از شاخص VCI مطالعه کرد. او نشان داد که تاثیر خشکسالی بر روی گیاهان و در نتیجه پاسخ VCI با توجه به ماه، نوع پوشش و آب و هوای منطقه ای که خشکسالی در آن اتفاق افتاده است وابسته است.
در تحقیق ۲۰۰۹ Quiring & Ganesh در مقایسه ای که بین شاخص VCI و شاخص های هواشناسی در تگزاس صورت گرفت، این شاخص بیشترین همبستگی را با شاخص SPI با دوره زمانی ۶ ماه از خود نشان داد که نسبت به موارد قبلی نشان دهنده اختلاف زمانی بیشتری است. بعد از این شاخص بیشترین همبستگی متعلق به دوره های ۹ و ۳ ماهه شاخص SPI است. در این بررسی مشخص شد که با وجود اینکه این شاخص به منظور حذف ثرات منطقه ای آب و و هوایی و پوشش از روی NDVI بوجود آمده است، همبستگی آن با شاخص SPI به مکان وابسته است.
منطقه مورد مطالعه
منطقه مورد مطالعه شهرستان رفسنجان از استان کرمان است که به دلیل داشتن باغ های پسته شناخته شده است. این شهرستان در قسمت شمال و شمال شرقی استان کرمان واقع است.
منطقه مورد مطالعه در این تحقیق در محدوده طول و عرض جغرافیایی N. 55 295 1″E”30″30-42 وN, 5607″56″ E”1859 30 واقع شده است. شکل ۱ موقعیت منطقه مورد مطالعه را در استان کرمان و تصویرماهواره ای مورد استفاده نشان می دهد.

در این مطالعه از یکی از محصولات سنجنده MODIS از ماهوارهای TERRA و Aqual استفاده شد. این داده NIR روزه ۴ باند آبی، قرمز، مادون قرمز نزدیک نامیده می شوند شامل میانگین γγO) ها که با نام کمبری مادون قرمز میانی MIR است که از آنها دو لایه شامل دو شاخص NDVI و EVI حساب شده است. شاخص EVI شاخصی گیاهی است که در آن تاثیر ابرها کاسته شده است. به دلیل آنکه این داده ها دارای سطح تصحیحات ۱B می باشد خطاهای ژئومتریکی و رادیومتریکی در آنها تصحیح شده است. داده های لایه شاخص NDVI در این داده ها به صورت میانگین ۱۶ روزه محاسبه شده است، این مساله باعث می شود از خطاهای اتفاقی به مقدار زیادی کاسته شود.این داده ها دارای رزلوشن مکانی ۲۵۰ متر می باشند و در سیستم تصویر سینوسوئیدال ارائه شده اند. با توجه به بررسی گیاهان و تاثیر بارش بر روی روال رشد آنها در این پروژه، تصاویر برای دوره های ۱۶ روزه در فصل رشد گیاهان یعنی از روز ۶۵ تا ۲۵۷ سال میلادی مورد استفاده قرار گرفت. داده ها از موتور جستجوی WIST از پایگاه USGS برای سالهای ۲۰۰۵ تا ۲۰۰۹ اخذ شد. میانگین بارندگی روزانه کل استان کرمان بین سالهای ۱۹۹۹ تا ۲۰۰۹ به عنوان داده های هواشناسی مورد استفاده، از سازمان هواشناسی استان کرمان دریافت شد. به دلیل برنارههای خشکسالی در منطقه رفسنجان در این تحقیق، از داده های بارندگی ایستگاه رفسنجان استفاده شد.
روش کار
شاخص تفاضلی نرمال شده گیاهی (NDVI)
شاخص تفاضلی نرمال شده گیاهی (NDVI) یک از قدیمی ترین و شناخته شده ترین و پرکاربردترین شاخص های گیاهی است. ترکیب فرمول تفاضل نرمال شده و استفاده از جذب بالا در محدوده مرئی و بازتابش زیاد در محدوده مادون قرمز که به دلیل کلروفیل ایجاد می شود، باعث شده است این شاخص در شرایط متفاوت از پایداری بالایی برخوردار باشد. یکی از معایب این شاخص این است که در مناطق با پوشش گیاهی متراکم و با افزایش LAI، اشباع می شود. شاخص NDVI توسط رابطه ۱ تعریف می شود.

بازه تغییرات این شاخص بین ۱- تا ۱+ می باشد. محدوده معمول تغییرات گیاه سبز برابر ۲. ۰ تا ۰۸ است (Tucker Y(V4)
مقدار شاخص گیاهی NDVI معمولا برای مناطق گیاهی تنک بین ۰.۰۵ تا ۰.۱، برای مناطق گیاهی معمولی و نیمه متراکم بین ۰.۱ تا ۰.۶ و برای مناطق گیاهی بسیار متراکم و غنی بین ۰.۶ تا ۰٫۷ است. مقدار NDVI برای آب، برف و یخ منفی و برای خاک نیز کمتر از ۰.۰۵ است. ابر ها نیز معمولا دارای مقدار NDVI صفر می باشند. شاخص وضعیت گیاه (VCI) شاخص وضعیت گیاه (VCI) اولین بار توسط Kogan در سال ۱۹۹۷ ارائه شد. این شاخص، وضعیت پوشش گیاهی را بر حسب کمینه و بیشینه مقدار NDVImin) NDVI و NDVImax) برای پیکسل مورد نظر در یک دوره زمانی طولانی مدت، به کار می رود. این شاخص برای حذف اثر تفاوت های آب و هوایی و توپوگرافی از روی نتایج محاسبه شده توسط NDVI طراحی شده است. این شاخص طبق رابطه ۲ تعریف می شود.

بازه تغییرات این شاخص بین ۰ تا ۱+ می باشد. (۱۹۹۷ Kogan).
در صورتی که NDVImax NDVImin 4 صورت ماهیانه برای دوره طولانی ملی لت حساب شده باشد، اندیس j نشان دهنده ماه مورد نظر که مقدار شاخص را برای آن حساب می کنیم، می باشد. اگر مقدار این شاخص بین ۰.۵ تا ۱.۰ باشد، نشان دهنده شرایط مطلوب یا شرایط بالای نرمال است و نزدیک شدن مقدار این شاخص به صفر نشان دهنده خشکسالی شدید در منطقه است. این شاخص نسبت به شاخص NDVI نتایج بهتری را نسبت به میزان بارندگی به خصوص در مناطقی که از نظر جغرافیایی ناهمگون هستند، ارائه می دهد. ناهنجاری های شاخص تفاضلی نرمال شده گیاهان (NDVIA)

این فقط قسمتی از متن مقاله است . جهت دریافت کل متن مقاله ، لطفا آن را خریداری نمایید
word قابل ویرایش - قیمت 12700 تومان در 12 صفحه
سایر مقالات موجود در این موضوع
دیدگاه خود را مطرح فرمایید . وظیفه ماست که به سوالات شما پاسخ دهیم

پاسخ دیدگاه شما ایمیل خواهد شد