تعیین ارتباط روند تغییرات خشکسالی با عناصر اقلیمی در دشت یزداردکان

پایش و ارزیابی خشکسالی به کمک روش‌های سنتی امری مشکل و هزینه‌بر است. سنجش از‌ دور روشی کاربردی برای پایش خشکی در مقیاس وسیع است. در این پژوهش، روند خشکسالی دشت یزداردکان به کمک شاخص‌های tvdi و ndvi و با بهره گیری از تصاویر سنجنده مودیس تعیین و ارتباط آن با برخی عناصر اقلیمی (بارش و دما) بررسی شد. مقدار همبستگی tvdi با شاخص خشکسالی spi  ؛ 6 و 12ماهه به ترتیب 0.68 و 0.71 است. مقدار همبستگی ndvi باspi  ، 6 و 12 ماهه به ترتیب 0.49 و 0.51 است. بررسی نقطه ای یا به عبارت دیگر ایستگاه به ایستگاه، نشان داد که شاخص tvdi با spi  6 ماهه برای سال 1383 به عنوان سال نرمال، 1386 خشک و 1391 سال مرطوب، به ترتیب 0.64، 0.78 و 0.67 و با spi 12 ماهه برای سال های یادشده به ترتیب 0.65، 0.79 و 0.69 است. عملکرد tvdi در سال 1386 بهتر از دو سال دیگر بوده است. همچنین همبستگی ndvi با spi  6 ماهه در سال 1383، 1386 و 1391 به ترتیب 0.41، 0.5 و 0.56 و با spi 12ماهه به ترتیب 0.52، 0.57 و 0.59 است. شاخص tvdi که با بهره گیری از باندهای حرارتی، انعکاسی و رطوبت خاک محاسبه می شود، نسبت به ndvi دقت بیشتری داشته است. ارتباط بین پوشش گیاهی و دما، معکوس و ارتباط بین پوشش گیاهی و بارش، مستقیم است. نتایج مبین این است که بهره گیری از شاخص خشکی – دمایی tdvi می‌تواند نواقص شاخص پوشش گیاهی ndvi را جبران کند و به عنوان شاخصی مناسب برای شناسایی و پایش خشکسالی استفاده شود.

Investigating the Trend of Drought Changes and Its Relation with Climatic Elements

Drought assessment and monitoring using traditional methods rely on rainfall data, which are limited in arid lands and often is very difficult to obtain near real time and costly. In contrast, remote sensing technology is a method for monitoring of largescale drought.In this research, drought condition was analyzed using drought indices such as TVDI and NDVI from MODIS sensor data for the YazdArdakan plain, Iran. First, relationship between the drought indices with climatic elements were detected. Coefficient of correlation between TVDI and SPI_6 and SPI_12 were 0.68 and 0.71, respectively. Correlation between NDVI and SPI_6 and SPI_12 were 0.49 and 0.51, respectively. Point correlation between TVDI and SPI_6 in 2004 (as a normal year), 2007 (dry) and 2012 (wet year), were 0.64, 0.78 and 0.67 and for the SPI_12 in the abovementioned years were 0.65, 0.79 and 0.69, respectively. In other word, efficiency of the TVDI in 2007 is better than the other two years. Correlation of NDVI and SPI_6 in 2004, 2007 and 2012, were 0.41, 0.50 and 0.56, respectively. The correlation between NDVI and SPI_12 in 2004, 2007 and 2012, were 0.52, 0.57 and 0.59, respectively. TVDI which takes into account thermal and reflective bands, and soil moisture, is more accurate than the NDVI, which considers only amount of vegetation of the study area. Results showed that the relationship between vegetation and temperature is negative, while, the relationship between vegetation and precipitation is positive. Using of TDVI can compensate defects of the NDVI and used for identifying and monitoring drought.