بهبود شاخص عمودي خشكسالي اصلاح‌شده به‌منظور برآورد ميزان خشكسالي در مناطق خشك مركزي ايران

Improving Modified Perpendicular Drought Index in order to Estimate Drought Severity in Arid Central Regions of Iran

خشكسالي از بلاياي طبيعي است كه تبعات منفي گسترده‌اي را براي اقتصاد، كشاورزي، محيط و اجتماع به همراه دارد. فقدان شناخت و ارزيابي دقيق اين پديده باعث بروز بخش عمده خسارت‌هاي ناشي از آن مي‌شود. در چند دهه اخير، علم و به‌ويژه فناوري سنجش از دور محققان را در زمينه خشكسالي بسيار كمك كرده است و شاخص‌هاي متعددي براي ارزيابي و بررسي خشكسالي ارايه شده‌اند. هدف از اين تحقيق بهبود شاخص عمودي خشكسالي اصلاح‌ شده (MPDI) از طريق محاسبه دقيق و صحيح پوشش گياهي به‌عنوان مهم‌ترين پارامتر در اين شاخص است. به منظور محاسبه شاخص مذكور، تعيين درصد پوشش گياهي و همچنين پارامترهاي خط خاك ضروري است. براي اين كار از تصاوير ماهواره‌اي ALOS مربوط به تير ماه سال 1388 استفاده شده است. حوضه آبخيز شيطور واقع در استان يزد به عنوان منطقه مطالعه انتخاب شد و با مطالعات ميداني درصد پوشش گياهي 52 پلات اندازه‌گيري شد. 17 شاخص رايج گياهي و شبكه‌هاي عصبي مصنوعي براي تخمين درصد پوشش گياهي مورد استفاده قرار گرفتند. نتايج حاصل از شاخص‌هاي گياهي نشان دادند شاخص‌هايي كه در آنها بازتاب خاك در نظر گرفته مي‌شود، با دقتي بهتر از ديگر شاخص‌ها (درصد 4RMSE < و 63/0 > 2R) مي‌توانند درصد پوشش گياهي را در مناطق خشك تبيين كنند. از طرفي، نتايج به‌دست‌آمده از شبكه‌هاي عصبي نيز تاييد مي‌كنند كه چون در شبكه‌هاي مذكور مي‌توان ورودي‌هاي متعددي همچون اطلاعات طيفي باندهاي متفاوت را به شبكه معرفي كرد، لذا اينها با دقتي بيشتر (%2RMSE < و 74/0 > 2R) از شاخص‌هاي گياهي مي‌توانند در تخمين درصد پوشش گياهي به كار ‌روند. در نهايت، با استفاده از مناسب‌ترين روش (شبكه‌هاي عصبي)، درصد پوشش گياهي منطقه محاسبه شد و با توجه به پارامترهاي خط خاك، نقشه شدت خشكسالي تهيه گرديد. كليد‌واژه‌ها: شاخص عمودي خشكسالي اصلاح‌شده، درصد پوشش گياهي، تصوير ALOS، خشكسالي.

Drought is a severe dilemma which has influence on economy, agronomy, environment and society. In the recent decades, many indices based on satellite images have been presented by researchers. The objective of this study was to improve Modified Perpendicular Drought Index (MPDI) by improving its main input parameter, which is the vegetation fraction. Calculation of vegetation fraction was considered by using an ALOS imagery.Sheitoor basin located in Yazd province (part of the central arid area of Iran) was selected as the study area. The canopy cover percentage of 52 sample plots (50m by 50m) was measured in the field in June 2008. Seventeen vegetation indices and different types of neural networks algorithms have been used. Regression models were used to assess the relationship between the field data and the calculated reflectance data. Results revealed that the vegetation indices which are based on soil line parameters can estimate the fraction of vegetation more accurately compared to other indices (R2 > 0.63, RMSE < 4%). On the other hand, neural network results showed that these algorithms could estimate the vegetation fraction even more accurate than vegetation indices(R2 > 0.74,RMSE < 2%), since it benefits from having more input parameters. Finally, Drought severity of the area was mapped using the estimated soil line parameters and the vegetation fraction which was estimated using the neural network algorithm. Keywords: Modified Perpendicular Drought Index, Vegetation Fraction, ALOS image, Drought.