چندین دهه خشکسالی در سراسر جنوب غربی ایالات متحده، برخی از دانشمندان را بر آن داشته است که خشکی شدید و طولانی مدت را به عنوان "مرگ خشکسالی" طبقه بندی کنند. اما خشکسالی در آمریکای شمالی در سال 2021 شکل دیگری به خود گرفت و مناطقی را تحت تأثیر قرار داد که اغلب با خشکسالی طولانی مدت یا شدید مواجه نیستند. دشت های بزرگ شمالی ماه ها با خشکسالی مقابله کرده است.

معمول است که متخصصان بخش آب با مشکلات مربوط به جمع آوری داده ها، تجزیه و تحلیل و تجسم مواجه شوند، زیرا بسیاری از راه حل های مختلف نتایج یکسانی را ارائه می دهند، در حالی که از رویکرد یا روش متفاوتی پیروی می کنند. این امر باعث ایجاد شکاف هماهنگی در رابطه با داده های ارائه شده به اپراتورها می شود و مانع همکاری موفق آنها با سایر ذینفعان مربوط می شود.

ماهواره ها می توانند طیف وسیعی از معیارهای کیفیت آب مانند دما، کاهش نور، لکه های روغن، مواد آلی، کلروفیل، کدورت و نوع زیستگاه بنتیک را ارائه دهند. برنامه های کاربردی تحقیقاتی و عملی با فناوری های ماهواره ای جدیدتر از جمله ماموریت های عملیاتی مانند European Sentinels، ماموریت های تجاری با وضوح 2-5 متر، و ماموریت های جدید و فوق العاده جدید، مانند ماموریت های NASA PACE و GLIMR، پیشرفت کرده و به سرعت بهبود یافته است.

این نمودار، خروجی پردازش ناسا از داده های ماهواره GRACE FO در مرکز JPL گودارد است که نشان می دهد از سال 2000 تا 2021 مقدار ضخامت آب معادل (در مقیاس کشور) از رقم 5/977 سانتی متر به 11/696- سانتی متر در انتهای دوره افت داشته است! به افزایش نمودار در سال 2019 که سیلاب های غیر منتظره کشور را فراگرفت توجه کنید.

نمودارهای زیر، خروجی محاسبات سنجنده ماهواره های ناسا می باشند که به ترتیب، مقدار دما و آب معادل ذخیره برف کشور را از ابتدای مهر ماه سال 1399 تا به میانه تیرماه 1400 نشان می دهد. همچنین در این نمودارها، همین آمار برای سال قبل را به رنگ آبی آورده ایم. ارقام و اعداد نشان می دهد که امسال در مقایسه با سال گذشته، ذخیره برف تقریبا در حدود یک ماه زودتر به حدود صفر رسیده است؛ درحالی که 18 درصد افت در کل ذخیره برفی نیز وجود داشته است. برای دما نیز 1/2 درجه افزایش را شاهد هستیم. آمار بارندگی نیز امسال در مقایسه با سال گذشته تا به این لحظه 37 درصد و نسبت به بلند مدت 52 درصد کاهش را در سرتاسر کشور نشان می دهد.

در بخشهای مختلف بخش آب - از تصفیه خانه های آب گرفته تا نیروگاه های آبی تا پرورش آبزیان - تهیه و انطباق با خطرات به روشی برنامه ریزی شده بسیار کارآمدتر از واکنش در برابر خرابی بزرگ سیستم است. به همین دلیل، داشتن ابزارها و قابلیت پیش بینی و پاسخگویی قبلی به خطرات احتمالی کیفیت آب (و کمیت) می تواند ضمن کاهش هزینه ها، عملکرد محیطی را بهبود بخشد.

دانشمندان ناسا برای درک چگونگی تغییر چرخه آب جهانی، 17 سال از مشاهدات ثقل سیاره ما را مطالعه کرده اند. میزان انتشار گیاهان و سطح زمین از رطوبت در هوا بین سالهای 2003 و 2019 در مقیاس جهانی افزایش یافته است. این فرآیندها در مجموع به عنوان تبخیر و تعرق شناخته می شوند و یک مطالعه جدید ناسا با استفاده از مشاهدات ماهواره های ثقل میزان آن را محاسبه کرده است.

در 22 آوریل، سازمان غذا و کشاورزی (FAO) میزبان وبینار "پیوستن به تلاش برای تبدیل داده های آب ماهواره ای به اطلاعات قابل استفاده برای کشاورزان" است. دستیابی به امنیت غذایی در آینده ضمن استفاده پایدار از منابع آب، چالش بزرگی برای ما و نسل های بعدی است. کشاورزی یک مصرف کننده اصلی آب است. نظارت دقیق بر بهره وری آب در کشاورزی و بررسی فرصت های افزایش آن مورد نیاز است.

Python یک زبان برنامه نویسی است که قادر به انجام محاسبات برای مطالعات هیدرولوژیکی و ارزیابی منابع آب است. ما یک آموزش برای تعیین منحنی حجم و ارتفاع دریاچه پاتیلاس در پورتوریکو با پایتون و کتابخانه های عددی / مکانی به عنوان Numpy و Rasterio انجام داده ایم. سرانجام، نتایج به دست آمده از منحنی حجم و ارتفاع از یک منبع USGS مقایسه شد.

3 روش نظارت

داده سطح 1

روشهای مختلفی برای تولید هر یک از مجموعه های داده جهانی زیرشاخص موجود در پورتال داده SDG661 اعمال می شود. این بخش خلاصه ای از این متدولوژی های مختلف است. مشخصات فنی بیشتر در پورتال داده SDG661 موجود است. پیوندها به هر نشریه فنی مربوطه نیز در زیر بخش های زیر ارائه شده است.

مرورگر EO امکان مرور و مقایسه تصاویر با وضوح کامل را از تمام منابع داده ای که ارائه می دهیم امکان پذیر می کند. شما به سادگی به منطقه مورد علاقه خود می روید، دامنه زمانی و پوشش ابری مورد نظر خود را انتخاب کرده و داده های بدست آمده را در مرورگر بررسی می کنید. تجسم های مختلف را امتحان کنید یا خودتان بسازید، تصاویر با وضوح بالا بارگیری کنید و تایم لپس ایجاد کنید.

تالاب ها

داده ها نشان دهنده مساحت کل تالاب ها در هر دو درصد و کیلومتر مربع واحد است. این داده ها یک اندازه گیری پایه است و برای ردیابی این مبنا به عنوان و هنگامی که سری جدید داده های سالانه در مورد تالاب ها به سایت به روز می شوند، استفاده می گردد.

پویایی آب سطحی دائمی و فصلی

داده ها نشان دهنده کل تغییر در سطح آبهای سطحی دائمی و فصلی، اندازه گیری شده در مقایسه با یک دوره مرجع تاریخی است. تغییر یا افزایش arrow_drop_up یا کاهش arrow_drop_down است که در هر دو مقدار درصد و کیلومتر مربع نشان داده شده است. کل تغییر در سطح مساحت آبهای سطحی با مقایسه پنج سال اخیر داده ها در مقایسه با یک دوره مرجع پنج ساله (2000-2004) محاسبه می شود.

موقعیت و ماندگاری آبهای سطحی (داخلی و ساحلی) هر دو تحت تأثیر آب و هوا و فعالیتهای انسانی قرار دارند و بر آب و هوا، تنوع بیولوژیکی و بهزیستی انسان تأثیر می گذارد. مجموعه داده های جهانی مستند از موقعیت و فصلی بودن آب های سطحی از موجودی ها و توصیفات ملی، برآورد آماری داده های منطقه ای و تصاویر ماهواره ای تهیه شده است، اما اندازه گیری تغییرات طولانی مدت با وضوح بالا همچنان یک چالش است. در اینجا، با استفاده از سه میلیون تصویر ماهواره ای لندست 13، تغییرات آبهای سطحی جهانی طی 32 سال گذشته را با وضوح 30 متر کمی می کنیم. ما ماه ها و سال هایی را که آب در آن وجود دارد، جایی که وقوع تغییر کرده و از نظر فصلی و ماندگاری چه شکلی ایجاد کرده است، ثبت می کنیم. بین سالهای 1984 و 2015 آبهای سطحی دائمی از مساحت تقریباً 90،000 کیلومتر مربع ناپدید شده اند،

LakePy در HydroWeb ابزاری کاربر محور pythonic یرای پایگاه داده سطح آب جهانی دریاچه است. این بسته می تواند بلافاصله سطح آب دریاچه را برای حدود 2000+ دریاچه پراکنده در سراسر جهان تحویل دهد. داده ها از سه منبع تهیه می شوند (تاکنون!)

بیلان آب برای حوضه های آبخیز منفرد را می توان با استفاده از داده های سنجش از دور برای بارش، تبخیر و تعرق و رواناب تخمین زد. همه داده ها را می توان از GLDAS در همان وضوح زمانی و مکانی از طریق جیووانی بدست آورد. چند مورد را باید در نظر گرفت: به واحدها توجه داشته باشید - برای تغییر به واحدهای مورد نیاز، ممکن است محاسبات در سیستم GIS انجام شود. به عنوان مثال، بارندگی و ET بر حسب کیلوگرم در مترمکعب است. برای داده های سالانه، باید داده ها را در 3600 ثانیه در ساعت، در 24 ساعت در روز و سپس در 365 روز در سال ضرب کنید. داده های رواناب در همان واحدهای فوق قرار دارند اما در فواصل 3 ساعته جمع آوری می شوند و بنابراین باید در 8 (3 ساعت در روز) و سپس در 365 روز در سال ضرب شوند. هنگامی که داده ها در واحدهای مناسب قرار گرفتند، می توانید با استفاده از ابزار محاسبه رستری ET و رواناب را از بارش کم کرده و بودجه آب تخمینی را بدست آورید. تجزیه و تحلیل آماری متعدد موجود در یک برنامه GIS می تواند اطلاعات بیشتری در مورد روندها فراهم کند.

طبق مطالعه جدیدی که بر اساس داده های مأموریت GRACE ناسا انجام شده، حوضه رودخانه کلرادو طی 9 سال گذشته تقریبا 53 میلیون جریب آب شیرین از دست داده است. این تقریباً دو برابر حجم بزرگترین مخزن کشور، دریاچه مید نوادا است.

لایه آب معادل برف AMSR2 میزان آبی را که در کیسه برف در نیمکره شمالی و جنوبی وجود دارد، اندازه گیری شده در واحد میلی متر را نشان می دهد. روش دیگر برای بررسی آن این است که اگر تمام برفها فوراً ذوب شوند، این می تواند عمق آن آب باشد. لایه معادل آب برف برای ارزیابی میزان آبی که در کیسه برف وجود دارد مفید است و می تواند برای ارزیابی رواناب سطحی هنگام ذوب برف و ارزیابی آب برای مناطق در ارتفاعات پایین استفاده شود. دستگاه Advanced Microwave Scanning Radiometer 2 (AMSR2) یک دستگاه رادیو متر مایکروویو منفعل است که با تابش مایکروویو در 12 کانال و 6 فرکانس از 6.9 تا 89 گیگاهرتز در ماهواره مأموریت مشاهده تغییرات جهانی - Water 1 (GCOM-W1) سکنو دارد.

باران غیرمعمول شدید و مداوم در اواخر مارس و اوایل آوریل 2019 چندین کشور خاورمیانه را درگیر کرد. در همان زمان، کوهها شروع به از دست دادن پوشش برف خود به دلیل ذوب شدن کردند. اگرچه پایان زمان زمستان و شروع بهار از زمان های بسیار دور سیلاب های فصلی را در اینجا به وجود آورده است، اما این بهار در برخی مناطق عراق، ایران، سوریه و افغانستان شدید بوده است.

رابط کاربری Giovanni

این متن نسبتا طولانی، به تفکیک و جزییات شمارا جهت دانلود محتوای ماهواره های اقلیمی ناسا راهنمایی می کند. Giovanni یک محیط آنلاین (وب) برای نمایش و تجزیه و تحلیل پارامترهای ژئوفیزیکی است که در آن به راحتی می توان به منشا (اصل داده ها) دسترسی داشت. این راهنمای کاربر در مورد نحوه استفاده از جیووانی و اطلاعات مربوط به محصولات و خدمات داده های جیووانی کمک می کند. با استفاده از رابط کاربری Giovanni، می توان به راحتی داده های انتخاب شده را در انواع طرح ها پیدا و نمایش داد. همچنین امکان بارگیری فایل های منبع طرح در قالب netCDF (و سایر قالب ها) وجود دارد.

2. مدل سازی

CLSM با استفاده از سه متغیر حالت، تغییرات ذخیره آب زیرسطحی ناشی از فعل و انفعالات زمین و جو (بارش و ET) را شبیه سازی می کند: مازاد سطح و مازاد منطقه ریشه، که نشان دهنده رطوبت بیش از حد خاک نسبت به حالت تعادل در لایه سطحی (0-2 سانتی متر است) زیر سطح و منطقه ریشه (0-100 سانتی متر) به ترتیب و کسری حوضه آبریز که نشان دهنده مقدار آب مورد نیاز برای رساندن پروفیل به اشباع است (Koster و همکاران، 2000). CLSM همچنین تغییرات برف فصلی را در سه لایه برفی شبیه سازی می کند. CLSM تغییرات سطح آب را مدل نمی کند. در عوض، ذخیره آب زیرزمینی با کم کردن آب ذخیره شده در منطقه ریشه از آن ذخیره شده در پروفیل (که می تواند از کسری حوضه آبریز و سایر پارامترهای مدل محاسبه شود)، که ظرفیت آن توسط پارامتر عمق بستر CLSM تعیین می شود، حاصل می گردد. عمق بستر به دنیال مطالعات Houborg و همکاران (2012) به طور یکنواخت 2 متر افزایش یافت. که نشان داد با استفاده از عمق سنگ بستر اصلی، TWS شبیه سازی شده CLSM اغلب در جنوب غربی ایالات متحده به یک حد پایین تر نزدیک می شود، به طوری که قادر به نشان دادن شرایط شدید خشکسالی نیست. به غیر از این، مدل برای این مطالعه اصلاح یا کالیبره نشده است. از آنجایی که CLSM از عمق سطح آب واقعی یا ضخامت های آبخوان به عنوان پارامترهای ورودی استفاده نمی کند، ذخیره آب زیرزمینی شبیه سازی شده آن (نه مانند مدل پویا) منعکس کننده پارامترهای مدل (از جمله عمق بستر) است. بنابراین، فقط ناهنجاری های ذخیره آب زیرزمینی، نه مقدار کل ذخیره آب زیرزمینی یا عمق سطح آب، با اندازه گیری های محلی قابل مقایسه است.

کمبود اطلاعات ذخیره آب زیرزمینی در مقیاس جهانی مانع از توانایی ما برای نظارت موثر بر منابع آب زیرزمینی می شود. در این مطالعه، ما یک محصول پیشرفته ذخیره آب زمینی (TWS) مشتق شده از مشاهدات ماهواره ای بازیابی جاذبه و آزمایش آب و هوا (GRACE) را در مدل Catchment land یا (CLSM) ناسا در مقیاس جهانی، هماهنگ سازی می کنیم. تولید سری های زمانی ذخیره آب زیرزمینی برای نظارت بر خشکسالی و سایر کاربردها مفید هستند. ارزیابی با استفاده از داده های محلی از نزدیک به 4000 چاه نشان می دهد که هماهنگ سازی داده های GRACE شبیه سازی آب های زیرزمینی را بهبود می بخشد، با خطاهای تخمین 36 و 10 درصد کاهش می یابد و همبستگی به ترتیب 16 و 22 درصد در مقیاس منطقه ای و نقطه ای بهبود می یابد. بزرگترین پیشرفت در مناطق با تنوع بزرگ در بارندگی سالیانه مشاهده می شود، جایی که آبهای زیرزمینی شبیه سازی شده به تغییرات جبری جو بسیار واکنش نشان می دهند. تأثیرات مثبت هماهنگ سازی GRACE با استفاده از داده های کم جریان مشاهده شده بیشتر نشان داده می شود. عملکرد هماهنگ سازی داده های CLSM و GRACE نیز در بین دسته های مختلف نفوذپذیری مورد بررسی قرار می گیرد. این ارزیابی نشان می دهد که هنگامی که صحبت از شبیه سازی تغییرات واقعی آب زیرزمینی در مناطق با برداشت شدید آب زیرزمینی است، هماهنگ سازی داده های GRACE نمی تواند فقدان یک طرح برداشت آب زیرزمینی را در CLSM جبران کند. آبهای زیرزمینی شبیه سازی شده CLSM با ناهنجاری های بارش 12 ماهه در مناطق کم و عرض جغرافیایی ارتباط زیادی دارد. یک شاخص خشکسالی آب زیرزمینی بر اساس تجزیه و تحلیل داده های GRACE به طور کلی با سایر شاخص های خشکسالی در مقیاس منطقه ای همخوان است، اختلافات عمدتا در شدت خشکسالی برآورد شده آنها است.