دوره 23، شماره 68 - ( 1-1402 )
جلد 23 شماره 68 صفحات 257دوره243فصل__Se |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Ebadi Nehari Z, Erfanian M, Kazempour Choursi S. (2023). A new method for evaluation and comprehensive drought Monitoring in the Urmia Lake Basin using a Synthesized Drought Index (SDI). jgs. 23(68), : 14 doi:10.52547/jgs.23.68.243
URL: http://jgs.khu.ac.ir/article-1-3290-fa.html
URL: http://jgs.khu.ac.ir/article-1-3290-fa.html
عبادی نهاری زهرا، عرفانیان مهدی، کاظم پور چورسی سیما.(1402). ارائه یک روش نوین برای ارزیابی و پایش جامع خشکسالی حوضه آبریز دریاچه ارومیه با استفاده از شاخص تلفیقی خشکسالی SDI تحقیقات کاربردی علوم جغرافیایی 23 (68) :257-243 10.52547/jgs.23.68.243
1- دانش آموخته کارشناسی ارشد آبخیزداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران، دانشکده منابع طبیعی
2- دانشیار مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران، دانشکده منابع طبیعی ،m.erfanian@urmia.ac.ir
3- دانشجو دکتری علوم و مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران، دانشکده منابع طبیعی
2- دانشیار مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران، دانشکده منابع طبیعی ،
3- دانشجو دکتری علوم و مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران، دانشکده منابع طبیعی
چکیده: (7786 مشاهده)
خشکسالی یک رویداد پیچیده است که در اثر به هم خوردن تعادل آب ایجاد شده و همواره بر بخشهای کشاورزی، اکولوژیکی و اجتماعی-اقتصادی تأثیرگذار می باشد. اگرچه تا کنون، شاخص های خشکسالی به دست آمده از داده های سنجش از دور برای پایش خشکسالی کشاورزی یا هواشناسی مورد استفاده قرار گرفته اند، ولی شاخصی که بتواند به طور مناسبی بازتاب کننده اطلاعات جامع از خشکسالی از جنبه هواشناسی تا کشاورزی باشد، کمتر مورد استفاده قرار گرفته است. در تحقیق حاضر، به منظور پایش جامع خشکسالی حوضه آبریز دریاچه ارومیه از شاخص خشکسالی تلفیقی (SDI) به عنوان شاخص سنتز شده از شاخص وضعیت پوشش گیاهی (VCI)، شاخص وضعیت دمایی (TCI) و شاخص وضعیت بارش (PCI) بر اساس روش آنالیز مؤلفه اصلی (PCA) استفاده شده است. بدین منظور، ابتدا سری داده های ماهواره ای MOD13A3، MOD11A2 و TRMM3B43 طی دوره ی آماری 2001 تا 2012 دانلود شد. پس از پردازش اولیه، شاخص های خشکسالی با استفاده از داده های LST، NDVI و TRMM محاسبه و نقشه های شدت خشکسالی ماهانه تهیه شدند. به منظور اعتبارسنجی شاخص SDI، رابطه همبستگی این شاخص با شاخص SPI در بازه زمانی 3 ماهه طی فصل رشد بدست آمد. همچنین روابط همبستگی SDI با میزان عملکرد دیم دو گیاه گندم و جو بررسی شد. نتایج حاکی از وقوع خشکسالی در سال های 2008 و 2001 در حوضه آبریز دریاچه ارومیه می باشد. نتایج بررسی اعتبارسنجی بیانگر وجود همبستگی 80% میان دو شاخص SDI و SPI می باشد. همچنین نتایج این تحقیق نشان داد که شاخص SDI، به عنوان شاخص جامع پایش خشکسالی، بازتاب کننده اثرات خشکسالی بر کشاورزی می باشد.
شمارهی مقاله: 14
نوع مطالعه: پژوهشي |
موضوع مقاله:
اب و هواشناسی
فهرست منابع
1. پیشنماز احمدی، مجید، هوشمند، علی و زمانی، فهمیمه، (1396)، پایش خشکسالی شمال غرب کشور با استفاده از داده¬های MODIS و TRMM. بیست و چهارمین همایش ملی ژئوماتیک، اردیبهشت 1396.
2. درویشی خاتونی، جواد، صالحی پور میلانی، علیرضا و محمدي، علی، (1393)، گزارش لیمنولوژي و پالئولیمنولوژي دریاچه ارومیه اقلیم، زمین شناسی، هیدرولوژي و سنجش از راه دور. معاونت زمین¬شناسی مدیریت زمین شناسی دریایی گروه رسوب شناسی، 95 ص.
3. زمانیان، محمدتقی، بهیار، محمدباقر، کریمی حسینی، آزاده و وظیفه دوست، مجید، (1391)، پایش و تحلیل خشکسالی کشاورزی با استفاده از تولیدات ماهواره¬ای سنجنده NOAA-AVHRR، نشریه پژوهش¬های اقلیم شناسی، 3(9): 54-43.
4. رضایی¬مقدم، محمدحسین، ولیزاده¬کامران، خلیل، رستم¬زاده، هاشم و رضایی، علی، (1391)، ارزیابی کارایی داده-های سنجنده¬ MODIS در برآورد خشکسالی (مطالعه¬ی موردی: حوضه¬ی آبریز دریاچه ارومیه)، مجله جغرافیا و پایداری محیط، (5): 52-37.
5. موذن¬زاده، روزیه، ارشد، صالح، قهرمان، بیژن و داوری، کامران، (1391)، پایش خشکسالی در کشت¬های غیرآبی با استفاده از تکنیک سنجش از دور، مدیریت آب و آبیاری، 2(2):52-39.
6. Bhuiyan, C. (2008). Desert Vegetarian during Droughts: Response and Sensitivity, the International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 37(8): 907-912.
7. Chaves, M.M, Pereira, J.S, Maroco, J, Rodrigues, M.L, Ricardo, C.P.P, Osório, M.L, Carvalho, I, Faria, T, Pinheiro, C. (2002). How Plants Cope with Water Stress in the Field? Photosynthesis and Growth, Annals of botany, 89(7): 907-916. [DOI:10.1093/aob/mcf105] [PMID] []
8. Elhag, K, Zhang, W. (2018). Monitoring and Assessment of Drought Focused on Its Impact on Sorghum Yield over Sudan by Using Meteorological Drought Indices for the Period 2001-2011, Remote Sensing, 10(8), 1231. [DOI:10.3390/rs10081231]
9. Heim, R.R. (2002). A Review of Twentieth-Century Drought Indices Used in the United States, Bulletin of the American Meteorological Society, 83(8): 1149-1166. [DOI:10.1175/1520-0477-83.8.1149]
10. Du, L, Tian, Q, Yu, T, Meng, Q, Jancso, T, Udvardy, P, Huang, Y. (2012). A Comprehensive Drought Monitoring Method Integrating MODIS and TRMM Data, International Journal of Applied Earth Observation and Geoinformation, 23: 245-253. [DOI:10.1016/j.jag.2012.09.010]
11. Keyantash, J, Dracup, J. A. (2002). The Quantification of Drought: An Evaluation of Drought Indices, Bulletin of the American Meteorological Society, 83(8): 1167-1180. [DOI:10.1175/1520-0477-83.8.1167]
12. Kim, Y, Lee, S. B, Yun, H, Kim, J, Park, Y. (2017). A Drought Analysis Method Based on Modis Satellite Imagery and AWS Data. In Geoscience and Remote Sensing Symposium (IGARSS), 2017 IEEE International (pp. 4862-4865). IEEE [DOI:10.1109/IGARSS.2017.8128092]
13. Kogan, F.N, (1995). Application of Vegetation Index and Brightness Temperature for Drought Detection, Advances in Space Research, 15(11): 91-100. [DOI:10.1016/0273-1177(95)00079-T]
14. Mastrangelo, A.M, Mazzucotelli, E, Guerra, D, De Vita, P, Cattivelli, L. (2012). Improvement of Drought Resistance in Crops: From Conventional Breeding to Genomic Selection, Crop Stress and Its Management: Perspectives and Strategies. Springer, 225-259. [DOI:10.1007/978-94-007-2220-0_7]
15. Rhee, J., Im, J., Carbone, G.J. (2010). Monitoring agricultural drought for arid and humid regions using multisensor remote sensing data, Remote Sensing of Environment, (114): 2875-2887. [DOI:10.1016/j.rse.2010.07.005]
16. Torry, W.I. (1986). Economic Development, Drought, and Famines: Some Limitations of Dependency Explanations, GeoJournal 12(1), 5-18. [DOI:10.1007/BF00213018]
17. Tsakiris, G, Pangalou, D, Vangelis, H. (2007). Regional Drought Assessment Based on the Reconnaissance Drought Index (RDI), Water Resource. Manage. 21(5), 821-833. [DOI:10.1007/s11269-006-9105-4]
18. Udelhoven, T, Stellmes, M, Del Barrio, G, Hill, J. (2009). Assessment of Rainfall and NDVI Anomalies in Spain (1989-1999) Using Distributed Lag Models, International Journal of Remote Sensing, 30(8): 1961-1976. [DOI:10.1080/01431160802546829]
19. Yaduvanshi, A, Srivastava, P. K, Pandey, A. C. (2015). Integrating TRMM and MODIS Satellite with Socio-economic Vulnerability for Monitoring Drought Risk over a Tropical Region of India, Physics and Chemistry of the Earth, Parts A/B/C, 83: 14-27. [DOI:10.1016/j.pce.2015.01.006]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
This work is licensed under a Creative Commons — Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)