Hidrológiai Közlöny, 2019 (99. évfolyam)
2019 / 4. szám
63 Nagy A. és társai: Mezőgazdasági aszály monitoring és aszály előrejelzés távérzékelt adatok alapján a Tisza vízgyűjtőn 2. ábra. ArcGIS modell, amellyel létrehozzuk a maszkot, valamint a búza és kukorica területeknek a kivonását Figure 2. ArcGIS model to create a mask and extract wheat and corn fields A február végi, márciusi, valamint a júliusi adatok alapján vegetáció borítottsági Boolean térképeket hoztunk létre (2 maszk/év). A maszkok segítségével lehatároltuk az adott évben a búza, valamint a kukorica vegetációs periódusában a növényzettel borított helyeket. A márciusi növényzettel fedett és a júliusi fedetlen területek a potenciálisan búza, míg a márciusi, növényzettel nem fedett és a júliusi vegetációval borított területek a potenciálisan kukorica termőterületek. Ezzel a módszerrel búza esetében minden állandó borítottsággal jellemezhető növény pl. lucerna, vagy egyéb tavaszi vetésű növény (kukorica, napraforgó stb) termőterülete zárható ki. Kukorica esetében pedig az őszi vetésű növények, állandó talajborítással bíró növények (lucerna stb.) potenciális termőterületei. A maszkok megbízhatóságát búza esetében egyéb őszi vetésüek, kukorica esetében pedig egyes ipari növények rontják. Ugyanakkor ezek vetésterületi aránya jóval alacsonyabb az őszibúza és a kukorica vetésterületeihez képest. Az így előállított vegetációs maszkokat integrálva a szántóterületekkel, egy adott növény termőhelyeinek kivágására alkalmas maszk rétegeket hoztunk létre az adott évre. A maszkok segítségével minden egyes év adott növényi vegetációs periódusa összes adatából megyei szintű átlag NÖVI értékeket nyertünk ki. A megyei kivágatokat indokolta, hogy csak megyei szintű termésadatok (KSH) álltak rendelkezésre az NDVI adatok kalibrációjához. Ezek alapján az átlag NDVI értékek adatmátrixát hoztuk létre a megyékre. Az adatmátrix megyei átlag NDVI értékei szolgáltak az NDVI adatok kalibrációjának alapjául. A következő lépésben az NDVI és a hozam adatokat (t/ha) vizsgáltuk, amelyet az adatkészletek normalizációjával végeztünk. így a két adatállomány értéke 0 és 1 közé esett, ezáltal statisztikailag ki tudtuk értékelni. A normalizálást a következőképpen végeztük el: Normalizált érték = (Érték - Értékmin)/(Értékmax - Értek,,,in) ahol, a max és min értékek a sűrű vegetációra és a legalacsonyabb vegetációs fedésre vonatkozó értéket jelenti. A normalizálás során a maximum és minimum értékeket a teljes NDVI adatállományból határoztuk meg. AZ ASZÁLY KOCKÁZATI SZINTEK AZONOSÍTÁSA ÉS KALIBRÁLÁSA Az NDVI értékekre alapozott aszálykockázati szinteket a hozam- és meterológiai adatokkal kalibráltuk. A MOD1S NDVI idősoros adatok és hozam adatok 2000-től 2016-ig álltak rendelkezésünkre. A hozam adatokra vonatkozólag, mind a kukorica mind pedig a búza esetében súlyos hozamveszteségeket észleltünk 2000, 2002, 2003, 2007 és 2012-ben. 2001,2005 és 2006-ban figyelemre méltó hozamokat mutattunk ki, 2010 és 2011 -ben átlagos hozamértékeket figyelhettünk meg (3. ábra). Ezek a megállapítások szoros összefüggésben vannak az SP1 értékekkel és a meterológiai adatokkal, kivéve a 2010-es évet, amikor extrém mennyiségű csapadékot (900-1300 mm/év) figyelhettünk meg a Tisza vízgyűjtőjének területén. Ennek következtében hosszú ideig a belvízborítás és a növénybetegségek megjelenése volt jellemző a szántóföldeken, ami miatt a terméshozamok mennyisége átlagos maradt. A hozamok alakulása megyénként eltérő volt. Az aszályhelyzet ellenére a legnagyobb kukorica és búza terméshozam értékeket Hajdú-Bihar és Békés megyékben figyelhettük meg. Ezzel szemben, a legrosszabb terméshozam értékek Jász-Nagykun-Szolnok és Heves megyékben voltak jellemzőek. Ennek oka feltehetően a különféle talaj jellemzők hatása volt (konkrét vizsgálatokat ennek megválaszolására nem folytattunk). Hajdú-Bihar és Békés megyékben nagyon jó vízgazdálkodási jellemzőkkel rendelkező csernozjom talajok találhatóak, Jász-Nagykun-Szolnok és Heves megyékben viszonylag több agyagos és agyagos-vályog talaj található, amelyek nagyon érzékenyek a szárazság megjelenésére (Várallyay és társai 1994) (4. ábra). Az NDVI adatokat hozam adatokkal kalibráltuk. Mivel a terméshozam adatok az adott év megyei bontásban rendelkezésre álló hozamadatait tükrözik, míg MODIS NDVI felvételből a teljes vegetációs periódusból rendelkezésre állnak az adatok, először az összegyűjtött és normalizált NDVI adatokat csoportosítottuk. A 16 év adatait felhasználva a csoportosítás alapját az egy éven belüli időpontok adták, majd az összes adatot egy mátrixba rendeztük. A mátrix a normalizált NDVI adatok változóit tartalmazta, egy meghatározott időpontban (a változók száma különbözött minden növényfaj esetén a meghatározott növény vegetációs időszaka alapján), valamint változóként jelent meg a hozam érték. Az adatbázis alapján lineáris regresszióval vizsgáltuk a hozamadatok és az egyes időpontokban mért átlag NDVI adatok közötti összefüggéseket. Az eredmények alapján szignifikáns összefüggés mutatható ki a kukorica hozam és azon NDVI adatok között, amelyek június közepétől augusztus végéig tartó intervallumból származnak. Ez a tartomány lefedi a kukorica leginkább szárazságérzékeny virágzási időszakát a júliust is. A regresszió analízis alapján, a búza esetében, kizárólag júniusra tudtunk megbízható hozamelőrejelzést számítani (/. táblázat). Az eredményekből arra következtethetünk, hogy a talaj hatása a hozamokra az NDVI értékek alapján kimutatható. Ellenkező esetben nem kaptunk szignifikáns korrelációt. A mérsékelt korrelációt a talaj hatásával is magyarázhatjuk, mivel csak a megyékre vonatkozó hozamadatok álltak rendelkezésre, azonban a vízgyűjtők vagy a talajtípusok poligonjai nem.
