برآورد رطوبت خاك به كمك شاخص هاي پوشش گياهي و دماي سطح خاك و شاخص نرمال شده رطوبت با استفاده از تصاوير MODIS

Soil moisture estimating with NDVI and land surface temperature and normalized moisture index using MODIS images

برآورد رطوبت خاك سطحي براي مديريت بهينه منابع آب و خاك ضروري است. رطوبت خاك سطحي، متغيري مهم در چرخه آبي طبيعت است كه نقش مهمي در تعادل جهاني آب و انرژي به واسطه تاثير بر فرآينده هاي هيدرولوژيك، اكولوژيك و هواشناسي دارد. رطوبت خاك به دليل تغيير پذيري ويژگي هاي خاك، توپوگرافي، پوشش گياهي و پويايي نيوار در زمان و مكان تغيير مي كند. اندازه گيري رطوبت خاك، به طور مستقيم با استفاده از روش هاي درجا مانند نوترون متر و TDR يا به طور غير مستقيم به وسيله توابع انتقالي و يا سنجش از دور انجام مي شود. از آنجا كه اندازه گيري هاي درجا معمولا در پهنه هاي وسيع هم هزينه بر و هم زمان بر مي باشند، براي برآورد رطوبت خاك در مقياس هاي مكاني بسيار بزرگ، مي توان روش هايي همچون سنجش از دور را به كار گرفت. هدف از انجام اين پژوهش، برآورد رطوبت خاك سطحي با استفاده از شاخص هاي NDVI، NDMI و LST بود. بدين منظور با استفاده از تصاوير MODIS 1B شاخص هاي مورد نظر استخراج و با داده هاي زميني رطوبت خاك واسنجي و اعتبارسنجي شدند. در اين پژوهش، منطقه مورد مطالعه تشريح گرديد و سپس با استفاده از شاخص هاي استخراج شده، مدل برآورد رطوبت خاك به دست آمد. نتايج نشان داد بين مقادير رطوبت خاك سطحي با شاخص هاي NDVI، NDMI و LST همبستگي مناسبي (66%) وجود دارد. نتايج صحت سنجي مدل برآورد رطوبت خاك نيز نشان داد كه اين مدل با ميانگين خطاي كمتر از 018/0 ، قادر به پيش بيني رطوبت خاك سطحي است، اين مقدار خطاي اندك، نشان دهنده دقت زياد مدل پيشنهادي براي برآورد رطوبت خاك سطحي مي باشد.

Soil surface water content is a key variable of hydrologic cycle which plays a significant role in global water and energy balance by affecting several hydrological, ecological and meteorological processes. Soil moisture varies significantly in space and time due to spatial variability of soil properties, topography, vegetation characteristics and atmospheric dynamics. Soil moisture is either measured directly by in situ methods, e.g., Neutron probe, time domain reflectrometry (TDR) or estimated indirectly through pedotransfer functions (PTFs) or remote sensing (RS). Since in situ measurements in large scales are mainly expensive and time consuming, the RS-GIS methods can be used for this purpose. The objective of this study was to estimate surface soil moisture using NDVI, NDMI and LST indices. For this purpose, by using images of MODIS 1B, the indicators of soil moisture were obtained. By using the field soil moisture data, the required analyses were performed to calibrate and validate the model output. The results indicated that there is a reasonable correlation (0.66) between the soil surface moisture and some indices such as NDVI, NDMI and LST. The model validation further indicated that having a mean error of less than about 0.018, the proposed method can predict soil surface moisture reasonably.