پديد آورندگان :
علي زاده, پريسا دانشگاه علوم كشاورزي و منابع طبيعي گرگان - گروه زراعت , كامكار, بهنام دانشگاه علوم كشاورزي و منابع طبيعي گرگان - گروه زراعت , كاظمي, حسين دانشگاه علوم كشاورزي و منابع طبيعي گرگان - گروه زراعت , شتابي, شعبان دانشگاه علوم كشاورزي و منابع طبيعي گرگان - گروه جنگل داري
كليدواژه :
خشكسالي كشاورزي , ريسك خشكسالي , سنجش از دور , ارزيابي تغييرات عملكرد سويا
چكيده فارسي :
سابقه و هدف: در اكثر مناطق كشور تعداد ايستگاه‌هاي هواشناسي ناكافي بوده و دوره آماري مناسبي را پوشش نمي‌دهند. روش مرسوم اندازه‌گيري عملكرد در ايران، تجربي است كه علاوه بر نياز به اندازه‌گيري‌هاي زياد صحرايي براي جمع‌آوري داده‌ها، پرهزينه، سخت و گاهي غيرممكن بوده و از سويي داده‌هاي نهايي بسيار ديرتر از زمان مورد نياز به‌دست مديران خواهد رسيد. داده‌هاي سنجش از دور مي‌توانند به‌عنوان داده‌هاي جايگزين يا مكمل داده‌هاي هواشناسي در برآورد عملكرد محصولات كشاورزي و تشخيص خشكسالي و پوشش گياهي استفاده شوند. اين مطالعه با هدف برآورد عملكرد مزارع سويا و بررسي ارتباط آن با پتانسيل ريسك خشكسالي در غرب استان گلستان (شهرستان‌هاي آق قلا، عليآباد كتول، گرگان، بندرگز، بندرتركمن وكردكوي) با استفاده از شاخص هواشناسي (SPI) و شاخص‌هاي پوشش گياهي مستخرج از تصاوير ماهواره لندست (NDVI، VCI و DSI) انجام شد.
مواد و روش‌ها: در اين تحقيق از تصاوير ماهواره هاي لندست از سال 2000 تا 2016 استفاده شد و بعد از پيش پردازش ها و پردازش هاي مناسب، شاخص‌هاي گياهي NDVI، DSI، VCI تهيه گرديد. همچنين شاخص خشكسالي هواشناسي SPI با استفاده از اطلاعات 15 ايستگاه هواشناسي محدوده مورد مطالعه محاسبه شد. به‌منظور محاسبه رابطه بين عملكرد سويا در شش شهرستان مورد مطالعه با شاخص‌هاي NDVI، DSI، VCI و SPI مقدار ميانگين رسترهاي اين شاخص‌ها براي سال‌هاي 2000 تا 2016 تهيه شد. سپس بين عملكرد هر شهرستان با شاخص‌هاي هواشناسي (SPI) و ماهواره‌اي (NDVI، DSI، VCI) رگرسيون ساده خطي برقرار شد. از ميان شاخص‌ها، شاخصي كه داراي رابطه معني‌دار با عملكرد و بالاترين ضريب تببين را داشت، به‌عنوان شاخص منتخب تعيين و با استفاده از آن نقشه عملكرد سويا (با مقياس 1:1.000.000) براي محدوده مورد مطالعه تهيه شد. در ادامه با استفاده از نقشه‌هاي فراواني خشكسالي حاصل از شاخص‌هاي SPI، DSI و VCI نقشه ريسك خشكسالي كشاورزي توليد شد. سپس با انطباق نقشه‌هاي بوليني عملكرد و نقشه ريسك خشكسالي منطقه به بررسي رفتار عملكرد در طبقه‌هاي ريسك خشكسالي در شش شهرستان پرداخته شد.
يافته‌ها: اعتبار معادلات در تخمين عملكرد سويا نشان مي‌دهد كه مقدار ضريب تبيين براي پيش‌بيني عملكرد در سال‌هاي مختلف بين 13/0 تا 52/0 بود. همچنين قرارگيري اكثر اعداد پيش‌بيني شده در بين خطوط 15± درصد نسبت به خط يك به يك، دليلي بر دقت قابل قبول اين معادلات در پيش‌بيني جهت توليد نقشه‌هاي عملكرد مي‌باشد. بنابراين، مي‌توان نتيجه‌گرفت با استفاده از شاخص‌هاي خشكسالي هواشناسي و ماهواره‌اي در مرحله اوج سبزينگي سويا، عملكرد در سطح وسيع با دقت مناسب قابل پيش-بيني است. نتايج نشان داد كه بين 43 تا 50 درصد اراضي در محدوده عملكردهاي بيشتر از ميانگين عملكرد شش شهرستان مورد مطالعه قرار داشتند و مابقي اراضي عملكردهاي كمتر از ميانگين داشتند. براساس نتايج در شهرستان‌هاي آق قلا، عليآباد، گرگان، بندرگز، بندرتركمن وكردكوي هيچ قسمتي از اراضي تحت كشت سويا در پهنه‌هاي با ريسك خشكسالي خيلي شديد قرار نگرفتند. انطباق نقشه عملكرد با نقشه ريسك خشكسالي نشان داد كه همسو بودن اين نقشه‌ها بيانگر اين است كه در پهنه‌هاي با ريسك خشكسالي بالا احتمال كاهش عملكرد در رويارويي با خشكسالي در آن‌ها بيشتر مي‌باشد.
نتيجه‌گيري: بطوركلي نتايج نشان داد كه شهرستان‌هاي بندر تركمن، گرگان و قسمت مركزي و جنوبي شهرستان علي آباد كتول با ريسك خشكسالي كمتري مواجه هستند. همچنين نقشه انطباق عملكرد و ريسك مي‌تواند به عنوان يك نقشه پيش‌آگاهي جهت ارايه راهبردهايي با هدف مديريت ريسك خشكسالي و مقابله با اثرات خشكسالي بر عملكرد مورد استفاده قرار گيرد.
چكيده لاتين :
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 (AQ-Qala, Aliabad Katoul, Gorgan, Bandar-e-Gaz, Bandar-e-Torkaman and Kordkouy), the meteorological (SPI) and Landsat satellite imagery-based 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 pre-processing 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 averaged-DN average for each index in each city was calculated. Then, the yield of each city was regressed against the meteorological (SPI) and satellite-imagery 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 Boolean-classified 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 satellite-imagery 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 AQ-Qala, Aliabad Katoul, Gorgan, Bandar-e-Gaz, Bandar-e-Torkaman 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 Bandar-e-Torkaman, 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.
