|
Title
|
تعیین شاخص موثر جهت پایش خشکسالی با استفاده از تصاویر ماهواره ای
|
|
Type of Research
|
Project
|
|
Keywords
|
شاخص خشکسالی، ضریب همبستگی، شبکه عصبی مصنوعی، رگرسیون فازی
|
|
Abstract
|
با توجه به تاثیرات منفی خشکسالی، پایش و پیش بینی آن با روشی کارآمد مانند تکنیک سنجش از دور از اهمیت چشمگیری برخوردار است. در این راستا، اقدام به تعیین شاخص خشکسالی موثر با تحلیل بازتاب طیفی و باندهای حرارتی تصاویر ماهواره ای براساس ارتباط بین این شاخص ها و عامل خشکسالی شد. همچنین براساس شاخص موثر تعیین شده و رهیافت های شبکه عصبی مصنوعی، رگرسیون فازی وضعیت خشکسالی در دوره های آتی مورد بررسی قرار گرفت. شاخص های مورد بررسی شامل شاخص های NDVI، VTCI، VCI، TCI، DIS، NVSWI، EVI، TVX، SVI، VHI بوده است. شاخص های VHI، NVSWI، TCI، TVX دارای بیشترین تعداد ضریب همبستگی معنی دار با بارش بوده اند. شاخص های مورد مطالعه در اقلیم خشک و نیمه خشک نسبت به اقلیم بسیار مرطوب دارای بیشترین تعداد ضریب همبستگی معنی دار هستند. در شاخص های NDVI، VCI، SVI، EVI با تاخیر زمانی، تعداد ضرایب همبستگی معنی دار افزایش می یابد، بنابراین کاربرد این شاخص ها در بررسی شاخص خشکسالی زمان واقعی با محدودیت همراه است. شاخص های TCI، VHI و VCI کمترین تاثیر را نسبت به تغییرات ارتفاعی داشتند ولی به ترتیب شاخص های VTCI و NDVI از تغییرات ارتفاع بیشترین تاثیر را دارا بودند. استفاده از شاخص های خشکسالی ترکیبی باعث افزایش ضریب همبستگی شد. چهار شاخص همبستگی قابل ملاحظه ای با یکدیگر دارند، بنابراین بنظر می رسد استفاده از یکی از آنها برای پایش خشکسالی کافی باشد. در رگرسیون فازی متقارن با افزایش پارامتر سطح اعتماد تغییری در مراکز فازی ایجاد نشد ولی بر گستردگی متغیر های رگرسیون افزوده شد. در رگرسیون فازی نامتقارن پارامتر نقطه پیک از حساسیت بیشتری نسبت به فاکتورهای چولگی برخوردار بود. براساس معیارهای خطا، رهیافت رگرسیون فازی در مدلسازی شاخص های VHI، TCI و NVSWI و رهیافت شبکه عصبی مصنوعی در مدلسازی شاخص TVX دارای کمترین مقدار خطا بود. کاهش پارامتر سطح اعتماد شاخص TVX که نمایانگر کاهش میزان فازی بودن است، مویدی بر کارایی شبکه عصبی در مورد شاخص TVX است.
|
|
Researchers
|
Laleh Parviz (First Researcher)
|