بررسی روند تغییرات خشکسالی با شاخص خشکی دمایی– پوشش گیاهی (tvdi) و ارتباط آن با عوامل جوی (مطالعه موردی: حوضه آبریز سیاه‌کوه)

آمارها نشان می‌دهد که وقوع پیاپی خشکسالی‌های شدید و بلندمدت، به ویژه در مناطق حساس و شکنندۀ کشور موجب زیان‌های شدید اقتصادی و اجتماعی شده و بروز پدیده خشکسالی، افزایش ریزگردها، توفان‌ها، بیابان‌زایی و کاهش تولید محصولات کشاورزی را سبب شده است. پایش گسترده و پویای خشکی به وسیلۀ روش‌های سنتی امری بسیار مشکل و هزینه‌بر است و علت آن کم‌بودن نقاط نمایش رطوبت خاک است. تکنولوژی سنجش از دور یک روش عملی و کاربردی برای پایش خشکی در یک مقیاس وسیع است. در این تحقیق سعی شده تا خشکسالی منطقه حوضه‌آبریز سیاه‌کوه با شاخص‌های خشکی-دمایی tvdi و شاخص ndvi منتج از تصاویر سنجندهmodis  شناسایی و ارتباط خشکسالی با عناصر جوی در منطقه، مورد بررسی قرار داده شود. نتایج همبستگی به صورت میانگین کل، نشان داد که مقدار همبستگی شاخص tvdi با spi شش و دوازده ماهه به ترتیب 0/68 و 0/71 و میزان همبستگی مقادیر ndvi با spi شش و دوازده ماهه به ترتیب 0/49 و 0/51 می‌باشد. در نتیجه می‌توان گفت که شاخص tvdi به علت استفاده از باندهای حرارتی و انعکاسی و رطوبت خاک، دقت مناسب‌تری از شاخص ndvi که تنها میزان پوشش گیاهی منطقه را در نظر می‌گیرد، دارد. شاخص tvdi با میانگین بارش دو ماهه، همبستگی معکوس 0/54 و با حرارت سطح زمین، همبستگی مستقیم 0/64 داشته است و در مقابل شاخص پوشش گیاهی ndvi با میانگین بارش دو ماهه، همبستگی مستقیم 0/54 و با دمای هوا نیز همبستگی معکوس 0/6 را دارا است. این روابط نشان می‌دهد که ارتباط بین پوشش گیاهی و دما به صورت معکوس (منفی) و ارتباط بین پوشش گیاهی و بارش به صورت مستقیم (مثبت) می‌باشد.

investigating the trend of drought changes with temperature-vegetation dryness index (tvdi) and its relationship with atmospheric factors (case study: siah kooh watershed)

statistics show that the occurrence of severe and long-term droughts, especially in sensitive and fragile areas of the country has caused severe economic and social losses, and the occurrence of drought, increased dust, storms, and desertification has caused a decrease in agricultural production. extensive and dynamic monitoring of dryness by traditional methods is very difficult and costly due to the lack of soil moisture display points. remote sensing technology is a practical and applied method for large-scale land monitoring. in this study, we tried to identify the drought in the siah kooh watershed area with tvdi dryness-temperature indices and the ndvi index resulting from modis sensor images and to investigate the relationship between drought and atmospheric elements in the region. the results of correlation as a total showed that the correlation values of tvdi index spi6 and spi12 are 0.68 and 0.71, respectively, and the correlation rates of ndvi values with spi6 and spi12 are 0.49 and 0.51, respectively. as a result, it can be said that the tvdi index, due to the use of thermal and reflective bands and soil moisture, is more accurate than the ndvi index, which considers only the amount of vegetation in the region. the tvdi index had an inverse correlation with the average of two months of rainfall of 0.54 and a direct correlation of 0.64 with the surface temperature of the earth. in contrast, the ndvi vegetation index with a two-month average rainfall has a direct correlation of 0.54 and an inverse correlation of 0.6 with the temperature. these linkages show that the correlation between vegetation and temperature is inverse (negative) and the correlation between vegetation and rainfall is direct (positive).