فهرست مطالب علی اکبر مهران
-
پایش موثر و به موقع خشکسالی می تواند به توسعه سامانه های خشکسالی و مدیریت بهینه منابع آبی کمک کند. بنابراین، در این پژوهش وضعیت خشکسالی ایستگاه های سینوپتیک استان فارس (آباده، شیراز، فسا و لار) در مقیاس های زمانی مختلف (6،3، 9 و 12 ماهه) با استفاده از شاخصهای بارش-تبخیر و تعرق (SPEI) و بارش استاندارد چند متغیره (MSPI) مورد بررسی قرار گرفت. در نهایت، به منظور بررسی روند شاخصهای مورد بررسی از آزمون من-کندال استفاده شده است. بر اساس نتایج، در مقیاس های زمانی کوتاه مدت فراوانی دوره های خشک و مرطوب زیاد است. اما با افزایش مقیاسهای زمانی، فراوانی دورههای خشک و مرطوب کاهش می یابد و تداوم آنها افزایش پیدا میکند. از لحاظ شاخص SPEI در مقیاس زمانی 3 ماهه شدیدترین خشکسالی در ایستگاه آباده (20/5-) و شدیدترین ترسالی در ایستگاه شیراز (21/5) میباشد. در مقیاس زمانی 6 ماهه شدیدترین خشکسالی و ترسالی به ترتیب در ایستگاه های آباده (45/3-) و شیراز (10/3) مشاهده شد. در مقیاس زمانی 9 ماهه شدیدترین خشکسالی و ترسالی در ایستگاه لار به ترتیب با مقادیر 63/3- و 48/2 میباشد. همچنین در مقیاس 12 ماهه شدیدترین خشکسالی در ایستگاه شیراز (37/3-) و شدیدترین ترسالی در ایستگاه آباده (37/2) میباشد. تجزیه و تحلیل مولفه های اصلی سری زمانی SPI نشان داد که اولین مولفه اصلی (PC1) می تواند درصد زیادی از تغییرات را در سری های زمانی SPI اصلی در تمام مناطق مورد مطالعه در این پژوهش، به خود اختصاص دهد. همچنین نتایج نشان داد که MSPI ها از نوسانات سری زمانیSPI به ویژه در دوره های خشک و مرطوب طولانی مدت پیروی می کنند. به طوری که، دوره های خشک و مرطوب جزیی در دوره های خشک یا مرطوب شدید و طولانی، ممکن است توسط MSPI حذف شوند.
کلید واژگان: اقلیم, پایش, پنجره زمانی, شاخص بارش- تبخیر و تعرق, MspI}The effective and timely monitoring of drought can help to develop drought systems and optimal management of water resources. Therefore, in this research, the drought situation in the synoptic stations of Fars province (Abadeh, Shiraz, Fasa and Lar) was investigated in different time scales (3, 6, 9 and 12 months) using precipitation-evaporation and transpiration (SPEI) and Multivariate standardized precipitation (MSPI) indices. The Mann-Kendall test was used in order to check the trend of the investigated indicators. Based on the results, the frequency of dry and wet periods is high in short-term time scales. But with the increase of time scales, the frequency of dry and wet periods decreases and their duration increases. In terms of the SPEI index, in the 3-month time scale, the most severe drought is at Abadeh station (-5.20) and the most severe drought is at Shiraz station (5.21). In the time scale of 6 months, the most severe drought and drought were observed in Abadeh (-3.45) and Shiraz (3.10) stations, respectively. In the time scale of 9 months, the most severe drought and drought are in Lar station with values of -3.63 and 2.48, respectively. Also, on a 12-month scale, the most severe drought is in Shiraz station (-3.37) and the most severe drought is in Abadeh station (2.37). Principal component analysis of SPI time series showed that the first principal component (PC1) can account for a large percentage of changes in the original SPI time series in all regions studied in this research. Also, the results showed that MSPIs follow the fluctuations of the SPI time series, especially in long-term dry and wet periods. So, partial wet and dry periods in severe and prolonged dry or wet periods may be excluded by MSPI.
Keywords: Climate, monitoring, Time window, Precipitation Evapotranspiration Index, MspI} -
پایش موثر و به موقع خشکسالی می تواند به توسعه سامانه های خشکسالی و مدیریت بهینه منابع آبی کمک کند و این سامانه ها نیز به نوبه خود می توانند هزینه های ناشی از خشکسالی را به کمینه برسانند. هدف از این پژوهش، بررسی خشکسالی با استفاده از داده های ماهواره ای سنجنده لندست و شاخص های خشکسالی هواشناسی و کشاورزی در سه منطقه با شرایط اقلیمی متفاوت (بیرجند، شیراز و رشت) می باشد. بدین منظور شاخص های خشکسالی بر مبنای داده های ماهواره ای شامل شاخص تفاوت پوشش گیاهی نرمال شده (NDVI)، شاخص پوشش گیاهی تعدیل کننده اثرات خاک (SAVI) و شاخص پوشش گیاهی نسبت ساده (SR) از روی تصاویر لندست برای دوره زمانی 2002، 2014 تا 2020 استخراج شد. سپس نتایج این شاخص ها با مقادیر شاخص بارش استاندارد (SPI) و شاخص شناسایی خشکسالی (RDI) مقایسه گردید. بررسی شاخص ها حاکی از بالا بودن مقدار شاخص ها در تمامی سال های مورد بررسی در منطقه رشت می باشد. در منطقه شیراز کاهش قابل توجهی در مقدار میانگین شاخص ها در ماه های August و September سال های 2015 تا 2020 اتفاق افتاد. همچنین این کاهش در مقدار میانگین شاخص ها در منطقه بیرجند از September سال 2002 تا 2020 دیده شد. از طرفی از میان ماههای مورد بررسی، ماه September سال 2015 در مناطق رشت و شیراز و سال 2014 (September) بیرجند بیشترین خشکسالی را از نظر شاخص های سنجش از دور داشته اند. نتایج نشان داد که در هر سه منطقه شاخص های سنجش از دور از جمله NDVI و SAVI همبستگی بالایی با شاخص های SPI و RDI دارند. با این تفاوت که شاخص RDI برای پایش و پیش بینی خشکسالی، بر شاخص SPI برتری دارد. در نتیجه، شاخص RDI علاوه بر مقدار بارندگی، تبخیرتعرق را نیز لحاظ می کند و از حساسیت بیشتری خصوصا در مناطق خشک نظیر شیراز و بیرجند که مقدار تبخیرتعرق بیشتر از مقدار بارندگی می باشد، برخوردار است.
کلید واژگان: تصاویرلندست, شاخص های سنجش از دور, شاخص SPI, شاخص RDI, خشکسالی}Effective and timely drought monitoring can contribute to the development of drought systems and the optimal management of water resources using these systems in turn can minimize the costs of drought. The purpose of this study is to investigate the drought using Landsat satellite data and meteorological and agricultural drought indices in three regions with different climatic conditions (Birjand, Shiraz and Rasht). For this purpose, drought indices based on satellite data including Normalized Difference Vegetation Index (NDVI), Soil Adjustment Vegetation Index (SAVI) and Simple Ratio (SR) were extracted from Landsat images for the period 2002, 2014 to 2020. Then the results of these indices were compared with the values of standard precipitation index (SPI) and Reconnaissance Drought Index (RDI). The study of indicators shows that the amount of indicators is high in all studied years in Rasht region. In Shiraz region, a significant decrease in the average value of indicators occurred in August and September from 2015 to 2020. Also, this decrease was seen in the average value of indicators in Birjand region from September 2002 to 2020. On the other hand, among the studied months, September 2015 in Rasht and Shiraz regions and 2014 (September) Birjand had the most drought in terms of remote sensing indicators. The results showed that in all three regions, remote sensing indices including NDVI and SAVI have a high correlation with SPI and RDI indices. The RDI index is superior to the SPI index for drought monitoring and prediction. As a result, the RDI index takes into account evapotranspiration in addition to rainfall and is more sensitive especially in dry areas such as Shiraz and Birjand where evapotranspiration is higher than rainfall.
Keywords: Drought, Landsat images, Remote Sensing Indices, SPI Index, RDI Index} -
- 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.