مدیریت بحران، جلد ۱۴، شماره ۲، صفحات ۱-۱۸
عنوان فارسی سنجش و پایش بحران خشک‌سالی با استفاده از داده‌کاوی مکانی با تأکید بر حوضه آبریز دریاچه ارومیه
چکیده فارسی مقاله ایران به دلیل قرار گرفتن در کمربند خشک جغرافیایی و نوار بیابانی واقع در عرض‌های 20 تا 40 درجه‌ی نیمکره‌ی شمالی با متوسّط بارندگی سالیانه 250 میلی‌متر، همچنین به دلیل توزیع نامتناسب مقدار بارندگی جزء مناطق خشک و نیمه‌خشک دنیا به شمار می‌رود؛ لذا جدی گرفتن تهدید خشک‌سالی و مدیریت این تهدید بالقوّه امری اجتناب‌ناپذیر است. پژوهش حاضر تلاش دارد تا بر اساس روش‌های داده‌کاوی مکانی و قوانین انجمنی، مناسب‌ترین ترکیب شاخص‌های خشک‌سالی سنجش‌ازدور را در مقایسه با شاخص استانداردشده‌ی بارش معرفی نماید. برای ارزیابی این روش، حوضه‌ی آبریز دریاچه‌ی ارومیه به‌عنوان منطقه مطالعاتی در نظر گرفته شد. شاخص استانداردشده بارش با استفاده از بارش ایستگاه‌های باران‌سنجی و سینوپتیک از سال 1390 تا 1401 درون‌یابی، سپس یک‌لایه رستری شاخص به‌صورت رسترهای 9، 6، 3، 1 و 12 ماهه تهیه و شاخص‌های VHI, TCI, VCI, EVI, LST, NDVI از طریق داده‌های سنجنده MODIS برای سال‌های بازه زمانی مشابه استخراج شد. نتایج این تحقیق نشان می‌دهد که همبستگی بالایی بین شاخص‌های سنجش‌ازدور LST NDVI و VCI و شاخص SPI وجود دارد؛ به‌طوری‌که اعتماد بین شاخص SPI و شاخص‌های LST, NDVI و VCI بالاتر از 70 درصد است. همچنین نقشه‌های پهنه‌بندی شده خشک‌سالی به‌وسیله قوانین استخراج‌شده نشان می‌دهد که بیشترین خشک‌سالی در سال‌های 1392،1399 و 1400 رخ‌داده است.
کلیدواژه‌های فارسی مقاله خشک‌سالی،داده‌کاوی مکانی،حوضه‌ی آبریز دریاچه‌ی ارومیه،شاخص SPI،
عنوان انگلیسی Assessment and Monitoring of Drought Crisis Impacts Using Spatial Data Mining with an Emphasis on the Lake Urmia Basin
چکیده انگلیسی مقاله Iran, situated in the arid geographical belt and desert strip of the northern hemisphere between latitudes 20° to 40°, experiences an average annual precipitation of 250 mm. Combined with the uneven distribution of rainfall, this places the country among the arid and semi-arid regions of the world. Consequently, addressing the threat of drought and implementing effective management strategies for this potential crisis is unavoidable. The present study aims to identify the most suitable combination of remote sensing drought indices compared to the Standardized Precipitation Index (SPI) using spatial data mining methods and association rules. The Lake Urmia basin was selected as the study area for evaluation. SPI was calculated by interpolating precipitation data from rain gauge and synoptic stations between 2011 and 2022 (1390 to 1401 in the Persian calendar), resulting in raster layers for 1, 3, 6, 9, and 12-month intervals. In parallel, remote sensing indices, including VHI, TCI, VCI, EVI, LST, and NDVI, were derived from MODIS sensor data for the same period. The results indicate a high correlation between remote sensing indices (LST, NDVI, and VCI) and SPI, with reliability exceeding 70%. Furthermore, drought zoning maps derived from the extracted rules reveal that the most severe droughts occurred in the years 2013, 2020, and 2021 (1392, 1399, and 1400).This study underscores the potential of integrating spatial data mining and remote sensing indices for more effective drought assessment and monitoring, particularly in regions prone to severe water stress.
کلیدواژه‌های انگلیسی مقاله خشک‌سالی,داده‌کاوی مکانی,حوضه‌ی آبریز دریاچه‌ی ارومیه,شاخص SPI
نویسندگان مقاله محمد اسکندری |
استادیار، مجتمع دانشگاهی مهندسی و پدافند غیرعامل، دانشگاه صنعتی مالک اشتر، تهران، ایران

مسعود دارابی |
استادیار، مجتمع دانشگاهی مهندسی و پدافند غیرعامل، دانشگاه صنعتی مالک اشتر، تهران، ایران

محمدرضا صالحی |
کارشناس ارشد پدافند غیرعامل، مجتمع دانشگاهی مهندسی و پدافند غیرعامل، دانشگاه صنعتی مالک اشتر، تهران، ایران

حبیب اله سهامی |
استادیار، مجتمع دانشگاهی مهندسی و پدافند غیرعامل، دانشگاه صنعتی مالک اشتر، تهران، ایران

نشانی اینترنتی https://www.joem.ir/article_722673_9c72f747115b897fdfcba42bf07501dd.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات