مقایسه عملکرد شاخصهای ماهواره‌ای و هواشناسی در پایش خشکسالی

نویسندگان

چکیده

اهمیت پایش خشکسالی ها به صورت تقریبا" زمان واقعی، لزوم استفاده از سیستمهای سنجش از دور را ایجاب می کند. در این تحقیق، مقایسه‌ای بین سیستمهای پایش خشکسالی هواشناسی موجود و سیستمهای ماهواره ای پایش، با استفاده از شاخصهای هواشناسی SPI1 و EDI 2 با دو مقیاس زمانی یک و سه ماهه و شاخصهای ماهواره ای NDVI3، VCI4 و DEV5 برای محدوده مطالعاتی استان تهران، با تصاویر سنجنده AVHRR ماهواره NOAA برای سالهای 1375 تا 1380 انجام شده است. بدین منظور، دو نوع مدل رگرسیون خطی و مدل رگرسیون با متغیرهای موهومی ماهیانه، برای برازش مقادیر شاخصها استفاده شدند. برای گزینش متغیرها نیز از دو روش ارزیابی تمام معادلات ممکن و روش گام به گام استفاده گردید. تجزیه و تحلیل نتایج حاکی از وجود بهترین همبستگی بین شاخصهای NDVI با SPI سه ماهه در مدل با متغیرهای موهومی است. همچنین همبستگی‌ شاخصها در مناطق دارای ایستگاه باران‌سنجی، بالاتر بودند.

کلیدواژه‌ها


عنوان مقاله [English]

A Comparison between Satellite and Climatic Indices in Drought Monitoring

نویسندگان [English]

  • Sheida Jalili
  • Saeed Morid
  • Parviz Ziaeian firoozabadi
چکیده [English]

The importance of drought monitoring in a near real-time manner makes the use of remote sensing systems indispensable. In this study, a comparison between SPI and EDI climatic indices (in two time scales of 1 and 3 months) with satellite indices of NDVI, VCI and DEV is made for Tehran province. For this, satellite images of AVHRR on NOAA satellite for 6 years (from 1996 to 2001) are prepared and processed. Furthermore, the simple linear regression and dummy variables regression are applied to correlate climatic and satellite indices. The selection of variables is based on examining all possible equations and the Step by Step method. Results of regression analysis for the study area showed a more significant correlation between NDVI and SPI (3 months), while using dummy variables. Also, the correlation between the indices in regions equipped with more meteorological stations was found to be higher.

کلیدواژه‌ها [English]

  • climatic indices
  • Drought Monitoring
  • Regression models
  • remote sensing
  • Satellite vegetation indices
  • Tehran Province