ارزیابی آسیب‌ پذیری خشکسالی با استفاده از ابزار هوشمند چند معیاره و کاربرد داده‌های ماهواره‌ای

تاثیر خشک‌ سالی به‌ عنوان یک پدیده پیچیده بر اقتصاد و محیط‌ زیست می‌تواند مخرب باشد. شناخت مناطق مستعد خشک‌سالی برای برنامه‌ریزی و اتخاذ اقدامات کاهشی ضروری است. این مطالعه بر معرفی یک روش چند مقیاسی مبتنی بر مجموعه داده‌های ماهواره‌ای برای ارزیابی آسیب‌پذیری خشک‌سالی در مناطق بدون داده متمرکز شده است. بدین منظور دو مرحله در نظر گرفته شد و پایش خشک‌سالی برای شمال غرب ایران به‌عنوان منطقه مورد مطالعه انجام شد. در مرحله اول، مناطق آسیب‌پذیر با استفاده از تکنیک‌های مبتنی بر کرنل چند معیاره شناسایی شدند که 17 پارامتر ژئومحیطی استخراج شده از داده‌های زمینی و مجموعه داده‌های ماهواره‌ای را برای توسعه نقشه آسیب‌پذیری خشک‌سالی ادغام کرد. مدل‌های در نظر گرفته شده با معیارهای مختلف ارزیابی شدند و با انجام تحلیل حساسیت، مهم‌ترین متغیرها تعیین شدند. نتایج نشان داد که بخش‌های جنوبی و مرکزی منطقه منتخب بیشتر مستعد خشک‌سالی‌های شدید هستند. از بین متغیرهای مورد استفاده، رطوبت خاک، بارش، رطوبت و وضعیت پوشش گیاهی موثرترین پارامترها بودند. در مرحله دوم، با توجه به محدودیت‌ داده‌های زمینی، مناطق مستعد خشک‌سالی تنها با استفاده از متغیرهای بارش، وضعیت پوشش گیاهی و دمای سطح زمین استخراج شده از ماهواره‌ها شناسایی شدند. بدین منظور، یک روش چند مقیاسی جدید مبتنی بر تبدیل موجک (wt)، تجزیه مد متغیر (vmd) و روش‌ مبتنی بر کرنل توسعه داده شد. نتایج به‌دست‌آمده نشان‌دهنده کارایی مناسب روش چند مقیاسی پیشنهادی در شناسایی مناطق مستعد خشک‌سالی با شدت‌های مختلف می‌باشد.

drought vulnerability assessment using multi-criteria intelligence method and application of the satellite data

the effect of drought as a complex phenomenon on the economy and environment can be destructive. identifying the drought-prone areas is essential for planning and adopting mitigation measures. this study is focused on introducing a multi-scale method based on satellite datasets to assess drought vulnerability in areas without data. in this regard, two steps were considered and drought monitoring was carried out for the northwest part of iran as the study area. in the first step, vulnerable areas were identified using multi-criteria kernel-based techniques that integrated 17 geo-environmental parameters extracted from ground-based and satellite datasets to develop a drought vulnerability map. the considered models were evaluated with different criteria and the most important variables were determined using sensitivity analysis. results showed that the southern and central parts of the selected region are more prone to severe droughts. among the considered variables, soil moisture, precipitation, air humidity, and vegetation condition were the most effective parameters. in the second step, due to the limitation of ground-based data, drought-prone areas were identified only by using the variables of precipitation, vegetation condition, and ground surface temperature extracted from satellites. for this aim, a new multiscale method was developed based on wavelet transform (wt), variational mode decomposition (vmd), and kernel-based methods. the obtained results show the appropriate efficiency of the proposed multi-scale method in identifying areas prone to drought with different intensities.