خشکسالی از مهم ترین پدیده های هواشناسی است که خسارات قابل توجهی را به خصوص در اقلیم های خشک و نیمه خشک به همراه دارد. بطور مرسوم پایش خشکسالی با استفاده از داده های برداشت شده در ایستگاه های هواشناسی انجام می شود اما خشکسالی بر وضعیت شادابی و تراکم پوشش گیاهی و درنتیجه بازتاب طیفی پدیده های زمینی تاثیرگذار بوده و با کاهش رطوبت خاک و به دنبال آن کاهش تبخیر از سطح خاک، دمای سطح زمین را نیز افزایش می دهد. بر این اساس این سوال مطرح می شود که ایا می توان به رابطه ای دست یافت تا بوسیله آن خشکسالی هواشناسی را با دقت نزدیک به اندازه گیری با داده های هواشناسی بر اساس تصاویر ماهواره ای براورد کرد. برای این منظور، داده های هواشناسی 156 ایستگاه سینوپتیک در سطح کشور با دوره اماری بیش از 25 سال تهیه و شاخص خشکسالی هواشناسی SPI در پنجره های زمانی 1، 3، 6 و 12 ماهه آنها محاسبه شد. محصوص هشت روز دمای سطح زمین و شانزده روزه شاخص های پوشش گیاهی از محصولات سنجنده مودیس با اندازه تفکیک مکانی یک کیلومتر طی دوره آماری 2000 تا 2018 با پوشش کامل از سطح ایران که در مجموع 6205 تصویر بود مورد استفاده قرار گرفت و اطلاعات مربوط به دمای سطح زمین و شاخص تفاضلی نرمال شده پوشش گیاهی از آنها استخراج شد. همچنین با برنامه نویسی زبان پایتون شاخص های خشکی دما-گیاه، شرایط دمایی، شرایط گیاهی و شاخص سلامت گیاهی نیز از سری زمانی تصاویر محاسبه شد. در نهایت ماتریسی از پنچ شاخص ماهواره ای و یک شاخص خشکسالی هواشنسای در چهار پنجره زمانی مذکور تشکیل شد. ابتدا همبستگی تک تک شاخص های ماهواره ای با SPI در مقیاس های زمانی ماهانه، فصلی، نیم سالانه و سالانه محاسبه شد سپس روابط رگرسیونی چندمتغیره آنها با SPI بدست آمد و همبستگی آنها پهنه بندی شد. در نهایت پس از طبقه بندی شاخص ها به دسته های مختلف خشکسالی، با کمک مدل درخت تصمیم C5، قوانین موجود بین شاخص های ماهواره ای با SPI پیش بینی شد. نتایج نشان داد که برخی از شاخص های ماهواره ای همبستگی بالایی تا حدود 90 درصد را در برخی ایستگاه ها برقرار می کنند و همچنین روابط رگرسیونی چندمتغیره از یک الگوی معنی داری پیروی می کنند به طوری که نقشه های ترسیم شده از آنها بیانگر آن است که ماه و فصل سال می تواند دقت برآورد خشکسالی را در مناطق مختلف تحت تاثیر قرار دهد. مدل درختی در پیش بینی شرایط خشکسالی از دقت بالاتری نسبت به پیش بینی شرایط ترسالی برخواردار بود. در نهایت می توان نتیجه گرفت که پیش بینی خشکسالی با استفاده از تصاویر ماهواره ای ای امکان پذیر است.
