نوع مقاله : مقاله پژوهشی
نویسندگان
1 دانش آموخته کارشناسی ارشد مرتعداری. دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان. اصفهان ایران.
2 دانشجوی دکتری علوم و مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران.
3 گروه منابع طبیعی و محیط زیست، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات،تهران،ایران.
چکیده
با توجه به اهمیت تبخیر- تعرق در چرخه هیدرولوژی و کاربردهای متنوع آن در علوم مختلف، محاسبه مقدار آن بویژه، تبخیر- تعرق واقعی از اهمیت بالایی برخوردار است. با توجه به اینکه فراوانی پوشش گیاهی یکی از مهم‌ترین عوامل تاثیرگذار بر دمای سطح زمین است بنابراین پژوهش حاضر با هدف بررسی خودهمبستگی فضایی دمای سطح زمین و تبخیر- تعرق در ارتباط با پوشش‌گیاهی در شهرستان مراوه تپه می‌باشد. با استفاده از پردازش داده‌ها در محیط Google Earth Engine در قسمت اول ، یک مجموعه داده مودیس با وضوح بالا و به صورت فصلی برای هر سال طی یک دوره زمانی بین سال‌های ، 2000، 2015،2010 و 2020 را مورد تجزیه و تحلیل قرار دادیم. سپس تبخیروتعرق به کمک دیتاهای مودیس و روش-تورنت وایت با درنظرگرفتن ضریب رشد گیاهی محاسبه شده و با تبخیروتعرقی که از الگوریتم سبال بدست آمده، مورد مقایسه و بررسی قرار گرفتند.در همین راستا پیشبینی خشکسالی با استفاده از شاخص SPI (یک ماهه،سه ماهه،شش ماهه و دوازده ماهه) برای بازه زمانی 2015 تا 2044 نیز انجام گردید. پس از محاسبه تغییرات جهت شناسایی و کشف الگوها و روندهای موجود در دادههای فضایی از نرم افزار ArcGis بهره گرفته شد. به جهت بهترین نتیجه و کمترین میزان خطا از روش میانیابی مجذور فاصله با پراکنش(Expotntial) و جهت انتخاب بهترین روش درونیابی از شاخص‌های آماری ریشه میانگین مربعات خطا RMS قدر مطلق خطا MAE استفاده گردید. نتایج نشان داد روش عکس فاصله به‌عنوان بهترین روش در میان روش‌های مورداستفاده برای برآورد تغییرات می‌باشد. نتایج این تحقیق مشخص کرد که در فصل بهار بالاترین درصد NDVI با پایین‌ترین میزان دما انطباق مکانی ندارد، به عبارت دیگر درصد شاخص پوشش گیاهی با درجه حرارت سطح زمین رابطه معکوس ندارد. در فصل تابستان بالاترین میزان درصد شاخص پوشش گیاهی از نظر مکانی با کمترین میزان دمای سطح زمین انطباق مکانی کامل دارد. در فصل زمستان نحوه پراکنش الگوهای دمایی به دلیل نقش تعدیل کننده دمایی پوشش گیاهی با استفاده از ساز و کار تبخیر و تعرق در مقایسه با سایر فصول کاملا متفاوت است.
کلیدواژه‌ها
موضوعات
عنوان مقاله [English]
Analysis of Temperature Changes, Vegetation, Evapotranspiration, and Drought Based on Modeling of Landsat 5 and 8 Satellite Imagery and Meteorological Indicators
نویسندگان [English]
- Mitra Sadat Fathifard 1
- Abbas Rahdan 2
- Mahsa Tohidfar 3
1 Graduate of Master of Range Management. Faculty of Natural Resources, Isfahan University of Technology. Isfahan, Iran.
2 Ph.D. student of Watershed Science and Engineering, Faculty of Natural Resources, University of Tehran, Karaj, Iran.
3 Department of Natural Resources and Environment Islamic Azad University, Science and Research Branch
چکیده [English]
Introduction
Remote sensing data can provide the latest information for studying land cover and its changes. Land cover detection helps in area management and decision-making. In addition, comparing images from a certain period can show the trend of changes in any region. The formation of human settlements is always based on natural factors such as water and soil, and villages, as the first form of human coexistence in a natural area, are influenced by numerous natural, economic, and other features. Vegetation is the first and most important producer of any ecosystem and is reflected in many factors; therefore, by studying the relationship between its changes and other factors such as temperature, evapotranspiration, and drought, the interaction of these factors can be understood. Monitoring changes in surface temperature due to seasonal and non-seasonal variations is essential because of their large impact on the human and natural environment. Remote sensing satellite imagery can be used to monitor surface temperature continuously, inexpensively, and rapidly.
Materials and Methods
The objective of this study was to investigate the spatial autocorrelation of surface temperature and evapotranspiration about vegetation in Maraveh Tappeh. Using data processing in the Google Earth Engine environment, the first part analyzes and evaluates a high-resolution seasonal dataset for each year over a period between 2000, 2015, 2010, and 2020. We present the analysis. Then, evapotranspiration was calculated using Modis data and the Torrent-White method, taking into account the plant growth coefficient, and compared with the evapotranspiration determined by the Sabal algorithm. In this context, drought prediction using the SPI index (one month, three months, six months, and twelve months) was also performed for the period 2015 to 2044. After calculating the changes, ArcGIS software was used to detect and discover patterns and trends in the spatial data. To obtain the best result and the lowest error rate, the method of quadratic exponential interpolation was used, and the mean square error RMS absolute value of MAE error was used to select the best interpolation method.
Results and Discussion
The results showed that the inverse distance method is the best method for estimating changes. The results of this study show that in spring, the highest percentage of NDVI does not correspond to the lowest temperature in space, in other words, the percentage of vegetation index is not inversely related to the temperature of the soil surface. In summer, the highest percentage of vegetation index is fully spatially matched concerning the space with the lowest ground surface temperature. In winter, the distribution of temperature patterns is completely different compared to other seasons because vegetation acts as a temperature moderator through the evapotranspiration mechanism.
Conclusion
Most areas with lower temperatures have denser vegetation. The correlation of vegetation has a value of -0.77, indicating a direct and inverse relationship between vegetation and temperature. The quantitative and qualitative changes of vegetation in the last 20 years have been extensive for the study area so the areas without vegetation have decreased somewhat and the rich vegetation has increased.
کلیدواژه‌ها [English]
- Climate
- NDVI
- Remote Sensing
- GIS
- Maraveh Tappeh
اکبری، م؛ سیف، ز و زارع ابیانه، ح (1390)، برآورد میزان تبخیر و تعرق واقعی و پتانسیل در شرایط قلیمی مختلف با استفاده از سنجش از دور، فصلنامه آب و خاک (علوم و صنایع کشاورزی)، مهر و آبان، دوره 25، شماره چهار، صص 844-835.
اکبری، ا، ابراهیمی، م، نژادسلیمانی، ح، فیضی‌زاده، ب، (1394). ارزیابی دمای سطح زمین در ارتباط با روند تغییرات کاربری اراضی با استفاده از تصاویر ماهواره‌ای (مطالعة موردی: حوضة آبخیز طالقان)، جغرافیا و برنامهریزی محیطی، دورة 26، شمارة 4، 151-170.
امینیبازیابی، س؛ زارعابیانه، ح و اکبری، م، (1393)، برآورد دما و شاخص پوشش گیاهی سطح زمین با استفاده از دادههای سنجش از دور (مطالعهموردی: استان همدان)، پژوهشهای جغرافیای طبیعی، شماره سه، ص 348-333.
جهانبخش، س، زاهدی، م و ولیزادهکامران، خ (1390)، محاسبه دمای سطح زمین با استفاده از روش سبال و درخت تصمیم در محیط GIS RS, در بخش مرکزی منطقه مراغه، جغرافیا و برنامهریزی، سال 16 ، شماره 38 ، صص 19.
شایان، س، شریفی کیا ، م، ناصری، ن (1396)، تحلیل خشکسالی رودخانه مرزی الوند با استفاده ازداده های سنجش از دور. پژوهش های فرسایش محیطی، ۷ (۳) :۶۹-۵۵.
سواری، م، برفی زاده، ل، اسدی، ز (1400)، آثار سرمایة اجتماعی بر دستیابی به امنیت غذایی در شرایط خشکسالی نمونة پژوهش: سکونتگاههای روستایی شهرستان دورود. جغرافیا و برنامه ریزی محیطی، 32(4)، 1-28.
علیزاده، ا (1385)، رابطه آب و خاک و گیاه، دانشگاه امام رضا(ع). انتشارات آستان قدس رضوی6. 319 -325.
علیائی، م. (1398). بررسی نقش عوامل طبیعی در پراکنش و استقرار سکونتگاههای روستایی شهرستان زنجان. مهندسی جغرافیایی سرزمین، 3(5)، 45-57.
گلکار حمزیی یزد، ح، کاوه، ف، قهرمان، ب و صدقی، ح (1391)، بررسی روند تغییرات سری زمانی تبخیر- تعرق ماهیانه گیاه مرجع با استفاده از روش پیشنهادی فائو پنمن- مانتیس، مجله علمی-پژوهشی علوم کشاورزی، دانشگاه آزاد اسلامی تهران (واحد علوم و تحقیقات)، دوره 13 ، شـماره دو، صص 433-417.
ناطقی، س، گوهردوست، آ، سلیمانی ساردو، ف (1401)، واکاوی اثر پوشش گیاهی بر وقوع پدیده گرد و غبار (مطالعه موردی: استان هرمزگان). پژوهش های فرسایش محیطی، ۱۲ (۲) :۶۰-۴۳.
منتظری، م، کفایت مطلق، ا. (1397). واکاوی میانگین بلندمدت پوشش گیاهی ایران به کمک نمایة NDVI. جغرافیا و برنامه ریزی محیطی، 29(3)، 1-14.
Bandyopadhyay A., Bhadra A., Raghuwanshi N.S, and Singh R. (2010), Temporal trends in estimates of reference evapotranspiration over India, Journal of Hydrologic Engineering, 14(5):508-515.
Brown, I., Poggio, L., Gimona, A. et al (2011). Climate change, drought risk and land capability for agriculture: implications for land use in Scotland. Reg Environ Change 11, 503–518.
Bastiaanssen, W. G. M., Noordman, E. J., Pelgrum, M. H., Davids, G., Thoreson, B. P. and R. G. Allen. (2005), SEBAL model with remotely sensed data to improve water-resources management under actual field conditions. J of Irrig and Drain, (ASCE):85(1): 85-93.
Garbrecht J., Van Liew M., and et al. (2013), Trends in precipitation, streamflow, and evapotranspiration in the Great Plains of the United States, Journal of Hydrological Engineering, 9 (5):360-367.
Merlin, O., Jacob, F., Wigneron, J., Walker, J., Chehbouni, G. (2010), Multidimensional disaggregation of land surface temperature using high-resolution red, near-infrared, shortwave-infrared and microwave L-band. IEEE Trans. Geosci. Remote Sens., 1-16.
Offer,R, Qin,Zh ,Derimian,Y, and Karnieli,A, (2014), Derivation of Land Surface Temperature for Landsat-8 TIRS Using a Split Window Algorithm,sensor, 14(4): 5768–5780.
Papadavid, G., Hadjimitsis, D.G., Toulios, L., and S. Michaelides. (2013), A modified SEBAL modeling approach for estimating crop evapotranspiration in semi-arid conditions. Water resources management. 27(9): 3493-3506.
- Orimoloye, Johanes A, Belle, Olusola O. Ololade (2021). Drought disaster monitoring using MODIS derived index for drought years: A space-based information for ecosystems and environmental conservation, Journal of Environmental Management Volume 284, 15 April 2021, 112028.
RajeshwariA , Mani N D, (2014), Estimationof Land Surface Temperature ofDindigul District Using Landsat 8 Data, Ijret: International Journal of Research in Engineering and Technology, Volume: 03 Issue: 05, May-2014, Available @ http://www.ijret.org.
Steele, D., Thoreson, B., Hopkins, D., Clark, B., Tuscherer, S., and R. Gautam. (2014), Spatial mapping of evapotranspiration over Devils Lake basin with SEBAL: application to flood mitigation via irrigation of agricultural crops. Irrigation Science. DOI: 10.1007/s00271-014-0445-1.
Tabari H., Marofi S., Aeini A., Hosseinzadeh Talaeea P., and Mohammadi K. (2011), Trend analysis of reference evapotranspiration in the western half of Iran, Agr. Forest Meteorol, 151 (2): 128-136.
Tucker, C.J. and B.Y. Choudhury. (1987), Satellite remote sensing of drought conditions. Remote Sens. Environ. 23:243-251.
Liu, Q., Zhang, S., Zhang, H., Bai, Y., & Zhang, J. (2019). Monitoring drought using composite drought indices based on remote sensing. Science of The Total Environment, 134585.
Zhang, P., Zhang, J., Chen, M., (2017). Economic impacts of climate change on agriculture: The importance of additional climatic variables other than temperature and precipitation, Journal of Environmental Economics and Management, Vol 83, Pp 8- 31.
FAO (2013). Drought Facts-Food and Agriculture, www.fao.org.
Zhang, A., Jia, G., (2013). Monitoring meteorological drought in semiarid regions using multi-sensor microwave remote sensing data, Remote Sensing of Environment, Vol 134, Pp 12-23.
)