بررسی و پیش بینی وضعیت خشک سالی در مناطق زاگرسی بر اساس شاخص های سنجش ازدور و مدل های گردش عمومی جو در دوره ۲۰ ساله
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 29
This Paper With 19 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJFRPR-20-2_008
تاریخ نمایه سازی: 29 شهریور 1403
Abstract:
خشک سالی در زاگرس که یکی از مهم ترین اکوسیستم های ایران می باشد چالشی بزرگ است. سنجش از دور در پایش و مدیریت منابع طبیعی کاربردی کم نظیر دارد. هدف این مطالعه بررسی و تحلیل وضعیت خشکسالی در زاگرس میانی و جنوبی براساس مدل های گردش عمومی جو و شبکه عصبی در ارتباط با شاخص های سنجش دوریNDVI ، VCI، TCI ، VHI ، DDI ، EVI ، NDWI و SAVI می باشد. برای بررسی روند خشکسالی و پیش بینی آن از تصاویر سری زمانی ماهواره مودیس در دوره زمانی ۲۰ ساله استفاده شد. نخست شاخص های مذکور از محصولات MOD۰۲۱KM سنجنده Terra طی سالهای۲۰۰۰ تا ۲۰۱۹ تولید شدند و به کمک مدل های آماری– دینامیکی MP۵ تحت سناریوهای RCP ۲.۶، RCP ۴.۵ و RCP ۸.۵ طی دوره ۲۰۲۰ تا ۲۰۳۹ و شبکه عصبی و شاخص های سنجش از دوری میزان بارش برآورد شد. وضعیت خشکسالی به صورت ۲ دوره، بر اساس روش SPI برای ۲۰ سال وضعیت موجود (۲۰۱۹ – ۲۰۰۰) و بر اساس سناریوهای RCP و روش های سنجش از دور و شبکه های عصبی برای ۲۰ سال آینده (۲۰۳۹ – ۲۰۲۰) مورد بررسی قرار گرفت. نتایج حاکی از ترسالی شدید و بسیار شدید در دوره ۲۰۱۹ – ۲۰۰۰ و دوره ی ۲۰ سال آینده در نواحی مرتفع منطقه می باشد. همچنین تحلیل فضایی و پیش بینی خشکسالی ها نشان دهنده الگوی نامنظمی در همه ی شاخص ها بوده و تنها در شاخص های NDVI و SAVI تحلیل فضایی خشکسالی ها توانسته است الگوی نسبتا منظمی را ارائه کند
Authors
Salar Mirzapour
دانشجوی دکتری سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده منابع طبیعی و محیط زیست، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
Mir Masoud Kheirkhah Zarkash
دانشیار، پژوهشکده حفاظت خاک و آبخیزداری سازمان تحقیقات و آموزش و ترویج کشاورزی، تهران، ایران
Zahra Azizi
استادیار سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده منابع طبیعی و محیط زیست، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، 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 :
