ارزیابی تغییرات عملکرد سویا با استفاده از شاخص‌های خشکسالی هواشناسی و ماهواره‌ای در غرب استان گلستان

سابقه و هدف: در اکثر مناطق کشور تعداد ایستگاه‌های هواشناسی ناکافی بوده و دوره آماری مناسبی را پوشش نمی‌دهند. روش مرسوم اندازه‌گیری عملکرد در ایران، تجربی است که علاوه بر نیاز به اندازه‌گیری‌های زیاد صحرایی برای جمع‌آوری داده‌ها، پرهزینه، سخت و گاهی غیرممکن بوده و از سویی داده‌های نهایی بسیار دیرتر از زمان مورد نیاز به‌دست مدیران خواهد رسید. داده‌های سنجش از دور می‌توانند به‌عنوان داده‌های جایگزین یا مکمل داده‌های هواشناسی در برآورد عملکرد محصولات کشاورزی و تشخیص خشکسالی و پوشش گیاهی استفاده شوند. این مطالعه با هدف برآورد عملکرد مزارع سویا و بررسی ارتباط آن با پتانسیل ریسک خشکسالی در غرب استان گلستان (شهرستان‌های آق قلا، علی‏آباد کتول، گرگان، بندر‏گز، بندر‏ترکمن وکردکوی) با استفاده از شاخص‌ هواشناسی (spi) و شاخص‌های پوشش گیاهی مستخرج از تصاویر ماهواره لندست (ndvi، vci و dsi) انجام شد. مواد و روش‌ها: در این تحقیق از تصاویر ماهواره های لندست از سال 2000 تا 2016 استفاده شد و بعد از پیش پردازش ها و پردازش های مناسب، شاخص‌های گیاهی ndvi، dsi، vci تهیه گردید. همچنین شاخص خشکسالی هواشناسی spi با استفاده از اطلاعات 15 ایستگاه هواشناسی محدوده مورد مطالعه محاسبه شد. به‌منظور محاسبه رابطه بین عملکرد سویا در شش شهرستان مورد مطالعه با شاخص‌های ndvi، dsi، vci و spi مقدار میانگین رسترهای این شاخص‌ها برای سال‌های 2000 تا 2016 تهیه شد. سپس بین عملکرد هر شهرستان با شاخص‌های هواشناسی (spi) و ماهواره‌ای (ndvi، dsi، vci) رگرسیون ساده خطی برقرار شد. از میان شاخص‌ها، شاخصی که دارای رابطه معنی‌دار با عملکرد و بالاترین ضریب تببین را داشت، به‌عنوان شاخص منتخب تعیین و با استفاده از آن نقشه عملکرد سویا (با مقیاس 1:1.000.000) برای محدوده مورد مطالعه تهیه شد. در ادامه با استفاده از نقشه‌های فراوانی خشکسالی حاصل از شاخص‌های spi، dsi و vci نقشه ریسک خشکسالی کشاورزی تولید شد. سپس با انطباق نقشه‌های بولینی عملکرد و نقشه ریسک خشکسالی منطقه به بررسی رفتار عملکرد در طبقه‌های ریسک خشکسالی در شش شهرستان پرداخته شد. یافته‌ها: اعتبار معادلات در تخمین عملکرد سویا نشان می‌دهد که مقدار ضریب تبیین برای پیش‌بینی عملکرد در سال‌های مختلف بین 13/0 تا 52/0 بود. همچنین قرارگیری اکثر اعداد پیش‌بینی شده در بین خطوط 15± درصد نسبت به خط یک به یک، دلیلی بر دقت قابل قبول این معادلات در پیش‌بینی جهت تولید نقشه‌های عملکرد می‌باشد. بنابراین، می‌توان نتیجه‌گرفت با استفاده از شاخص‌های خشکسالی هواشناسی و ماهواره‌ای در مرحله اوج سبزینگی سویا، عملکرد در سطح وسیع با دقت مناسب قابل پیشبینی است. نتایج نشان داد که بین 43 تا 50 درصد اراضی در محدوده عملکردهای بیشتر از میانگین عملکرد شش شهرستان مورد مطالعه قرار داشتند و مابقی اراضی عملکردهای کمتر از میانگین داشتند. براساس نتایج در شهرستان‌های آق قلا، علی‏آباد، گرگان، بندر‏گز، بندر‏ترکمن وکردکوی هیچ قسمتی از اراضی تحت کشت سویا در پهنه‌های با ریسک خشکسالی خیلی شدید قرار نگرفتند. انطباق نقشه عملکرد با نقشه ریسک خشکسالی نشان ‌داد که همسو بودن این نقشه‌ها بیانگر این است که در پهنه‌های با ریسک خشکسالی بالا احتمال کاهش عملکرد در رویارویی با خشکسالی در آن‌ها بیشتر می‌باشد. نتیجه‌گیری: بطورکلی نتایج نشان داد که شهرستان‌های بندر ترکمن، گرگان و قسمت مرکزی و جنوبی شهرستان علی آباد کتول با ریسک خشکسالی کمتری مواجه هستند. همچنین نقشه انطباق عملکرد و ریسک می‌تواند به عنوان یک نقشه پیش‌آگاهی جهت ارایه راهبردهایی با هدف مدیریت ریسک خشکسالی و مقابله با اثرات خشکسالی بر عملکرد مورد استفاده قرار گیرد.

Assessment of Soybean yield using changes meteorological and satellite-based drought indices in the west of Golestan province

Background and objectives: In the most parts of the country, the number of meteorological stations is inadequate and don’t cover the appropriate statistical period. The conventional method of yield assessment in Iran is based on those experiments which require numerous field measurements, that makes it expensive, difficult and sometimes impossible. On the other hand; the final data is available much later than when field managers need them. Remote sensing data can be used as an alternative or complementary data for meteorological data to estimate the yield, drought and crop vegetation. To evaluate the soybean yield and its relationship with drought risk potential in western parts of Golestan province (AQQala, Aliabad Katoul, Gorgan, BandareGaz, BandareTorkaman and Kordkouy), the meteorological (SPI) and Landsat satellite imagerybased vegetation indices (including NDVI, VCI and DSI) were used. Materials and Methods: In this study Landsat satellite images from 2000 to 2016 were used. After appropriate preprocessing and processing, the vegetation indices were prepared. Also the meteorological drought index (SPI) was calculated using the weather stations data of the study area. To calculate the relationship between the yield and all aforementioned studied indices (NDVI, DSI, VCI and SPI indices), the averagedDN average for each index in each city was calculated. Then, the yield of each city was regressed against the meteorological (SPI) and satelliteimagery based indicators (NDVI, DSI, VCI). The linear function with the highest signifsignificant determination coefficient was selected and the soybean yield map was provided for the study area. The final drought risk model was adopted using drought frequency maps for SPI, DSI and VCI indices. The yield change in all drought risk categories was assessed through investigating the compatibility of the Booleanclassified yield maps and drought risk maps of the studied region. The results: Coefficient of determination for yield prediction in different years ranged from 0.13 to 0.52, also the most of the predicted values were put in confidence level of 15% range of discrepancy which proved the accuracy of used equations in predicting yield maps. It can be concluded that yield can be predicted in a precise and accurate manner at the peak of soybean vegetation growth by applying meteorological and satelliteimagery indicators. The results showed that the yield of 43% to 50% of the soybean fields was higher than reported mean yield. Results showed that soybean fields in the AQQala, Aliabad Katoul, Gorgan, BandareGaz, BandareTorkaman and Kordkouy counties were not classified as very severe drought risk areas. The compliance of the yield and drought risk maps indicated that the possibility of yield reduction in facing with drought is higher in those areas with higher drought risk. Conclusion: Totally, the results showed that BandareTorkaman, Gorgan and the central and southern parts of Aliabad Katoul are facing a lower risk of drought. The intersected map of yield and drought risk can be used as a predictive tool to provide strategies to manage drought risks as well as coping with drought effects on the yield.