به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

فهرست مطالب صمد خسروی یگانه

  • صمد خسروی یگانه، مصطفی کرم پور*، بهروز نصیری
    مقدمه

    شرایط خشکسالی ممکن است، از متوسط تا شدید و با مدت زمان متفاوت، متغیر باشد؛ این تغییرات به نظارت مداوم و عملیاتی نیاز دارد. هرچه خشکسالی بیشتر طول بکشد، در پوشش گیاهی و منابع آبی تاثیر بیشتری می گذارد و خشکسالی تشدید می شود؛ درنتیجه، ممکن است خدمات به انسان ها را محدود کند و سیستم های طبیعی را تغییر دهد. از جمله تاثیرات خشکسالی، تخریب زیستگاه حیات وحش، کاهش کیفیت آب و کاهش دسترسی به منابع آب است. پایش خشکسالی برای محققان، مدیران و تصمیم گیرندگان، به منظور شناسایی مناطق آسیب پذیر، ضروری است و نتایج آن با هدف کاهش پیامدهای خشکسالی به کار می رود.

    مواد و روش ها

    در این مطالعه تلاش شده است، با استفاده از تصاویر مادون قرمز سنجنده Suomi NPP دریافتی از سایتearth data.nasa.gov و بهره گیری از شاخص هایNDVI ، VCI،  TCIو  VHIوضعیت خشکسالی پوشش گیاهی در ایران بررسی شود. دوره مورد مطالعه 2021-2013، اول آوریل تا انتهای جولای (هفته 13 تا 26 میلادی)، به صورت میانگین هفتگی است. میانگین ماهیانه شاخص استاندارد بارش (SPI) در ایران با استفاده از داده های بارش روزانه 143 ایستگاه سینوپتیک به دست آمد. سپس ضریب همبستگی (SPI) با هریک از شاخص های VHI، TCI، VCI و NDVI محاسبه شد. در تصاویر مادون قرمز، باندهای M دارای قدرت تفکیک 750 و باندهای I برابر با 375 متر است.

    نتایج و بحث:

     براساس داده های بارش ثبت شده در ایستگاه های هواشناسی سینوپتیک، می توان گفت که عمده بارش در فصل های پاییز، زمستان و بهار رخ داده و سهم تابستان در بارش سالانه اندک می باشد. بنابراین سال آبی، در بیشتر مناطق ایران، به طور تقریبی از دهه سوم سپتامبر شروع و تا دهه دوم و سوم ژوئن هر سال ادامه دارد. در منطقه مورد مطالعه، بهترین پایه زمانی برای پایش و برآورد آن از اول آوریل تا اواخر ژوئن  است. در فصل تابستان، ایران یک فصل خشک را می گذراند و ماه اوت خشک ترین ماه سال است. تغییرات زمانی و مکانی خشکسالی هریک از شاخص های پوشش گیاهی با یکدیگر تفاوت زیادی دارد.

    نتیجه

    میزان هریک از شاخص ها در شرایطی که پوشش گیاهی در وضعیت خشکسالی قرار دارد کاهش یافته و در طبقه خشکسالی خفیف و سپس شدید قرار می گیرد. بدین ترتیب، طی سال هایی که خشکسالی رخ داده است، مقدار شاخص ها از ماه آوریل روند نزولی دارد و در ژوئن و جولای، شاخص ها به سمت خشکسالی شدید میل پیدا می کند. براساس محاسبات، مشخص شد که مقدار شاخص استاندارد بارش در پهنه مورد مطالعه، طی ماه های گرم سال منفی است. این نکته بیانگر پایین بودن میزان بارش دریافتی درقیاس با دیگر ماه های سال است.

    کلید واژگان: شاخص های خشکسالی سنجش از دوری, شاخص استاندارد بارش, ایران}
    Samad Khosravi Yeganeh, Mostafa Karampour *, Behrouz Nasiri
    Introduction

    Drought conditions can vary from moderate to severe and have different durations, necessitating continuous and operational monitoring. The longer the drought persists, the more pronounced its impact on vegetation and water resources becomes, and the more severe the drought, the greater the limitation of services for humans and the alteration of natural systems. Habitat destruction for wildlife, reduced water quality, and reduced access to water resources could be consider as most effects of drought. Drought monitoring is essential for researchers, managers, and decision-makers to identify vulnerable areas, which can be used to reduce the consequences of drought.

    Material and Methods

    In this study, an attempt has been made to investigate the vegetation drought situation in Iran by using Suomi NPP infrared sensor images obtained from the Earth Data website (earthdata.nasa.gov) and using (NDVI), (VCI), (TCI), and (VHI) indices. The study period, spanning from April 1st to July (the 13th to 26th week), was selected as it encompasses the typical drought duration in Iran. The Standard Precipitation Index (SPI) was calculated for Iran using daily precipitation data from 143 synoptic stations. Subsequently, the correlation coefficient was calculated between SPI and each of the indices (NDVI), (VCI), (TCI), and (VHI). In infrared images, M bands have a resolution of 750 meters, while I bands have a resolution of 375 meters.

    Results and Discussion

    Based on the rainfall data recorded in synoptic meteorological stations, there is minimal rainfall during the summer months (July, August, and September). Conversely, the majority of rainfall occurs during the autumn, winter, and spring seasons. Consequently, the water year in most regions of Iran commences approximately in the third decade of September and continues until the second and third decade of June annually. In this study area, the optimal temporal base for monitoring and estimating drought on the vegetation is from April 1st to June 30th. In this article, the effect of precipitation on vegetation conditions was investigated using the standardized precipitation index (SPI), derived from monthly precipitation data from synoptic meteorological stations. Iran experiences a dry season in summer, with August being the driest month of the year. The temporal and spatial changes in drought for each vegetation indicator are markedly different.

    Conclusion

    Based on the majority of years experiencing drought, the vegetation cover is expected to face mild or severe drought. This is demonstrated by a decrease in the values of each indicator. In years  that the vegetation was affected by drought, the values of the indices show a decrease in April, followed by an increase in June and July. This suggests the beginning of a severe drought. Based on the calculated SPI, it was determined that the area experiences low precipitation during the hot months, indicating a lower rate compared to other months.

    Keywords: Remote Sensing Drought Indices, Standard Index Of Precipitation, Iran}
  • صمد خسروی یگانه، مصطفی کرم پور*، بهروز نصیری

    امروزه در زمینه مطالعه و توضیحات سیستم یکپارچه مبتنی بر کاربرد ماهواره ها برای نظارت و پیش بینی شرایط محیطی زمین در بلند مدت و کوتاه مدت و فعالیت های اقتصادی وابسته به آب و هوا ماهواره های مختلفی به کار گرفته شده اند. این سیستم ها بر اساس روش سنجش از دور یا مشاهدات ماهواره ای از زمین، نظریه بیوفیزیکی پاسخ گیاهان به شرایط اقلیمی، مجموعه ای از الگوریتم های پردازش داده های ماهواره ای، تفسیر، توسعه محصول، اعتبار سنجی، کالیبراسیون و کاربردها را شامل می شود. مشاهدات جدید ماهواره ای عمدتا توسط تصاویر پیشرفته مادون قرمز که بسیار کارآمد هستند، نشان داده می شوند. در این رابطه، استفاده از روش های سنجش از دور، جهت پایش و بررسی اثرات بارش دریافتی بر پوشش گیاهی، به عنوان یکی از کارآمدترین روش ها شناخته شده است.  به منظور آشکار سازی تاثیر بارش بر پوشش گیاهی ، جهت محاسبه میانگین ماهانه (SPI) داده های بارش 13 ایستگاه هواشناسی سینوپتیک مورد استفاده قرار گرفت. سپس با استفاده از تصاویر مادون قرمز به صورت میانگین هفتگی 2021-2013 (اول آوریل تا پایان ژولای)، به بررسی وضعیت پوشش گیاهی پرداخته شد. میزان همبستگی (SPI) با شاخص هایNDVI ،TCI ،VCI  وVHI  به ترتیب 050/0، 069/0، 0027/0، 0025/0 می باشد. شاخص (VCI) همبستگی بیشتری با (SPI) دارد که می تواند به عنوان یک روش ترکیبی از سنجش از دور و اطلاعات ایستگاه های هواشناسی (SPI) برای بررسی شرایط پوشش گیاهی در استان کرمانشاه مناسب باشد. پوشش گیاهی همه ساله با درجات مختلفی از خشکسالی رو به رو بوده است. شدیدترین خشکسالی پوشش گیاهی در 2015 در قسمت های مرکزی، جنوبی و شمال شرقی استان رخ داده است. در 2013 خشکسالی با شدت کمتری نیز رخ داده و در 2016 ، 2018، 2019 و2020 پوشش گیاهی در شرایط مطلوب تری قرار داشته است.

    کلید واژگان: خشکسالی, شاخص SPI, سنجش از دور, استان کرمانشاه}
    Samad Khosravi Yeganeh, Mostafa Karampour *, Behrouz Nasiri

    Today, in the field of studying and explaining the integrated system based on the use of satellites, various satellites have been used to monitor and predict the environmental conditions of the earth in the long and short term and the economic activities related to the weather. These systems are based on remote sensing or satellite observations from the earth, biophysical theory of plant response to climate conditions, a set of satellite data processing algorithms, interpretation, product development, validation, calibration and applications. . New satellite observations are mainly represented by advanced infrared images, which are very efficient. In this regard, the use of remote sensing methods is known as one of the most efficient methods to monitor the effects of rainfall on vegetation. In order to reveal the effect of precipitation on vegetation, the monthly average (SPI) of precipitation data of 13 synoptic meteorological stations was used. Then, using infrared images as a weekly average of 2013 -2021 (April 1st to the end of July), the status of vegetation was examined. The correlation level (SPI) with NDVI, TCI, VCI and VHI indexes is 0.0025, 0.0027, 0.069, 0.050 respectively. (VCI) index has a higher correlation with (SPI), which can be suitable as a combined method of remote sensing and weather station information (SPI) to investigate vegetation conditions in Kermanshah province. Vegetation has faced different degrees of drought every year. The most severe vegetation drought in 2015 occurred in the central, southern and northeastern parts of the province. In 2013, a less severe drought occurred and in 2016, 2018, 2019 and 2020, the vegetation was in more favorable conditions.

    Keywords: Drought, SPI, remote sensing, Kermanshah province}
  • مصطفی کرم پور*، صمد خسروی یگانه، فرزانه احمدی

    در این پژوهش به منظور بررسی شرایط کلی تنش بادی در منطقه غرب و شمال غرب ایران، داده های تنش و سرعت باد در تراز ارتفاعی 10 متری از سطح زمین از پایگاه داده MERRA-2Model  از سنجنده  TRMM طی دوره ی آماری 2018-1990 در مختصات 30 تا 37.5 درجه عرض شمالی و 45 تا 52.5 درجه طول شرقی اخذ گردید. جهت استخراج داده های ماهواره ای تنش بادی در سطح ایستگاه های سینوپتیک ارومیه، تبریز، زنجان ، همدان، سنندج ، کرمانشاه، خرم آباد، اردبیل، ایلام و اهواز، نرم افزار GIS مورد استفاده قرار گرفت. برای محاسبه تنش باد، داده های دما ، فشار و باد از سازمان هواشناسی اخذ گردید. جهت ارزیابی داده های ماهواره ای و داده های ایستگاهی از معیارهای آماری ضریب همبستگی (CC) ، میانگین خطا (ME)  و مجذور مربعات خطا (RMSE) استفاده شد. حداکثر (RMSE)  060516/0 و حداقل آن 000576/0 می باشد. ضریب همبستگی بین داده های مشاهداتی و ماهواره ای 16/0 تا 87/0 محاسبه گردید. تحلیل روند تنش بادی با استفاده از روش ناپارامتری من- کندال محاسبه شد. براساس نتایج حاصل شده ، بیشترین مقدار تنش باد در فصل زمستان در ماه فوریه در ایستگاه اردبیل و کمترین آن در ایستگاه های کرمانشاه و سنندج مشاهده گردید. در فصل بهار بیشترین تنش باد در ایستگاه زنجان در ماه آوریل و کمترین مقدار تنش در ایستگاه همدان در همین ماه بوده است. در فصل تابستان بیشترین مقدار تنش باد در ایستگاه اهواز در ماه آگوست وکمترین مقدار آن در ایستگاه سنندج در ماه ژولای مشاهده شد. در فصل پاییز بیشترین مقدار تنش در ایستگاه زنجان در ماه دسامبر و کمترین مقدار در ایستگاه کرمانشاه در همین ماه مشاهده گردید. تنش بادی دارای روندی فصلی می باشد که تغییرات ماهانه آن چشمگیر است. تفاوت بارزی در جهت جریان تنش بادی در اثر تغییر فصل وجود دارد.

    کلید واژگان: تنش بادی, تحلیل روند, آزمون من - کندال, غرب و شمال غرب ایران}
    Mostafa Karampoor*, Samad Khosravi Yegane, Farzane Ahmadi

    In this study, in order to investigate the general conditions of wind stress in the west and northwest of Iran, wind stress and velocity data at an altitude of 10 meters above the ground from the MERRA-2Model database of the TRMM sensor during the period 2018-1990 in coordinates 30 to 37.5 degrees north latitude and 45 to 52.5 degrees east longitude were obtained. GIS software was used to extract wind stress satellite data at Urmia, Tabriz, Zanjan, Hamadan, Sanandaj, Kermanshah, Khorramabad, Ardabil, Ilam and Ahvaz synoptic stations. To calculate wind stress, temperature, pressure and wind data were obtained from the Meteorological Organization. To evaluate satellite data and station data, the statistical criteria of correlation coefficient (CC), mean error (ME) Root Mean Square Error (RMSE) were used. The maximum (RMSE) is 0.060516 and the minimum is 0.000576. The correlation coefficient between observational and satellite data was calculated from 0.16 to 0.87. Wind stress trend analysis was calculated using non-parametric Mann-Kendall method. According to the results, the highest amount of wind stress in winter was observed in February in Ardabil station and the lowest in Kermanshah and Sanandaj stations. In spring, the highest wind stress was in Zanjan station in April and the lowest in Hamedan station in the same month. In summer, the highest amount of wind stress was observed in Ahvaz station in August and the lowest amount was observed in Sanandaj station in July. In autumn, the highest amount of stress was observed in Zanjan station in December and the lowest amount in Kermanshah station in the same month. Wind stress has a seasonal trend whose monthly changes are significant. There is a significant difference in the direction of wind stress flow due to the change of seasons.

    Keywords: Wind stress, trend analysis, Mann-Kendall test, west, northwest of Iran}
  • صمد خسروی یگانه، مصطفی کرم پور*، بهروز نصیری
    اهداف

    هدف این پژوهش، برآورد انرژی پتانسیل باد در سطوح 30 ، 50 و 100 متری از سطح زمین در 8 ایستگاه انتخاب شده در استان لرستان است.

    روش

    در این پژوهش برای برآورد انرژی پتانسیل باد بر پایه داده های ساعتی در 8 ایستگاه انتخاب شده در دوره زمانی 2000-2019 با استفاده از داده های ماهواره ای اخذ شده از MERRA-2 Modal انجام شده است. برای صحت سنجی داده های ماهواره ای در مقایسه با داده های ایستگاهی، داده های ساعتی سرعت باد از سازمان هواشناسی دریافت شد. برای ارزیابی و صحت سنجی داده های ماهواره ای در مقایسه با داده های ایستگاهی در تراز ارتفاعی 10 متری، ضریب همبستگی CC، میانگین خطا ME، مجذور مربعات خطاRMSE  و تابع اریبی یا تورش دار BIAS محاسبه شده است. پس از صحت سنجی داده ها برای ترسیم گلباد از نرم افزار Windographer  و برای برازش داده ها از توزیع احتمال ویبول استفاده شد. نیروی چگالی باد سالانه در ترازهای ارتفاعی 30 ، 50 و 100 متری محاسبه شد.

    یافته ها/ نتایج

    در این تحقیق پس از صحت سنجی داده های ماهواره ای در مقایسه با داده های ایستگاهی با میزان خطای 4047218/0 ثابت شد که داده های ماهواره ای از وضعیت مناسبی برای استفاده در این پژوهش برخوردارند. بر پایه محاسبات، بیشترین انرژی پتانسیل باد در تراز ارتفاعی 30 متری به ترتیب به ایستگاه های بروجرد، الشتر، کمالوند، ازنا، الیگودرز، نورآباد، دورود و کوهدشت با 128 ، 102، 98 ، 86 ، 69 ، 57 ، 50 و 41 وات بر مترمربع در ساعت اختصاص دارد که این مقادیر در ترازهای50  و 100 متری با یک نسبت مشخص و با همین ترتیب در تراز 30 متری برای دیگر ترازهای ارتفاعی در همه ایستگاه ها افزایش می یابد.

    نتیجه گیری:

     ایستگاه های بروجرد، الشتر، نورآباد، ازنا و کمالوند در ترازهای ارتفاعی 30 ، 50 و 100 متری و ایستگاه های الیگودرز، کوهدشت و دورود فقط در سطح 100 متری از سطح زمین پتانسیل مناسبی برای تولید انرژی از نیروی چگالی باد با توجه به  نوع ارتفاع توربین بادی دارند.

    کلید واژگان: توزیع ویبول, نیروی چگالی باد, داده ماهواره ای, استان لرستان}
بدانید!
  • در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو می‌شود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشته‌های مختلف باشد.
  • همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته می‌توانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
  • در صورتی که می‌خواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال