ارزيابي شاخص خشكي گياه مبتني بر تصاوير ماهواره‌اي در استان سيستان و بلوچستان

Assessment of the Vegetation Dryness Index Based on Satellite Imagery in Sistan & Balouchestan province

كاهش بارندگي و افزايش دما باعث وقايع آب و هوايي شديد مثل خشكسالي شده است كه بـه شـدت در زمينه كشـاورزي تأثيرگذار است. اطلاعات درباره زمان، شدت و وسعت خشكسالي مي‌تواند به برنامه‌ريزي و تصميم-گيري كمك كند. شاخص‌هاي خشكسالي حاصل از داده‌هاي ايستگاه‌هاي هواشناسي قدرت تفكيك زماني و مكاني بالايي دارند بنابراين تعيين شرايط خشكسالي در زمان واقعي با استفاده از آنها براي مناطق وسيع بسيار سخت است به همين دليل، امروزه شاخص‌هاي خشكسالي سنجش از دوري به طور گسترده جهت پايش خشكسالي استفاده مي-شود. در اين پژوهش به ارزيابي كارآيي شاخص خشكي گياه VDI در محدوده استان سيستان و بلوچستان پرداخته شد. براي انجام تحقيق از تصاوير طيف‌سنجي ماديس با وضوح متوسط ( MOD02HKM وMOD11A1) ، شاخص بارش استاندارد (SPI) و داده‌هاي بارش ماهانه GLDAS از 2000 تا 2018 استفاده شده است. جهت ارزيابي دقت نقشه‌هاي توزيع مكاني شاخص VDI در برآورد خشكسالي از ضريب همبستگي پيرسون استفاده شد. نتايج معيار ارزيابي، نشان دهنده ميزان همبستگي بالا در منطقه مورد مطالعه بود. از اين رو شاخص خشكسالي VDI مبتني بر داده‌هاي سنجش از دوري به خوبي مي‌تواند در سيستم‌هاي هشدار سريع خشكسالي استفاده شود

Decreasing of precipitation and Increasing of temperature, leads to extreme climate events such as drought which drastically impact on agricultural. Knowledge about the timing, severity and extent of drought can aid planning and decision-making. Drought indices derived from in-situ meteorological data have coarse spatial and temporal resolutions. Thus, obtaining a real-time drought condition over a large area is difficult. Therefore, drought indices which is derived from remote-sensing data, has been widely used for drought monitoring. .In this study, Vegetation Drought Index (VDI) was evaluated in Sistan & Balouchestan Province To do this, Terra Moderate Resolution Imaging Spectroradiometer MODIS (MOD02HKM and MOD11A1 ), Standard Precipitation Index (SPI) and monthly precipitation data GLDAS from 2000 to 2018 were utilized to evaluate VDI. Accuracy of the Drought spatial distribution maps based on Pearson correlation coefficient was used data. Results indicate high significant correlation rate in the study area. Thus VDI, has the potential to monitor agricultural drought in the case of study and the drought indices based on remote sensing data could well use in drought early warning systems.