پایش و تحلیل تغییرات رطوبت خاک و خشکسالی کشاورزی در استان فارس با استفاده از شاخص TVDI و داده‌های سنجنده MODIS (2021-2001)

مقالات آماده انتشار

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری اقلیم شناسی، گروه جغرافیا، دانشکده علوم انسانی و اجتماعی، دانشگاه یزد، یزد، ایران

2 استاد اقلیم شناسی، گروه جغرافیا، دانشکده علوم انسانی و اجتماعی، دانشگاه یزد، یزد، ایران

3 دانشیار جغرافیا، گروه جغرافیا، دانشکده علوم انسانی و اجتماعی، دانشگاه یزد، یزد، ایران

چکیده

پایش دقیق رطوبت سطحی خاک جهت مدیریت بحران خشکسالی و امنیت غذایی در استان فارس، به عنوان یکی از قطب‌های اصلی کشاورزی ایران، امری حیاتی است. این پژوهش با هدف مدل‌سازی و ارزیابی تغییرات مکانی-زمانی شدت خشکسالی، از داده‌های سری زمانی سنجنده MODIS طی یک دوره 20 ساله (۲۰۰۱ تا ۲۰۲0) استفاده کرده است. در بخش روش‌شناسی، شاخص خشکی پوشش گیاهی-دما (TVDI) برای برآورد رطوبت خاک محاسبه شد و سپس برای درک دینامیک حاکم بر این تغییرات، اثرات متغیرهای محیطی نظیر شاخص پوشش گیاهی نرمال‌شده (NDVI) و مدل رقومی ارتفاع (DEM) از طریق تحلیل‌های فضایی و آماری مورد ارزیابی قرار گرفت. یافته‌های تحقیق نشان داد که با گذر از روندهای عمومی خشکسالی، برهمکنش همزمان تغییرات NDVI و ارتفاع بیشترین تأثیر کنترل‌کننده را بر توزیع مکانی رطوبت خاک استان دارد. بررسی توزیع مکانی شاخص TVDI مشخص کرد که مناطق تحت تأثیر خشکسالی شدید و بسیار شدید تنها حدود ۱۵ تا ۲۰ درصد از مساحت استان را شامل می‌شوند که عمدتاً در نیمه جنوبی متمرکز شده‌اند. در مقابل، بخش‌های وسیعی از استان (حدود ۶۵ تا ۷۰ درصد) شامل نواحی شمالی، غربی و مرکزی، در وضعیت بدون خشکسالی و خشکسالی خفیف قرار دارند. در نتیجه، توزیع و شدت خشکسالی در این منطقه صرفاً تابع اقلیم نیست، بلکه اثرات متقابل توپوگرافی و پوشش گیاهی نقش تشدیدکننده یا تقلیل‌دهنده حیاتی دارند. استفاده از چارچوب ترکیبی TVDI و پایش اثرات ارتفاع-پوشش گیاهی می‌تواند رویکردی کارآمد برای شناسایی دقیق کانون‌های بحرانی و تدوین استراتژی‌های مدیریت منابع آب ارائه دهد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Monitoring and Analysis of Soil Moisture Dynamics and Agricultural Drought in Fars Province Utilizing the TVDI and MODIS Sensor Data (2001–2021)

نویسندگان [English]

  • Zeinab Ashouri Qaleh-e-Rodkhani 1
  • Gholamali Mozaffari 2
  • Hamidreza Ghafarian Malmiri 3
  • Iman Rousta 3
1 PhD Student of Climatology, Geography Department, Yazd University, Yazd, Iran
2 Professor of Climatology, Geography Department, Yazd University, Yazd, Iran
3 Associate Professor of Remote Sensing, Geography Department, Yazd University, Yazd, Iran
چکیده [English]

Accurate surface soil moisture monitoring is critical for mitigating drought crises and safeguarding food security in Fars province, a premier agricultural hub in Iran. To capture the spatio-temporal dynamics of drought severity, this study leveraged a two-decade archive (2001–2020) of MODIS time-series imagery. Methodologically, the Temperature-Vegetation Dryness Index (TVDI) was computed to retrieve soil moisture estimates. Unpacking the complex dynamics driving these variations required evaluating key environmental variables, namely, the Normalized Difference Vegetation Index (NDVI) and Digital Elevation Models (DEM), through rigorous spatial and statistical assessments. The findings reveal a nuanced reality. Beyond broad climatic trends, the synergistic interaction between vegetation shifts and elevation exerts the strongest governing influence over the province’s soil moisture distribution. Spatial mapping of the TVDI demonstrated that regions suffering from severe to extreme drought comprise merely 15% to 20% of the total land area, heavily concentrated in the southern tier. In stark contrast, vast expanses across the northern, western, and central territories (approximately 65% to 70%) experience either mild or negligible drought conditions. Ultimately, drought patterns in this region are not solely dictated by climate forcing. The intricate interplay between topography and vegetation serves as a crucial mitigating or amplifying mechanism. Adopting a hybridized TVDI framework that explicitly accounts for elevation-vegetation dynamics offers a robust analytical approach. Such an integrated perspective provides policymakers with the precision required to pinpoint vulnerable hotspots and design targeted water resource management strategies.

کلیدواژه‌ها [English]

  • Moisture indices
  • Temperature-Vegetation Dryness Index (TVDI)
  • MODIS sensor
  • Fars province

مراجع

خبرگزی مهر (1400). خسارت بیش از ۷ هزار میلیارد تومانی کشاورزی فارس از خشکسالی، دسترسی به خبر 1403، شماره خبر 5424885، آدرس سایت https://www.mehrnews.com.
دهقانی تفتی، احمد؛ علی، زارع، محمد؛ حسینی، سید زین العابدین؛ عربی علی آباد، فهیمه. (1398). تعیین ارتباط روند تغییرات خشکسالی با عناصر اقلیمی در دشت یزد-اردکان. مدیریت بیابان، 7(13)، 1-14.  https://doi.org/10.22034/jdmal.2019.36528
 رضایی، جبار؛ جلالی، مسعود؛ عساکره، حسین؛ محمودی، پیمان. (1404). واکاوی پویایی پوشش گیاهی حوضه‌های آبریز کشور ایران در ارتباط با شرایط خشکسالی. پژوهش‌های تغییرات آب و هوایی، 6(23)، 21-40.
رهنما، سمیرا؛ شهیدی، علی؛ یعقوب زاده، مصطفی؛ مهران، علی اکبر. (1402). بررسی روند خشکسالی با استفاده از شاخص‎های SPEI اصلاح شده و MSPI در مقیاس‌های زمانی مختلف (مطالعه موردی: استان فارس). پژوهش‌های تغییرات آب و هوایی، 4(13)، 89-104. https://doi.org/10.30488/ccr.2023.393409.1125
رئوف، مجید؛ اکبری مجد، امین. (1404). پایش خشکسالی کشاورزی با استفاده از شاخص SAVI در مناطقی با داده‌های محدود هواشناسی (مطالعه موردی: اراضی پایاب سد سرخاب اردبیل). پژوهش‌های تغییرات آب و هوایی، 6(22)، 63-80.
شاملو، نازیلا؛ فریدحسینی، علیرضا؛ علیزاده، امین؛ امیدوار، جواد. (1397). بررسی خشک‌سالی با استفاده از دو شاخص خشکی دما- گیاه TVDINDVIوTVDILAI مبتنی بر تصاویر سنجنده MODIS در مقیاس منطقه‌ای (مطالعه موردی : استان خراسان شمالی ). نشریه آبیاری و زهکشی ایران، 12(3)، 525-535.
شریفی پیچون، محمد؛ بهزادی، زهرا؛ محمدی، فروغ. (1401). ارزیابی زمانی – مکانی روند خشکسالی و اثرات آن بر تغییرات پوشش گیاهی در استان فارس. مطالعات جغرافیایی مناطق خشک، 13(50)، 57-40.  https://doi.org/10.22034/jargs.2023.375644.1000
صفدری مولان، امین؛ مردانه، عادل. (1402). بررسی روند تغییرات خشکسالی با شاخص خشکی دمایی– پوشش گیاهی (TVDI) و ارتباط آن با عوامل جوی (مطالعه موردی: حوضه آبریز سیاه‌کوه). آب و توسعه پایدار، 10(3)، 99-108. https://doi.org/10.22067/jwsd.V10I3.2305-1243
عبیات، محمد؛ عبیات، مصطفی؛ عبیات، مرتضی. (1401). برآورد رطوبت سطحی خاک در اراضی کشاورزی با استفاده از تصاویر ماهواره‌ای و شاخص‌های سنجش از دور (مطالعه موردی: شهرستان شوشتر). تحقیقات آب و خاک ایران، 53(5)، 957-970. https://doi.org/10.22059/ijswr.2022.341981.669251
فلامرزی، یاشار. (1402). تحلیل روند نقطه‌ای و منطقه‌ای بارش در استان فارس در دوره 1369 تا 1399. پژوهش های اقلیم شناسی، 1402(53)، 57-80.
 قربانی، خلیل؛ ولی زاده، اسماعیل. (1404). ارزیابی شاخص‌های مبتنی بر سنجش‌ازدور در پایش خشکسالی در پوشش‌های گیاهی مختلف در شهرستان گرگان. پژوهش‌های تغییرات آب و هوایی، 6(24)، 25-40.
نیک پی، حسین؛ مؤمنی، مهدی. (1398). تأثیر پهنه بندی اقلیمی و ارتفاعی بر همبستگی شاخص‌های خشکسالی سنجش از دور با داده بارشی و معرفی شاخص‌های محلی. نشریه سنجش از دور و GIS ایران، 11(2)، 47-62.  https://doi.org/10.52547/gisj.11.2.47
Abiyat, M. , Abiyat, M. and Abiyat, M. (2022). Estimation of Soil Surface Moisture in Agricultural Lands Using Satellite Images and Remote Sensing Indicators (Case Study: Shushtar County). Iranian Journal of Soil and Water Research, 53(5), 957-970. doi: 10.22059/ijswr.2022.341981.669251 [In Persian]
Chatterjee, S., Desai, A. R., Zhu, J., Townsend, P. A., & Huang, J. (2022). Soil moisture is an essential component for delineating and forecasting agricultural drought rather than meteorological drought. Remote Sensing of Environment, 269, 112833. https://doi.org/10.1016/j.rse.2021.112833
Chen, J., Wang, C., Jiang, H., Mao, L., & Yu, Z. (2011). Estimating soil moisture using Temperature–Vegetation Dryness Index (TVDI) in the Huang-huai-hai (HHH) plain. International Journal of Remote Sensing, 32(4), 1165-1177. https://doi.org/10.1080/01431160903527421
Cheng, X., Xu, Y., Chen, J., & Liu, Q. (2023). The impact of climatic conditions, human activities, and catchment characteristics on the propagation from meteorological to agricultural and hydrological droughts in China. Journal of Geophysical Research: Atmospheres, 128(24), e2023JD039735. https://doi.org/10.1029/2023JD039735
Cheng, Y. S., Lu, J. R., & Yeh, H. F. (2024). Multi-Index Drought Analysis in Choushui River Alluvial Fan, Taiwan. Environments, 11(11), 233. https://doi.org/10.3390/environments11110233
Dehghani Tafti,َ. , Zare, M., Hosseini, S. Z., and Arabi Aliabad, F. (2019). Investigating the Trend of Drought Changes and Its Relation with Climatic Elements. Desert Management, 7(13), 1-14. doi: 10.22034/jdmal.2019.36528 [In Persian]
Du, L., Song, N., Liu, K., Hou, J., Hu, Y., Zhu, Y., ... & Guo, Y. (2017). Comparison of two simulation methods of the temperature vegetation dryness index (TVDI) for drought monitoring in semi-arid regions of China. Remote Sensing, 9(2), 177. https://doi.org/10.3390/rs9020177
Duan, S. B., Li, Z. L., & Leng, P. (2017). A framework for the retrieval of all-weather land surface temperature at a high spatial resolution from polar-orbiting thermal infrared and passive microwave data. Remote Sensing of Environment, 195, 107-117. https://doi.org/10.1016/j.rse.2017.04.008
falamarzi,Y. (2023). Analysis of point and regional trend of precipitation in Fars province in the period from 1990 to 2021. Journal of Climate Research, 1402(53), 57-80. [In Persian]
Holzman, M. E., Rivas, R., & Piccolo, M. C. (2014). Estimating soil moisture and the relationship with crop yield using surface temperature and vegetation index. International Journal of Applied Earth Observation and Geoinformation, 28, 181-192. https://doi.org/10.1016/j.jag.2013.12.006
Jia, B., Liu, J., Xie, Z., & Shi, C. (2018). Interannual variations and trends in remotely sensed and modeled soil moisture in China. Journal of Hydrometeorology, 19(5), 831-847. https://doi.org/10.1175/JHM-D-18-0003.1
Khosravi, Y., Homayouni, S., & Ouarda, T. B. (2024). Spatio-temporal evaluation of MODIS temperature vegetation dryness index in the Middle East. Ecological Informatics, 84, 102894. https://doi.org/10.1016/j.ecoinf.2024.102894
Kim, H., Zohaib, M., Cho, E., Kerr, Y. H., & Choi, M. (2017). Development and assessment of the sand dust prediction model by utilizing microwave‐based satellite soil moisture and reanalysis datasets in East Asian desert areas. Advances in Meteorology, 2017(1), 1917372. https://doi.org/10.1155/2017/1917372
Li, Y., Wang, X., Wang, F., Feng, K., Li, H., Han, Y., & Chen, S. (2024). Temporal and Spatial Characteristics of Agricultural Drought Based on the TVDI in Henan Province, China. Water, 16(7), 1010. https://doi.org/10.3390/w16071010
Luo, D., & Li, L. (2023). Spatiotemporal evolution analysis and prediction of drought in Henan Province based on standardized precipitation evapotranspiration index. Water Supply, 23(1), 410-427. https://doi.org/10.2166/ws.2022.443
Ma, Y., He, T., McVicar, T. R., Liang, S., Liu, T., Peng, W., Song, D.-X., & Tian, F. (2024). Quantifying how topography impacts vegetation indices at various spatial and temporal scales. Remote Sensing of Environment, 312, Article 114311. https://doi.org/10.1016/j.rse.2024.114311
McColl, K. A., Alemohammad, S. H., Akbar, R., Konings, A. G., Yueh, S., & Entekhabi, D. (2017). The global distribution and dynamics of surface soil moisture. Nature Geoscience, 10(2), 100-104. https://ui.adsabs.harvard.edu/link_gateway/2017NatGe..10..100M/doi:10.1038/ngeo2868
Nikpey, H. and Momeni, M. (2019). Effect of climatic zoning and altitude zoning on the correlation of remote sensing drought indices with Precipitation data, and introducing local indicators. Iranian Journal of Remote Sensing and GIS, 11(2), 47-62. doi: 10.52547/gisj.11.2.47 [In Persian]
Quille-Mamani, J. A., Huayna, G., Pino-Vargas, E., Chucuya-Mamani, S., Vera-Barrios, B., Ramos-Fernandez, L., ... & Cabrera-Olivera, F. (2024). Spatio-Temporal Evolution of Olive Tree Water Status Using Land Surface Temperature and Vegetation Indices Derived from Landsat 5 and 8 Satellite Imagery in Southern Peru. Agriculture, 14(5), 662. https://doi.org/10.3390/agriculture14050662
Rahnama, S., Shahidi, A., Yaghoobzadeh, M., and Mehran, A. (2023). Investigating the drought trend using the modified SPEI and MSPI indices in different time scales (case study: Fars province). Climate Change Research, 4(13), 89-104. doi: 10.30488/ccr.2023.393409.1125 [In Persian]
Safdari Molan, A. and Mardaneh, A. (2023). Investigating the Trend of Drought Changes with Temperature-Vegetation Dryness Index (TVDI) and Its Relationship with Atmospheric Factors (Case Study: Siah Kooh Watershed). Journal of Water and Sustainable Development, 10(3), 99-108. doi: 10.22067/jwsd.V10I3.2305-1243 [In Persian]
Sandholt, I., Rasmussen, K., & Andersen, J. (2002). A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status. Remote Sensing of Environment, 79(2-3), 213-224. https://doi.org/10.1016/S0034-4257(01)00274-7
Shamloo, N., Faridhosseini, A. R., Alizadeh, A., and Omidvar, J. (2018). Drought monitoring using TemperatureVegetation Dryness Index(TVDI)from MODIS satellite images on a regional scale. Iranian Journal of Irrigation & Drainage, 12(3), 525-535. [In Persian]
Sharifi Paichoon, M., Behzadi, Z., and Mohamadi, F. (2023). Temporal-spatial evaluation of the drought process and its effects on vegetation changes in Fars province. Journal of Arid Regions Geographic Studies, 13(50), 57-40. doi: 10.22034/jargs.2023.375644.1000 [In Persian]
Stefanidis, S., Rossiou, D., & Proutsos, N. (2023). Drought severity and trends in a Mediterranean oak forest. Hydrology, 10(8), 167. https://doi.org/10.3390/hydrology10080167
Wang, C., Qi, S., Niu, Z., & Wang, J. (2004). Evaluating soil moisture status in China using the temperature–vegetation dryness index (TVDI). Canadian Journal of Remote Sensing, 30(5), 671-679. https://doi.org/10.5589/m04-029
Wang, W., Liang, S., & Meyers, T. (2008). Validating MODIS land surface temperature products using long-term nighttime ground measurements. Remote Sensing of Environment, 112(3), 623–635. https://doi.org/10.1016/j.rse.2007.05.024
Wei, W., Liu, T., Zhou, L., Wang, J., Yan, P., Xie, B., & Zhou, J. (2023). Drought-related spatiotemporal cumulative and time-lag effects on terrestrial vegetation across China. Remote Sensing, 15(18), 4362. https://doi.org/10.3390/rs15184362
Xu, P., Tsendbazar, N.-E., Herold, M., de Bruin, S., Koopmans, M., Birch, T., Carter, S., Fritz, S., Lesiv, M., Mazur, E., Pickens, A., Potapov, P., Stolle, F., Tyukavina, A., Van De Kerchove, R., & Zanaga, D. (2024). Comparative validation of recent 10 m-resolution global land cover maps. Remote Sensing of Environment, 311, Article 114316. https://doi.org/10.1016/j.rse.2024.114316
Yu, H., Zhang, Q., Xu, C. Y., Du, J., Sun, P., & Hu, P. (2019). Modified palmer drought severity index: model improvement and application. Environment international, 130, 104951. https://doi.org/10.1016/j.envint.2019.104951
Zanaga, D., Van De Kerchove, R., Daems, D., De Keersmaecker, W., Brockmann, C., Kirches, G., ... & Arino, O. (2022). ESA WorldCover 10 m 2021 v200. https://doi.org/10.5281/zenodo.7254221
Zheng, J., Jin, X., Li, Q., Lang, J., & Yin, X. (2024). Soil moisture variation and affecting factors analysis in the Zhangjiakou–Chengde district based on modified temperature vegetation dryness index. Ecological Indicators, 168, 112775. https://doi.org/10.1016/j.ecolind.2024.112775.
مخاطرات محیط طبیعی

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 26 خرداد 1405

فایل ها

سابقه مقاله

  • تاریخ دریافت: 05 اسفند 1404
  • تاریخ بازنگری: 20 اردیبهشت 1405
  • تاریخ پذیرش: 26 خرداد 1405
  • تاریخ اولین انتشار: 26 خرداد 1405
  • تاریخ انتشار: 26 خرداد 1405

هم رسانی

ارجاع به این مقاله

آمار