ارزیابی کارآیی شاخص‌های طیفی پوشش گیاهی پهن‌باند در پیش‌بینی شرایط خشکسالی در ایران

حامد حیدری, دکتر محمدجواد ولدان‌زوج, یاسر مقصودی, محمدرضا بهشتی‌فر

چکیده


ایران یکی از کشورهای خشک و نیمه‌خشک به‌شمار می‌رود که به خشکسالی دچار است. کمبود اطلاعات هواشناسی طولانی‌مدت در پهنۀ وسیعی از کشور یکی از بزرگ‌ترین مشکلات برای مشاهده و پیش‌بینی کوتاه‌مدت خشکسالی در ایران است. در این مقاله، با به‌کار بردن روش ماشین بردار پشتیبان (SVM) و با استفاده از داده‌های 42 ایستگاه سینوپتیک منتخب در ایران، عملکرد شاخص‌های پوشش گیاهی طیفی پهن‌باند NDVI، NDVI-DEV، VCI و TCI در پیش‌بینی خشکسالی بررسی شد. بدین منظور، از شاخص خشکسالی (SPI) برای بیان خشکسالی استفاده شد که نشان‌دهندۀ شدت و دورۀ خشکسالی، از سال 1985 تا 2008 است. شاخص‌های پوشش گیاهی یادشده از تصاویر سنجندۀ NOAA-AVHRR محاسبه و استخراج شدند. این شاخص‌ها، به‌صورت ورودی، به مدل SVM وارد شدند و مقادیر SPI را به‌دست دادند. با این روش، شاخص‌های TCI و NDVI، به‌ترتیب، دارای بالاترین و پایین‌ترین همبستگی با شرایط خشکسالی شناخته شدند

واژگان کلیدی


سنجش ‌از دور، پیش‌بینی خشکسالی، SPI، شاخص‌های پوشش گیاهی، SVM.

تمام متن:

PDF

منابع و مآخذ مقاله


پرویز، ل.، خیاط خلقی، م.، ولی‌زاده، خ.، عراقی‌نژاد، ش.، و ایران‌نژاد، پ.، 1390، بررسی کارآیی شاخص‌های منتج از فناوری سنجش ‌از دور در ارزیابی خشکسالی هواشناسی، مطالعۀ موردی: حوضۀ آبریز سفیدرود، جغرافیا و توسعه، دورل 9، شمارۀ 22، صص. 164-147.

Anayamba, A.T. & Eastma Jr., C.J., 2001, NDVI Anomaly Patterns over Africa during the 1997/98 ENSO Warm Event, Int’l J. Remote Sensing, Vol. 22, No. 10, PP. 1847-1859.

Bhuiyan, C., Singh, R.P. & Kogan, F.N., 2006, Monitoring Drought Dynamics in the Aravalli Region (India) Using Different Indices Based on Ground and Remote Sensing Data, Int’l J. Applied Earth Observation and Geoinformation, Vol. 8, PP. 289-302.

Edwards, D.C., 1997, Characteristics of 20th Century Drought in the United States at Multiple Time Scales, Master thesis, Colorado State Univ..

Hopfner, C. & Scherer, D., 2011 , Analysis of Vegetation and Land Cover Dynamics in North-Western Morocco during the Last Decade Using Modis NDVI Time Series Data, Biogeosciences, Vol. 8, Issue 11, PP. 3359-3373.

Jain, S.K., Keshri, R., Goswami, A. & Sarkar, A., 2010, Application of Meteorological and Vegetation Indices for Evaluation of Drought Impact: A Case Study for Rajasthan, India, Natural Hazards, Vol. 54, Issue 3, PP. 643-656.

Jalili, M., Gharibshah, J., Ghavami, S.M., Beheshtifar, M. & Farshi, R., 2014, Nationwide Prediction of Drought Conditions in Iran Based on Remote Sensing Data, IEEE Transaction on Computers, Vol. 63, No. 1.

Ji, L. & Peters, A.J., 2003, Assessing Vegetation Response to Drought in the Northern Great Plains Using Vegetation and Drought Indices, Remote Sensing of Environment, Vol. 87, Issue 1, PP. 85-98.

Kinyanjui, M.J., 2011, NDVI-Based Vegetation Monitoring in Mau Forest Complex, Kenya, African J. Ecology, Vol. 49, Issue 2, PP. 165-174.

Kogan, F.N., 1995, Application of Vegetation Index and Brightness Temperature for Drought Detection, Advances Space Research, Vol. 15, Issue 11, PP. 91-100.

_________, 2001, Operational Space Technology for Global Vegetation Assessment, Bull. Am. Meteorological Soc., Vol. 82, PP. 1949-1964.

Li, B. & Tao, S., 2002, Relations between AVHRR NDVI and Ecoclimatic Parameters in China, Int’l J. Remote Sensing, Vol. 23, PP. 989-999.

Lotsch, A., Friedl, M.A., Anderson, B.T. & Tucker, C.J., 2003, Coupled Vegetation- Precipitation Variability Observed from Satellite and Climate Records, Geophysical Research Letters, Vol. 30, Issue 14, PP. 1774-1777.

McKee, T.B., Doesken, N.J. & Kliest, J., 1993, The Relationship of Drought Frequency and Duration to Time Scales, preprints Eighth Conference on Applied Climatology, PP. 179-184.

Palmer, W.C., 1965, Meteorological Drought, US Dept. of Com- merce, Weather Bureau, Research Paper No. 45, Washington DC.

Quiring, S.M. & Ganesh, S., 2010, Evaluating the Utility of the Vegetation Condition Index (VCI) for Monitoring Meteorological Drought in Texas, Agricultural and Forest Meteorology, Vol. 150, No. 3, PP. 330-339.

Raziei, A.P. & Saghafian, B., 2005, Annual Rainfall Trend in Arid & Semi-Arid Regions of Iran, Proc. 21st European Regional Conf., PP. 20-28.

Rulinda, C.M., Dilo, A., Bijker, W. & Steina, A., 2012, Characterising and Quantifying Vegetative Drought in East Africa Using Fuzzy Modelling and NDVI Data, J. Arid Environments, Vol. 78, PP. 169- 178.

Sadeghi, A.R., Kamgar-Haghighi, A.A., Sepaskahah, A.R., Khalili, D. & Zand-Parsa, S., 2002, Regional Classification for Dryland Agriculture in Southern Iran, J. Arid Environments, Vol. 50, No. 2, PP. 333-341.

Song, X., Saito, G., Kodama, M. & Sawada, H., 2004, Early Detection System of Drought in East Asia Using NDVI from NOAA AVHRR Data, Int’l J. Remote Sensing, Vol. 25, PP. 3105-3111.

Tucker, C.J., 1979, Red and Photographic Infrared Linear Combinations for Monitoring Vegetation, Remote Sensing of Environment, Vol. 8, Issue 2, PP. 127-150.

Wilhite, D.A. & Glantz, M.H., 1985, Understanding the Drought Phenomenon, The role of definitions, Water International, Vol. 10, No. 3, PP. 111-120.


ارجاعات

  • در حال حاضر ارجاعی نیست.