سنجش و پایش بحران خشک سالی با استفاده از داده کاوی مکانی با تاکید بر حوضه آبریز دریاچه ارومیه

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 106

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JOEM-14-2_001

تاریخ نمایه سازی: 13 خرداد 1404

چکیده مقاله:

ایران به دلیل قرار گرفتن در کمربند خشک جغرافیایی و نوار بیابانی واقع در عرض های ۲۰ تا ۴۰ درجه ی نیمکره ی شمالی با متوسط بارندگی سالیانه ۲۵۰ میلی متر، همچنین به دلیل توزیع نامتناسب مقدار بارندگی جزء مناطق خشک و نیمه خشک دنیا به شمار می رود؛ لذا جدی گرفتن تهدید خشک سالی و مدیریت این تهدید بالقوه امری اجتناب ناپذیر است. پژوهش حاضر تلاش دارد تا بر اساس روش های داده کاوی مکانی و قوانین انجمنی، مناسب ترین ترکیب شاخص های خشک سالی سنجش ازدور را در مقایسه با شاخص استانداردشده ی بارش معرفی نماید. برای ارزیابی این روش، حوضه ی آبریز دریاچه ی ارومیه به عنوان منطقه مطالعاتی در نظر گرفته شد. شاخص استانداردشده بارش با استفاده از بارش ایستگاه های باران سنجی و سینوپتیک از سال ۱۳۹۰ تا ۱۴۰۱ درون یابی، سپس یک لایه رستری شاخص به صورت رسترهای ۹، ۶، ۳، ۱ و ۱۲ ماهه تهیه و شاخص های VHI, TCI, VCI, EVI, LST, NDVI از طریق داده های سنجنده MODIS برای سال های بازه زمانی مشابه استخراج شد. نتایج این تحقیق نشان می دهد که همبستگی بالایی بین شاخص های سنجش ازدور LST NDVI و VCI و شاخص SPI وجود دارد؛ به طوری که اعتماد بین شاخص SPI و شاخص های LST, NDVI و VCI بالاتر از ۷۰ درصد است. همچنین نقشه های پهنه بندی شده خشک سالی به وسیله قوانین استخراج شده نشان می دهد که بیشترین خشک سالی در سال های ۱۳۹۲،۱۳۹۹ و ۱۴۰۰ رخ داده است.

کلیدواژه ها:

خشک سالی ، داده کاوی مکانی ، حوضه ی آبریز دریاچه ی ارومیه ، شاخص SPI

نویسندگان

محمد اسکندری

استادیار، مجتمع دانشگاهی مهندسی و پدافند غیرعامل، دانشگاه صنعتی مالک اشتر، تهران، ایران

مسعود دارابی

استادیار، مجتمع دانشگاهی مهندسی و پدافند غیرعامل، دانشگاه صنعتی مالک اشتر، تهران، ایران

محمدرضا صالحی

کارشناس ارشد پدافند غیرعامل، مجتمع دانشگاهی مهندسی و پدافند غیرعامل، دانشگاه صنعتی مالک اشتر، تهران، ایران

حبیب اله سهامی

استادیار، مجتمع دانشگاهی مهندسی و پدافند غیرعامل، دانشگاه صنعتی مالک اشتر، تهران، 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 :
  • Kerdprasop, K., & Kerdprasop, N. (۲۰۲۱). Remote Sensing Based Model ...
  • Chang ChungTe, C. C., Wang HsuehChing, W. H., & Huang ...
  • Safaeepour, M., Maleki, S., Ghaed, S., & Ebrahimi, A. (۲۰۲۴). ...
  • Goyal, M. K., & Sharma, A. (۲۰۱۶). A fuzzy c-means ...
  • Hao, Z., Hao, F., Singh, V. P., Ouyang, W., & ...
  • Kazempour Choursi, S., Erfanian, M., & Ebadi Nehari, Z. (۲۰۱۹). ...
  • Kerdprasop, K., & Kerdprasop, N. (۲۰۱۶). Remote sensing based model ...
  • Dehghan, A., Khanjani, N., Bahrampour, A., Goudarzi, G., Yunesian, M., ...
  • McKee, T. B., Doesken, N. J., & Kleist, J. (۱۹۹۵, ...
  • Khosravi, I., Jouybari-Moghaddam, Y., & Sarajian, M. R. (۲۰۱۷). The ...
  • Navabi, N., Moghaddasi, M., & Gangi, N. (۲۰۲۱). Assessment of ...
  • Marcos-Garcia, P., Lopez-Nicolas, A., & Pulido-Velazquez, M. (۲۰۱۷). Combined use ...
  • Nourani, V., & Molajou, A. (۲۰۱۷). Application of a hybrid ...
  • Rafiei Sardooi, E., Azareh, A., Eskandari Damaneh, H., & Skandari ...
  • Saada, N., & Abu-Romman, A. (۲۰۱۷). Multi-site modeling and simulation ...
  • Tadesse, T., Wardlow, B., & Hayes, M. J. (۲۰۰۹). The ...
  • صفایی پور، مسعود، ملکی، سعید، قائدی، سهراب و ابراهیمی، اعظم. ...
  • مرتازی، حسین، پورکرمانی، محسن، الماسیان، محمود و بوذری، سهیلا. (۱۴۰۲). ...
  • Zahraie, B., Nasseri, M., & Nematizadeh, F. (۲۰۱۷). Exploring spatiotemporal ...
  • Zoungrana, B. J., Conrad, C., Thiel, M., Amekudzi, L. K., ...
  • Thavorntam, W., Tantemsapya, N., & Armstrong, L. (۲۰۱۵). A combination ...
  • R. Khavari, M. Ghorashi, M. Arian, Kh.Khosrotehrani. (۲۰۰۸). Geomorphi signatures ...
  • نمایش کامل مراجع