سامانه مدیریت نشریات علمی دانشگاه کاشان

متشفع, بهزاد, هاشم گلوگردی, ساره. (1401). ارزیابی روند تغییرات مکانی و زمانی خشکسالی بر اساس داده‌های سری‌های زمانی سنجش از دور در مرکز استان خوزستان. سامانه مدیریت نشریات علمی, 11(35), 15-28. doi: 10.22052/deej.2022.11.35.21
بهزاد متشفع; ساره هاشم گلوگردی. "ارزیابی روند تغییرات مکانی و زمانی خشکسالی بر اساس داده‌های سری‌های زمانی سنجش از دور در مرکز استان خوزستان". سامانه مدیریت نشریات علمی, 11, 35, 1401, 15-28. doi: 10.22052/deej.2022.11.35.21
متشفع, بهزاد, هاشم گلوگردی, ساره. (1401). 'ارزیابی روند تغییرات مکانی و زمانی خشکسالی بر اساس داده‌های سری‌های زمانی سنجش از دور در مرکز استان خوزستان', سامانه مدیریت نشریات علمی, 11(35), pp. 15-28. doi: 10.22052/deej.2022.11.35.21
متشفع, بهزاد, هاشم گلوگردی, ساره. ارزیابی روند تغییرات مکانی و زمانی خشکسالی بر اساس داده‌های سری‌های زمانی سنجش از دور در مرکز استان خوزستان. سامانه مدیریت نشریات علمی, 1401; 11(35): 15-28. doi: 10.22052/deej.2022.11.35.21

ارزیابی روند تغییرات مکانی و زمانی خشکسالی بر اساس داده‌های سری‌های زمانی سنجش از دور در مرکز استان خوزستان

مهندسی اکوسیستم بیابان
مقاله 2، دوره 11، شماره 35، شهریور 1401، صفحه 15-28    اصل مقاله (782.81 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22052/deej.2022.11.35.21
نویسندگان
بهزاد متشفع* 1؛ ساره هاشم گلوگردی* 2
1دانشگاه صنعتی خاتم الانبیاء بهبهان
2دانش آموخته دکتری دانشگاه کاشان
چکیده
خشکسالی به یکی از رایج‌ترین و پیچیده‌ترین بلایای طبیعی تبدیل شده است که تأثیر زیادی بر روی توسعۀ پایدار جوامع دارد. سنجش از دور با داشتن اطلاعات مکانی و زمانی، ابزار مناسبی برای ارزیابی و بررسی این پدیده‌ است. در پژوهش حاضر روند مکانی و زمانی تغییرات خشکسالی در مرکز استان خوزستان مورد بررسی قرار گرفته است. به این منظور از تصاویر سنجندۀ ETM+ طی یک دورۀ 20 ساله استفاده شد. پس از انجام پیش‌پردازش‌ها، ابتدا 411 نقطۀ تصادفی روی تصاویر انتخاب و ارزش‌های پیکسل‌های مربوط به باند‌های قرمز و مادون قرمز نزدیک استخراج و در مقابل هم پلات شد و شیب بهترین خط برازش‌شده موسوم به خط خاک به دست آمد. سپس با استفاده از این شیب و مقادیر باند‌های ذکرشده، مقادیر شاخص خشکسالی PDI محاسبه شد. سپس با کاربرد روش طبقه‌بندی شکست طبیعی درجات مختلف از هم تفکیک شد و روند تغییرات مکانی و زمانی خشکسالی با استفاده از آزمون روند من-کندال فصلی در سطوح مختلف معنی‌داری تعیین گردید. نتایج نشان داد تغییرات مکانی درجۀ بدون خشکسالی در سطح 5% و 10% و در درجۀ خشکسالی کم در سطح 10% معنی‌دار بودند و درجات دیگر هیچ‌گونه روندی در سطوح معنی‌داری مختلف نداشتند. در مقابل تغییرات زمانی درجۀ بدون خشکسالی در سطوح معناداری 1%، 5% و 10% دارای روند معناداری نبود و درجات خشکسالی کم در سطح 5% و 10%، خشکسالی متوسط در سطح 1%، 5% و 10% و خشکسالی شدید در سطح 5% و 10% دارای روند معنادار بودند که حاکی از افزایش شدت خشکسالی در منطقه طی دورۀ مورد مطالعه بود.
کلیدواژه‌ها
خشکسالی؛ شاخص PDI؛ سری زمانی؛ روند
سایر فایل های مرتبط با مقاله
مراجع

Alijani, B., Mahmoudi, P. and Doust, M. K., 2015. Statistical Analysis of Climatic Histories of Desertification in Iran, Geographic Space 15, 1-18.

  1. Amani, M., Salehi, B., Mahdavi, S., Masjedi, A. and Dehnavi, S., 2017. Temperature-Vegetation-soil Moisture Dryness Index (TVMDI). Remote Sensing of Environment 197, 1-14.
  2. Assareh, A. and Amiri, E., 2015. The frequency of droughts in the Rivers Watershed and wetlands of Khuzestan province on The Basis of different parameters. Journal of wetland ecobiology 7, 91-102.
  3. Behrang Manesh, M., Khosravi, H., Azarnivand, H. and Alfonso, S., 2020. Quantifying The Trend Of Vegetation Changes Using Remote Sensing (Case Study: Fars Province). Journal of Plant Ecosystem Conversation 7, 295-318.
  4. Bernstein, L. S., Jin. X., Gregor, B. and Adler-Golden, S. M., 2012. Quick atmospheric correction code: algorithm description and recent upgrades. Optical Engineering 51, 111719-1-111719-11.
  5. Chen, Y., Sun, L., Liu, K. and Pei, Z., 2019. "Drought monitoring using MODIS derived perpendicular drought indexes". 8th International Conference on Agro-Geoinformatics (Agro-Geoinformatics). Istanbul. Turkey.
  6. Ebrahimi Khusfi, M., Darvishzade, R., Matkan, A. and Ashourloo, D., 2010. Drought Assessment in Arid Regions Using Vegetation Indices - a Case Study of "Shirkooh of Yazd" in Central Iran. Enviromental Science 7, 59-72.
  7. Feng, H., Wang, L., Tian, J., Tian, J., Wang, J., Meng, Q., Xiong, Y. and Sheng, L. T., 2013. "The Analysis of Soil Line Accuracy Affected Drought Monitoring Accuracy". 2013 IEEE International Geoscience and Remote Sensing Symposium. Melbourne. Australia.
  8. Ghulam, A., Qin, Q. and Zhan, Z., 2007a. Designing of the perpendicular drought index. Environmental Geology 52, 1045-1052.
  9. Ghulam, A., Qin, Q., Teyip, T. and Li, Z.L., 2007b. Modified perpendicular drought index (MPDI): a real-time drought monitoring method. ISPRS Journal of Photogrammetry and Remote Sensing 62, 150-164.
  10. Ghulam, A., Qin, Q., Kusky, T. M. and Li, Z-L., 2008. A re-examination of perpendicular drought indices. International Journal of Remote Sensing 29, 6037-6044.
  11. Golmehr, E., Mortazavi, M. and Parmoon, Gh., 2015. "Investigating the impact of drought on underground water resources and agricultural development in Khuzestan". The Second International Conference on Sustainable City Architecture and Culture. Tehran. Iran.
  12. Hashem Geloogerdi, S., Vali, A. and Sharifi, M. R., 2022. Investigation of Desertification Trend in the Center of Khuzestan province Using Remote Sensing Time Series Data. Iranian Journal of Soil and Water Research 52, 2743-2857
  13. Heidarian, P., Joudaki, M., Darvishi Khatoni, J. and Shahbazi, R. (2015). Recognized Dust Sources in Khuzestan Province: Ministry of Industry, Mine and Trade Geological Survey of Iran South West Regional Center.
  14. Helsel, D. R. and Frans, L. M., 2006. Regional Kendall Test for Trend. Environmental Science and Technology, 40, 4066–4073.
  15. https://earthexplorer.usgs.gov/
  16. Lahijanzadeh, A. R., Jafarzadeh Haghighifard, N., Khaksar, E. and Karimi, S., 2016. "Dust in Khuzestan province, challenges and solutions". First International Dust Conference. Ahwaz. Iran.
  17. Li, Y., Wen, Y., Lai, H. and Zhao, Q., 2020. Drought response analysis based on cross wavelet transform and mutual entropy. Alexandria Engineering Journal 59, 1223–1231.
  18. Liu, Y. and Yue, H., 2019. Remote Sensing Monitoring of Soil Moisture in the Daliuta Coal Mine Based on SPOT 5/6 and Worldview-2. Open Geosciences 11, 866- 876.
  19. Liang, L., Qiu, S., Yan, J., Shi, Y. and Geng, D., 2021. VCI-Based Analysis on Spatiotemporal Variations of Spring Drought in China. International Journal of Environmental Research and Public Health 18, 7967.
  20. Matkan, A. A., Darvishzade, R., Hosseiniasl, M., Ebrahimi Khusfi, M. and Ebrahimi Khusfi, Z., 2011. Drought Segmentation In Arid Regions Using Knowledge-Base Algorithms At Gis Environment (Case Study: Sheitoor, Yazd). Journal of Climate Research 2, 103-116.
  21. Nie, Y., Tan, Y., Deng, Y. and Yi, J., 2020. Suitability Evaluation of Typical Drought Index in Soil Moisture Retrieval and Monitoring Based on Optical Images. remote sensing 12, 2587.
  22. Palmer, W.C., 1965. Meteorological drought. In: US Weather Bureau Research Paper 45, 1-58.
  23. Park, Y. J., Lim, B. J. and Sung, J. H., 2018. Appraisal of drought characteristics of representative drought indices using meteorological variables. KSCE Journal of Civil Engineering 22, 2002-2009.
  24. Poussina, Ch., Massota, A., Ginzlerb, Ch., Weberb, D., Chatenoux, B., Lacroix, P., Piller, Th., Nguyen, L. and Giuliani, G., 2021. Drying conditions in Switzerland – indication from a 35-year Landsat time-series analysis of vegetation water content estimates to support SDGs. Big Earth Data 5, 445-475.
  25. Qin, Q., Ghulam, A., Zhu, L., Wang, L., Li, J. and Nan, P., 2008. Evaluation of MODIS derived perpendicular drought index for estimation of surface dryness over northwestern China. International Journal of Remote Sensing 29, 1983-1995.
  26. Richardson, A. j. and Wiegand, C. L., 1977. Distinguishing vegetation from soil background information. Photogrammetric Engineering and Remote Sensing 43, 1541-1552.
  27. Roozbahani, M, Khazaei, K. and Hajeb, M., 2015. "Agricultural drought monitoring using MODIS sensor image series through Mann-Kendall test". The first scientific research conference of new horizons in geography and planning sciences, architecture and urban planning of Iran. Tehran. Iran.
  28. Shahabfara, A., Ghulamb, A. and Eitzingera, J., 2012. International Journal of Applied Earth Observation and Geoinformation 18, 119-127.
  29. Tao, L., Ryu, D., Western, A. and Boyd, D., 2021. A New Drought Index for Soil Moisture Monitoring Based on MPDI-NDVI Trapezoid Space Using MODIS Data. remote sensing 13, 122.
  30. United Nations Office for Disaster Risk Reduction 2021. GAR Special Report on Drought 2021. Geneva.
  31. Varghese, D., Radulović, M., Stojković, S. and Crnojević, V., 2021. Reviewing the Potential of Sentinel-2 in Assessing the Drought. remote sensing 13, 3355.
  32. Wang, Y., Zhang, J., Tong, S. and Guo, E., 2017. Monitoring the trends of aeolian desertified lands based on time-series remote sensing data in the Horqin Sandy Land, China. Catena 157, 289-298.
  33. West, H., Quinn, N. and Horswell, M., 2019. Remote sensing for drought monitoring & impact assessment: Progress, past challenges and future opportunities. Remote Sensing of Environment 232, 111291.
  34. Yang, X., Qin, Q., Yao, Y. and Zhao, S., 2011. Comparison and application of PDI and MPDI for drought monitoring in Inner Mongolia.

36. Zormand tarzjani, S., 2014. Drought Monitoring Using Remote Sensing and Climatic Indicesin Khorasan Razavi Province. M.Sc. thesis, Isfahan University of Technology. 109 pp

آمار
تعداد مشاهده مقاله: 728
تعداد دریافت فایل اصل مقاله: 502