خشکسالی یکی از گسترده‌ترین و شدیدترین بلایای طبیعی است که با کمبود مداوم آب ناشی از عدم تعادل بین عرضه و تقاضای آب مشخص می‌شود ^{۱ ، ۲ ، ۳٫} خشکسالی طولانی مدت نه تنها به شدت تولیدات کشاورزی را مختل می‌کند، بلکه ممکن است منجر به کمبود آب آشامیدنی برای انسان‌ها و دام‌ها نیز شود، ناامنی غذایی را تشدید کرده و رفاه انسان را تهدید کند ^۴ ، ۵٫ در حال حاضر، تحقیقات خشکسالی تا حد زیادی بر مناطق خشک و نیمه‌خشک متمرکز شده است، جایی که علل و تکامل خشکسالی نسبتاً به خوبی درک شده است ^{۶ ، ۷ ، ۸٫} در مقابل، خشکسالی در مناطق مرطوب اغلب ناگهانی، کمتر قابل پیش‌بینی و به راحتی نادیده گرفته می‌شود. علاوه بر این، این مناطق مرطوب معمولاً از سیستم‌های اکولوژیکی و کشاورزی متنوع و حساسی پشتیبانی می‌کنند، جایی که پوشش گیاهی و محصولات کشاورزی به شدت به در دسترس بودن آب واکنش نشان می‌دهند. در نتیجه، خشکسالی در مناطق مرطوب تهدیدی قابل توجه برای ثبات اکولوژیکی منطقه‌ای، تولید غذا و تأمین آب است ^۹٫ بنابراین بررسی پویایی خشکسالی در مناطق مرطوب برای پیشرفت درک ما از مکانیسم‌های خشکسالی در مناطق آب و هوایی و برای افزایش تاب‌آوری در برابر خشکسالی و مدیریت منابع آب در این مناطق آسیب‌پذیر ضروری است ^۱۰ .

مکانیسم شکل‌گیری خشکسالی پیچیده است و تحت تأثیر عوامل متعدد و مرتبط با هم قرار دارد. افزایش دقت پایش خشکسالی همچنان یک چالش جهانی حیاتی است. بر اساس روش‌های مشاهده، شاخص‌های پایش خشکسالی را می‌توان به طور گسترده به رویکردهای مبتنی بر ایستگاه و مبتنی بر سنجش از دور طبقه‌بندی کرد. شاخص‌های مبتنی بر ایستگاه، مانند شاخص بارش استاندارد (SPI) ^۱۱ و شاخص شدت خشکسالی پالمر (PDSI) ^۱۲ ، به داده‌های هواشناسی از ایستگاه‌های مشاهده زمینی متکی هستند. در مقابل، شاخص‌های مبتنی بر سنجش از دور از داده‌های ماهواره‌ای برای محاسبه انواع مختلف خشکسالی استفاده می‌کنند. به عنوان مثال، شاخص خشکسالی دما و پوشش گیاهی (TVDI) پوشش گیاهی و دمای سطح زمین را ادغام می‌کند و آن را برای پایش مناطقی از خاک لخت تا مناطق کاملاً پوشیده از پوشش گیاهی مناسب می‌سازد ^۱۳٫ به دلیل همبستگی قوی آن با رطوبت خاک، TVDI به طور گسترده در ارزیابی خشکسالی کشاورزی ^{۱۴ ، ۱۵} مورد استفاده قرار گرفته است . شاخص وضعیت پوشش گیاهی (VCI)، یکی از رایج‌ترین شاخص‌های خشکسالی سنجش از دور، حساسیت بالایی به شرایط خشکسالی در مطالعات و کاربردهای عملی مختلف نشان داده است ^{[۱۶ ، ۱۷ ، ۱۸} ]. علاوه بر این، شاخص تأمین آب پوشش گیاهی (VSWI)، که شاخص پوشش گیاهی نرمال شده تفاضلی (NDVI) را با دمای سطح زمین (LST) ترکیب می‌کند، می‌تواند به طور مؤثر تنش آبی در پوشش گیاهی را منعکس کند ^[۱۹ ]. VSWI به تغییرات رطوبت خاک و تغییرات فیزیولوژیکی در پوشش گیاهی بسیار پاسخگو است و آن را به ابزاری ارزشمند برای نظارت پویا بر شروع، پیشرفت و کاهش خشکسالی تبدیل می‌کند ^{[۲۰ ، ۲۱]} . شاخص خشکسالی پوشش گیاهی دما بهبود یافته (eTVDI) یک شاخص نظارت بر خشکسالی است که از ادغام دمای سطح زمین (LST) و شاخص پوشش گیاهی بهبود یافته (EVI) ^۲۲ به دست می‌آید . در مقایسه با TVDI سنتی، eTVDI NDVI را با EVI جایگزین می‌کند تا تداخل پس‌زمینه خاک و اتمسفر را، به ویژه در مناطقی با پوشش گیاهی متراکم، بهتر سرکوب کند. این امر کاربردپذیری آن را در مراحل مختلف رشد پوشش گیاهی و شرایط اکولوژیکی افزایش می‌دهد و در نتیجه پایداری و دقت پایش خشکسالی را بهبود می‌بخشد . ^۲۳ از آنجایی که شاخص‌های مختلف خشکسالی از نظر حساسیت و پوشش مکانی متفاوت هستند، تجزیه و تحلیل مقایسه‌ای بین آنها امکان ارزیابی جامع‌تری از شرایط خشکسالی در منطقه مورد مطالعه را فراهم می‌کند.

استان فوجیان، واقع در جنوب شرقی چین، در منطقه مرطوب موسمی نیمه‌گرمسیری قرار دارد و با یک سیستم آب و هوایی پیچیده مشخص می‌شود ^.۲۴ استان فوجیان، تحت تأثیر تغییرات بین سالانه و فصلی بارش، الگوهای بارش ضربانی درون فصلی و توپوگرافی متنوع، اغلب خشکسالی‌های فصلی و منطقه‌ای را تجربه می‌کند ^.۲۵ گردش غیرطبیعی موسمی و سیستم‌های پرفشار نیمه‌گرمسیری مداوم اغلب منجر به کاهش یا ناهمواری بارندگی و طولانی شدن هوای گرم و خشک، تسریع کاهش رطوبت خاک و ایجاد خشکسالی هواشناسی می‌شود. علاوه بر این، زمین عمدتاً کوهستانی و تپه‌ای فوجیان منجر به یک شبکه رودخانه‌ای تکه‌تکه و حوضه‌های مستقل متعدد شده است ^.۲۶ که منجر به رواناب سریع، احتباس محدود آب سطحی و ظرفیت ذخیره‌سازی ضعیف در دوره‌های خشک می‌شود. از اوایل قرن بیست و یکم، استان فوجیان شاهد چندین رویداد خشکسالی شدید بوده است، که پیشگیری و کاهش بلایای خشکسالی را به یک اولویت حیاتی منطقه‌ای تبدیل کرده است.

مطالعات قبلی نشان داده‌اند که پوشش/کاربری زمین، خاک، سنگ‌شناسی، ژئومورفولوژی و ریزاقلیم منطقه‌ای در حوضه‌های مختلف ممکن است به طور قابل توجهی بر وقوع و توسعه خشکسالی‌ها تأثیر بگذارند ^{[۲۷ ، ۲۸ ، ۲۹} ] و رویدادهای خشکسالی تاریخی در استان فوجیان احتمالاً به طور مستقیم یا غیرمستقیم توسط این عوامل شکل گرفته‌اند. بنابراین، نیاز مبرمی به بررسی الگوهای خشکسالی و عوامل محرک بالقوه خشکسالی در حوضه‌های مختلف رودخانه‌ای با انواع مختلف سطح زیرین، خاک‌ها و شرایط ژئومورفیک، به ویژه در زمینه تغییرات اقلیمی جهانی، وجود دارد. با این حال، مشکلات فوق توجه زیادی را به خود جلب نکرده‌اند. مطالعه ما با ارزیابی عملکرد شاخص‌های خشکسالی متعدد در حوضه‌های مجزا در استان فوجیان و بررسی روابط آنها با متغیرهای اقلیمی، به این شکاف می‌پردازد. هدف از این یافته‌ها، افزایش درک ما از پویایی خشکسالی و علل اساسی آنها در مناطق موسمی نیمه گرمسیری با منابع گرما و آب فراوان است که نمونه آن استان فوجیان است.

مشارکت‌های اصلی این مقاله به شرح زیر است:

1. (۱)ما الگوهای توزیع مکانی-زمانی چهار شاخص خشکسالی رایج (VCI، NVSWI، TVDI و eTVDI) را در حوزه‌های آبخیز مختلف استان فوجیان به طور کامل تجزیه و تحلیل می‌کنیم. نتایج به شناسایی مناسب‌ترین شاخص‌های خشکسالی برای پایش در مناطق مرطوب کمک می‌کند و در نتیجه، مبنای علمی و دقت ارزیابی خشکسالی منطقه‌ای و سیستم‌های هشدار اولیه را افزایش می‌دهد.
2. (۲)ما با بررسی روابط بین شاخص‌های خشکسالی و عوامل اقلیمی مانند بارندگی و دما، تجزیه و تحلیل جامعی از واکنش به خشکسالی-اقلیم در استان فوجیان انجام می‌دهیم. واکنش شاخص‌های خشکسالی مبتنی بر سنجش از دور به متغیرهای اقلیمی در مناطق مختلف مقایسه می‌شود. علاوه بر این، این مطالعه، اتصال زمانی بین تکامل خشکسالی و تغییرات اقلیمی را نشان می‌دهد و کاربرد منطقه‌ای شاخص‌های مختلف را روشن می‌کند. این یافته‌ها، مبنای علمی برای بهینه‌سازی شاخص‌های پایش خشکسالی در استان فوجیان فراهم می‌کند.
3. (۳)ما عوامل محرک خشکسالی را با تمرکز بر نقش پوشش زمین، خاک، سنگ‌شناسی، ژئومورفولوژی و شرایط اقلیمی در شکل‌گیری علل و تکامل آن بررسی می‌کنیم. این امر به آشکار شدن مکانیسم‌های اساسی شکل‌گیری خشکسالی در زمین‌های پیچیده و محیط طبیعی متنوع استان فوجیان کمک می‌کند. این یافته‌ها مبنای نظری برای تدوین سیاست‌های منطقه‌ای فراهم می‌کند.

منطقه مورد مطالعه

برای بررسی الگوی مکانی-زمانی و عوامل مؤثر بر خشکسالی در مناطق مرطوب، استان فوجیان، یک منطقه مرطوب معمول در چین، را به عنوان منطقه مورد مطالعه انتخاب می‌کنیم. استان فوجیان در جنوب شرقی چین، بین ۲۳°۳۳′-۲۸°۲۰′ شمالی و ۱۱۵°۵۰′-۱۲۰°۴۰′ شرقی واقع شده است (شکل ۱ ). این استان دارای آب و هوای معتدل و بارندگی فراوان است، با میانگین دمای سالانه ۱۷-۲۱ درجه سانتیگراد و بارندگی سالانه ۱۰۰۰-۲۰۰۰ میلی‌متر ^{۳۰ ، ۳۱٫} این منطقه تحت سلطه کوه‌ها و تپه‌ها است که بیش از ۸۰٪ از کل مساحت ^۳۲ را تشکیل می‌دهند . رشته کوه‌های اصلی شامل کوه‌های وویی، دایون و جیوفنگ هستند. فوجیان همچنین توسط رودخانه‌های زیادی عبور می‌کند که بزرگترین آنها رودخانه مین‌جیانگ با طول کلی حدود ۵۸۱ کیلومتر است. از دیگر رودخانه‌های اصلی می‌توان به رودخانه جیولونگ اشاره کرد که طول کلی آن حدود ۲۵۸ کیلومتر و میانگین جریان آن حدود ۵۰۰ متر مکعب در ثانیه است، به همراه رودخانه‌ها و نهرهای کوچک‌تری مانند رودخانه‌های تینگجیانگ، جینجیانگ و ^مولان .

حوضه رودخانه به عنوان واحد اساسی چرخه آب، یک فرآیند هیدرولوژیکی بسته و جامع طبیعی را نشان می‌دهد که به طور مستقیم بر وقوع و تکامل خشکسالی تأثیر می‌گذارد. حوضه‌های مختلف تحت تأثیر اثرات ترکیبی تغییرات توپوگرافی، ساختار زمین‌شناسی، شرایط اقلیمی و فعالیت‌های انسانی قرار دارند که منجر به ناهمگونی قابل توجه در ویژگی‌های خشکسالی می‌شود. بنابراین، تقسیم‌بندی بر اساس حوضه برای شناسایی مناطق مستعد خشکسالی، آشکار کردن مسیرهای انتشار خشکسالی و بررسی رابطه ذاتی بین خشکسالی و محیط جغرافیایی طبیعی مفید است. بر این اساس، منطقه مورد مطالعه را به ۱۱ زیرحوضه با محیط‌های هیدرولوژیکی و ویژگی‌های توپوگرافی متمایز تقسیم می‌کنیم که عبارتند از: حوضه رودخانه مین‌جیانگ (MB)، حوضه‌های رودخانه‌ای دیگر (OB)، حوضه‌های رودخانه‌ای ساحلی شرق فوجیان (EB)، حوضه رودخانه هوتونگ (HB)، حوضه رودخانه آوجیانگ (AB)، حوضه رودخانه تینگ‌جیانگ (TB)، حوضه‌های رودخانه‌ای ساحلی جنوب شرقی فوجیان (SB)، حوضه رودخانه جیولونگ (JLB)، حوضه رودخانه مولان (MLB)، حوضه رودخانه جین‌جیانگ (JB) و حوضه رودخانه جیائوشی (JCB) (شکل  ۱ ). شرح مفصلی از هر زیرحوضه در جدول  ۱ ارائه شده است .

منبع داده

داده‌های مورد استفاده در این مطالعه در جدول ۲ نشان داده شده است . این مطالعه از مجموعه داده‌های LST (MODIS MOD11A2) و NDVI/EVI (MODIS MOD13A2) از سال ۲۰۰۰ تا ۲۰۲۳ استفاده می‌کند. این مطالعه از پلتفرم Google Earth Engine برای محاسبه چهار شاخص خشکسالی، شامل VCI، VSWI، TVDI و eTVDI، با وضوح مکانی ۱ کیلومتر استفاده می‌کند. برای ارزیابی تأثیر توپوگرافی بر خشکسالی، از داده‌های مدل ارتفاعی رقومی (DEM) با وضوح مکانی ۳۰ متر استفاده شده و به ۱ کیلومتر نمونه‌برداری مجدد شده‌اند. بر اساس DEM، مرزهای توزیع هر حوضه رودخانه مشخص شده است. برای بررسی رابطه مکانی بین کاربری اراضی و خشکسالی، این مطالعه از داده‌های کاربری اراضی چین (CLCD) از سال ۲۰۰۰ تا ۲۰۲۳، با وضوح مکانی ۳۰ متر استفاده می‌کند (شکل ۲ الف) ^۳۴ . داده‌های مربوط به سنگ‌شناسی، خاک و زمین از پایگاه داده خاک و توپوگرافی چین، اطلاعات جهانی خاک (ISRIC)، که در آدرس https://www.isric.org/ موجود است، به دست آمده است (شکل ۲ ب-د). علاوه بر این، برای تجزیه و تحلیل همبستگی بین شاخص‌های خشکسالی و متغیرهای هواشناسی، از داده‌های روزانه بارندگی و میانگین دما از ۶۶ ایستگاه هواشناسی در سراسر استان فوجیان طی سال‌های ۲۰۰۰ تا ۲۰۲۳ که از مرکز خدمات داده‌های هواشناسی چین ( http://cdc.cma.gov.cn ) به دست آمده‌اند، استفاده شده است. موقعیت مکانی سایت در شکل ۱ نشان داده شده است .

ما استان فوجیان را به ۱۱ زیرمنطقه تقسیم می‌کنیم و سپس از چهار شاخص خشکسالی و همچنین داده‌های هواشناسی، زمین‌شناسی، خاک و کاربری اراضی برای بررسی الگوی مکانی-زمانی خشکسالی و عوامل مؤثر بر آن در منطقه مورد مطالعه استفاده می‌کنیم. چارچوب فنی کلی در شکل ۳ نشان داده شده است . بخش‌های بعدی شرح مفصلی از این روش ارائه می‌دهند.

شاخص‌های خشکسالی

شاخص VCI فقط یک عامل خشکسالی را در نظر می‌گیرد و یک شاخص ساده و راحت است که می‌تواند با استفاده از NDVI ^۳۵ محاسبه شود .

که در آن NDVI _i شاخص پوشش گیاهی نرمال شده تفاضلی در یک پیکسل مشخص است. حداقل و حداکثر NDVI را می‌توان از تصاویر سال‌های ۲۰۰۰ تا ۲۰۲۳ برای کل منطقه مورد مطالعه بدست آورد.

شاخص VSWI ترکیبی از داده‌های NDVI و حرارتی است که می‌تواند برای پایش وقوع، تغییر، توسعه و شدت خشکسالی و تأثیر آن بر پوشش گیاهی ^{۳۶ ، ۳۷} مورد استفاده قرار گیرد . از آنجایی که اندازه‌گیری مستقیم دمای تاج پوشش گیاهی دشوار است، اغلب از دمای سطح زمین (LST) به عنوان جایگزین استفاده می‌شود. فرمول محاسبه VSWI به شرح زیر است:

هرچه مقدار VSWI بزرگتر باشد، خاک سطحی مرطوب‌تر است. برای نمایش بهتر شدت شرایط خشکسالی، VSWI اغلب با استفاده از معادله ( ۳ ) نرمال‌سازی می‌شود که دامنه مقادیر را در مقیاس مشترک ^۳۸ تنظیم می‌کند .

که در آن NVSWI نشان دهنده VSWI نرمال شده است؛ VSWI _i شاخص تأمین آب پوشش گیاهی در یک دوره معین است و VSWI _min و VSWI _max به ترتیب حداقل و حداکثر مقادیر VSWI در طول دوره مطالعه هستند.

TVDI شاخصی است که اطلاعات خشکسالی را بر اساس فضای مشخصه تشکیل شده توسط NDVI و LST منعکس می‌کند، که روشی است که به طور گسترده در تغییرات مکانی رطوبت خاک استفاده می‌شود ^{[۱۳ ، ۳۹]} . TVDI به صورت زیر تعریف می‌شود:

که در آن نشان دهنده دمای سطح زمین یک پیکسل، و به ترتیب نشان دهنده دمای لبه مرطوب و لبه خشک فضای ویژگی LST-NDVI هستند، a و b ضرایب معادله برازش لبه مرطوب و c و d ضرایب معادله برازش لبه خشک هستند. هرچه مقدار TVDI بزرگتر باشد، به لبه خشک فضای ویژگی نزدیک‌تر است که نشان می‌دهد شرایط خشکسالی شدید است.

برای تسهیل مقایسه عملکرد این معیارها، از فرمول ( ۷ ) برای محاسبه معکوس TVDI (TVDIR) ^۴۰ استفاده می‌کنیم .

در مناطقی با پوشش گیاهی نسبتاً فراوان، مقادیر NDVI تحت تأثیر اشباع بیش از حد پوشش گیاهی قرار خواهد گرفت. بنابراین، اگر خاک اشباع شده باشد و تبخیر و تعرق سطحی همچنان افزایش یابد، مقادیر NDVI نمی‌توانند به خوبی شرایط خشک و مرطوب خاک را منعکس کنند. در مقابل، EVI نسبت به NDVI به مناطقی با پوشش گیاهی متراکم حساس‌تر است و داده‌های TVDI (eTVDI) بر اساس EVI و LST می‌توانند TVDI را تا حدودی جبران کنند . ^۴۱

به طور مشابه، معکوس eTVDI را با استفاده از معادله  ۱۱ محاسبه می‌کنیم .

مقادیر چهار شاخص فوق از ۰ تا ۱ متغیر است. هرچه مقدار کمتر باشد، خطر خشکسالی بیشتر است. طبق مطالعات قبلی ^{۴۲ ، ۴۳ ، ۴۴ ، ۴۵} ، این شاخص‌های خشکسالی طبق استانداردهای جدول ۳ طبقه‌بندی شده‌اند .

روش‌های تحلیل روند خشکسالی

روش میانه تیل-سن

تخمین شیب تیل-سن، شیب بین دو جفت داده در سری زمانی را محاسبه می‌کند و میانه شیب را به عنوان روند کلی تغییر سری زمانی در نظر می‌گیرد ^۴۶٫ روش محاسبه به شرح زیر است:

در فرمول، β میانه شیب همه جفت داده‌ها است. وقتی β > 0 باشد، شاخص روند صعودی و وقتی β < 0 باشد، شاخص روند نزولی را نشان می‌دهد. و مقادیر سال‌های i ام و j ام در چهار سری شاخص خشکسالی هستند و میانه به معنای گرفتن میانه است.

آزمون معناداری من-کندال

آزمون من-کندال یک روش آزمون ناپارامتری است که تخمین شیب تیل-سن ^۴۷ را تکمیل می‌کند و برای آزمون معناداری روندها در سری‌های زمانی استفاده می‌شود.

در فرمول، کمیت آزمون آماری یک دنباله واحد است؛ آماره S از داده‌های تصویر قبل و بعد هر شاخص خشکسالی محاسبه می‌شود؛ var(S) واریانس آماره S است و فرمول حل ساده شده فوق است؛ نماد تابع تشخیص منطقی است.

محاسبه و آزمون ضریب همبستگی جزئی

ضریب همبستگی جزئی بین شاخص خشکسالی سالانه و دما یا بارندگی برای ارزیابی واکنش خشکسالی به تغییرات اقلیمی استفاده می‌شود. در این مطالعه، ضرایب همبستگی جزئی بین شاخص خشکسالی و میانگین دمای سالانه و بارندگی سالانه با استفاده از فرمول زیر محاسبه می‌شوند:

که در آن ضریب همبستگی جزئی بین X و Y تحت کنترل Z است، و rij _ضریب همبستگی بین i و j است . > 0 به این معنی است که تحت شرایط ثابت Z، Y با افزایش X افزایش می‌یابد و برعکس.

ژئودتکتور

انتخاب عوامل محرک برای ژئودکتور

در این مطالعه، نه عامل محرک انتخاب شدند: دما، بارش، ارتفاع، شیب، جهت شیب، نوع ژئومورفولوژی، نوع خاک، سنگ‌شناسی و نوع کاربری زمین. این عوامل طیف وسیعی از تأثیرات را از شرایط محیطی طبیعی گرفته تا فعالیت‌های انسانی در بر می‌گیرند.

دما و بارش از عوامل کلیدی اقلیمی هستند که مستقیماً بر وقوع و تکامل خشکسالی تأثیر می‌گذارند، به طوری که دما از طریق تبخیر بر تعادل آب سطحی تأثیر می‌گذارد و بارش به عنوان منبع اصلی تأمین آب عمل می‌کند. ارتفاع، شیب و جهت شیب، توزیع مکانی دما، رطوبت و تابش را بیشتر تنظیم می‌کنند و در نتیجه الگوهای خشکسالی منطقه‌ای را شکل می‌دهند. علاوه بر این، ژئومورفولوژی، سنگ‌شناسی، نوع خاک و کاربری اراضی به طور جمعی بر حفظ آب و فرآیندهای هیدرولوژیکی سطحی تأثیر می‌گذارند. در میان آنها، نوع کاربری اراضی نشان دهنده نفوذ انسان است. زمین‌های زراعی اغلب رواناب را افزایش و نفوذ را کاهش می‌دهند، در حالی که جنگل‌ها و مراتع باعث افزایش حفظ رطوبت خاک و کاهش وقوع خشکسالی می‌شوند.

مدل ژئودکتور

آشکارساز جغرافیایی یک ابزار آماری مبتنی بر تحلیل ناهمگنی فضایی است که برای آشکار کردن الگوهای توزیع فضایی و مکانیسم‌های اساسی عوامل محرک طراحی شده است. در این مطالعه، ماژول‌های تشخیص عامل و تشخیص تعامل آشکارساز جغرافیایی برای تجزیه و تحلیل کمی شدت تأثیر (مقدار q) عوامل محرک مختلف بر چهار شاخص خشکسالی و بررسی بیشتر اثرات محرک مشترک تعاملات عوامل مختلف بر تغییرات فضایی شاخص‌های خشکسالی به کار گرفته شدند. عبارت q به شرح زیر است:

که در آن h = 1,2, …,L نشان دهنده طبقه‌بندی یا افراز متغیر Y یا فاکتور است؛ N و Nh به ترتیب نشان دهنده تعداد کل واحدها در کل منطقه مورد مطالعه و در لایه هستند؛ و به ترتیب نشان دهنده واریانس Y در لایه h و در کل منطقه هستند. SSW و SST به ترتیب به مجموع واریانس‌های درون لایه و واریانس کل منطقه اشاره دارند.σσ

ماژول تشخیص تعامل، تعاملات بین عوامل مؤثر مختلف مؤثر بر شاخص‌های خشکسالی را بررسی می‌کند و بدین ترتیب تعیین می‌کند که چگونه اثرات ترکیبی این عوامل بر شاخص‌های خشکسالی تأثیر می‌گذارد. معیارهای تعیین انواع تعامل در جدول  ۴ نشان داده شده است .

الگوی توزیع مکانی شاخص خشکسالی

بر اساس معیارهای طبقه‌بندی خشکسالی اتخاذ شده (جدول  ۳ )، توزیع مکانی-زمانی و تغییرات چهار شاخص خشکسالی از سال ۲۰۰۰ تا ۲۰۲۳ به تصویر کشیده شده است. ابتدا، شکل ۴ نسبت سالانه هر شاخص خشکسالی را در سطوح مختلف شدت خشکسالی از سال ۲۰۰۰ تا ۲۰۲۳ نشان می‌دهد. دوم، ما به صورت آماری میزان و توزیع سطوح شدت خشکسالی را در استان فوجیان در این دوره تجزیه و تحلیل می‌کنیم و نقشه‌های فراوانی مکانی را برای هر سطح خشکسالی رسم می‌کنیم (شکل‌های  ۵ ، ۶ ، ۷ و ۸ ). در مرحله بعد، تجزیه و تحلیل و بحث مفصلی در مورد ویژگی‌های توزیع مکانی هر شاخص خشکسالی ارائه می‌دهیم.

توزیع مکانی VCI

شکل ۵ فراوانی توزیع مکانی خشکسالی را بر اساس شاخص VCI از سال ۲۰۰۰ تا ۲۰۲۳ نشان می‌دهد. می‌توان مشاهده کرد که اکثر مناطق استان فوجیان عمدتاً بدون خشکسالی باقی مانده‌اند. با این حال، برخی از مناطق ساحلی، به ویژه بخش‌های شرقی SB و JB، و همچنین MLB و منطقه جنوب شرقی JLB، اغلب خشکسالی‌های خفیف تا شدید را تجربه می‌کنند. علاوه بر این، شکل ۴a نشان می‌دهد که بیش از ۹۰٪ از استان در طول سال‌های ۲۰۰۰ تا ۲۰۲۳ در شرایط عادی یا مرطوب طبقه‌بندی می‌شود. نکته قابل توجه این است که شرایط خشکسالی در سال‌های ۲۰۱۳ تا ۲۰۲۳ در مقایسه با سال‌های ۲۰۰۰ تا ۲۰۱۲ کاهش یافته است و روند افزایشی واضحی در مناطق مرطوب مشاهده می‌شود. به طور خاص، سال‌های ۲۰۱۷، ۲۰۱۸ و ۲۰۲۳ به طور مداوم سطح بالایی از رطوبت را نشان می‌دهند، به طوری که مناطق تحت تأثیر خشکسالی کمتر از ۸٪ را تشکیل می‌دهند. در مقابل، اگرچه بین سال‌های ۲۰۰۰ تا ۲۰۱۲ هیچ خشکسالی شدید در مقیاس بزرگ مشاهده نشده است، اما وسعت مناطق مرطوب و نرمال به طور قابل توجهی در نوسان است و منطقه خشکسالی خفیف از ۶۷۸۷.۴ کیلومتر مربع تا ۱۴۵۹۴.۷ کیلومتر مربع متغیر است ^. شدیدترین ^وضعیت در سال ۲۰۰۵ رخ داد، زمانی که مناطق تحت تأثیر خشکسالی به ۱۹.۸ درصد از استان رسید. در برخی سال‌ها، شرایط خشکسالی به طور قابل توجهی گسترش یافته است. به عنوان مثال، در سال ۲۰۰۲، کاهش رطوبت در MB، HB، AB و EB مشاهده شد که با درجه خاصی از خشکسالی همراه بود. در سال ۲۰۰۵، خشکسالی خفیف در مقیاس بزرگ در TB، JLB، JB و MLB رخ داد. به طور کلی، SB، JB، MLB و بخش جنوب شرقی JLB به عنوان مناطق مستعد خشکسالی با فراوانی بالا در استان فوجیان شناسایی شده‌اند.

توزیع فضایی NVSWI

شکل ۶ فراوانی توزیع مکانی خشکسالی‌ها را بر اساس شاخص NVSWI در دوره ۲۰۰۰ تا ۲۰۲۳ نشان می‌دهد. خشکسالی‌های متوسط ​​و شدید عمدتاً در مناطق ساحلی جنوب شرقی منطقه مورد مطالعه، به ویژه در بخش‌های جنوب شرقی SB، JB، MLB و JLB متمرکز شده‌اند. این الگوی توزیع NVSWI عموماً با نتایج حاصل از شاخص VCI سازگار است. علاوه بر این، رویدادهای خشکسالی پراکنده در سایر نقاط منطقه مورد مطالعه مشاهده می‌شود. به عنوان مثال، خشکسالی‌های خفیف در منطقه TB در سال ۲۰۰۵ ظاهر شد و یک الگوی خطی از خشکسالی‌های خفیف در منطقه MB در سال ۲۰۱۲ پدیدار شد. به طور کلی، NVSWI فراوانی نسبتاً کمی از خشکسالی‌ها را در سراسر استان فوجیان نشان می‌دهد.

شکل ۴b نسبت سالانه مناطق خشکسالی را در سطوح مختلف بر اساس شاخص NVSWI نشان می‌دهد. از سال ۲۰۰۰ تا ۲۰۲۳، بیش از ۸۶ درصد از منطقه در شرایط نرمال یا مرطوب باقی مانده است و این نسبت در سال ۲۰۰۵ تنها به ۸۲٫۵ درصد کاهش یافته است. نتایج نشان می‌دهد که طی دو دهه گذشته، استان فوجیان عموماً شرایط خشکسالی خفیفی را تجربه کرده است، به طوری که بیشتر مناطق مرطوب یا نرمال باقی مانده‌اند و وسعت مناطق مرطوب افزایش مداومی را نشان می‌دهد. با این حال، چندین سال افزایش بی‌سابقه در مناطق تحت تأثیر خشکسالی، به ویژه در سال‌های ۲۰۰۰، ۲۰۰۲، ۲۰۰۵، ۲۰۱۰ و ۲۰۱۲، وجود داشته است. به طور خاص، سال ۲۰۰۵ بیشترین مناطق تحت تأثیر خشکسالی را شامل می‌شود که ۱۷٫۵ درصد از استان را تشکیل می‌دهد و مساحت خشکسالی خفیف به ۱۸۴۲۶٫۵ کیلومتر مربع ^{می‌رسد} . به طور خلاصه، بخش‌های جنوب شرقی SB، JB، MLB و JLB و همچنین منطقه مرکزی MB، بیشتر مستعد خشکسالی هستند، در حالی که سایر حوضه‌ها شرایط خشکسالی نسبتاً ملایم‌تری را تجربه می‌کنند.

توزیع مکانی TVDIR

شکل ۷ توزیع مکانی فراوانی خشکسالی بر اساس شاخص TVDIR را در طول دوره ۲۰۰۰ تا ۲۰۲۳ نشان می‌دهد که نشان‌دهنده روند افزایش تدریجی شدت خشکسالی از شمال غربی به جنوب شرقی در استان فوجیان است. در مقایسه با فراوانی توزیع مکانی NVSWI و VCI، به نظر می‌رسد الگوی مکانی خشکسالی بر اساس TVDIR سطح خشکسالی جدی‌تری دارد. تجزیه و تحلیل آماری نشان می‌دهد که ۵۹٫۸٪ از مناطق حداقل ۵ سال خشکسالی خفیف را تجربه می‌کنند که عمدتاً در مناطق مرکزی، شمالی و غربی متمرکز است. ۳۷٫۹٪ از مناطق حداقل ۵ سال خشکسالی متوسط ​​را تجربه می‌کنند که عمدتاً در مناطق مرکزی و شرقی است. و ۱۶٫۶٪ از مناطق حداقل ۵ سال خشکسالی شدید را تجربه می‌کنند که عمدتاً در قسمت‌های جنوبی SB، JLB، JB و MLB توزیع شده است. مناطق بدون خشکسالی عمدتاً در مناطق مرکزی و شمالی، از جمله MB، JCB، HB، AB و سایر مناطق واقع شده‌اند. با ترکیب شکل‌ها. شکل ۷ با ۴ درجه سانتیگراد نشان می‌دهد که شرایط خشکسالی در منطقه مورد مطالعه طی دو دهه گذشته نوساناتی را نشان داده است. سال ۲۰۰۵ با ۷۶.۱ درصد از منطقه تحت تأثیر، بالاترین میزان را در کل دوره مطالعه داشته و خشکسالی شدید ۱۶.۳ درصد را تشکیل می‌دهد.

توزیع مکانی eTVDIR

شکل ۸ فراوانی توزیع مکانی خشکسالی‌ها را بر اساس شاخص eTVDIR از سال ۲۰۰۰ تا ۲۰۲۳ نشان می‌دهد. الگوی توزیع مکانی خشکسالی‌ها در استان فوجیان، همانطور که توسط eTVDIR رصد می‌شود، مشابه الگوی TVDI است و روند افزایش تدریجی شدت خشکسالی از شمال غربی به جنوب شرقی را نشان می‌دهد. با این حال، سطح کلی خشکسالی نسبتاً خفیف باقی مانده است. تجزیه و تحلیل آماری نشان می‌دهد که ۴۵٫۶٪ از استان حداقل ۵ سال خشکسالی خفیف را تجربه می‌کنند که عمدتاً در مناطق مرکزی، شمالی و غربی توزیع شده است. ۲۲٫۱٪ از مناطق حداقل ۵ سال خشکسالی متوسط ​​را تجربه می‌کنند که عمدتاً در مناطق ساحلی شرقی و در TB، JLB، JB و سایر مناطق متمرکز است. و ۱۱٫۳٪ از مناطق حداقل ۵ سال خشکسالی شدید را تجربه می‌کنند که عمدتاً در بخش‌های جنوبی SB، JLB جنوبی، JB و MLB است. مناطق بدون خشکسالی عمدتاً در مناطق مرکزی و شمالی مانند MB، JCB، HB، AB و سایر حوضه‌ها پراکنده هستند. با ترکیب شکل‌ها.  همانطور که در شکل‌های ۸ و ۴ د نشان داده شده است، شرایط خشکسالی در منطقه مورد مطالعه در طول سال‌ها نوسان دارد؛ با این حال، روند کلی نشان دهنده کاهش تدریجی شدت خشکسالی است. در میان این سال‌ها، سال ۲۰۰۵ با ۵۹.۵ درصد از مساحت تحت تأثیر خشکسالی، بیشترین آسیب را از خشکسالی دیده است؛ در مقابل، سال ۲۰۲۳ با کاهش ۴۴.۶ درصدی مساحت تحت تأثیر خشکسالی، کمترین آسیب را از خشکسالی دیده است.

چهار شاخص خشکسالی روندهای متفاوتی را نشان می‌دهند. VCI و NVSWI توزیع مکانی و تغییرات زمانی مشابهی را نشان می‌دهند، در حالی که هر دو به طور قابل توجهی با TVDIR و eTVDIR متفاوت هستند. TVDIR و eTVDIR روندهای ثابتی را با مقادیر کلی کمی پایین‌تر برای TVDIR نشان می‌دهند. با وجود تغییرات در روش‌های خاص تشخیص خشکسالی، هر چهار شاخص نشان می‌دهند که خشکسالی در درجه اول در قسمت جنوب شرقی منطقه مورد مطالعه، به ویژه در SB و اطراف آن، منطقه‌ای که با دشت‌ها، زمین‌های کشت شده و سطوح نفوذناپذیر، با پوشش گیاهی کم و حساسیت بالا به خشکسالی مشخص می‌شود، متمرکز است.

تحلیل روند، کاهش کلی شدت خشکسالی در منطقه مورد مطالعه از سال ۲۰۰۰ تا ۲۰۲۳، به ویژه پس از سال ۲۰۱۳ را نشان می‌دهد که با مجموعه‌ای از سیاست‌ها و پروژه‌های زیست‌محیطی ملی و منطقه‌ای که از سال ۲۰۰۰ برای افزایش پوشش گیاهی و بهبود شرایط زیست‌محیطی اجرا شده‌اند، مطابقت دارد. این بهبودها در تمام شاخص‌های خشکسالی منعکس شده است. به طور دقیق‌تر، افزایش NDVI و VCI نشان‌دهنده بهبود پوشش گیاهی و کاهش دمای سطح است که به طور مثبت بر NVSWI، TVDIR و eTVDIR تأثیر می‌گذارد و در نتیجه شرایط زیست‌محیطی را بهبود می‌بخشد.

از آنجایی که استان فوجیان در منطقه‌ای مرطوب در امتداد ساحل جنوب شرقی چین واقع شده است، مطالعات متمرکز بر خشکسالی در این منطقه نسبتاً محدود است. با این وجود، چندین محقق با استفاده از شاخص‌های خشکسالی هواشناسی مانند شاخص استاندارد شده بارش، تبخیر و تعرق (SPEI) تجزیه و تحلیل‌هایی از ویژگی‌های خشکسالی در فوجیان انجام داده‌اند. یافته‌های آنها به طور کلی نشان می‌دهد که بخش جنوب شرقی فوجیان در مقایسه با سایر مناطق، خشکسالی‌های مکرر و شدیدتری را تجربه می‌کند و به ویژه مستعد انتقال سریع بین شرایط خشکسالی و سیل است ^{۴۸ ، ۴۹٫} این نتیجه‌گیری با توزیع مکانی خشکسالی که توسط چهار شاخص به کار رفته در این مطالعه نشان داده شده است، سازگار است، که همچنین نشان می‌دهد خشکسالی در فوجیان در درجه اول در مناطق ساحلی جنوب شرقی متمرکز است.

تغییر زمانی شاخص خشکسالی

برای تحلیل روند خشکسالی از سال ۲۰۰۰ تا ۲۰۲۳، از تخمین شیب تیل-سن و آزمون من-کندال استفاده می‌کنیم. بر اساس شیب و معناداری (|z|)، روندهای خشکسالی به پنج دسته طبقه‌بندی می‌شوند: کاهش معنادار (شیب < ۰، |z| > ۱.۹۶)، کاهش ناچیز (شیب < ۰، |z| ≤ ۱.۹۶)، بدون روند (شیب = ۰)، افزایش معنادار (شیب > ۰، |z| > ۱.۹۶) و افزایش ناچیز (شیب > ۰، |z| ≤ ۱.۹۶). شکل ۹ توزیع شیب را نشان می‌دهد و دو الگوی متمایز تغییرات خشکسالی را آشکار می‌کند. قابل توجه است که شاخص‌های NVSWI و VCI کاهش گسترده خشکسالی را در تمام حوضه‌ها نشان می‌دهند. مناطقی که روند افزایشی دارند، ۸۹.۵٪ (VCI) و ۸۸.۲٪ (NVSWI) از منطقه مورد مطالعه را تشکیل می‌دهند، که نسبت مناطق با افزایش قابل توجه به ترتیب ۴۸.۷٪ و ۴۵.۵٪ است. حتی کمترین بهبود سطح حوضه از ۷۰٪ فراتر رفت (به عنوان مثال، SB با ۵۴.۵٪ افزایش قابل توجه NVSWI را نشان می‌دهد)، در حالی که بالاترین میزان به ۹۵.۱٪ رسید (JCB با ۸۰.۹٪ افزایش قابل توجه VCI).

در همین حال، نسبت مناطقی که روند نزولی در هر شاخص خشکسالی نشان می‌دهند، زیر ۱۲ درصد باقی مانده است که این امر بهبود کلی قابل توجهی را در شرایط خشکسالی از سال ۲۰۰۰ تا ۲۰۲۳ تأیید می‌کند. به عنوان مثال، TVDIR و eTVDIR به ترتیب در ۵۸.۲٪ و ۶۵.۷٪ از منطقه مورد مطالعه روند افزایشی را نشان می‌دهند، که افزایش قابل توجهی در ۷.۴٪ و ۲۰.۲٪ از مناطق مشاهده می‌شود. در مقابل، کاهش در ۳۷.۰٪ (TVDIR) و ۲۲.۳٪ (eTVDIR) از مناطق مشاهده می‌شود که کاهش قابل توجه آن فقط به ۲.۱٪ و ۱.۷٪ محدود می‌شود که عمدتاً در مناطق مصبی MB و EB متمرکز است.

به طور کلی، تحلیل روند چهار شاخص، تغییراتی را در مقیاس، پایداری و توزیع مکانی تغییرات خشکسالی نشان می‌دهد. با این وجود، بهبود آشکاری در شرایط خشکسالی، به ویژه در مناطقی مانند TB، JCB، HB و MLB، مشهود است که می‌توان آن را به تلاش‌های مداوم حفاظت از محیط زیست و احیای آن نسبت داد. با این حال، شرایط خشکسالی در مناطقی که تحت گسترش شهری یا توسعه کشاورزی قرار دارند، بدتر شده است، که نشان می‌دهد فعالیت‌های مداوم انسانی می‌تواند بر محیط زیست محلی فشار وارد کند.

واکنش خشکسالی به تغییرات اقلیمی

بارش مستقیماً ورودی آب منطقه‌ای را تعیین می‌کند و به عنوان یک شاخص کلیدی برای شرایط مرطوب یا خشک عمل می‌کند. در عین حال، دما با کنترل تبخیر و تعرق، بر رطوبت خاک و تعادل آب پوشش گیاهی تأثیر می‌گذارد و به طور غیرمستقیم بر پویایی خشکسالی تأثیر می‌گذارد. سایر عوامل هواشناسی، مانند سرعت باد، رطوبت و تابش خورشیدی، نیز می‌توانند بر خشکسالی تأثیر بگذارند، اما تأثیرات آنها عموماً ثانویه یا غیرمستقیم است و در مقیاس‌های مکانی بزرگ یا زمانی طولانی کمتر مشهود است. بنابراین، این مطالعه بر بارش و دما به عنوان متغیرهای اصلی برای تجزیه و تحلیل پاسخ‌های شاخص خشکسالی به تغییرات آب و هوایی تمرکز دارد، که مکانیسم‌های فیزیکی غالب را در نظر می‌گیرد و در عین حال عدم قطعیت‌ها و افزونگی را به حداقل می‌رساند و در نتیجه قابلیت تفسیر و کاربرد نتایج را افزایش می‌دهد.

واکنش شاخص خشکسالی به دما

طبق معادله  ۱۷ ، ضرایب همبستگی جزئی بین میانگین سالانه هر شاخص خشکسالی و میانگین دمای سالانه را با استفاده از بارندگی سالانه به عنوان متغیر کنترل محاسبه می‌کنیم. توزیع مکانی پاسخ‌های شاخص خشکسالی به تغییرات دما، و همچنین نتایج آماری برای هر منطقه آب و هوایی، در شکل‌های  ۱۰ و ۱۱ ارائه شده است . نتایج نشان می‌دهد که VCI در ۵۰٫۸٪ از منطقه مورد مطالعه همبستگی مثبت معنی‌داری با دما نشان می‌دهد ( P  < 0.05)، که تقریباً تمام حوضه‌ها را پوشش می‌دهد. اگرچه مناطق باقی مانده به اهمیت آماری نمی‌رسند، اما عموماً همبستگی مثبتی نشان می‌دهند. NVSWI الگوی مکانی مشابهی را نشان می‌دهد، به طوری که ۵۰٫۴٪ از منطقه همبستگی مثبت معنی‌داری با دما نشان می‌دهد. در مقابل، TVDIR رابطه ضعیف‌تری با دما نشان می‌دهد و تنها یک منطقه همبستگی مثبت معنی‌دار را نشان می‌دهد که ۱۵٫۵٪ را تشکیل می‌دهد، که عمدتاً در مناطق TB، JLB و MLB واقع شده است. مناطقی با همبستگی منفی معنی‌دار تنها ۱٫۸٪ را تشکیل می‌دهند که عمدتاً در حوضه‌های EB و JCB متمرکز هستند.

تجزیه و تحلیل بیشتر این دو حوضه تأیید می‌کند که شاخص‌های خشکسالی عمدتاً با دما همبستگی منفی دارند. برخی از مناطق در SB نیز روند منفی را نشان می‌دهند، در حالی که اکثر حوضه‌های دیگر عمدتاً با دما همبستگی مثبت دارند. ویژگی‌های همبستگی eTVDIR عموماً با ویژگی‌های TVDIR سازگار است. با این حال، نسبت مناطق با همبستگی مثبت قابل توجه به ۱۷٫۷٪ افزایش می‌یابد و نسبت مناطق با همبستگی منفی قابل توجه کمی به ۲٫۰٪ افزایش می‌یابد. شایان ذکر است که در حوضه JCB، الگوی همبستگی از عمدتاً منفی در TVDIR به ترکیبی از مثبت و منفی در eTVDIR تغییر می‌کند، اگرچه همبستگی از نظر آماری ناچیز است. به طور کلی، اکثر حوضه‌های منطقه مورد مطالعه همبستگی مثبت نسبتاً ثابت و قابل توجهی بین شاخص‌های خشکسالی و دما نشان می‌دهند، که نشان می‌دهد افزایش دما ممکن است تا حدی به کاهش شرایط خشکسالی کمک کند. این پدیده ممکن است ارتباط نزدیکی با ویژگی اقلیمی “گرما و رطوبت هماهنگ” در استان فوجیان داشته باشد.

واکنش شاخص خشکسالی به بارش

طبق معادله  ۱۷ ، ضرایب همبستگی جزئی بین مقادیر میانگین سالانه چهار شاخص خشکسالی و بارندگی سالانه با استفاده از میانگین دمای سالانه به عنوان متغیر کنترل محاسبه می‌شوند. توزیع مکانی پاسخ شاخص‌های خشکسالی به تغییرات بارندگی، همراه با نتایج آماری برای مناطق مختلف آب و هوایی، در شکل‌های  ۱۲ و ۱۳ ارائه شده است . همبستگی‌های جزئی بین شاخص‌های خشکسالی و بارندگی را می‌توان به طور کلی به دو گروه طبقه‌بندی کرد. گروه اول، شامل VCI و NVSWI، عمدتاً با بارندگی همبستگی منفی دارند. به عنوان مثال، VCI در ۱۷٫۰٪ از منطقه ( P  < 0.05) همبستگی منفی معنی‌داری را نشان می‌دهد که عمدتاً در مناطق MB، TB و JLB واقع شده است. گذشته از برخی مناطق با همبستگی مثبت در SB، اکثر مناطق باقیمانده همبستگی منفی ضعیفی را نشان می‌دهند. NVSWI الگوی مکانی مشابهی را نشان می‌دهد، با همبستگی‌های منفی معنی‌دار مشاهده شده در ۱۶٫۷٪ از منطقه، که با توزیع VCI سازگار است. گروه دوم، که توسط TVDIR و eTVDIR نشان داده می‌شود، عمدتاً با بارندگی همبستگی مثبت دارد. TVDIR همبستگی مثبت و معنی‌داری را در ۱۲.۳٪ از منطقه نشان می‌دهد، در حالی که eTVDIR ۱۰.۴٪ را تشکیل می‌دهد و هر دو شاخص عمدتاً در مناطق MB و TB متمرکز هستند.

تعداد محدودی از مناطق، همبستگی‌های منفی را نشان می‌دهند که عمدتاً در امتداد مرزهای MB، JB و MLB قرار دارند. تجزیه و تحلیل آماری بر اساس منطقه آب و هوایی، الگوهای همبستگی متفاوتی از تغییرات منطقه‌ای را برای گروه دوم شاخص‌ها نشان می‌دهد. مناطق AB، EB، JB، MLB و SB تمایل به نشان دادن همبستگی‌های منفی دارند، در حالی که مناطق MB، JLB، HB و TB درجه خاصی از همبستگی مثبت را نشان می‌دهند. این یافته‌ها نشان می‌دهد که بارندگی بر تغییرات شاخص‌های خشکسالی تأثیر می‌گذارد. با این حال، میزان و جهت این تأثیر به دلیل تفاوت در مکانیسم‌های محاسباتی اساسی آنها، در بین شاخص‌ها تفاوت قابل توجهی دارد.

واکنش شاخص خشکسالی به تغییرات اقلیمی

در زمینه گرمایش جهانی، انتظار می‌رود خشکسالی‌های ناشی از تغییرات اقلیمی به طور فزاینده‌ای افزایش یابد و تهدیدی جدی برای محیط زیست باشد. برای بررسی همبستگی بین هر شاخص خشکسالی و عوامل هواشناسی، از داده‌های بارش و میانگین دمای ماهانه برای محاسبه بارش سالانه و میانگین دمای سالانه ۱۰ زیرمنطقه (منطقه OB به دلیل مساحت کم آن در نظر گرفته نشده است) در دوره ۲۰۰۰-۲۰۲۳ استفاده می‌کنیم و ضریب همبستگی پیرسون را بین شاخص میانگین سالانه هر شاخص و بارش و دمای سالانه، همانطور که در شکل ۱۴ نشان داده شده است، محاسبه می‌کنیم . در میان آنها، نمودار میله‌ای نشان دهنده بارش سالانه (آبی روشن) و میانگین دمای سالانه (سبز روشن) است و نمودار خطی نشان دهنده مقادیر میانگین سالانه چهار شاخص خشکسالی است.

از روند کلی، مقادیر NVSWI در بیشتر مناطق پایدار و بالا هستند و معمولاً بالای ۰٫۷ نگه داشته می‌شوند که نشان می‌دهد این شاخص نسبت به نوسانات اقلیمی بین سالانه حساسیت کمتری دارد و ثبات بالایی را نشان می‌دهد. در مقابل، eTVDIR به طور قابل توجهی نوسان دارد و کاهش قابل توجهی را تجربه می‌کند، به ویژه در سال‌های خاص (مانند حدود سال‌های ۲۰۰۳، ۲۰۰۹ و ۲۰۱۸)، که نشان می‌دهد این شاخص در برابر رویدادهای شدید اقلیمی آسیب‌پذیر است. علاوه بر این، VCI و TVDIR در مناطق مختلف عملکرد کاملاً متفاوتی را نشان می‌دهند و روند نوسانات عوامل اقلیمی در برخی سال‌ها نسبتاً ثابت است. از منظر عوامل اقلیمی، نوسانات بین سالانه دما و بارندگی بین مناطق مختلف آشکار است.

برای مثال، میزان بارندگی سالانه در مناطق MLB و SB نوسانات زیادی دارد که ممکن است مربوط به توپوگرافی و تأثیر باران‌های موسمی منطقه باشد. در مناطقی مانند JLB و JB، تغییرات در عوامل اقلیمی نسبتاً پایدار است. eTVDIR در کنار شاخص خشکسالی، همزمان با بارندگی تغییر می‌کند و عموماً در سال‌های خشکسالی (مانند سال‌های ۲۰۱۱ و ۲۰۱۸) روند نزولی نشان می‌دهد که نشان می‌دهد eTVDIR واکنش شدیدی به تنش آبی دارد. به طور خلاصه، تفاوت‌های منطقه‌ای در واکنش هر شاخص خشکسالی به عوامل اقلیمی وجود دارد. NVSWI پایداری خوبی از خود نشان می‌دهد و برای پایش خشکسالی بلندمدت مناسب است، در حالی که eTVDIR به تغییرات بین سالانه حساس است و برای شناسایی رویدادهای ناگهانی خشکسالی مناسب است. عملکرد متوسط ​​بین VCI و TVDIR ممکن است برای استفاده به عنوان یک شاخص ارزیابی جامع مناسب باشد.

در پس‌زمینه گرمایش جهانی، رویدادهای خشکسالی ناشی از تغییرات اقلیمی روندهایی با افزایش فراوانی، گسترش دامنه تأثیر و طولانی شدن مدت زمان را نشان می‌دهند و در نتیجه چالش‌های جدی را برای پایداری اکوسیستم و توسعه پایدار منطقه‌ای ایجاد می‌کنند . ^۵۰ نتایج تجزیه و تحلیل داده‌های اقلیمی در استان فوجیان از سال ۲۰۰۰ تا ۲۰۲۳ نشان می‌دهد که میانگین دمای سالانه، توزیع مکانی با مشخصه افزایش تدریجی از شمال غربی به جنوب شرقی را نشان می‌دهد، در حالی که بارندگی سالانه روند معکوسی را نشان می‌دهد، یعنی منطقه شمال غربی بارندگی بیشتری نسبت به مناطق ساحلی جنوب شرقی دارد. این الگوی توزیع با نتایج پایش مکانی (شکل ۱۵ ) همسو است و نشان می‌دهد که به دلیل دمای بالا و بارندگی نسبتاً کم، SB، JLB جنوبی، JB جنوبی و MLB به طور مداوم شاخص‌های خشکسالی بالایی را نشان می‌دهند.

این نشان می‌دهد که این مناطق در طول دو دهه گذشته رویدادهای خشکسالی منطقه‌ای نسبتاً مکرری را تجربه کرده‌اند. حساسیت به خشکسالی در مناطق ذکر شده در بالا را می‌توان به دو عامل اصلی آب و هوایی نسبت داد: از یک سو، دمای بالاتر، میزان تبخیر سطحی و تعرق پوشش گیاهی را افزایش می‌دهد و مصرف رطوبت خاک را تشدید می‌کند؛ از سوی دیگر، تداوم بارندگی کم، نمی‌تواند به طور مؤثر ذخایر رطوبت خاک را دوباره پر کند و کمبود آب را تشدید می‌کند. این ترکیب اقلیمی «دمای بالا-بارش کم» به مکانیسم اصلی محرک خشکسالی‌های منطقه‌ای مکرر تبدیل شده است.

از منظر روند تغییرات، میانگین دمای سالانه در استان فوجیان از سال ۲۰۰۰ تا ۲۰۲۳ به طور مداوم در حال افزایش بوده است، در حالی که میزان بارندگی سالانه به طور کلی تغییر چندانی نکرده است، اگرچه نوسانات بین سالانه خاصی وجود دارد (شکل ۱۶ ). با این حال، از نتایج پایش شاخص‌های خشکسالی، افزایش تدریجی دما منجر به افزایش درجه خشکسالی نشده است. در عوض، ممکن است رشد پوشش گیاهی را تا حدی افزایش داده و باعث افزایش شاخص خشکسالی ^{۵۱ ، ۵۲} شده باشد. میانگین بارندگی سالانه در حوضه‌های اصلی رودخانه‌های استان فوجیان عموماً بالای ۱۰۰۰ میلی‌متر است. حتی اگر یک فرآیند خشکسالی طولانی مدت رخ دهد، اغلب با بارندگی کافی در دوره بعدی جبران می‌شود. به ندرت پیش می‌آید که بیش از نیمی از سال در استان فوجیان باران نبارد. بنابراین، خشکسالی در استان فوجیان عمدتاً فصلی است و درجه کلی خشکسالی در مقیاس سالانه نسبتاً کم است. علاوه بر این، از منظر تغییرات اقلیمی، SB، JLB جنوبی، JB جنوبی و MLB را می‌توان به عنوان مناطق پرخطر برای خشکسالی در استان فوجیان در نظر گرفت. در نتیجه، تقویت ساختار نظارت بر خشکسالی و مکانیسم‌های هشدار ریسک در چنین مناطقی برای افزایش تاب‌آوری و سازگاری کلی با آب و هوا ضروری است.

تحلیل تأثیر انواع سطوح زیرین بر خشکسالی

تأثیر پوشش زمین بر خشکسالی

کاربری/پوشش زمین (LULC) نقش مهمی در تأثیرگذاری بر شدت و توزیع مکانی خشکسالی ایفا می‌کند. همانطور که در شکل ۱۷ نشان داده شده است ، میانگین مقادیر شاخص خشکسالی در انواع مختلف LULC به طور قابل توجهی متفاوت است. به طور کلی، جنگل‌ها و بوته‌زارها بالاترین مقادیر شاخص خشکسالی را نشان می‌دهند که نشان‌دهنده مقاومت بیشتر در برابر خشکسالی است و پس از آن مراتع قرار دارند. در مقابل، سطوح نفوذناپذیر و زمین‌های بایر کمترین مقادیر را نشان می‌دهند که نشان‌دهنده حساسیت بیشتر به شرایط خشکسالی در مقایسه با سایر انواع LULC است.

به طور خاص، در مناطق جنگلی و سطوح نفوذناپذیر، شاخص‌های خشکسالی از الگوی ثابتی از VCI ≈ NVSWI > eTVDIR > TVDIR پیروی می‌کنند. در زمین‌های زراعی، مقادیر VCI و NVSWI به طور قابل توجهی بالاتر از مقادیر eTVDIR و TVDIR هستند. تقریباً همه انواع پوشش زمین، eTVDIR و TVDIR مقادیر نسبتاً پایینی را حفظ می‌کنند، به جز زمین‌های بایر، که مقادیر TVDIR در سال‌های ۲۰۰۵، ۲۰۱۰ و ۲۰۲۰ به طور قابل توجهی بالاتر است. نتایج فوق نشان می‌دهد که جنگل‌ها مقاومت بیشتری در برابر خشکسالی نشان می‌دهند، در حالی که زمین‌های زراعی، زمین‌های بایر و سطوح نفوذناپذیر بیشتر مستعد خشکسالی هستند، که با یافته‌های مطالعات قبلی ^{۵۳ ، ۵۴} سازگار است . مناطق کشاورزی به شدت تحت تأثیر فعالیت‌های انسانی هستند، معمولاً پوشش گیاهی کمی دارند و بنابراین در برابر خشکسالی آسیب‌پذیر هستند. از یک طرف، افزایش تبخیر و تعرق مرتبط با فعالیت‌های کشاورزی و قرار گرفتن در معرض سطح در طول دوره برداشت، خطر خشکسالی را تشدید می‌کند. از سوی دیگر، زمین‌های کشاورزی واقع در دامنه تپه‌ها یا شیب‌ها ممکن است به دلیل آشفتگی کشاورزی، فرسایش خاک تشدید شده‌ای را تجربه کنند که این امر حساسیت به خشکسالی را بیشتر می‌کند.

در مقابل، مقادیر پایین و مداوم شاخص خشکسالی مشاهده شده در زمین‌های بایر و سطوح نفوذناپذیر، در درجه اول به پوشش گیاهی کم و ظرفیت ضعیف حفظ رطوبت خاک نسبت داده می‌شود. بنابراین، تجزیه و تحلیل نشان می‌دهد که انواع مختلف LULC حساسیت‌های خشکسالی متمایزی را نشان می‌دهند که اهمیت در نظر گرفتن ویژگی‌های پوشش زمین در ارزیابی ریسک خشکسالی را برجسته می‌کند. علاوه بر این ، ^۵۵ اشاره کرد که انواع کاربری زمین تأثیر قابل توجهی بر میزان شاخص‌های خشکسالی دارند، که نشان می‌دهد فعالیت‌های انسانی و ویژگی‌های پوشش زمین نقش مهمی در تغییرپذیری مکانی شرایط خشکسالی دارند. این یافته‌ها در مجموع، ثبات و استحکام ادغام داده‌های سنجش از دور و هواشناسی چند منبعی را برای پایش خشکسالی در مناطق مرطوب مانند فوجیان تأیید می‌کنند.

تأثیر خاک بر خشکسالی

خاک به عنوان جزء اساسی زمین عمل می‌کند و محیطی برای رشد گیاهان و همچنین آب و مواد مغذی ضروری فراهم می‌کند ^۵۶٫ با توجه به تغییرات در ترکیب ساختاری، اندازه ذرات و ظرفیت نگهداری آب، انواع مختلف خاک پاسخ‌ها و سطوح مقاومت متفاوتی را در برابر خشکسالی نشان می‌دهند ^۵۷٫ همانطور که در شکل ۱۸ نشان داده شده است ، مقادیر میانگین شاخص خشکسالی در انواع خاک به طور قابل توجهی متفاوت است. اختصارات در شکل ۱۸ نشان دهنده محتویات زیر است: آکریسول‌ها (AC)، آلیسول‌ها (AL)، آنتروسول‌ها (AT)، کامبیسول‌ها (CM)، رگوسول‌ها (RG)، لوویسول‌ها (LV)، گلیسول‌ها (GL)، سولونچاک‌ها (SC)، لپتوسول‌ها (LP)، فلوویسول‌ها (FL) و آرنوسول‌ها (AR). خاک‌های اسیدی بسیار فعال و خاک‌های با آبشویی بسیار فعال، به طور کلی مقادیر شاخص خشکسالی بالایی را نشان می‌دهند، به ویژه برای TVDIR و eTVDIR، که نشان می‌دهد این نوع خاک‌ها به راحتی به عنوان منطقه خشکسالی شناخته می‌شوند. برعکس، خاک‌هایی مانند خاک آبرفتی، خاک شنی، خاک شور و خاک مصنوعی مقادیر پایینی را در تمام شاخص‌های خشکسالی نشان می‌دهند که نشان‌دهنده حساسیت بیشتر به خشکسالی است.

به طور کلی، شاخص‌های VCI و NVSWI در مقایسه با TVDIR و eTVDIR تمایل به نشان دادن مقادیر بالاتری دارند که نشان می‌دهد شاخص‌های مختلف خشکسالی به طور متغیری به خواص خاک واکنش نشان می‌دهند. از دیدگاه سنگ‌شناسی، خاک‌های مشتق شده از رسوبات سست (مانند UF/UM، UM، UF) معمولاً مقادیر شاخص خشکسالی پایینی را نشان می‌دهند که نشان‌دهنده ظرفیت محدود نگهداری آب و مقاومت ضعیف آنها در برابر خشکسالی است. آکریسول‌ها (AC) که به طور گسترده در استان فوجیان توزیع شده‌اند، تمایل به نشان دادن مقادیر متوسط ​​تا بالای همه شاخص‌های خشکسالی دارند که نشان‌دهنده مقاومت نسبتاً قوی آنها در برابر خشکسالی است. نکته قابل توجه این است که مقادیر چهار شاخص برای خاک‌های AL و LV بسیار بالا است و این مشاهده را تقویت می‌کند که این خاک‌ها نسبت به شرایط خشکسالی حساس‌تر هستند. در مقابل، انواع خاک مانند SC، AT و FL مقادیر پایینی را نشان می‌دهند که نشان‌دهنده آسیب‌پذیری بالای آنها در برابر خشکسالی است. این یافته‌ها تأکید می‌کنند که نوع خاک تأثیر قابل توجهی بر پویایی خشکسالی دارد. بنابراین، درک جامع از ویژگی‌های خاک برای افزایش دقت سیستم‌های پایش خشکسالی و بهبود استراتژی‌های ارزیابی ریسک ضروری است.

تأثیر سنگ‌شناسی بر خشکسالی

شکل ۱۹ مقادیر میانگین شاخص خشکسالی را برای انواع مختلف سنگ نشان می‌دهد و تأثیر ویژگی‌های سنگ‌شناسی بر حساسیت به خشکسالی را برجسته می‌کند. اختصارات در شکل ۱۹ نشان‌دهنده مطالب زیر است: سنگ آذرین اسیدی (IA)، سنگ دگرگونی اسیدی (MA)، سنگ رسوبی آواری (SC)، سنگ آذرین آذرآواری (IP)، سنگ آذرین بازیک (IB)، رودخانه‌ای (UF)، سنگ دگرگونی بازیک (MB)، سنگ رسوبی آلی (SO)، مناطق شهری (UR)، دریایی (UM)، بادی (UE)، رودخانه‌ای/دریایی (UF/UM). سنگ‌شناسی سنگ بستر به طور قابل توجهی ترکیب ساختاری، تخلخل و نفوذپذیری لایه هوازدگی رویی (از جمله پوسته هوازدگی) را تعیین می‌کند، که به نوبه خود ظرفیت نگهداری آب و ویژگی‌های حفظ رطوبت خاک را تعیین می‌کند ^۵۸٫ به طور کلی، مناطقی که در زیر آنها سنگ‌شناسی‌های متراکم‌تر و کم‌نفوذتر قرار دارند، تمایل دارند رطوبت را در لایه هوازدگی به طور مؤثرتری حفظ کنند، بنابراین مقاومت بیشتری در برابر خشکسالی نشان می‌دهند. برعکس، سنگ‌شناسی‌هایی که با نفوذپذیری و تخلخل بالا مشخص می‌شوند، بیشتر مستعد از دست دادن رطوبت هستند که می‌تواند منجر به حفظ ضعیف آب و افزایش خطر خشکسالی شود.

رسوبات غیر یکپارچه، مانند UF/UM، UM و UF، مقادیر خشکسالی قابل توجهی پایین‌تری را در مقایسه با سایر انواع سنگ‌شناسی نشان می‌دهند که نشان می‌دهد این مناطق در برابر خشکسالی آسیب‌پذیرتر هستند. این سنگ‌شناسی‌ها معمولاً از فرآیندهای رسوبی رودخانه‌ای یا دریایی سرچشمه می‌گیرند و از ذرات غیر یکپارچه تشکیل شده‌اند. اگرچه نفوذپذیری سطحی بالایی دارند، اما ظرفیت محدود آنها برای حفظ آب منجر به نفوذ سریع و تبخیر بین وقایع بارندگی می‌شود. در نتیجه، پوشش گیاهی سطحی اغلب با کمبود آب مواجه می‌شود و در نتیجه فراوانی خشکسالی‌ها افزایش می‌یابد. علاوه بر این، چنین مناطق رسوبی معمولاً کم‌ارتفاع با حداقل تغییرات توپوگرافی هستند. در حالی که تجمع آب زمانی ممکن است پس از بارندگی شدید رخ دهد، عدم توانایی در حفظ رطوبت در منطقه ریشه در طول زمان از دسترسی پایدار به آب برای رشد گیاه جلوگیری می‌کند و در نتیجه خطر خشکسالی را تشدید می‌کند. در نتیجه، توزیع مکانی انواع سنگ‌شناسی نه تنها به طور مستقیم بر انتقال آب در سیستم خاک-سنگ تأثیر می‌گذارد، بلکه به طور غیرمستقیم پاسخ خشکسالی پوشش گیاهی منطقه‌ای را نیز تعیین می‌کند. بنابراین، مناطقی که تحت سلطه رسوبات غیر یکپارچه هستند، نیاز به نگرانی‌های گسترده‌تری در برنامه‌ریزی کاربری زمین و تلاش‌های ارزیابی ریسک خشکسالی دارند.

تأثیر انواع شکل زمین بر خشکسالی

مطالعات قبلی تأیید کرده‌اند که انواع شکل زمین ارتباط نزدیکی با وقوع خشکسالی دارند، زیرا بر هیدرولوژی سطح، ساختار خاک و توزیع پوشش گیاهی تأثیر می‌گذارند ^{۵ ، ۵۹٫} شکل ۲۰ آمار مقادیر شاخص خشکسالی را تحت انواع مختلف شکل زمین ارائه می‌دهد. اختصارات موجود در شکل ۲۰ نشان دهنده مطالب زیر است: کوه با شیب زیاد (TM)، تپه با شیب متوسط ​​(SH)، دشت (LP)، کوه با شیب متوسط ​​(SM)، تپه با شیب زیاد (TH) و خاک‌های لوویسول (SP).

کوه‌های مرتفع به طور گسترده در استان فوجیان پراکنده شده‌اند، کوه‌های با شیب تند عمدتاً در مناطق شمال غربی و مرکزی واقع شده‌اند و دشت‌ها عمدتاً در مناطق ساحلی شرقی و جنوب شرقی واقع شده‌اند. طبق میانگین مقادیر شاخص خشکسالی نشان داده شده در شکل ۲۰ ، مناطق دشتی معمولاً مقادیر کمتری را نشان می‌دهند، در حالی که مقادیر بالاتر عمدتاً در مناطق کوهستانی شیب‌دار متمرکز شده‌اند. به طور کلی، زمین‌های شیب‌دار به دلیل فرسایش خاک و احتباس ضعیف آب، خطر خشکسالی بالایی دارند. با این حال، به دلیل پوشش گیاهی گسترده در استان فوجیان، مناطق کوهستانی و تپه‌ای هنوز هم می‌توانند یک سیستم پوشش گیاهی-خاک مطلوب را حفظ کنند و به حفظ رطوبت خاک و کاهش اثرات خشکسالی کمک کنند.

در مقابل، اگرچه دشت‌ها زمین‌های مسطح‌تری دارند، اما در معرض فعالیت‌های شدید انسانی مانند توسعه شهری و تولید کشاورزی قرار دارند. این اختلالات منجر به از بین رفتن پوشش گیاهی، تخریب ساختار خاک و افزایش سطوح نفوذناپذیر شده است که همگی به طور قابل توجهی ظرفیت نگهداری آب طبیعی را کاهش می‌دهند. علاوه بر این، دشت‌های ساحلی اغلب دمای بالا و بارندگی محدود را تجربه می‌کنند که شرایط خشکسالی را تشدید می‌کند. انواع مختلف شکل زمین حساسیت‌های متفاوتی نسبت به خشکسالی نشان می‌دهند. مناطق کوهستانی در فوجیان، که توسط پوشش گیاهی قوی پشتیبانی می‌شوند، معمولاً مقاومت بهتری در برابر خشکسالی نشان می‌دهند، در حالی که دشت‌ها، که تحت تأثیر فعالیت‌های انسانی و شرایط نامساعد آب و هوایی قرار دارند، بیشتر در معرض خشکسالی هستند و نیاز به توجه متمرکز در برنامه‌ریزی کاربری زمین و مدیریت ریسک خشکسالی دارند.

تحلیل عوامل مؤثر بر خشکسالی

تحلیل تأثیر عوامل تشخیص

همانطور که در شکل ۲۱ نشان داده شده است ، نوع کاربری زمین (X9 ₎ ، نوع ژئومورفولوژی (X6 ₎ و ارتفاع (X3 ₎ قدرت توضیحی قوی برای VCI و NVSWI نشان می‌دهند، با مقادیر q برابر با ۰٫۳۳، ۰٫۲۴ و ۰٫۲۰ برای VCI و ۰٫۴۵، ۰٫۳۳ و ۰٫۲۶ برای NVSWI، که همگی بیش از ۲۰٪ هستند. در مقابل، دما (X1 ₎ و جهت (X5 ₎ قدرت توضیحی نسبتاً ضعیفی برای VCI و NVSWI نشان می‌دهند، هر دو با مقادیر q کمتر از ۰٫۰۵٫ این نشان می‌دهد که نوع کاربری زمین (X9 ₎ ، نوع ژئومورفولوژی (X6 ₎ و ارتفاع (X3 ₎ عوامل غالب مؤثر بر تغییرات مکانی VCI و NVSWI هستند.

برای TVDI و eTVDI، ارتفاع (X3 ₎ ، دما (X1 ₎ و بارندگی (X2 ₎ قدرت توضیحی بالاتری را نشان می‌دهند، با مقادیر q برابر با ۰٫۴۸، ۰٫۴۷ و ۰٫۳۱ برای TVDI و ۰٫۵۵، ۰٫۴۶ و ۰٫۳۳ برای eTVDI، با میانگین قدرت توضیحی بیش از ۳۰٪. شیب (X4 ₎ و جهت (X5 ₎ مقادیر q پایینی را برای TVDI و eTVDI نشان می‌دهند که هر دو کمتر از ۰٫۱ هستند. این نشان می‌دهد که ارتفاع (X3 ₎ ، دما (X1 ₎ و بارندگی (X2 ₎ عوامل کلیدی محرک تغییرات مکانی TVDI و eTVDI هستند.

تحلیل تعامل عوامل محرک

نوع کاربری زمین (X9 ₎ به تنهایی ۰٫۳۳ از تغییرات VCI را توضیح داد، اما هنگامی که با عوامل دیگر ترکیب شد، اثر افزایشی دو عاملی قابل توجهی را نشان داد. به عنوان مثال، نوع کاربری زمین (X9 ₎ (۰٫۳۳) ∩ نوع ژئومورفولوژیکی (X6 ₎ (۰٫۲۴) = ۰٫۴۱، ∩ بارندگی (X2 ₎ (۰٫۱۸) = ۰٫۴۱ و ∩ ارتفاع (X3 ₎ (۰٫۲۰) = ۰٫۴۰ (شکل  ۲۲ الف).

مشابه VCI، نوع کاربری زمین (X9 ₎ عامل اصلی توضیح دهنده تغییرات پویای NVSWI (0.45) بود. تعاملات آن با اکثر عوامل دیگر، قدرت توضیحی را بیشتر افزایش داد، تقریباً همه آنها از ۰٫۵ فراتر رفتند. به عنوان مثال، نوع ژئومورفولوژیکی (X6 ₎ (۰٫۳۳) ∩ ارتفاع (X3 ₎ (۰٫۲۶) = ۰٫۴۲، که نشان می‌دهد تعامل بین نوع ژئومورفولوژیکی (X6 ₎ و ارتفاع (X3 ₎ قدرت توضیحی را افزایش می‌دهد (شکل  ۲۲ ب).

دما (X1 ₎ و ارتفاع (X3 ₎ دو عامل تأثیرگذار در توضیح TVDI و eTVDI بودند که همچنین اثر تقویت دو عاملی قوی را نشان دادند. تعاملات آنها با سایر عوامل به طور قابل توجهی قدرت توضیحی را افزایش داد. به طور خاص، تعامل بین دما (X1 ₎ و ارتفاع (X3 ₎ مقدار q را به بالای ۰٫۷۰ افزایش داد، در حالی که تعامل بین ارتفاع (X3 ₎ و سنگ شناسی (X8 ₎ نیز مقدار q را افزایش داد. علاوه بر این، تعامل بین بارندگی (X2 ₎ و ارتفاع (X3 ₎ مقدار q را بیش از ۰٫۳۲ افزایش داد، که نشان می‌دهد ترکیب آنها به طور قابل توجهی توانایی توضیحی را افزایش می‌دهد (شکل‌های  ۲۲ c و d). بنابراین، تأثیر هر عامل بر شاخص‌های خشکسالی مستقل نیست، بلکه ناشی از اثرات تعاملی و ترکیبی آنهاست.

بحث در مورد کاربرد شاخص‌ها

بر اساس نتایج پایش چهار شاخص خشکسالی در استان فوجیان، می‌توان مشاهده کرد که VCI و NVSWI تا حدودی شدت خشکسالی را کمتر از حد واقعی تخمین می‌زنند. در مناطق تپه‌ای و کوهستانی شمال شرقی فوجیان، مانند حوضه‌های MB، TB و JCB، حساسیت VCI و NVSWI به خشکسالی کمتر از مناطق ساحلی جنوب شرقی، مانند حوضه SB است. در مقابل، TVDI و eTVDI شدت خشکسالی را در استان فوجیان بیش از حد واقعی تخمین می‌زنند، که این بیش از حد بودن عمدتاً در حوضه‌های ساحلی جنوب شرقی، از جمله SB و MLB، متمرکز است.

بر اساس تحلیل فوق، می‌توان نتیجه گرفت که در استان فوجیان، VCI و NVSWI برای پایش خشکسالی در حوضه‌های ساحلی جنوب شرقی مانند SB و MLB مناسب‌تر هستند، در حالی که TVDI و eTVDI برای مناطق تپه‌ای و کوهستانی شمالی، از جمله MB، TB و HB، مناسب‌تر هستند. با این حال، حوضه JLB یک مورد خاص است. از آنجایی که بخش شمالی آن تحت سلطه زمین‌های کوهستانی و بخش جنوبی آن تحت سلطه دشت‌ها است، VCI و NVSWI برای پایش خشکسالی در منطقه شمالی مناسب‌تر هستند. در عین حال، TVDI و eTVDI برای منطقه جنوبی مناسب‌تر هستند.

راهبردهایی برای کاهش اثرات خشکسالی

پوشش زمین، الگوهای کاربری زمین، خواص خاک، سنگ‌شناسی و توپوگرافی به طور جمعی با تأثیر بر ذخیره آب، توزیع مجدد و تبخیر و تعرق، بر خشکسالی منطقه‌ای تأثیر می‌گذارند. به عنوان مثال، شهرنشینی سریع با گسترش سطوح غیرقابل نفوذ، که رواناب سطحی را افزایش می‌دهد، نفوذ را کاهش می‌دهد و تغذیه آب‌های زیرزمینی را تضعیف می‌کند، خشکسالی را تشدید می‌کند. اثر جزیره گرمایی شهری، تقاضای تبخیر و تعرق را بیشتر افزایش می‌دهد و شرایط خشکسالی موضعی را تشدید می‌کند. ویژگی‌های خاک نیز نقش کلیدی دارند: خاک‌های غنی از رس یا غنی از مواد آلی، احتباس آب را افزایش می‌دهند، در حالی که خاک‌های شنی بیشتر مستعد خشک شدن هستند. سنگ‌شناسی‌های شکسته به تغذیه آب‌های زیرزمینی کمک می‌کنند، در حالی که سنگ‌شناسی‌های متراکم، ذخیره آب را محدود می‌کنند. پیچیدگی توپوگرافی بر توزیع مجدد آب از طریق الگوهای رواناب و نفوذ شیب تأثیر می‌گذارد. بنابراین، کاهش خشکسالی باید از طریق ترکیبی از زیرساخت‌های سبز، مدیریت خاک و آب و اقدامات مبتنی بر چشم‌انداز، به این عوامل متقابل بپردازد. به عنوان مثال، فضای سبز شهری، باغ‌های بارانی و سنگفرش‌های نفوذپذیر می‌توانند احتباس آب را در مناطق ساخته شده افزایش دهند. شخم زدن و اصلاح‌کننده‌های آلی می‌توانند رطوبت خاک را بهبود بخشند. احیای پوشش گیاهی شیب و تراس‌بندی می‌تواند در زمین‌های پیچیده مورد استفاده قرار گیرد؛ و بهره‌برداری هدفمند از آب‌های زیرزمینی می‌تواند در مناطقی با محدودیت سنگ‌شناسی به کار گرفته شود.

استان فوجیان نمونه‌ای از نیاز به استراتژی‌های متناسب با منطقه است، زیرا توپوگرافی پیچیده و تنوع اقلیمی آن منجر به تفاوت‌های قابل توجه در شکل‌گیری خشکسالی و دسترسی به آب در حوضه‌های رودخانه می‌شود. در حوضه مین‌جیانگ، که منابع آب نسبتاً فراوانی دارد، مدیریت هماهنگ مخازن می‌تواند توزیع زمانی و مکانی آب را بهینه کند. در حوضه جیولونگ‌جیانگ، سیستم‌های تخصیص آب اضطراری، همراه با بارندگی مصنوعی متوسط ​​و تعدیل در مصرف آب کشاورزی، می‌تواند به کاهش اثرات خشکسالی کمک کند. حوضه جین‌جیانگ می‌تواند از مخازن و کانال‌های موجود برای تنظیم دقیق در مقیاس کوچک برای ایجاد تعادل در تقاضاهای بالادست و پایین‌دست استفاده کند. در حوضه مولانشی، احیای اکولوژیکی و مدیریت شاخه‌های فرعی، ذخیره آب و ظرفیت حوضه آبریز را افزایش می‌دهد. در حوضه جیائوشی، توپوگرافی حوضه امکان بهره‌برداری مشترک بهینه از چندین مخزن را برای تأمین آب پایین‌دست فراهم می‌کند. به طور کلی، واکنش به خشکسالی در فوجیان باید شرایط جغرافیایی طبیعی را ادغام کند، راندمان مصرف آب را بهبود بخشد، پایداری اکوسیستم را افزایش دهد و توزیع مکانی را بهینه کند و در نتیجه اثرات خشکسالی را بر فعالیت‌های انسانی و محیط زیست کاهش دهد.

این مطالعه الگوهای مکانی-زمانی و عوامل محرک خشکسالی در استان فوجیان از سال ۲۰۰۰ تا ۲۰۲۳ را با استفاده از چهار شاخص خشکسالی مبتنی بر سنجش از دور در ۱۱ زیرمنطقه حوضه رودخانه تجزیه و تحلیل می‌کند. نتایج نشان می‌دهد که مناطق ساحلی جنوب شرقی، به ویژه جنوب SB، MLB، JB و JLB، به دلیل دمای بالاتر و بارندگی کمتر، خشکسالی شدیدتری را تجربه کرده‌اند. از نظر زمانی، شرایط خشکسالی به طور کلی روند کاهشی را نشان می‌دهد و نسبت مناطق به طور قابل توجهی کاهش یافته بر اساس شاخص متفاوت است. خشکسالی بیشتر تحت تأثیر دما قرار دارد تا بارندگی. انواع پوشش زمین، مانند زمین‌های لخت و سطوح نفوذناپذیر، به دلیل پوشش گیاهی کم و احتباس ضعیف آب، بیشتر مستعد خشکسالی هستند. توپوگرافی و نوع خاک نیز بر آسیب‌پذیری خشکسالی تأثیر می‌گذارند، به طوری که شیب‌های تند، رسوبات سست و انواع خاصی از خاک بیشتر مستعد هستند. VCI و NVSWI نتایج مشابهی را ارائه می‌دهند، همانطور که TVDI و eTVDI نیز همینطور هستند، اگرچه eTVDI تمایل دارد شدت خشکسالی را کمی بیش از حد تخمین بزند. به طور کلی، این یافته‌ها نشان می‌دهد که هم عوامل اقلیمی و هم فعالیت‌های انسانی در کاهش خشکسالی نقش داشته‌اند و بر اهمیت احیای اکولوژیکی و فراهم کردن پایه‌ای برای توسعه پایدار منطقه‌ای تأکید دارند.

در عین حال، شایان ذکر است که برخی از زیرحوضه‌ها تغییرات محدودی در شاخص‌های خشکسالی نشان می‌دهند که نشان‌دهنده‌ی ثبات خاصی در فرآیندهای خشکسالی در مقیاس استانی است. در کارهای آینده، تقسیم‌بندی حوضه می‌تواند با در نظر گرفتن عوامل اضافی مانند ارتفاع، توپوگرافی و پهنه‌بندی اقلیمی، برای افزایش وضوح مکانی و دقت ارزیابی‌های خشکسالی، بیشتر اصلاح شود. علاوه بر این، ادغام داده‌های چند منبعی، مانند داده‌های رطوبت خاک و اندازه‌گیری‌های میدانی، به غنی‌سازی تجزیه و تحلیل و تعمیق درک پویایی خشکسالی منطقه‌ای کمک خواهد کرد.