دوره 3، شماره 4 - ( زمستان 1401 )                   جلد 3 شماره 4 صفحات 39-19 | برگشت به فهرست نسخه ها


XML Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

خسروی یگانه صمد، کرم پور مصطفی، نصیری بهروز. ارزیابی خشکسالی پوشش گیاهی استان کرمانشاه با استفاده از تصاویر مادون قرمز. مطالعات جغرافیایی مناطق کوهستانی. 1401; 3 (4) :19-39

URL: http://gsma.lu.ac.ir/article-1-384-fa.html


1- دانشجوی دکتری،گروه جغرافیا،دانشکده ادبیات و علوم انسانی،دانشگاه لرستان، خرم آباد، ایران
2- استادیار گروه جغرافیا،دانشکده ادبیات و علوم انسانی،دانشگاه لرستان، خرم آباد، ایران ، karampoor.m@lu.ac.ir
3- دانشیار گروه جغرافیا،دانشکده ادبیات و علوم انسانی،دانشگاه لرستان، خرم آباد، ایران
چکیده:   (1067 مشاهده)
امروزه در زمینۀ مطالعه و توضیحات سیستم یکپارچه مبتنی بر کاربرد ماهواره­ها برای نظارت و پیش بینی شرایط محیطی زمین در بلند­مدت و کوتاه­مدت و فعالیت­های اقتصادی وابسته به آب و هوا ماهواره­های مختلفی به­کار گرفته شده­اند. این سیستم­ها بر اساس روش سنجش از دور یا مشاهدات ماهواره­ای از زمین، نظریه بیوفیزیکی پاسخ گیاهان به شرایط اقلیمی، مجموعه­ای از الگوریتم­های پردازش داده­های ماهواره­ای، تفسیر، توسعه محصول، اعتبار سنجی، کالیبراسیون و کاربردها را شامل می­شود. مشاهدات جدید ماهواره­ای عمدتاً توسط تصاویر پیشرفته مادون قرمز که بسیار کارآمد هستند، نشان داده می­شوند. در این رابطه، استفاده از روش­های سنجش از دور، جهت پایش و بررسی اثرات بارش دریافتی بر پوشش گیاهی، به عنوان یکی از کارآمدترین روش­ها شناخته شده است.  به منظور آشکار سازی تاثیر بارش بر پوشش گیاهی ، جهت محاسبه میانگین ماهانه (SPI) داده­های بارش 13 ایستگاه هواشناسی سینوپتیک مورد استفاده قرار گرفت. سپس با استفاده از تصاویر مادون قرمز به صورت میانگین هفتگی2021-2013 (اول آوریل تا پایان ژولای)، به بررسی وضعیت پوشش گیاهی پرداخته شد. میزان همبستگی (SPI) با شاخص­هایNDVI ،TCI ،VCI  وVHI  به ترتیب 050/0، 069/0، 0027/0، 0025/0 می­باشد. شاخص (VCI) همبستگی بیشتری با (SPI) دارد که می­تواند به عنوان یک روش ترکیبی از سنجش از دور و اطلاعات ایستگاه­های 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 مطلوب­تری قرار داشته است.
متن کامل [PDF 2213 kb]   (304 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1401/6/25 | پذیرش: 1401/9/10

فهرست منابع
1. Beenedetti, R., & Rossin, P. (1993). On the use of NDVI profiles as a tool for agricultural statistics: The case study of Wheat estimate and forecast in Emilia, Remote Sensing of Environment.
2. Berhan, G,. Hill S., Tadesse, T., & Atnafu, S. (2011). Using satellite images for drought monitoring: a knowledge discovery approach. Journal Strategic Innov Sustain, VOL. 7(1):135.
3. Dabrowska-Zielinska, K., Kogan, F.,Ciolkosz, A., Gruszynska, M., & Kowalik, W. (2002). Modelling of crop growth conditions and crop yield in Poland using AVHRR-based indices. International Journal of Remote Sensing, 23.
4. Ehrlich, PR,. & Holdren, JP. (1971). Impact of population growth. Science. VOL. 171(3977):1212–1217.
5. FAO. (2017). How close we are to zero Huhnger.
6. Hui ,C. (2006). Carrying capacity, population equilibrium, and environment’s maximal load. Ecol Modell. VOL. 192(1-2):317–320.
7. Jensen, J. R. (1996). Introductory digital image processing: Aremote sensing perspective, Upper Saddle River, New Jersey: Prentice Hall.
8. Kogan, F. N. (2001). Contribution of remote sensing to drought early warning. National Oceanic and Atmospheric Administration (NOAA), National Environmental Satellite Data and Information Services (NESDIS), Washington: DC. U.S.A.
9. Kogan, F,N. (2001). Operational space technology for global vegetation assessment. Bull Amer Meteor Soc. VOL. 82(9):1949–1964.
10. Kogan, F,N. (1997). Global drought watch from space. Bull Amer Meteor Soc. 78(4):621–636.
11. Kogan, F,N. (1995). Droughts of the late 1980s in the United States as derived from NOAA polar-orbiting satellite data. Bull Amer Meteor Soc. VOL. 76(5):655–667.
12. LOM. (2017). Liebig’s Law of the Minimum. https:,,en.wikipedia.org,wiki,Liebig%27s_law_of_ the_minimum.
13. Mckee, T.B., Doesken, N.J., & Kleist, J. (1993). The relationship of drought frequency and duration to time scales, Proceedings of the Eighth Conferences on Applied Climatology, American Meteorological Society, Boston,179-184.
14. Moulin, S. A., Bondeau, A, & Delecolle, R (1998). Combining regional scale, International Journal of Remote Sensing, 19.
15. Su ,ZB., Yacob, A., Wen, J., Roerink, G., He YB, Gao BH., Boogaard, H., & van Diepen, C. (2003). Assessing relative soil moisture with remote sensing data: theory, experimental validation, and application to drought monitoring over the North China Plain, Physics and Chemistry of the Earth, 28 (1-3).
16. Shelford, VE. (1931). Some concepts of bioecology. Ecology. VOL. 12(3):455–467. doi:10.2307,1928991. ISSN 1939-9170.
17. Tucker, C. J. (1979). Red and photographic infrared linear combinations for monitoring vegetation, Remote Sensing of Environment, 8.
18. Vicente-Serrano, SM, Cuadrat-Prats, JM., & Romo, A. (2006). Early prediction of crop production using drought indices at different time-scales and remote sensing data: application in the Ebro valley (North-East Spain), International Journal of Remotr Sensing, 27(3).

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به فصلنامه مطالعات جغرافیایی مناطق کوهستانی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق