امكان‌سنجي تشخيص تغييرات پوشش گياهي مبتني بر شاخص هاي زميني و ماهواره‌اي خشكسالي (مطالعه موردي: استان كرمانشاه)

Study of plant vegetation variations using remote sensing and ground-based drought indices (Case study: Kermanshah province)

خشكسالي نه تنها بر توليدات كشاورزي و منابع آب بلكه بر پوشش گياهي طبيعي يك منطقه نيز تاثير گذاشته و گسترش نواحي بياباني را تسريع مي‌كند. امروزه تشخيص تاثير خشكسالي بر پوشش گياهي از نظر زماني و مكاني توسط تصاوير سنجش از دور و با تعريف شاخص هاي مختلف امكان پذير شده است. هدف از اين مطالعه، امكان‌سنجي تشخيص تغييرات رخ داده در پوشش گياهي منطقه بر اثر خشكسالي با استفاده از شاخص هاي ماهواره اي خشكسالي است. به اين منظور از روش تجزيه و تحليل بردار تغيير به عنوان يكي از الگوريتم هاي تشخيص تغيير استفاده شد. در اين روش، تغيير رخ داده در پوشش گياهي به برداري موسوم به بردار تغيير نسبت داده مي‌شود. بردار تغيير با دو مولفه اندازه تغيير و جهت تغيير نشان داده مي شود. بردار تغيير براي چهار شاخص ماهواره اي مبتني بر پوشش گياهي حاصل از سنجنده AVHRR ماهواره NOAA و يك شاخص زميني محاسبه شد. شاخص‌هاي ماهواره‌اي شامل شاخص اختلاف نرمال شده پوشش گياهي (NDVI)، شاخص اختلاف نرمال شده پوشش گياهي غير متعارف (NDVIA)، شاخص شرايط پوشش گياهي (VCI)، شاخص تغيير شكل گياهي اصلاح شده (CTVI) و تنها شاخص زميني مورد مطالعه، شاخص بارندگي استاندارد شده (SPI) مي‌باشد. نتايج حاصله نشان داد كه شاخص‌هاي ماهواره‌اي از نظر تشخيص اندازه تغيير، همبستگي خوبي با يكديگر دارند. بيشترين همبستگي بين شاخص هاي ماهواره اي با شاخص زميني مربوط به شاخص NDVI و كمترين همبستگي مربوط به شاخص VCI مي-باشد.

Drought affects not only agricultural productions and water resources but also the vegetation cover of a region and promotes the desertification. Investigation of drought effect on spatial and temporal variations of vegetation cover as is widely performed using drought indices derived from satellite images. The aim of this study is to find out whether it is possible to detect the changes in vegetation cover using satellite drought indices. To achieve this goal, the change vector (CV) analysis as one of the change detection algorithms, was used. In this method, the change occurred in vegetation has been attributed to the change vector. The change vector contains two components, change magnitude and change orientation. In this paper, the CV was calculated by four satellite drought indices based on the condition of vegetation, namely NDVI, NDVIA, VCI, CTVI using NOAA AVHRR images, and one ground-based drought index, namely Standardized Precipitation Index (SPI). The results showed that satellite drought indices have a high correlation in detection of the change magnitude. The highest and lowest correlation between satellite-based drought indices and the SPI were observed for NDVI and VCI, respectively.