Drought Monitoring Methodology Based on AVHRR Images and SPOT Vegetation Maps
Notice bibliographique
Résumé
Many regions of the world are experiencing an increase in the frequency and intensity of droughts. The province of Fars, Iran, has faced particularly severe drought and ground water problems over the course of the last decade. However, previous research on the subject reveals a lack of useful information regarding droughts in this province. This paper presents a fast, efficient and reliable method that can be used to produce drought maps in which Advanced Very High Resolution Radiometer (AVHRR) images are processed and then compared with SPOT vegetation maps. Ten-day maximum Normalized Difference Vegetation Index (NDVI) maps were produced and vegetation drought indices such as the Vegetation Condition Index (VCI) were calculated. Furthermore, a Temperature Condition Index (TCI) was extracted from the thermal bands of AVHRR images in order to produce the Vegetation Health Index (VHI). Remotely sensed data was then compared with hydrological and meteorological data from 1998 to 2007. The Standardized Precipitation Index (SPI) was used to quantify the precipitation deficit while the Standard Water Level Index (SWI) was developed to assess the groundwater recharge deficit. Instead of correlation coefficients, spatial correlation through visual comparison was found to provide better and more meaningful pictures. The highest correlation values were obtained when VHI or Drought Severity Index (DSI) values were correlated with the current month’s SWI data. DSI maps showed strong vegetation conditions existing for the majority of the study period. For most counties in Fars, strong Pearson correlations observed between the DSI and the SWI of the same month reflect high rates of ground water consumption. The results of this study indicate that the proposed method is a potentially promising method for early drought awareness which can be used for drought risk management in semi-arid climates such as in Fars, Iran. This study also recommends that the Iranian government develop programs to help decrease the consumption of ground water resources in the province of Fars to ensure the long term sustainability of the watersheds in this province.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».