پايش روزانه تأثير خشكسالي بر پوشش گياهي با استفاده از داده‌هاي بارش شبكه INTERIM و تصاوير سنجنده MODIS (مطالعه موردي: استان كرمانشاه)

Daily monitoring of drought effects on vegetation cover using ERA-Interim precipitation data and MODIS Images (Case study: Kermanshah Province

تأثير خشكسالي بر پوشش گياهي را مي‌توان از طريق تغييرات طيفي ايجاد شده در تصاوير ماهواره‌اي مورد بررسي قرار داد. هدف از اين مطالعه، ارزيابي تأثير خشكسالي‌هاي هواشناسي بر پوشش گياهي مستخرج از تصاوير ماهواره‌اي است. بدين منظور، تصاوير پوشش گياهي از سنجنده MODIS ماهواره AQUA در مقياس زماني 16 روزه در طي فصل رشد و براي سه سال تر (2006)، نرمال (2009) و خشك (2008) در كاربري‌هاي جنگل، مرتع و كشاورزي استخراج شد. پس از اعمال تصحيحات لازم بر تصاوير ماهواره‌اي شاخص تفاوت پوشش گياهي نرمال (NDVI) محاسبه شد. سپس، بر مبناي داده‌هاي تحليل مجدد بارش روزانه پايگاه INTERIM، مجموع بارش دوره‌هاي 1 تا 365 روز قبل در دو حالت لحاظ و عدم لحاظ افت زماني، تأثير بارش بر پوشش گياهي محاسبه شد. نتايج نشان مي‌دهد همبستگي قوي و معني‌داري بين تغييرات بارندگي داده‌هاي INTERIM و نمايه NDVI در سه كاربري وجود دارد. دوره‌هاي تجميع داراي بيشينه همبستگي با پوشش گياهي در محاسبه شاخص خشكسالي مؤثر (EDI) استفاده شد، اما همبستگي بين NDVI و EDI در سه كاربري منتخب، منفي بود، احتمالاً به اين دليل كه نمايه EDI، پايش خشكسالي را بر مبناي مقايسه با ميانگين و انحراف معيار بلند‌مدت اقليمي انجام مي‌دهد، حال آن كه پوشش گياهي از شرايط بارندگي همان سال تأثير مي‌پذيرد. بر اين اساس، شاخص ديگري بر مبناي داده‌هاي بارش مؤثر (EP) استخراج شد كه شاخص بارش مؤثر استاندارد (SEPI) ناميده شد. نتايج مقايسه سري‌هاي NDVI و SEPI نشان داد كه روند تغييرات NDVI و SEPI تقريباً يكسان است.

The purpose of this study is to evaluate the effects of meteorological droughts on vegetation cover using satellite images. For this purpose, vegetation images were extracted from MODIS sensor of AQUA satellite on a 16-days timescale, during the growing season for three years of Wet (2006), Normal (2009) and Dry (2008) for different land uses, i.e. forest, pasture and agriculture in Kermanshah province, Iran. After necessary corrections to the satellite images, the daily Normalized Difference Vegetation Index (NDVI) values were calculated. Then, based on ERA Interim gridded precipitation data, the summed value of precipitation for the dummy durations of 1-365 days before any given date were calculated without and with a time-dependent reduction function representing the effect of precipitation on vegetation. The results showed that there is a strong and significant correlation between Interim rainfall variability and NDVI in three different land uses. The summation durations having maximum correlation with vegetation were used to calculate Effective Drought Index (EDI). It was identified that the maximum correlations between NDVI and EDI had negative values in all three selected land uses. The reason for this may be related to the technique that EDI employs to monitor drought. While vegetation cover is affected by precipitation conditions of the same year, EDI is calculated on the basis of daily precipitation with respect to its long-term average. Accordingly, another index was derived based on effective precipitation (EP) data, which is called Standard Effective Precipitation Index (SEPI). Results of comparison between NDVI and SEPI series showed that both series were similarly changed.