فاطمه مقصود؛ آرش ملکیان؛ محسن محسنی ساروی؛ ام البنین بذرافشان
چکیده
خشکسالی هواشناسی هنگامی روی می‌دهد که بارندگی در هر بازه زمانی کمتر از بازه بلند مدت آن رخ دهد. اغلب شاخصهای بررسی خشکسالی زمانی که خشکسالی به وقوع میپیوندد، مورد استفاده قرار میگیرند. این در حالیست که برای مدیریت خشکسالی در ابتدا نیاز به شناخت و تعیین ویژگی‌های خشکسالی از نظر احتمال وقوع، شدت و گسترش آن می‌باشد. در این تحقیق ...
بیشتر
خشکسالی هواشناسی هنگامی روی می‌دهد که بارندگی در هر بازه زمانی کمتر از بازه بلند مدت آن رخ دهد. اغلب شاخصهای بررسی خشکسالی زمانی که خشکسالی به وقوع میپیوندد، مورد استفاده قرار میگیرند. این در حالیست که برای مدیریت خشکسالی در ابتدا نیاز به شناخت و تعیین ویژگی‌های خشکسالی از نظر احتمال وقوع، شدت و گسترش آن می‌باشد. در این تحقیق از شاخص بارش استاندارد (SPI) به عنوان شاخص منتخب جهت پایش خشکسالی در ایستگاه‌های بارانسنجی واقع در داخل استان قزوین با طول دوره آماری مشترک 37 ساله (1971-2008) در مقیاس‌های زمانی 1، 3، 6، 9، 12، 24 و 48 ماهه استفاده گردید. سپس با استفاده از مدل زنجیره مارکوف و چهار روش میان‌یابی، اقدام به بررسی و پایش ویژگی‌های مختلف خشکسالی گردید. نتایج نشان داد با افزایش مقیاس زمانی، مقادیر مثبت و منفی از نظر فراوانی کاهش و از نظر تداوم افزایش یافته است. با توجه به نتایج ماتریس احتمال انتقال، حالت تقریباً نرمال غالب بوده و کمترین دوره بازگشت مربوط به حالت تقریباً نرمال و پس از آن، حالات مرطوب ملایم و خشک ملایم می باشد. همچنین مدل گوسی در مقیاس‌های زمانی 1، 6، 9، 12و 24 ماهه و مدل نمایی در مقیاس‌های زمانی 3 و 48 ماهه، مناسبترین مدل‌ها جهت برازش واریوگرام انتخاب گردید. در نهایت، بهترین روش میان‌یابی در هر مقیاس جهت تهیه نقشه‌های وسعت خشکسالی در سال آبی 1386-1387بدست آمد که نتایج نشان داد با افزایش مقیاس زمانی ، وسعت خشکسالی و همچنین وضعیت خشکسالی‌ها از شرق به غرب استان کاهش یافته است.
زهرا گیوئی اشرف؛ محمد علی حکیم زاده؛ محمد زارع؛ زهره ابراهیمی خوسفی؛ کاظم دشتکیان
چکیده
بیابانزایی فرایند و وضعیت نهایی تخریب مناطق خشک است. از طرفی، شور و قلیایی‌شدن خاک از فرایندهای تخریب خاک در مناطق خشک و نیمهخشک به‌شمار میآید. در این تحقیق با استفاده از فناوری سنجش از دور با قدرت تفکیک طیفی و مکانی بالا، به منظور ارزیابی بیابانزایی در دشت مروست (استان یزد)، به پایش شوری خاک اقدام شد. در این تحقیق از تصاویر ...
بیشتر
بیابانزایی فرایند و وضعیت نهایی تخریب مناطق خشک است. از طرفی، شور و قلیایی‌شدن خاک از فرایندهای تخریب خاک در مناطق خشک و نیمهخشک به‌شمار میآید. در این تحقیق با استفاده از فناوری سنجش از دور با قدرت تفکیک طیفی و مکانی بالا، به منظور ارزیابی بیابانزایی در دشت مروست (استان یزد)، به پایش شوری خاک اقدام شد. در این تحقیق از تصاویر مربوط به سالهای 2003 و 2010 سنجندة ASTER، ماهوارة Terra استفاده شد. با اجرای عملیات پیشپردازش و تشکیل و ارزیابی مدل رابطة مؤلفههای شوری خاک (EC و SAR) با مؤلفههای بازتاب طیفی، تصاویر برای هر دو مؤلفه به روش حداکثر احتمال طبقه‌بندی شد. سپس، مساحت هر طبقه و میزان تغییرات آن در دورة زمانی مورد مطالعه محاسبه شد. نتایج به‌دست‌آمده نشان داد که در دورة زمانی هفت‌ساله (2003 ـ 2010) از سطح اراضی غیر شور کاسته و بر مساحت اراضی شور افزوده شده است. این امر بیانگر تخریب خاک و کاهش بازدهی اراضی و، در نهایت، پیشرفت بیابانزایی در منطقه است. دقت طبقه‌بندی نقشة EC، برای تصویر سال 2003، 5/87 درصد و برای تصویر سال 2010، 5/82 درصد و ضریب کاپای آن به‌ترتیب 83/0 و 76/0 برآورد شد. همچنین، دقت طبقه‌بندی نقشة SAR برای تصویر به سال 2003، 5/87 درصد و برای تصویر سال 2010، 5/87 درصد و ضریب کاپا به‌ترتیب 81/0 و 77/0 به‌دست آمد. این تحقیق کارایی بالای تصاویر ASTER را در زمینة آشکارسازی تغییرات شوری خاک و مدیریت منابع طبیعی نشان می‌دهد.
فاضل امیری؛ حسن یگانه
چکیده
Assessment process of vegetation cover by remote-sensing images should be based on understanding of the vegetation indices. Vegetation indices are widely used for assessing and monitoring ecological variables such as vegetation cover, above-ground biomass and leaf area index. The aim of the present research was to study of the ASTER data capabilities to estimate the vegetation cover percentage on Ghareh Aghaj Watershed as well as selecting proper vegetation indices for vegetation cover procurement. Various preprocessing, including image rectification was applied with geo-referencing of the image ...
بیشتر
Assessment process of vegetation cover by remote-sensing images should be based on understanding of the vegetation indices. Vegetation indices are widely used for assessing and monitoring ecological variables such as vegetation cover, above-ground biomass and leaf area index. The aim of the present research was to study of the ASTER data capabilities to estimate the vegetation cover percentage on Ghareh Aghaj Watershed as well as selecting proper vegetation indices for vegetation cover procurement. Various preprocessing, including image rectification was applied with geo-referencing of the image to a registered image with RMSE of 0.5 pixel. The atmospheric and topographic corrections were applied using subtraction of dark object's method and the Lambert method accordingly. Image processing, including vegetation indices and supervised classification were employed to produce the vegetation cover map. Field data collection was started on June 2008 on 8962.25 ha and prolonged about two months. Various vegetation types were sampled using the stratified random sampling method. Sixty random sampling points were selected, and the vegetation cover percentage was estimated with estimation of checking method. Digital data and the Indices maps were used as independent data and the field data as dependent variables. The resulted models were processed on, and the resulted images were categorized in five classes. Finally, the produced maps were controlled for their accuracy. The results confirmed that the NDVI vegetation indices were significantly correlated with field cover data (P?0.01), the strongest relationships explaining relatively 78% of the variance in the field measurements (R2=0.38). Other vegetation indices were not significantly related to vegetation cover percentage of the field data. The total validity and the Kappa coefficient for this map are 68.5% and 72.4%. On these sites, the R square was exceeded to 85%. Most of the produced maps had higher accuracies with NDVI indices, and their Kappa was very high. During the growing seasons, the most rangeland products changes, belongs to class 5 and 2 in the NDVI and SAVI indices map. The outcoming results of this study prove that the ASTER data estimates the plant production very well. Through this tool, one can monitor the hay production that is very useful for resources management as well as decision making for logic rangeland utilization. Generally introduced indices, provided accurate quantitative estimation of the parameters. Therefore, it is possible to estimate cover and production as important factors for rangeland monitoring using ASTER data.
