ارزیابی خسارت خشکسالی با استفاده از شاخص های ماهواره ای خشکسالی و فاکتورهای آسیب پذیری: مطالعه موردی: استان ایلام

Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 137

This Paper With 20 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_IJRDR-29-4_005

تاریخ نمایه سازی: 21 فروردین 1402

Abstract:

خشکسالی یک پدیده اقلیمی ناخوشایند است که به طور مستقیم بر ابعاد مختلف جوامع انسانی تاثیر می گذارد. به منظور آگاهی و انتخاب تصمیم مدیریتی مناسب، طراحی و توسعه یک رویکرد یکپارچه برای کنترل موثرتر این پدیده و ارائه هشدارهای اولیه ضروری است. در این مطالعه، دوازده شاخص مختلف سنجش از دور از ماهواره مودیس (MODIS) و مدل رقومی ارتفاعی (DEM) برای پایش خشکسالی در طول فصل رشد برای سال های ۲۰۱۸-۲۰۰۰ مورد استفاده قرار گرفت. شاخص استاندارد شده بارش (SPI) با مقیاس زمانی یک تا ۱۲ ماه به عنوان داده مرجع استفاده شد. سپس روابط بین ۱۳ شاخص و SPI با مقیاس­های زمانی مختلف با استفاده از رویکرد یادگیری ماشین و تکنیک جنگل تصادفی مدل­سازی استفاده شد. از داده های رطوبت نسبی خاک، شاخص بارش-تبخیر و تعرق استانداردشده (SPEI) و داده های عملکرد محصول به منظور اعتبارسنجی مدل استفاده شد. نتایج نشان داد که جنگل تصادفی کارکرد خوبی (R۲=۸۸/۰) برای شبیه­سازی SPI دارد. در مرحله بعد با استفاده از مدل خشکسالی که در مرحله قبل ساخته شد، شاخص خطر خشکسالی (DHI) بر اساس احتمال وقوع خشکسالی محاسبه شد. شاخص آسیب پذیری خشکسالی (DVI) نیز  با استفاده از  هفت شاخص اجتماعی و اقتصادی محاسبه شد. در نهایت، شاخص خسارت خشکسالی (DRI) با تلفیق شاخص خطر خشکسالی و شاخص آسیب­پذیری خشکسالی برای استان ایلام به دست آمد. نتایج نقشه خسارت نشان داد که دو شهرستان در معرض خسارت خشکسالی خیلی­شدید، چهار شهرستان در معرض خسارت زیاد و چهار شهرستان در معرض خطر خشکسالی متوسط و کم قرار دارند. به طور کلی، نتایج این مطالعه یک روش جامع برای ارزیابی خشکسالی منطقه­ا ی ارائه می دهد. همچنین بر اساس این مدل، می توان شهرستان های با آسیب پذیری بالا را شناسایی کرد تا با ارائه برنامه های مدیریتی به موقع به بهبود وضعیت کمک کند.

Authors

زاهده حیدری زادی

دانشجوی دکتری بیابان زدایی، دانشکده آبخیزداری و مدیریت مناطق بیابانی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

مجید اونق

استاد، دانشکده آبخیزداری و مدیریت مناطق بیابانی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

چوقی بایرام کمکی

استادیار، دانشکده آبخیزداری و مدیریت مناطق بیابانی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • AghaKouchak, A., Farahmand, A., Melton, F.S., Teixeira, J., Anderson, M.C., ...
  • Azizi, Q. and Safarkhani, E., ۲۰۱۰. Evaluation of drought and ...
  • Dabanli, I.J.N.H., ۲۰۱۸. Discussions, E.S.S. Drought Risk Assessment by Using ...
  • Dai, A., ۲۰۱۱. Erratum: drought under global warming: a review. ...
  • Dutra, E., Giuseppe, F. D., Wetterhall, F. and Pappenberger, F., ...
  • Gao, B.-C., ۱۹۹۶. NDWI—a normalized difference water index for remote ...
  • Gessner, U., Naeimi, V., Klein, I., Kuenzer, C., Klein, D. ...
  • Gu, Y., Brown, J.F., Verdin, J.P. and Wardlow, B., ۲۰۰۷. ...
  • Hayes, M., Svoboda, M., Le Comte, D., Redmond, K. T. ...
  • Huete, A.R., Post, D.F., and Jackson, R.D., ۱۹۸۴. Soil Spectral ...
  • Karanjadi, A., and Pourqasmi, H., ۲۰۱۸. Landslide susceptibility assessment using ...
  • Khoshnazar, A., Corzo Perez, G.A. and Diaz, V., ۲۰۲۱. Spatiotemporal ...
  • Khoshnazar, A., Nasrabadi, T. and Abbasi Maedeh, P., ۲۰۱۲. Evaluating ...
  • Kim, H., Park, J., Yoo J, and Kim, T.W., ۲۰۱۵. ...
  • Kogan, F.N., ۱۹۹۳. United States droughts of late ۱۹۸۰'s as ...
  • Liaw, A. and Wiener, M., ۲۰۰۲. “Classification and Regression by ...
  • Lin, M.L., Chu, C.M. and Tsai, B.W., ۲۰۱۱. Drought risk ...
  • Jia, H. and Wang, D. P. J., ۲۰۱۶. Risk mapping ...
  • Lin, Y.-C., Kuo, E.-D. and Chi, W.-J., ۲۰۲۱. Analysis of ...
  • Luetkemeier, R., Stein, L., Drees, L. and Liehr, S., ۲۰۱۷. ...
  • Madadi, G., Mostafavi, A. and Khosravani, F., ۲۰۱۶. Estimation of ...
  • McKee, T. B., Doesken, N. J. and Kleist, J., ۱۹۹۳. ...
  • Mizzell, H., ۲۰۰۸. Improving Drought Detection in the Carolinas: Evaluation ...
  • Nasrollahi, M., ۲۰۱۵. Assessment of drought hazard, vulnerability and risk ...
  • Nezlin, N., Kostianoy, A. and Li, B.-L., ۲۰۰۵. Inter-annual variability ...
  • Park, S., Im, J., Jang, E. and Rhee, J., ۲۰۱۶. ...
  • Paulo, A. A., Rosa, R. D. and Pereira, L. S., ...
  • Piao, S., Fang, J., Zhou, L., Guo, Q., Henderson, M., ...
  • Proodhan, F.A., Jiahua, Z., Fengmei, Y., Lamei, Sh., Til, P., ...
  • Prasad, A.M., Iverson, L.R. and Liaw, A., ۲۰۰۶. Newer classification ...
  • R Core Team., ۲۰۲۱. R: A language and environment for ...
  • Rajsekhar, D., Singh, V. P. and Mishra, A. K., ۲۰۱۵. ...
  • Rhee, J., Im, J. and Carbone, G.J., ۲۰۱۰. Monitoring agricultural ...
  • Rouse, J.W., ۱۹۷۴. Monitoring the vernal advancement of retro gradation ...
  • Sahana, V., Mondal, A. and Sreekumar, P., ۲۰۲۱, Drought vulnerability ...
  • Sebagti, M., Ahmadi, H. and Moghadam, A. ۲۰۱۶. Calculating the ...
  • Shen, R, Huang, A, Li, B, Guo, J., ۲۰۱۹. Construction ...
  • Svoboda, M., ۲۰۰۰. An introduction to the drought monitor. Drought ...
  • United Nation Development Program., ۲۰۰۴. Reducing disaster risk, A challenge ...
  • Vicente-Serrano, S.M., Beguería, S. and López-Moreno, J.I., ۲۰۱۰. A multiscalar ...
  • Vicente-Serrano, S. M., Beguería, S., Gimeno, L., Eklundh, L., Giuliani, ...
  • Wang, L. and Qu, J.J., ۲۰۰۷. NMDI: A normalized multi-band ...
  • Wardlow, B. D., Anderson, M. C. and Verdin, J. P., ...
  • Waseem, M., Ajmal, M. and Kim, T. W., ۲۰۱۵. Development ...
  • Yin, J., Zhan, X., Hain, C.R., Liu, J. and Anderson, ...
  • Zhang, A. and Jia, G., ۲۰۱۳. Monitoring meteorological drought in ...
  • نمایش کامل مراجع