دانلود مقاله تشخیص و تحلیل خشکسالی با سنجش شاخص‌های خشکسالی مبتنی بر مدل
چکیده
1. مقدمه
2. روش شناسی
3. نتایج
4. بحث و گفتگو
5. نتیجه گیری
منابع
Abstract
1. Introduction
2. Methodology
3. Results
4. Discussions
5. Conclusions
Author’s contributions
Author’s statements
Data availability statement
References
چکیده
تحت تأثیرات شدید تغییرات اقلیمی، خشکسالی به یکی از نامطلوب ترین و پیچیده ترین پدیده های طبیعی با پیامدهای حیاتی برای محیط زیست، اقتصاد و جامعه تبدیل شده است. رویکردهای پایش خشکسالی معمولی از مشاهدات ایستگاه های هواشناسی استفاده می کنند که معمولاً از نظر زمان و مکان محدود هستند. برعکس، سنجش از دور، پوشش جهانی مستمری از انواع متغیرهای آب و هواشناسی موثر در خشکسالی فراهم می‌کند و داده‌های استخراج‌شده از مأموریت‌های سنجش از دور و مدل‌سازی اکنون برای محققان کاربردی‌تر و جذاب‌تر تلقی می‌شوند. در این مطالعه، ما ترکیبی از داده‌های میدانی، داده‌های سنجش از دور و داده‌های مدل‌سازی شده را برای شناسایی و تحلیل کمی پدیده‌های خشکسالی به کار بردیم. برای دستیابی به این هدف، ما از تخمین‌های ناهنجاری‌های ذخیره‌سازی آب زمینی (TWSA) از مأموریت GRACE، شاخص تفاوت طبیعی شده گیاهی (NDVI) از مأموریت MODIS، رواناب سطحی (R) و تبخیر و تعرق از مجموعه داده‌های تحلیل مجدد ERA5 و داده‌های رطوبت خاک (SM) از داده‌های GLDAS استفاده کردیم. مدلی برای ارزیابی امکان سنجی آنها در تشخیص خشکسالی های اخیر در ترکیه. ما دقت چندین شاخص مبتنی بر سنجش از دور (شاخص شدت خشکسالی GRACE، شاخص کمبود ذخیره آب [WSDI]، شاخص رطوبت خاک، شاخص رواناب استاندارد و NDVI) را با شاخص‌های سنتی (SPI و SPEI) محاسبه‌شده از مشاهدات درجا تأیید کردیم. ته نشینی. نتایج نشان داد که WSDI مبتنی بر GRACE بهترین عملکرد را با همبستگی بالا با شاخص SPI از نظر زمانی و مکانی در ترکیه ارائه می‌دهد. ما همچنین دریافتیم که سری زمانی ماهانه و سالانه WSDI با شاخص SPI با همبستگی های 0.69 و 0.73 به خوبی مطابقت دارد. نتایج تجزیه و تحلیل خشکسالی همچنین نشان داد که WSDI می تواند به عنوان نماینده ای برای شاخص های استاندارد خشکسالی هواشناسی در ترکیه استفاده شود، زیرا عملکرد خوبی برای شناسایی و توصیف خشکسالی های اخیر ترکیه بر اساس مقایسه آن با نتایج SPI دارد.
توجه! این متن ترجمه ماشینی بوده و توسط مترجمین ای ترجمه، ترجمه نشده است.
Abstract
Under the severe impacts of climate change, drought has become one of the most undesirable and complex natural phenomena with critical consequences for the environment, economy and society. The orthodox drought monitoring approaches use observations of meteorological stations, which are typically restricted in time and space. Remote sensing, conversely, provides continuous global coverage of a variety of hydro-meteorological variables that are influential in drought, and data extracted from remote sensing and modeling missions are now considered more practical and alluring for researchers. In this study, we applied a combination of field data, remotely sensed data and modeled data to detect and quantitatively analyze drought phenomena. To achieve this objective, we utilized Terrestrial Water Storage Anomalies (TWSA) estimations from GRACE mission, Normalized Difference Vegetation Index (NDVI) from MODIS mission, Surface Runoff (R) and Evapotranspiration from ERA5 reanalysis datasets and Soil Moisture (SM) from GLDAS data model to evaluate their feasibility in detecting recent droughts over Turkey. We validated the accuracy of several remote sensing-based indices (GRACE Drought Severity Index, Water Storage Deficit Index [WSDI], Soil Moisture Index, Standardized Runoff Index and NDVI) with the traditional indices (SPI and SPEI) calculated from in situ observations of precipitation.
Methodology
Turkey is located between the latitudes 36 N and 42 N and longitudes 26 E and 45 E. The country is situated at mid-latitudes that define its climatic characteristics together with its highly variable topography. Despite its Mediterranean geographic location, where mild climatic conditions are dominant (Sensoy et al. 2008), the diversity of its topography as well as proximity to the Black Sea, Aegean Sea and the Mediterranean in the north, west and south, respectively, lead to significant variations in climatic conditions in seven different regions of the country (Figure 1). Thus, coastal zones demonstrate different characteristics from inland plateaus of central, eastern and southeastern Anatolia.
Regardless of the climatic variability of different regions of Turkey, the general climatic pattern of Turkey follows the characteristics of a generic semi-arid climate, which defines its water resources potential that in turn shapes its agriculture and industry (Selek and Aksu 2020). The variability of hydro-climatic parameters in Turkey introduces some challenges regarding water accessibility at proper times and space all over the country.
Conclusions
Drought studies are traditionally based on field observations of hydro-meteorological parameters. These are typically limited in time and geographic space, which lowers the spatial and temporal accuracy of the studies. In this study, we used the remotely sensed and simulated data in an integrated manner to evaluate the recent droughts over the semi-arid climatic region of Turkey, for which there is no comprehensive comparative study from the viewpoint of the effectiveness of different drought indices available for the scientific community use
The results indicated that among different RS indices, notwithstanding its coarse resolution estimates, the GRACE-driven WSDI index had the best performance in detecting the monthly dry periods while SRI relatively outperformed WSDI in the detection of yearly droughts in Turkey from 2003 to 2016. The correlations achieved between used indices indicated that RS and model-based indicators had, in general, better agreement with SPI rather than SPEI even though the differences between the correlation values achieved for these two indices were not so high. This can be ascribed to the fact that SPI was more dependent on precipitation than SPEI and the fluctuations of precipitation were more influential on the climatic condition of Turkey, which made SPI perform more effectively