در دهه های اخیر، تغییرات آب و هوایی جهانی، خطرات طبیعی را به طور فزاینده ای رایج کرده است. خشکسالی، به عنوان یک خطر طبیعی رایج، برای سال ها موضوع داغ مطالعه بوده است. اکثر مطالعات پایش خشکسالی را در مناطق خشک و نیمه خشک انجام دادند. در مناطق مرطوب و نیمه مرطوب، به دلیل تغییرات آب و هوایی، اغلب خشکسالی های فصلی و کمبود آب فصلی نیز مشاهده شد، اما به خوبی مورد مطالعه قرار نگرفته است. این مطالعه با استفاده از شاخص خشکی مبتنی بر ماهواره MODIS (SbAI)، تغییرات مکانی-زمانی در شرایط خشکسالی در حوضه رودخانه پرل نیمه گرمسیری را بررسی کرد. نتایج مطالعه نشان داد که SbAI بین سالانه روند کاهشی قابل‌توجهی را نشان می‌دهد که نشان‌دهنده روند مرطوب‌تر مشاهده‌شده در حوضه در دو دهه گذشته است. روند کاهشی در SbAI در فصل خشک از نظر آماری معنی‌دار بود. اما نه در فصل باران های موسمی. شرایط خشکسالی در فصل باران های موسمی گسترش ناچیز را نشان داد، اما در فصل خشک کاهش معنی داری از نظر آماری را نشان داد. حوضه رودخانه پرل در طول دو دهه گذشته مرطوب تر شده است، احتمالاً به دلیل تأثیرات طبیعی و فعالیت های انسانی. مناطق با افزایش شرایط خشکسالی بیشتر تحت تأثیر فعالیت های انسانی مانند برداشت آب برای آبیاری و مصارف صنعتی و شهرنشینی سریع و افزایش سطوح غیر قابل نفوذ و در نتیجه کاهش ظرفیت ذخیره آب قرار می گیرند. این مطالعه مرجع ارزشمندی برای ارزیابی خشکسالی در حوضه رودخانه پرل ارائه کرد. حوضه رودخانه پرل در طول دو دهه گذشته مرطوب تر شده است، احتمالاً به دلیل تأثیرات طبیعی و فعالیت های انسانی. مناطق با افزایش شرایط خشکسالی بیشتر تحت تأثیر فعالیت های انسانی مانند برداشت آب برای آبیاری و مصارف صنعتی و شهرنشینی سریع و افزایش سطوح غیر قابل نفوذ و در نتیجه کاهش ظرفیت ذخیره آب قرار می گیرند. این مطالعه مرجع ارزشمندی برای ارزیابی خشکسالی در حوضه رودخانه پرل ارائه کرد. حوضه رودخانه پرل در طول دو دهه گذشته مرطوب تر شده است، احتمالاً به دلیل تأثیرات طبیعی و فعالیت های انسانی. مناطق با افزایش شرایط خشکسالی بیشتر تحت تأثیر فعالیت های انسانی مانند برداشت آب برای آبیاری و مصارف صنعتی و شهرنشینی سریع و افزایش سطوح غیر قابل نفوذ و در نتیجه کاهش ظرفیت ذخیره آب قرار می گیرند. این مطالعه مرجع ارزشمندی برای ارزیابی خشکسالی در حوضه رودخانه پرل ارائه کرد. و شهرنشینی سریع و افزایش سطوح غیرقابل نفوذ و در نتیجه کاهش ظرفیت ذخیره آب. این مطالعه مرجع ارزشمندی برای ارزیابی خشکسالی در حوضه رودخانه پرل ارائه کرد. و شهرنشینی سریع و افزایش سطوح غیرقابل نفوذ و در نتیجه کاهش ظرفیت ذخیره آب. این مطالعه مرجع ارزشمندی برای ارزیابی خشکسالی در حوضه رودخانه پرل ارائه کرد.

کلید واژه ها:

پایش خشکسالی حوضه رودخانه مروارید ؛ ماهواره مودیس ; SbAI ; موتور Google Earth

1. مقدمه

خطرات طبیعی یک تهدید بزرگ برای انسان و توسعه اجتماعی است. گرم شدن کره زمین احتمال وقوع خطرات طبیعی مانند خشکسالی، امواج گرما، آتش سوزی های جنگلی و سیل را افزایش داده است [ 1 ، 2 ]. خشکسالی به عنوان یکی از جدی ترین مخاطرات طبیعی که انسان را تحت تأثیر قرار می دهد، هر ساله تلفات و خسارات اقتصادی زیادی را در سرتاسر جهان ایجاد می کند [ 3 ]. به عنوان مثال، بیش از نیمی از ایالت های ایالات متحده تحت تأثیر خشکسالی قرار دارند که منجر به زیان اقتصادی سالانه تقریباً 6 تا 8 میلیارد دلار می شود [ 4 ]. با این حال، در حال حاضر، انسان ها هنوز اطلاعات بسیار کمی در مورد خشکسالی دارند و به روش های موثر برای مبارزه با خشکسالی نیاز دارند. بنابراین، پایش خشکسالی یک پیش نیاز مهم برای مهاجرت خشکسالی است.
مطالعات قبلی شاخص‌های خشکسالی مختلفی را برای پایش خشکسالی پیشنهاد کرده‌اند که بیشتر آنها بر اساس مشاهدات ایستگاه‌های هواشناسی است. چنین شاخص هایی شامل PDSI (شاخص شدت خشکسالی پالمر) [ 5 ]، SPI (شاخص بارش استاندارد) [ 6 ] و SPEI (شاخص تبخیر و تعرق استاندارد شده بارش) [ 7 ] است.]. بر اساس مشاهدات از ایستگاه های هواشناسی، شرایط خشکسالی محیط را می توان با دقت مشخص کرد. با این حال، به دلیل تراکم کم و توزیع نابرابر ایستگاه ها، دستیابی به پایش خشکسالی در مقیاس بزرگ، به ویژه در مناطق دور افتاده روستایی، دشوار است. بنابراین، این شاخص ها نمی توانند روندهای کلی و تغییرات شرایط خشکسالی را برای مناطق وسیع نشان دهند. ماهواره ها می توانند تصاویر مکانی و زمانی را با پوشش مداوم برای مناطق وسیع ارائه دهند و بنابراین مزایای منحصر به فردی برای پایش خشکسالی، به ویژه در مناطق دور افتاده با ایستگاه های هواشناسی کم دارند. بر اساس تصاویر ماهواره ای، بسیاری از محققان شاخص های جدید پایش خشکسالی مانند VCI (شاخص وضعیت گیاهی) [ 8 ]، TCI (شاخص وضعیت دما) [ 8 ] را پیشنهاد کرده اند.]، SDCI (شاخص وضعیت خشکسالی مقیاس شده) [ 9 ]، MIDI (شاخص خشکسالی مجتمع مایکروویو) [ 10 ]، OVDI (شاخص خشکسالی گیاهی بهینه) [ 11 ] و OMDI (شاخص خشکسالی هواشناسی بهینه شده) [ 11 ]. این شاخص‌های خشکسالی می‌توانند پوشش فضایی بهتری را برای شرایط خشکسالی فراهم کنند و همچنین نوارهای متعددی را برای ایجاد یک شاخص پایش خشکسالی یکپارچه برای نمایش بهتر شرایط خشکسالی ترکیب می‌کنند.
بنابراین، با توسعه تکنیک‌های سنجش از دور، تصاویر ماهواره‌ای به طور گسترده در تشخیص خشکسالی مورد استفاده قرار گرفته‌اند و کمک زیادی به پایش خشکسالی در مقیاس جهانی، قاره‌ای و منطقه‌ای کرده‌اند. دهقان و همکاران [ 12 ] از PDSI برای ارزیابی خشکسالی در استان فارس، ایران استفاده کرد. نتایج آنها همبستگی قوی بین نتایج شبیه‌سازی شده از بارش مبتنی بر مکان (R2 > 0.63) و دما (R2 > 0.95) را اثبات کرد. در مقیاس جهانی، ترنبرث و همکاران، با استفاده از PDSI، به این نتیجه رسیدند که افزایش گرمایش به دلیل گرمایش زمین ممکن است منجر به خشکسالی نشود، اما انتظار می رود که زمانی که خشکسالی رخ می دهد، احتمالاً سریعتر و همچنین شدیدتر رخ می دهد. 13 ]. گیدی و همکاران [14 ] از SPI برای تجزیه و تحلیل تغییرات زمانی و مکانی خشکسالی در شمال اتیوپی استفاده کرد و پیش‌بینی کرد که به دلیل بارش ناکافی، این منطقه در آینده به خشکی ادامه خواهد داد. در واقع، SPI بر اساس مشاهدات تاریخی همچنین نشان داد که افزایش فراوانی، مدت و شدت خشکسالی در آفریقا، منطقه مدیترانه، آسیای شرقی و استرالیای جنوبی قابل توجه خواهد بود [ 15 ]. SPI حتی با تفاوت بارندگی در مناطق مختلف می تواند پایدار عمل کند. همچنین می تواند نتایج مختلفی را برای مقیاس های زمانی مختلف به دست آورد. این برای ایجاد تغییرات روزانه، ماهانه، فصلی و سالانه خشکسالی در یک منطقه بزرگ بسیار معنادار است. بر اساس SPI، با در نظر گرفتن تبخیر و تعرق، هرناندز و همکاران. [ 16] SPEI را پیشنهاد کرد و از متریک برای ارزیابی خشکسالی در جنوب تگزاس، ایالات متحده استفاده کرد. نتایج نشان داد که با توجه به افزایش دما و کاهش بارندگی در آینده، منطقه بسیار خشک‌تر خواهد شد. علاوه بر این، بر اساس SPEI و SPI، چیانگ و همکاران. دریافتند که وجود نیروی انسانی باعث افزایش فراوانی خشکسالی، حداکثر مدت خشکسالی و حداکثر شدت خشکسالی تجربه شده در بخش‌های بزرگی از آمریکا، آفریقا و آسیا شده است [ 17 ]. علاوه بر این، VCI نیز یک روش جدید پایش خشکسالی بر اساس فناوری سنجش از دور است. دوتا و همکاران [ 18] از VCI برای پایش خشکسالی کشاورزی در راجستان (هند) استفاده کرد و آن را با نتایج به دست آمده از SPI مقایسه کرد. آنها دریافتند که نتایج VCI و SPI سازگار هستند. VCI همچنین ابزار مفیدی برای ارزیابی خشکسالی کشاورزی است. ژانگ و همکاران [ 10 ] MIDI را بر اساس بارش، رطوبت خاک و دمای سطح پیشنهاد کرد و از این شاخص برای پایش خشکسالی در شمال چین استفاده کرد. بر اساس اعتبارسنجی با نتایج SPI چند مقیاسی، آنها به این نتیجه رسیدند که می توان آن را به خوبی برای پایش خشکسالی های کوتاه مدت به کار برد.
همانطور که در بالا بحث شد، اکثر مطالعات پایش خشکسالی را در مناطق خشک و نیمه خشک انجام دادند. در واقع، در مناطق مرطوب و نیمه مرطوب، به دلیل تأثیر تغییرات آب و هوایی، اغلب خشکسالی های فصلی نیز مشاهده می شد و کمبود آب فصلی نیز هر از گاهی گزارش می شد [ 19 ، 20 ، 21 ، 22 ، 23 .]. با این حال، مطالعات کمی در مورد پایش خشکسالی در مناطق مرطوب و نیمه مرطوب انجام شده است. این زمینه مطالعاتی را در مورد خشکسالی های فصلی یا کمبود آب در مناطق مرطوب و نیمه مرطوب ضروری می کند. علاوه بر این، در زمینه تغییرات آب و هوایی جهانی، پایش خشکسالی نیز ابزار مهمی برای ارزیابی تغییرات خشک و مرطوب بلندمدت منطقه ای است. همچنین یک شاخص مهم برای تغییرات محیطی منطقه ای است.
حوضه رودخانه مروارید (PRB) یک منطقه معمولی مرطوب و نیمه مرطوب است که منطقه مطالعاتی مناسبی برای چنین مطالعاتی است. PRB در منطقه نیمه گرمسیری با آب و هوای معتدل و بارانی واقع شده است. با این حال، در سال های اخیر، کمبود آب فصلی اغلب در PRB گزارش شده است [ 24 ، 25 ]] اما تغییرات شرایط محیطی مرطوب و خشک و تغییرات طولانی مدت آنها هنوز ناشناخته است. در این تحقیق با استفاده از داده‌های بازتاب سطحی و دمای سطح MODIS، با محاسبه متریک SbAI (شاخص خشکی مبتنی بر ماهواره) و مقایسه آن با داده‌های بارش، اهداف اصلی این مطالعه بر تغییرات مکانی – زمانی در شرایط خشکسالی در PRB به شرح زیر است: (1) تغییرات بین سالانه و ماهانه در SbAI و تغییرات مربوطه در شرایط خشکسالی برای دوره 2001-2021 برای PRB. (2) توزیع فضایی خشکسالی در سراسر PRB. (3) تغییرات مکانی و زمانی در شرایط خشکسالی در مناطق فرعی نماینده حوضه. نتایج مطالعه درک ویژگی های خشکسالی فصلی و تغییرات طولانی مدت در شرایط محیطی مرطوب و خشک در PRB را بهبود می بخشد. می تواند مراجع ارزشمندی برای پیشگیری از خشکسالی و مدیریت زیست محیطی در PRB ارائه دهد.

2. مواد و روشها

2.1. منطقه مطالعه

حوضه رودخانه مروارید (PRB) در جنوب چین واقع شده است ( شکل 1 الف)، از 21 درجه و 31 دقیقه شمالی تا 26 درجه و 49 دقیقه شمالی و 102 درجه و 14 دقیقه شرقی تا 115 درجه و 53 دقیقه شرقی، و از نظر اداری 6 استان (یوننان) را پوشش می دهد. ، گوئیژو، گوانگشی، گوانگدونگ، هونان و جیانگشی) و 2 منطقه اداری ویژه (هنگ کنگ و ماکائو).
این حوضه که توسط آب و هوای نیمه گرمسیری کنترل می شود، با وسعت 442100 کیلومتر مربع ، دارای میانگین دمای سالانه 14 تا 22 درجه سانتی گراد و میانگین بارندگی از 1200 تا 2200 میلی متر است [ 26 ]. مشابه توپوگرافی شمال غربی و پایین جنوب شرقی آن، بارش آن به طور گسترده ای در توزیع مکانی و زمانی متفاوت است: بارش در توزیع مکانی به تدریج از غرب به شرق کاهش می یابد. فصل باران های موسمی از آوریل تا سپتامبر است که 70 تا 85 درصد بارندگی سالانه رخ می دهد.
با گستره وسیع آن از غرب به شرق در سراسر فلات یوننان-گوئیژو، کوه‌های استان‌های گوانگدونگ و گوانگشی، و دشت دلتای رودخانه مروارید، PRB را برای تجزیه و تحلیل دقیق به 7 منطقه فرعی ریختیم ( شکل 1 ب): سرچشمه منطقه (شامل حوضه رودخانه Nanpanjiang و Beipanjiang) (منطقه 1). حوضه رودخانه هانگشوی و لیوجیانگ (منطقه 2)؛ رودخانه زوجیانگ، رودخانه یوجیانگ و حوضه رودخانه یوجیانگ (منطقه 3)؛ رودخانه Heguijiang، Qianxunjiang و حوضه اصلی رودخانه Xijiang (منطقه 4). حوضه رودخانه بیجیانگ (منطقه 5)؛ دلتای رودخانه مروارید (منطقه 6)؛ حوضه رودخانه Dongjiang (منطقه 7).
بر اساس مطالعات قبلی [ 27 ، 28 ، 29 ، 30 ]، از دهه 1960 تا 2019، بارش در PRB روند افزایشی جزئی را نشان داد، به طوری که بیشترین کاهش در میانی و بالادست و افزایش در پایین دست رخ داد. . بارندگی بین سالیانه در بهار و زمستان به تدریج افزایش یافت و در تابستان و پاییز کاهش یافت.
علاوه بر تغییرات بارندگی، مطالعات همچنین نشان داد که کاربری زمین نیز تغییرات بزرگی را در PRB تجربه کرده است [ 31 ، 32]. در 30 سال گذشته، مساحت آب و زمین های جنگلی در PRB به دلیل گسترش شهرنشینی کاهش یافته است و افزایش چشمگیری در مناطق ساخته شده داشته است. کاهش علفزار عمدتاً در قسمت غربی رخ داد که به زمین جنگلی تبدیل شد. کاهش در زمین های زراعی در حوضه مرکزی متمرکز بود. با این حال، افزایش مناطق ساخته شده در درجه اول در جنوب شرقی، به ویژه در دلتای رودخانه مروارید رخ داده است، که در حدود 6.3٪ از مساحت دلتا، که عمدتاً از زمین های زراعی و جنگلی تبدیل شده است، کمک می کند. امروزه بیشترین کاربری اراضی در PRB زمین های جنگلی است که تقریباً 67.3 درصد از حوضه را تشکیل می دهد. پس از آن زمین های زراعی (تقریباً 25.6٪) به طور عمده در PRB غربی و مرکزی قرار دارند. پس از آن مناطق ساخته شده است (تقریباً 2.5٪) در PRB جنوب شرقی.

2.2. داده ها

2.2.1. داده های ماهواره ای MODIS

برای محاسبه SbAI از دو مجموعه داده استفاده شد – مجموعه داده بازتاب سطح و مجموعه داده دمای سطح – که هر دو توسط سری ماهواره‌ای MODIS ارائه شدند. در مقایسه با سایر محصولات ماهواره ای، ماهواره های MODIS مجموعه داده های پیوسته با کیفیت بهتر و طولانی تری را ارائه می دهند. عملکرد و کاربرد آنها در مطالعات مختلف به اثبات رسیده است. با این حال، به دلیل وضوح فضایی پایین، محصولات MODIS فقط در مناطق بزرگ قابل استفاده هستند.
محصول بازتاب MODIS رایج ترین داده مورد استفاده برای تولید آلبدو است. دارای دو مجموعه داده MOD09GA و MYD09GA است که به ترتیب مربوط به محصولات تولید شده از ماهواره‌های Terra و Aqua هستند. در این مطالعه از مجموعه داده بازتاب MOD09GA تولید شده توسط ماهواره Terra استفاده شد. محصول MOD09GA دارای وضوح زمانی 1 روز، وضوح مکانی 1 کیلومتر و وضوح مکانی انعکاس 500 متر است. مجموعه داده بازتابی 500 متر همچنین بازتابی را برای باندهای 1-7، کیفیت داده، وسعت داده، تعداد مشاهده و اطلاعات اسکن 250 متری ارائه می‌کند. مجموعه داده های 1 کیلومتری اطلاعات توصیفی از جمله فرکانس مشاهده، کیفیت داده، آزیموت و اوج حسگر، ارتفاع و آزیموت خورشیدی، و اطلاعات مدار ارائه کردند. بازتاب 7 باند از مجموعه داده های 500 متری و اوج خورشیدی از مجموعه داده های 1 کیلومتری برای پیش پردازش و تجزیه و تحلیل داده ها استفاده شد. برای کاهش خطا، ابتدا یک عملیات حذف ابری برای مجموعه داده MOD09GA انجام دادیم. مجموعه داده از کتابخانه تصویر Google Earth Engine (GEE) بازیابی شد (https://developers.google.com/earth-engine/datasets/catalog/MODIS_006_MOD09GA ، در 24 ژوئن 2022 مشاهده شد) برای پردازش و تجزیه و تحلیل تصویر در پلت فرم GEE با استفاده از جاوا اسکریپت.
مجموعه داده دمای سطح از مجموعه داده MOD11A1 تولید شده توسط ماهواره Terra به دست آمد. یک چارچوب تولید متوسط ​​دمای سطح روزانه جهانی با جفت کردن مدل چرخه دمای سالانه (ATC) و مدل چرخه دمای روزانه (DTC) ایجاد شد. سپس، میانگین دمای سطح روزانه 1 کیلومتر محصول جهانی بر اساس چارچوب تولید شد. مجموعه داده MOD11A1 دارای وضوح زمانی 1 روز و وضوح مکانی 1 کیلومتر است. برای کاهش خطا، فقط از پیکسل های با کیفیت در مجموعه داده MOD11A1 استفاده کردیم. مجموعه داده در پلتفرم GEE ( https://developers.google.com/earth-engine/datasets/catalog/MODIS_006_MOD11A1، قابل دسترسی در 24 ژوئن 2022). علاوه بر این، بر روی پلت فرم GEE با استفاده از جاوا اسکریپت نیز پردازش شد.
2.2.2. داده های بارش
داده های بارش برای تأیید نتایج تجزیه و تحلیل SbAI استفاده شد. مأموریت اندازه‌گیری بارندگی استوایی (TRMM) و مأموریت اندازه‌گیری بارش جهانی (GPM) نمایندگان معمولی جهانی از داده‌های بارش تاریخی با دقت بالا هستند. ماهواره TRMM داده های بارش را با وضوح زمانی 3 ساعت و وضوح مکانی 0.25 درجه در محدوده عرض جغرافیایی 50 درجه جنوبی تا 50 درجه شمالی در دوره 1997-2015 ارائه کرد. از سال 2014، سازمان ملی هوانوردی و فضایی (ناسا) و آژانس اکتشافات هوافضای ژاپن (JAXA) شروع به ارائه مجموعه داده ماموریت اندازه‌گیری بارش جهانی (GPM) کردند. به عنوان ادامه TRMM، GPM داده های بارش با دقت بالاتر را با وضوح زمانی 0.5 ساعت و وضوح مکانی 0.1 درجه، با استفاده از سنسورهای متعدد، ماهواره های متعدد، ارائه می دهد. و چندین الگوریتم همراه با شبکه های ماهواره ای و وارونگی باران سنج. بیشترین استفاده از مجموعه داده بارش در این مطالعه مجموعه داده های GPM بود. این مجموعه داده دارای یک مجموعه داده ماهانه بر روی پلتفرم GEE است که در پلتفرم GEE به دست آمده و پردازش شده است (https://developers.google.com/earth-engine/datasets/catalog/NASA_GPM_L3_IMERG_MONTHLY_V06 ، در 24 ژوئن 2022 مشاهده شد.
2.2.3. سایر مجموعه های داده
برای حمایت از نتایج این مطالعه، ما همچنین بولتن منابع آب 2001-2020 را برای PRB از کمیسیون منابع آب رودخانه مروارید (PRWRC) دریافت کردیم ( https://www.pearlwater.gov.cn/zwgkcs/lygb/szygb/ ، قابل دسترسی در 28 اوت 2022). نتایج آماری بارش سالانه در PRB با داده های بارش GPM مقایسه شد و روند کلی به دست آمده در این مطالعه تأیید شد. بیشتر این مجموعه داده ها از گزارش های رسمی دولت آمده است. بنابراین، کیفیت داده ها را می توان تضمین کرد، به این معنی که آنها قادر به پشتیبانی از تجزیه و تحلیل مربوطه در این مطالعه بودند. داده های کاربری زمین از مجموعه داده های پوشش زمین سالانه 30 متر در چین از سال 1990 تا 2021 به دست آمد ( https://zenodo.org/record/5816591#.Yvj5-3ZBxPY، مشاهده شده در 14 مه 2022). داده‌های DEM از ابر داده‌های مکانی ( https://www.gscloud.cn ، قابل دسترسی در 14 مه 2022) آمده است. این مجموعه داده ها عمدتاً برای بررسی علل تغییرات در شرایط خشکسالی مورد استفاده قرار گرفتند.

2.3. مواد و روش ها

2.3.1. شاخص خشکی مبتنی بر ماهواره (SbAI)

SbAI [ 33 ] نسبت تفاوت دمای سطح زمین (LST) بین روز و شب به تابش خورشیدی جذب شده است. معنای فیزیکی SbAI برعکس ظرفیت حرارتی تعیین شده توسط رطوبت سطح زمین است که می تواند به صورت زیر بدست آید:

اسb A I=Δتیسآرساسبآمن=Δتیسآرس

جایی که

Δتیس= L Sتیدیک سال– ال استیn i gh tΔتیس=�استیدآ�-�استی�من�ساعتتی
آرس= ( 1 – r )اس0cosθجآرس=(1-�)اس0cos�ج

جایی که r در فرمول 3 را می توان به صورت زیر محاسبه کرد:

r = 0.160r1+ 0.291r2+ 0.243r3+ 0.116r4+ 0.112r5+ 0.081r7�=0.160�1+0.291�2+0.243�3+0.116�4+0.112�5+0.081�7
ΔتیسΔتیستفاوت LST بین مقادیر روز و شب است و آرسآرستابش خورشیدی جذب شده است که از آلبیدوی پهنای باند محاسبه می شود r�، ثابت خورشیدی اس0اس0(1367 W·m- 2 ) و زاویه اوج خورشیدی در راس خورشید θج�ج، جایی که r�از فرمول تجربی [ 34 ] به دست می آید. برای سطوح خشک، SbAI به دلیل ظرفیت گرمایی بزرگتر آن بزرگتر است و در نتیجه بزرگتر می شود ΔتیسΔتیس، و بالعکس.
2.3.2. تحلیل روند

آزمون Mann-Kendall (M-K) [ 35 ] برای تجزیه و تحلیل اهمیت روندهای تغییر SbAI مورد استفاده قرار گرفت. آزمون M–K یک روش ناپارامتریک است و نیازی به پیروی از نمونه‌ها از توزیع تصادفی ندارد. نتایج آزمایش تحت تأثیر داده های از دست رفته و برخی موارد پرت قرار نمی گیرد و به آن قابلیت کاربردی قوی می دهد. مراحل تست به شرح زیر است:

اس=∑j = 1n – 1∑i = j + 1ns gn (ایکسمن–ایکسj)اس=∑�=1�-1∑من=�+1�س��(ایکسمن-ایکس�)

جایی که ایکسمنایکسمنو ایکسjایکس�مشاهدات هستند:

s gn (ایکسمن–ایکسj) =⎧⎩⎨⎪⎪– 1 ایکسمن–ایکسj< 0 0 ایکسمن–ایکسj= 0 1 ایکسمن–ایکسj> 0س��(ایکسمن-ایکس�)={-1 ایکسمن-ایکس�<0 0 ایکسمن-ایکس�=0 1 ایکسمن-ایکس�>0

محاسبه واریانس Var ( S ) به صورت زیر است:

Va r ( S) =n ( n − 1 ) ( 2 n + 5 )18�آ�(اس)=�(�-1)(2�+5)18

ززو پپبا معادلات زیر بدست می آید:

ز=⎧⎩⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪اس– 1Va r ( s )√ اس< 00 اس = 0اس+ 1Va r ( s )√ اس> 0ز={اس-1�آ�(س) اس<00 اس=0اس+1�آ�(س) اس>0
p = 2 ( 1 – c df( | ز| ))پ=2(1-جد�(|ز|))
برای زز، اگر | زز| ≥ 1.96، تغییر معنی داری در سطح اطمینان 0.05 وجود دارد.

برای محاسبه شدت روند از تخمین شیب میانه Theil Sen [ 36 ] استفاده شد که با معادله (10) محاسبه می شود.

تیاساسl o p e= m e dمن یک نفر (ایکسj–ایکسمنj − i)تیاساسل�په=مترهدمنآ�(ایکس�-ایکسمن�-من)

از آزمون پتیت [ 37 ] برای تشخیص سال تغییر ناگهانی استفاده شد و مراحل آزمون به شرح زیر است:

Uتی ، ن=Ut – 1 ، N+∑جی= 1نs gn (ایکستی–ایکسj) fo r t = 2 ، 3 ، … ، N �تی،ن=�تی-1،ن+∑جی=1نس��(ایکستی-ایکس�)��� تی=2،3،…،ن

جایی که ایکستیایکستیو ایکسjایکس�مشاهدات هستند و Uتی ، ن�تی،ننشان می دهد که آیا دو مجموعه نمونه از یک جامعه هستند یا خیر.

آمار آزمون ک( تی )ک(تی)و پپبه شرح زیر داده می شود:

ک( تی )= m a x |Uتی ، ن|ک(تی)=مترآایکس|�تی،ن|
p = 2ه– 6(کن)2ن3+ن2fo r t = 2 ، 3 ، … ، N پ=2ه-6(کن)2ن3+ن2��� تی=2،3،…،ن

3. نتایج

3.1. روندهای زمانی SbAI

برای تعیین کمیت روندهای زمانی شرایط خشکسالی در PRB در دوره 2001-2021، این مطالعه SbAI ماهانه ( شکل 2 a-l) و SbAI سالانه ( شکل 2 متر) را بر اساس محصولات روزانه MOD09GA و روزانه MOD11A1 محاسبه کرد. . با توجه به تقسیم فصلی در چین [ 38 ]، این مطالعه فرض کرد که بهار مارس، آوریل و می است. تابستان ژوئن، جولای و آگوست است. پاییز سپتامبر، اکتبر و نوامبر است. زمستان دسامبر، ژانویه و فوریه است. با توجه به بارش در ماه های مختلف در PRB [ 27 ، 39]، این مطالعه فصل باران های موسمی در PRB را از ماه می تا اکتبر و فصل خشک را به عنوان ماه های باقی مانده تعریف کرد. SbAI فصلی، SbAI فصلی موسمی، و SbAI فصلی خشک از SbAI ماهانه مشتق شده‌اند.

3.1.1. روندهای سالانه SbAI

همانطور که در شکل 2 و جدول 1 نشان داده شده است ، SbAI در دوره 2001-2021 به طور قابل توجهی کاهش یافت ( 01/ 0p <) با روند کاهشی 0.624- در سال، که نشان می دهد PRB در حال مرطوب تر شدن است. از سال 2001 تا 2021، حداکثر، حداقل و میانگین SbAI به ترتیب 104.983 در سال 2006، 90.428 در سال 2016 و 97.41 بوده است. 13 سال با SbAI بالاتر از میانگین چند ساله و 9 سال با SbAI کمتر از میانگین چند ساله وجود دارد که بیشتر پس از سال 2010 رخ می دهد، که نشان می دهد PRB عمدتاً پس از 2010 مرطوب تر شده است. در 20 سال گذشته، شمال چین، حتی شمال غربی چین خشک و نیمه خشک، و فلات چینگهای-تبت نیز مرطوب تر شدند [ 40 ، 41 ، 42]، نشان دهنده یک روند مرطوب فزاینده در اکثر مناطق چین است.
3.1.2. روندهای ماهانه SbAI
در مجموع، در طول دوره 2001-2021، به جز ژوئن، SbAI روند کاهشی را در تمام ماه‌های دیگر نشان داد، اما روند نزولی در فصل خشک بیشتر بود. سریعترین کاهش در SbAI در ماه نوامبر با نرخ -1.375 در سال مشاهده شد. کندترین کاهش در SbAI در ماه آگوست با نرخ -0.108 در سال بود. با این حال، ژوئن تنها ماه با افزایش SbAI بود، اگرچه بدون اهمیت آماری. طبق مطالعات قبلی [ 27 ، 28 ، 29 ، 30]، از دهه 1960 تا 2019، بارش در حوضه رودخانه پرل روند افزایشی جزئی را نشان داد، با افزایش در پایین دست، و بیشترین کاهش در بخش میانی و بالادست. بارندگی بین سالیانه در بهار و زمستان افزایش تدریجی و در تابستان و پاییز کاهش نشان داد. این نشان داد که تغییرات در SbAI در PRB با روند تغییرات بارش سازگار است.
3.1.3. رویدادهای خشکسالی شناسایی شده توسط SbAI
ما از سری زمانی SbAI ماهانه از 2001 تا 2021 برای تجزیه و تحلیل ماهانه خشکسالی استفاده کردیم ( جدول 2 ). بولتن منابع آب برای PRB از PRWRC نشان می دهد که خشکسالی تقریباً هر سال در PRB در فصل باران های موسمی رخ می دهد، بنابراین ما میانگین SbAI را در فصل باران های موسمی در طی 21 سال برای محاسبه آستانه انتخاب کردیم. سپس از آستانه برای تجزیه و تحلیل مدت خشکسالی، شدت خشکسالی و شدت خشکسالی استفاده شد. بیشتر خشکسالی ها در ماه های نوامبر، دسامبر، ژانویه و فوریه رخ داده است. مدت خشکسالی معمولاً 2 تا 5 ماه است. اگرچه برخی از مکان ها برای مدت طولانی خشکسالی را تجربه کردند، اما اندازه آنها کوچک است و عمدتاً در قسمت بالایی رودخانه مروارید قرار دارند، بنابراین عواقب آن معمولی نبود.

3.2. الگوهای فضایی SbAI

برای تعیین کمیت الگوهای فضایی SbAI در PRB در طول دوره 2001-2021، ما SbAI ماهانه و سالانه را در مقیاس پیکسل محاسبه کردیم. همانطور که در شکل 3 الف نشان داده شده است، قسمت غربی منطقه 1، ناحیه سرآب PRB، خشک ترین منطقه در PRB بود. قسمت جنوب شرقی منطقه 2 و قسمت شرقی منطقه 3 مناطق نسبتاً خشک در PRB بودند. در مجموع، SbAI ماهانه و سالانه الگوهای فضایی مشابهی را نشان می‌دهند، که نشان می‌دهد مناطق 1-3 مناطق نسبتاً خشک در PRB هستند. بدیهی است که SbAI در فصل خشک بیشتر از فصل باران های موسمی بود که نشان می دهد فصل خشک بسیار خشک تر از فصل باران های موسمی در PRB به دلیل بارش کم در فصل خشک است که پتانسیل ایجاد کمبود آب فصلی را دارد. در PRB
از ژوئن تا سپتامبر، تقریباً تمام PRB مرطوب بود، با SbAI عمدتاً کمتر از 90. حتی در منطقه نسبتاً خشک منطقه 1، SbAI کلی نیز کمتر از 120 بود، که نشان می‌دهد این منطقه نیز رطوبت نسبی را تجربه کرده است. مناطق 4-7 رطوبت بالایی را در فصل باران های موسمی تجربه کردند. در فصل خشک، به عنوان مثال در ماه دسامبر، بخش‌هایی از مرطوب‌ترین منطقه (مناطق 4-7) در PRB خشک شد، با SbAI از 120 تا 180. از مارس تا ژوئن، تغییر از فصل خشک به فصل باران‌های موسمی. ، منطقه مرطوب به طور قابل توجهی در PRB گسترش یافته است. در جولای و آگوست، زمانی که اوج SbAI رخ می دهد ( شکل 3 و شکل 4، SbAI کلی در کل PRB کمتر از 90 است. SbAI برای مناطق 1-7 مشابه بود، و همه مناطق در مرحله مرطوب بودند.

3.3. آزمون M-K برای روندهای فضایی و زمانی SbAI

شکل 5 سطح معناداری روندهای SbAI را نشان می دهد که با استفاده از آزمون Mann-Kendall ارزیابی شده است. همانطور که در شکل 5 الف نشان داده شده است، در مقیاس سالانه، مناطقی که از نظر آماری به طور قابل توجهی خشک تر بودند، عمدتا در ناحیه مرکزی منطقه 6 و برخی تکه های کوچک در مناطق 1-3 توزیع شده اند. در مقیاس ماهانه ( شکل 5 b–m)، روند خشک‌تر به تدریج از مرکز به سمت شرق و غرب تضعیف شد. از آوریل تا سپتامبر، بسیاری از مناطق خشک تر شدند، به خصوص در مناطق 2-5. مناطق با روند مرطوب تر، به ترتیب در مناطق 1 و 7 در شرق و غرب PRB بودند. سریع‌ترین روند خشک‌تر شدن در ژوئن اتفاق افتاد، در حالی که سریع‌ترین تغییر در مرطوب‌تر شدن در ماه نوامبر رخ داد.
مطابق با شکل 6 ، به استثنای ژوئن، مناطق با روند مرطوب تر در PRB غالب بودند. با این حال، یک نتیجه جالب باید برجسته شود: همانطور که در شکل 3 نشان داده شده است ، منطقه 6 در میان مرطوب ترین مناطق در PRB است، اما بخش بزرگی از منطقه 6 بر اساس آزمون M-K خشک تر است. در مقابل، به عنوان یکی از خشک ترین مناطق در PRB، منطقه 1 بر اساس آزمون M-K مرطوب تر شده است.
بر اساس شکل 5 b-m با شکل 6 ، در فصل خشک، مناطق مرطوب تر در PRB غالب بودند، به ویژه در ماه نوامبر (تقریباً خشک ترین ماه مطابق شکل 4).، زیرا SbAI تقریباً در کل PRB در فصل خشک به طور قابل توجهی کاهش یافت. با این حال، در فصل باران‌های موسمی، مناطق با روند خشک‌تر بسیار بزرگ‌تر از مناطق خشک‌تر در فصل خشک بودند. بنابراین، با وجود بارندگی زیاد در فصل باران های موسمی، مناطق خشک تری که در فصل باران های موسمی رخ می دهد بسیار بزرگتر از مناطقی است که در فصل خشک رخ می دهد. به طور خلاصه، برای روندهای زمانی SbAI در PRB، PRB در مقیاس بین سالانه مرطوب‌تر شد، اما روند مرطوب‌تر در فصل خشک از روند خشک‌تر در فصل باران‌های موسمی مهم‌تر بود.

3.4. روندهای زمانی SbAI در مناطق نماینده مناطق 1 و 6

منطقه 1 ناحیه سرآب دورافتاده PRB است، با محیط طبیعی، بارش نسبتاً کمتر و تأثیر کمتری از فعالیت‌های انسانی. منطقه 6 با بارش نسبتاً بیشتر و بیشترین و متراکم ترین جمعیت، توسعه یافته ترین منطقه از نظر اقتصادی و تحت تأثیر فعالیت های انسانی است. بنابراین، مناطق 1 و 6 را می توان به عنوان نماینده طبیعی ترین منطقه و شهری ترین منطقه در PRB در نظر گرفت. همانطور که در بخش 3.2 ذکر شد ، منطقه 1 به عنوان خشک ترین منطقه در PRB در حال مرطوب تر شدن بود. برعکس، به عنوان یکی از مرطوب ترین مناطق در PRB، منطقه 6 در حال خشک شدن بود. بنابراین، مناطق 1 و 6 را می توان به عنوان مناطق نماینده برای تجزیه و تحلیل بیشتر روند شرایط خشکسالی در PRB در نظر گرفت.

3.4.1. روندهای زمانی SbAI در مناطق 1 و 6

همانطور که در جدول 1 نشان داده شده است ، روند SbAI در منطقه 1 الگوهای مشابهی را با الگوهای کل PRB نشان داد – یک روند به طور قابل توجهی مرطوب تر در فصل خشک، و یک روند کلی به طور کلی خشک تر در فصل باران های موسمی (به جز ژوئن). مطابق جدول 3در منطقه 1، در مقیاس ماهانه، SbAI سریعترین کاهش را در ماه مه، با نرخ کاهش -1.10 در سال کاهش یافت. SbAI در ماه آگوست با کمترین میزان کاهش یافت و تنها 0.07- در سال کاهش یافت. SbAI در منطقه 1 تنها در ماه ژوئن با نرخ 0.38 در سال افزایش یافت. میانگین SbAI در منطقه 1 در فصل خشک آشکارا بیشتر از فصل باران های موسمی بود. از ژانویه تا دسامبر، SbAI ابتدا کاهش و سپس افزایش یافت، با حداکثر مقدار 131.59 در فوریه و حداقل مقدار 81.33 در جولای.
در منطقه 6، در مقیاس ماهانه و سالانه، SbAI روند کاهشی داشت، با کاهش قابل توجهی در فصل خشک، که در آن سریع‌ترین کاهش 1.56- در سال در نوامبر مشاهده شد. کاهش ناچیز در فصل باران های موسمی، با کمترین نرخ -0.02 / سال در ماه ژوئن مشاهده شد. از ژانویه تا دسامبر، مشابه الگوی ماهانه در منطقه 1، SbAI در منطقه 6 نیز ابتدا کاهش و سپس افزایش یافت، به طوری که حداکثر مقدار در دسامبر 98.97 و حداقل مقدار 19.92 در ماه جولای بود.
3.4.2. نوسانات ماهانه SbAI در مناطق 1 و 6
مطابق شکل 3 ، در تمام مقیاس های زمانی، قسمت غربی منطقه 1 به دلیل بارش کمتر در غرب بسیار خشک تر از قسمت شرقی است. با تغییر فصل خشک به فصل موسمی، تفاوت در SbAI بین منطقه 1 غربی و شرقی کاهش یافت. همانطور که در شکل 7 نشان داده شده است ، قسمت خشکتر منطقه 1 به سرعت پس از ماه می کاهش یافت. با این حال، نسبت مناطق خشک تر در منطقه 1 هنوز بسیار بیشتر از کل PRB است، زیرا بارش مطلق در منطقه 1 هنوز در PRB نسبتا کم است [ 28 ].
با توجه به شکل 8 ، در مقیاس ماهانه و سالانه، مناطق مرطوب تر در منطقه 1 غالب بوده است که نشان می دهد منطقه 1 در 20 سال گذشته مرطوب تر شده است. به استثنای نوامبر، نسبت مناطق شمال غربی در منطقه 1 بیشتر از مناطق SD، ND و SW بود ( شکل 8 ). در نوامبر، نسبت نواحی جنوب غربی بیشترین منطقه 1 را داشت. با این حال، در ماه مه، نسبت مناطق ND در منطقه 1 بیشترین بود. در مجموع، در منطقه 1، روند مرطوب تر در فصل خشک بیشتر از روند خشک تر در منطقه بود. فصل باران های موسمی، روند کلی مرطوب تر بین سالانه را در منطقه 1 نشان می دهد.
در شکل 3 ، منطقه 6 به طور کلی مرطوب است. در فصل خشک، از نوامبر تا آوریل، از مرکز منطقه 6 به سمت بیرون، SbAI به تدریج افزایش یافت. پس از تغییر از فصل خشک به فصل باران های موسمی، تفاوت SbAI در بخش های مختلف منطقه 6 به سرعت کاهش یافت. همانطور که در شکل 9 نشان داده شده است ، مشابه کل PRB، نسبت مناطق خشکتر پس از آوریل کاهش یافت.
مطابق شکل 10علاوه بر ماه ژوئن، اکثر نقاط منطقه 6 روند مرطوب تری را در مقیاس ماهانه و سالانه نشان دادند. در مقیاس سالانه، بیش از 70٪ از منطقه 6 به طور قابل توجهی مرطوب تر شد. با این حال، در ماه ژوئن، در فصل باران های موسمی، بیش از 50 درصد از منطقه 6 خشک تر شد. این نسبت بسیار بالاتر از سایر مناطق فرعی است. در مجموع، در منطقه 6، نسبت مناطق مرطوب تر در فصل خشک کمی بیشتر از قسمت های خشک تر در فصل باران های موسمی بود. لازم به ذکر است که منطقه 6 از جمله مناطقی است که بیشترین بارندگی را در PRB دارد. با این حال، نسبت بیشتری از مناطق خشک تر در فصل باران های موسمی داشت. دلایل احتمالی این بود که منطقه 6 تأثیرات مهم تری را از فعالیت های انسانی (یعنی صنعتی شدن سریع و شهرنشینی) تجربه کرد که منجر به کاهش ظرفیت ذخیره آب و تشدید شرایط خشکسالی شد.

4. بحث

4.1. ارزیابی دقت

SbAI در ابتدا توسط کیمورا پیشنهاد شد و برای اولین بار برای تعیین خشکی سطح در شمال شرق آسیا استفاده شد [ 33 ]. بعدها برای تعیین سطح خشکسالی و تخریب زمین نیز استفاده شد [ 43 ، 44 ]. استفاده از SbAI برای طبقه بندی سطوح خشکسالی زمین دقیق تر از استفاده از شاخص خشکسالی سنتی بود. SbAI همچنین برای نظارت بر خشکسالی در مغولستان از سال 2001 تا 2013 استفاده شد [ 45 ]]. نتایج نشان داد که SbAI قادر به شناسایی دقیق خشکسالی با استفاده از تصاویر ماهواره ای است. SPI گاهی اوقات امیدوارتر از SBAI است. با این حال، SPI به شدت به داده های مشاهداتی از ایستگاه های هواشناسی متکی است. SPI ممکن است برای مناطقی که ایستگاه های هواشناسی کمی دارند ایده آل نباشد. در PRB (با اندازه حوضه 440000 کیلومتر مربع ) ، تنها تقریباً 80 ایستگاه هواشناسی موجود است (بسیاری از ایستگاه‌های سطح شهرستان داده‌های خود را به طور عمومی منتشر نمی‌کنند)، به‌ویژه در بخش بالایی رودخانه پرل که ایستگاه‌های کمتری دارد. به همین دلیل است که ما از SBAI برای این مطالعه استفاده کردیم.
برخی از مطالعات دقت داده های GPM را در حوضه رودخانه مروارید ارزیابی کرده اند [ 46 ]. ارزیابی‌ها نشان داد که دقت داده‌های GPM در حوضه رودخانه مروارید رضایت‌بخش است. این مطالعه همچنین تأیید ساده ای از داده های GPM را از طریق مقایسه با داده های بارش جمع آوری شده توسط کمیسیون حفاظت از آب رودخانه مروارید (PRWCC) انجام داد. همانطور که در شکل 11 نشان داده شده است ، داده های GPM و داده های بارش PRWCC همبستگی زیادی را نشان می دهد (R 2 بیشتر از 0.9 است) در کل حوضه و هفت منطقه فرعی. بنابراین، ما می توانیم نتایج خود را با استفاده از روند خشکسالی به دست آمده از داده های GPM تأیید کنیم.
ما دقت SbAI را با استفاده از داده های GPM بررسی کردیم و نتایج در شکل 12 نشان داده شده است. در این مرحله اعتبارسنجی، داده‌های GPM ماهانه از سال 2001 تا 2019 و میانگین مقدار SbAI را برای کل حوضه رودخانه پرل و هفت منطقه فرعی آن مقایسه می‌کنیم. شکل 12 رابطه بین این دو گرایش را نشان می دهد. در کل حوضه رودخانه پرل و هفت منطقه فرعی، مقادیر R 2 همگی بیشتر از 0.3 هستند. نیمی از مقادیر R 2 حتی بیشتر از 0.4 هستند. حداکثر مقدار R 2 0.563 و حداقل مقدار R 2 0.310 است. شکل 12نشان می دهد که SbAI و GPM همبستگی منفی معنی داری را نشان می دهند. افزایش بارندگی می تواند شرایط خشکسالی را تضعیف کند و در نتیجه SbAI را کاهش دهد و بالعکس. این روند در تمام هفت منطقه فرعی مشهود است. با این حال، باید به این نکته اشاره کرد که داده‌های GPM و داده‌های SbAI کاملاً منسجم نیستند، زیرا داده‌های GPM نتیجه تغییرات آب و هوایی طبیعی است، اما وضعیت خشکسالی سطحی که توسط SbAI کنترل می‌شود، نتیجه ترکیبی از فعالیت‌های انسانی و طبیعی است. تغییرات آب و هوایی بنابراین، شکل 12نشان می دهد که SbAI مستقیماً تحت تأثیر بارش طبیعی قرار می گیرد، اما در عین حال، به طور کامل توسط بارش طبیعی تنظیم نمی شود. این نشان دهنده سازگاری ناقص این دو است. بنابراین، این دو روند در برخی از مناطق فرعی ناهماهنگ هستند، عمدتا به این دلیل که این مناطق توسط فعالیت‌های انسانی مختل شده‌اند. به عنوان مثال، انسان می تواند ظرفیت ذخیره آب را با جنگل کاری افزایش دهد و در نتیجه شرایط خشکسالی را کاهش دهد. برعکس، انسان ها همچنین می توانند از طریق شهرنشینی سریع، منطقه غیرقابل نفوذ را افزایش دهند و در نتیجه ظرفیت ذخیره آب را کاهش داده و شرایط خشکسالی را تشدید کنند.

4.2. مقایسه با مطالعات قبلی

مطالعات نشان داده اند که بیشتر مناطق خشک و نیمه خشک جهان مانند غرب آمریکا و منطقه خاورمیانه در حال خشک شدن هستند [ 47 ، 48 ، 49 ]. مناطق دیگر، برای مثال مناطق شمال غربی و جنوب غربی چین، مرطوب تر می شوند [ 50 ، 51 ]. در مقایسه با اکثر مناطق خشک و نیمه خشک، PRB روند مرطوب تری دارد و خشکسالی در مناطق خشک و نیمه خشک عمدتاً در تابستان رخ می دهد، در حالی که خشکسالی در PRB عمدتاً در زمستان و بهار رخ می دهد.
او و همکاران [ 52 ] دریافتند که NDVI در حوضه رودخانه مروارید روند افزایشی نوسانی را نشان داد ( 01/ 0p <). 81.44 درصد از حوضه رودخانه مروارید افزایش پوشش گیاهی، به طور عمده در بخش بالایی و میانی حوضه رودخانه مروارید نشان داد. مناطق با پوشش گیاهی متوسط ​​و کم عمدتاً در دلتای رودخانه مروارید قرار دارند. نتایج ما با نتایج He et al مطابقت خوبی دارد. ( شکل 13 ). در این مطالعه، SbAI در حوضه رودخانه مروارید روند نزولی قابل توجهی را نشان داد ( 05/ 0p <). SbAI در بیشتر مناطق حوضه رودخانه مروارید کاهش یافت. مناطق دارای SbAI عمدتا در دلتای رودخانه مروارید توزیع شده اند. مطالعه He et al. [ 52] فقط داده های سالانه NDVI را برای سال های قبل از 2015 تجزیه و تحلیل کرد. ما داده های NDVI را برای سال های اخیر به دست آوردیم و یک تحلیل همبستگی با SbAI انجام دادیم. نتایج هنوز ثابت است.
علاوه بر این، ژانگ و همکاران. [ 39 ] دریافتند که حوضه رودخانه مروارید در فصل باران های موسمی خشک تر و در فصل خشک مرطوب تر شده است. مناطق با بارندگی نسبتا کم در قسمت غربی حوضه پراکنده شده اند، در حالی که مناطق مرطوب با بارندگی زیاد در قسمت جنوب شرقی حوضه پراکنده شده اند. نتایج این مطالعه نشان می‌دهد که در فصل باران‌های موسمی، حوضه خشک‌تر شد (منطقه با شرایط خشکسالی شدیدتر بزرگ‌تر شد)، در حالی که در فصل خشک، حوضه مرطوب‌تر شد (منطقه با شرایط مرطوب‌تر بزرگ‌تر شد). این نتایج مشابه یافته های ژانگ است.
نتایج ما نشان داد که حوضه رودخانه پرل در دو دهه گذشته روند مرطوب تری را ارائه می دهد. همانطور که در بخش 4.1 بحث شد ، روند مرطوب‌تر ارائه شده توسط SbAI تحت تأثیر بارش طبیعی و فعالیت‌های انسانی است. به عنوان مثال، فعالیت‌های انسانی می‌تواند کاربری زمین را تغییر دهد، که در میان آن‌ها جنگل‌کاری و ظرفیت ذخیره‌سازی آب در نتیجه از اهمیت بالایی برخوردار است [ 53 ]. در دلتای رودخانه مروارید، به دلیل شهرنشینی سریع، تعداد زیادی از زمین های زیر کشت و جنگل ها به مناطق غیر قابل نفوذ تبدیل شده است. مطالعات [ 54نشان داده اند که زمین های زیر کشت، جنگل ها و آب های دلتای رودخانه مروارید از سال 2000 تا 2015 به ترتیب 15.64، 2.9 درصد و 7.45 درصد کاهش یافته است، در حالی که سطح نفوذ ناپذیر 42.1 درصد افزایش یافته است که نسبت انتقال سه نوع کاربری به ترتیب 23.09%، 11.29% و 7.04% می باشد. مطالعات Zhang و همکاران. و چن و همکاران نشان داده اند [ 55 ، 56 ] که دلتای رودخانه مروارید منطقه ای پرخطر برای کاهش ظرفیت ذخیره آب است. در این مطالعه، منطقه دلتای رودخانه مروارید به تدریج خشک‌تر گزارش شد. این خشکسالی به دلیل کاهش بارندگی طبیعی نیست، بلکه کاهش ظرفیت ذخیره آب ناشی از فعالیت های انسانی است.

4.3. پیامدها برای مدیریت پایدار حوضه رودخانه

در آگوست 2022، همانطور که ما این مقاله را نوشتیم، جهان بدترین خشکسالی را در دهه های اخیر تجربه می کرد. خشکسالی در نیمکره شمالی – که از ایالات متحده آمریکا تا اروپا و چین گسترش می یابد – فشار بیشتری را بر اکوسیستم رودخانه های بزرگ جهانی که در حال حاضر تحت فشار هستند می افزاید. در سال‌های اخیر، تغییرات آب و هوایی باعث شده است که خشکسالی‌ها بیشتر رخ دهد [ 57 ، 58]. بر اساس SbAI و تصاویر ماهواره‌ای، این مطالعه تغییرات مکانی-زمانی در شرایط خشکسالی در 20 سال گذشته را تجزیه و تحلیل کرد و یک ارزیابی مرجع ارزشمند خشکسالی در سراسر حوضه رودخانه مروارید ارائه کرد. نتایج تحقیقات ما همچنین اطلاعات مشاوره ای را برای مدیریت آبخیزداری، مانند آبیاری کشاورزی، مدیریت منابع آب و شهرنشینی ارائه می دهد. بر اساس یافته‌های ما، سرچشمه‌های رودخانه مروارید مرطوب‌تر شده‌اند و ممکن است پوشش گیاهی و فعالیت‌های کشاورزی بیشتری را حفظ کنند. محصولاتی که در فصل دیم کاشته می شوند باید در اولویت قرار گیرند. با این حال، بیشتر مناطق حوضه رودخانه مروارید روند خفیفی به سمت خشک شدن در فصل باران های موسمی نشان داده اند، که ممکن است به افزایش دمای باران های موسمی ناشی از تغییرات آب و هوایی مربوط باشد [ 38 ].]. در فصل باران های موسمی، پوشش گیاهی طبیعی و فعالیت های انسانی تقاضای زیادی برای منابع آبی دارد. بنابراین یک مدیریت علمی تر منابع آب مورد نیاز است. مطالعه ما همچنین نشان می دهد که فعالیت های کنترل نشده انسانی مانند برداشت بیش از حد آب برای آبیاری و مصارف صنعتی و شهرنشینی سریع برای افزایش سطوح غیر قابل نفوذ و کاهش ظرفیت ذخیره آب می تواند شرایط خشکسالی را بدتر کند. در منطقه دلتای رودخانه مروارید، با شهرنشینی و صنعتی شدن سریع، مدیریت علمی بیشتر برای توسعه شهری و تخصیص مناسب‌تر منابع آبی برای توسعه پایدار مورد نیاز است.

5. نتیجه گیری ها

در این مطالعه، ما SbAI روزانه را برای کل حوضه رودخانه پرل برای دوره 2001-2021 با استفاده از داده‌های بازتاب سطحی و دمای سطح MODIS محاسبه کردیم و SbAI سالانه و ماهانه را استخراج کردیم. ما تغییرات مکانی و زمانی در شرایط خشکسالی در حوضه رودخانه مروارید را بررسی کردیم. بر اساس نتایج مطالعه، یافته های زیر را به دست آوردیم:
(1)
SbAI بین سالانه در حوضه رودخانه مروارید روند نزولی قابل توجهی را نشان داد. روند کاهشی در SbAI در فصل خشک از نظر آماری معنی‌دار بود و فصل باران‌های موسمی نیز به جز افزایش ناچیز در ژوئن، کاهشی را نشان داد.
(2)
در فصل خشک، مناطق دارای خشکسالی عمدتاً در مناطق فرعی مناطق 1، 2 و 3 قرار دارند. با فرا رسیدن فصل سیل، حوضه آب بیشتری دریافت می کند و به تدریج مرطوب می شود و کل مساحت با خشکسالی به سرعت کاهش می یابد.
(3)
در 20 سال گذشته، بیشتر بخش‌های حوضه رودخانه مروارید مرطوب‌تر شده‌اند. با این حال، شرایط خشکسالی افزایش ناچیز در فصل باران های موسمی را نشان می دهد که مربوط به کاهش آماری معنی دار تر در فصل خشک است.
(4)
به طور کلی، حوضه رودخانه پرل در دو دهه گذشته مرطوب‌تر شده است، که ممکن است نتیجه عوامل طبیعی و انسانی (یعنی افزایش بارش و پوشش گیاهی) باشد. مناطق با افزایش شرایط خشکسالی احتمالاً تحت تأثیر فعالیت‌های انسانی مانند برداشت آب برای آبیاری و مصارف صنعتی، شهرنشینی سریع و افزایش سطوح غیرقابل نفوذ و در نتیجه کاهش ظرفیت ذخیره‌سازی آب قرار گرفته‌اند.

منابع

  1. غرب، اچ. کوین، ن. هورسول، ام. سنجش از دور برای پایش و ارزیابی تاثیر خشکسالی: پیشرفت، چالش‌های گذشته و فرصت‌های آینده. سنسور از راه دور محیط. 2019 ، 232 ، 111291. [ Google Scholar ]
  2. طبری، ح. تأثیر تغییر اقلیم بر سیل و بارش شدید با در دسترس بودن آب افزایش می‌یابد. علمی Rep. 2020 , 10 , 13768. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  3. کوک، BI; Mankin، JS; Anchukaitis، KJ تغییر آب و هوا و خشکسالی: از گذشته تا آینده. Curr. صعود چانگ. Rep. 2018 , 4 , 164-179. [ Google Scholar ] [ CrossRef ]
  4. Wilhite، DA خشکسالی به عنوان یک خطر طبیعی: مفاهیم و تعاریف. در خشکسالی: ارزیابی جهانی دانشگاه نبراسکا-لینکلن: لینکلن، NE، ایالات متحده آمریکا، 2000. [ Google Scholar ]
  5. پالمر، WC خشکسالی هواشناسی ; وزارت بازرگانی ایالات متحده، اداره هواشناسی: واشنگتن، دی سی، ایالات متحده آمریکا، 1965; جلد 30. [ Google Scholar ]
  6. مک کی، سل؛ دوسکن، نیوجرسی؛ Kleist, J. رابطه فراوانی و مدت خشکسالی با مقیاس های زمانی. در مجموعه مقالات هشتمین کنفرانس اقلیم شناسی کاربردی، آناهیم، ​​کالیفرنیا، ایالات متحده آمریکا، 17 تا 22 ژانویه 1993. صص 179-183. [ Google Scholar ]
  7. ویسنته-سرانو، اس ام. بگریا، اس. López-Moreno، JI یک شاخص خشکسالی چند مقیاسی حساس به گرمایش جهانی: شاخص استاندارد تبخیر و تعرق بارش. جی. کلیم. 2010 ، 23 ، 1696-1718. [ Google Scholar ] [ CrossRef ]
  8. کوگان، FN کاربرد شاخص پوشش گیاهی و دمای روشنایی برای تشخیص خشکسالی. Adv. Space Res. 1995 ، 15 ، 91-100. [ Google Scholar ] [ CrossRef ]
  9. ری، جی. من، جی. کربن، GJ پایش خشکسالی کشاورزی برای مناطق خشک و مرطوب با استفاده از داده های سنجش از دور چند سنسوری. سنسور از راه دور محیط. 2010 ، 114 ، 2875-2887. [ Google Scholar ] [ CrossRef ]
  10. ژانگ، ا. جیا، جی. پایش خشکسالی هواشناسی در مناطق نیمه خشک با استفاده از داده های سنجش از راه دور مایکروویو چند سنسوری. سنسور از راه دور محیط. 2013 ، 134 ، 12-23. [ Google Scholar ] [ CrossRef ]
  11. Fayne، A. محیط کنونی ابتکار عمل افشای داوطلبانه فراساحلی (OVDI) انصراف و موارد امتحان مدنی. J. عمل مالیاتی. اقدام کرد. 2013 ، 15 ، 21. [ Google Scholar ]
  12. دهقان، س. صالح نیا، ن. سیاری، ن. بختیاری، ب. پیش بینی خشکسالی هواشناسی در مناطق خشک و نیمه خشک با استفاده از PDSI و SDSM: مطالعه موردی در استان فارس، ایران. J. سرزمین خشک 2020 ، 12 ، 318-330. [ Google Scholar ] [ CrossRef ]
  13. ترنبرث، KE; دای، ا. ون در شریر، جی. جونز، PD; باریچیویچ، جی. بریفا، KR; شفیلد، جی. گرم شدن کره زمین و تغییرات خشکسالی. نات صعود چانگ. 2014 ، 4 ، 17-22. [ Google Scholar ] [ CrossRef ]
  14. گیدی، ای. دیکینیا، او. سبیگو، آر. سگوسبه، ای. Zenebe، A. مدل‌سازی ویژگی‌های خشکسالی هواشناسی مکانی-زمانی با استفاده از شاخص بارش استاندارد شده (SPI) در رایا و اطراف آن، شمال اتیوپی. سیستم زمین محیط زیست 2018 ، 2 ، 281-292. [ Google Scholar ] [ CrossRef ]
  15. اسپینونی، ج. نائومان، جی. کارائو، اچ. باربوسا، پی. فوگت، جی. فرکانس، مدت و شدت خشکسالی جهانی برای 1951-2010. بین المللی جی.کلیماتول. 2014 ، 34 ، 2792-2804. [ Google Scholar ] [ CrossRef ]
  16. هرناندز، EA؛ Uddameri، V. ارزیابی خشکسالی مبتنی بر شاخص تبخیر بارش استاندارد شده (SPEI) در جنوب تگزاس نیمه خشک. محیط زیست علوم زمین 2014 ، 71 ، 2491-2501. [ Google Scholar ] [ CrossRef ]
  17. چیانگ، اف. مزدیاسنی، ا. آقاکوچک، ا. شواهدی از اثرات انسانی بر فراوانی، مدت و شدت خشکسالی جهانی. نات اشتراک. 2021 ، 12 ، 2754. [ Google Scholar ] [ CrossRef ]
  18. دوتا، دی. کندو، ا. پاتل، ن. سها، س. صدیقی، الف. ارزیابی خشکسالی کشاورزی در راجستان (هند) با استفاده از شاخص وضعیت گیاهی مشتق از سنجش از دور (VCI) و شاخص بارش استاندارد شده (SPI). مصر. J. Remote Sens. Space Sci. 2015 ، 18 ، 53-63. [ Google Scholar ] [ CrossRef ]
  19. هوانگ، دبلیو. یانگ، ایکس. لی، ام. ژانگ، ایکس. وانگ، ام. دای، اس. Ma, J. ویژگی های تکاملی خشکسالی فصلی در جنوب چین در طول 58 سال گذشته بر اساس شاخص بارش استاندارد شده. ترانس. چانه. Soc. کشاورزی مهندس 2010 ، 26 ، 50-59. [ Google Scholar ]
  20. هانسل، اس. اوسترنول، ز. Łupikasza، E. Skalak، P. ارزیابی تغییرات و روند خشکسالی فصلی در اروپای مرکزی. Adv. منبع آب 2019 ، 127 ، 53-75. [ Google Scholar ] [ CrossRef ]
  21. دونگ، ز. لیو، اچ. Baiyinbaoligao; متعجب.؛ خان، MYA; ون، جی. چن، ال. تیان، اف. پیش بینی آینده ویژگی های خشکسالی فصلی با استفاده از CMIP6 در حوضه رودخانه Lancang-Mekong. جی هیدرول. 2022 ، 610 ، 127815. [ Google Scholar ] [ CrossRef ]
  22. Jiménez-Muñoz، JC; ماتار، سی. باریچیویچ، جی. سانتاماریا-آرتیگاس، ای. تاکاهاشی، ک. ملحی، ی. سوبرینو، جی. ون در شریر، جی. گرم شدن رکوردشکنی و خشکسالی شدید در جنگل های بارانی آمازون در طول دوره ال نینو 2015-2016. علمی Rep. 2016 , 6 , 33130. [ Google Scholar ] [ CrossRef ]
  23. پرامودیا، ی. اونیشی، تی. سنگه، م. هیراماتسو، ک. Nur, PM ارزیابی شرایط خشکسالی اخیر با شاخص استاندارد بارش و تبخیر و تعرق بالقوه بر روی اندونزی. محیط آب برنج. 2019 ، 17 ، 331-338. [ Google Scholar ] [ CrossRef ]
  24. او، ز. خو، اس. Xie، X. چن، اچ. معرفی مختصر پیشگیری از بلایای سیل و خشکسالی در حوضه رودخانه مروارید در سال 2019. خشکسالی سیل چین Manag. 2020 ، 30 ، 24-26. [ Google Scholar ] [ CrossRef ]
  25. وو، اس. Huang, F. خلاصه ای از سیل و پیشگیری از بلایای خشکسالی در حوضه رودخانه مروارید در سال 2021. خشکسالی سیل چین Manag. 2021 ، 31 ، 25-26، 43. [ Google Scholar ] [ CrossRef ]
  26. کیو، جی. کائو، بی. پارک، ای. یانگ، ایکس. ژانگ، دبلیو. Tarolli، P. پایش سیل در مناطق روستایی حوضه رودخانه مروارید (چین) با استفاده از Sentinel-1 SAR. Remote Sens. 2021 , 13 , 1384. [ Google Scholar ] [ CrossRef ]
  27. جینگ، جی.-ل. خو، ی. وانگ، ی.-ف. دوو، س.-ق. یین، ام. ویژگی های خشکسالی و سیل چند مقیاسی در حوضه رودخانه مروارید از سال 1960 تا 2019. Res. کشاورزی مد. 2021 ، 42 ، 557-569. [ Google Scholar ] [ CrossRef ]
  28. دنگ، س. چن، تی. یانگ، ن. کو، ال. لی، ام. چن، دی. توزیع مکانی و زمانی ویژگی‌های بارندگی و خشکسالی در حوضه رودخانه مروارید. علمی کل محیط. 2018 ، 619–620 ، 28–41. [ Google Scholar ] [ CrossRef ]
  29. ژانگ، کیو. سینگ، معاون; پنگ، جی. چن، YD; لی، جی. تغییرات مکانی-زمانی ساختار بارش در حوضه رودخانه مروارید، چین. جی هیدرول. 2012 ، 440-441 ، 113-122. [ Google Scholar ] [ CrossRef ]
  30. لیو، بی. چن، جی. لو، دبلیو. چن، ایکس. لیان، Y. ویژگی‌های فضایی و زمانی تغییرات بارش در حوضه رودخانه مروارید، چین. نظریه. Appl. کلیماتول. 2016 ، 123 ، 537-550. [ Google Scholar ] [ CrossRef ]
  31. هو، م. لی، ز. وانگ، ی. جیائو، ام. لی، ام. Xia، B. تغییرات مکانی-زمانی در ارزش خدمات اکوسیستم در پاسخ به تغییرات کاربری/پوشش زمین در دلتای رودخانه مروارید. منبع. حفظ کنید. بازیافت. 2019 ، 149 ، 106-114. [ Google Scholar ] [ CrossRef ]
  32. ژانگ، S.-X. ژانگ، J.-M. ژانگ، W.-K. ژانگ، دی.-ن. فو، J.-Y. زنگ، سی.-ف. ویژگی های تنوع مکانی و زمانی و نیروهای محرک استفاده از زمین در حوضه رودخانه پان-پرل، چین. J. Appl. Ecol. 2020 ، 31 ، 573-580. [ Google Scholar ]
  33. کیمورا، آر. موریاما، M. کاربرد یک شاخص خشکی مبتنی بر ماهواره در مناطق منبع گرد و غبار شمال شرق آسیا. J. محیط خشک. 2014 ، 109 ، 31-38. [ Google Scholar ] [ CrossRef ]
  34. لیانگ، اس. سنجش از دور کمی سطح زمین . جان وایلی و پسران: هوبوکن، نیوجرسی، ایالات متحده آمریکا، 2005. [ Google Scholar ]
  35. آزمون های ناپارامتری Mann، HB در برابر روند. Econometrica 1945 ، 13 ، 245-259. [ Google Scholar ] [ CrossRef ]
  36. Sen, PK برآورد ضریب رگرسیون بر اساس تاو کندال. مربا. آمار دانشیار 1968 ، 63 ، 1379-1389. [ Google Scholar ] [ CrossRef ]
  37. پتیت، A. رویکرد آنون پارامتریک به تشخیص نقطه تغییر. Appl. آمار 1979 ، 28 ، 126-135. [ Google Scholar ] [ CrossRef ]
  38. کیو، جی. یانگ، ایکس. کائو، بی. چن، ز. لی، ی. اثرات شهرنشینی بر تغییرات دمای شدید منطقه ای در چین، 1960-2016. Sustainability 2020 , 12 , 6560. [ Google Scholar ] [ CrossRef ]
  39. ژانگ، کیو. Xu، C.-Y.; Zhang، Z. تغییرات دوره‌های خشکسالی/مرالی را در حوضه رودخانه مروارید، چین، با استفاده از شاخص بارش استاندارد و شاخص خشکی مشاهده کرد. نظریه. Appl. کلیماتول. 2009 ، 98 ، 89-99. [ Google Scholar ] [ CrossRef ]
  40. پنگ، دی. ژو، تی. چرا شمال غربی چین خشک و نیمه خشک در دهه های اخیر مرطوب تر شده است؟ جی. ژئوفیس. Res. اتمس. 2017 ، 122 ، 9060-9075. [ Google Scholar ] [ CrossRef ]
  41. لیانگ، سی. چن، تی. دولمان، اچ. شی، تی. وی، ایکس. خو، جی. هاگان، DFT روندهای خشک شدن و مرطوب شدن و تغییرات پوشش گیاهی در مناطق خشک چین. Water 2020 , 12 , 933. [ Google Scholar ] [ CrossRef ]
  42. لی، اچ. لیو، اف. ژانگ، اس. ژانگ، سی. ژانگ، سی. ما، دبلیو. لو، جی. تغییرات خشک کردن و مرطوب کردن رطوبت سطحی خاک و عوامل مؤثر در مناطق منجمد دائمی فلات چینگهای-تبت، چین. Remote Sens. 2022 , 14 , 2915. [ Google Scholar ] [ CrossRef ]
  43. کیمورا، آر. موریاما، M. روندهای اخیر شاخص های خشکسالی و طبقه بندی مناطق خشک با شاخص های خشکی مبتنی بر ماهواره. سیستم سنسور از راه دور زمین. علمی 2019 ، 2 ، 88-95. [ Google Scholar ] [ CrossRef ]
  44. کیمورا، آر. موریاما، ام. تعیین روندهای جهانی اخیر در خشکی و تخریب سطح زمین توسط روش های ماهواره ای MODIS. جی. آگریک. هواشناسی 2019 ، 75 ، 153-159. [ Google Scholar ] [ CrossRef ]
  45. کیمورا، آر. موریاما، ام. استفاده از شاخص خشکی مبتنی بر ماهواره مدیس برای نظارت بر شرایط خشکسالی در مغولستان از سال 2001 تا 2013. Remote Sens. 2021 , 13 , 2561. [ Google Scholar ] [ CrossRef ]
  46. Xia، X. لیو، ی. جینگ، دبلیو. یائو، ال. ارزیابی چهار محصول بارشی مبتنی بر ماهواره بر حوضه رودخانه مروارید، چین. دسترسی IEEE 2021 ، 9 ، 97729–97746. [ Google Scholar ] [ CrossRef ]
  47. کوثری، م. اختصاصی، م. ملکی نژاد، ح. بررسی روند خشکسالی طولانی مدت در مناطق نیمه خشک، خشک و فوق خشک جهان. کویر مناگ. 2017 ، 4 ، 36-53. [ Google Scholar ]
  48. زارعی، AR ارزیابی وضعیت خشکسالی در مناطق خشک و نیمه خشک با استفاده از شاخص RDI. منبع آب مدیریت 2018 ، 32 ، 1689-1711. [ Google Scholar ] [ CrossRef ]
  49. محمد، ر. شولز، ام. تأثیر تغییرپذیری آب و هوا بر ویژگی‌های مکانی و زمانی خشکسالی و خشکی در مناطق خشک و نیمه‌خشک. منبع آب مدیریت 2019 ، 33 ، 5015–5033. [ Google Scholar ] [ CrossRef ]
  50. دونگ، بی. یو، ی. Pereira، P. اثرات میراث خشکسالی فصل غیر رویشی بر رشد پوشش گیاهی در جنوب غربی چین. علمی کل محیط. 2022 ، 846 ، 157334. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  51. وی، دبلیو. ژانگ، اچ. ژو، جی. ژو، ال. زی، بی. Li، C. پایش خشکسالی در منطقه خشک و نیمه خشک بر اساس مجموعه داده های چند ماهواره ای در شمال غرب، چین. محیط زیست علمی آلودگی Res. 2021 ، 28 ، 51556-51574. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  52. او، سی. ما، بی. جینگ، جی. خو، ی. Dou, S. تغییرات مکانی-زمانی و روند تغییر آینده NDVI در حوضه رودخانه مروارید از سال 1982 تا 2015. در مجموعه مقالات کنفرانس بین المللی محاسبات انسان محور، رویداد مجازی، 14-15 دسامبر 2020. ص 209-219. [ Google Scholar ]
  53. لیو، ی. تیان، جی. لیو، آر. دینگ، L. تأثیرات تغییر آب و هوا و فعالیت های انسانی بر تغییرات NDVI در چین. Remote Sens. 2021 , 13 , 4326. [ Google Scholar ] [ CrossRef ]
  54. هو، پی. لی، اف. سان، ایکس. لیو، ی. چن، ایکس. Hu, D. ارزیابی تغییرات کاربری/پوشش زمین و اثر اکولوژیکی آن در نواحی سریع شهری-در نظر گرفتن تراکم شهری دلتای رودخانه مروارید به عنوان مورد. Sustainability 2021 , 13 , 5075. [ Google Scholar ] [ CrossRef ]
  55. ژانگ، کیو. شیائو، ام. سینگ، معاون; لی، جی. منطقه‌بندی و ویژگی‌های تغییر فضایی خشکسالی در حوضه رودخانه مروارید، چین. جی هیدرول. 2012 ، 472-473 ، 355-366. [ Google Scholar ] [ CrossRef ]
  56. چن، YD; ژانگ، کیو. شیائو، ام. سینگ، VP رفتارهای احتمال انتقال رویدادهای خشکسالی در حوضه رودخانه پرل، چین. استوک. محیط زیست Res. ارزیابی ریسک 2017 ، 31 ، 159-170. [ Google Scholar ] [ CrossRef ]
  57. لیو، اس. شی، اچ. نیو، جی. چن، جی. کوانگ، ایکس. ارزیابی رویدادهای خشکسالی اجتماعی-اقتصادی آینده تحت یک تغییر آب و هوا بر روی حوضه رودخانه مروارید در جنوب چین. جی هیدرول. Reg. گل میخ. 2020 ، 30 ، 100700. [ Google Scholar ] [ CrossRef ]
  58. دوان، آر. هوانگ، جی. لی، ی. ژو، ایکس. رن، جی. تیان، سی. خوشه‌بندی گام به گام پیش‌بینی خشکسالی هواشناسی آینده و تحلیل فاکتوریل چند سطحی تحت تغییرات آب و هوا: مطالعه موردی حوضه رودخانه پرل، چین. محیط زیست Res. 2021 ، 196 ، 110368. [ Google Scholar ] [ CrossRef ] [ PubMed ]
Ijgi 11 00541 g001 550
شکل 1. پیکربندی جغرافیایی PRB و ویژگی های طبیعی آن: ( الف ) موقعیت ناهموار PRB. ( ب ) مشخصات توپوگرافی PRB. ( ج ) پیکربندی کاربری زمین در PRB در سال 2020. ( د ) توزیع بارندگی سالانه در PRB از سال 2001 تا 2019.
Ijgi 11 00541 g002 550
شکل 2. روند تغییر سالانه و ماهانه SbAI در PRB: ( a – l ) روند ماهانه SbAI. ( m ) روند سالانه SbAI; ( ن ) نرخ تغییر ماهانه SbAI. توجه: * نشان دهنده علامت ضرب است. Jan، Feb، Mar و … مخفف هر ماه است.
Ijgi 11 00541 g003 550
شکل 3. الگوهای فضایی سالانه و ماهانه SbAI در PRB: ( الف ) الگوهای فضایی سالانه SbAI، 2001-2021. ( b – m ) الگوهای فضایی ماهانه SbAI، 2001-2021. توجه: اعداد 1-7 نشان دهنده 7 ناحیه توصیف شده در بخش 2.1 است. Jan، Feb، Mar و … به ترتیب مخفف هر ماه است.
Ijgi 11 00541 g004 550
شکل 4. آمار ماهانه و سالانه در مورد نسبت مساحتی SbAI در محدوده های مختلف. نکته: Jan, Feb, Mar و غیره به ترتیب مخفف هر ماه است.Jan و غیره مخفف هر ماه است.
Ijgi 11 00541 g005 550
شکل 5. روند ماهانه و سالانه SbAI در PRB طی دوره 2001-2021 بر اساس آزمون من-کندال: ( الف ) روندهای سالانه SbAI در دوره 2001-2021. ( b – m ) روندهای ماهانه SbAI، 2001-2021. توجه: اعداد 1-7 نشان دهنده 7 ناحیه توصیف شده در بخش 2.1 است. Jan، Feb، Mar و … به ترتیب مخفف هر ماه است. (SD: روند به طور قابل توجهی خشک تر؛ ND: روند به طور قابل توجهی خشک تر نیست؛ NW: روند به طور قابل توجهی مرطوب نیست؛ SW: روند به طور قابل توجهی مرطوب تر).
Ijgi 11 00541 g006 550
شکل 6. نسبت مساحتی روندهای مختلف در PRB. نکته: جان و غیره مخفف هر ماه است. (SD: روند به طور قابل توجهی خشک تر؛ ND: روند به طور قابل توجهی خشک تر نیست؛ NW: روند به طور قابل توجهی مرطوب نیست؛ SW: روند به طور قابل توجهی مرطوب تر).
Ijgi 11 00541 g007 550
شکل 7. نسبت مساحتی قطعات در محدوده های مختلف SbAI در ناحیه 1. توجه: Jan و غیره مخفف هر ماه است.
Ijgi 11 00541 g008 550
شکل 8. نسبت های مساحتی برای روندهای مختلف در منطقه 1. توجه: Jan و غیره مخفف هر ماه است. (SD: روند به طور قابل توجهی خشک تر؛ ND: روند به طور قابل توجهی خشک تر نیست؛ NW: روند به طور قابل توجهی مرطوب نیست؛ SW: روند به طور قابل توجهی مرطوب تر).
Ijgi 11 00541 g009 550
شکل 9. نسبت مناطق در محدوده های مختلف SbAI در منطقه 6. توجه: Jan و غیره مخفف هر ماه است.
Ijgi 11 00541 g010 550
شکل 10. نسبت مساحتی روندهای مختلف در منطقه 6. توجه: Jan و غیره مخفف هر ماه است. (SD: روند به طور قابل توجهی خشک تر؛ ND: روند به طور قابل توجهی خشک تر نیست؛ NW: روند به طور قابل توجهی مرطوب نیست؛ SW: روند به طور قابل توجهی مرطوب تر).
Ijgi 11 00541 g011 550
شکل 11. ( الف ) تجزیه و تحلیل همبستگی بین داده های GPM و داده های بارش ارائه شده توسط PRWCC در PRB. ( ب – h ) تجزیه و تحلیل همبستگی بین داده های GPM و داده های بارش ارائه شده توسط PRWCC در مناطق 1-7. توجه: * نشان دهنده علامت ضرب است.
Ijgi 11 00541 g012 550
شکل 12. ( الف ) تجزیه و تحلیل همبستگی بین سری داده های SbAI و GPM در PRB. ( b – h ) تجزیه و تحلیل همبستگی بین سری داده های SbAI و GPM در مناطق 1-7. توجه: * نشان دهنده علامت ضرب است.
Ijgi 11 00541 g013 550
شکل 13. مقایسه نتایج SbAI و NDVI: ( الف ) مقایسه روندهای زمانی. ( ب ) تجزیه و تحلیل همبستگی دو مجموعه داده. توجه: * نشان دهنده علامت ضرب است.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید