آموزش کاربرد نقشه های اتوکد AutoCAD در ArcGIS

فناوری‌های سیستم اطلاعات جغرافیایی(GIS) برای پایش مخاطرات زیست‌محیطی تحت تغییرات آب و هوا: بررسی گسترده

چکیده 

فعالیت های انسانی و تغییرات آب و هوایی کاتالیزور معاصر برای فرآیندهای طبیعی و اثرات آنها، به عنوان مثال، خطرات ژئومحیط زیستی را تشکیل می دهند. در سطح جهان، پدیده‌ها و مخاطرات طبیعی مانند خشکسالی، فرسایش خاک، تخریب کمی و کیفی آب‌های زیرزمینی، یخبندان، سیل، بالا آمدن سطح دریا و غیره با عوامل انسانی تشدید می‌شوند. بنابراین، آنها افزایش سریع در شدت، فراوانی وقوع، تراکم فضایی و گسترش قابل توجه مناطق وقوع را نشان می دهند. تأثیر این پدیده‌ها برای زندگی انسان‌ها و اقتصادهای جهانی، هلدینگ‌های خصوصی، زیرساخت‌ها و غیره ویران‌کننده است، در حالی که در یک بافت وسیع‌تر تأثیر بسیار منفی بر وضعیت اجتماعی، زیست‌محیطی و اقتصادی منطقه آسیب‌دیده دارد. فناوری های جغرافیایی از جمله سیستم های اطلاعات جغرافیایی، سنجش از دور – رصد زمین و همچنین ابزارهای تجزیه و تحلیل داده‌های مکانی مرتبط، مدل‌ها، پایگاه‌های اطلاعاتی، امروزه به طور قابل توجهی در پیش‌بینی، پیشگیری، تحقیق، پرداختن، بازسازی و مدیریت این پدیده‌ها و اثرات آن‌ها کمک می‌کنند. این بررسی تلاش می‌کند مخرب‌ترین خطرات جغرافیایی را از دیدگاه پایش محیط‌زیست مشخص کند، و وضعیت هنر در استفاده از فناوری‌های مکانی را در این رابطه پوشش دهد. همچنین چالش اصلی این دوره جدید را تعریف می کند که چیزی جز بهره برداری ساختگی از اطلاعات تولید شده توسط نظارت محیط زیست نیست تا سیاست های لازم در راستای آینده ای پایدار اتخاذ شود. این بررسی پتانسیل و ارزش افزوده فزاینده اطلاعات جغرافیایی را به عنوان وسیله ای برای حمایت از نظارت بر محیط زیست در مواجهه با تغییرات آب و هوایی برجسته می کند. به نظر می رسد رشد اطلاعات جغرافیایی به دلیل پیشرفت های فنی و علمی که با پیشرفت تصاعدی در سال های آینده ادامه خواهد داشت، به سرعت در حال افزایش است. با این وجود، همانطور که در این بررسی نیز مشخص شده است، نظارت مستمر محیط‌زیست تابع یک رویکرد بین‌رشته‌ای است و شامل مقداری از اقدامات است که هم توسعه پدیده‌های طبیعی و هم اثرات فاجعه‌بار آن‌ها را عمدتاً به دلیل تغییرات آب و هوایی پوشش می‌دهد.
کلیدواژه: پایش محیط زیست تغییرات آب و هوا ؛ خطرات زمین ; اطلاعات جغرافیایی ؛ سیستم های اطلاعات جغرافیایی ; رصد زمین

1. مقدمه

تغییرات اجتماعی، اقتصادی و زیست محیطی قابل توجه و همچنین پیشرفت های سریع در فناوری قرن بیست و یکم را نشان می دهد. نقطه عطف بارز قرن حاضر تغییر اقلیم و اثرات آن است، پدیده ای جهانی که به طور مستقیم و غیرمستقیم بر زندگی انسان و محیط زیست تأثیر می گذارد. مهمترین اثرات این پدیده تغییرات آب و هوایی در بسیاری از مناطق، افزایش میانگین دمای جهانی، افزایش سطح آب دریاها به صورت محلی، ذوب شدن یخ ها و غیره و اثرات این تغییرات مانند افزایش پیوسته وقوع خطرات و بلایای طبیعی است. شکل 1 )، تغییرات در تنوع زیستی مناطق، تغییر در فرآیندهای طبیعی و غیره.
یکی از عوامل مهم مدیریت صحیح و پاسخگویی به این واقعیت، ابزارهای مدرن و بسیار مؤثری است که در سال های اخیر از طریق انفجار فناوری و علمی که در کنار تغییرات اقلیمی رخ داده است، ایجاد، توسعه، آزمایش و اجرا شده است.
تحقیقات، مدیریت و واکنش به بلایای طبیعی و فرآیندها در دهه گذشته مرکز توجه و مشارکت جامعه علمی و تصمیم گیرندگان بوده است. چالش زیست محیطی، اجتماعی و اقتصادی فعلی ( شکل 2) از جمله با توجه به تغییرات اقلیمی، پیش بینی بلایای طبیعی و حفاظت از مناطق آسیب پذیر در برابر مخاطرات طبیعی قریب الوقوع و فرآیندهای طبیعی روزافزون با اثرات منفی است. نمونه بارز این دستورالعمل اتحادیه اروپا 2007/60 است که هدف آن به روز رسانی و ارتقای روش های پیشگیری، مدیریت و بازسازی سیل در کشورهای عضو است. به طور کلی، این دستورالعمل به دنبال تعیین اهداف زیست‌محیطی برای سیاست‌های مدیریت آب کشورهای عضو، با تأکید بر آب‌های زیرزمینی است که توسط عوامل طبیعی، همراه با بهره‌برداری بیش از حد انسان، با بدتر شدن ویژگی‌های کمی و کیفی آنها تهدید می‌شود. ابتکارات مربوطه در سراسر جهان با نتایج بسیار قابل توجهی انجام شده است.
الزامات مدرن در تحقیق، طراحی و مدیریت خطرات ژئومحیطی فوق بسیار زیاد است. یکی از عوامل اصلی این تلاش ها، پیشرفت چشمگیر علم و توسعه سریع فناوری در دهه های گذشته است که به نظر می رسد در سال های آینده به رشد خود ادامه دهد. در حوزه علوم زمین و به طور خاص در فرآیندهای طبیعی، خطرات و بلایا، پیشروهای علمی و فناوری سیستم های اطلاعات جغرافیایی (GIS) و سنجش از دور هستند. انفجار تکاملی سال‌های اخیر در این دو زمینه، راه‌ها، راه‌ها و روش‌های جدیدی را برای رویکرد و تحقیق در مورد مسائل زیست‌محیطی مرتبط با زندگی انسان‌های امروزی گشوده است.
در سطح جهانی، رونق عظیمی در برنامه های ماهواره ای برای نظارت بر زمین و پدیده های طبیعی (و نه تنها) رخ داده است. بسیاری از کشورها، چه به صورت مستقل و چه به صورت مشارکتی، در حال توسعه سیستم های ماهواره ای هستند که برای کاربردهای خاص طراحی شده اند.
بیانگرهای اصلی این تلاش‌ها ماهواره‌های نوری غیرفعال (مانند لندست) و ماهواره‌های رادار فعال (مانند Sentinel-1) هستند که برای کاربردهای زیست‌محیطی مانند گرفتن پوشش گیاهی، ثبت مناطق سیل‌زده، نظارت بر زلزله‌ها (مثلاً با استفاده از تکنیک تداخل سنجی در تصاویر ماهواره ای) و غیره. با گذشت زمان و در ارتباط با تکامل تکنولوژی، داده های ماهواره ای به طور مداوم در هر دو فرکانس و وضوح فضایی بهبود می یابند.
در عین حال، ابزارهای پردازش و تجزیه و تحلیل اطلاعات مکانی دائماً در حال بهبود هستند و روش‌ها و تکنیک‌های جدیدی را اتخاذ می‌کنند و در عین حال کاربرپسندتر می‌شوند. در سال‌های اخیر، نرم‌افزار آزاد منبع باز (مثلاً QGIS) با بسته‌های تجاری (مثلاً ArcGIS) رقابت کرده است و به محقق این امکان را می‌دهد تا ابزارهای خود را، با توجه به نیازهای خود، در محیط خود ایجاد کند.
در نتیجه، GIS به همراه پایگاه‌های اطلاعاتی ماهواره‌ای باز و سایر پایگاه‌های اطلاعاتی فضایی رایگان، نیازهای تحقیقاتی مدرن را پوشش می‌دهد و هزینه آن و همچنین زمان تجزیه و تحلیل و استخراج نتایج را به میزان قابل توجهی نسبت به روش‌های سنتی کاهش می‌دهد. علاوه بر این، آنها بر موانعی غلبه می کنند که در تحقیقات میدانی سنتی غیرقابل دسترس بود، مانند دسترسی به مناطق غیرقابل دسترس، شرایط آب و هوایی و غیره.
این قابل درک است که چالش های ژئومحیطی قرن بیست و یکم را می توان با ابزارهای مدرن ارائه شده توسط پیشرفت های فنی و علمی کاوش و بررسی کرد. در بخش‌های بعدی موضوعات موضوعی مختلفی در رابطه با پایش محیط‌زیست و به‌ویژه خشکسالی، سیل، فرسایش خاک، آب‌های زیرزمینی، یخبندان و افزایش سطح دریا وجود خواهد داشت. تکنیک ها و ابزارها (GIS و Earth Observation—EO) برای مشاهده و تحقیق محیط زیست و همچنین راه هایی برای مقابله با هر پدیده منفرد ارائه خواهد شد.

ویژگی روش بررسی این مقاله

این کار مروری با هدف اشاره به برخی از مخرب‌ترین مخاطرات از دیدگاه پایش محیطی، که حوزه وسیعی را در استفاده از فناوری‌های مکانی از این نظر پوشش می‌دهد، اشاره می‌کند. این کار خطرات خاصی را از نظر پایش محیطی ارائه می دهد. بلایای منتخب به شرح زیر است: i. خشکسالی، ii. فرسایش خاک، iii. تخریب آب های زیرزمینی، IV. سیل، و در مقابل افزایش سطح دریا. انتخاب مقالات ارائه شده در این اثر بر اساس برخی معیارهای عینی و همچنین بر اساس برخی معیارهای ذهنی صورت گرفته است. لازم به ذکر است که تمامی نشریات ارجاع شده و شرح داده شده، عمدتاً بر اساس استنادهای آنها انتخاب شده اند تا به نقل از آنهایی که بیشترین تأثیر را در رشته های مورد بحث در این اثر مروری داشته اند (معیارهای عینی) نقل شود. برای این منظور از نمایه استنادی اسکوپوس استفاده شد. علاوه بر این،
علاوه بر این، سهم فناوری‌های زمین‌فضایی مانند GIS، زیرساخت‌های داده‌های مکانی و EO در بلایای طبیعی نیز به‌عنوان کلیدهای اصلی تحقیقاتی در زمینه پایش محیط‌زیست ارائه می‌شود. بنابراین، بخش بعدی ( بخش 2 ) به ترتیب مروری بر کتاب شناسی مربوط به خشکسالی، فرسایش خاک، تخریب آب های زیرزمینی، سیل و افزایش سطح دریا ارائه می کند. همه نسخه‌های خطی مورد استناد برای هر یک مورد بررسی خوبی از جامعه علمی قرار گرفتند. جدول 1 فهرستی از مطالعات مورد استناد در این کار را ارائه می کند.

2. نظارت بر محیط زیست

2.1. پایش خشکسالی

طبیعت با پایداری و دوام خود می تواند تغییرات شدیدی را در متغیرها و عوامل سیستم های انسانی ایجاد کند. تغییرات شدید یا رویدادهای شدید، مانند زلزله، سیل و خشکسالی، که اغلب به آنها مخاطرات طبیعی گفته می شود، می توانند موانع و مشکلات غیرقابل حلی را در نحوه برخورد جوامع بشری با آنها ایجاد کنند [ 1 ، 2 ، 3 ، 4 ، 5 ]. در این زمینه، استدلال می شود که خشکسالی یکی از بسیاری از مخاطرات طبیعی است که می تواند استفاده خانگی و آبیاری را تحت تاثیر قرار دهد – به عبارت دیگر، تامین آب یک منطقه [ 6 ، 7 ].]. روند کنونی در میان محافل وسیع فنی و حرفه ای، مدیران، سیاستمداران و تصمیم گیرندگان و به طور کلی در میان شهروندان عادی این است که خشکسالی را امری گذرا، یک خطر تصادفی و دور در نظر می گیرند که فقط به یک بسیج فوق العاده نیاز دارد [ 8 ، 9 ]. با این حال، تجربه انباشته تحقیقات علمی و مشاهدات در دهه های اخیر نشان می دهد که خشکسالی اجتناب ناپذیر است، زیرا به نظر می رسد این پدیده ها عناصر اجتناب ناپذیر و دائمی آب و هوای جهانی هستند [ 8 ، 10 ، 11 ، 12 ، 13 ، 14 .]. مسائل خشکسالی می تواند به یک بحران آب تبدیل شود و نقش مهمی در سال های آینده در تعریف سیاست های توسعه و زیست محیطی در سطح جهانی ایفا کند [ 15 ، 16 ، 17 ]. تا آنجا که به اروپا مربوط می شود، خشکسالی در یونان در سال های 1989-1993، در اسپانیا در سال 2003، در فرانسه در سال 2005، و دوباره در یونان در سال های 2007-2008، این روند و همچنین نیاز فوری به اجرای استراتژی های مشترک را تایید می کند. مشکل در سراسر اروپا و نه فقط در کشورهای مدیترانه [ 1 ، 11 ، 18 ، 19 ، 20 ، 21 ، 22 ، 23 ، 24 ]. شکل بعدی ( شکل 3 ) چنین زمینه ای را نشان می دهد [ 21 ].
خشکسالی و پیامدهای آن را باید از مراحل اولیه برنامه ریزی و مدیریت منابع آب شناخت و در نظر گرفت [ 25 , 26 , 27 , 28 , 29 ]. بر این اساس، اقدامات و تلاش ها برای مقابله با خشکسالی باید با مطالعه ابعاد این پدیده آغاز شود [ 1 ، 30 ، 31 ، 32 ]. تعاریف عملکردی امکان تعیین شروع و پایان و همچنین درجه شدت خشکسالی را فراهم می کند [ 1 ]11 , 33 , 34 ]. این تعاریف بر اساس چهار رویکرد مختلف هواشناسی، هیدرولوژیکی، کشاورزی و خشکسالی اجتماعی-اقتصادی دسته‌بندی می‌شوند. سیستم‌های اطلاعات جغرافیایی و خبره (ES) می‌توانند به موقع برای شناسایی و شناسایی رویدادهای خشکسالی در مناطق وسیع از طریق داده‌های ماهواره‌ای، مجموعه داده‌های شبکه‌بندی شده و مقادیر اندازه‌گیری شده از ایستگاه‌های هواشناسی پاسخ دهند. با این حال، محاسبه خطر خشکسالی و ارزیابی آسیب پذیری نیاز به داده های مکانی در مرحله زمانی خاص (ماهانه یا سالانه) دارد. بنابراین، استفاده از راه‌حل‌های اطلاعات جغرافیایی، مشاهده مشاهدات خطرات خشکسالی را بهبود می‌بخشد. [ 5 ، 10 ، 1112 , 14 , 20 , 35 , 36 , 37 ].
خشکسالی به جای خشکی یک حالت موقتی (ماهها / سالها) است که یک ویژگی دائمی آب و هوا است [ 38 ، 39 ]. علاوه بر این، خشکسالی فصلی، یعنی یک فصل خشک کاملاً تعریف شده، باید از خشکسالی که با ویژگی های مختلف رخ می دهد، متمایز شود [ 5 ، 6 ]. سردرگمی قابل توجهی بین دانشمندان و سیاستگذاران در مورد تنوع بخشیدن به این اصطلاحات وجود دارد. یک مثال معمولی قلمرو یونان است، به ویژه در مناطق جزیره ای، که در آن فصل بارندگی در اکتبر آغاز می شود و در آوریل پایان می یابد [ 19 ، 21 ، 22 ].]. بنابراین، بخش بزرگی از جزایر بایر به نظر می رسد و خشکسالی یک ویژگی آب و هوایی اجتناب ناپذیر است. با این حال، خشکسالی فصلی در این جزایر به دلیل عدم تامین نیازهای آبی در یک افق زمانی مشخص، تقریباً قطعی است که در طول زمان اتفاق می‌افتد. خشکسالی معمولاً زمانی اتفاق می‌افتد که بارندگی در یک منطقه کمتر از حد متوسط ​​باشد و به دنبال آن نرخ تبخیر زیاد برای دوره‌های طولانی‌مدت وجود داشته باشد [ 20 , 37 , 40 , 41 , 42]. خشکسالی به دلیل فراغت و طولانی بودن آن با سایر بلایای طبیعی متفاوت است. در اغلب موارد خشکسالی یا به دلیل کاهش بارندگی و یا کمبود ذخایر منابع آبی ایجاد می شود. مفهوم کمبود مربوط است و با تقاضای آب خاص بر اساس بخش یا فعالیت های خاص تعیین می شود. با این وجود، تجزیه و تحلیل خشکسالی و ارزیابی خشکسالی باید شامل تمام داده های موجود از منطقه مورد مطالعه باشد. این نتایج که شاخص‌های خشکسالی (شاخص‌ها یا شاخص‌ها) را تشکیل می‌دهند در یک محیط GIS برای به تصویر کشیدن توزیع فضایی تجسم شدند. تلاش‌هایی وجود دارد و از تکنیک‌های زمین‌آماری برای تبدیل مقادیر نقطه‌ای ایستگاه‌های هواشناسی به توزیع فضایی در یک بازه زمانی خاص استفاده می‌کنند. 1 ، 4 ، 7 ، 10 ، 14 ، 43 ].
برای پرداختن به پدیده‌های خشکسالی، تدوین استراتژی و طرح جامع این پدیده‌ها به عنوان ابزاری مؤثر برای بهبود توانایی ارزیابی و پاسخگویی به مکانیسم‌های عملی دولت توصیه می‌شود. اتفاق نظر بین سازمان های دولتی و گروه های منافع خصوصی و عمومی نیز بخش مهمی از این روند است. شاخص ها و شاخص های ترکیبی می توانند به شناسایی سریع خشکسالی و دستیابی به این هدف کمک کنند. علاوه بر این، در ترکیب با مدل‌های پیش‌بینی، پیش‌بینی کوتاه‌مدت پدیده و اثرات آن را می‌توان با موفقیت برای تصمیم‌گیران انجام داد تا بتوانند با کاهش یا به حداقل رساندن اثرات و زمان واکنش به آنها، آمادگی بهتری داشته باشند. یک کمک کننده مهم در این مسیر، ارتقاء و یکپارچه سازی برنامه ریزی اضطراری است.

2.2. پایش فرسایش خاک

فرسایش خاک یک پدیده پیچیده و پویا است که بسیاری از مناطق در سراسر جهان را تحت تأثیر قرار می دهد. این یکی از جدی ترین مشکلات تخریب زمین و منبع اصلی زوال زیست محیطی است، زیرا بزرگترین مشکل زیست محیطی جهان پس از افزایش جمعیت است. به طور مشخص، گزارش شده است که ایالات متحده 10 برابر سریعتر از نرخ تجدید طبیعی خاک از دست می دهد، در حالی که تلفات مربوط به چین و هند 30 تا 40 برابر سریعتر است [ 44 ].
در سراسر جهان، مساحت کل زمین تحت تأثیر فرسایش آبی 10940000 کیلومتر مربع است که 7510000 کیلومتر مربع آن به طور قابل توجهی تخریب شده است [ 45 ]. حمل سالانه رسوب به اقیانوس از رودخانه های سراسر جهان 15 تا 30 میلیارد تن برآورد شده است [ 46 ، 47 ]. علاوه بر این، فرسایش خاک بر ویژگی‌های ژئومورفولوژیکی یک منطقه از نظر حاصلخیزی خاک، بهره‌وری کشاورزی، کیفیت آب، ظرفیت مخزن آب و تکامل مناطق ساحلی در محیط‌های رسوبی تأثیر می‌گذارد [ 48 ، 49 ، 50 ].
تکامل فعلی پدیده فرسایش مستقیماً با گرمایش جهانی مرتبط است که منجر به چرخه هیدرولوژیکی شدیدتر در چندین منطقه می شود، از جمله بارندگی های کل بیشتر و رویدادهای مکرر بارندگی با شدت بالا (ترکیبی یا غیر ترکیبی). این تغییرات در بارندگی و همچنین تغییرات دما، تابش خورشیدی و CO 2 اتمسفرغلظت، اثرات قابل توجهی بر نرخ فرسایش خاک دارد. به طور کلی، فرآیندهای مرتبط با اثرات تغییر اقلیم بر فرسایش خاک توسط آب پیچیده است و شامل تغییرات در حجم و شدت بارندگی، تعداد روزهای بارندگی، نسبت بین باران و برف، تولید زیست توده از گیاهان، میزان تجزیه می‌شود. بقایای سبزیجات، نرخ تبخیر و تعرق و تغییرات کاربری زمین که برای انطباق با یک رژیم آب و هوایی جدید ضروری است [ 51 ].
علاوه بر این، تخریب زمین های کشاورزی توسط فرسایش خاک نیز یک پدیده جهانی است که منجر به از بین رفتن خاک سطحی غنی از مواد مغذی، افزایش رواناب در لایه نفوذناپذیرتر زمین و کاهش دسترسی به آب برای گیاهان می شود [ 52 ]. حدود 85 درصد از تخریب خاک در سراسر جهان با فرسایش خاک مرتبط است و باعث کاهش تا 17 درصد در بهره وری محصول می شود [ 53 ].
پایش، مدل‌سازی و تحلیل مؤثر پدیده فرسایش خاک می‌تواند اطلاعاتی را در مورد وضعیت فعلی فرسایش، روندها فراهم کند و امکان تجزیه و تحلیل سناریوهای مختلف را فراهم کند [ 52 ]. علاوه بر این، این اقدامات می توانند منابع اطلاعاتی مهمی برای تصمیمات مدیریت زمین از طریق توسعه سناریوهای کاربری جایگزین و ارزیابی نتایج آنها باشند [ 54 ]. نظارت و ارزیابی کمی [ 55 ] اغلب برای استخراج وسعت و بزرگی مشکلات فرسایش خاک به منظور توسعه استراتژی های مدیریت منطقه ای مناسب همراه با اندازه گیری های میدانی مورد نیاز است.
مدل‌های پایش و تحلیل فرسایش خاک [ 56 ] به سه دسته اصلی طبقه‌بندی می‌شوند: تجربی، مفهومی (تا حدی تجربی/مخلوط) و فیزیکی. نمونه‌هایی از این سه دسته شامل مدل تجربی USLE و اصلاحات آن، پاسخ‌های مفهومی (شبیه‌سازی پاسخ محیط حوضه آبخیز منبع غیرنقطه‌ای)، CRAMS (مواد شیمیایی، رواناب و فرسایش از سیستم‌های مدیریت کشاورزی)، و MODANSW (پاسخ‌های اصلاح‌شده) و همچنین مدل های فیزیکی EUROSEM (مدل اروپایی فرسایش خاک) و MIKE SHE («Systeme Hydrologique Europeen» یا سیستم هیدرولوژیکی اروپا). از دهه 1930، کارشناسان و تصمیم گیرندگان خاک در حال توسعه و استفاده از مدل های فرسایش برای پایش و محاسبه تلفات خاک بوده اند [ 57 ].]. بیش از 80 مدل فرسایش در پنجاه سال گذشته ایجاد شده است [ 58 ].
یکی از پرکاربردترین مدل‌های تجربی برای پایش و تخمین فرسایش، مدل جهانی معادله تلفات خاک (USLE) است که توسط Wischmeier و Smith در سال 1965 بر اساس اندازه‌گیری‌های فرسایش خاک در ایالات متحده آمریکا توسعه یافت [ 57 ]. عمدتاً برای ارزیابی فرسایش خاک در زمین های زراعی یا در توپوگرافی های کمی شیبدار توسعه یافته است و هنوز هم در تعداد زیادی از مطالعات برای تخمین از دست دادن خاک استفاده می شود [ 52 ]. با نسخه اصلاح شده RUSLE، که نواحی بالادستی را در نظر می گیرد که به رواناب سطحی پایین دست کمک می کنند و بنابراین پیش بینی پذیری بهتری نسبت به USLE [ 59 ] دارند، و نسخه اصلاح شده MUSLE [ 57 ، 60 ، 61 ]، USLE هنوز به طور گسترده در مطالعات ارزیابی تلفات خاک استفاده می شود و رایج ترین ابزار برای ارزیابی و پایش فرسایش خاک در مقیاس بزرگ در اروپا است [ 62 ، 63 ، 64 ، 65 ].
در سال‌های اخیر، با توسعه و تحولات قابل توجه در GIS و سنجش از دور، و همچنین پیشرفت در قدرت محاسباتی، تلاش‌ها برای مدل‌سازی فضایی فرسایش خاک تشدید شده و تا حد زیادی ارتقا یافته است [ 66 ]. انتشار گسترده GIS و استفاده از داده های ماهواره ای توسعه مدل های فرسایش را بسیار تسهیل کرده است، زیرا آنها امکان استفاده از منابع داده های متعدد، اصلاح آسان ساختار مدل های فرسایش و تغییر شکل بدون قید و شرط مقیاس آنها را فراهم می کنند [ 67 ، 68 ].]. استفاده از روش های مرسوم برای پایش و ارزیابی خطر فرسایش خاک پرهزینه و زمان بر است. ادغام مدل‌های فرسایش خاک موجود، داده‌های میدانی و داده‌های ارائه‌شده توسط فناوری‌های سنجش از دور از طریق استفاده از GIS به‌ویژه سودمند بوده و در عین حال امکان ارائه توزیع مکانی فرسایش را از طریق نقشه‌های خطر فراهم می‌کند که برای طراحی نقشه‌های خطر ضروری هستند. اقدامات حفاظتی [ 50 ، 52 ، 65 ، 69 ، 70 ، 71 ].
اهمیت پایش مستمر فرسایش خاک و استفاده از شیوه‌های مدیریت یکپارچه حوضه رودخانه با استفاده مستقل از داده‌های سنجش از دور، مانند عکس‌های هوایی، LiDAR، پهپاد و داده‌های ماهواره‌ای مانند Landsat (ETM +، TM، MSS) افزایش یافته است. )، IRS-P6 LISS (III، IV)، ASTER GDEM، GeoEye، QuickBird، WorldView، MODIS، Hyperion و غیره، بلکه با تجزیه و تحلیل و ارزیابی ترکیبی آنها با انواع دیگر داده ها، مانند باران سنج، نمونه های خاک، نقشه های توپوگرافی و غیره در محیط GIS [ 72 , 73 , 74 , 75 , 76 , 77 , 78 .79 , 80 , 81 , 82 ]. یک مثال معمولی از موارد فوق، نقشه برداری خطر فرسایش خاک به صورت ماهانه توسط نایجل و همکاران است. [ 83 ] برای منطقه موریس از طریق GIS، قوانین تصمیم گیری، بارش و داده های خاک، و تصاویر ماهواره ای SPOT. آنها مدل MauSERM را توسعه دادند که هر ماه نقشه های پایش فرسایش خاک را با وضوح بالا برای کل منطقه موریس تهیه می کند.
استفاده ترکیبی از داده‌های سنجش از دور (و شاخص‌های مشتق‌شده توسط این‌ها مانند NDVI)، GIS و مدل‌های ارزیابی تلفات خاک، مانند USLE، RUSLE، RUSLE3D (اصلاحی از RUSLE برای خاک مرکب)، USPED (رسوب فرسایش مبتنی بر جریان برق واحد). PESERA (ارزیابی خطر فرسایش خاک پان-اروپایی) و غیره، ثابت کرده است که در پایش و پیش بینی فرسایش خاک بسیار مهم و مؤثر است [ 52 ، 84 ، 85 ، 86 ، 87 ، 88 ، 89 ، 90 ، 91 ، 92 , 93 , 94 , 95 , 96 , 97 , 98 , 99 , 100 ]. یک مثال خوب و جدید که از استدلال قبلی پشتیبانی می کند، اجرای کاریداس و همکاران است. [ 101] مدل فرسایش خاک G2 در پنج منطقه مورد مطالعه در جنوب شرقی اروپا و قبرس با هدف برآورد تلفات خاک به صورت ماهانه. این مدل در یک محیط GIS با استفاده از انبوهی از داده های ماهواره ای مانند Sentinel-2، MERIS، PROBA-V و SPOT-VGT عمل می کند. همچنین بر اساس موارد فوق، یک مرجع بسیار مفید کار Leh و همکاران خواهد بود. [ 102]، که سناریوهایی را برای پیش‌بینی تخصیص کاربری زمین در آینده و سطوح فرسایش خاک برای یک حوضه آبریز ایالات متحده برای سال 2030 ایجاد کرد. این تحقیق تکنیک‌های سنجش از دور، GIS و مدل‌سازی را ترکیب کرد و نقشه‌های کاربری زمین را از طریق تجزیه و تحلیل تصاویر ماهواره‌ای لندست هر پنج سال یک‌بار برای یک دوره ایجاد کرد. 20 سال (1986-2006). مطالعات بر اساس این نقشه ها برای سنتز سناریوهای آینده است که افزایش شهرنشینی و در نتیجه افزایش خطر فرسایش را برای منطقه مورد مطالعه پیش بینی می کند.
گام‌های رو به جلو در توسعه منطق قبلی، استفاده از داده‌ها، مدل‌ها و روش‌های ذکر شده در کنار استفاده از تکنیک‌های دیگر مانند نسبت فرکانس (FR)، فرآیند تحلیل سلسله مراتبی (AHP)، رگرسیون لجستیک (LR)، خطی چندگانه بود. رگرسیون (MLR)، شاخص فرسایش بالقوه (PEI)، نسبت تحویل رسوب (SDR)، مدل GIS GWLF (عمومی تابع بارگذاری آبخیز)، تابع TLSD (تحویل رسوب محدود حمل و نقل) و غیره [ 103 ، 104 ، 106 . ، 107 ]. یک نمونه قابل توجه و اخیر، کار Macedo و همکاران است. [ 108]، که شاخص شکنندگی محیطی (EFI) را از طریق روش های GIS و توانایی آن برای نظارت و پیش بینی رسوب گذاری بر روی 148 رودخانه در برزیل ارزیابی شد. این شاخص عوامل زمین اقلیمی و همچنین فشارهای انسانی را در نظر می گیرد و از داده های زمین فضایی، بارش و ماهواره Landsat TM استفاده می کند.
در نتیجه، با در نظر گرفتن تمام منابع قبلی، GIS و سنجش از دور ابزارهای بسیار مفیدی با پتانسیل بالا در پایش و تخمین قابل اعتماد فرسایش خاک هستند. اینها می‌توانند بر اساس مدل‌هایی مانند USLE/RUSLE [ 91 ، 109 ، 110 ، 111 ، 112 ، 113 ]، یا بر اساس روش‌های دیگری مانند تکنیک‌های ارزیابی چند معیاره-MCE [ 114 ، 115 ، 117 ، 116 ، 118119 , 120 , 121 ] یا ترکیبی از موارد فوق.
در نهایت، تجزیه و تحلیل اطلاعات مکانی یک رویکرد همیشه در حال تکامل است که قادر به نظارت بر ارزیابی، مدیریت و تجزیه و تحلیل مشکلات پیچیده، مانند فرسایش خاک، حوضه های رودخانه ها و حوضه های دریاچه است. در سال‌های اخیر، GIS جایگزین خوبی است زیرا ابزارهای پشتیبانی تصمیم بهتری در پایش، برنامه‌ریزی، مدیریت و توسعه پایدار خاک هستند.

2.3. پایش آب های زیرزمینی

آب های زیرزمینی یکی از با ارزش ترین منابع طبیعی است و به طور مستقیم با سلامت انسان، توسعه اقتصادی و تنوع اکولوژیکی مرتبط است [ 122 ]. آنها یک منبع حیاتی برای تامین آب آشامیدنی قابل اعتماد و مقرون به صرفه در محیط های شهری و روستایی هستند و نقش اساسی در رفاه انسان، کشاورزی پایدار و حفاظت از اکوسیستم های آبی و خشکی ایفا می کنند [ 123 ]. کیفیت آب زیرزمینی معمولاً بسیار خوب است، زیرا به طور طبیعی از طریق خاک فیلتر می شود و شفاف، بی رنگ و عاری از آلودگی میکروبی است که به حداقل تصفیه نیاز دارد [ 124 ].
مدیریت و پایش موثر آب های زیرزمینی در مناطقی با خاک سخت سنگی که تقریباً در همه جا و به طور دائم از آب های سطحی محروم هستند، از اهمیت ویژه ای برخوردار است. در این مناطق، جایی که جمعیت های انسانی در حال رشد زندگی می کنند، یافتن مناطق تامین آب به طور فزاینده ای دشوار است [ 125 ]. علاوه بر این، در بسیاری از مناطق در دسترس بودن آب زیرزمینی محدود است و توسعه سفره‌های زیرزمینی عمدتاً با افق‌های شکسته و متلاشی شده و تخلخل ثانویه ایجاد شده مرتبط است [ 126 ]. علاوه بر این، قرار گرفتن در معرض آلاینده های مختلف می تواند آب های زیرزمینی را برای مصرف نامناسب کند و می تواند زندگی انسان، جانوران و محیط زیست را به خطر بیندازد [ 127 ].
ارزیابی تاثیر تغییر اقلیم بر منابع آبی یک کشور مهم ترین ارزیابی است که باید قبل از برنامه ریزی هر پروژه بلند مدت بالقوه آبی انجام شود. مطالعات متعددی در سراسر جهان در مورد روند جریان رودخانه ها در رابطه با فیلتراسیون آب در مواجهه با تغییرات آب و هوایی و فشارهای بالقوه بر سفره های آب زیرزمینی انجام شده است [ 128 ]. در سال های اخیر، محققان در سراسر جهان، مطالعات متعددی را برای ارزیابی ذخایر آب زیرزمینی و سفره های آب زیرزمینی انجام داده اند، زیرا مدیریت پایدار آب های زیرزمینی به طور فزاینده ای ضروری است. بررسی حضور آب های زیرزمینی و ترسیم سفره های آب زیرزمینی را می توان با تجزیه و تحلیل غیرمستقیم برخی از ویژگی های خاک که به طور مستقیم مشاهده شده است، مانند زمین ساخت، به دست آورد. 129 ].
برخلاف روش‌های سنتی، فناوری سنجش از دور (RS) با مزایای در دسترس بودن داده‌های مکانی، طیفی و زمانی که مناطق بزرگ و غیرقابل دسترس را در مدت زمان کوتاهی پوشش می‌دهد، ثابت کرده است که ابزار بسیار مفیدی برای ارزیابی، نظارت و مدیریت است. منابع آب زیرزمینی [ 130 ، 131 ]. علاوه بر این، به طور گسترده ای برای نقشه برداری از ویژگی های سطح زمین (مانند عناصر تکتونیکی خطی، سنگ شناسی، و غیره)، و همچنین برای نظارت بر مناطق تامین آب زیرزمینی استفاده می شود [ 129 ].
تفسیر هیدروژئولوژیکی داده های ماهواره ای ثابت کرده است که یک ابزار تحقیقاتی ارزشمند در مناطقی است که اطلاعات زمین شناسی و نقشه برداری کمی در دسترس است (یا دقیق نیست) و همچنین مناطق غیر قابل دسترس [ 130 ]. از آنجایی که حسگرهای ماهواره‌ای نمی‌توانند مستقیماً آب‌های زیرزمینی را شناسایی کنند، وجود آب‌های زیرزمینی از تفسیر ویژگی‌های سطحی مختلف ناشی از تصاویر ماهواره‌ای مانند زمین‌شناسی، ژئومورفولوژی خاک، ویژگی‌های خاک (بافت، ناهمواری و غیره)، کاربری‌ها/پوشش زمین، سطح ناشی می‌شود. بدنه های آبی و غیره [ 132 ، 133]. در سال‌های اخیر، استفاده گسترده از داده‌های ماهواره‌ای در ترکیب با نقشه‌های معمولی و داده‌های تصحیح شده زمین، استخراج اطلاعات پایه را تسهیل کرده است [ 134 ، 135 ، 136 ، 137 ، 138 ، 139 ].
در کنار سنجش از دور، GSPها به عنوان ابزار قدرتمندی برای مدیریت داده های مکانی و تصمیم گیری در زمینه های مختلف، از جمله مهندسی و محیط زیست ظاهر شده اند [ 140 ، 141 ]. استفاده از GIS برای ارزیابی منابع آب زیرزمینی چندین سال قبل گزارش شده است [ 142 ، 143 ، 144 ].
GIS و ابزار سنجش از دور به طور گسترده ای برای مدیریت منابع طبیعی مختلف استفاده می شوند [ 145 ، 146 ]. از آنجایی که پهنه بندی و شبیه سازی آب های زیرزمینی به مقادیر زیادی از داده های بین رشته ای نیاز دارد، استفاده ترکیبی از تکنیک های سنجش از دور و GIS به یک ابزار ارزشمند تبدیل شده است و مطالعات مهمی در سال های اخیر انجام شده است [ 122 ]. یکی از این نمونه ها ادغام سنجش از دور با GIS برای آماده سازی سطوح موضوعی مختلف از جمله سنگ شناسی، تراکم زهکشی، انحنای حوضه، بارندگی، شیب، خاک و کاربری های زمین و غیره است که به عنوان وزنی با اهمیت تعریف می شود. روشی که می تواند با موفقیت از شناسایی مناطق بالقوه آب زیرزمینی پشتیبانی کند [ 123].
در تلاش‌های تحقیقاتی مشابه، کاربرد ترکیبی سنجش از دور و GIS در مدیریت آب‌های زیرزمینی و تعیین محدوده مناطق بالقوه آبخوان توسط محققان مختلف در سراسر جهان اجرا شده است [ 129 ، 147 ، 148 ، 149 ]. اولین مطالعات متناظر شامل کار گوستافسون [ 150 ] است که از GSPها برای تجزیه و تحلیل داده های ماهواره ای SPOT برای ترسیم حضور احتمالی آب های زیرزمینی استفاده کرد.

2.4. نظارت بر یخبندان

شیوع دمای پایین هوا و شرایط یخبندان در یک منطقه عامل اصلی کنترل پهنه بندی پوشش گیاهی و تنوع زیستی است. یخبندان در سطح جهانی به عنوان یک خطر اصلی شناخته شده است، زیرا می تواند تقریباً در هر مکان، خارج از مناطق گرمسیری، به ویژه در ارتفاعات بالا رخ دهد [ 151 ]. تأثیر قابل توجهی بر کشاورزی، جنگلداری، مرتع دارد، زیرا بر اکثر فرآیندهای زیستی مانند فنولوژی گیاهی، رشد، تبخیر و تعرق، نیازهای رطوبتی، تثبیت کربن و تجزیه در اکوسیستم های کوهستانی طبیعی و کشت شده تأثیر می گذارد [ 152 ، 153 ، 154 ، 155 .]. علاوه بر این، یخبندان می تواند آسیب قابل توجهی به کارهای زیرساختی وارد کند و از عملکرد روان و ایمن آنها به دلیل بسته شدن جاده ها جلوگیری کند یا حتی پایداری آنها را به خطر بیندازد [ 156 ، 157 ، 158 ]. شکل بعدی ( شکل 4 ) چنین زمینه ای را نشان می دهد [ 158 ].
دو معیار اغلب برای ثبت یخبندان استفاده می شود: تشکیل کریستال های یخ بر روی سطوح (در طول بررسی های میدانی) و اندازه گیری های هواشناسی دمای هوا [ 159 ]. تا آنجا که به کشاورزی مربوط می شود، یخبندان را می توان به عنوان یک رویداد هواشناسی توصیف کرد که در آن محصولات و سایر گیاهان به دلیل وقوع دمای هوا کمتر از 0 درجه سانتیگراد آسیب یخ زدگی را تجربه می کنند [ 151 ].
اندازه گیری های هواشناسی دقت بالایی دارند اما توانایی محدودی برای توصیف ناهمگونی فضایی توزیع یخبندان دارند [ 160 ]. تلاش‌ها برای درون‌یابی فضایی اندازه‌گیری دمای هوا و یخبندان اغلب منجر به الگوهای فضایی غیرنماینده می‌شود، به دلیل تعداد کم و توزیع نامنظم ایستگاه‌های هواشناسی [ 161 ].
امروزه با پیشرفت سریع تکنولوژیکی و علمی در فناوری رصد زمین (EO)، پتانسیل ارتقا یافته ای در مطالعه توزیع مکانی و زمانی یخبندان وجود دارد. به ویژه در مناطقی که داده های دمایی در دسترس نیستند یا به دلیل کم بودن ایستگاه های هواشناسی یا دسترسی دشوار، گران هستند، سنجش از دور می تواند منبع مهم و ارزشمندی از اطلاعات باشد [ 162 ].]. داده های سنجش از دور توسعه یافته اند که محصولات آماده برای استفاده را با اطلاعاتی در مورد دمای سطح زمین در شب ارائه می دهند که از طریق آن می توان یخ زدگی را ثبت کرد. مقادیر LST سنجش از دور بر اساس قانون پلانک با استفاده از تابش باندهای مادون قرمز حرارتی (TIR) ​​تعیین می شود. کیفیت بازیابی های LST تحت تاثیر ویژگی های حسگر، شرایط جوی، تغییرات در گسیل طیفی، ناهمگونی نوع سطح، رطوبت خاک، هندسه تجسم، و فرضیات مربوط به روش پنجره تقسیم می باشد [ 162 ].
یک منبع داده LST که به طور گسترده مورد استفاده قرار می گیرد، حسگر طیف سنج تصویربرداری با وضوح متوسط ​​(MODIS) است که اطلاعات را از سال 2000 ارائه می کند. جهان است، اما قدرت تفکیک مکانی آن مسیر (1 کیلومتر) است. دقت LST بازیابی شده به شرایط جوی و سطح زمین بستگی دارد و در برخی موارد بهتر از 1 درجه کلوین است [ 163 ].
یک منبع جایگزین برای LST شبانه، سنسور پرتو سنج گسیل و انعکاس حرارتی پیشرفته Spaceborn (ASTER) است. دقت محصول ASTER LST (AST-08-L.2) 0.3 درجه کلوین محاسبه شده است و دارای وضوح 90 متر برای مناطق خشکی است، اما وضوح زمانی آن کمتر است، زیرا زمان بازدید مجدد آن 16 روز است. فواصل [ 164 ].
یک سنسور مادون قرمز حرارتی نسبتاً جدید، سنسور مادون قرمز حرارتی Landsat 8 (TIRS) با دو باند حرارتی مجاور است. چندین رویکرد برای تولید LST از داده‌های Landsat 8، مانند روش مبتنی بر معادله انتقال تابشی (RTE)، الگوریتم پنجره تقسیم (SW) و روش تک کانال (SC) توسعه یافته‌اند. بالاترین دقت برآورد شده با RTE انجام می شود که بهتر از 1 درجه کلوین است [ 165 ].
در نهایت، Sentinel-3 که توسط آژانس فضایی اروپا توسعه یافته است و از سال 2017 به صورت روزانه داده های LST را ارائه می دهد. محصول SLSTR Level-2 LST حاوی اطلاعات LST با وضوح فضایی 1 کیلومتر است. دقت LST مشتق شده به نوع جو بستگی دارد و برای مناطق قطبی 0.8 درجه کلوین، برای عرض های جغرافیایی میانی 1.5 درجه کلوین و برای عرض های جغرافیایی استوایی 2 درجه کلوین برآورد شده است [ 166 ].
در مطالعات پایش نوسانات دما و یخبندان، داشتن مجموعه داده هایی با وضوح مکانی و زمانی بالا ضروری است. با ترکیب تصاویر با وضوح زمانی بالا با تصاویر با وضوح مکانی بالا می توان بر محدودیت های مجموعه داده های EO موجود در حال حاضر با وضوح زمانی کم یا وضوح مکانی کم غلبه کرد (لیو و ونگ، 2012). توسعه مدل‌های همجوشی داده‌ها مانند مدل همجوشی بازتابی تطبیقی ​​مکانی و زمانی، تولید دمای روزانه سطح زمین مانند ASTER را با نتایج امیدوارکننده‌ای ممکن کرده است [ 167 ، 168 ، 169 ، 170 ].

2.5. پایش سیل

بلایای طبیعی اثرات قابل توجهی در بسیاری از کشورهای جهان به همراه دارد و تعداد زیادی تلفات، آسیب به پروژه های فنی و زیرساختی و جابجایی جمعیت را شامل می شود. علاوه بر این، با توجه به اثرات قابل توجه تغییرات آب و هوایی، انتظار می رود این اثرات در سال های آینده در بسیاری از کشورها افزایش یابد. اگرچه امروزه فناوری و دانش علمی رشد چشمگیری داشته است، بلایای طبیعی همچنان پیامدهای فاجعه‌بار اقتصادی و زیست‌محیطی و همچنین تلفات انسانی بسیاری را در سراسر جهان به همراه دارد. مطالعه و پایش این پدیده ها در دهه های اخیر ثابت بوده و روند رو به افزایشی را نشان داده است [ 171 ]]. به منظور نظارت موفقیت آمیز این پدیده ها و مدیریت اثرات آنها، ایجاد نقشه های خطر و خطر برای هر دو محیط طبیعی و مصنوعی بسیار مهم است [ 172 ، 173 ].
از جمله خطرناک ترین و جدی ترین بلایای طبیعی که بیش از 75 میلیون نفر در سراسر جهان را تحت تأثیر قرار داده است، حوادث سیل است [ 173 ]. در حوادث سیل شدید، مدیریت سریع بزرگی تأثیرات و کاربری های زمین تحت پوشش آب اهمیت دارد [ 174 ]. در این زمینه، نقشه‌برداری و مدل‌سازی سیلاب ابزارهای مفیدی برای پایش، پیش‌بینی، حفاظت و همچنین بهبود کمک‌های کوتاه‌مدت و بلندمدت به مناطق آسیب‌دیده بلافاصله پس از رویداد هستند.
به گفته لکاس [ 175]، دو نوع سیل وجود دارد، بالادست و پایین دست. سیلاب های بالادست در قسمت های بالاتر ناحیه زهکشی مشاهده می شود و عموماً ناشی از بارندگی شدید کوتاه مدت در یک منطقه کوچک است. در مقابل، سیلاب های پایین دستی ناشی از طوفان های طولانی مدت است که در خاک نفوذ کرده و منطقه وسیعی را در بر می گیرد. اکثر سیل ها نتیجه (1) مقدار کل و توزیع بارندگی، (2) نفوذپذیری سنگ یا خاک، و (iii) توپوگرافی یک منطقه هستند. همچنین مشخص شده است که توزیع کاربری زمین، به ویژه در حوضه های زهکشی کوچک، می تواند به طور قابل توجهی بر اندازه و فراوانی سیل تأثیر بگذارد. علاوه بر این، خطر وقوع سیل در یک حوضه آبخیز با عوامل زیر تعیین می شود: کاربری زمین، حجم سیل، شدت و فراوانی، ارتفاع و مدت سیل، فصل، وزن رسوب رسوب، 175 ].
چالش‌های جدید زیست‌محیطی، نظارت و مدیریت منابع آب را در اولویت علمی و پژوهشی قرار داده است. اثرات موضعی تغییر اقلیم در دهه های اخیر مانند افزایش دما، کاهش بارندگی (یا در موارد دیگر افزایش)، بیابان زایی و غیره، همچنین وقوع پدیده های شدید مانند طوفان، سیل، رانش زمین و فرسایش خاک انسان را تهدید می کند. زندگی و زیرساخت تمایل به پرداختن به این موضوع به دلیل افزایش روزافزون چنین پدیده هایی و نیاز به نظارت و مدیریت بهینه و همچنین به دلیل رونق فناوری که ابزارها و تکنیک های جدید را ارائه می دهد، به سرعت در حال افزایش است. این رژیم محیطی در حال تغییر و تغییر مداوم، نیاز به تحقیقات سیستماتیک در زمینه‌های مرتبط مانند هیدرولوژی و/یا هیدرولیک را افزایش داده است. از اهداف مهم این تلاش می‌توان به بهره‌وری بهینه روش‌شناختی، پایگاه‌های اطلاعاتی جامع و به‌ویژه پیشرفت‌های مدل‌سازی پیشرفته و همچنین درک، پایش و پیش‌بینی یک رویداد یا پدیده‌ای که امروزه اهمیت بالایی دارد، اشاره کرد. ژئوتکنولوژی های مدرن (مانند GIS و سنجش از دور) نقش کلیدی در این تلاش مستمر دارند.
در اوایل دهه 1980، جغرافی دانان استدلال کردند که نقشه های سیل به طور قابل توجهی بر درک مردم از سیل تأثیر نمی گذارد و در عین حال برنامه ریزی تحقیقاتی کافی را ارائه نمی دهد. با توجه به برنامه کاهش بلایای سیل کانادا، اگرچه آگاهی از اثرات سیل در بین گروه ها – پس از نقشه برداری – افزایش یافته است، اما دلیل آن نقشه ها نیست [ 176 ، 177 ]. در تلاش برای بهبود این ضعف روش‌های زیادی امتحان شده است. از جمله این موارد استفاده از سنجش از راه دور (RS) است که ایده جدیدی نیست. در سال 1980، با اثبات استدلال قبلی، یک مقاله تحقیقاتی استفاده از سنجش از دور را برای پایش و هشدار بلایا از طریق فرآیندهای مختلف، مانند نقشه برداری و ارزیابی سیل پیشنهاد کرد [ 178 ]].
در طول دهه بعد، استفاده از سنجش از دور و GIS در پایش سیل و تحقیقات به خوبی تثبیت شد. همانطور که توسط دو مرجع زیر قابل درک است، هر دو حسگر غیرفعال و فعال مورد استفاده و آزمایش قرار گرفتند. هوبرت موی و همکاران [ 179] پیشنهاد کرد که تحلیل فضایی نقشه‌برداری موضوعی لندست (TM) برای مطالعه سیل‌ها در حوضه‌های آبریز کوچک سازگار است. این مطالعه همچنین از این واقعیت حمایت کرد که پردازش تصویر ماهواره‌ای و تحلیل جریان می‌تواند شرایط سیل را حتی چند روز پس از اوج رویداد شبیه‌سازی کند، اگرچه تکرارپذیری ماهواره کم است. از سوی دیگر، سودمندی داده های رادار دیافراگم مصنوعی (SAR) در مطالعه ای در سال 1996 مورد بررسی قرار گرفت. این مطالعه قادر به مقایسه داده های ماهواره ای در مورد سیل رودخانه ها با تصاویر ضبط شده (گرفته شده از یک هواپیمای کوچک) با هدف نشان دادن دقت تکنیک SAR [ 180 ] بود.
در قرن بیست و یکم سیستم اطلاعات جغرافیایی، سنجش از دور و سایر فناوری‌های مدرن نقش مهمی در پایش، تحلیل و نقشه‌برداری سیل و همچنین در مدل‌سازی هیدرولوژیکی و/یا هیدرولیکی دارند که به‌طور محکمی تثبیت شده است. هدف بسیاری از دانشمندان توسعه ایده های جدید بر اساس ابزارها و تکنیک های فوق بود. بسته‌های نرم‌افزار رایگان توسعه و توزیع شده‌اند، پایگاه‌های اطلاعاتی دیجیتالی جهانی ایجاد شده‌اند و پروژه‌های تحقیقاتی زیادی انجام شده‌اند. تکامل و انقلاب مدل‌سازی هیدرولوژیکی و هیدرولیکی، و همچنین پایش، تحلیل و نقشه‌برداری سیل، با فناوری‌های مدرن در حال شکوفا شدن است، دائماً کاربردهای جدید پیدا می‌کند، نیازهای روزافزون را برآورده می‌کند و دانشمندان جوان بیشتری را برای کار در این زمینه دعوت می‌کند. رشته. استفاده از داده‌های سنجش از دور برای پایش و بررسی سیل‌ها و پدیده‌های مرتبط (مثلاً تأثیرات ساحلی ناشی از افزایش سطح دریا به دلیل تغییرات آب و هوایی) در سال‌های اخیر به سرعت افزایش یافته است. برنامه‌های نظارت و تحقیق مختلف بر اساس داده‌های RS مانند LIDAR (تشخیص نور و محدوده) [ 181 ]، RADARSAT SAR [ 182 ]، NEXRAD III [ 183 ]، EUMETSAT، SENTINEL [ 184 ، 185 ، 186 ]، COSMO-SkyMed SAR [ 187 ]، داده‌های نوری و مایکروویو US DMATiksSP, 7/RATu (TM، ETM+)، EOS-AM TERRA/MODIS، SRTM DEM و ASTER [ 188 ، 189 ، 190 ]. انتظار می‌رود که تکامل و بهبود مستمر داده‌های سنجش از دور (محدوده پوشش، وضوح مکانی، فرکانس داده‌ها و غیره) به طور مداوم استفاده و کارایی آنها را افزایش دهد.
علاوه بر این، دانشمندان متعددی تلاش کرده‌اند مدل‌های هیدرولوژیکی، هیدرولیکی و دیگر مدل‌های جدید را همراه با داده‌ها و تکنیک‌های سنجش از دور و GIS به منظور بررسی و پایش چندین موضوع به‌طور مستقیم یا غیرمستقیم مرتبط با رواناب سطحی و سیل ارائه دهند [ 189 , 191 ] , 192 , 193 , 194 , 195 ]. در این نقطه شایان ذکر است که توسعه مدل هیدرولوژیکی HYDROTEL [ 196 ]، استفاده از مدل هیدرولوژیکی SLURP [ 197 ، 198 ]]، مدل SWAT (ابزار ارزیابی خاک و آب) [ 199 ، 200 ، 201 ، 202 ، 203 ] و تکامل آن SWAT2000 [ 204 ]، مدل های HEC-HMS/RAS [ 183 ، 183، 208 ، 205 ، 206 ، 206 ، 207 ، 206، 206، 201 ، 201، 201، 201، 201، 201، ، 209 ، 210 ، 211]، مدل هیدرولوژیکی WEP-L با توزیع طبیعی [ 212 ]، مدل MIKE11 [ 213 ]، مدل هیدرولوژیکی توزیع شده فضایی مدل LIS-Flood [ 214 ]. نمونه‌ای از کاربردهای متنوع، که مدل‌های هیدرولوژیکی و سایر مدل‌ها (به عنوان مثال، SLEUTH) را با سنجش از دور و GIS ترکیب می‌کند، مطالعه پراکندگی شهری است [ 215 ، 216 ].
تکامل روش‌های تحلیل جغرافیایی- فضایی، و به‌ویژه GIS، پیشرو و جوهره تغییر رویکرد سیلاب از مدل‌های صرفاً ریاضی-نظری و تحقیقات درجا به رویکردی عملکردی از طریق تحلیل مکانی، مدل‌های فضایی، زمین‌آمار بوده است. و سایر روش‌های مرتبط ، به عنوان مثال ، رگرسیون لجستیک ، تحلیل فرکانس ، و غیره . _ _ 226 , 227 , 228 , 229 , 230 , 231 , 232 , 233 ]. شکل بعدی ( شکل 5 ) چنین زمینه ای را ارائه می دهد [ 230 ].
به طور کلی، توسعه فناوری‌های جدید برای مدل‌سازی بارش-رواناب و پایش، تحلیل و پیش‌بینی سیل، چه در ترکیب با GIS و سنجش از دور یا به صورت مستقل، شامل استفاده از روش‌های پیشرفته مانند شبکه‌های عصبی مصنوعی (ANN) نیز می‌شود. یک منطقه تحقیقاتی بسیار در حال تکامل هستند [ 234 ، 235 ]، کاربرد الگوریتم های منطق فازی [ 236 ]، مدل های SVM (ماشین بردار پشتیبانی) [ 237 ].
همانطور که از بررسی ادبیات می توان فهمید، تکامل مداوم فناوری، ابزارها و تکنیک های مدرن تری را برای ارزیابی و پایش بلایای طبیعی و به ویژه سیل ها فراهم می کند. توسعه مدل‌های جدید (و تکامل مدل‌های قدیمی‌تر)، سیستم‌های اطلاعات جغرافیایی، سنجش از دور، تحلیل کاربردی فضایی، زمین‌آمار و غیره، برخی از قابلیت‌هایی است که در حال حاضر در اختیار محققان، مهندسان و غیره برای نزدیک شدن به پدیده‌های فاجعه‌بار است. به عنوان سیل نیاز به بکارگیری این ابزارها، به نوسازی روش‌های موجود، و همچنین تکامل مستمر و ایجاد روش‌های جدید، با تأثیرات تغییرات آب و هوایی و الزامات و نیازهای زیست‌محیطی، اجتماعی و اقتصادی مدرن بیشتر می‌شود.

2.6. نظارت بر افزایش سطح دریا

بر اساس IPCC، (2018)، گرمایش جهانی احتمالاً بین سال‌های 2030 تا 2052 به 1.5 درجه سانتی‌گراد می‌رسد. Ablain et al. [ 238 ]، با استفاده از داده های آژانس فضایی اروپا (ESA) زمین، اهمیت افزایش سطح دریا را به تفصیل توضیح داد، یعنی اندازه گیری افزایش حجم اقیانوس ها، به عنوان یک شاخص واضح از تغییرات آب و هوا و یکی از اثرات اصلی آن. ماموریت مشاهده (EO) مانند ماموریت های ERS-1&2 و Envisat، TOPEX/Poseidon، Jason-1&2 و Geosat Follow-on (GFO). انتظار می رود افزایش سطح دریا در قرن آینده به طور قابل توجهی به تغییرات فیزیکی در امتداد سواحل، افزایش خطرات ساحلی به ویژه در مناطق ساحلی با گرادیان کم، توسعه فناوری های ژئودتیک و به ویژه سیستم موقعیت یابی جهانی (GPS) کمک کند [ 239 ].، 240 ]. پیش‌بینی‌های مبتنی بر مدل از افزایش میانگین جهانی سطح دریا (نسبت به سال‌های 1986-2005) محدوده شاخصی از 0.26 تا 0.77 متر را تا سال 2100 برای 1.5 درجه سانتی‌گراد گرمایش جهانی نشان می‌دهد [ 241 ].
گرم شدن کره زمین باعث می شود که سطح متوسط ​​جهانی دریاها عمدتاً با ذوب شدن یخچال ها و صفحات یخ افزایش یابد که منجر به اضافه شدن فوق العاده آب به اقیانوس و همچنین افزایش حجم بدنه آب به دلیل انبساط حرارتی می شود [ 242 ]. تغییرات نسبی سطح دریا ناشی از تغییرات آب در اقیانوس‌ها و حرکت‌های خشکی را می‌توان با اندازه‌گیری‌های جزر و مد گیج تشخیص داد، در حالی که ارتفاع‌سنجی/گرانش سنجی ماهواره‌ای EO و همچنین ماهواره‌های GPS را می‌توان برای اندازه‌گیری تغییرات مطلق سطح دریا در مقیاس جهانی به کار برد [ 243 ] ].
جزر و مد سنج ها از زمان های قدیم برای ثبت تغییرات سطح دریا مورد استفاده قرار می گرفته اند، اما شبکه ای توسعه یافته از جزر و مد سنج ها در تقریباً 1000 مکان در سراسر جهان، در اواخر قرن نوزدهم شروع به ظهور کردند. علاوه بر این، وجود ماهواره‌های ارتفاع‌سنج مانند TOPEX/POSEIDO فرصتی را برای اندازه‌گیری‌های حتی بهتر ایجاد می‌کند [ 244 ، 245 ، 246 ]. تخمین زده می شود که فعالیت های انسانی از سال 1880 باعث افزایش میانگین جهانی سطح دریا در حدود 21-24 سانتی متر شده است و حتی اگر شبکه ای از جزر و مد وجود دارد اطلاعات ارزشمندی در مورد تغییرات سطح دریا از چند ثانیه تا قرن ها ارائه می دهد [ 247 , 248 , 249 ]، این مشاهدات از محدودیت های متعددی رنج می برند، به عنوان مثال، توزیع جغرافیایی آنها در اقیانوس های باز یا نیمکره جنوبی ضعیف است، در دسترس بودن رکوردهایی که برای همه ایستگاه ها معاصر نیست و تأثیر حرکت های عمودی زمین که یکی از موارد است. مشکلات اصلی برای تفسیر اندازه گیری های جزر و مد [ 244 ، 250 ].
از سوی دیگر، ارتفاع سنجی ماهواره ای همراه با ارتفاع سنجی SAR توسط Cipollini و همکاران توصیف شده است. [ 251 ] به عنوان یکی از اسب‌های کار اقیانوس‌شناسی عملیاتی اقیانوس‌های باز و پایش جهانی سطح دریا، که برای بیش از 28 سال داده‌های ارزشمند تاریخ سطح دریا را با دقتی در حد چند سانتی‌متر حتی برای دورافتاده‌ترین مناطق اقیانوس‌ها ارائه می‌کند. . چندین آژانس فضایی مانند سازمان ملی هوانوردی و فضایی (NASA)، آژانس فضایی اروپا (ESA) و مرکز ملی d’Etudes Spatiales (CNES) در تحقیق و توسعه نوآوری‌ها، حمایت عمده‌ای از جامعه علمی بین‌المللی ارائه کرده است. تکنیک های ارتفاع سنجی ساحلی
به گفته آبلین و همکاران. [ 238 ] داده‌های ارتفاع‌سنجی ماهواره‌ای به خوبی با اندازه‌گیری‌های جزر و مد سنج تناسب دارند، با این حال، ارتباط بین اندازه‌گیری‌های ارتفاع سنج ماهواره‌ای افزایش سطح دریا با اندازه‌گیری‌های جزر و مد سنج، از طریق پل زدن اندازه‌گیری‌های اقیانوس باز با اندازه‌گیری‌های نزدیک، اهمیت زیادی دارد. به سواحل به منظور رفع نیازهای علمی برای وضوح بهتر داده ها.
GIS ثابت کرده است که وقتی با داده های سنجش از دور و اندازه گیری های جزر و مد ادغام می شود، این پتانسیل را دارد که به عنوان یک ابزار مهم در نظارت بر اثرات زیست محیطی و اجتماعی-اقتصادی افزایش سطح دریا عمل کند. GIS به طور فزاینده ای به عنوان یک ابزار پشتیبانی در پایش افزایش سطح دریا مورد استفاده قرار می گیرد، زیرا امکان همگن سازی و ادغام تمام داده های موجود در یک پایگاه جغرافیایی را برای دستیابی به اطلاعات، انجام تحلیل های مکانی و زمین آماری فراهم می کند و دارای پتانسیل قوی برای ترکیب یک پایگاه داده است. طیف گسترده ای از متغیرها و داده های پیچیده در قالب های مختلف و برای ادغام اطلاعات فیزیکی، اکولوژیکی، اجتماعی-اقتصادی و خطرات. علاوه بر این، با توجه به مزایای متعدد آن مانند ویرایش و اتوماسیون داده، تجسم، نقشه برداری و وظایف مبتنی بر نقشه، مشاوره فضایی، تجزیه و تحلیل فضایی، و تجزیه و تحلیل زمین آماری و انعطاف پذیری آن، GIS را می توان در برنامه ریزی های بیشتر برنامه ریزی و سناریوهای آینده استفاده کرد. در طول سال‌ها GIS پتانسیل زیادی در کاربرد و قابلیت‌های حل مسئله خود نشان داده است و تعداد زیادی از محققان از روش‌های مبتنی بر GIS برای مطالعه افزایش سطح دریا در سطح جهانی و منطقه‌ای استفاده کرده‌اند.

3. سهم رصد زمین در بلایای طبیعی

در عصر تغییرات اقلیمی، بلایا به دلیل اثرات مخرب خود در سراسر جهان باعث نگرانی در بخش تحقیقات می شود. در واقع، وقوع و فراوانی بلایای طبیعی در دهه های اخیر به طور قابل توجهی افزایش یافته است [ 252 ، 253 ، 254 ]. رویکردهای علمی گوناگونی برای کاهش تلفات ناشی از بلایا بر اساس ویژگی‌های آنها به کار گرفته می‌شود.
رصد زمین (EO) به تدریج به یک منبع مهم برای مدیریت بلایا تبدیل شده است، از جمله تعیین کمیت، و تشخیص توزیع مکانی و زمانی و تنوع بسیاری از خطرات زیست محیطی در مقیاس های مختلف [ 254 ، 255 ]. به خصوص رشد سریع در بخش EO در دهه‌های گذشته، ثبت تأثیر بلایای طبیعی بر روی زمین، آب، پوشش گیاهی و سلامت انسان در طول بسیاری از حوادث بلایای طبیعی را آسان کرده است. EO مبتنی بر ماهواره در حال حاضر به عنوان یک فناوری تثبیت شده برای نقشه برداری و نظارت بر اطلاعات مکانی در مورد بلایا در فواصل زمانی مکرر در همه آب و هوا در زمان واقعی در نظر گرفته می شود [ 256 ، 257 ].
سنجش از دور ماهواره ای به تدریج به ابزار ترجیحی برای مدیریت بلایا تبدیل می شود، زیرا اطلاعات را در مناطق وسیع در فواصل زمانی کوتاه ارائه می دهد. علاوه بر این، اطلاعات جمع‌آوری‌شده از شرایط گذشته و حال به شناسایی تغییرات رخ‌داده در پوشش زمین کمک می‌کند و به چارچوب‌بندی استراتژی‌های مدیریت و کاهش کمک می‌کند [ 258 ]]. مجموعه داده‌های EO به‌دست‌آمده منبع داده‌های ورودی اولیه برای تحلیل‌های مختلف جغرافیایی هستند که امکان بازیابی، نقشه‌برداری، ردیابی، شبیه‌سازی و نمایش رویدادهای مرتبط با فاجعه را به شیوه‌ای مؤثرتر و دقیق‌تر در مدت کوتاهی بدون بازدید از زمین فراهم می‌کنند. EO وجود دارد نقاط قوت علمی و فنی طیف گسترده ای از قابلیت های جدید در ارزیابی و نظارت بر چندین ویژگی از متغیرهای محیطی [ 259 ]. بنابراین، پیش‌بینی از راه دور-اکنون، نظارت و ارزیابی خطرات زیست‌محیطی جذاب می‌شود، زیرا این سیستم‌ها همچنین داده‌های دائمی در دسترس را با وضوح بالا و مناطق وسیع را پوشش می‌دهند [ 260 ].
EO شامل ماهواره هایی با وضوح مکانی و زمانی متفاوت در مدار زمین ثابت و قطبی است. هر دو نوع مدار شامل دو منبع داده مکمل هستند که می توانند بهترین انتخاب ها را برای مدیریت بلایا ارائه دهند. ماهواره‌های مدار قطبی در ارتفاع کم (کمتر از 1000 کیلومتر از سطح زمین) قرار می‌گیرند، داده‌هایی را با وضوح مکانی بالا و وضوح زمانی پایین ارائه می‌کنند. از سوی دیگر، ماهواره‌های زمین ثابت در ارتفاع بالاتر (36000 کیلومتری از سطح زمین) قرار می‌گیرند و داده‌ها را با وضوح مکانی پایین با وضوح زمانی بالا (حتی به ترتیب چند دقیقه) به دست می‌آورند [ 261 ، 262 ، 263 .]. بسیاری از پلتفرم‌های ماهواره‌ای بیش از یک حسگر را حمل می‌کنند که اطلاعات طیفی از مرئی، مادون قرمز و حرارتی گرفته تا ناحیه مایکروویو طیف الکترومغناطیسی (EM) را به دست می‌آورند. بین دیگران [ 252 ، 264 ، 265]، استفاده از انواع مختلف حسگر EO را در خطرات طبیعی مختلف بررسی کرده اند. بسته به مکانیسم تعامل موج EM با اجزای جوی و ویژگی های سطح زمین، حسگرهایی که در حالت فعال و غیرفعال در طول موج های مختلف عمل می کنند برای جمع آوری داده ها در مورد پدیده های مختلف ژئوفیزیک استفاده می شوند. نظارت بر بلایای طبیعی در طول دهه ها نشان می دهد که EO بلایای طبیعی را با استفاده از فناوری های نوری و مایکروویو (MW) در درجه اول اندازه گیری می کند [ 266 ، 267 ].
پیش‌بینی‌های بلایای طبیعی بر در دسترس بودن محصولات داده‌های EO مناسب تکیه می‌کنند که می‌توانند با نظارت کوتاه‌مدت تا بلندمدت جمع‌آوری شوند [ 268 ، 269 ]. EO مداوم و مکرر داده های مکانی-زمانی بالایی را فراهم می کند که امکان جمع آوری اطلاعات برای مطالعه پدیده های گذشته و حال را فراهم می کند. در حال حاضر داده‌های EO زیادی برای ردیابی خطرات طبیعی در دسترس است، از جمله داده‌های مربوط به شناورهای واقع در کف اقیانوس، ایستگاه مورد استفاده برای ردیابی جو، مشاهدات هواپیما و ماهواره‌های مداری در سراسر جهان. حسگرهای نوری به طور مداوم وضوح فضایی و طیفی را بهبود بخشیده اند [ 253 , 263 , 270]. به عنوان مثال، حسگرهای نوری MODIS [ 271 ]، ASTER [ 272 ، 273 ]، Hyperion [ 274 ] و OLI [ 263 ، 275 ] مزیت و سودمندی خود را برای نقشه برداری خطرات با موفقیت ثابت کرده اند، اما استفاده از چنین داده هایی توسط شرایط آب و هوایی محدود شده است. . از سوی دیگر، حسگرهای مایکروویو بر این محدودیت‌ها غلبه می‌کنند و در جایی استفاده می‌شوند که عواملی مانند ابرها مانع مشاهدات نوری شوند. برخی از این حسگرها برای نقشه برداری بلایا عبارتند از جهت و برد رادیویی (RADAR)، رادیومترها، پراکندگی سنج ها و ارتفاع سنج های راداری [ 254 ].
کاهش بلایای طبیعی زمانی می تواند موفقیت آمیز باشد که اطلاعات دقیق در مورد فراوانی مورد انتظار، ویژگی ها و بزرگی خطرات طبیعی در هر منطقه در دسترس باشد [ 276 ]. سه مرحله عمده از فعالیت‌های مدیریت بلایا وجود دارد که EO می‌تواند به طور بالقوه در آن مشارکت داشته باشد (1) مرحله آمادگی مدت‌ها قبل از رویداد با پیش‌بینی خطر و شناسایی منطقه خطر رخ می‌دهد. (2) مرحله پیشگیری که درست قبل یا در طول رویداد انجام می شود، شامل هشدار/پیش بینی زودهنگام، نظارت و تهیه برنامه های اضطراری است. و (3) آخرین مرحله پاسخ و کاهش برای ارزیابی آسیب و مدیریت امداد بلافاصله پس از رویداد است [ 277 ]]. اطلاعات مورد نیاز در طول هر یک از این مراحل از پدیده خطر را می توان از حسگرهای EO در یک منطقه بزرگ با استفاده از حسگرهای مختلف که در هواپیما یا ماهواره ها کار می کنند جمع آوری کرد. متعاقباً، این اطلاعات را می توان در یک محیط GIS با اجرای تکنیک های تحلیل مکانی مناسب پردازش کرد، تا اطلاعات مفیدی در توسعه یک برنامه مدیریت بلایای موثر برای بهینه سازی آمادگی ها و انجام گزینه های مدیریت ارائه دهد [ 256 ، 263 ، 278 ]. کاهش و آمادگی بلایا را می توان با استفاده از داده های EO و تکنیک های دستکاری تصویر با موفقیت امکان پذیر کرد و داده های ورودی را به عنوان مشاهدات سیستماتیک برای مدل سازی ریسک ارائه داد [ 256 ]، 279 ]. تجزیه و تحلیل جغرافیایی وضعیت سطح زمین ادغام شده با داده های مختلف مکانی و غیر مکانی به مدیریت کارآمد و چارچوب بندی طرح های کاهش موثر کمک می کند. تنوع گسترده داده ها با ویژگی های مختلف امکان شناسایی شرایط سطحی و زیرسطحی زمین را فراهم می کند و تجزیه و تحلیل دقیق و سریع را فراهم می کند. با این حال، محدودیت های خاصی برای استفاده از EO در بلایای طبیعی وجود دارد. به عنوان مثال، EO اطلاعاتی در مورد ویژگی های زمین زیرسطحی فراتر از اعماق خاص ارائه نمی دهد. پیش‌بینی‌های داده‌های EO نیز اغلب با برخی سوگیری همراه هستند و مشاهدات حقیقت پایه برای فرآیند کالیبراسیون و اعتبارسنجی برای ارزیابی پیش‌بینی‌های آنها مورد نیاز است.

خصوصیات و ویژگی های فنی ماهواره های EO

روش‌ها، تکنیک‌ها و ابزارهایی که در این کار توضیح داده شده، ابزارهای مدرن و مؤثری برای تحقیق، مدیریت و پایش محیط‌زیست و به طور کلی مخاطرات ژئومحیطی مانند خشکسالی، سیل، فرسایش خاک، آب‌های زیرزمینی، یخبندان، افزایش سطح دریا هستند. و غیره و همچنین تمامی منابع طبیعی ارزشمند. یکی از مهم‌ترین ویژگی‌های این ابزارها که پویایی آنها را افزایش می‌دهد، قابلیت‌های تکاملی آن‌ها است که مبتنی بر روش مدرن توسعه و ساختار این روش‌ها (نرم‌افزارهای مدرن، داده‌ها، تکنیک‌ها و غیره) است. بنابراین، دانش علمی و پیشرفت روزافزون فناورانه همواره در تکامل روش های ارائه شده سودمند خواهد بود.
در مورد برنامه های ماهواره ای، دو نوع اصلی از تصاویر رصد زمین وجود دارد – تصاویر غیرفعال و فعال. تصاویر غیرفعال شامل رادیومتری پانکروماتیک، چند طیفی، پان شارپن، فراطیفی، مایکروویو و تصاویر فعال شامل رادار دیافراگم مصنوعی (SAR)، LIDAR، ارتفاع‌سنجی رادار، GNSS-R و پراکندگی رادار است. تصاویر با وضوح پایین دارای فاصله نمونه زمینی بزرگتر از 300 متر هستند. وضوح متوسط ​​بین 300 متر تا 30 متر، وضوح بالا از 30 تا 5 متر و وضوح بسیار بالا (VHR) زیر 5 متر است. از نظر مدت زمان، ماهواره هایی با زمان بازدید مجدد 1 ساعت (مثلا COMS) اما فاصله نمونه زمینی (GSD) 500 متر است و ماهواره هایی با زمان بازدید مجدد 26 روز اما با GSD 2.5 متر هستند (مثلاً SPOT-5) . علاوه بر این، تعداد باندها بین انواع مختلف ماهواره ها متفاوت است. بدین ترتیب، ماهواره هایی با باندهای 1، 2 و 3 (به عنوان مثال، هیماواری 8) و ماهواره هایی با 21 باند (مانند Sentinel 3 A/B) وجود دارند. بنابراین، انتخاب‌های متنوعی از نظر سنسورها یا پلتفرم‌های ماهواره‌ای، GSD وجود دارد که هر بار برای یک تحقیق کاربردی یا تحقیقاتی مناسب‌تر است. جدول بعدی ( جدول 2 معروف ترین ماهواره های EO را با مشخصات اصلی آنها (سال پرتاب، تعداد باندها، وضوح مکانی، ارتفاع و روزهای بازدید مجدد) ارائه می دهد.
با این وجود، چالشی که باید از نظر برنامه های ماهواره ای مورد توجه قرار گیرد، در واقع تجمیع زمان بر بودن دانلودها و تولید داده ها است. دومی که مستلزم ارسال ماهواره های جدید و ادغام آنها در تشکیلات موجود است. در عین حال تلاش در جهت ارتقای اختیارات مکانی گیرنده ها (و در نتیجه محصولات) این ماهواره ها لازم است که برای دستیابی به این امر نیاز به نسل جدیدی از سنسورها (فرستنده و گیرنده) در تجهیزات ماهواره ای است. علاوه بر این، یکی از اهداف احتمالی آینده برای محصولات نظارت بر محیط زیست، تلاش برای کاهش خطای آنها خواهد بود، که همانطور که گفته شد، در حال حاضر در مستندات محصول در حال تکامل است.

4. پایش محیطی، داده های مکانی، و زیرساخت های داده های مکانی (SDI)

فرآیندهای پایش محیطی به طور مستقیم به جمع آوری، ذخیره، مدیریت و تجزیه و تحلیل داده های مکانی و زمانی مرتبط است. مجموعه ای از انواع مختلفی از داده های محیطی مبتنی بر استفاده از دستگاه های هوشمند و حسگرها [ 280 ] از جمله راه حل های موبایل و کم هزینه است [ 281 ]. علاوه بر این، ابزارهای نظارت سنتی با سیستم‌های هوایی بدون سرنشین (UAS) برای تولید داده‌های با وضوح بالا در بعد زمانی و مکانی ترکیب می‌شوند [ 282 ، 283]. در طول دهه‌های گذشته، توسعه سریع ابزارهای سیستم‌های اطلاعات جغرافیایی (GIS) کمک قابل توجهی به مدیریت و تجزیه و تحلیل مؤثر داده‌های مکانی داشته است. با این حال، رویکردهای مدرن دستکاری داده‌های مکانی، در سطح ملی و چند ملیتی، مبتنی بر استفاده از زیرساخت‌های داده‌های مکانی یکپارچه (SDIs) است. در سطح اروپا، وضعیت SDIهای ملی، و همچنین تأثیر دستورالعمل INSPIRE اروپا، در چندین مطالعه مورد بحث قرار گرفته است [ 284 ، 285 ، 286 ، 287 ]. در عین حال، سایر مطالعات استفاده از SDI را در سطح ملی (به عنوان مثال، در لهستان) توصیف می کنند [ 288] یا در حوزه های خاص بر اساس جمع آوری داده های زیست محیطی (به عنوان مثال، در برنامه ریزی فضایی دریایی) [ 289 ].
اجزای اساسی یک مدل SDI را می توان در سه دسته اصلی، شامل کاربران، فناوری و محصولات گروه بندی کرد [ 290 ]. در این دسته بندی، بخش فناوری شامل اجزای فرعی اضافی از جمله شبکه دسترسی، خط مشی، استانداردها، ابرداده ها و همچنین ابزارهای پردازش است، در حالی که محصولات اصلی SDI ها شامل داده ها و خدمات است [ 290 ]. در بین بخش های اساسی که در طراحی و اجرای SDI های معاصر شرکت داشته اند، بدون شک کاربران نقش بسزایی دارند. در دهه گذشته، مطالعات متعددی بر اهمیت ترکیب اطلاعات جغرافیایی داوطلبانه (VGI) برای نظارت بر محیط‌زیست تأکید می‌کنند [ 291 ]]، البته با احترام به کیفیت داده های مشتق شده [ 292 ، 293 ]. به طور همزمان، یک چالش بزرگ و باز به ادغام تکنیک‌های VGI در پلت‌فرم‌های GIS جهانی اشاره می‌کند [ 294 ].
یکی از مسائل مهم و چالش برانگیز در توسعه SDI مربوط به هماهنگ سازی داده های نقشه برداری [ 295 ]، چه در سطح ملی یا چند ملیتی است. با توجه به اینکه داده‌های پایش محیطی معمولاً توسط چندین سازمان (احتمالاً با پروتکل‌های استانداردسازی غیریکنواخت) با استفاده از دستگاه‌های مختلف تولید می‌شوند که ممکن است فرمت‌های فایل و/یا داده‌های مختلفی را تولید کنند که با محدوده‌های مختلف دقت مکانی و زمانی مشخص می‌شوند، این فرآیند ادغام آنها بسیار مهم تلقی می‌شود. . به عنوان مثال، ناسازگاری ها در نظارت را می توان به مقیاس های زمانی و مکانی مختلف اشاره کرد [ 296 ]]. هماهنگ‌سازی داده‌های مکانی می‌تواند با در نظر گرفتن رویکردهای رایج در استانداردسازی داده‌ها (به عنوان مثال، اجرای دستورالعمل‌های مشترک مانند دستورالعمل EU INSPIRE) یا پس از اجرای روش‌هایی که ناهمگونی داده‌های مکانی را از نظر ماهیت و توزیع بررسی می‌کنند، محقق شود [ 297 ].
همانطور که در بالا نیز ذکر شد، SDI ها هم داده ها و هم خدمات را به کاربران بالقوه ارائه می دهند. به ویژه، خدمات داده های جغرافیایی این فرصت را برای توزیع انواع مختلف داده های مکانی، از جمله برداری (به عنوان مثال، ESRI ® ) می دهد.shapefiles) و داده‌های شطرنجی (مثلاً GeoTIFF)، و همچنین پایگاه‌های داده (ژئو) (مثلاً پایگاه‌های داده PostGIS) از طریق شبکه جهانی وب (WWW). این اطلاعات را می توان از طریق محیط های دسکتاپ GIS، مرورگرهای وب ساده یا زیرساخت های دیگر (داده های مکانی) در دسترس قرار داد، در حالی که داده های جغرافیایی را می توان در چندین برنامه مستقل یا مبتنی بر وب استفاده کرد. اساس خدمات داده های مکانی به استفاده از پروتکل ها و استانداردهای باز خاص مانند خدمات نقشه وب (WMS)، خدمات ویژگی وب (WFS)، خدمات پوشش وب (WCS) و خدمات کاشی نقشه وب (WMTS) متصل است. استانداردهای فوق توسط کنسرسیوم فضایی باز (OGC، https://www.ogc.org/ ) توسعه و توزیع شده است.، تاریخ دسترسی: 20 دسامبر 2020) به منظور اطمینان از قابلیت همکاری بین سیستم های توسعه یافته. به طور کلی، رویکردهای نقشه‌برداری وب مدرن از فناوری‌های منبع باز، از جمله داده‌های باز، نرم‌افزار، و ابزارها استفاده می‌کنند [ 298 ، 299 ]، در حالی که خدمات نقشه آنلاین یک فرهنگ جدید نقشه‌کشی است که نیاز به همکاری بین جامعه نقشه‌برداری و GIS و توسعه‌دهندگان نرم‌افزار دارد. 300 ]. کلاین و همکاران [ 301 ] به نیاز به پلتفرم‌های منبع باز و محیط‌های مبتنی بر ابر در دسترس برای پیشبرد تحلیل علمی باز داده‌های محیطی اشاره می‌کند. از این رو، راه حل های نمونه اولیه، مانند برنامه ارائه شده توسط Wiemann و همکاران. [ 302 ] برای کیفیت آب، می تواند در چندین حوزه با پوشش محلی، بین المللی یا جهانی تطبیق داده شود. در این جهت، اخیراً Lacroix et al. [ 303 ] همچنین یک پلت فرم باز (MapX) را ارائه می دهد که هدف آن پشتیبانی از فرآیند پایش محیطی توسط داده های مکانی مجاز ارائه شده در مقیاس محلی، ملی و جهانی است.
در نهایت، SDI ها می توانند به عنوان سیستم های پشتیبانی تصمیم گیری قدرتمند (DSS) با کاربردهای ارزشمند در فرآیندهای نظارت بر محیط زیست برای اهداف علمی و/یا تصمیم گیری عمل کنند. همزمان، با توجه به انواع دستگاه‌های اینترنت اشیا (IoT)، SDIهای معاصر همچنین می‌توانند اطلاعات مکانی را در زمان واقعی (یا تقریباً واقعی) ارائه دهند [ 304 ] که می‌تواند به عنوان ورودی در چندین تحلیل (آنلاین یا غیرآنلاین) پردازش جغرافیایی استفاده شود. ابزارها در یک زمینه جغرافیایی خاص [ 305 ].

5. بحث

ضرورت مدیریت مدبرانه با پایش محیطی، دانشمندان متعددی را بر آن داشته است که علاوه بر پایش، در جهت‌های مختلفی مانند پیش‌بینی و ارزیابی تأثیرات، مطالعاتی انجام دهند. الزامات مدرن برای برنامه های کاربردی با بودجه کوچک و ابزارهای مدیریتی توسط فناوری مدرن به طور مداوم در حال توسعه برآورده می شود. بنابراین، پیشرفت‌ها در فناوری‌های اطلاعات جغرافیایی، مانند فناوری ماهواره‌ای RS، پایگاه‌های اطلاعاتی فضایی باز، و فناوری‌های معاصر در GIS، منطقه‌ای که احتمالاً مکمل کار میدانی گران‌قیمت و زمان‌بر، تکنیک‌های قدیمی و روش‌های جمع‌آوری داده‌های بسیار مشکل‌ساز است.
در حمایت از موارد ذکر شده در بالا، این کار مروری بر ادبیات گسترده ای متشکل از 304 مرجع ارائه کرد. از این مجموع، 192 مورد به برنامه های کاربردی شامل GIS و 150 به برنامه های کاربردی مربوط به RS اشاره دارد. 226 به برنامه های کاربردی در مناطق مطالعاتی خاص، 23 به برنامه های کاربردی در سراسر جهان اشاره دارد و بقیه به برنامه های کاربردی خاص یا مناطق خاصی مربوط نمی شود. شکل بعدی ( شکل 6 ) این حقایق را نشان می دهد.
شکل فوق فضایی بودن منابع مورد استفاده را بر حسب قاره نشان می دهد. یکی از اهداف این کار ارائه اپلیکیشن هایی از سراسر جهان است. بنابراین، فهرست مرجع ارائه شده این هدف را پوشش می دهد. به موازات آن، این ارجاعات مربوط به مناطق خاصی از هر قاره نیست، بلکه به کشورهای مختلفی در هر قاره اشاره می شود. بنابراین، کشورهای زیادی هستند که از طریق مراجع ارائه شده به آنها پرداخته شده است، مانند استرالیا، برزیل، کانادا، چین، فرانسه، آلمان، یونان، هند، ایران، ایتالیا، انگلستان، ایالات متحده آمریکا و غیره. شکل بعدی ( شکل 7 ) این کشورها را ارائه می دهد.

6. نتیجه گیری

همانطور که از بررسی حاضر مشخص شد، نظارت مستمر بر محیط زیست تابع یک رویکرد بین رشته‌ای است. این شامل تعدادی از رویه ها و اقداماتی است که هم تکامل پدیده های طبیعی و هم اثرات فاجعه بار آنها را عمدتاً به دلیل مشکل تغییرات آب و هوایی پوشش می دهد. با این حال، معنای عمیق و در عین حال علتی که همه این تغییرات و تأثیرات بر محیط زیست را به چالش می کشد چیست؟ چرا امروز این انفجار روش ها و فناوری های علمی اتفاق می افتد تا این نظارت به اقدامات حفاظتی نیز کشیده شود؟
نتیجه‌گیری می‌شود که روش‌ها، فناوری‌ها و ابزارهای ذکر شده تلاش می‌کنند تا راه‌حل‌های گسترده‌ای را برای تشخیص، مدل‌سازی و پایش محیط زیست ارائه دهند. داده‌ها و رویه‌های مکانی مناسب همراه با سایر داده‌های اجتماعی-اقتصادی می‌توانند به منظور ارزیابی خطرات مورد استفاده قرار گیرند. بنابراین، این داده ها می توانند مواد خام برای ایجاد برنامه های مدیریتی و سیاست های کاهش را فراهم کنند. تنوع جامع داده‌ها با ویژگی‌های متفاوت، امکان نظارت بر محیط را به حداکثر میزان در آن زمان فراهم می‌کند، در حالی که تلاش برای کاهش عدم قطعیت‌ها و محدودیت‌ها می‌شود.

7. چالش های فعلی و روندهای آینده

کمیته کارشناسان سازمان ملل متحد در مدیریت جهانی اطلاعات مکانی (UN-GGIM) گزارش می دهد که این یک دهه بسیار مهم از نظر شرایط آینده در فناوری های جغرافیایی است. در دهه‌های گذشته، داده‌های دیجیتالی مبنایی برای سیاست تصمیم‌گیری برای بخش دولتی و خصوصی فراهم می‌کرد. امروزه دنیای دیجیتال حجم عظیمی از داده‌ها و به‌ویژه داده‌های مکانی را با چنین سرعتی تولید می‌کند که وظیفه اصلی آن کشف راه‌های جدید درک و تحلیل این داده‌ها با سرعت بسیار زیاد است.
بنابراین، روندهای جدیدی مانند داده های بزرگ، هوش مصنوعی با یادگیری ماشین و تکنیک های یادگیری عمیق، محصولات جدید EO، هواپیماهای بدون سرنشین، شهرهای هوشمند، وسایل نقلیه خودران به وجود می آیند. همه اینها باید به روشی پایدار مدیریت شوند تا سود حاصل از آنها به حداکثر برسد. این امر با استفاده از ماهواره‌های بهتر، وضوح مکانی و زمانی بهبود یافته، مدل‌سازی/تحلیل بهتر (تحلیل زمین آماری، تجزیه و تحلیل سری‌های زمانی و هوش مکانی) در تمام مراحل (قبل، مثبت و پس از فاجعه) منجر به نظارت بهتر خواهد شد. و در نهایت به پاسخ / مشارکت بهتر (بهبود سرعت، برنامه های کاربردی تلفن همراه، جمع سپاری و غیره).

مشارکت های نویسنده

مفهوم سازی، کلئومنیس کالوگروپولوس؛ آندریاس تساتاریس؛ نگارش – آماده سازی پیش نویس اصلی، کلئومنیس کالوگروپولوس (مقدمه، بحث و پایش آب های زیرزمینی). نیکولاس استاتوپولوس (پایش سیل و فرسایش خاک)؛ پاناژیوتا لوکا (نظارت بر یخ زدگی)؛ کنستانتینوس تساناکاس (پایش افزایش سطح دریا)؛ Demetrios E. Tsesmelis (پایش خشکسالی)؛ واسیلیوس کراساناکیس (SDI و نظارت بر محیط زیست)؛ جورج پی پتروپولوس (نقش EO); نگارش-بررسی و ویرایش، آندریاس تساتساریس. کلئومنیس کالوگروپولوس؛ نیکولاس استاتوپولوس؛ پاناژیوتا لوکا؛ کنستانتینوس تساناکاس؛ Demetrios E. Tsesmelis; واسیلیوس کراساناکیس؛ جورج پی پتروپولوس; واسیلیس پاپاس; و کریستوس چالکیاس; تجسم، کلئومنیس کالوگروپولوس؛ مدیریت پروژه، کلئومنیس کالوگروپولوس؛ آندریاس تساتاریس؛ واسیلیس پاپاس; و کریستوس چالکیاس همه نویسندگان نسخه منتشر شده نسخه خطی را خوانده و با آن موافقت کرده اند.

منابع مالی

مشارکت GPP در این کار توسط پروژه NERC صندوق نیوتن RCUK به سوی یک سیستم هشدار اولیه آتش سوزی برای اندونزی (ToFEWSI) پشتیبانی شده است.

تضاد علاقه

نویسندگان هیچ تضاد منافع را اعلام نمی کنند.

منابع

  1. Karavitis، C. استراتژی های مدیریت خشکسالی برای منابع آب شهری: مورد متروپولیتن آتن. Ph.D. پایان نامه، گروه مهندسی عمران، دانشگاه ایالتی کلرادو، فورت کالینز، CO، ایالات متحده آمریکا، 1992. [ Google Scholar ]
  2. کالاابوکیدیس، ک.د. کاراویتیس، سی. Vasilakos، C. سیستم خودکار ارزیابی خطر آتش سوزی و سیل. در مجموعه مقالات کارگاه بین‌المللی آتش‌سوزی‌های جنگلی در زمین‌های وحشی-شهری و مناطق روستایی در اروپا ؛ مایچ: کرت، یونان، 2004; صص 143-153. [ Google Scholar ]
  3. کالاابوکیدیس، ک. کالوس، جی. کاراویتیس، سی. کابالرو، دی. تتلار، پ. لورنز، جی. Vasilakos, C. سیستم خودکار حفاظت از آتش و خطر سیل. در مجموعه مقالات پنجمین کارگاه بین المللی سنجش از دور و کاربردهای GIS در مدیریت آتش سوزی جنگل: ارزیابی اثرات آتش سوزی، ساراگوسا، اسپانیا، 16-18 ژوئن 2005. دانشگاه ساراگوزا: ساراگوزا، اسپانیا، 2005; صص 167-172. [ Google Scholar ]
  4. Tsesmelis، DE; Oikonomou، PD; Vasilakou، CG; اسکوندراس، NA; فصولی، وی. الکساندریس، اس جی. گریگ، NS; کاراویتیس، کالیفرنیا ارزیابی عدم قطعیت ساختاری ناشی از روش های مختلف وزن دهی بر روی شاخص استاندارد شده آسیب پذیری خشکسالی (SDVI). استوک. محیط زیست Res. ارزیابی ریسک 2019 ، 33 ، 515-533. [ Google Scholar ] [ CrossRef ]
  5. کاراویتیس، کالیفرنیا؛ Tsesmelis، DE; اسکوندراس، NA; استاماتاکوس، دی. الکساندریس، اس. فصولی، وی. Vasilakou، CG; Oikonomou، PD; گرگوریچ، جی. گریگ، NS; و همکاران ارتباط ویژگی های خشکسالی با تأثیرات در مقیاس مکانی و زمانی سیاست آب 2014 ، 16 ، 1172-1197. [ Google Scholar ] [ CrossRef ]
  6. Wilhite, DA فصل 1 خشکسالی به عنوان یک خطر طبیعی: مفاهیم و تعاریف . انتشارات دانشکده مرکز کاهش خشکسالی: لینکلن، NE، ایالات متحده آمریکا، 2000. [ Google Scholar ]
  7. سونمز، ک. کوموسکو، AU; ارکان، ع. تورگو، ای. تجزیه و تحلیل ابعاد مکانی و زمانی آسیب پذیری خشکسالی در ترکیه با استفاده از شاخص بارش استاندارد شده. نات. خطرات 2005 ، 35 ، 243-264. [ Google Scholar ] [ CrossRef ]
  8. گریگ، NS; Vlachos، EC مدیریت آب خشکسالی ; دانشکده بین المللی منابع آب، گروه مهندسی عمران، دانشگاه ایالتی کلرادو: فورت کالینز، CO، ایالات متحده آمریکا، 1990. [ Google Scholar ]
  9. Karavitis، CA خشکسالی و منابع آب شهری: مورد کلان شهر آتن. سیاست آب 1998 ، 1 ، 505-524. [ Google Scholar ] [ CrossRef ]
  10. یوجویچ، وی. دا کونا، ال. Vlachos، E. مقابله با خشکسالی . انتشارات منابع آب: لیتلتون، CO، ایالات متحده آمریکا، 1983.
  11. سیستم‌های پشتیبانی تصمیم‌گیری کاراویتیس، CA برای استراتژی‌های مدیریت خشکسالی در متروپولیتن آتن. بین المللی آب 1999 ، 24 ، 10-21. [ Google Scholar ] [ CrossRef ]
  12. بوردی، آی. فرادریش، ک. پتیتا، م. Sutera، A. ارزیابی در مقیاس بزرگ تغییرپذیری خشکسالی بر اساس تجزیه و تحلیل مجدد NCEP/NCAR و ERA-40. منبع آب مدیریت 2006 ، 20 ، 899-915. [ Google Scholar ] [ CrossRef ]
  13. Mishra، AK; سینگ، معاونت مروری بر مفاهیم خشکسالی. جی هیدرول. 2010 ، 391 ، 202-216. [ Google Scholar ] [ CrossRef ]
  14. Oikonomou، PD; Tsesmelis، DE; Waskom، RM; گریگ، NS; کاراویتیس، کالیفرنیا، شاخص استاندارد شده آسیب پذیری خشکسالی را با ادغام اطلاعات مکانی-زمانی از داده های ماهواره و درجا افزایش می دهد. جی هیدرول. 2019 ، 569 ، 265-277. [ Google Scholar ] [ CrossRef ]
  15. Adger، آسیب پذیری WN. گلوب. محیط زیست چانگ. 2006 ، 16 ، 268-281. [ Google Scholar ] [ CrossRef ]
  16. هورتون، جی. هانا، ال. کلی، بی. خشکسالی، خشک شدن و تغییرات آب و هوایی: مسائل بهداشتی در حال ظهور برای استرالیایی‌های سالخورده در مناطق روستایی. استرالیا J. Aging 2010 , 29 , 2-7. [ Google Scholar ] [ CrossRef ]
  17. Wilhite، DA; Sivakumar، MVK؛ Pulwarty، R. مدیریت خطر خشکسالی در آب و هوای متغیر: نقش سیاست ملی خشکسالی. آب و هوا افراطی 2014 ، 3 ، 4-13. [ Google Scholar ] [ CrossRef ]
  18. سیایس، پی. رایششتاین، ام. ویووی، ن. گرانیر، ا. اوگی، جی. آلارد، وی. اوبینت، ام. بوخمن، ن. برنهوفر، سی. کارارا، ا. و همکاران کاهش بهره وری اولیه در سراسر اروپا ناشی از گرما و خشکسالی در سال 2003. طبیعت 2005 ، 437 ، 529-533. [ Google Scholar ] [ CrossRef ]
  19. Oikonomou، PD; کاراویتیس، کالیفرنیا؛ Tsesmelis، DE; کولوکیتا، ای. Maia, R. ارزیابی ویژگی های خشکسالی در اروپا در 50 سال گذشته. مدیریت منابع آب. 2020 ، 34 ، 4757-4772. [ Google Scholar ] [ CrossRef ]
  20. Tsesmelis، DE توسعه، اجرا و ارزیابی شاخص‌های خطر خشکسالی و بیابان‌زایی برای مدیریت یکپارچه منابع آب. Ph.D. پایان نامه، گروه مدیریت منابع طبیعی و مهندسی کشاورزی، دانشگاه کشاورزی آتن، آتن، یونان، 2017. [ Google Scholar ]
  21. کاراویتیس، کالیفرنیا؛ الکساندریس، اس. Tsesmelis، DE; آتاناسوپولوس، G. کاربرد شاخص بارش استاندارد شده (SPI) در یونان. آب 2011 ، 3 ، 787-805. [ Google Scholar ] [ CrossRef ]
  22. کاراویتیس، کالیفرنیا؛ چورتاریا، سی. الکساندریس، اس. Vasilakou، CG; Tsesmelis، DE توسعه شاخص استاندارد بارش برای یونان. شهری. Water J. 2012 ، 9 ، 401-417. [ Google Scholar ] [ CrossRef ]
  23. پدرو-مونزونیس، ام. فرر، جی. سولرا، ا. استرلا، تی. Paredes-Arquiola، J. مسائل کلیدی برای تعیین منابع آب قابل بهره برداری در حوضه رودخانه مدیترانه. علمی کل محیط. 2015 ، 503-504 ، 319-328. [ Google Scholar ]
  24. پدرو-مونزونیس، ام. سولرا، ا. فرر، جی. استرلا، تی. Paredes-Arquiola، J. مروری بر شاخص های کمبود آب و خشکسالی در برنامه ریزی و مدیریت منابع آب. جی هیدرول. 2015 ، 527 ، 482-493. [ Google Scholar ] [ CrossRef ]
  25. Loucks، مدیریت منابع آب پایدار DP. بین المللی آب 2000 ، 25 ، 3-10. [ Google Scholar ] [ CrossRef ]
  26. Wilhite، DA; هیز، ام جی. کناتسون، سی. اسمیت، KH برنامه ریزی برای خشکسالی: حرکت از بحران به مدیریت ریسک. JAWRA J. Am. منبع آب دانشیار 2000 ، 36 ، 697-710. [ Google Scholar ] [ CrossRef ]
  27. کامپراگو، ای. آپوستولکی، س. مانولی، ای. فروبریچ، جی. Assimacopoulos، D. به سوی هماهنگی سیاست های مرتبط با آب برای مدیریت خطرات خشکسالی در سراسر اتحادیه اروپا. محیط زیست علمی سیاست 2011 ، 14 ، 815-824. [ Google Scholar ] [ CrossRef ]
  28. اسکوندراس، NA; کاراویتیس، کالیفرنیا؛ Gkotsis، II; اسکات، PJB؛ کالی، UL; الکساندریس، SG کاربرد و ارزیابی شاخص آسیب پذیری محیطی در یونان. Ecol. اندیک. 2011 ، 11 ، 1699-1706. [ Google Scholar ] [ CrossRef ]
  29. Skondras، N. تصمیم گیری در مدیریت منابع آب: توسعه یک شاخص ترکیبی برای ارزیابی سیستم های اجتماعی-محیطی از نظر انعطاف پذیری و آسیب پذیری در برابر کمبود آب و استرس آب. Ph.D. پایان نامه، گروه مدیریت منابع طبیعی و مهندسی کشاورزی، دانشگاه کشاورزی آتن، آتن، یونان، 2015. [ Google Scholar ]
  30. Cancelliere، A. مائورو، جی دی. بوناکورسو، بی. Rossi, G. پیش بینی خشکسالی با استفاده از شاخص استاندارد بارش. منبع آب مدیریت 2007 ، 21 ، 801-819. [ Google Scholar ] [ CrossRef ]
  31. Priscoli، JD سخنرانی اصلی: پوشیدن امپراتور IWRM با استفاده از مدل سازی مشارکتی برای پشتیبانی تصمیم. JAWRA J. Am. منبع آب دانشیار 2013 ، 49 ، 609-613. [ Google Scholar ] [ CrossRef ]
  32. سالاس، جی دی. فو، سی. Cancelliere، A. داستین، دی. بود، دی. پیندا، ا. وینسنت، ای. توصیف شدت و خطر خشکسالی در رودخانه پودر، کلرادو. ج. منبع آب. طرح. مدیریت 2005 ، 131 ، 383-393. [ Google Scholar ] [ CrossRef ]
  33. Vlachos, E. Prologue: صلح آب و مدیریت درگیری. بین المللی آب 1990 ، 15 ، 185-188. [ Google Scholar ]
  34. ولاچوس، ای. براگا، ب. چالش مدیریت آب شهری. در مجموعه مقالات مرزها در مدیریت آب شهری: بن بست یا امید . انتشارات IWA: لندن، انگلستان، 2001; صص 1-36. [ Google Scholar ]
  35. گریگ، مدیریت منابع آب NS. در دایره المعارف آب ; John Wiley & Sons, Inc.: Hoboken, NJ, USA, 1996. [ Google Scholar ]
  36. Tsesmelis، DE; کاراویتیس، کالیفرنیا؛ Oikonomou، PD; الکساندریس، اس. Kosmas, C. ارزیابی آسیب پذیری در برابر خشکسالی و ویژگی های بیابان زایی با استفاده از شاخص آسیب پذیری استاندارد خشکسالی (SDVI) و شاخص مناطق حساس زیست محیطی (ESAI). منابع 2019 ، 8 ، 6. [ Google Scholar ] [ CrossRef ]
  37. سواتاندران، اس. Aslam، MAM ارزیابی نقش نوار SWIR در تشخیص تنش محصول کشاورزی: ​​مطالعه موردی منطقه رایچر، کارناتاکا، هند. محیط زیست نظارت کنید. ارزیابی کنید. 2019 ، 191 ، 442. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  38. Vlachos، رابط های مدیریت خشکسالی EC ; ASCE: لاس وگاس، NE، ایالات متحده آمریکا، 1982; پ. 15. [ Google Scholar ]
  39. آقاکوچک، ع. فلدمن، دی. هورلینگ، ام. هاکسمن، تی. لوند، جی. آب و آب و هوا: خشکسالی انسانی را بشناسید. نات. News 2015 , 524 , 409. [ Google Scholar ] [ CrossRef ]
  40. تساکیریس، جی. پانگالو، دی. ونجلیس، اچ. ارزیابی خشکسالی منطقه ای بر اساس شاخص خشکسالی شناسایی (RDI). منبع آب مدیریت 2007 ، 21 ، 821-833. [ Google Scholar ] [ CrossRef ]
  41. ونجلیس، اچ. تیگاس، دی. Tsakiris، G. تاثیر روش PET بر محاسبه شاخص خشکسالی شناسایی (RDI). J. محیط خشک. 2013 ، 88 ، 130-140. [ Google Scholar ] [ CrossRef ]
  42. فصولی، وی. توسعه، اجرا و ارزیابی یک شاخص ترکیبی برای شناسایی و طبقه بندی خشکسالی و ایجاد سیستم پشتیبانی تصمیم مربوطه. Ph.D. پایان نامه، گروه مدیریت منابع طبیعی و مهندسی کشاورزی، دانشگاه کشاورزی آتن، آتن، یونان، 2017. [ Google Scholar ]
  43. روسی، جی. بندینی، م. تساکیریس، جی. جیاکوماکیس، اس. در مورد تخمین و تحلیل خشکسالی منطقه ای. منبع آب مدیریت 1992 ، 6 ، 249-277. [ Google Scholar ] [ CrossRef ]
  44. پیمنتل، دی. فرسایش خاک: تهدید غذایی و محیطی. محیط زیست توسعه دهنده حفظ کنید. 2006 ، 8 ، 119-137. [ Google Scholar ] [ CrossRef ]
  45. Lal, R. فرسایش خاک و بودجه کربن جهانی. محیط زیست بین المللی 2003 ، 29 ، 437-450. [ Google Scholar ] [ CrossRef ]
  46. Milliman، JD; سیویتسکی، JPM کنترل ژئومورفیک/تکتونیکی تخلیه رسوب به اقیانوس: اهمیت رودخانه های کوچک کوهستانی. جی. جئول. 1992 ، 100 ، 525-544. [ Google Scholar ] [ CrossRef ]
  47. Walling، DE; Webb، BW فرسایش و تولید رسوب: یک مرور کلی. در فرسایش و بازده رسوب: دیدگاه های جهانی و منطقه ای مجموعه مقالات سمپوزیوم اکستر ; Walling، DE، Webb، BW، Eds. انتشارات IAHS شماره 236; ISI: Exeter، UK، 1996; صص 3-19. [ Google Scholar ]
  48. پلی کرتیس، سی. الکساکیس، دی. Grillakis، MG; Manoudakis، S. ارزیابی تغییرات درون سالانه و بین سالانه فرسایش خاک در جزیره کرت (یونان) با ترکیب “ماهیت” پویا عوامل R و C در مدل سازی RUSLE. Remote Sens. 2020 , 12 , 2439. [ Google Scholar ] [ CrossRef ]
  49. Lai, R. تخریب خاک توسط فرسایش. تخریب زمین توسعه دهنده 2001 ، 12 ، 519-539. [ Google Scholar ]
  50. خو، ال. خو، X. Meng، X. ارزیابی ریسک فرسایش خاک در سناریوهای مختلف بارندگی با مدل RUSLE همراه با مدل انتشار اطلاعات: مطالعه موردی Bohai Rim، چین. کاتنا 2013 ، 100 ، 74–82. [ Google Scholar ] [ CrossRef ]
  51. نزدیک شدن، MA; پروسکی، FF; O’neal، MR تأثیرات مورد انتظار تغییر آب و هوا بر نرخ فرسایش خاک: یک بررسی. J. حفظ آب خاک. 2004 ، 59 ، 43-50. [ Google Scholar ]
  52. گناسری، BP; رامش، ح. ارزیابی فرسایش خاک با استفاده از مدل RUSLE با استفاده از سنجش از دور و GIS-مطالعه موردی حوضه نترواتی. Geosci. جلو. 2016 ، 7 ، 953-961. [ Google Scholar ] [ CrossRef ]
  53. اولدمن، ال آر. ون انگلن، VWP; Pulles، JHM میزان تخریب خاک ناشی از انسان. در ضمیمه 5 کتاب مرد جهانی وضعیت تخریب خاک توسط انسان: یک. یادداشت توضیحی ، ویرایش دوم؛ Oldeman، LR، Hakkeling، RTA، Sombroek، WG، Eds. مرجع بین المللی خاک و مرکز اطلاعات: Wageningen، هلند، 1990. [ Google Scholar ]
  54. فیستیک اوغلو، او. Harmancioglu، NB ادغام GIS با USLE در ارزیابی فرسایش خاک. منبع آب مدیریت 2002 ، 16 ، 447-467. [ Google Scholar ] [ CrossRef ]
  55. کوتیاری، UC مشکلات فرسایش و رسوب در هند. در مجموعه مقالات سمپوزیوم اکستر در بازده فرسایش و رسوب: دیدگاه‌های جهانی و منطقه‌ای . انتشارات IAHS شماره 236; ISI: Exeter، UK، 1996; صص 531-540. [ Google Scholar ]
  56. Jha، MK; پائودل، پیش‌بینی‌های فرسایش RC توسط مدل‌های تجربی در حوضه‌ای کوهستانی در نپال. جی. اسپات. هیدرول. 2010 ، 10 ، 89-102. [ Google Scholar ]
  57. ویشمایر، WH; اسمیت، DD پیش بینی تلفات فرسایش باران: راهنمای برنامه ریزی حفاظت . راهنمای کشاورزی شماره 537; USDA: واشنگتن، دی سی، ایالات متحده آمریکا، 1978.
  58. کاریداس، سی جی; پاناگوس، پی. Gitas, IZ طبقه‌بندی مدل‌های فرسایش آبی بر اساس ویژگی‌های مکانی آن‌ها. بین المللی جی دیجیت. زمین 2014 ، 7 ، 229-250. [ Google Scholar ] [ CrossRef ]
  59. ژانگ، Z.-H. باند، HU; جیان، NI اثرات عوامل توپوگرافی و ادافیک بر توزیع جوامع گیاهی در دو جنگل کارست نیمه گرمسیری، جنوب غربی چین. J. Mt. Sci. 2013 ، 10 ، 95-104. [ Google Scholar ] [ CrossRef ]
  60. لی، جی اس. اثر مقیاس‌پذیری لی، KH برای تخمین تلفات خاک در مدل RUSLE با استفاده از داده‌های جغرافیایی سنجش از دور در کره. جی هیدرول. سیستم زمین علمی 2006 ، 3 ، 135-157. [ Google Scholar ]
  61. Remortel Van, R.; همیلتون، ام. هیکی، آر. برآورد ضریب LS برای RUSLE از طریق پردازش طول شیب تکراری داده های ارتفاعی دیجیتال. کارتوگرافی 2001 ، 30 ، 27-35. [ Google Scholar ] [ CrossRef ]
  62. اکلمان، دبلیو. باریتز، آر. بیالوس، اس. بیلک، پی. کاره، اف. هروشکووا، بی. جونز، RJ; کیبل وایت، ام. کوزاک، جی. لو باس، سی. و همکاران معیارهای رایج برای شناسایی مناطق خطر بر اساس تهدیدات خاک ; دفتر انتشارات رسمی جوامع اروپایی: بروکسل، بلژیک، 2006. [ Google Scholar ]
  63. ون بیک، CL; توث، تی. هاگیو، ا. توث، جی. Recatalá Boix, L.; آنیو ویدال، سی. Malet، JP; ماکوایر، او. Van den Akker، JJH; ون درزی، اس. و همکاران نیاز به روش‌شناسی هماهنگ برای ارزیابی تهدیدات خاک در اروپا. مدیریت استفاده از خاک 2010 ، 26 ، 299-309. [ Google Scholar ] [ CrossRef ]
  64. روزوس، دی. Skilodimou، HD; لوپاساکیس، سی. Bathrellos، GD کاربرد مدل معادله جهانی تلفات خاک تجدید نظر شده در پیشگیری از زمین لغزش. نمونه ای از جزیره N. Euboea (Evia)، یونان. محیط زیست علوم زمین 2013 ، 70 ، 3255-3266. [ Google Scholar ] [ CrossRef ]
  65. فرناندز، پ. دلگادو، ای. لوپز-آلونسو، ام. پویاتوس، JM GIS تجزیه و تحلیل اطلاعات زیست محیطی حوضه رودخانه Darro به عنوان کلید مدیریت و احیای جنگل های هیدرولوژیکی. علمی کل محیط. 2018 ، 613 ، 1154-1164. [ Google Scholar ] [ CrossRef ]
  66. De Jong، SM کاربردهای سنجش از دور بازتابی برای مطالعات تخریب زمین در محیط مدیترانه. Ph.D. پایان نامه، دانشگاه اوترخت، اوترخت، هلند، 1994. [ Google Scholar ]
  67. دی ونته، جی. پوسن، جی. پیش‌بینی فرسایش خاک و عملکرد رسوب در مقیاس حوضه: مسائل مقیاس و مدل‌های نیمه کمی. علوم زمین Rev. 2005 , 71 , 95-125. [ Google Scholar ] [ CrossRef ]
  68. جووردانو، آ. بونفیس، پی. بریگز، دی جی; de Sequeira، EM; د لابورو، CR; یاسوگلو، ن. رویکرد روش شناختی به فرسایش خاک و ارزیابی منابع زمین مهم جامعه اروپا. تکنولوژی خاک 1991 ، 4 ، 65-77. [ Google Scholar ] [ CrossRef ]
  69. استاتوپولوس، ن. لیکودی، ای. واسیلیو، ای. روزوس، دی. Dimitrakopoulos، D. ارزیابی آسیب پذیری فرسایش حوضه رودخانه Sperchios، در شرق یونان مرکزی – یک تجزیه و تحلیل مبتنی بر GIS. J. Geol را باز کنید. 2017 ، 7 ، 621-646. [ Google Scholar ] [ CrossRef ]
  70. گیتاس، Ι.Z. دوروس، ک. میناکو، سی. Silleos، GN; ارزیابی ریسک فرسایش چندزمانی خاک Karydas، CG در شمال چالکیدیکی با استفاده از مدل شطرنجی تغییر یافته USLE. EARSeL eProceedings 2009 ، 8 ، 40-52. [ Google Scholar ]
  71. فرناندز، سی. وو، جی کیو؛ مک کول، دی کیو؛ استوکل، CO برآورد فرسایش آب و تولید رسوب با GIS، RUSLE و SEDD. J. حفظ آب خاک. 2003 ، 58 ، 128-136. [ Google Scholar ]
  72. عالمیهو، ف. طاها، ن. نیسن، جی. گیرما، ع. زنبه، ا. بهیلو، م. دکرز، اس. Poesen، J. اثرات مدیریت آبخیز بر استفاده از زمین و پویایی پوشش زمین در Tigray شرقی (اتیوپی). منبع. حفظ کنید. بازیافت 2009 ، 53 ، 192-198. [ Google Scholar ] [ CrossRef ]
  73. رحمان، آقا؛ شی، ژ. Chongfa، C. ارزیابی خطر فرسایش خاک – استفاده یکپارچه از سنجش از دور، GIS و رویکردهای آماری با پارامترهای بیوفیزیکی به سمت استراتژی‌های مدیریت. Ecol. مدل. 2009 ، 220 ، 1724-1734. [ Google Scholar ] [ CrossRef ]
  74. الکساکیس، دی. Hadjimitsis، DG; Agapiou، A. استفاده یکپارچه از سنجش از دور، GIS و داده های بارش برای ارزیابی نرخ فرسایش خاک در حوضه آبریز “Yialias” در قبرس. اتمس. Res. 2013 ، 131 ، 108-124. [ Google Scholar ] [ CrossRef ]
  75. کونزر، سی. اوتینگر، ام. لیو، جی. سان، بی. باومهاور، آر. پایش منطقه ساحلی مبتنی بر رصد زمین دچ، جنوب دلتای رودخانه زرد: پویایی در دومین منطقه بزرگ تولید نفت چین در طی چهار دهه. Appl. Geogr. 2014 ، 55 ، 92-107. [ Google Scholar ] [ CrossRef ]
  76. الکساندریدیس، TK; سوتیروپولو، AM; بیلاس، جی. کاراپتزاس، ن. Silleos، NG اثرات فصلی در برآورد ضریب C مطالعات فرسایش خاک. تخریب زمین توسعه دهنده 2015 ، 26 ، 596-603. [ Google Scholar ] [ CrossRef ]
  77. Ghosh, MK; کومار، ال. روی، سی. نظارت بر تغییر خط ساحلی جزیره هاتیه در بنگلادش با استفاده از تکنیک‌های سنجش از دور. ISPRS J. Photogramm. Remote Sens. 2015 ، 101 ، 137-144. [ Google Scholar ] [ CrossRef ]
  78. عبدالرحمن، م. ناتاراجان، ع. Hegde، R. ارزیابی تناسب زمین و قابلیت با ادغام سنجش از دور و GIS برای کشاورزی در منطقه Chamarajanagar، کارناتاکا، هند. مصر. J. Remote Sens. Space Sci. 2016 ، 19 ، 125-141. [ Google Scholar ] [ CrossRef ]
  79. نوگیرگ، اف. استارک، ام. قیصر، ا. ولاسیلوا، م. دلا ستا، م. ورگاری، ف. اشمیت، جی. بچت، ام. هاس، F. فرآیندهای فرسایش در کالانچی در دره اورسیا بالا، توسکانی جنوبی، ایتالیا بر اساس بررسی‌های چندزمانی زمینی با وضوح بالا LiDAR و پهپاد. ژئومورفولوژی 2016 ، 269 ، 8-22. [ Google Scholar ] [ CrossRef ]
  80. رایگانی، ب. براتی، س. سهرابی، TA; Sonboli، B. ظرفیت داده های سنجش از دور برای ارزیابی تخریب خاک. مصر. J. Remote Sens. Space Sci. 2016 ، 19 ، 207-222. [ Google Scholar ] [ CrossRef ]
  81. دوان، ا. گوشه، آر. سلیم، ع. رحمان، م.م. حیدر، MR; رحمان، م.م. سارکر، MH ارزیابی تغییرات کانال سیستم رودخانه گنگ-پادما در بنگلادش با استفاده از لندست و داده های هیدرولوژیکی. ژئومورفولوژی 2017 ، 276 ، 257-279. [ Google Scholar ] [ CrossRef ]
  82. چاپل، آ. وب، NP; Guerschman، JP; توماس، DT; ماتا، جی. Handcock، RN; لیز، جی اف. باتلر، HJ بهبود نظارت بر پوشش زمین برای ارزیابی فرسایش بادی با استفاده از پارامترهای MODIS BRDF. سنسور از راه دور محیط. 2018 ، 204 ، 756-768. [ Google Scholar ] [ CrossRef ]
  83. نایجل، آر. Rughoopoth، S. نقشه برداری ماهانه خطر فرسایش خاک سرزمین اصلی موریس و تجمع آن با حوضه های مشخص شده. ژئومورفولوژی 2010 ، 114 ، 101-114. [ Google Scholar ] [ CrossRef ]
  84. جین، MK; Das, D. برآورد رسوب دهی و مناطق فرسایش و رسوب خاک برای اولویت بندی حوضه با استفاده از GIS و سنجش از دور. منبع آب مدیریت 2010 ، 24 ، 2091-2112. [ Google Scholar ] [ CrossRef ]
  85. Chou، WC مدلسازی مقیاس حوضه پیش‌بینی تلفات خاک و تخمین عملکرد رسوب. منبع آب مدیریت 2010 ، 24 ، 2075-2090. [ Google Scholar ] [ CrossRef ]
  86. هوی، ال. شیائولینگ، سی. لیم، کی جی؛ شیائوبین، سی. ساگونگ، M. ارزیابی فرسایش خاک و عملکرد رسوب در حوضه آبخیز لیائو، استان جیانگشی، چین، با استفاده از USLE، GIS، و RS. J. Earth Sci. 2010 ، 21 ، 941-953. [ Google Scholar ] [ CrossRef ]
  87. اویانگ، دبلیو. هائو، اف. اسکیدمور، AK; Toxopeus، AG فرسایش خاک و عملکرد رسوب و ارتباط آنها با پوشش گیاهی در جریان بالایی رودخانه زرد. علمی کل محیط. 2010 ، 409 ، 396-403. [ Google Scholar ] [ CrossRef ]
  88. دمیرچی، ع. Karaburun، A. برآورد فرسایش خاک با استفاده از RUSLE در یک چارچوب GIS: مطالعه موردی در حوزه آبخیز دریاچه Buyukcekmece، شمال غرب ترکیه. محیط زیست علوم زمین 2012 ، 66 ، 903-913. [ Google Scholar ] [ CrossRef ]
  89. مانگارا، پ. کاکمبو، وی. Lim، KJ ارزیابی خطر فرسایش خاک حوضه Keiskamma، آفریقای جنوبی با استفاده از GIS و سنجش از دور. محیط زیست علوم زمین 2012 ، 65 ، 2087-2102. [ Google Scholar ] [ CrossRef ]
  90. پرادان، بی. چودهری، ع. آدینارایانا، جی. Buchroithner، MF ارزیابی فرسایش خاک و ارتباط آن با رویدادهای زمین لغزش با استفاده از داده های سنجش از راه دور و GIS: مطالعه موردی در جزیره پنانگ، مالزی. محیط زیست نظارت کنید. ارزیابی کنید. 2012 ، 184 ، 715-727. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  91. پراساناکومار، وی. ویجیت، اچ. آبینود، س. Geetha، N. برآورد خطر فرسایش خاک در یک زیرحوضه کوهستانی کوچک در کرالا، هند، با استفاده از معادله جهانی از دست دادن خاک (RUSLE) و فناوری اطلاعات جغرافیایی. Geosci. جلو. 2012 ، 3 ، 209-215. [ Google Scholar ] [ CrossRef ]
  92. رانزی، ر. Le, TH; رولی، MC رویکرد RUSLE برای مدل‌سازی بار رسوب معلق در رودخانه لو (ویتنام): اثرات مخازن و تغییرات کاربری زمین. جی هیدرول. 2012 ، 422 ، 17-29. [ Google Scholar ] [ CrossRef ]
  93. استیوز، TCJ; کرکبی، ام جی. Shakesby، RA; فریرا، AJD; Soares، JAA; ایروین، بی جی; فریرا، CSS؛ کوئلیو، COA; بنتو، CPM؛ Carreiras، MA کاهش تخریب زمین ناشی از آتش سوزی: استفاده از مدل PESERA در سایت های متاثر از آتش سوزی در مرکز پرتغال. ژئودرما 2012 ، 191 ، 40-50. [ Google Scholar ] [ CrossRef ]
  94. چاترجی، اس. کریشنا، AP; شارما، AP ارزیابی جغرافیایی آسیب‌پذیری فرسایش خاک در سطح حوضه در برخی از بخش‌های حوضه رودخانه سوبارنارخا، جارکند، هند. محیط زیست علوم زمین 2014 ، 71 ، 357-374. [ Google Scholar ] [ CrossRef ]
  95. سان، دبلیو. شائو، کیو. لیو، جی. Zhai، J. ارزیابی اثرات استفاده از زمین و توپوگرافی بر فرسایش خاک در فلات لس در چین. کاتنا 2014 ، 121 ، 151-163. [ Google Scholar ] [ CrossRef ]
  96. سیلک، ا. بربراوغلو، س. کرکبی، ام. ایروین، بی. دونمز، سی. اردوغان، کارشناسی ارشد مدل‌سازی فرسایش در یک زیرحوضه مدیترانه تحت سناریوهای تغییر اقلیم با استفاده از ارزیابی خطر فرسایش خاک پان‌اروپایی (PESERA). بین المللی قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2015 ، 40 ، 359. [ Google Scholar ] [ CrossRef ]
  97. آیلو، آ. آدامو، م. Canora، F. سنجش از دور و GIS برای ارزیابی فرسایش خاک با RUSLE3D و USPED در مقیاس حوضه رودخانه در جنوب ایتالیا. Catena 2015 ، 131 ، 174-185. [ Google Scholar ] [ CrossRef ]
  98. گئوبی، آی. چابانی، ع. مامو، AB; حمزه، MH یک پیش‌بینی فرسایش خاک مبتنی بر GIS با استفاده از معادله جهانی از دست دادن خاک (RUSLE) (حوضه آبخیز لبنا، Cap Bon، تونس). نات. خطرات 2017 ، 86 ، 219-239. [ Google Scholar ] [ CrossRef ]
  99. Bera، A. برآورد از دست دادن خاک با استفاده از مدل USLE با استفاده از GIS و تکنیک های سنجش از دور: مطالعه موردی حوضه رودخانه Muhuri، Tripura، هند. Eurasian J. Soil Sci. 2017 ، 6 ، 206. [ Google Scholar ] [ CrossRef ]
  100. بوگرا، اچ. بووانانی، ع. خانچول، ک. دردوس، او. تاچی، SE نقشه برداری مناطق مستعد فرسایش در حوزه آبخیز بوحمدان (الجزایر) با استفاده از معادله جهانی تلفات خاک از طریق GIS. J. Water Land Dev. 2017 ، 32 ، 13-23. [ Google Scholar ] [ CrossRef ]
  101. کاریداس، سی جی; پاناگوس، P. مدل فرسایش G2: الگوریتمی برای ارزیابی گام های ماهانه. محیط زیست Res. 2018 ، 161 ، 256-267. [ Google Scholar ] [ CrossRef ]
  102. له، م. باجوا، س. Chaubey، I. تأثیر تغییر کاربری زمین بر خطر فرسایش: یک سنجش از دور یکپارچه، سیستم اطلاعات جغرافیایی و روش‌شناسی مدل‌سازی. تخریب زمین توسعه دهنده 2013 ، 24 ، 409-421. [ Google Scholar ] [ CrossRef ]
  103. پارک، اس. اوه، سی. جئون، اس. یونگ، اچ. Choi، C. خطر فرسایش خاک در حوضه های آبخیز کره، با استفاده از معادله جهانی از دست دادن خاک تجدید نظر شده ارزیابی شده است. جی هیدرول. 2011 ، 399 ، 263-273. [ Google Scholar ] [ CrossRef ]
  104. Chowdary، VM; چاکرابورتی، دی. جیارم، ع. مورتی، YK; شارما، جی آر. دادوال، VK رویکرد تصمیم گیری چند معیاره برای اولویت بندی حوضه با استفاده از تکنیک فرآیند تحلیل سلسله مراتبی و GIS. منبع آب مدیریت 2013 ، 27 ، 3555-3571. [ Google Scholar ] [ CrossRef ]
  105. بدار، ب. رومشو، SA; Khan, MA ادغام اطلاعات بیوفیزیکی و اجتماعی-اقتصادی برای اولویت بندی حوضه های آبخیز در دریاچه هیمالیا کشمیر: رویکرد سنجش از دور و GIS. محیط زیست نظارت کنید. ارزیابی کنید. 2013 ، 185 ، 6419-6445. [ Google Scholar ] [ CrossRef ]
  106. Mello, CD; ویولا، ام آر. بسکو، اس. نورتون، مدل های چند متغیره LD برای فرسایش بارندگی سالانه در برزیل. ژئودرما 2013 ، 202 ، 88-102. [ Google Scholar ] [ CrossRef ]
  107. توماس، جی. جوزف، اس. Thrivikramji، KP ارزیابی فرسایش خاک در حوضه رودخانه کوهستانی گرمسیری در جنوب غربی گات، هند با استفاده از RUSLE و GIS. Geosci. جلو. 2018 ، 9 ، 893-906. [ Google Scholar ] [ CrossRef ]
  108. Macedo، DR; هیوز، آر.ام. کافمن، روابط عمومی؛ Callisto، M. توسعه و اعتبار یک شاخص شکنندگی محیطی (EFI) برای بیوم ساوانای نوگروایی. علمی کل محیط. 2018 ، 635 ، 1267-1279. [ Google Scholar ] [ CrossRef ]
  109. تتزلاف، بی. فردریش، ک. ووردبروگ، تی. وریکن، اچ. Wendland، F. مدل سازی توزیع شده میانگین سالانه فرسایش خاک و نرخ رسوب تحویل به آب های سطحی. Catena 2013 ، 102 ، 13-20. [ Google Scholar ] [ CrossRef ]
  110. شی، ژ. Cai، CF; دینگ، جنوب غربی؛ وانگ، TW; چاو، TL برنامه ریزی حفاظت از خاک در سطح حوضه کوچک با استفاده از RUSLE با GIS: مطالعه موردی در منطقه سه دره چین. Catena 2004 ، 55 ، 33-48. [ Google Scholar ] [ CrossRef ]
  111. شاهین، ش. Kurum، E. تجزیه و تحلیل خطر فرسایش توسط GIS در ارزیابی اثرات زیست محیطی: مطالعه موردی-ساخت سد سیهان کوپرو. جی. محیط زیست. مدیریت 2002 ، 66 ، 239-247. [ Google Scholar ] [ CrossRef ]
  112. Millward, AA; استراتژی‌های حفاظت مرسی، JE برای مدیریت مؤثر زمین مناطق حفاظت‌شده با استفاده از سیستم اطلاعات پیش‌بینی فرسایش (EPIS). جی. محیط زیست. مدیریت 2001 ، 61 ، 329-343. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  113. آگویر، جم؛ Sánchez, JCR Caracterización de las cuencas hydrográficas, objeto de restauración higrológico-forestal, mediante modelos hydrológicos. اینگ. دل آگوا 1994 ، 1 ، 2. [ Google Scholar ]
  114. تابش، م. صابر، ح. مدل اولویت‌بندی بهسازی شبکه‌های توزیع آب با استفاده از GIS. منبع آب مدیریت 2012 ، 26 ، 225-241. [ Google Scholar ] [ CrossRef ]
  115. تانگ، ز. لی، ایکس. ژائو، ن. لی، آر. هاروی، EF توسعه یک شاخص تالاب قابل احیا برای تالاب های حوضه آب باران در جنوب مرکزی نبراسکا: یک تحلیل فضایی چند معیاره. Wetlands 2012 ، 32 ، 975-984. [ Google Scholar ] [ CrossRef ]
  116. نخای، ا. آریازا، م. Boerboom, L. ارزیابی خطر فرسایش خاک با استفاده از فرآیند شبکه تحلیلی و GIS: مطالعه موردی از مزارع زیتون کوهی اسپانیا. جی. محیط زیست. مدیریت 2009 ، 90 ، 3091-3104. [ Google Scholar ] [ CrossRef ]
  117. دی پاز، جی.ام. سانچز، جی. Visconti، F. استفاده ترکیبی از GIS و شاخص های زیست محیطی برای ارزیابی تخریب شیمیایی، فیزیکی و بیولوژیکی خاک در یک منطقه مدیترانه اسپانیایی. جی. محیط زیست. مدیریت 2006 ، 79 ، 150-162. [ Google Scholar ] [ CrossRef ]
  118. لیو، سی. فریزر، پی. کومار، ال. Macgregor, C. ارزیابی و اولویت بندی تالاب در سطح حوضه با استفاده از روش تصمیم گیری چند معیاره TOPIS. محیط زیست مدیریت 2006 ، 38 ، 316-326. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  119. مترنیخت، جی. Gonzalez, S. FUERO: مبانی یک مدل اکتشافی فازی برای پیش‌بینی خطر فرسایش خاک. محیط زیست مدل. نرم افزار 2005 ، 20 ، 715-728. [ Google Scholar ] [ CrossRef ]
  120. ناواس، آ. ماچین، جی. Soto, J. ارزیابی فرسایش خاک در حوضه کوهستان پیرنه با استفاده از GIS و ریزش 137Cs. کشاورزی اکوسیستم. محیط زیست 2005 ، 105 ، 493-506. [ Google Scholar ] [ CrossRef ]
  121. Finlayson، DP; مونتگومری، DR مدل‌سازی فرسایش رودخانه‌ای در مقیاس بزرگ در سیستم‌های اطلاعات جغرافیایی. ژئومورفولوژی 2003 ، 53 ، 147-164. [ Google Scholar ] [ CrossRef ]
  122. چاودری، ا. Jha، MK; Chowdary، VM; Mal، BC یکپارچه سنجش از دور و رویکرد مبتنی بر GIS برای ارزیابی پتانسیل آب زیرزمینی در منطقه مدینیپور غربی، بنگال غربی، هند. بین المللی J. Remote Sens. 2009 ، 30 ، 231-250. [ Google Scholar ] [ CrossRef ]
  123. مگش، NS; چاندراسکار، ن. Soundranayagam، JP تعیین مناطق بالقوه آب زیرزمینی در ناحیه تنی، تامیل نادو، با استفاده از تکنیک‌های سنجش از دور، GIS و MIF. Geosci. جلو. 2012 ، 3 ، 189-196. [ Google Scholar ] [ CrossRef ]
  124. بابیکر، IS; محمد، MA; هیاما، تی. ارزیابی کیفیت آب های زیرزمینی با استفاده از GIS. منبع آب مدیریت 2007 ، 21 ، 699-715. [ Google Scholar ] [ CrossRef ]
  125. موکرجی، اس. ویر، وی. Tyagi، SK; شارما، وی. مطالعه ته نشینی مخزن هیراکود از طریق تکنیک های سنجش از دور. جی. اسپات. هیدرول. 2007 ، 7 ، 1. [ Google Scholar ]
  126. صراف، ع.ک. Choudhury، PR یکپارچه سنجش از راه دور و GIS برای اکتشاف آب های زیرزمینی و شناسایی سایت های تغذیه مصنوعی. بین المللی J. Remote Sens. 1998 ، 19 ، 1825-1841. [ Google Scholar ] [ CrossRef ]
  127. بابیکر، IS; محمد، MA; ترائو، اچ. کاتو، ک. Ohta, K. ارزیابی آلودگی آب های زیرزمینی توسط شستشوی نیترات از کشت فشرده سبزیجات با استفاده از سیستم اطلاعات جغرافیایی. محیط زیست بین المللی 2004 ، 29 ، 1009-1017. [ Google Scholar ] [ CrossRef ]
  128. شتکار، RV; Mahesha، A. توسعه حوضه رودخانه گرمسیری، فصلی: تجزیه و تحلیل هیدروژئولوژیکی. جی هیدرول. مهندس 2004 ، 16 ، 280-291. [ Google Scholar ] [ CrossRef ]
  129. سنر، ای. داوراز، ع. Ozcelik، M. ادغام GIS و سنجش از دور در تحقیقات آب های زیرزمینی: مطالعه موردی در Burdur، ترکیه. هیدروژئول. J. 2005 ، 13 ، 826-834. [ Google Scholar ] [ CrossRef ]
  130. Engman، ET; Gurney، RJ سنجش از دور در هیدرولوژی ؛ چپمن و هال: لندن، بریتانیا، 1991. [ Google Scholar ]
  131. Jha، MK; چاودری، ا. Chowdary، VM; Peiffer، S. مدیریت و توسعه آب های زیرزمینی توسط سنجش از دور و سیستم های اطلاعات جغرافیایی یکپارچه: چشم اندازها و محدودیت ها. منبع آب مدیریت 2007 ، 21 ، 427-467. [ Google Scholar ] [ CrossRef ]
  132. Todd, DK Groundwater Hydrogeology , 2nd ed.; جان وایلی و پسر: نیویورک، نیویورک، ایالات متحده آمریکا، 1980. [ Google Scholar ]
  133. Jha، MK; Peiffer, S. کاربردهای فن آوری های سنجش از دور و GIS در هیدرولوژی آب های زیرزمینی: گذشته، حال و آینده . BayCEER: Bayreuth، آلمان، 2006; پ. 201. [ Google Scholar ]
  134. تیواری، ع. Rai، B. نقشه برداری هیدرومورفوژئولوژیک برای اکتشاف آب های زیرزمینی با استفاده از تصاویر Landsat-MSS-مطالعه موردی بخشی از ناحیه دنباد، بیهار. J. شرکت هندی Remote Sens. 1996 , 24 , 281-285. [ Google Scholar ] [ CrossRef ]
  135. داس، اس. Behera, SC; کار، ا. نارندرا، پی. Guha، S. نقشه برداری هیدروژئومورفولوژیکی در اکتشاف آب های زیرزمینی با استفاده از داده های سنجش از دور – مطالعه موردی در منطقه Keonjhar، اوریسا. J. شرکت هندی Remote Sens. 1997 , 25 , 247-259. [ Google Scholar ] [ CrossRef ]
  136. توماس، ا. شارما، پی کی. شارما، MK; سود، الف. نقشه‌برداری هیدروژئومورفولوژیکی در ارزیابی آب‌های زیرزمینی با استفاده از داده‌های سنجش از دور – مطالعه موردی در بلوک لهرا گاگا، ناحیه سنگر، ​​پنجاب. J. شرکت هندی Remote Sens. 1999 , 27 , 31. [ Google Scholar ] [ CrossRef ]
  137. هارینارایانان، پ. گوپالاکریشنا، جی اس. Balasubramanian، A. داده های سنجش از دور برای توسعه و مدیریت آب های زیرزمینی در حوضه آبخیز کرالاپورا از حوضه کووری، کارناتاکا، هند. مواد معدنی هند. 2000 ، 34 ، 11-17. [ Google Scholar ]
  138. مورالیذر، م. راجو، KRK؛ راجو، KSVP؛ کاربردهای سنجش از دور پراساد، JR برای ارزیابی منابع آب در منطقه دیم، منطقه وارنگال، آندرا پرادش. معدنچی هندی 2000 ، 34 ، 33-40. [ Google Scholar ]
  139. چاودری، ا. Jha، MK; Chowdary، VM تعیین مناطق تغذیه آب زیرزمینی و شناسایی سایت‌های تغذیه مصنوعی در منطقه مدینی‌پور غربی، بنگال غربی، با استفاده از تکنیک‌های RS، GIS و MCDM. محیط زیست علوم زمین 2010 ، 59 ، 1209. [ Google Scholar ] [ CrossRef ]
  140. Stafford، DB مهندسی عمران برنامه های کاربردی سنجش از دور و سیستم های اطلاعات جغرافیایی ; ASCE: Reston، VA، ایالات متحده آمریکا، 1991. [ Google Scholar ]
  141. Goodchild، MF وضعیت GIS برای حل مشکلات زیست محیطی. در مدلسازی محیطی با GIS ; IntechOpen: لندن، انگلستان، 1993; صص 8-15. [ Google Scholar ]
  142. چوپرا، آر. Sharma، PK تجزیه و تحلیل شکل زمین و پتانسیل آب زیرزمینی در منطقه Bist Doab، پنجاب، هند. بین المللی J. Remote Sens. 1993 , 14 , 3221-3229. [ Google Scholar ] [ CrossRef ]
  143. Sander، P. مکان یابی چاه آب در مناطق سنگ سخت: شناسایی اهداف امیدوارکننده با استفاده از یک رویکرد احتمالی. هیدروژئول. J. 1997 ، 5 ، 32-43. [ Google Scholar ] [ CrossRef ]
  144. Teeuw، RM اکتشاف آب های زیرزمینی با استفاده از سنجش از دور و یک سیستم اطلاعات جغرافیایی کم هزینه. هیدروژئول. J. 1995 ، 3 ، 21-30. [ Google Scholar ] [ CrossRef ]
  145. دار، IA; سانکار، ک. Dar, MA رمزگشایی مناطق بالقوه آب زیرزمینی در زمین سنگ سخت با استفاده از فناوری جغرافیایی. محیط زیست نظارت کنید. ارزیابی کنید. 2011 ، 173 ، 597-610. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  146. کومار، SK; چاندراسکار، ن. سرالاتان، پی. پسر خوانده، PS; Magesh، NS مطالعه هیدروژئوشیمیایی سفره های کربناته کم عمق، جزیره رامسوارام، هند. محیط زیست نظارت کنید. ارزیابی کنید. 2012 ، 184 ، 4127-4138. [ Google Scholar ] [ CrossRef ]
  147. Jankowski, P. یکپارچه سازی سیستم های اطلاعات جغرافیایی و روش های تصمیم گیری چند معیاره. بین المللی جی. جئوگر. Inf. سیستم 1995 ، 9 ، 251-273. [ Google Scholar ] [ CrossRef ]
  148. سلیمان، س. Quiel، F. مطالعه آب های زیرزمینی با استفاده از سنجش از دور و سیستم های اطلاعات جغرافیایی (GIS) در ارتفاعات مرکزی اریتره. هیدروژئول. J. 2006 , 14 , 229-741. [ Google Scholar ] [ CrossRef ]
  149. پراساد، RK; موندال، NC; بانرجی، پ. نانداکومار، ام وی؛ سینگ، در مقابل رمزگشایی پهنه بالقوه آب زیرزمینی در سنگ سخت با استفاده از GIS. محیط زیست جئول 2008 ، 55 ، 467-475. [ Google Scholar ] [ CrossRef ]
  150. گوستافسون، پی. تصاویر ماهواره ای با وضوح بالا و GIS به عنوان ابزاری پویا در اکتشاف آب های زیرزمینی در یک منطقه نیمه خشک . انتشارات IAHS: Wallingford، UK، 1993. [ Google Scholar ]
  151. اسنایدر، RL; Melo-Abreu، JD Frost Protection: Fundamentals، Practice and Economics . سازمان غذا و کشاورزی سازمان ملل متحد: رم، ایتالیا، 2005; جلد 1، صص 1–240.
  152. Kramer، PJ روابط آبی گیاهان ; انتشارات آکادمیک: سن دیگو، کالیفرنیا، ایالات متحده آمریکا، 1983. [ Google Scholar ]
  153. Waring، RH; Schlesinger, WH Forest Ecosystems, Concepts and Management ; انتشارات آکادمیک: اورلاندو، فلوریدا، ایالات متحده آمریکا، 1985. [ Google Scholar ]
  154. آبر، ج.د. Melillo, JM Terrestrial Ecosystems ; انتشارات کالج ساندرز: فیلادلفیا، PA، ایالات متحده آمریکا، 1991. [ Google Scholar ]
  155. بلنو، ک. لیندکویست، ال. مدل‌های دمای پایین و تابش زیاد و کاربرد آن‌ها در توضیح خطر مرگ و میر گیاهچه. برای. Ecol. مدیریت 2000 ، 135 ، 289-301. [ Google Scholar ] [ CrossRef ]
  156. Thornes، JE Road Salting – بررسی بین المللی هزینه/فایده. در هشتمین سمپوزیوم جهانی نمک Geertman، RM، Ed. الزویر: آمستردام، هلند؛ نیویورک، نیویورک، ایالات متحده آمریکا، 2000; جلد 2، ص 787–790. [ Google Scholar ]
  157. چپمن، ال. تورنز، جی. برادلی، AV مدل‌سازی دمای سطح جاده از پایگاه داده پارامترهای جغرافیایی. قسمت 2: عددی. هواشناسی Appl. 2001 ، 8 ، 421-436. [ Google Scholar ] [ CrossRef ]
  158. لوکا، پ. پاپانیکولائو، آی. پتروپولوس، GP; کالوگروپولوس، ک. Stathopoulos, N. شناسایی الگوهای همبسته فضایی بین آب سطحی و خطر سرمازدگی با استفاده از داده‌های EO و شاخص‌های مکانی. Water 2020 , 12 , 700. [ Google Scholar ] [ CrossRef ]
  159. Simões، DDS؛ فونتانا، دی سی؛ Vicari، MB استفاده از تصاویر LST از حسگر MODIS/AQUA به عنوان نشانه ای از وقوع یخ زدگی در RS. سوتین کشیش. De Eng. محیط آگریکولا ای. 2015 ، 19 ، 920-925. [ Google Scholar ]
  160. بنعلی، ع. کاروالیو، ای سی Nunes، JP; کاروالهایس، ن. سانتوس، الف. تخمین دمای سطح هوا در پرتغال با استفاده از داده های MODIS LST. سنسور از راه دور محیط. 2012 ، 124 ، 108-121. [ Google Scholar ] [ CrossRef ]
  161. ویلموت، سی جی; رابسون، SM درونیابی با کمک اقلیم شناسی (CAI) دمای هوای زمینی. بین المللی جی.کلیماتول. 1995 ، 15 ، 221-229. [ Google Scholar ] [ CrossRef ]
  162. Czajkowski، KP; گووارد، SN; Stadler، SJ; Walz, A. سنجش از دور حرارتی متغیرهای محیطی سطح نزدیک: کاربرد بر روی مزونت اوکلاهما. پروفسور Geogr. 2000 ، 52 ، 345-357. [ Google Scholar ] [ CrossRef ]
  163. ناسا – سازمان ملی هوانوردی و فضایی. در دسترس آنلاین: https://lpdaac.usgs.gov/dataset_discovery/modis/modis_products_table/myd11a1 (در 16 مارس 2013 قابل دسترسی است).
  164. ناسا – سازمان ملی هوانوردی و فضایی. در دسترس آنلاین: https://cmr.earthdata.nasa.gov/search/concepts/C1299783630-LPDAAC_ECS (در تاریخ 16 فوریه 2016 قابل دسترسی است).
  165. یو، ایکس. گوا، ایکس. Wu, Z. بازیابی دمای سطح زمین از Landsat 8 TIRS – مقایسه بین روش مبتنی بر معادله انتقال تابشی، الگوریتم پنجره تقسیم و روش تک کانال. Remote Sens. 2014 , 6 , 9829–9852. [ Google Scholar ] [ CrossRef ]
  166. ESA – آژانس فضایی اروپا در دسترس آنلاین: https://sentinels.copernicus.eu/documents/247904/2731673/Sentinel-3-SLSTR-level-2-Land-Product-Notice (در 11 مارس 2020 قابل دسترسی است).
  167. گائو، اف. ماسک، جی. شوالر، ام. هال، F. در مورد ترکیب بازتاب سطح لندست و MODIS: پیش‌بینی بازتاب روزانه سطح لندست. IEEE. ترانس. Geosci. Remote Sens. 2006 , 44 , 2207–2218. [ Google Scholar ]
  168. کول، سی. کاسلس، وی. شجاع، ای. نیکلوس، آر. سانچز، جی.ام. Galve، JM; Mira، M. جداسازی دما و انتشار از داده‌های ASTER برای سطوح کنتراست طیفی کم. سنسور از راه دور محیط. 2007 ، 110 ، 162-175. [ Google Scholar ] [ CrossRef ]
  169. لیو، اچ. Weng، Q. افزایش وضوح زمانی تصاویر ماهواره ای برای مطالعات بهداشت عمومی: مطالعه موردی شیوع ویروس نیل غربی در لس آنجلس در سال 2007. محیط سنسور از راه دور. 2012 ، 117 ، 57-71. [ Google Scholar ] [ CrossRef ]
  170. سمنز، کا. اندرسون، ام سی؛ کوستاس، WP; گائو، اف. آلفیری، جی جی; مک کی، ال. Xia، T. نظارت بر تبخیر و تعرق روزانه در دو تاکستان کالیفرنیا با استفاده از Landsat 8 در رویکرد همجوشی داده چند سنسوری. سنسور از راه دور محیط. 2016 ، 185 ، 155-170. [ Google Scholar ] [ CrossRef ]
  171. اسمیت، ک. Petley، DN Environmental Hazards: Assessing Risk and Reducing Disaster , 5th ed.; Routledge: Abingdon، UK، 2009. [ Google Scholar ]
  172. Maantay، J. Maroko، A. نقشه برداری خطر شهری: خطرات سیل، نژاد، و عدالت زیست محیطی در نیویورک. Appl. Geogr. 2009 ، 29 ، 111-124. [ Google Scholar ] [ CrossRef ]
  173. اسمیت، ک. خطرات زیست محیطی ارزیابی خطر و کاهش بلایا ، ویرایش 3. Routledge: لندن، انگلستان، 2001. [ Google Scholar ]
  174. وانگ، ی. با استفاده از داده‌های Landsat 7 TM چند روز پس از وقوع سیل برای تعیین حداکثر وسعت سیل در دشت سیلابی ساحلی. بین المللی J. Remote Sens. 2004 ، 25 ، 959-974. [ Google Scholar ] [ CrossRef ]
  175. Lekkas، E. بلایای طبیعی و تکنولوژیکی ; Access Pre-Press، 2000; در دسترس آنلاین: https://www.researchgate.net/publication/226053524_Natural_and_Technological_Disasters (در 2 فوریه 2021 قابل دسترسی است).
  176. Handmer، JW نقشه های خطر سیل به عنوان اطلاعات عمومی: ارزیابی در چارچوب برنامه کاهش خسارت سیل در کانادا. می توان. منبع آب J. 1980 , 5 , 82-110. [ Google Scholar ] [ CrossRef ]
  177. Handmer، JW; نقشه های Milne, J. Flood به عنوان اطلاعات عمومی. در مجموعه مقالات کنفرانس مدیریت دشت سیلابی، کانبرا، استرالیا، 7-10 مه 1980. سری کنفرانس 4. شورای منابع آب استرالیا: کانبرا، استرالیا. سرویس انتشارات دولتی استرالیا: کانبرا، استرالیا، 1981; ص 1-26. [ Google Scholar ]
  178. Deekshatulu، BL; لوهانی، BN; نارایان، هشدار و ارزیابی فاجعه LRA توسط سنجش از راه دور. در مجموعه مقالات کنفرانس آسیای جنوب شرقی در زمینه مهندسی خاک، تایپه، تایوان، 19-28 مه 1980; صص 819-824. [ Google Scholar ]
  179. هوبرت-موی، ال. گانزتی، آی. باریو، آر. Mounier, J. نقشه‌های مناطق سیل‌زده در Ille-et-Vilaine از طریق سنجش از دور [Une cartographie des zones inondables en Ille-et-Vilaine par teledetection]. نورویس 1992 ، 155 ، 337-347. [ Google Scholar ] [ CrossRef ]
  180. Biggin، DS; Blyth، K. مقایسه رادار ماهواره ای ERS-1 و عکسبرداری هوایی برای نقشه برداری سیل رودخانه. نمودار J. Inst. محیط زیست آب مدیریت 1996 ، 10 ، 59-64. [ Google Scholar ] [ CrossRef ]
  181. وبستر، TL; فوربس، دی ال. دیکی، اس. Shreenan، R. استفاده از لیدار توپوگرافی برای ترسیم خطر سیل ناشی از حوادث طوفان در شارلوت تاون، جزیره پرنس ادوارد، کانادا. می توان. J. Remote Sens. 2004 ، 30 ، 64-76. [ Google Scholar ] [ CrossRef ]
  182. دوان، AM; کوماموتو، تی. Nishigaki، M. ترسیم خطر سیل در داکای بزرگ، بنگلادش با استفاده از GIS یکپارچه و رویکرد سنجش از دور. Geocarto Int. 2006 ، 21 ، 33-38. [ Google Scholar ] [ CrossRef ]
  183. Knebl، MR; یانگ، ZL; هاچیسون، ک. Maidment، DR مدل‌سازی سیل در مقیاس منطقه‌ای با استفاده از بارش NEXRAD، GIS، و HEC-HMS/RAS: مطالعه موردی برای رویداد طوفان تابستان 2002 حوضه رودخانه سن آنتونیو. جی. محیط زیست. مدیریت 2005 ، 75 ، 325-336. [ Google Scholar ] [ CrossRef ]
  184. استاتوپولوس، ن. لوکا، پ. کالوگروپولوس، ک. کریمبالیس، ای. پاپادوپولوس، آ. Chalkias، C. ارزیابی تاثیر سیل از طریق تجزیه و تحلیل داده های SAR و GIS. برنامه های کاربردی در حوضه رودخانه Sperchios یونان. در مجموعه مقالات دومین کنفرانس GIS و تجزیه و تحلیل فضایی در کشاورزی و محیط زیست، آتن، یونان، 25-26 مه 2017. [ Google Scholar ]
  185. استاتوپولوس، ن. کالوگروپولوس، ک. پلی کرتیس، سی. اسکریمیزاس، پ. لوکا، پ. کریمبالیس، ای. Chalkias، C. معرفی شاخص حساسیت به سیل با استفاده از داده های سنجش از دور و سیستم های اطلاعات جغرافیایی: تجزیه و تحلیل تجربی در حوضه رودخانه Sperchios، یونان. در سنجش از دور مخاطرات آب و هواشناسی ; پتروپولوس، جی، اسلام، تی.، ویرایش. CRC Press: Boca Raton، FL، ایالات متحده آمریکا، 2018. [ Google Scholar ]
  186. استاتوپولوس، ن. کالوگروپولوس، ک. دیمیتریو، ای. اسکریمیزاس، پ. لوکا، پ. پاپادیاس، وی. Chalkias، C. رویکرد سنجش از دور – مدل‌سازی فضایی – سنجش از دور (RMR) قوی برای ارزیابی خطر سیل. در مدلسازی فضایی در GIS و R برای علوم زمین و محیط زیست ; الزویر: آمستردام، هلند، 2019؛ صص 391-410. [ Google Scholar ]
  187. پولویرنتی، ال. پیردیکا، ن. چینی، م. Guerriero, L. الگوریتمی برای نقشه برداری سیل عملیاتی از داده های رادار دهانه مصنوعی (SAR) با استفاده از منطق فازی. نات. سیستم خطرات زمین. علمی 2011 ، 11 ، 529-540. [ Google Scholar ] [ CrossRef ]
  188. استانکلی، جی. Craciunescu، V. مشارکت داده‌های رصد زمین که توسط حسگرهای ماهواره‌ای جدید برای ارزیابی بلایای سیل و کاهش خطر ارائه شده است. در اطلاعات جغرافیایی برای مدیریت بلایا ؛ Springer: برلین/هایدلبرگ، آلمان، 2005; ص 1315–1332. [ Google Scholar ]
  189. تاپیا-سیلوا، FO; نونیز، جی.ام. López-López، D. استفاده از تصاویر SRTM DEM، Landsat ETM+ و مدل توزیع شده بارش-رواناب برای تعریف نقشه های خطر سیل در دره های شهری. در مجموعه مقالات سی و دومین سمپوزیوم بین المللی سنجش از دور محیط زیست: توسعه پایدار از طریق مشاهدات جهانی زمین، سان خوزه، کاستاریکا، 25-29 ژوئن 2007. پ. 4. [ Google Scholar ]
  190. اسکاکون، س. کوسول، ن. شلستوف، آ. Kussul، O. خطر سیل و ارزیابی خطر سیل با استفاده از یک سری زمانی از تصاویر ماهواره ای: مطالعه موردی در نامیبیا. مقعد ریسک. 2014 ، 34 ، 1521-1537. [ Google Scholar ] [ CrossRef ]
  191. پلتیر، جی دی. مایر، ال. Pearthree، PA; خانه، PK; دمسی، کالیفرنیا؛ کلاون، جی. Vincent، KR یک رویکرد یکپارچه برای ارزیابی خطر سیل در مخروط افکنه ها با استفاده از مدل سازی عددی، نقشه برداری میدانی و سنجش از دور. گاو نر جئول Soc. صبح. 2005 ، 117 ، 1167-1180. [ Google Scholar ] [ CrossRef ]
  192. روزالیس، اس. مورین، ای. یایر، ی. قیمت، C. پیش‌بینی سیل ناگهانی با استفاده از یک مدل هیدرولوژیکی کالیبره نشده و داده‌های بارندگی راداری در یک حوزه آبخیز مدیترانه تحت شرایط هیدرولوژیکی متغیر. جی هیدرول. 2010 ، 394 ، 245-255. [ Google Scholar ] [ CrossRef ]
  193. کورگیلاس، NN; کاراتزاس، GP; نیکولایدیس، NP یک چارچوب یکپارچه برای شبیه سازی هیدرولوژیکی یک حوضه رودخانه ژئومورفولوژیکی پیچیده. جی هیدرول. 2010 ، 381 ، 308-321. [ Google Scholar ] [ CrossRef ]
  194. فوگورا، AA; بیلا، ال. پرادان، بی. محمد، TA; راوشده، س. کوپلینگ مدل‌سازی هیدرودینامیکی و مدل سطح دیجیتال برگرفته از فتوگرامتری هوایی برای سناریوهای شبیه‌سازی سیل با استفاده از GIS: سیل کوالالامپور، مالزی. Disaster Adv. 2011 ، 4 ، 20-28. [ Google Scholar ]
  195. پایوا، RCD؛ کولیشون، دبلیو. Buarque، DC اعتبار سنجی یک مدل هیدرودینامیکی کامل برای مدل‌سازی هیدرولوژیکی در مقیاس بزرگ در آمازون. هیدرول. روند. 2013 ، 27 ، 333-346. [ Google Scholar ] [ CrossRef ]
  196. فورتین، جی. تورکوت، آر. ماسیکوت، اس. موسی، ر. فیتزبک، جی. Villeneuve, J. مدل حوضه پراکنده سازگار با داده های سنجش از دور و GIS I: شرح مدل. جی هیدرول. مهندس 2001 ، 6 ، 91-99. [ Google Scholar ] [ CrossRef ]
  197. Lacroix، MP; مارتز، LW; بادبادک، GW; گاربرشت، جی. استفاده از تکنیک‌های مدل‌سازی تحلیل دیجیتال زمین برای پارامترسازی یک مدل هیدرولوژیکی. محیط زیست مدل. نرم افزار 2002 ، 17 ، 27-136. [ Google Scholar ] [ CrossRef ]
  198. تورن، آر. Woo, M. اثربخشی یک مدل هیدرولوژیکی در شبیه سازی تخلیه از یک حوضه بزرگ کوهستانی. جی هیدرول. 2006 ، 330 ، 301-312. [ Google Scholar ] [ CrossRef ]
  199. Neitsch، SL; آرنولد، AG; کینری، جی آر. Srinivasan، JR; راهنمای کاربر Williams, JR Soil and Water Assessment Tool: نسخه 2000 ; TR-192; موسسه منابع آب تگزاس: ایستگاه کالج، تگزاس، ایالات متحده آمریکا، 2002.
  200. عباسپور، ک.ک. یانگ، جی. ماکسیموف، آی. سیبر، آر. بوگنر، ک. میلیتنر، جی. زوبریست، ج. Srinivasan، R. مدلسازی هیدرولوژی و کیفیت آب در حوضه قبل از آلپ/آلپ Thur با استفاده از SWAT. جی هیدرول. 2007 ، 333 ، 413-430. [ Google Scholar ] [ CrossRef ]
  201. کالوگروپولوس، ک. چالکیاس، سی. پیسیاس، ای. کارالیس، س. کاربرد مدل SWAT برای بررسی ایجاد مخازن. در پیشرفت در تحقیقات محیط زیست آبی ؛ Lambrakis, N., Stournaras, G., Katsanou, K., Eds. اسپرینگر: برلین/هایدلبرگ، آلمان؛ نیویورک، نیویورک، ایالات متحده آمریکا، 2011; جلد دوم، ص 71-79. [ Google Scholar ]
  202. پیسیاس، ای. Psarogiannis، A. کالوگروپولوس، ک. صرفه جویی در آب – یک ضرورت در یک محیط در حال تغییر. مورد مخازن کوچک. در مجموعه مقالات کنفرانس WIN4life، تینوس، یونان، 19 تا 21 سپتامبر 2013. [ Google Scholar ]
  203. کالوگروپولوس، ک. Chalkias، C. مدل‌سازی اثرات تغییر آب و هوا بر رواناب سطحی در حوضه‌های کوچک مدیترانه‌ای: شواهد تجربی از یونان. محیط زیست آب J. 2013 ، 27 ، 505-513. [ Google Scholar ] [ CrossRef ]
  204. آرنولد، جی جی؛ Fohrer, N. SWAT2000: قابلیت‌ها و فرصت‌های تحقیقاتی کنونی در مدل‌سازی کاربردی حوزه آبخیز. هیدرول. روند. 2005 ، 19 ، 563-572. [ Google Scholar ] [ CrossRef ]
  205. آمنگوال، ا. رومرو، آر. گومز، ام. مارتین، ای. آلونسو، S. یک مطالعه مدلسازی آب و هواشناسی یک رویداد سیل ناگهانی در کاتالونیا، اسپانیا. J. Hydrometeorol. 2007 ، 8 ، 282-303. [ Google Scholar ] [ CrossRef ]
  206. مک کول، سی. آگت، جی. پیش بینی کاربری زمین و ادغام مدل هیدرولوژیکی برای بهبود پشتیبانی تصمیم گیری کاربری زمین. جی. محیط زیست. مدیریت 2007 ، 84 ، 494-512. [ Google Scholar ] [ CrossRef ]
  207. گل، برو؛ هارمانجی اوغلو، ن. گل، A. یک رویکرد مدلسازی ترکیبی هیدرولوژیکی و هیدرولیکی برای آزمایش کارایی اقدامات کنترل سیل ساختاری. نات. خطرات 2010 ، 54 ، 245-260. [ Google Scholar ] [ CrossRef ]
  208. پوپسکو، آی. جونوسکی، ا. ون آندل، اس جی. اونیاری، ای. Moya Quiroga، VG مدل سازی یکپارچه برای کاهش خطر سیل در رومانی: مطالعه موردی حوضه رودخانه Timis-Bega. حوضه رودخانه Manag. 2010 ، 8 ، 269-280. [ Google Scholar ] [ CrossRef ]
  209. چودهری، ک. پانی گراهی، ب. چاندرا، JP شبیه سازی فرآیند بارش-رواناب با استفاده از مدل HEC-HMS برای حوضه آبخیز بالیجوره نالا، اودیشا، هند. بین المللی جی. ژئومات. Geosci. 2014 ، 5 ، 253-265. [ Google Scholar ]
  210. مندز، جی. Maia، R. کالیبراسیون مدلسازی هیدرولوژیکی برای پیش بینی سیل عملیاتی. منبع آب مدیریت 2016 ، 30 ، 5671-5685. [ Google Scholar ] [ CrossRef ]
  211. الزهرانی، م. العریق، Α.; شریف، Η.Ο. برآورد پتانسیل سیل شهری در نزدیکی خروجی یک حوضه آبریز خشک در عربستان سعودی Geomat. نات. خطر خطرات 2017 ، 8 ، 672-688. [ Google Scholar ] [ CrossRef ]
  212. جیا، ی. وانگ، اچ. ژو، ز. کیو، ی. لو، ایکس. وانگ، جی. یان، دی. Qin, D. توسعه مدل هیدرولوژیکی توزیع شده WEP-L و ارزیابی دینامیکی منابع آب در حوضه رودخانه زرد. جی هیدرول. 2006 ، 331 ، 606-629. [ Google Scholar ] [ CrossRef ]
  213. رعنایی، Ε.; محمودیان، م. قوچانی، اس آر ترکیبی از نرم‌افزارهای HEC-Geo-HMS، HEC-HMS و MIKE11 در مدل‌سازی مسیریابی سیل رودخانه‌ای دو شاخه. در مجموعه مقالات دومین کنفرانس بین المللی علوم محیطی و کامپیوتر، دبی، امارات متحده عربی، 28 تا 30 دسامبر 2009. صص 317-321. [ Google Scholar ]
  214. Van der Knijff, JM; یونس، ج. De Roo، APJ LISFLOOD: یک مدل توزیع شده مبتنی بر GIS برای تعادل آب در مقیاس حوضه رودخانه و شبیه‌سازی سیل. بین المللی جی. جئوگر. Inf. علمی 2010 ، 24 ، 189-212. [ Google Scholar ] [ CrossRef ]
  215. Weng, Q. مدل‌سازی اثرات رشد شهری بر رواناب سطحی با ادغام سنجش از دور و GIS. محیط زیست مدیریت 2001 ، 28 ، 737-748. [ Google Scholar ] [ CrossRef ]
  216. استاملو، ای. کالوگروپولوس، ک. استاتوپولوس، ن. چالکیاس، سی. Katsafados، P. ارزیابی سیل از طریق مدل سلسله مراتبی تحلیلی، GIS و اتوماتای ​​سلولی. در مجموعه مقالات یازدهمین کنگره بین المللی هیدروژئولوژی یونان، آتن، یونان، 4 تا 6 اکتبر 2017. [ Google Scholar ]
  217. Melesse, AM; گراهام، WD پیش بینی رواناب طوفان بر اساس روش زمان سفر توزیع شده مکانی با استفاده از سنجش از دور و GIS. مربا. منبع آب دانشیار 2004 ، 40 ، 863-879. [ Google Scholar ] [ CrossRef ]
  218. اولیورا، اف. والنزوئلا، ام. سرینیواسان، ر. چوی، جی. چو، اچ. کوکا، س. Agrawal، A. ArcGIS-SWAT: یک مدل داده جغرافیایی و رابط GIS برای SWAT. مربا. منبع آب Asoc. 2006 ، 42 ، 295-309. [ Google Scholar ] [ CrossRef ]
  219. ولسکی، پی. Savenije، HHG; موری هادسون، ام. گامبریخت، تی. مدل‌سازی سیل در دلتای اوکاوانگو، بوتسوانا، با استفاده از مدل ترکیبی مخزن-GIS. جی هیدرول. 2006 ، 331 ، 58-72. [ Google Scholar ] [ CrossRef ]
  220. پرادان، ب. نقشه برداری مستعد سیل و ترسیم مناطق خطر با استفاده از رگرسیون لجستیک، GIS و سنجش از دور. جی. اسپات. هیدرول. 2009 ، 9 ، 1-18. [ Google Scholar ]
  221. چن، جی. هیل، AA; Urbano، LD یک مدل مبتنی بر GIS برای طغیان سیل شهری. جی هیدرول. 2009 ، 373 ، 184-192. [ Google Scholar ] [ CrossRef ]
  222. دو، ج. زی، اچ. هو، ی. خو، ی. Xu, CY توسعه و آزمایش یک رویکرد جدید مسیریابی رواناب طوفان بر اساس روش زمان سفر توزیع فضایی متغیر زمانی. جی هیدرول. 2009; 369، 44-54. [ Google Scholar ]
  223. لی، ایکس. وانگ، ی. لیائو، دبلیو. جیانگ، ی. تیان، ی. وانگ، اچ. توسعه ابزار مدل‌سازی هیدرولوژیکی توزیع‌شده کارآمد و مقرون‌به‌صرفه MWEasyDHM بر اساس متن‌باز MapWindow GIS. محاسبه کنید. Geosci. 2011 ، 37 ، 1476-1489. [ Google Scholar ] [ CrossRef ]
  224. سرحدی، ع. سلطانی، س. مدرس، ر. نقشه‌برداری احتمالی طغیان سیل رودخانه‌های اندازه‌گیری نشده: پیوند تکنیک‌های GIS و تحلیل فرکانس. جی هیدرول. 2012 ، 458-459 ، 68-86. [ Google Scholar ] [ CrossRef ]
  225. تهرانی، ام اس; پرادان، بی. جبور، MN پیش‌بینی فضایی مناطق مستعد سیل با استفاده از درخت تصمیم‌گیری مبتنی بر قانون (DT) و مجموعه‌ای جدید از مدل‌های آماری دو متغیره و چند متغیره در GIS. جی هیدرول. 2013 ، 504 ، 69-79. [ Google Scholar ] [ CrossRef ]
  226. گیوتی، ای. ریگا، سی. کالوگروپولوس، ک. Chalkias، C. یک مدل رواناب سیل ناگهانی مبتنی بر GIS با استفاده از DEM با وضوح بالا و داده‌های هواشناسی. EARSeL eProceedings 2013 ، 12 ، 33-43. [ Google Scholar ]
  227. کالوگروپولوس، ک. کارالیس، س. کریمبالیس، ای. چالکیاس، سی. چالکیاس، جی. Katsafados, P. مدلسازی سیلابهای ناگهانی در دهان رودخانه Vouraikos، یونان. در مجموعه مقالات کنفرانس MEDCOAST مجموعه مقالات 2013، مارماریس، ترکیه، 30 اکتبر تا 3 نوامبر 2013. جلد دوم، ص 1135–1146. [ Google Scholar ]
  228. کالوگروپولوس، ک. استاتوپولوس، ن. Psarogiannis، A. پنتریس، دی. تسیاکوس، سی. کاراگیانوپولو، ا. کریکیگیانی، ای. کریمبالیس، ای. Chalkias, C. یک روش مبتنی بر GIS برای ارزیابی خطر سیل. در مجموعه مقالات مجمع عمومی اتحادیه علوم زمین اروپا 2016، وین، اتریش، 17 تا 22 آوریل 2016. [ Google Scholar ]
  229. چالکیاس، سی. استاتوپولوس، ن. کالوگروپولوس، ک. Karymbalis، E. مدلسازی هیدرولوژیکی کاربردی با استفاده از ژئوانفورماتیک: تئوری و عمل. در مدلسازی تجربی و کاربردهای آن ; مامون، HM، اد. InTech: Rijeka، کرواسی، 2016; صص 61-86. [ Google Scholar ]
  230. کالوگروپولوس، ک. استاتوپولوس، ن. Psarogiannis، A. پیسیاس، ای. لوکا، پ. پتروپولوس، GP; Chalkias, C. یک روش مدلسازی یکپارچه GIS-Hydro برای بهره برداری رواناب سطحی از طریق مخازن در مقیاس کوچک. Water 2020 , 12 , 3182. [ Google Scholar ] [ CrossRef ]
  231. فورمتا، جی. آنتونلو، آ. فرانچسکی، اس. دیوید، او. Rigon، R. مدل‌سازی هیدرولوژیکی با مؤلفه‌ها: یک چارچوب منبع باز مبتنی بر GIS. محیط زیست مدل. نرم افزار 2014 ، 55 ، 190-200. [ Google Scholar ] [ CrossRef ]
  232. محمود، SH بررسی مدل‌سازی بارش-رواناب برای مصر با استفاده از سنجش از دور و ادغام GIS. کاتنا 2014 ، 120 ، 111-121. [ Google Scholar ] [ CrossRef ]
  233. تسناکاس، ک. گاکی پاپاناستاسیو، ک. کالوگروپولوس، ک. چالکیاس، سی. کاتصافادوس، پ. Karymbalis، E. بررسی علل طبیعی سیل ناگهانی در تورنت Xirolaki، یونان شمالی بر اساس مدل‌سازی GIS و تحلیل ژئومورفولوژیکی. نات. خطرات 2016 ، 84 ، 1015-1033. [ Google Scholar ] [ CrossRef ]
  234. داوسون، سی دبلیو; Wilby, R. مدلسازی هیدرولوژیکی با استفاده از شبکه های عصبی مصنوعی. Prog. فیزیک Geogr. 2001 ، 25 ، 80-108. [ Google Scholar ] [ CrossRef ]
  235. کیا، مگابایت؛ پیراسته، س. پرادان، بی. محمود، ع. سلیمان، WNA; مرادی، ع. یک مدل شبکه عصبی مصنوعی برای شبیه‌سازی سیل با استفاده از GIS: حوضه رودخانه جوهور، مالزی. محیط زیست علوم زمین 2012 ، 67 ، 251-264. [ Google Scholar ] [ CrossRef ]
  236. موکرجی، ع. چاترجی، سی. Raghuwanshi، NS پیش‌بینی سیل با استفاده از مدل‌های ANN، Neuro-Fuzzy و Neuro-GA. جی هیدرول. مهندس 2009 ، 14 ، 647-652. [ Google Scholar ] [ CrossRef ]
  237. تهرانی، ام اس; پرادان، بی. نقشه‌برداری حساسیت به سیل جبور، MN با استفاده از یک مجموعه جدید وزن‌های شواهد و مدل‌های ماشین بردار پشتیبان در GIS. جی هیدرول. 2014 ، 512 ، 332-343. [ Google Scholar ] [ CrossRef ]
  238. آبلین، م. کازناو، ا. لارنیکول، جی. بالماصدا، م. سیپولینی، پی. فاوگر، ی. Andersen, O. بهبود رکورد سطح دریا در طول دوره ارتفاع سنجی ماهواره ای (1993-2010) از پروژه ابتکار تغییر آب و هوا. اقیانوس. Sci 2015 ، 11 ، 67-82. [ Google Scholar ] [ CrossRef ]
  239. Muhs، DR; وهملر، جی اف. سیمونز، KR; یورک، LL تاریخچه سطح دریا کواترنری ایالات متحده. توسعه دهنده کوات. علمی 2003 ، 1 ، 147-183. [ Google Scholar ]
  240. Bindoff، NL; ویلبراند، جی. آرتال، وی. کازناو، ا. گریگوری، جی. گولف، اس. هاناوا، ک. لو کوئره، سی. لویتوس، اس. نوجیری، ی. و همکاران بخش 5.5.1: اظهارات مقدماتی. In Climate Change 2007: The Physical Science Basis , 2007 ed.; فصل 5; مشاهدات: تغییرات آب و هوای اقیانوس و دریا، سطح. WHO: ژنو، سوئیس؛ UNEP: نایروبی، کنیا، 2007. [ Google Scholar ]
  241. IPCC گرمایش جهانی 1.5 درجه سانتیگراد ؛ Masson-Delmotte، V.، Zhai، P.، Pörtner، HO، Roberts، D.، Skea، J.، Shukla، PR، Pirani، A.، Moufouma-Okia، W.، Péan، C.، Pidcock، R .، ویرایش. گزارش ویژه IPCC درباره تأثیرات گرمایش جهانی 1.5 درجه سانتیگراد بالاتر از سطوح پیش صنعتی و مسیرهای انتشار جهانی گازهای گلخانه ای مرتبط، در زمینه تقویت واکنش جهانی به تهدید تغییرات آب و هوایی؛ IPCC: ژنو، سوئیس، 2018. [ Google Scholar ]
  242. منگل، م. لوورمان، ا. فریلر، ک. رابینسون، ا. Marzeion، B. Winkelmann, R. افزایش سطح دریا در آینده توسط مشاهدات و تعهد طولانی مدت محدود می شود. Proc. Natl. آکادمی علمی ایالات متحده آمریکا 2016 ، 113 ، 2597–2602. [ Google Scholar ] [ CrossRef ]
  243. روور، آ. استوکچی، پ. Vacchi، M. Eustatic و تغییرات نسبی سطح دریا. کر. صعود چانگ. Rep. 2016 , 2 , 4. [ Google Scholar ] [ CrossRef ]
  244. داگلاس، پیش از میلاد خیزش جهانی دریا: تعیین مجدد. Surv. ژئوفیز. 1997 ، 18 ، 279-292. [ Google Scholar ] [ CrossRef ]
  245. جورجوا، اس. گرینسد، آ. مور، جی سی. Holgate، S. روندهای غیرخطی و چرخه چند ساله در سوابق سطح دریا. جی. ژئوفیس. Res. 2006 . [ Google Scholar ] [ CrossRef ]
  246. جورجوا، اس. مور، جی سی. گرینسد، آ. متیوز، AP; Spada، G. روندها و شتاب در سطح دریاهای جهانی و منطقه ای از سال 1807. Glob. سیاره. چانگ. 2014 . [ Google Scholar ] [ CrossRef ]
  247. کلیسا، JA; وایت، نیوجرسی شتاب قرن بیستم در افزایش سطح جهانی سطح دریا. ژئوفیز. Res. Lett. 2006 ، 33 ، L01602. [ Google Scholar ] [ CrossRef ]
  248. کلیسا، JA; افزایش سطح دریای سفید، نیوجرسی از اواخر قرن نوزدهم تا اوایل قرن بیست و یکم. Surv. ژئوفیز. 2011 ، 32 ، 585-602. [ Google Scholar ] [ CrossRef ]
  249. هی، سی سی; مورو، ای. Kopp، RE; Mitrovica، JX تحلیل مجدد احتمالی افزایش سطح دریا در قرن بیستم. طبیعت 2015 ، 517 ، 481-484. [ Google Scholar ] [ CrossRef ]
  250. ووپلمن، جی. مارکوس، ام. حرکت عمودی زمین به عنوان کلیدی برای درک تغییر و تنوع سطح دریا. کشیش ژئوفیس. 2016 ، 54 ، 64-92. [ Google Scholar ] [ CrossRef ]
  251. سیپولینی، پی. کالافات، اف.ام. جورجوا، اس. ملت، ا. پراندی، ص. پایش سطح دریا در منطقه ساحلی با ارتفاع سنجی ماهواره ای و جزر و مد سنج. Surv. ژئوفیز. 2016 ، 32 ، 585-602. [ Google Scholar ]
  252. Gillespie، TW; چو، جی. فرانکنبرگ، ای. توماس، دی. ارزیابی و پیش‌بینی مخاطرات طبیعی از تصاویر ماهواره‌ای. Prog. فیزیک Geogr. 2007 ، 31 ، 459-470. [ Google Scholar ] [ CrossRef ]
  253. کولسون، دی. پتروپولوس، GP; Ferentinos، K. بررسی پتانسیل Sentinels-1 و 2 ماموریت کوپرنیک در حمایت از ارزیابی سریع و مقرون به صرفه آتش سوزی جنگلی. بین المللی J. Appl. Obs زمین. Geoinf. 2018 ، 73 ، 262-276. [ Google Scholar ]
  254. وایت، ا. فردینوس، ک. پتروپولوس، GP یک رویکرد هم افزایی جدید برای نظارت بر تالاب ها با استفاده از داده های Sentinels -1 و 2 با الگوریتم های یادگیری ماشین مبتنی بر شی. محیط زیست مدل. نرم افزار 2018 ، 104 ، 40-57. [ Google Scholar ] [ CrossRef ]
  255. Srivastava، PK؛ پتروپولوس، GP; گوپتا، م. سینگ، SK; اسلام، ت. لوکا، دی. استخراج نقشه های احتمال آتش سوزی جنگل از ادغام داده های ماهواره ای مرئی/مادون قرمز و داده کاوی جغرافیایی. مدل. سیستم زمین محیط زیست 2019 ، در دست چاپ. [ Google Scholar ] [ CrossRef ]
  256. ایوانز، آ. لامین، اس. کالیواس، دی. پتروپولوس، GP بررسی پتانسیل داده های EO و GIS برای مدل سازی سلامت اکوسیستم در پاسخ به آتش سوزی: مطالعه موردی در یونان مرکزی. محیط زیست مهندس مدیریت 2018 ، در دست چاپ. [ Google Scholar ]
  257. پاندی، وی. Srivastava، PK؛ پتروپولوس، GP سهم رصد زمین در پیش‌بینی، مدیریت و کاهش بلایا: دیدگاهی جامع. در تکنیک های مدیریت خطر بلایا و کاهش ; AGU-Wiley: هوبوکن، نیوجرسی، ایالات متحده آمریکا، 2019؛ در مطبوعات؛ فصل 4. [ Google Scholar ]
  258. آموس، سی. پتروپولوس، GP; Feredinos، KP تعیین استفاده از Σentinel-2A MSI برای سوزاندن آتش سوزی و تشخیص شدت. بین المللی J. Remote Sens. 2018 . [ Google Scholar ] [ CrossRef ]
  259. دالزیوس، ن. پتروپولوس، GP; Faraslis, I. مفاهیم و روش شناسی مخاطرات زیست محیطی موثر بر کشاورزی و اکوسیستم های کشاورزی. در تکنیک های مدیریت خطر بلایا و کاهش ; AGU-Wiley: هوبوکن، نیوجرسی، ایالات متحده آمریکا، 2019؛ در مطبوعات؛ فصل 1. [ Google Scholar ]
  260. کرامسوتی، م. پتروپولوس، GP; Papanikolaou، ID; کایریس، او. Kosmas، K. ارزیابی PESERA و RUSLE در پیش بینی نرخ فرسایش در یک مکان مدیترانه ای قبل و بعد از آتش سوزی: مقایسه و مفاهیم. Geoderma 2016 ، 261 ، 44-58. [ Google Scholar ]
  261. Jeyaseelan, A. ارزیابی و پایش خشکسالی ها و سیلاب ها با استفاده از سنجش از دور و GIS، سنجش از دور ماهواره ای و کاربردهای GIS در هواشناسی کشاورزی-فرهنگی . سازمان جهانی هواشناسی: دهرا دون، هند; ژنو، سوئیس، 2003. [ Google Scholar ]
  262. پتروپولوس، GP; کونتوس، سی. کرامیتسوگلو، I. ترسیم منطقه سوخته از دیدگاه واحد زمانی بر اساس طبقه‌بندی تصاویر Landsat TM با استفاده از ماشین‌های بردار پشتیبان. بین المللی J. Appl. Obs زمین. Geoinf. 2011 ، 13 ، 70-80. [ Google Scholar ] [ CrossRef ]
  263. پتروپولوس، GP; Kontoes، CC; کرامیتسوگلو، اول. نقشه‌برداری پوشش زمین با تأکید بر ترسیم منطقه سوخته با استفاده از تصویربرداری مداری ALI و Landsat TM. بین المللی J. Appl. Obs زمین. Geoinf. 2012 ، 18 ، 344-355. [ Google Scholar ] [ CrossRef ]
  264. جویس، KE; بللیس، SE; سامسونوف، اس وی؛ مک نیل، اس جی; Glassey, PJ مروری بر وضعیت سنجش از دور ماهواره ای و تکنیک های پردازش تصویر برای نقشه برداری از خطرات و بلایای طبیعی. Prog. فیزیک Geogr. 2009 ، 33 ، 183-207. [ Google Scholar ] [ CrossRef ]
  265. Tralli، DM; بی جورن، آر جی. زلوتنیکی، وی. دانلان، آ. ایوانز، DL سنجش از دور ماهواره ای خطرات زلزله، آتشفشان، سیل، رانش زمین و آبگرفتگی ساحلی. ISPRS J. Photogramm. Remote Sens. 2005 ، 59 ، 185-198. [ Google Scholar ] [ CrossRef ]
  266. ولپی، م. پتروپولوس، GP; کانفسکی، ام. کارتوگرافی وسعت سیل با تصاویر Landsat TM و تجزیه و تحلیل متمایز هسته فیشر منظم. محاسبه کنید. Geosci. 2013 ، 57 ، 24-31. [ Google Scholar ] [ CrossRef ]
  267. گفت، YA; پتروپولوس، GP; Srivastava، PK ارزیابی تأثیر تصحیح جوی و توپوگرافی بر شناسایی اسکارهای سوخته از وضوح بالا. نات. خطرات 2015 ، 78 ، 1609-1628. [ Google Scholar ] [ CrossRef ]
  268. Kosmopoulos، PG; کازادزیس، س. العسکری، ح. تیلور، ام. گیکاس، ا. پروستاکیس، ای. کونتوس، سی. الخیات، MM برآورد و پیش‌بینی تأثیر ذرات معلق بر انرژی خورشیدی در مصر مبتنی بر رصد زمین. سنجش از دور. 2018 ، 10 ، 1870. [ Google Scholar ] [ CrossRef ]
  269. Knorr، W. پیتارولیس، آی. پتروپولوس، GP; Gobron, N. استفاده ترکیبی از اطلاعات پیش بینی آب و هوا و سنجش از راه دور ماهواره ای برای نظارت بر خطر آتش سوزی، آتش سوزی و اثرات آتش سوزی. محاسبه کنید. Ecol. نرم افزار 2011 ، 1 ، 112-120. [ Google Scholar ]
  270. ایرلند، جی. ولپی، م. پتروپولوس، GP بررسی قابلیت طبقه‌بندی‌کننده‌های یادگیری ماشین نظارت‌شده در استخراج مناطق سیل‌زده از تصاویر Landsat TM: مطالعه موردی از یک سیل مدیترانه. Remote Sens. 2015 , 7 , 3372–3399. [ Google Scholar ] [ CrossRef ]
  271. شین، کیو. اولوفسون، پی. زو، ز. تان، بی. Woodcock، CE به سمت نظارت نزدیک به زمان واقعی اختلالات جنگل با ادغام داده های MODIS و Landsat. سنسور از راه دور محیط. 2013 ، 135 ، 234-247. [ Google Scholar ] [ CrossRef ]
  272. لیو، سی سی; وو، AM; ین، SY; Huang، CH مکان یابی سریع نقاط آتش سوزی از تصاویر با وضوح فضایی بالا Formosat-2: نمونه ای از آتش سوزی کالیفرنیا در سال 2007. بین المللی J. Wildland Fire 2009 ، 18 ، 415-422. [ Google Scholar ] [ CrossRef ]
  273. هوانگ، اس. لی، جی. Xu، M. نظارت بر تغییرات سطح آب و تجزیه و تحلیل خطر سیل در منطقه دریاچه Dongting با استفاده از سری زمانی داده های بلند مدت Terra/MODIS. نات. خطرات 2012 ، 62 ، 93-100. [ Google Scholar ] [ CrossRef ]
  274. Forkuo، EK نقشه‌برداری خطر سیل با استفاده از داده‌های تصویر Aster با GIS. بین المللی جی. ژئومات. Geosci. 2011 ، 1 ، 932-950. [ Google Scholar ]
  275. مک نیل، BE; de Beurs، KM; اشلمان، KN; فاستر، جی آر. Townsend، PA نگهداری محدودیت نیتروژن اکوسیستم توسط اختلال زودگذر جنگل: ارزیابی با استفاده از MODIS، Hyperion، و Landsat ETM +. ژئوفیز. Res. Lett. 2007 ، 34. [ Google Scholar ] [ CrossRef ]
  276. Amarnath، G. الگوریتمی برای نقشه برداری سریع طغیان سیل از داده های نوری با استفاده از تکنیک تفاضل بازتاب. J. مدیریت خطر سیل. 2014 ، 7 ، 239-250. [ Google Scholar ] [ CrossRef ]
  277. ایرلند، جی. پتروپولوس، GP بررسی روابط بین دینامیک بازسازی پوشش گیاهی پس از آتش سوزی، توپوگرافی و شدت سوختگی: مطالعه موردی از مناطق بوم گردی Montane Cordillera در غرب کانادا. Appl. Geogr. 2015 ، 56 ، 232-248. [ Google Scholar ] [ CrossRef ]
  278. کالیواس، دی. پتروپولوس، GP; آتاناسیو، آی. Kollias، V. مقایسه ای از برآوردهای منطقه سوخته به دست آمده از محصولات عملیاتی کلیدی: تجزیه و تحلیل آتش سوزی های سرزمین های وحشی یونان 2005-2007. فرآیند غیر خطی ژئوفیز. 2013 ، 20 ، 1-13. [ Google Scholar ] [ CrossRef ]
  279. پوزر، ک. Dransch، D. اطلاعات جغرافیایی داوطلبانه برای مدیریت بلایا با کاربرد برای برآورد سریع خسارت سیل. Geomatica 2010 ، 64 ، 89-98. [ Google Scholar ]
  280. جاستینو، CI; Duarte، AC; Rocha-Santos، TA پیشرفت های اخیر در حسگرهای زیستی برای نظارت بر محیط زیست: یک بررسی. Sensors 2017 , 17 , 2918. [ Google Scholar ] [ CrossRef ]
  281. ولاسکو، ا. فررو، آر. گاندینو، اف. مونتروکیو، بی. Rebaudengo، M. یک سیستم تلفن همراه و کم هزینه برای نظارت بر محیط زیست: مطالعه موردی. Sensors 2016 , 16 , 710. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  282. مانفردا، اس. مک کیب، ام.اف. میلر، PE; لوکاس، آر. پاجوئلو مادریگال، وی. مالینس، جی. بن دور، ای. هلمن، دی. استس، ال. سیرائولو، جی. و همکاران در مورد استفاده از سیستم های هوایی بدون سرنشین برای نظارت بر محیط زیست. Remote Sens. 2018 , 10 , 641. [ Google Scholar ] [ CrossRef ]
  283. توموشیچ، جی. مانفردا، اس. آسن، اچ. جیمز، MR; گونسالوز، جی. بن دور، ای. بروک، ا. پولینوا، ام. Arranz، JJ; Mészáros، J. و همکاران شیوه های فعلی در نظارت بر محیط زیست مبتنی بر UAS. Remote Sens. 2020 , 12 , 1001. [ Google Scholar ] [ CrossRef ]
  284. کراگلیا، ام. Campagna، M. SDI های منطقه ای پیشرفته در اروپا: ارزیابی مقایسه ای هزینه و فایده و دیدگاه های ارزیابی تاثیر. بین المللی جی. اسپات. زیرساخت داده Res. 2010 ، 5 ، 145-167. [ Google Scholar ]
  285. Crompvoets، J.; Vancauwenberghe، G. هو، اس. ماسر، آی. de Vries، WT حاکمیت زیرساخت‌های ملی داده‌های مکانی در اروپا. بین المللی جی. اسپات. زیرساخت داده Res. 2018 ، 13 ، 253-285. [ Google Scholar ]
  286. کالوگروپولوس، ک. استاتوپولوس، ن. تساساریس، ا. Chalkias, C. بررسی استفاده از ژئوانفورماتیک برای اهداف سرشماری و بلوغ INSPIRE در مؤسسات آماری کشورهای اتحادیه اروپا و EFTA. ان Gis 2019 ، 25 ، 167–178. [ Google Scholar ]
  287. Kalogeropoulos، K. جنبه جغرافیایی داده های جغرافیایی سرشماری های ملی جمعیت: نقشه برداری – ایجاد زیرساخت های مدرن داده های مکانی با استفاده از ژئوانفورماتیک. Ph.D. پایان نامه، گروه ژپوگرافی، دانشگاه هاروکوپیو، هاروکوپیو، یونان، 2020. [ Google Scholar ]
  288. Zwirowicz-Rutkowska، A.; Michalik، A. استفاده از زیرساخت داده های مکانی در مدیریت زیست محیطی: نمونه ای از عمل برنامه ریزی فضایی در لهستان. محیط زیست مدیریت 2016 ، 58 ، 619-635. [ Google Scholar ] [ CrossRef ]
  289. آبرامیک، ا. بیگاگلی، ای. باراله، وی. آسولین، م. لورنزو-آلونسو، آ. نورتون، سی. برنامه ریزی فضایی دریایی با پشتیبانی زیرساخت برای اطلاعات فضایی در اروپا (INSPIRE). ساحل اقیانوس. مدیریت 2018 ، 152 ، 23-36. [ Google Scholar ] [ CrossRef ]
  290. اولیویرا، IL; کامارا، جی اچ. تورس، آر.ام. Lisboa-Filho, J. طراحی SDI شرکتی در بخش برق با استفاده از یک مدل رسمی. Infrastructures 2017 , 2 , 18. [ Google Scholar ] [ CrossRef ]
  291. منوچهری، م. مقدم، MK داوطلبانه اطلاعات جغرافیایی و پایش محیطی: رویکردی جدید در کشورهای در حال توسعه. بین المللی قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2017 ، 42. [ Google Scholar ] [ CrossRef ]
  292. آنتونیو، وی. Skopeliti، A. اندازه گیری ها و شاخص های کیفیت VGI: یک مرور کلی. ISPRS Ann. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2015 ، 2 ، 345. [ Google Scholar ] [ CrossRef ]
  293. اسکوپلیتی، ا. آنتونیو، وی. Bandrova، T. تجسم و ارتباط با کیفیت VGI. در Mapping and the Citizen Sensor ; Ubiquity Press: لندن، بریتانیا، 2017؛ صص 197-222. [ Google Scholar ]
  294. دمتریو، دی. کامپایا، ام. راستین، آی. Konecny، M. بحثی برای ادغام INSPIRE با اطلاعات جغرافیایی داوطلبانه (VGI) و چشم انداز یک پلت فرم جهانی مبتنی بر فضایی. در مجموعه مقالات پنجمین کنفرانس بین المللی سنجش از دور و اطلاعات جغرافیایی محیط زیست (RSCy2017)، پافوس، قبرس، 20 تا 23 مارس 2017؛ انجمن بین المللی اپتیک و فوتونیک: بلینگهام، WA، ایالات متحده آمریکا، 2017. [ Google Scholar ]
  295. نواردو، اف. لینگوا، ا. آیکاردی، آی. ویگنا، ب. هماهنگ سازی داده های کارتوگرافی برای توسعه پروژه فرامرزی. Appl. Geomat. 2016 ، 8 ، 133-150. [ Google Scholar ] [ CrossRef ]
  296. مولنهاور، اچ. کاسنر، ام. هاس، پی. پترسیل، جی. وونر، سی. فرنزل، م. میرتل، م. شیما، ر. بامبرگر، جی. Zacharias, S. زیرساخت‌های بلندمدت نظارت بر محیط‌زیست در اروپا: مشاهدات، اندازه‌گیری‌ها، مقیاس‌ها، و نمایندگی اجتماعی-اکولوژیکی. علمی کل محیط. 2018 ، 624 ، 968-978. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  297. کراساناکیس، وی. Vassilopoulou، V. معرفی یک رویکرد داده محور به سمت شناسایی آستانه اندازه سلول شبکه (CST) برای تجسم داده های فضایی: یک برنامه کاربردی در برنامه ریزی فضایی دریایی (MSP). J. Urban. محیط زیست مهندس 2018 ، 12 ، 3-14. [ Google Scholar ] [ CrossRef ]
  298. بروولی، MA; مینگینی، ام. مورنو سانچز، آر. Oliveira, R. نرم افزار رایگان و متن باز برای برنامه های کاربردی جغرافیایی (FOSS4G) برای پشتیبانی از زمین آینده. بین المللی جی دیجیت. زمین 2017 ، 10 ، 386-404. [ Google Scholar ] [ CrossRef ]
  299. کوتزی، اس. ایوانووا، آی. میتاسووا، اچ. Brovelli، MA نرم افزار و داده های فضایی باز: مروری بر وضعیت فعلی و چشم اندازی به آینده. ISPRS Int. J. Geo-Inf. 2020 ، 9 ، 90. [ Google Scholar ] [ CrossRef ]
  300. اسکوپلیتی، ا. Stamou, L. خدمات نقشه آنلاین: کارتوگرافی معاصر یا فرهنگ نقشه برداری جدید؟ ISPRS Int. J. Geo-Inf. 2019 ، 8 ، 215. [ Google Scholar ] [ CrossRef ]
  301. کلاین، تی. نیلسون، ام. پرسون، ا. Håkansson، B. از داده های باز تا تحلیل های باز – فرصت های جدید برای کاربردهای زیست محیطی؟ Environments 2017 , 4 , 32. [ Google Scholar ] [ CrossRef ]
  302. ویمن، اس. کاراش، پی. Bernard, L. ترکیب و تجزیه و تحلیل داده های فضایی ناهمگن و توزیع شده برای نظارت بر محیط زیست-طراحی و نمونه اولیه یک راه حل مبتنی بر وب. بین المللی جی دیجیت. زمین 2018 ، 11 ، 79–94. [ Google Scholar ] [ CrossRef ]
  303. لاکروآکس، پی. موزر، اف. بنونوتی، ا. پیلر، تی. جنسن، دی. پترسن، آی. پلانک، ام. Ray, N. MapX: یک پلت فرم فضایی باز برای مدیریت، تجزیه و تحلیل و تجسم داده ها در مورد منابع طبیعی و محیط زیست. SoftwareX 2019 ، 9 ، 77–84. [ Google Scholar ] [ CrossRef ]
  304. ریکه، ام. بیگاگلی، ال. هرل، اس. جیرکا، س. کوتسف، آ. لیبیگ، تی. مالوسکی، سی. پاشکه، تی. Stasch، C. Geospatial IoT-نیاز به معماری های رویداد محور در زیرساخت های داده های مکانی معاصر. ISPRS Int. J. Geo-Inf. 2018 ، 7 ، 385. [ Google Scholar ] [ CrossRef ]
  305. بویربو، ح. بچکوم، ک. Lepage، R. هستی شناسی جغرافیایی برای بلایای بزرگ: روش شناسی و اجرا. بین المللی J. کاهش خطر بلایا. 2019 ، 34 ، 232-242. [ Google Scholar ] [ CrossRef ]
شکل 1. نرخ بلایای جهانی بر اساس نوع (1995–2015) (منبع: https://www.weforum.org/ ، (تاریخ دسترسی: 20 دسامبر 2020)، شکل اصلاح شده توسط نویسندگان این اثر، عکس: Vasilis Pappas) .
شکل 2. نرخ بلایای جهانی (1995–2015) (منبع: https://www.weforum.org/ ، (تاریخ دسترسی: 20 دسامبر 2020)، رقم اصلاح شده توسط نویسندگان این اثر).
شکل 3. نمونه ای از تکنیک سیستم های اطلاعات جغرافیایی (GIS) برای پایش/شبیه سازی خشکسالی [ 21 ].
شکل 4. نمونه ای از ادغام GIS و مشاهده زمین (EO) برای پایش یخبندان [ 158 ].
شکل 5. نمونه ای از مدل مبتنی بر GIS برای بهره برداری از سیلاب ها از طریق مخازن (( a ). DEM, ( b ). نقشه پوشش زمین، ( c ). نقشه زمین شناسی) [ 230 ].
شکل 6. فضایی بودن حوزه های تحقیق در مراجع استفاده شده.
شکل 7. کشورهای ارجاعی این اثر.