پایش رطوبت خاک در مراحل رشد گندم دیم به کمک نمایه‌های هواشناسی و سنجش از دور

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه جغرافیای طبیعی، دانشکده علوم زمین، دانشگاه شهید بهشتی، تهران، ایران

2 گروه جغرافیای طبیعی، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران

چکیده

در ایران به دلیل کمبود داده­های رطوبت اعماق خاک با توزیع مکانی مناسب، تحقیقات مرتبط با خشکسالی کشاورزی و پایش رطوبت خاک نسبت به خشکسالی از نوع هواشناسی و آب­شناسی کمتر انجام شده است. هدف اصلی از تحقیق حاضر پایش رطوبت خاک در اعماق 10 ، 20، 30، 40، 50 و 70 سانتی­متری به کمک داده­های زمینی و سنجش از دور در مراحل رشد گندم دیم (جوانه­زنی تا 4 برگی، ساقه­دهی و شکم پر تا رسیدگی کامل) در شهرستان نیشابور بوده است. اثر نوسانات رطوبت خاک روی عملکرد گندم دیم در مراحل رشد نیز مورد بررسی قرار گرفته است. به همین منظور تاریخ­های دیدبانی شده مراحل رشد گندم دیم در ایستگاه تحقیقات هواشناسی کشاورزی نیشابور طی سال­های زراعی 1390-1389 تا 1393-1392 و متغیرهای هواشناسی به همراه نمایه­­های SPI، SPEI، NDVI، VCI و TCI مورد استفاده قرار گرفتند. نتایج نشان دادند که تنها رطوبت عمق 10 سانتی­متری خاک با نمایه­های NDVImax (r=0.595) و SPEI (r=0.780) ارتباط معنی­دار داشته است. براساس نتایج به دست آمده، 35 و 61 درصد تغییرات رطوبت عمق 10 سانتی­متری خاک به ترتیب به کمک NDVImax و SPEI قابل توجیه بوده است. در خصوص تغییرات عملکرد گندم دیم با رطوبت اعماق خاک هر چند روابط معنی­داری حاصل نشد، اما نتایج بیانگر اهمیت بارش­های فروردین ماه در نوسانات رطوبت خاک و متعاقب آن عملکرد گندم دیم در نیشابور می­باشد. در پایان می­توان نمایه­هایNDVImax  و SPEI را به دلیل ماهیت ذاتی مؤلفه­های دخیل در محاسبه آن­ها، به عنوان سنجه­های پایش رطوبت خاک معرفی نمود.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Monitoring soil moisture at the growth stages of rain-fed wheat using meteorological and remote sensing indices

نویسندگان [English]

  • Ahmad Samadi 1
  • Saied Bazgeer 2
  • Faramarz Khoshakhlaq 2
1 Physical Geography Department, Faculty of Geography, Shahid Beheshti University, Tehran, Iran
2 Physical Geography Department, Faculty of Geography, University of Tehran, Tehran, Iran
چکیده [English]

Introduction
Drought has a huge impact on crop production. Therefore, a better understanding of drought and other atmospheric phenomena is important in order to reduce the damage caused by them. In Iran, most of the studies related to agricultural drought is carried out using remote sensing data due to the lack of in-situ soil moisture data. In fact, because of shortage of soil moisture data alongside a reasonable spatial distribution across the country, the researches pertaining to agricultural drought have been conducted less comparing to meteorological and hydrological drought. However, a few attempts were made to monitor agricultural drought by some researchers in Iran. This study aimed to monitor soil moisture at different depths using in-situ together with remotely-sensed data in Neyshabur City. In addition, the impact of soil moisture on rain-fed wheat yield in different crop growth stages was investigated.
Materials and Methods
Neyshabur city with an area of 869843.23 ha is extended from center to northwest of Khorasan Razavi province. It is in the neighborhood of Torbat Heydariyeh and Kashmar counties from the south, Sabzevar from the west, Faroj and Quchan from the north and Mashhad and Chenaran from the east. Its’ geographical location ranges from 35° 30 ʹ to 36° 59ʹ N latitudes and 57° 40ʹ to 59° 30 ʹ E longitudes. Farmers cultivate rain-fed wheat in early November and harvest it in late June. The observed data of rain-fed wheat growth stages from Neyishabur agrometeorological research station of 2010-2011 to 2014-2014 were used. The start and end dates of wheat growth stages of Sardari cultivar, together with measured biometric variables were used for further statistical analysis.
In addition, measured soil moisture was used at different depths of 10, 20, 30, 40, 50 and 70 cm, in a weekly base during 2010-2011 to 2013-2014. To investigate the impact of meteorological variables on wheat yield, the drought indices, including Standardized Precipitation Index (SPI) and Standardized Precipitation Evapotranspiration Index (SPEI) were calculated. Moreover, remotely-sensed based indices, including Normalized Difference Vegetation Index (NDVI), Vegetation Condition Index (VCI) and Temperature Condition Index (TCI) were derived from different bandwidths of TM, ETM+ and OLI sensors of Landsat satellite. Statistical analysis was performed using Pearson correlation coefficient to find out the correlation among variables. Besides, the simple regression analysis was carried out to calculate the relationship between soil moisture at different depths and meteorological and remote sensing indices. The impact of soil moisture on rain-fed wheat yield was investigated using statistical regression analysis. The statistical analysis was carried out for three wheat growth stages including primary stage (from germination to four leaf), intermediate stage (from tillering to stem elongation) and final growth stage (from booting to physiological maturity).
Results and Discussion
The results revealed that the maximum and minimum NDVI values during December (germination and four leaf growth stages) were 0.769 and -0.355 in 2011-12 and 2010-11, respectively. It is interesting that wheat yield was 1645 and 3845 kg/ha in 2010-11 and 2011-12, respectively, which correspond to mentioned NDVI values. In addition, the maximum and minimum range of NDVI variations for whole growing season were for 2013-14 and 2011-12 with maximum and minimum wheat yield, respectively (3845 and 1645 kg/ha). Therefore, it could be partly due to appropriate temporal distribution of precipitation and partly because of adequate soil moisture at crop root zone at germination and four leaf growth stages.
The statistical regression analysis showed that soil moisture in 10 cm depth had a significant positive correlation with NDVImax and SPEI, with correlation coefficients of 0.595 and 0.780, respectively. In other words, 35 and 61 percent of variations of 10 cm soil moisture depth were accounted for NDVImax and SPEI, respectively. The results showed that, the relationship between rain-fed wheat yield and soil moisture depths was non-significant at different crop growth stages. Although, it should be noted that the April precipitation was important for soil moisture variations and consequently for rain-fed wheat yield. It coincided with start of booting stage of crop.
Conclusions
The results of this study revealed that NDVImax and SPEI had the most significant correlations with soil moisture at 10 cm depth. However, no significant relationships were found among soil moisture at 20, 30, 40, 50, and 70 cm depths with meteorological and remote sensing indices.

کلیدواژه‌ها [English]

  • Agricultural Drought
  • Neyshabur
  • Rain-fed Wheat
  • Soil Moisture
-ابراهیم‌زاده، س.، 1392. مطالعه تطبیقی شاخص‌های خشک‌سالی مبتنی بر تصاویر ماهواره AVHRR-NOAA  و داده‌های زمینی با استفاده از تکنیک آشکارسازی تغییر (استان کرمانشاه)»، پایان‌نامه ارشد، دانشگاه تهران، پردیس کشاورزی و منابع طبیعی، گروه مهندسی و آبیاری و آبادانی، ص 15-25.
-ایستگاه تحقیقات هواشناسی کشاورزی نیشابور، 1394. داده­های مشاهدات فصلی و اندازه­گیری های بیومتریک، دوره آماری از سال  1389 تا 1393.
-بابازاده، ح.، نوروزی اقدم، ا.، عقیقی، ح.، شمس‎نیا، س. ا. و خدادادی دهکردی، د.، 1391. تخمین رطوبت لایه سطحی خاک اراضی مرتعی مناطق خشک و نیمه خشک با استفاده از شاخص دما و پوشش گیاهی (مطالعه موردی: استان خراسان)، نشریه تحقیقات مرتع و بیابان ایران، دوره 9، شماره 1، ص 120-132.
-جلالی، ل.، 1392. واسنجی و صحت سنجی شاخص خشک‌سالی محصول خاص CSDI برای محصول گندم دیم (مراغه و کرمانشاه)»، دانشگاه تهران، پردیس کشاورزی و منابع طبیعی، گروه مهندسی آبیاری و آبادانی، پایان‌نامه ارشد، ص 43-56.
-حسین‎زاده، ج.، تنگو، ا.، نجفی‎فر، ع. و حسینی، ا.، 1397. بررسی تغییرات رطوبت خاک با شاخص‎های اقلیمی در رویشگاه جنگلی مله سیاه در استان ایلام، نشریه آب و خاک، دوره 32، شماره 4، ص 821-830.
-حیدری، ح.، ولدان زوج، م.، مقصودی، ی. و بهشتی‌تر، م.، 1395. ارزیابی کارآیی شاخص‌های طیفی پوشش گیاهی پهن باند در پیش‌بینی شرایط خشک‌سالی در ایران، مجله سنجش ‌از دور و GIS ایران، دوره 8، شماره 2، ص  112-101.
-رضایی مقدم، م.، ولی زاده، ک.، رستم زاده، ه. و رضایی، ع.، 1391. ارزیابی کارایی داده‌های سنجنده MODIS در برآورد خشک‌سالی (مطالعه موردی: حوضه آبریز دریاچه ارومیه)، مجله جغرافیا و پایداری محیط، دوره 2، شماره 5، ص 37-52.
-زارع ابیانه، ح.، سبزی پرور، ع.، معروفی، ص.، قیامی، ف.، میرمسعودی، ش. و کاظمی، م.، 1394. تحلیل و پایش خشکسالی هواشناسی منطقه سیستان و بلوچستان، نشریه علوم و تکنولوژی محیط زیست، دوره  17، شماره 1، ص 49-61. 
-سبقتی، م.، احمدی بیرگانی، ح. و مقدم، ع.، 1395. محاسبه تداوم و شدت خشک‌سالی به‌وسیله شاخص SPEI اصلاحی (شهرهای تبریز و ارومیه)، مجله محیط‌زیست و مهندسی آب، دوره 2، شماره 2، ص  14-18.
-عرفانیان، م.، وفایی، ن. و رضاییان زاده، م.، 1393. ارائه یک روش نوین برای ارزیابی ریسک خشک‌سالی استان فارس با تلفیق داده‌های ماهانه بارندگی ماهواره TRMM و داده‌های شاخص پوشش گیاهی NDVI سنجنده MODIS/Terra، مجله پژوهش‌های جغرافیای طبیعی، دوره 46، شماره 1، ص 93-108.
-فشائی، م.، ثنایی نژاد، س.ح. و داوری، ک.، 1394. تخمین رطوبت خاک با استفاده از تصاویر سنجنده مودیس (مطالعه موردی: محدوده دشت مشهد)، نشریه آب و خاک، دوره 29، شماره 6، ص 1735-1748.
-مرادی زاده، م.، مومنی، م. و سراجیان، م.ر.، 1396. بررسی رابطه بین دمای سطحی خاک و رطوبت نزدیک به سطح در مرکز ایران، جغرافیا و برنامه­ریزی محیطی، دوره 28، شماره 3، ص 59-68.‎
-مساعدی، ا.، محمدی مقدم، س. و قبائی سوق، م.، 1394. مدل‌سازی عملکرد گندم و جو دیم براساس شاخص‌های خشک‌سالی و متغیرهای هواشناسی، نشریه آب‌ و خاک، دوره 29 ، شماره 3، ص 730-749.
-نیازی، ی.، طالبی، ع.، مختاری، م. و وظیفه دوست، م.، 1395. ارزیابی یک شاخص خشک‌سالی ترکیبی جدید مبتنی بر داده‌های سنجش‌ازدورRCDI) ) در محدوده ایران مرکزی، اکو هیدرولوژی، دوره 3، شماره 1، ص 31-43.
-یاقوتی، ح.، پذیرا، ا.، امیری، ا. و مسیح آبادی، م.، 1397. کاربرد تصاویر ماهواره­ای و فن­آوری سنجش از دور برای تخمین عملکرد برنج، نشریه حفاظت منابع آب و خاک، دوره 7، شماره 3، ص 55-69.
 
 
 
 
-AghaKouchak, A., Farahmand, A., Melton, F.S., Teixeira, J., Anderson, M.C., Wardlow, B.D. and Hain, C.R., 2015. Remote sensing of drought: Progress, challenges and opportunities. Reviews of Geophysics, v. 53, p. 452-480.
-Bazrafshan, J., Hejabi, S. and Rahimi, J., 2014. Drought monitoring using the multivariate standardized precipitation index (MSPI). Water Resources Management, v. 28, p. 1045-1060.
-Carrao, H., Russo, S., Sepulcre-Canto, G. and Barbosa, P., 2016. An empirical standardized soil moisture index for agricultural drought assessment from remotely sensed data. International Journal of Applied Earth Observation and Geoinformation, v. 48, p. 74-84.
-Destouni, G. and Verrot, L., 2014. Screening long-term variability and change of soil moisture in a changing climate. Journal of Hydrology, v. 516, p. 131-139.
-Dutta, D., Kundu, A., Patel, N.R., Saha, S.K. and Siddiqui, A.R., 2015. Assessment of agricultural drought in Rajasthan (India) using remote sensing derived Vegetation Condition Index (VCI) and Standardized Precipitation Index (SPI). The Egyptian Journal of Remote Sensing and Space Science, v. 18, p. 53-63.
-Du, T.L.T., Bui, D.D., Nguyen, M.D. and Lee, H., 2018. Satellite-Based, Multi-indices for evaluation of agricultural droughts in a highly dynamic tropical catchment, central Vietnam, Water, v. 10, p. 1-24.
-Ebi, K.L. and Bowen, K., 2016. Extreme events as sources of health vulnerability: Drought as an example. Weather and Climate Extremes, v. 11, p. 95-102.
-Khanmohammadi, F., Homae, M. and Norouzi, A.A., 2014. Estimation of soil moisture using vegetation indices and soil surface temperature and normalized soil moisture index with MODIS images. Journal of Water and Soil Resources Conservation, v. 4(1), p. 37-44.
-Kogan, F.N., 1995. Application of vegetation index and brightness temperature for drought detection. Advances in Space Research, v. 15, p. 91-100.
-McKee, T.B., Doesken, N.J. and Kleist, J., 1993. The relationship of drought frequency and duration of time scales. Eighth Conference on Applied Climatology, American Meteorological Society, Jan17-23, 1993, Anaheim CA, p. 179-186
-Niazi, Y., talebi, A., Mokhtari, M. and Vazifehdoost, M., 2018. Spatio-Temporal analysis of the accuracy of TRMM satellite data to estimate the severity of a drought based on precipitation in Central Iran. Journal of Physical Geography Research, v. 50(1), p. 69-85.
-Potopova, V., Boroneanţ, C., Boincean, B. and Soukup, J., 2016. Impact of agricultural drought on main crop yields in the Republic of Moldova. International Journal of Climatology, v. 36, p. 2063-2082.
-Sruthi, S. and Aslam, M.M., 2015. Agricultural drought analysis using the NDVI and land surface temperature data; a case study of Raichur district. Aquatic Procedia, v. 4, p. 1258-1264.
-Tran, H.T., Campbell, J.B., Tran, T.D. and Tran, H.T., 2017. Monitoring drought vulnerability using multispectral indices observed from sequential remote sensing (Case Study: Tuy Phong, Binh Thuan, Vietnam). GIScience & Remote Sensing, v. 54, p. 167-184.
-Vicente-Serrano, S.M., Beguería, S. and López-Moreno, J.I., 2010. A multiscalar drought index sensitive to global warming: the standardized precipitation evapotranspiration index. Journal of climate, v. 23, p. 1696-1718.
-Wang, F., Qin, Z., Song, C., Tu, L., Karnieli, A. and Zhao, S., 2015. An improved mono-window algorithm for land surface temperature retrieval from Landsat 8 thermal infrared sensor data. Remote sensing, v. 7, p. 4268-4289.
-Yu, M., Li, Q., Hayes, M.J., Svoboda, M.D. and Heim, R.R., 2014. Are droughts becoming more frequent or severe in China based on the standardized precipitation evapotranspiration index: 1951–2010? International Journal of Climatology, v. 34, p. 545-558.