بررسي داده‌هاي سنجش از دور جهت پايش رطوبت خاك در استان كرمان (مطالعه موردي: حوزه آبخيز سد بافت)

Study of Remote Sensing Data for Monitoring Soil Moisture in Kerman Province (Case Study: Baft Dam Basin

در حال حاضر انواع روش‌هاي قابل اعتماد و عملي براي اندازه‌گيري رطوبت خاك از مقياس نقطه‌اي به مقياس جهاني وجود دارد. توسعه بسيار دقيق تكنيك‌هاي اندازه‌گيري و داده‌هاي كارآمد، سيستم را براي نظارت مستمر قادر مي‌سازد. به تازگي پيشرفت قابل توجه در تكنيك سنجش از دور، به جامعه علمي اجازه داده است كه نقشه رطوبت خاك را در هر نقطه از جهان به صورت دقيق و مكرر داشته باشند، كه اين پيشرفت كمك مي‌كند براي به دست آوردن داده‌هاي مورد اطمينان از حوضه‌هاي دور دست و حوضه-هايي كه بدون آمار هستند و از صرف وقت و هزينه اضافي جلوگيري به عمل مي‌آورد. مطالب فوق ضرورت انجام اين تحقيق را بيان مي‌كند. در اين تحقيق فرضيه اين است كه آيا داده‌هاي سنجش از دور MERRA-LAND در برآورد رطوبت خاك حوزه آبخيز بافت دقت قابل قبولي دارد؟ براي اين‌كه به جواب اين پرسش برسيم، بعد از دانلود داده‌ها و قرائت آن‌ها جهت صحت‌سنجي داده‌ها از روش همبستگي پيرسون بين داده‌هاي متوسط ماهانه ماهواره و بارندگي متوسط ماهانه ايستگاه‌هاي سينوپتيك بافت و باران‌سنجي كيسكان در دوره 2009 تا 2013 استفاده شد. نتايج نشان داد كه با اطمينان 99 درصد در ايستگاه كيسكان(كه در وسط حوضه واقع شده است) و با اطمينان 95 درصد در ايستگاه بافت بين داده‌هاي متوسط ماهانه رطوبت خاك سطحي دانلود شده با متوسط بارندگي ماهانه همبستگي بالايي وجود دارد، سپس براي مقايسه ميانگين بين داده‌هاي MERRA-LAND از پايگاه سرويس داده‌هاي علوم زمين گودارد (GES DISC) به عنوان داده‌هاي پيش‌بيني شده در تاريخ و ساعت مشخص و درصد رطوبت حجمي به دست آمده از 14 نقطه نمونه برداري شده از سطح خاك و منطقه محدوده ريشه در حوزه آبخيز بافت در همان ساعت و تاريخ به عنوان داده‌هاي درجا استفاده شد. مقايسه ميانگين از روش T جفتي در محيط نرم افزار SPSS براي هر دونوع نمونه (سطحي و محدوده ريشه) انجام شد. نتايج نشان داد كه به علت بيشتر بودن T محاسبه شده از T جدول با درجه آزادي 13 در مقايسه رطوبت حجمي سطحي و منطقه ريشه با داده‌هاي دانلود شده سطحي و منطقه ريشه با اطمينان99درصد اختلاف معني-داري ديده نمي‌شود و مي‌توان به بخش‌هاي اجرايي توصيه كرد تا به جاي صرف وقت و هزينه زياد از درصد رطوبت حجمي ارائه شده از اين پايگاه براي پيش بيني و پايش خشكسالي كشاورزي استفاده كنند.

At present, there are a variety of reliable and practical methods for measuring soil moisture from point to world scale. Recently, remarkable progress in remote sensing techniques has allowed the scientific community to accurate and repeatedly map soil moisture anywhere in the world. The above points out the need for this research. In this research, this is the hypothesis, Do MERRA-LAND remote sensing data have an acceptable accuracy in determining the soil moisture content of the baft watershed? To answer this question, After downloading the data and reading them, Pearson correlation method was used to validate the data between monthly average remote sensing data and monthly average precipitation of baft synoptic and Kiskan Rainfall stations measurement in 2009-2013. The results showed 99% confidence in the Kiskan station and 95% confidently at the baft station There is a high correlation between monthly average soil moisture content downloaded with average monthly rainfall, Then, to compare the mean of MERRA-LAND data from the Goddard earth science(GES DISC) As predicted data at the specified date and time and the percentage moisture content obtained from 14 sampling points from the soil surface and the root zone area in the baft basin, the same time and date was used as in-situ data. Mean comparison of T-pair method was performed in SPSS software for each sample. The results showed that due to the higher T calculated from the table T with a degree of freedom 13 compared to the moisture content of the surface area and the root area there is no significant difference with surface download data and root area with 99% confidence. an‎d can be recommended to the executive department Instead of spending a lot of time and cost Use the percentage moisture content provided by this site to predict and monitoring agricultural drought.