ارزیابی کارآیی شاخص های طیفی پوشش گیاهی پهن باند در پیش بینی شرایط خشکسالی در ایران

سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 181

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_GIS-8-2_007

تاریخ نمایه سازی: 16 آبان 1400

چکیده مقاله:

ایران یکی از کشورهای خشک و نیمه خشک به شمار می رود که به خشکسالی دچار است. کمبود اطلاعات هواشناسی طولانی مدت در پهنه وسیعی از کشور یکی از بزرگ ترین مشکلات برای مشاهده و پیش بینی کوتاه مدت خشکسالی در ایران است. در این مقاله، با به کار بردن روش ماشین بردار پشتیبان (SVM) و با استفاده از داده های ۴۲ ایستگاه سینوپتیک منتخب در ایران، عملکرد شاخص های پوشش گیاهی طیفی پهن باند NDVI، NDVI-DEV، VCI و TCI در پیش بینی خشکسالی بررسی شد. بدین منظور، از شاخص خشکسالی (SPI) برای بیان خشکسالی استفاده شد که نشان دهنده شدت و دوره خشکسالی، از سال ۱۹۸۵ تا ۲۰۰۸ است. شاخص های پوشش گیاهی یادشده از تصاویر سنجنده NOAA-AVHRR محاسبه و استخراج شدند. این شاخص ها، به صورت ورودی، به مدل SVM وارد شدند و مقادیر SPI را به دست دادند. با این روش، شاخص های TCI و NDVI، به ترتیب، دارای بالاترین و پایین ترین همبستگی با شرایط خشکسالی شناخته شدند

کلیدواژه ها:

سنجش از دور ، پیش بینی خشکسالی ، SPI ، شاخص های پوشش گیاهی ، SVM

نویسندگان

حامد حیدری

کارشناس ارشد سنجش از دور، دانشکده نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی

محمدجواد ولدان زوج

استاد گروه فتوگرامتری و سنجش از دور، دانشکده نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی

یاسر مقصودی

استادیار گروه فتوگرامتری و سنجش از دور، دانشکده نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی

محمدرضا بهشتی فر

کارشناس ارشد سنجش از دور و عضو سازمان فضایی ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • پرویز، ل.، خیاط خلقی، م.، ولی زاده، خ.، عراقی نژاد، ...
  • Anayamba, A.T. & Eastma Jr., C.J., ۲۰۰۱, NDVI Anomaly Patterns ...
  • Bhuiyan, C., Singh, R.P. & Kogan, F.N., ۲۰۰۶, Monitoring Drought ...
  • Edwards, D.C., ۱۹۹۷, Characteristics of ۲۰th Century Drought in the ...
  • Hopfner, C. & Scherer, D., ۲۰۱۱ , Analysis of Vegetation ...
  • Jain, S.K., Keshri, R., Goswami, A. & Sarkar, A., ۲۰۱۰, ...
  • Jalili, M., Gharibshah, J., Ghavami, S.M., Beheshtifar, M. & Farshi, ...
  • Ji, L. & Peters, A.J., ۲۰۰۳, Assessing Vegetation Response to ...
  • Kinyanjui, M.J., ۲۰۱۱, NDVI-Based Vegetation Monitoring in Mau Forest Complex, ...
  • Kogan, F.N., ۱۹۹۵, Application of Vegetation Index and Brightness Temperature ...
  • _________, ۲۰۰۱, Operational Space Technology for Global Vegetation Assessment, Bull. ...
  • Li, B. & Tao, S., ۲۰۰۲, Relations between AVHRR NDVI ...
  • Lotsch, A., Friedl, M.A., Anderson, B.T. & Tucker, C.J., ۲۰۰۳, ...
  • McKee, T.B., Doesken, N.J. & Kliest, J., ۱۹۹۳, The Relationship ...
  • Palmer, W.C., ۱۹۶۵, Meteorological Drought, US Dept. of Com- merce, ...
  • Quiring, S.M. & Ganesh, S., ۲۰۱۰, Evaluating the Utility of ...
  • Raziei, A.P. & Saghafian, B., ۲۰۰۵, Annual Rainfall Trend in ...
  • Rulinda, C.M., Dilo, A., Bijker, W. & Steina, A., ۲۰۱۲, ...
  • Sadeghi, A.R., Kamgar-Haghighi, A.A., Sepaskahah, A.R., Khalili, D. & Zand-Parsa, ...
  • Song, X., Saito, G., Kodama, M. & Sawada, H., ۲۰۰۴, ...
  • Tucker, C.J., ۱۹۷۹, Red and Photographic Infrared Linear Combinations for ...
  • Wilhite, D.A. & Glantz, M.H., ۱۹۸۵, Understanding the Drought Phenomenon, ...
  • نمایش کامل مراجع