پایش تغییرات پوشش گیاهی متأثر از خشک‌سالی در استان اردبیل

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 عضو هیات علمی گروه جغرافیای طبیعی، دانشکده علوم اجتماعی ، دانشگاه محقق اردبیلی، اردبیل، ایران

2 گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران

10.22034/gp.2025.66417.3380

چکیده

پوشش گیاهی به‌عنوان یکی از اجزاء جاندار زیست‌بوم‌ها است و اثر مهمی در بیشتر فرایند‌های اکوزیست دارد که تابع رویدادهای اقلیمی، ازجمله خشک‌سالی است. در پژوهش حاضر، شرایط تغییرات پوشش گیاهی در رابطه با شاخص خشک‌سالی بارش استاندارد (SPI) و شاخص درصد بارش نرمال شده (PNPI) برای چهار ایستگاه منتخب استان اردبیل (اردبیل، خلخال، پارس‌آباد و مشکین‌شهر) براساس آمار بارش ۲۱ ساله (۲۰۲۱-۲۰۰۱) بررسی شد و با شاخص ماهواره‌ای وضعیت پوشش گیاهی (VCI) مورد مقایسه قرار گرفت. از داده‌های سنجنده مودیس برای تهیه شاخص نرمال شده اختلاف پوشش گیاهی (NDVI) به‌منظور بررسی تغییرات پوشش گیاهی در پلتفرم گوگل ارث انجین استفاده شد. واکاوی ارتباط بین شاخص‌های خشک‌سالی با شاخص پوشش گیاهی با استفاده از روش همبستگی پیرسون انجام گرفت. براساس نتایج حاصل از ضرایب همبستگی، بیشترین میزان همبستگی بین شاخص خشک‌سالی SPI با NDVI در ایستگاه پارس‌آباد وجود دارد که در سطح ۰۱/۰ معنادار است و کمترین میزان همبستگی نیز مطابق با شاخص PNPI در ایستگاه خلخال وجود دارد. نتایج حاصل از پهنه‌بندی خشک‌سالی نشان داد که براساس شاخص‌های SPI، PNPI و VCI محاسبه شده، در سال‌های ۲۰۱۷ و ۲۰۲۱، رویداد خشک‌سالی با شدت بیشتری نسبت به سایر دوره‌های مورد بررسی اتفاق افتاده است. نقشه‌های پهنه‌بندی شده پوشش گیاهی بیانگر کاهش دامنه پوشش گیاهی در سال‌های ۲۰۰۶، ۲۰۰۸، ۲۰۱۳، ۲۰۱۷ و ۲۰۲۱ نسبت به دیگر سال‌ها بوده است و در تمامی ایستگاه‌ها پوشش گیاهی طی ماه‌های آوریل و می دوره مطالعاتی در شرایط مطلوب‌تری قرار داشته است. در حقیقت تغییرات پوشش گیاهی تابع دگرگونی در شاخص‌های خشک‌سالی بوده که بیانگر متأثر بودن پوشش گیاهی از نوسانات بارش می‌باشد. براساس یافته‌های پژوهش حاضر نتیجه‌گیری می‌شود که تغییرات پوشش گیاهی با شدت خشک‌سالی رابطه مستقیمی دارد که این موضوع مهم، توجه مدیران عرصه منابع طبیعی را به‌منظور مدیریت پوشش گیاهی طلب می‌کند.

تازه های تحقیق

در این پژوهش، از داده‌های ایستگاه‌های همدید استان اردبیل به‌عنوان داده ورودی استفاده شد. پس از تهیه و آماده‌سازی داده‌های بارش در طول دوره آماری مورد بررسی، میزان شاخص SPI برای هر یک از ایستگاه‌ها محاسبه شد. روند سری زمانی تغییرات شاخص خشک‌سالی SPI برای هر ایستگاه به همراه خط روند در شکل (۲) نشان داده‌ شده است. طبق این شکل طی دوره آماری تنها در ایستگاه مشکین‌شهر پارامتر خشک‌سالی هواشناسی (شاخص SPI) روند افزایشی دارد که این مهم نشان‌دهنده کاهش کوتاه‌مدت وضعیت خشک‌سالی در سال‌های اخیر برای این ایستگاه می‌باشد. درصورتی‌که سایر ایستگاه‌ها در این بازه زمانی روند کاهشی داشته‌اند که نشان از شدت و تنش بیشتر خشک‌سالی در این ایستگاه‌ها دارد. همچنین ملاحظه می‌شود که در اکثر ایستگاه‌ها شدیدترین خشک‌سالی‌ها مربوط به سال‌های ۲۰۱۷ و ۲۰۲۱ می‌باشد. در طول دوره بررسی شده ایستگاه اردبیل، خلخال، پارس‌آباد و مشکین‌شهر به ترتیب با ۲، ۳، ۵ و ۴ مورد خشک‌سالی شدید مواجه بوده‌اند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Monitoring Changes in Vegetation Affected by Drought in Ardabil Province

نویسندگان [English]

  • Behrouz Sobhani 1
  • Fatemeh Vatanparast Galeh Juq 2
1 Faculty Member, Department of Physical Geography, Faculty of Social Sciences, University of Mohaghegh Ardabili, Ardabil, Iran
2 Department of Physical Geography, Faculty of Social Sciences, University of Mohaghegh Ardabili, Ardabil, Iran
چکیده [English]

Vegetation, as one of the living components of ecosystems, is adaptive and has an important effect on most ecosystem processes that are strongly influenced by climatic events, including drought. In the present study, the conditions of vegetation changes in relation to the Standard Precipitation Index Drought (SPI) and the Percent of Normal Precipitation Index (PNPI) were investigated for selected stations in Ardabil province (Ardabil, Khalkhal, Parsabad, and Meshkinshahr) based on 21-year precipitation statistics (2001-2021). And MODIS sensor data was used to prepare the Normalized Difference Vegetation Index (NDVI) to examine vegetation changes on the Google Earth Engine platform. The relationship between drought indicators and vegetation index was analyzed using the Pearson correlation method. Based on the results of the correlation coefficients, the highest correlation between the SPI drought index and NDVI exists at the Parsabad station, which is significant at the 0.01 confidence level, and the lowest correlation is in accordance with the PNPI index at the Khalkhal station. The results of the zoning of the maps showed that based on the calculated SPI and PNPI indices, in the years 2017 and 2021, the drought event occurred with greater intensity than in the other periods under study. Zonal vegetation maps indicate a decrease in the extent of vegetation cover during the years 2006, 2008, 2013, 2017, and 2021 compared to other years, and at all stations, vegetation cover was in more favorable conditions during the months of Apr and May of the study period. In fact, changes in vegetation cover are a function of changes in drought indices, which indicates that vegetation cover is affected by precipitation fluctuations. Based on the findings of the present study, Based on the findings of the present study, it is concluded that vegetation changes have a direct relationship with drought severity.

کلیدواژه‌ها [English]

  • Ardabil province
  • Vegetation
  • Corolation
  • SPI index
  • PNPI index

اصل مقاله

پوشش گیاهی به‌عنوان یکی از اجزاء جاندار زیست‌بوم‌ها است و اثر مهمی در بیشتر فرایند‌های اکوزیست دارد که تابع رویدادهای اقلیمی، ازجمله خشک‌سالی است. در پژوهش حاضر، شرایط تغییرات پوشش گیاهی در رابطه با شاخص خشک‌سالی بارش استاندارد (SPI) و شاخص درصد بارش نرمال شده (PNPI) برای چهار ایستگاه منتخب استان اردبیل (اردبیل، خلخال، پارس‌آباد و مشکین‌شهر) براساس آمار بارش ۲۱ ساله (۲۰۲۱-۲۰۰۱) بررسی شد و با شاخص ماهواره‌ای وضعیت پوشش گیاهی (VCI) مورد مقایسه قرار گرفت. از داده‌های سنجنده مودیس برای تهیه شاخص نرمال شده اختلاف پوشش گیاهی (NDVI) به‌منظور بررسی تغییرات پوشش گیاهی در پلتفرم گوگل ارث انجین[1] استفاده شد. واکاوی ارتباط بین شاخص‌های خشک‌سالی با شاخص پوشش گیاهی با استفاده از روش همبستگی پیرسون انجام گرفت. براساس نتایج حاصل از ضرایب همبستگی، بیشترین میزان همبستگی بین شاخص خشک‌سالی SPI با NDVI در ایستگاه پارس‌آباد وجود دارد که در سطح ۰۱/۰ معنادار است و کمترین میزان همبستگی نیز مطابق با شاخص PNPI در ایستگاه خلخال وجود دارد. نتایج حاصل از پهنه‌بندی خشک‌سالی نشان داد که براساس شاخص‌های SPI، PNPI و VCI محاسبه شده، در سال‌های ۲۰۱۷ و ۲۰۲۱، رویداد خشک‌سالی با شدت بیشتری نسبت به سایر دوره‌های مورد بررسی اتفاق افتاده است. نقشه‌های پهنه‌بندی شده پوشش گیاهی بیانگر کاهش دامنه پوشش گیاهی در سال‌های ۲۰۰۶، ۲۰۰۸، ۲۰۱۳، ۲۰۱۷ و ۲۰۲۱ نسبت به دیگر سال‌ها بوده است و در تمامی ایستگاه‌ها پوشش گیاهی طی ماه‌های آوریل و می دوره مطالعاتی در شرایط مطلوب‌تری قرار داشته است. در حقیقت تغییرات پوشش گیاهی تابع دگرگونی در شاخص‌های خشک‌سالی بوده که بیانگر متأثر بودن پوشش گیاهی از نوسانات بارش می‌باشد. براساس یافته‌های پژوهش حاضر نتیجه‌گیری می‌شود که تغییرات پوشش گیاهی با شدت خشک‌سالی رابطه مستقیمی دارد که این موضوع مهم، توجه مدیران عرصه منابع طبیعی را به‌منظور مدیریت پوشش گیاهی طلب می‌کند.

مراجع

آرخی، صالح؛ برزگر سواسری، مرضیه و عمادالدین، سمیه (۱۴۰۱). بررسی کارایی شاخص‌های منتج از فناوری سنجش ‌از دور VCI، TCI و VHI در ارزیابی خشک‌سالی با تصاویر مودیس (مطالعه موردی: مناطق مرکزی ایران). جغرافیا و مخاطرات محیطی، ۱۱(۳)، ۱۸۹-۲۲۴.
آصف ‌جاه، بهناز؛ اسماعیل‌پور، یحیی؛ بذرافشان، ام‌البنین و زمانی، حسین (۱۴۰۱). پایش تغییرات زمانی و مکانی پوشش گیاهی و ارتباط آن با متغیرهای اقلیمی (مطالعه موردی: استان فارس). مرتع و آبخیزداری، ۷۵(۳)، ۴۰۹-۴۲۷.
اختیاری خواجه، شیوا و دین‌پژوه، یعقوب (۱۳۹۷). کاربرد شاخص خشک‌سالی مؤثر (EDI) برای بررسی دوره های خشکی (مطالعه موردی: ایستگاه‌های تبریز، بندر انزلی و زاهدان). علوم و مهندسی آبیاری، ۴۱(۱)، ۱۳۳-۱۴۵.
اسکندری دامنه، حامد؛ زهتابیان، غلامرضا؛ خسروی، حسن؛ آذرنیوند، حسین و براتی، علی‌اکبر (۱۴۰۱). بررسی روند تغییرات پوشش گیاهی متأثر از خشک‌سالی در مناطق خشک و نیمه‌خشک با استفاده از تکنیک سنجش ‌از دور (مطالعه موردی: استان هرمزگان). مهندسی اکوسیستم بیابان، ۹(۲۸)، ۱۳-۲۸.
برخوری، سعید؛ دولت کردستانی، مجتبی و جواهری، کیمیا (۱۴۰۳). بررسی تغییرات پوشش گیاهی متأثر از خشک‌سالی در جنوب استان کرمان. مدیریت جامع حوزه‌های آبخیز.
جهانگیر، محمدحسین؛ حسین دوست، محمدصادق و ارست، مینا (۱۴۰۰). ارزیابی وضعیت خشک‌سالی استان گیلان با استفاده از شاخص کچ– بایرام (KBDI) در انطباق با شاخص درصد نرمال بارندگی (PNPI). مدل‌سازی و مدیریت آب و خاک، ۱(۴)، ۵۷-۶۷.
حسینی، سید بهروز؛ دین‌پژوه، یعقوب و نیکبخت، جعفر (۱۳۹۴). تحلیل خشک‌سالی‌های شمال‌غرب ایران با روش شاخص اکتشاف خشک‌سالی. آب و خاک، ۲۹(۲)، ۲۹۵-۳۱۰.
حسینی، سید مهدی؛ دین‌پژوه، یعقوب و بابامیری، امید  (۱۴۰۳). پیش‌بینی خشک‌سالی هیدرولوژیکی با شاخص GRI و استفاده از مدل‌های تصادفی خطی سری زمانی (منطقه مورد مطالعاتی: آبخوان دشت اردبیل). هیدروژئولوژی، ۹(۲)، ۷۷-۹۲.
خسروی یگانه، صمد؛ کرم پور، مصطفی و نصیری، بهروز (۱۴۰۱). ارزیابی خشک‌سالی پوشش گیاهی استان کرمانشاه با استفاده از تصاویر مادون قرمز. مطالعات جغرافیایی مناطق کوهستانی، ۳ (۴)، ۱۹-۳۹.
دانشور وثوقی، فرناز؛ دین‌پژوه، یعقوب و اعلمی، محمد تقی  (۱۳۹۰). تأثیر خشک‌سالی بر تراز آب زیر زمینی در دو دهه اخیر (مطالعه موردی: دشت اردبیل). دانش آب و خاک، ۲۱(۴)، ۱۶۵-۱۷۹.
زارع خورمیزی، هادی و غفاریان مالمیری، حمیدرضا (۱۳۹۶). پایش خشک‌سالی و تأثیر آن بر پوشش گیاهی با استفاده از فناوری‌های سنجش ‌از دور بررسی موردی: استان یزد، سال‌های ۱۹۹۴ تا ۲۰۱۴. مدیریت بیابان، ۵(۱۰)، ۶۸-۸۶.
زرگران، پریما؛ بذرافشان، جواد؛ آقاشریعتمداری، زهرا؛ حجابی، سمیه و کمالی، سعیده (۱۳۹۸). پایش روزانه تأثیر خشک‌سالی بر پوشش گیاهی با استفاده از داده‌های بارش شبکه INTERIM و تصاویر سنجنده MODIS (مطالعه موردی: استان کرمانشاه). هواشناسی کشاورزی، ۷(۲)، ۳-۱۴.
زندی، رحمان؛ انتظاری، علیرضا؛ باعقیده، محمد و خسرویان، مریم (۱۴۰۰). ارزیابی خشک‌سالی و تأثیرات آن بر پوشش گیاهی در مناطق جنوبی ایران. پژوهش‌های دانش زمین، ۱۲(۲)، ۳۶-۴۹.
سپه وند، علیرضا؛ قبادی، مرتضی؛ کرم پور، مصطفی و میردریکوند، بهرام (۱۴۰۱). ارزیابی تأثیر وقوع خشک‌سالی بر تغییرات پوشش گیاهی حوضه کشکان لرستان با استفاده از داده‌های چند زمانه ETM+ و OLI لندست. مرتع، ۱۶ (۱)، ۱۲۴-۱۳۹.
شریفی پیچون، محمد؛ بهزادی، زهرا و محمدی، فروغ (۱۴۰۱). ارزیابی زمانی – مکانی روند خشک‌سالی و اثرات آن بر تغییرات پوشش گیاهی در استان فارس. مطالعات جغرافیایی مناطق خشک، ۱۳(۵۰)، ۵۷-۴۰.
شریفی، ویدا؛ احمدی، سلمان و غلام نیا، مهدی (۱۴۰۱). تحلیل اثر خشک‌سالی بر پارامترهای فنولوژی شاخص‌های گیاهی با استفاده از سری زمانی تصاویر سنجنده MODIS (مورد مطالعاتی: استان همدان). علوم و فنون نقشه‌برداری، ۱۲ (۲)، ۱۵۲-۱۶۶.
شمسی‌پور، علی‌اکبر؛ علوی پناه، سید کاظم و محمدی، حسین (۱۳۸۹). بررسی کارآیی شاخص‌های گیاهی و حرارتی ماهواره  NOAA-AVHRR  در تحلیل خشک‌سالی منطقه کاشان. تحقیقات مرتع و بیابان ایران، (۳)۱۷، ۴۶۵-۴۴۵.
 عشقی زاده، مسعود (۱۴۰۲). ارزیابی اثر خشک‌سالی هواشناسی بر عملکرد پوشش گیاهی در طرح‌های کنترل فرسایش با استفاده از تصاویر ماهواره لندست. فصلنامه علمی- پژوهشی اطلاعات جغرافیایی « سپهر»، ۳۲(۱۲۶), ۹۳-۱۱۳.
عفیفی، محمدابراهیم (۱۴۰۰). بررسی اثر خشک‌سالی بر روی پوشش گیاهی با استفاده از تکنیک‌های سنجش ‌از دور، مطالعه موردی: حوضه آبریز سد درودزن. جغرافیا ( فصلنامه علمی انجمن جغرافیایی ایران)، ۱۹(۷۰)، ۱۵۳-۱۷۲.
عوض پور، نسرین؛ فرامرزی، مرزبان؛ امیدی پور، رضا و مهدی زاده، حسین (۱۴۰۰). پایش تأثیر خشک‌سالی بر تغییرات پوشش گیاهی با استفاده از تصاویر ماهواره‌ای (مطالعه موردی: حوزه آبخیز ایلام). جغرافیا و پایداری محیط، ۱۱(۴)، ۱۲۵-۱۴۳.
فتح‌ نیا، امان‌اله؛ رجایی، سعید و برزو، فرزانه (۱۳۹۶). پیش‌بینی احتمال تکرار دوره‌های خشک‌سالی و اثر آن بر پوشش گیاهی در استان گلستان. مجله جغرافیا و برنامه‌ریزی، ۶۰(۲۱)، ۱۷۹-۱۹۶.
فخار، محدثه السادات و کاویانی، عباس  (۱۴۰۲). ارزیابی و پایش خشک‌سالی در دشت قزوین با استفاده از شاخص‌های مبتنی بر MODIS در گوگل ارث انجین. نشریه آبیاری و زهکشی ایران، ۱۷(۶)، ۱۰۸۹-۱۱۰۳.
فصل‌نامه هواشناسی (اداره کل هواشناسی استان اردبیل)، ۱۴۰۲.
کریمی، مهشید؛ شاهدی، کاکا؛ رضیئی، طیب و میریعقوب‌زاده، میرحسن (۱۳۹۸). بررسی کارایی شاخص‌های پوشش‌گیاهی در تحلیل خشک‌سالی کشاورزی با استفاده از تکنیک سنجش از دور در حوزه آبخیز کرخه. نشریه سنجش از دور و GIS ایران، ۱۱(۴)، ۲۹-۴۶.
کیخسروی، قاسم (۱۳۹۴). بررسی تطبیقی شاخص‌های خشک‌سالی هواشناسی و ماهواره‌ای در روند بیابان‌زایی طبقات پوشش گیاهی فصل بهار استان سمنان. کاوش‌های جغرافیایی مناطق بیابانی، ۳(۲)، ۱۸۹-۲۱۳.
گیلوری، احمد؛ زهتابیان، غلامرضا؛ خسروی، حسن؛ آذرنیوند، حسین و زارع، سلمان (۱۴۰۱). تأثیر خشک‌سالی هواشناسی بر روند تغییرات پوشش گیاهی در اقلیم‌های خشک و خشک نیمه مرطوب (حوزه آبخیز حبله‌رود). نشریه علمی - پژوهشی مرتع و آبخیزداری، ۷۵(۱)، ۱۰۳-۱۱۷.
متین فر، حمیدرضا؛ شمسی‌پور، علی‌اکبر و صادقی، حدیث (۱۴۰۲). پایش خشک‌سالی بوم‌شناختی زاگرس میانی بر پایه داده‌های ماهواره لندست‌– ۷ و داده‌های اقلیمی (مطالعه موردی: استان لرستان). نشریه سنجش ‌از دور و GIS ایران، ۱۵(۳)، ۱۲۵-۱۴۲.
محمدی، پروا؛ ابراهیمی، کیومرث و بذرافشان، جواد (۱۴۰۲). بررسی تغییرات کاربری اراضی حوزه آبخیز گرگانرود با استفاده از پلتفرم گوگل ارث انجین. مجله علوم و مهندسی آبخیزداری ایران، ۱۷ (۶۰)، ۱۱-۱۹.
موغلی، مرضیه (۱۳۹۹). پایش تغییرات پوشش گیاهی در اثر خشک‌سالی در حوضه آبریز درود زن با استفاده از تصاویر. فصلنامه جغرافیای طبیعی، ۱۲ (۴۹)، ۸۵-۱۰۷.
میراحسنی، مرضیه سادات؛ سلمان ماهینی، عبدالرسول؛ سفیانیان، علیرضا؛ مدرس، رضا؛ جعفری، رضا و محمدی، جهانگیر  (۱۳۹۶). پایش خشک‌سالی منطقه‌ای حوضه آبخیز زاینده‌رود بر اساس تغییرات سری زمانی شاخص‌ VCI سنجنده مودیس و شاخص SPI. جغرافیا و مخاطرات محیطی، ۶(۴)، ۱-۲۲.
میرموسوی، سید حسین و کریمی، حمیده (۱۳۹۲). مطالعه‌ اثر خشک‌سالی بر روی پوشش گیاهی با استفاده از تصاویر سنجنده MODIS مورد: استان کردستان. نشریه جغرافیا و توسعه، ۱۱(۳۱)، ۵۷-۷۶.
Afifi, M. E. (2021). Investigation of the Effect of Drought on Vegetation Using Remote Sensing Techniques, Case Study of Dorodzan Dam Catchment. Geography, 19(70), 153-172. (in persian).
Arekhi, S., Barzegar Savasari, M. & Emadaddian, S. (2022). Investigating the Indicators Resulting from Remote Sensing Technology in Drought Assessment using MODIS Images (Case Study: Qom, Isfahan, Chaharmahal and Bakhtiari, and Markazi Provinces). Journal of Geography and Environmental Hazards, 11(3), 189-224. (in persian). ­https://doi.org/10.22067/geoeh.­2021.­72253.­1102.
Asefjah, B., Esmaeilpour, Y., bazrafshan, O. & Zamani, H. (2022). Monitoring temporal and spatial changes of vegetation and its relationship with climatic variables (case study: Fars province). Journal of Range and Watershed Managment, 75(3), 409-427. (in persian). https://doi.org/10.­22059/­jrwm.2022.337022.1637.
Avazpour, N., Faramarzi, M., Omidipour, R. & Mehdizadeh, H. (2021). Monitoring the Drought Effects on Vegetation Changes using Satellite Imagery (Case Study: Ilam Catchment). Geography and Environmental Sustainability, 11(4), 125-143. (in persian). https://doi.org/10.22126/ges.­2022.7130.2472.
Barkhori, S., Dolatkordestani, M. & Javaheri, K. (2024). Drought induced vegetation changes in south of Kerman province. Integrated Watershed Management, (), -. (in persian). https://doi.org/10.22034/iwm.2024.2027447.1150.
Bento, V., Gouveia, M., DaCamara, C. & Trigo, F. (2018). A climatological assessment of drought impact on vegetation health index. Agricultural and Forest Meteorology, 259, 286-295. https://doi.org/10.1016/j.agrformet.2018.05.014.
Chandra, P., Wunnava, A., Verma, P., Chandra, A. & Sharma, R. K. (2021). Strategies to mitigate the adverse effect of drought stress on crop plants—influences of soil bacteria: A review. Pedosphere, 31(3), 496-509.  https://doi.org/10.1016/S1002-0160(20)60092-3.
Chu, P. S., Nash, A. J. & Porter, F. Y. (1993). Diagnostic studies of two contrasting rainfall episodes in Hawaii: Dry 1981 and wet 1982. Journal of Climate, 6(7), 1457-1462.
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. https://doi.org/10.1080/01431160110070744.
Daneshvar Vousoughi1, F., Dinpashoh, Y. & Aalami, M. (2011). Effect of Drought on Groundwater Level in the Past Two Decades (Case study: Ardebil Plain). Water and Soil Science, 21(4), 165-179. (in persian).
Dinpashoh, Y., Jahanbakhsh-Asl, S., Rasouli, A.A. M. Foroughi, M. & Singh. V. P. (2019). Impact of climate change on potential evapotranspiration (case study: west and NW of Iran). Theor Appl Climatol, 136, 185–201.https://doi.org/10.1007/s00704-018-2462-0.
Dogan, S., Berktay, A. & Singh, V. P. (2012). Comparison of multi-monthly rainfall-based drought severity indices, with application to semi-arid Konya closed basin, Turkey. Journal of Hydrology, 470, 255-268. https://doi.org/10.1016/j.jhydrol.2012.09.003.
Dutra, D. J., Elmiro, M. A. T., Nero, M. A., Coelho, C. W. G. A. & Temba, P. C. (2021). Temporal analysis of drought coverage in a watershed area using remote sensing spectral indexes. Sociedade & Naturazea, 33, e59505. https://doi.org/10.14393/SN-v33-2021-59505.
Ekhtiari khajeh, S. and Dinpashoh, Y. (2018). Application of Effective Drought Index (EDI) in Characterizing Drought Periods (Case study: Tabriz, Bandar Anzali, and Zahedan). Irrigation Sciences and Engineering, 41(1), 133-145. (in persian). https://doi.org/10.22055/jise.2018.13455.
Eshghizadeh, M. (2023). Assessment of the effect of meteorological drought on the performance of vegetation in erosion control projects using Landsat satellite images. Scientific- Research Quarterly of Geographical Data (SEPEHR), 32(126), 93-113. (in persian). https://doi.org/10.22131/sepehr.2023.1971473.2921.
Eskandari Damaneh, H., Zehtabian, G., Khosravi, H., Azarnivan, H. & Barati, A. (2022). Investigating the Influence of Drought on Trend of Vegetation Changes in Arid and Semiarid Regions, Using Remote Sensing Technique: A Case Study of Hormozgan province). Desert Ecosystem Engineering, 9(28), 13-28. (in persian). https://doi.org/10.22052/deej.2020.9.28.11.
Fakhar, M. & Kaviani, A. (2024). Evaluation and Monitoring of Drought in Qazvin Plain Using MODIS Based Indicators in Google Earth Engine. Iranian Journal of Irrigation & Drainage, 17(6), 1089-1103. (in persian).
Fathnia, A. A., Rajaee, S. & Borzo, F. (2017). The Orediction probabilityof Repeated Drought Periods and Effects of Vegetation in Golestan Province. Journal of Geography and Planning, 21(60), 179-196. (in persian).
Ghorbani-Aghdam, M., Dinpashoh, Y. & Mostafaeipour, A. (2013). Application of factor analysis in defining drought prone areas in Lake Urmia Basin. Nat Hazards, 69, 267–277. https://doi.org/10.1007/s11069-013-0706-y.
Gillvare, A., Zehtabian, G., Khosravi, H., Azarnivand, H. & Zare, S. (2022). Impact of meteorological drought on vegetation change trends in arid and semi-humid climates (HablehRood Watershed). Journal of Range and Watershed Managment, 75(1), 103-117. (in persian). https://doi.org/10.22059/jrwm.2020.287930.1416.
Hoseini, S. M., Dinpashoh, Y. & Babamiri, O. (2025). Prediction of hydrological drought using the GRI index and linear random time series models (Study area: Ardabil Plain aquifer). Hydrogeology, 9(2), 77-92. (in persian).https://doi.org/10.22034/hydro.2025.64314.1321.
Hosseini, B., dinpazhoh, Y. & Nikbakht, J. (2015). Analysis of Droughts of Northwest of Iran Using the Reconnaissance Drought Index. Water and Soil, 29(2), 295-310. (in persian). https://doi.org/10.22067/jsw.v0i0.28050.
Jahangir, M. H., Hosseindoost, M. S. & Arast, M. (2021). Assessment of drought condition in Guilan Province using the Keetch–Byram Drought Index (KBDI) in accordance with the Percent of Normal Precipitation Index (PNPI). Water and Soil Management and Modelling, 1(4), 57-67. (in persian).  https://doi.org/10.22098/mmws.2021.9407.103.
Karimi, M., Shahedi, K., Raziei, T. & Miryaghoobzadeh, M. (2020). Analysis of Performance of vegetation indices on agricultural drought using remote sensing technique in Karkheh basin. Iranian Journal of Remote Sensing and GIS, 11(4), 29-46. (in persian). https://doi.org/10.52547/gisj.11.4.29.
Key Khosravi, G. H. (2015). A comparative study of satellite and meteorological drought indices of the desertification process in the spring vegetation of Semnan province. The Journal of Geographical Research on Desert Areas, 3(2), 189-213. (in persian).
Khosravi Yeganeh, S., Karampour, M. & Nasiri, B. (2023). Evaluation of vegetation drought in Kermanshah province using infrared images. Journal of Geographical Studies of Mountainous Areas, 3 (12), 19-39. (in persian) . https://doi.org/10.52547/gsma.3.4.19.
Khosravi, H., Heidari Alamdarloo, E., Shekoohizadegan, S. & Zareie, S. (2017). Assessment of the effect of drought on vegetation in desert area using landsat data. The Egyptian Journal of Remote Sensing and Space Science, 20, S3-S12. https://doi.org/10.1016/j. ejrs.2016.11.007.
Li, X. & Pan, Y. (2024). The impacts of drought changes on alpine vegetation during the growing Season over the tibetan plateau in 1982–2018, Remote Sens. 16(11), 1909. https://doi.org/10.3390/rs16111909.
Li, X., Li, Y., Chen, A., GAO, M., Slette, I. J. & Piao, S. (2019). The impact of the 2009/2010 drought on vegetation growth and terrestrial carbon balance in Southwest China. Agricultural and Forest Meteorology, 269, 239-248. https://doi.org/10.1016/j.agrformet.2019.01.036.
Li, Z., Sun, F., Wang, H., Wang, T. & Feng, Y. (2024). Detecting the interactions between vegetation greenness and drought globally. Atmospheric Research, 304 (10740). https://doi.org/10.1016/j.atmosres.2024.107409.
Liu, C., Yang, C., Yang, Q. & Wang, J. (2021). Spatiotemporal drought analysis by the standardized precipitation index (SPI) and standardized precipitation evapotranspiration index (SPEI) in Sichuan Province, China. Scientific Reports, 11(1), 1-14. https://doi.org/10.1038/s41598-020-80527-3.
Matinfar, H. R., Shamsipor, A. & Sadeghi, H. (2023). Ecological drought monitoring of Middle Zagros Based on landsat 7 satellite data and climate data (case study: Lorestan Province). Iranian Journal of Remote Sensing & GIS, 15(3), 125-142. (in persian). https://doi.org/10.48308/gisj.­2023.102804.
Mbatha, N. & Xulu, S. (2018), Time Series Analysis of MODIS-Derived NDVI for the Hluhluwe-Imfolozi Park, South Africa: Impact of Recent Intense Drought. Climate, 6(4), 95. https://doi.org/10.20944/preprints201809.0522.v1.
McKee, T. & Doesken Kleist, N. (1993). The Relationship of Drought Frequency and Duration to Time Scales. Preprints 8th Conference on Applied Climatology, 17-22 January. Anaheim, CA. 170-184.
Mirahsani, M., Salman Mahini, A., Soffianian, A., Moddares, R., Jafari, R. & Mohammadi, J. (2018). Regional Drought Monitoring in Zayandeh-rud Basin Based on Time Series Variations of the SPI and Satellite-Based VCI Indices. Journal of Geography and Environmental Hazards, 6(4), 1-22. (in persian).  https://doi.org/10.22067/geo.v6i4.62601.
Mirmosavei, S. & kareimei, H. (2013). Effect of Drought on Vegetation Cover Using MODIS Sensing Images Case : Kurdistan Province. Geography and Development, 11(31), 57-76. (in persian). https://doi.org/10.22111/gdij.2013.794.
Mogholi, M. (2019). monitoring vegetation changes due to drought in Darud Zan watershed using images. Natural Geography Quarterly, 12(49), 107-85. (in persian).
Mohammadi, P., Ebrahimi, K. & Bazrafshan, J. (2023). Investigation of land use changes in Gorganrood catchment using Google Earth Engine platform. Jwmseir, 17(60), 2. (in persian). http://jwmsei.ir/article-1063-1-fa.html.
Sepahvand, A., Ghobadi, M., Karampoor, M. & Mir Derikvand, B. (2022). Drought Effects on Vegetation Changes in Kashkan Basin of Lorestan Using ETM + and OLI Landsat Data. Pasture, 16(1), 124-139. (in persian).  http://rangelandsrm.ir/article-1-761-fa.html.
Shamsi pur, A. A., Alavi panah, K. & Mohammadi, H. (2010). Efficiency of vegetation and thermal indices of NOAA-AVHRR satellite in ecological drought analysis of Kashan region. Iranian Journal of Range and Desert Research, 17(3), 445-465. (in persian).
Sharifi Paichoon, M., Behzadi, Z. & Mohamadi, F. (2023). Temporal-spatial evaluation of the drought process and its effects on vegetation changes in Fars province. Journal of Arid Regions Geographic Studies, 13(50), 57-40. (in persian). https://doi.org/10.22034/jargs.2023.375644.1000.
Sharifi, V., Ahmadi, S. & Gholamnia, M. (2023). Analysis of the effect of drought on the phenology parameters of vegetation indexes from the time series of MODIS sensor images (case study: Hamadan province). JGST, 12 (2), 11. (in persian). http://jgst.issgeac.ir/article-1106-1-fa.html.
Wang, C. H., Huang, M. T. & Zhai, P. M. (2021). Change in drought conditions and its impacts on vegetation growth over the Tibetan Plateau, 2021. Advances in Climate Change Research, 12(3), 333-341. https://doi.org/10.1016/j.accre.2021.04.004.
Wilks, D. S. (2011). Statistical methods in the atmospheric sciences. Academic press, 100.
Wu, C. H., Zhong, L., Yeh, P. J. F., Gong, Z., Lv, W., Chen, B., Zhou, J., Li, J. & Saisai Wang, S. (2024). An evaluation framework for quantifying vegetation loss and recovery in response to meteorological drought based on SPEI and NDVI. Science of The Total Environment, 906, 167632. https://doi.org/10.1016/j.scitotenv.2023.167632.
Zandi, R., Entezari, A., Baaghide, M. & Khosravian, M. (2021). Evaluation of drought and its effects on vegetation in southern regions of Iran. Researches in Earth Sciences, 12(2), 36-49. (in persian). https://doi.org/10.52547/esrj.12.2.36.
Zare khormizie, H. & Ghafarian Malamiri, H. R. (2018). Drought monitoring and its impact on vegetation cover using remote sensing techniques (Case Study: Yazd province, from 1994 to 2014). Desert Management, 5(10), 68-86. (in persian). https://doi.org/10.22034/jdmal.­2018.­30663.
Zargaran, P., Bazrafshan, J., Aghashariatmadary, Z., Hejabi, S. & Kamali, S. (2020). Daily monitoring of drought effects on vegetation cover using ERA-Interim precipitation data and MODIS Images (Case study: Kermanshah Province). Journal of Agricultural Meteorology, 7(2), 3-14. (in persian). https://doi.org/10.22125/agmj.2019.140733.1020.
Zhang, Q., Kong, D., Shi, P., Singh, V. P. & Sun, P. (2018). Vegetation phenology on the Qinghai-Tibetan Plateau and its response to climate change (1982–2013). Agricultural and forest meteorology, 248, 408-417. https://doi.org/10.1016/j.agrformet.2017.10.026.
Zhang, W., Wang, Z., Lai, H., Men, R., Wang, F., Feng, K., Qi, Q., Zhang, Z., Qiang Quan, Q. & Huang, S. H. (2023). Dynamic Characteristics of Meteorological Drought and Its Impact on Vegetation in an Arid and Semi-Arid Region. Water, 15(22), 3882. https://doi.org/10.3390/­w15223882.
 Zhao, Z., Zhang, Y., Liu, L. & Hu, Z. (2018). The impact of drought on vegetation conditions within the Damqu River Basin, Yangtze River Source Region, China. Plos one, 13(8), e0202966. https://doi.org/ 10.1371/journal. pone.0202966.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار