ارزیابی خسارت خشکسالی با استفاده از شاخصهای ماهوارهای خشکسالی و فاکتورهای آسیبپذیری: مطالعه موردی: استان ایلام
نویسندگان
1 استاد، دانشکده آبخیزداری و مدیریت مناطق بیابانی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران
2 استادیار، دانشکده آبخیزداری و مدیریت مناطق بیابانی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران
3 دانشجوی دکتری بیابانزدایی، دانشکده آبخیزداری و مدیریت مناطق بیابانی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران
doi
10.22092/ijrdr.2022.128077چکیده
خشکسالی یک پدیده اقلیمی ناخوشایند است که بهطور مستقیم بر ابعاد مختلف جوامع انسانی تأثیر میگذارد. بهمنظور آگاهی و انتخاب تصمیم مدیریتی مناسب، طراحی و توسعه یک رویکرد یکپارچه برای کنترل موثرتر این پدیده و ارائه هشدارهای اولیه ضروری است. در این مطالعه، دوازده شاخص مختلف سنجش از دور از ماهواره مودیس (MODIS) و مدل رقومی ارتفاعی (DEM) برای پایش خشکسالی در طول فصل رشد برای سالهای 2018-2000 مورد استفاده قرار گرفت. شاخص استاندارد شده بارش (SPI) با مقیاس زمانی یک تا 12 ماه بهعنوان داده مرجع استفاده شد. سپس روابط بین 13 شاخص و SPI با مقیاسهای زمانی مختلف با استفاده از رویکرد یادگیری ماشین و تکنیک جنگل تصادفی مدلسازی استفاده شد. از دادههای رطوبت نسبی خاک، شاخص بارش-تبخیر و تعرق استانداردشده (SPEI) و دادههای عملکرد محصول بهمنظور اعتبارسنجی مدل استفاده شد. نتایج نشان داد که جنگل تصادفی کارکرد خوبی (R2=88/0) برای شبیهسازی SPI دارد. در مرحله بعد با استفاده از مدل خشکسالی که در مرحله قبل ساخته شد، شاخص خطر خشکسالی (DHI) بر اساس احتمال وقوع خشکسالی محاسبه شد. شاخص آسیبپذیری خشکسالی (DVI) نیز با استفاده از هفت شاخص اجتماعی و اقتصادی محاسبه شد. در نهایت، شاخص خسارت خشکسالی (DRI) با تلفیق شاخص خطر خشکسالی و شاخص آسیبپذیری خشکسالی برای استان ایلام بهدست آمد. نتایج نقشه خسارت نشان داد که دو شهرستان در معرض خسارت خشکسالی خیلیشدید، چهار شهرستان در معرض خسارت زیاد و چهار شهرستان در معرض خطر خشکسالی متوسط و کم قرار دارند. بهطور کلی، نتایج این مطالعه یک روش جامع برای ارزیابی خشکسالی منطقهای ارائه میدهد. همچنین بر اساس این مدل، میتوان شهرستانهای با آسیبپذیری بالا را شناسایی کرد تا با ارائه برنامههای مدیریتی بهموقع به بهبود وضعیت کمک کند.