دوره 4، شماره 3 - ( 6-1396 )                   جلد 4 شماره 3 صفحات 70-53 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Hamzeh S, Farahani Z, Mahdavi S, Chatrobgoun O, Gholamnia M. Spatio-temporal monitoring of agricultural drought using remotely sensed data (Case study of Markazi province of Iran). Journal of Spatial Analysis Environmental Hazards 2017; 4 (3) :53-70
URL: http://jsaeh.khu.ac.ir/article-1-2749-fa.html
حمزه سعید، فراهانی زهرا، مهدوی شهریار، چترآبگون امید، غلام نیا مهدی. پایش زمانی و مکانی خشکسالی کشاورزی با استفاده از داده‌های سنجش از دور مورد مطالعه: استان مرکزی ایران . تحلیل فضایی مخاطرات محیطی. 1396; 4 (3) :53-70

URL: http://jsaeh.khu.ac.ir/article-1-2749-fa.html


1- ، saeid.hamzeh@ut.ac.ir
چکیده:   (7996 مشاهده)
با توجه به روند تغییرات اقلیم و کاهش بارندگی در دهه اخیر، خشکسالی به یک مشکل بزرگ در جهان و بالاخص در مناطق خشک و نیمه خشک از قبیل ایران تبدیل شده است. از این رو پایش و مدیریت آن امری مهم می­باشد. در مقابل روش­های سنتی که مبتنی بر مشاهدات ایستگاه­های هواشناسی هستند و بیشتر به بررسی خشکسالی هواشناسی می­پردازند، استفاده از تکنیک سنجش از دور و تصاویر ماهواره ای به عنوان یک ابزار مفید جهت پایش مکانی و زمانی خشکسالی کشاورزی مورد توجه محققین واقع شده است. اما استفاده از این تکنیک و نتایج حاصل از آن همچنان نیاز به ارزیابی و واسنجی برای مناطق مختلف دارد. هدف از این مطالعه بررسی الگوهای مکانی و زمانی خشکسالی با استفاده از داده­های ماهواره ای سنجنده مادیس بین سال­های 2013-2000 می­باشد. بدین منظور شاخص­های خشکسالی بر مبنای داده­های ماهواره­ای شامل: شاخص اختلاف نرمال شده پوشش گیاهی (NDVI)، شاخص وضعیت پوشش گیاهی (VCI)، شاخص وضعیت دما (TCI)، شاخص خشکی (TDVI) و شاخص رطوبت خاک (SWI) از روی تصاویر مادیس برای دوره زمانی مورد نظر و در مقیاس­های زمانی فصلی، شش ماهه و سالانه استخراج گردید و نتایج حاصل از این شاخص ها با مقادیر شاخص بارش استاندارد (SPI) مقایسه گردید. نتایج نشان می دهد که محدوده مطالعاتی به طور کلی از پوشش گیاهی متوسط تا کم برخوردار است. برمبنای محاسبه­های انجام شده شرایط اقلیمی محدوده با نتایج حاصل از شاخص گیاهی VCI در مقیاس فصلی، تطابق بیشتری دارد. در نتیجه شاخص VCI به عنوان بهترین شاخص جهت پایش خشکسالی کشاورزی استان مرکزی انتخاب گردید. همچنین نتایج به دست آمده از به کار گیری شاخص گیاهی VCI، نشان دهنده وضعیت خشکسالی در سال های 2000 و 2008 و وضعیت ترسالی در سال های 2009 و 2010 نسبت به دوره مطالعاتی در منطقه می باشد.
متن کامل [PDF 687 kb]   (5563 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1396/10/1 | پذیرش: 1396/10/1 | انتشار: 1396/10/1

فهرست منابع
1. Bhuiyan, C. 2008. Desert Vegetation during Droughts: Response and Sensitivity. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XXXVII: 907-912.
2. Bonaccorso, B.; Bordi, I.; Cancelliere, A.; Rossi, G.; and Sutera, A. 2003. Spatial variability of drought: An analysis of the SPI in Sicily. Water Resources Management, 17: 273–296.
3. Caccamo, G.; Chisholm, L. A.; Bradstock, R. A.; and Puotinen, M. L. 2011. Assessing the sensitivity of MODIS to monitor drought in high biomass ecosystems. Remote Sensing of Environment,115: 2626-2639.
4. Jang, J. D. 2004. Evaluation of thermal-water stress of forest in southern Qubec from satellite image. University of Laval, Faculty of forest and Geomantic, Quebec.
5. Kanada. Jupp, D. L. B.; Tian, G.; Mcvicar, T. R.; Qin, Y.; and Fuqin, L. 1998. Soil moisture and drought monitoring using remote sensing, Theoretical background and methods. CSIRO: Astrulia.
6. Kogan, F. N. 2001. Contribution of remote sensing to drought early warning. National Oceanic and Atmospheric Administration (NOAA), National Environmental Satellite Data and Information Services (NESDIS), Washington: DC. U.S.A.
7. Kogan, F.N. 1995. Application of vegetation index and brightness temperature for drought detection. Adv, Space Res, 15(11): 91– 100.
8. Kogan, F.N. 1997. Global drought watch from space. Bulletin of the American Meteorological Society, 78: 621-636.
9. Krzanowski, W.J. 1987. Selection of variables to preserve multivariate data structure, using principal components. Journal of the Royal Statistical Society, 36(1): 22–33.
10. McKee, T. B.; Doesken, N. J.; and Kleist, J. 1993. The relationship of drought frequency and duration11 to time scales. Preprints, 8th Conference on Applied Climatology, Anaheim.
11. Owrangi, M. A.; Adamowski, J.; Rahnemaei, N.; Mohammadzadeh, A.; and Afshin Sharifan, R. 2011. Drought monitoring methodology based on AVHRR Image and SPOT vegetation maps. Journal of Water Resource and Protection, 3: 325-334.
12. Price, J.C. 1990. Using spatial context in satellite data to infer regional scale evapotranspiration. IEEE Trans, Geoscience and Remote Sensing, 28: 940–948.
13. Rhee, J. 2010. Monitoring agricultural drought for arid and humid regions using multi-sensor remote sensing data. Remote Sensing of Environment, 114: 2875–2887.
14. Roswintiarti, O.; Oarwati, S.; and Angraini, N. 2010. Potential drought monitoring over agriculture area in Java Island, Indonesia. Indonesian National Institute of Aeronautics and Space (LAPAN), Progress Report of SAFE Prototype Year.
15. Rouse, J. W.; Haas, Jr. R.; Schell, H. J. A.; and Deering, D.W. 1973. Monitoring vegetation systems in the Great Plains with ERTS. Third ERTS Symposium, NASA: 309-317.
16. Sandholt, I.; Rasmussen, K.; and Andersen, J. 2002. A simple interpretation of the surface temperature/vegetation index space for assessment of soil moisture status. Remote Sensing of Environment, 79 (2): 213-224.
17. Shahabfar, A.; Ghulam, A.; and Eitzinger, J. 2012. Drought monitoring in Iran using the perpendicular drought indices. International Journal of Applied Earth Observation and Geoinformation, 18: 119-127.
18. Thenkabail, P.S.; Enclona, E. A.; Ashton, M. S.; Legg, C.; and Jean De Dieu, M. 2004. The use of remote sensing data for drought assessment and monitoring in Southwest Asia. Sri Lanka: International Water Management Institute.
19. Tsakiris, G.; and Vangelis, H. 2004. Towards a drought watch system based on spatial SPI. Water Resources Management, 18: 1-12.
20. Tucker, C. J. 1979. Red and Photographic Infrared Linear Combinations for Monitoring Vegetation. Remote Sensing of the Environment, 8: 127-150.
21. Zhang, A.; & and Jia, G. 2013. Monitoring meteorological drought in semiarid regions using multi-sensor microwave remote sensing data. Remote Sensing of Environment, 134: 1223.

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به سامانه نشریات علمی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Spatial Analysis Environmental hazarts

Designed & Developed by : Yektaweb