بررسی سری زمانی خشکسالی کشاورزی شهرستان داراب با استفاده از سنجش‌ازدور و سامانه گوگل ارث انجین

مخاطره خشکسالی ازجمله ویژگی های طبیعی کره زمین محسوب می شود که امکان رخداد آن در تمام مناطق آب و هوایی وجود دارد؛ به‌طوری‌که در پاره ای موارد خسارات جبران ناپذیری را ایجاد می کند. با توجه به اهمیت خشکسالی، این پژوهش با هدف تحلیل سری زمانی خشکسالی کشاورزی شهرستان داراب طی یک دوره 20 ساله (1399 – 1379) با استفاده از سنجش‌ازدور و تصاویر ماهواره ای در محیط سامانه گوگل ارث انجین انجام شد. تصاویر ماهواره ای شامل 460 تصویر از محصولات دمای سطح زمین (lst) و پوشش گیاهی (ndvi) سنجنده مودیس ماهواره تررا می باشند که از آن‌ها جهت محاسبه شاخص وضعیت دمایی (tci) و شاخص وضعیت پوشش گیاهی (vci) استفاده شد. همچنین با استفاده از داده های بارش ثبت شده ایستگاه سینوپتیک داراب، شاخص spi به‌وسیله نرم‌افزار matlab در بازه های زمانی مختلف محاسبه شد. نتایج به دست آمده حاکی از این است که مطابق با طبقه خشکی بسیار شدید و بر اساس شاخص tci سال 1379 با مساحت 46/225 کیلومترمربع وسعت و همچنین نیز بر اساس شاخص vci سال 1392 با مساحت 80/280 کیلومترمربع وسعت، بیشترین مساحت خشکی را در شهرستان داراب داشته‌اند. درنتیجه مقایسه بین مقدار عددی شاخص spi برای هر یک از سال های دوره موردبررسی با میزان مساحت های فاقد خشکسالی حاصل از دو شاخص tci و vci به دست آمده از تصاویر ماهواره ای، بیشترین مقدار ضریب همبستگی به میزان 76/0 بین spi دوازده‌ماهه و شاخص vci مشاهده شد که این مطلب نمایانگر شاخص ماهواره ای vci به‌عنوان شاخص بهینه نشان دهنده وضعیت خشکسالی در شهرستان داراب است.

investigation of agricultural drought time series in darab city using remote sensing and google earth engine system

drought hazard is one of the natural features of the planet that can occur in all climatic zones so that in some cases it causes irreparable damage. due to the importance of drought, this study aimed to analyze the time series of agricultural drought in darab city over 20 years (20002020) using remote sensing and satellite images in the google earth engine system. satellite imagery including 460 images of land surface temperature (lst) and vegetation (ndvi) modis of terra satellite was used to calculate the temperature condition index (tci) and vegetation condition index (vci). moreover, using the recorded rainfall data of the darab synoptic station, the spi index was calculated by matlab software in different time intervals. the results show that according to the extreme dryness class and based on the tci index, the 2000 with an area of 225.46 square kilometers and also according to the vci index, the 2013 year with an area of 280.80 square kilometers, had the most dried land area in darab city. as a result, comparing the numerical value of spi index for each of the years of the period under study with the amount of nondrought areas obtained from tci and vci indices obtained from satellite images, the highest correlation coefficient of 0.76 was observed between the 12month spi and the vci index, which indicates the vci satellite index as the optimal index indicating the drought situation in darab city. another outstanding result of this study is that the use of remote sensing data and google earth engine system to monitor and investigate drought in areas that do not have observational data from land surveys is very useful.