پایش و پیش بینی خشکسالی طی دوره رشد پوشش مرتع، نمونه موردی: حوضه آبخیز قوری چای (شهرستان پارس آباد مغان)
الموضوعات :
سعیده عینی
1
(دانشگاه محقق اردبیلی)
میثم طولابی نژاد
2
(دانش آموخته)
مصطفی کرمپور
3
(دانشگاه لرستان)
الکلمات المفتاحية: پایش پیش بینی خشکسالی مدل CanESM2 مرتع,
ملخص المقالة :
جهت پایش خشکسالی از مقادیر روزانه میانگین دمای هوا و مجموع بارش ایستگاه پارس آباد طی دوره آماری 1961-2016 به منظور اجرای شاخص SPI در سه بازه 1، 3 و 6 ماهه و همچنین تصاویر ماهواره لندست TM به منظور اجرای شاخص خشکسالی NDVI استفاده گردید. برای بخش پیش بینی نیز از مدل CanESM2 تحت سناریوی انتشار RCP4.5 از سری پنجم سناریوهای انتشار بهره گرفته شد که برای این منظور از متغیرهای پیش بینی کننده NCEP-NCAR 1961-2005 استفاده گردید. با توجه به اجرای شاخص های خشکسالی (SPI و NDVI) و پیش بینی مقادیر دما و بارش ایستگاه پارس آباد( مدل CanESM2 تحت سناریوی RCP4.5)، مشخص گردید که وضعیت رشد مرتع در شرایط کنونی طی مراحل گلدهی و بذردهی برخی از گونه های مهم مرتعی حوضه آبخیز قوری چای نامطلوب می باشد این مهم از طریق نمودار آمبروترمیک ایستگاه پارس آباد مغان و همچنین شاخص خشکسالی SPI 1 ماهه طی دوره آماری 1375- 1395 بدست آمد اما براساس پیش بینی مقادیر دما و بارش که با استفاده مدل CanESM2 از سری مدل های گزارش پنچم اخذ گردید، این شرایط طی سال های آینده (1385- 1477) خشک تر بوده و دوره رشد پوشش مرتعی از 6 ماه به 3 ماه کاهش می یابدکه این امر با توجه به اهمییت بالای مراتع به عنوان ذخایر طبیعی، نیاز به اجرای طرح های مدیریتی و آبخیزداری در منطقه مورد مطالعه را دارد.
1. Asiaei, m. (2006). Drought Analysis Using the Standardized Precipitation Index (SPI) Case Study: Khorasan Province, Journal of Geosciences, No. 2, pp. 145- 122.
2. Akbari, M. (2004). Improvement of Irrigation Management of Farms Using Combination of Satellite, Farm and Simulation Modeling, SWAP, Ph.D., Tehran, Tarbiat Modares University.
3. Caccamo, J,. Chisholm, LA,. Bradstock, RA and Puotinen, ML,. (2011), Assessing the sensitivity of MODIS to monitor drought in high biomass ecosystems. Remote Sensing Environment. 115: 2626-2639.
4. Hadian, F. Hosseini, S. Z and Seyed Hosseini, M. (2014). Monitoring of vegetation changes using rainfall data and satellite images in northwest of Iran. Quarterly Journal of Iranian Pasture and Desert Research, Vol. 21, No. 4, pp. 768-756.
5. Jafarpour, Sh and Kanooni, A. (2015). Climate change scenarios in the fifth report of the Intergovernmental Panel on Climate Change and its comparison with the previous report, the 2nd National Conference on Natural Resources and Environment, Mohaghegh Ardebil University, Ardebil.
6. Jahangir, M. Honestly, Mrs. M and Yousefi, H. (2015). Monitoring and prediction of drought status using the standard rainfall index (SPI) and multi-layer perceptron neural network (Case study: Tehran and Alborz provinces), Ecohydrology, No. 4, pp. 428-417.
7. Ji, L and Peters, AJ,. (2003), Assessing vegetation response to drought in the northern Great Plains using vegetation and drought indices. Remote Sensing of Environment. 87: 85-98.
8. Khazaei, M. R and Khazaee, h. (2016). Uncertainty analysis of GCM models and emission scenarios in evaluating the effect of climate change on monthly runoff of Bashar basin, Journal of Environmental Science and Technology, No. 3, pp. 16-1.
9. Li, Z., Li, X., Wei, D., Xu, Ȳ and Wang, H .,(2010), An assessment of correlation on MODIS-NDVI and EVI with natural vegetation coverage in Northern Hebei Province, China. Procedia Environmental Sciences. 2: 964-969.
10. Mozazenzadeh, R., Senior, P., Hero, B and Judgment, K. (2012). Drought monitoring and non-aqueous cultures using remote sensing techniques. Journal of Water and Irrigation Management, No. 2, pp. 52-39.
11. Potop, V., Mozny, M and Soukup, J., (2012), Drought evolution at various time scales in the lowland regions and their impact on vegetable crops in the Czech Republic, Agricultural and Forest Meteorology. 156: 121-133.
12. Rajabi, A. (2011). Climate Change Uncertainty Analysis by SDSM Model in Kermanshah, Fourth Iranian Water Resources Management Conference, Amir Kabir University of Technology, Tehran.
13. Sari Sarraf, B., Mahmoudi, S., Zanganeh, S and Pashaei, Z. (2015). Monitoring and prediction of drought and drought in Tabriz using CLIMGEN model and SPI index, Hydrogeomorphology, No. 2, pp. 78-61.
14. Thompson, S. A., (1999), Hydrology for water management, Balkema, Rotterdam Netherlands, 362 pp.
15. Touma, D., Ashfaq, M., Nayak., M., Kao, S-C and Diffenbaugh, N., (2015), A multi-model and multi index evaluation of drought characteristics in the 21st century. Journal of Hydrology, 526: 196-207.
16. Wang, Q,. Adiku, S,. Tenhunen, J and Granier, A,. (2005), On the relationship of NDVI with leaf area index in a deciduous forest site. Remote Sensing of Environment. 94: 244-255.
