پایش خشکسالیهای کشاورزی براساس دادههای دورسنجی و سیستمهای اطلاعات جغرافیایی
Publish place: The first national conference on the impact of Lake Urmia retreat on soil and water resources
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 702
This Paper With 10 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:
شناسه ملی سند علمی:
AZARAN01_087
تاریخ نمایه سازی: 25 اردیبهشت 1393
Abstract:
به منظور ارزیابی دقیق از رخداد، گسترش وشدت یک خشکسالی بایستی تصویر صحیحی از توزیع مکانی و زمانی پارمترهای هواشناسی، هیدرولوژیکی و متغیرهای سطحی مرتبط با آن داشته باشیم امروزه خوشبختانه مشاهدات فضائی دارای پتانسیل لازم و بالائی در این زمینه میباشند. از طریق قابلیت دریافت اطلاعات فضائی با قدرت تفکیک مکانی و زمانی بالا در سطح وسیعی از زمین و بصورت نزدیک به زمان واقعی امکان پایش خشکسالیها با استفاده از تکنولوژی دورسنجی براساس انعکاس طیفی در باندهای مختلف و امکان محاسبه درهر سلول فراهم خواهد آمد. ولی با توجه به اینکه شاخصهای مبتنی بر مشاهدات فضائی به اندازه دادههای هواشناسی در مطالعات خشکسالی ها حساس نیستند بنابراین بایستی با دادههای واقعی زمینی کالیبره شوند. سیستمهای اطلاعات جغرافیایی به خاطر قابلیتهای خود در زمینههای جمع آوری وذخیره و پردازش دادهها و تحلیلهای مکانی امروزه بعنوان ابزاری توانمند در پایش خسکسالیها بکار گرفته میشود. مقاله حاضر درصدد معرفی شاخصهای رایج در زمینه پایش خشکسالیهای کشاورزی بوده تا از این طریق اهمیت از شاخصهای یاد شده در زمینه ارزیابی و پایش خشکسالیهای کشاورزی را آشکار ساخته و باارائه متدولوژی تهیه بانک اطلاعاتی در محیط GIS در این زمینه، امکان طراحی و ایجاد سیستم پیشآگهی در زمینه مخاطرات کشاورزی را بیان کند.
Keywords:
شاخصهای خشکسالی کشاورزی , سیستمهای اطلاعات جغرافیایی و دادههای دورسنجی
Authors
جمشید یاراحمدی
عضو هیئت علمی مرکز تحقیقات کشاورزی و منابع طبیعی آذربایجان شرقی
نسرین حاجی حسنی
کارشناس مرکز تحقیقات کشاورزی و منابع طبیعی آذربایجان شرقی
مالک رفیعی
کارشناس مرکز تحقیقات کشاورزی و منابع طبیعی آذربایجان شرقی
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 :