بررسي سري زماني خشكسالي كشاورزي شهرستان داراب با استفاده از سنجش‌ازدور و سامانه گوگل ارث انجين

Investigation of Agricultural Drought Time Series in Darab City using Remote Sensing and Google Earth Engine System

مخاطره خشكسالي ازجمله ويژگي­ هاي طبيعي كره زمين محسوب مي ­شود كه امكان رخداد آن در تمام مناطق آب و هوايي وجود دارد؛ به‌طوري‌كه در پاره­اي موارد خسارات جبران­ناپذيري را ايجاد مي­ كند. با توجه به اهميت خشكسالي، اين پژوهش با هدف تحليل سري زماني خشكسالي كشاورزي شهرستان داراب طي يك دوره 20 ساله (1399 – 1379) با استفاده از سنجش‌ازدور و تصاوير ماهواره­اي در محيط سامانه گوگل ارث انجين انجام شد. تصاوير ماهواره­اي شامل 460 تصوير از محصولات دماي سطح زمين (LST) و پوشش گياهي (NDVI) سنجنده موديس ماهواره تررا مي­ باشند كه از آن‌ها جهت محاسبه شاخص وضعيت دمايي (TCI) و شاخص وضعيت پوشش گياهي (VCI) استفاده شد. همچنين با استفاده از داده­ هاي بارش ثبت شده ايستگاه سينوپتيك داراب، شاخص SPI به‌وسيله نرم‌افزار MATLAB در بازه­ هاي زماني مختلف محاسبه شد. نتايج به دست آمده حاكي از اين است كه مطابق با طبقه خشكي بسيار شديد و بر اساس شاخص TCI سال 1379 با مساحت 225/46 كيلومترمربع وسعت و همچنين نيز بر اساس شاخص VCI سال 1392 با مساحت 280/80 كيلومترمربع وسعت، بيشترين مساحت خشكي را در شهرستان داراب داشته‌اند. درنتيجه مقايسه بين مقدار عددي شاخص SPI براي هر يك از سال ­هاي دوره موردبررسي با ميزان مساحت­ هاي فاقد خشكسالي حاصل از دو شاخص TCI و VCI به دست آمده از تصاوير ماهواره­اي، بيشترين مقدار ضريب همبستگي به ميزان 0/76 بين SPI دوازده‌ماهه و شاخص VCI مشاهده شد كه اين مطلب نمايانگر شاخص ماهواره­اي VCI به‌عنوان شاخص بهينه نشان­دهنده وضعيت خشكسالي در شهرستان داراب است.

Drought hazard is one of the natural features of the planet that can occur in all climatic zones so that in some cases it causes irreparable damage. Due to the importance of drought, this study aimed to analyze the time series of agricultural drought in Darab city over 20 years (2000-2020) using remote sensing and satellite images in the Google Earth engine system. Satellite imagery including 460 images of land surface temperature (LST) and vegetation (NDVI) MODIS of Terra satellite was used to calculate the temperature condition index (TCI) and vegetation condition index (VCI). Moreover, using the recorded rainfall data of the Darab synoptic station, the SPI index was calculated by MATLAB software in different time intervals. The results show that according to the extreme dryness class and based on the TCI index, the 2000 with an area of 225.46 square kilometers and also according to the VCI index, the 2013 year with an area of 280.80 square kilometers, had the most dried land area in Darab city. As a result, comparing the numerical value of SPI index for each of the years of the period under study with the amount of non-drought areas obtained from TCI and VCI indices obtained from satellite images, the highest correlation coefficient of 0.76 was observed between the 12-month SPI and the VCI index, which indicates the VCI satellite index as the optimal index indicating the drought situation in Darab city. Another outstanding result of this study is that the use of remote sensing data and Google Earth Engine System to monitor and investigate drought in areas that do not have observational data from land surveys is very useful.