ارزیابی رطوبت خاک مدلGLDAS با استفاده از داده های مشاهداتی، شاخص VHI و بارش

 داده های رطوبت خاک به دست آمده از ماهواره ها نقش مهمی در مدیریت موثر منابع آب، به ویژه در مناطق مستعد کم آبی و خشکسالی ایفا می کند. با نظارت بر پویایی رطوبت خاک در طول زمان، سیاست گذاران آب می توانند استراتژی های تخصیص پایدار آب را توسعه دهند، اقدامات حفاظت از آب را اجرا کنند و اثرات نامطلوب خشکسالی بر کشاورزی را کاهش دهند. داده های ماهواره ای شناسایی نقاط بالقوه تنش آبی را تسهیل می کند. داده های ماهواره ای شناسایی نقاط تنش آبی بالقوه را تسهیل می کند هدف از این پژوهش ارزیابی دقت رطوبت خاک مدل GLDAS با داده های مشاهداتی در مناطق با آب و هوای مرطوب، نیمه مرطوب، خشک و پایش خشکسالی کشاورزی با استفاده از مدل GLDAS، شاخص خشکسالی VHI و بارش سالیانه است.

روش پژوهش:

 در این پژوهش رطوبت خاک مدل GLDAS  از سال 2003 تا سال 2020 در 6 منطقه کشاورزی اکلاهما به صورت روزانه استخراج و با داده های مشاهداتی ثبت شده در6 منطقه کشاورزی واقع در اکلاهما مقایسه شد. برای درک بهتر از میزان اختلاف میان داده های رطوبت خاک مدل GLDAS با داده های مشاهداتی، مناطق کشاورزی به سه منطقه مرطوب، نیمه مرطوب، خشک تقسیم شدند و نهایتا به کمک دو شاخص ضریب همبستگی CC و خطای جذر میانگین مربعاتRMSE، به صورت روزانه، فصلی و سالانه مورد ارزیابی قرار گرفتند.

 نتایج نشان داد بیشترین متوسط همبستگی رطوبت خاک فصلی مربوط به فصل زمستان و پاییز است و یکی از دلایل آن  بارندگی بیشتر در این فصول است. بیشترین همبستگی متوسط مناطق با 64/0متعلق به مناطق مرطوب و کمترین متوسط همبستگی 47/0 مربوط به مناطق خشک بود. مناطق مرطوب معمولا پوشش گیاهی بیشتری نسبت به مناطق خشک دارند. پوشش گیاهی به دلیل تاثیر بر سیگنال های مایکروویو دریافتی توسط سنسورهای ماهواره ای بر دقت تخمین های رطوبت خاک ماهواره تاثیر می گذارد. همچنین وجود پوشش گیاهی متراکم، بازیابی رطوبت خاک داده های ماهواره ای را بهبود  می بخشد، به ویژه مناطقی که پوشش گیاهی فراوان دارند. نتایج بررسی RMSE (cm3/cm3) مدل GLDAS و داده های مشاهداتی در 6 منطقه کشاورزی اکلاهما نشان دهنده عملکرد خوب مدل GLDAS بود. در ادامه همبستگی داده های مدل GLDAS با شاخص خشکسالی VHI و بارش مورد بررسی قرار گرفت که همبستگی رطوبت خاک مدل  GLDAS با داده های بارش 17 ساله  برابر با 68/0 و همبستگی مدل GLDAS  و VHI برابر با 2/0 بود. یکی از دلایل تغییرات همبستگی بین بارش، VHI و رطوبت خاک مدل GLDAS، تغییرات پارامترهای هیدرولوژیکی مانند تغذیه آب زیرزمینی، نرخ تبخیر و تعرق، و رواناب سطحی، در سال های مختلف است.

 با توجه به نتایج به دست آمده رطوبت خاک به عنوان یک واسطه حیاتی بین بارش و VHI عمل می کند. در حالی که بارش به طور مستقیم بر دینامیک های رطوبت خاک تاثیر می گذارد، رطوبت خاک، به نوبه خود، جذب آب گیاه، تعرق و فرآیندهای فیزیولوژیکی را کنترل می کند که به VHI منجر می شود. داده های رطوبت خاک مدل GLDAS را می توان برای پایش و ارزیابی خشکسالی استفاده کرد. داده های GLDAS در فواصل زمانی منظم (به عنوان مثال، روزانه، ماهانه) در دسترس هستند، که امکان نظارت بر پویایی رطوبت خاک را در طول زمان فراهم می کند. این وضوح زمانی برای ردیابی شروع، مدت و شدت رویدادهای خشکسالی بسیار مهم است. نتایج این تحقیق نشان می دهد که می توان از داده های رطوبت خاک مدل GLDAS  با اطمینان خاطر در پایش خشکسالی کشاورزی استفاده کرد.