برآورد رطوبت خاک بر اساس تولیداتndvi و lst مودیس در مناطق فاقد داده

برآورد رطوبت خاک سطحی برای مدیریت بهینه منابع آب و خاک ضروری است. رطوبت خاک سطحی، متغیری مهم در چرخه آبی طبیعت است که نقش مهمی در تعادل جهانی آب و انرژی و فرآینده های هیدرولوژیک، اکولوژیک و هواشناسی دارد. رطوبت خاک به دلیل تغییر پذیری ویژگی های خاک، توپوگرافی، پوشش گیاهی و پویایی نیوار در زمان و مکان تغییر می کند. اندازه گیری رطوبت خاک، به طور مستقیم با استفاده از اندازه گیری های میدانی مانند نوترون متر و tdr یا به طور غیر مستقیم به وسیله توابع انتقالی و یا سنجش از دور انجام می شود. از آنجا که اندازه گیری های میدانی معمولا در پهنه های وسیع هم هزینه بر و هم زمان بر و گاهی نشدنی می باشد، برای برآورد رطوبت خاک در مقیاس های مکانی بسیار بزرگ، می توان روش هایی همچون سنجش از دور را به کار گرفت. این تحقیق با هدف بررسی امکان برآورد رطوبت لایه سطحی خاک با استفاده از تصاویر سنجنده مودیس و مقایسه آن با داده های زمینی انجام شد. در این مطالعه، رطوبت خاک در عمق های صفر تا سی سانتی متر با استفاده از رابطه بین شاخص گیاهی ماهواره ای (ndvi)، دمای سطح زمین (lst]) و رطوبت مشاهده ای خاک در مقیاس منطقه ای با تفکیک مکانی یک کیلومتر مربع برای سال های 2021 و 2022 برآورد شد. ضریب تعیین r2 و aic معادلات رگرسیون به ترتیب 0.78 و 166.2 به دست آمد که نشان می ‌دهد رویکرد برآورد بر اساس داده ‌های ndvi و lst مودیس، مناسب بوده و می ‌تواند برای تخمین رطوبت خاک طی سال ‌های 2007 تا 2022 استفاده شود.  

soil moisture estimation based on modis ndvi and lst productions in areas with no data

introduction soil moisture can be considered in the control of desertification, agricultural activities, watershed management and optimal management of water resources.   since the country of iran is facing many problems in these fields, the expansion of studies in the field of accurate estimation of soil moisture becomes important (mehrabi et al., 2019). the gldas system may have a high error compared to the measured data in some areas. therefore, it is necessary before the data and results of this product are used as a decision making tool in the region.  the quality of these data should be evaluated locally using ground measured data (polo et al, 2016 & sanchez lorenzo et al, 2013 & zhang, 2019).in this study, terra modis data was used to estimate soil moisture due to higher spatial resolution (1 km). due to the fact that it is difficult to estimate the humidity time series in the field, and radar remote sensing methods produce humidity maps with low spatial resolution. therefore, in this study, a new method was introduced to prepare a soil moisture map with higher spatial resolution based on ndvi and lst modis products.the purpose of this study is to estimate soil moisture in jiroft city using the products of the morris sensor and ndvi and lst indices. considering that jiroft plain is one of the agricultural poles of iran. estimating the time series of soil moisture and then providing a drought index based on soil moisture is a useful method for investigating agricultural drought in the study area.