دوره 15، شماره 1 - ( بهار و تابستان 1403 )
جلد 15 شماره 1 صفحات 158-147 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
parvizi S, Hosseini S Z, Talebi A, Talebi Esfandarani S, Jalili H, Zakerinejad R. (2024). The Relationship between the Suspended Sediment Concentration of Doab Mereg and Pol Chehr Hydrometric Stations with Vegetation in Upstream Areas Using Sentinel-2 MSI Images. J Watershed Manage Res. 15(1), 147-158. doi:10.61186/jwmr.15.1.147
URL: http://jwmr.sanru.ac.ir/article-1-1263-fa.html
URL: http://jwmr.sanru.ac.ir/article-1-1263-fa.html
پرویزی سارا، حسینی سید زین العابدین، طالبی علی، طالبی اسفندارانی سمیه، جلیلی هادی، ذاکری‌نژاد رضا. بررسی رابطه غلظت رسوب معلق ایستگاه‌های هیدرومتری دوآب مرگ و پل چهر با پوشش گیاهی در مناطق بالادست با استفاده از تصاویر Sentinel-2 MSI پژوهشنامه مديريت حوزه آبخيز 1403; 15 (1) :158-147 10.61186/jwmr.15.1.147
سارا پرویزی1، سید زین العابدین حسینی* 
2، علی طالبی3، سمیه طالبی اسفندارانی4، هادی جلیلی4، رضا ذاکری‌نژاد5
2، علی طالبی3، سمیه طالبی اسفندارانی4، هادی جلیلی4، رضا ذاکری‌نژاد5
1- علوم و مهندسی آبخیزداری، گروه مرتع و آبخیزداری، دانشکده منابع‌طبیعی، دانشگاه یزد، یزد، ایران و علوم و مهندسی آبخیزداری، گروه مرتع و آبخیزداری، دانشکده منابع‌طبیعی، دانشگاه یزد، یزد، ایران
2- گروه مرتع و آبخیزداری، دانشکده منابع‌طبیعی، دانشگاه یزد، یزد، ایران & گروه مرتع و آبخیزداری، دانشکده منابع‌طبیعی، دانشگاه یزد، یزد، ایران
3- گروه مرتع و آبخیزداری، دانشکده منابع‌طبیعی، دانشگاه یزد، یزد، ایران و گروه مرتع و آبخیزداری، دانشکده منابع‌طبیعی، دانشگاه یزد، یزد، ایران
4- پژوهشگاه فضایی ایران، تهران، ایران و پژوهشگاه فضایی ایران، تهران، ایران
5- گروه جغرافیای طبیعی، دانشکده جغرافیا و برنامه ریزی، دانشگاه اصفهان، اصفهان، ایران و گروه جغرافیای طبیعی، دانشکده جغرافیا و برنامه ریزی، دانشگاه اصفهان، اصفهان، ایران
2- گروه مرتع و آبخیزداری، دانشکده منابع‌طبیعی، دانشگاه یزد، یزد، ایران & گروه مرتع و آبخیزداری، دانشکده منابع‌طبیعی، دانشگاه یزد، یزد، ایران
3- گروه مرتع و آبخیزداری، دانشکده منابع‌طبیعی، دانشگاه یزد، یزد، ایران و گروه مرتع و آبخیزداری، دانشکده منابع‌طبیعی، دانشگاه یزد، یزد، ایران
4- پژوهشگاه فضایی ایران، تهران، ایران و پژوهشگاه فضایی ایران، تهران، ایران
5- گروه جغرافیای طبیعی، دانشکده جغرافیا و برنامه ریزی، دانشگاه اصفهان، اصفهان، ایران و گروه جغرافیای طبیعی، دانشکده جغرافیا و برنامه ریزی، دانشگاه اصفهان، اصفهان، ایران
چکیده: (1386 مشاهده)
چکیده مبسوط
مقدمه و هدف: فرسایش خاک و رسوب‌دهی در زمره مهم‌ترین معضلات و چالش‌های زیست‌محیطی حوزه‌های آبخیز محسوب می‌شود. بار رسوب رودخانه مشکلات زیادی از جمله رسوبگذاری در مخازن سدها، تغییر مسیر رودخانه‌ها به‌دلیل رسوبگذاری در بستر آن‌ها، کاهش ظرفیت آبگذری آبراهه‌ها و تأسیسات انتقال آب و تغییر کیفیت آب به لحاظ مصارف شرب و کشاورزی به وجود می‌آورد رسوبات معلق در آب رودخانه‌ها مورد توجه دانشمندان، محققان و مدیران منابع آب هستند زیرا می‌توان از آن برای بررسی رسوب، فرسایش و اثرات بالقوه بر فرآیندهای بیولوژیکی استفاده کرد. بنابراین، بررسی و ارزیابی غلظت رسوب معلق در تعیین کیفیت آب و عملکردهای هیدرولوژیکی ضروری است. در این راستا استفاده از تکنیک‌های دقیق، گسترده و مقرون به صرفه، مانند سنجش از دور، جهت بهبود برآورد رسوب و در نتیجه بررسی کیفیت آب، ارزش زیادی دارد شناخت روابط مکانی پوشش گیاهی بالادست با رسوب‌دهی حوضه‌ها جهت کنترل و مدیریت بهینه منابع آب و خاک ضروری است. پژوهش حاضر با هدف تعیین روابط بین پوشش گیاهی با غلظت رسوب معلق در دو حوزه آبخیز دوآب مرگ و گاماسیاب انجام گرفت.
مواد و روش‌ها: در این پژوهش در مرحله اول داده‌های ماهواره‌ای سنتینل-2 مورد بررسی قرار گرفت و در صورت وجود شرایط ابری، ریزگردها یا سایر اشکالات رادیومتریک از محاسبات خارج گردید. در ادامه برای انتخاب پیکسل مناسب تصویر (جهت اخذ انعکاس طیفی آب)، عواملی نظیر نوع باند (باندهای مرئی و مادون قرمز)، عرض رودخانه (بالاتر از پیکسل تصویر- 40 متر در ایستگاه دوآب و 80 متر در ایستگاه پل‌چهر) و قدرت تفکیک مکانی سنجنده (10 و 20 متر) مد نظر قرار گرفته و پیکسل مربوط به ایستگاه هیدرومتری و اطراف آن انتخاب و انعکاس طیفی استخراج شد. سپس به‌منظور بررسی همبستگی میان بازتاب طیفی باندهای تصاویر سنتینل-2 و غلظت رسوب از آمار غلظت رسوبات معلق ایستگاه دوآب مرگ واقع در رودخانه قره‌سو و ایستگاه پل‌چهر واقع در رودخانه گاماسیاب در دوره پنج ساله (2016 تا 2020) همزمان با آن‌ها استفاده شد. در ادامه شاخص تفاضل پوشش گیاهی نرمال شده (NDVI) برای دو فصل اردیبهشت و خرداد با استفاده از تصاویر سنتینل-2 استخراج شد و رابطه پوشش گیاهی و غلظت رسوب معلق ثبت شده در ایستگاه و استخراج شده از تصاویر به‌صورت مجزا برآورد شد.
یافته‌ها: نتایج تحلیل همبستگی غلظت رسوب معلق نشان داد که بهترین نتیجه برای ایستگاه دوآب مربوط به باند 4 (R2=0.86) و برای ایستگاه پل‌چهر مربوط به باند 5 (R2=0.83) بود. نتایج به‌دست آمده نشان داد که غلظت رسوب معلق در ایستگاه دوآب مرگ 0/17 تا 76/45 و در ایستگاه پل‌چهر از 0/44 تا 118/86 میلی‌گرم بر لیتر متغیر بوده است. هم چنین مشخص شد که در ایستگاه دوآب مرگ در حالت توانی بین داده‌های مشاهداتی (ثبت شده در ایستگاه) و داده‌های مستخرج شده از تصاویر دارای بیشترین ضریب همبستگی می‌باشد. و در ایستگاه پل‌چهر در دو حالت چندجمله‌ای و حالت نمایی دارای ضریب همبستگی بالایی بود. بهترین مقادیر ضریب تبیین (R2) شاخص تفاضل پوشش گیاهی نرمال شده برای دو ایستگاه دوآب و پل‌چهر بهترتیب 0/98 و 0/64 بدست آمد که نشان‌دهنده این است که با افزایش پوشش گیاهی مقادیر رسوب کاهش می‌یابد. میانگین مقادیر متوسط شاخص گیاهی برای حوزه آبخیز مرگ برابر با 0/35 است و برای حوزه آبخیز گاماسیاب برابر 0/28 بدست آمد که نشان از پوشش گیاهی نسبتاً تنک منطقه دارد. کمترین مقدار میانگین پوشش گیاهی در فصل مورد بررسی (بهار) در حوزه آبخیز مرگ خرداد ماه برابر 0/11 و برای حوزه آبخیز گاماسیاب اواخر اردیبهشت ماه برابر 0/21 بدست آمد. همانطور که نتایج آزمون رگرسیون نشان داد که رابطه قوی و معناداری بین تراکم پوشش گیاهی و میزان غلظت رسوب معلق ثبت شده در ایستگاه‌های هیدرومتری دو حوضه وجود دارد.
نتیجه‌گیری: نتایج نشان داد که 6 مدل برای منطقه مورد مطالعه استخراج شد که دارای ضرایب تعیین و مقادیر خطای قابل قبول و مناسب بودند. از میان مدل‌های بدست آمده مشخص شد که در حالت تک باند نتایج بهتری بدست آمد نسبت به حالتی که نسبت باندی مورد استفاده قرار گرفته شد. بیشترین همبستگی در ایستگاه دوآب مرگ مربوط به باند های B2، B3،B4 و B5 بوده است و برای ایستگاه پل چهر B4 و B5 می‌باشد. بالاترین ضریب تعیین بدست آمده برای دو ایستگاه بهترتیب 0/86 و 0/83در حالت نمایی بوده است. نتایج این مطالعه نشان داد که سنتینل-2 می‌تواند به‌عنوان ابزار مناسبی برای تخمین غلظت رسوب معلق با دقت قابل قبولی در حوضه‌های کوچک مقیاس و شرایط سیلاب استفاده شود که در تعدادی از مطالعات مشابه تایید شده است وجود رابطه معکوس و نزدیک بین متوسط شاخص گیاهی NDVI با رسوب اشاره به تأثیر مثبت پوشش گیاهی بر حفاظت خاک و کاهش تولید و انتقال رسوب در داخل حوزه‌های آبخیز دارد. در کل، نتایج نشان داد که پوشش گیاهی به طرز مؤثری در کمیت و کیفیت تغییرات مکانی میزان رسوب‌دهی حوضه‌ها مؤثر افتاده و شاخص گیاهی NDVI به‌عنوان نماینده پوشش گیاهی به طرز موفقیت آمیزی برای ایجاد یک مدل آماری از تغییرات میزان رسوب‌دهی می‌تواند مورد استفاده واقع شود، و احیا پوشش گیاهی در برنامه‌های توسعه‌ای قرار گیرد.
مقدمه و هدف: فرسایش خاک و رسوب‌دهی در زمره مهم‌ترین معضلات و چالش‌های زیست‌محیطی حوزه‌های آبخیز محسوب می‌شود. بار رسوب رودخانه مشکلات زیادی از جمله رسوبگذاری در مخازن سدها، تغییر مسیر رودخانه‌ها به‌دلیل رسوبگذاری در بستر آن‌ها، کاهش ظرفیت آبگذری آبراهه‌ها و تأسیسات انتقال آب و تغییر کیفیت آب به لحاظ مصارف شرب و کشاورزی به وجود می‌آورد رسوبات معلق در آب رودخانه‌ها مورد توجه دانشمندان، محققان و مدیران منابع آب هستند زیرا می‌توان از آن برای بررسی رسوب، فرسایش و اثرات بالقوه بر فرآیندهای بیولوژیکی استفاده کرد. بنابراین، بررسی و ارزیابی غلظت رسوب معلق در تعیین کیفیت آب و عملکردهای هیدرولوژیکی ضروری است. در این راستا استفاده از تکنیک‌های دقیق، گسترده و مقرون به صرفه، مانند سنجش از دور، جهت بهبود برآورد رسوب و در نتیجه بررسی کیفیت آب، ارزش زیادی دارد شناخت روابط مکانی پوشش گیاهی بالادست با رسوب‌دهی حوضه‌ها جهت کنترل و مدیریت بهینه منابع آب و خاک ضروری است. پژوهش حاضر با هدف تعیین روابط بین پوشش گیاهی با غلظت رسوب معلق در دو حوزه آبخیز دوآب مرگ و گاماسیاب انجام گرفت.
مواد و روش‌ها: در این پژوهش در مرحله اول داده‌های ماهواره‌ای سنتینل-2 مورد بررسی قرار گرفت و در صورت وجود شرایط ابری، ریزگردها یا سایر اشکالات رادیومتریک از محاسبات خارج گردید. در ادامه برای انتخاب پیکسل مناسب تصویر (جهت اخذ انعکاس طیفی آب)، عواملی نظیر نوع باند (باندهای مرئی و مادون قرمز)، عرض رودخانه (بالاتر از پیکسل تصویر- 40 متر در ایستگاه دوآب و 80 متر در ایستگاه پل‌چهر) و قدرت تفکیک مکانی سنجنده (10 و 20 متر) مد نظر قرار گرفته و پیکسل مربوط به ایستگاه هیدرومتری و اطراف آن انتخاب و انعکاس طیفی استخراج شد. سپس به‌منظور بررسی همبستگی میان بازتاب طیفی باندهای تصاویر سنتینل-2 و غلظت رسوب از آمار غلظت رسوبات معلق ایستگاه دوآب مرگ واقع در رودخانه قره‌سو و ایستگاه پل‌چهر واقع در رودخانه گاماسیاب در دوره پنج ساله (2016 تا 2020) همزمان با آن‌ها استفاده شد. در ادامه شاخص تفاضل پوشش گیاهی نرمال شده (NDVI) برای دو فصل اردیبهشت و خرداد با استفاده از تصاویر سنتینل-2 استخراج شد و رابطه پوشش گیاهی و غلظت رسوب معلق ثبت شده در ایستگاه و استخراج شده از تصاویر به‌صورت مجزا برآورد شد.
یافته‌ها: نتایج تحلیل همبستگی غلظت رسوب معلق نشان داد که بهترین نتیجه برای ایستگاه دوآب مربوط به باند 4 (R2=0.86) و برای ایستگاه پل‌چهر مربوط به باند 5 (R2=0.83) بود. نتایج به‌دست آمده نشان داد که غلظت رسوب معلق در ایستگاه دوآب مرگ 0/17 تا 76/45 و در ایستگاه پل‌چهر از 0/44 تا 118/86 میلی‌گرم بر لیتر متغیر بوده است. هم چنین مشخص شد که در ایستگاه دوآب مرگ در حالت توانی بین داده‌های مشاهداتی (ثبت شده در ایستگاه) و داده‌های مستخرج شده از تصاویر دارای بیشترین ضریب همبستگی می‌باشد. و در ایستگاه پل‌چهر در دو حالت چندجمله‌ای و حالت نمایی دارای ضریب همبستگی بالایی بود. بهترین مقادیر ضریب تبیین (R2) شاخص تفاضل پوشش گیاهی نرمال شده برای دو ایستگاه دوآب و پل‌چهر بهترتیب 0/98 و 0/64 بدست آمد که نشان‌دهنده این است که با افزایش پوشش گیاهی مقادیر رسوب کاهش می‌یابد. میانگین مقادیر متوسط شاخص گیاهی برای حوزه آبخیز مرگ برابر با 0/35 است و برای حوزه آبخیز گاماسیاب برابر 0/28 بدست آمد که نشان از پوشش گیاهی نسبتاً تنک منطقه دارد. کمترین مقدار میانگین پوشش گیاهی در فصل مورد بررسی (بهار) در حوزه آبخیز مرگ خرداد ماه برابر 0/11 و برای حوزه آبخیز گاماسیاب اواخر اردیبهشت ماه برابر 0/21 بدست آمد. همانطور که نتایج آزمون رگرسیون نشان داد که رابطه قوی و معناداری بین تراکم پوشش گیاهی و میزان غلظت رسوب معلق ثبت شده در ایستگاه‌های هیدرومتری دو حوضه وجود دارد.
نتیجه‌گیری: نتایج نشان داد که 6 مدل برای منطقه مورد مطالعه استخراج شد که دارای ضرایب تعیین و مقادیر خطای قابل قبول و مناسب بودند. از میان مدل‌های بدست آمده مشخص شد که در حالت تک باند نتایج بهتری بدست آمد نسبت به حالتی که نسبت باندی مورد استفاده قرار گرفته شد. بیشترین همبستگی در ایستگاه دوآب مرگ مربوط به باند های B2، B3،B4 و B5 بوده است و برای ایستگاه پل چهر B4 و B5 می‌باشد. بالاترین ضریب تعیین بدست آمده برای دو ایستگاه بهترتیب 0/86 و 0/83در حالت نمایی بوده است. نتایج این مطالعه نشان داد که سنتینل-2 می‌تواند به‌عنوان ابزار مناسبی برای تخمین غلظت رسوب معلق با دقت قابل قبولی در حوضه‌های کوچک مقیاس و شرایط سیلاب استفاده شود که در تعدادی از مطالعات مشابه تایید شده است وجود رابطه معکوس و نزدیک بین متوسط شاخص گیاهی NDVI با رسوب اشاره به تأثیر مثبت پوشش گیاهی بر حفاظت خاک و کاهش تولید و انتقال رسوب در داخل حوزه‌های آبخیز دارد. در کل، نتایج نشان داد که پوشش گیاهی به طرز مؤثری در کمیت و کیفیت تغییرات مکانی میزان رسوب‌دهی حوضه‌ها مؤثر افتاده و شاخص گیاهی NDVI به‌عنوان نماینده پوشش گیاهی به طرز موفقیت آمیزی برای ایجاد یک مدل آماری از تغییرات میزان رسوب‌دهی می‌تواند مورد استفاده واقع شود، و احیا پوشش گیاهی در برنامه‌های توسعه‌ای قرار گیرد.
نوع مطالعه: پژوهشي |
موضوع مقاله:
سنجش از دور و سامانه های اطلاعات جغرافيايی
دریافت: 1402/2/13 | پذیرش: 1402/7/28
دریافت: 1402/2/13 | پذیرش: 1402/7/28
فهرست منابع
1. Ambrose-Igho, G., Seyoum, W. M., Perry, W. L., & O'Reilly, C. M. (2021). Spatiotemporal analysis of water quality indicators in small lakes using Sentinel-2 satellite data: Lake Bloomington and Evergreen Lake, Central Illinois, USA. Environmental Processes, 8, 637-660. DOI:10.1016/j.sciaf.2023.e01877. [DOI:10.1016/j.sciaf.2023.e01877]
2. Asselman, N. E. (1999). Suspended sediment dynamics in a large drainage basin: the River Rhine. Hydrological processes, 13(10), 1437-1450. DOI: 10.3390/w16071063 [DOI:10.3390/w16071063]
3. Binding, C. E., Bowers, D. G., & Mitchelson-Jacob, E. G. (2005). Estimating suspended sediment concentrations from ocean colour measurements in moderately turbid waters; the impact of variable particle scattering properties. Remote sensing of Environment, 94(3), 373-383. DOI: 10.1016/j.rse.2004.11.002. [DOI:10.1016/j.rse.2004.11.002]
4. Bahmanesh, J. Mohammadpour, M. Batani, M. Mahdi. (2018). Comparison of River Suspended Sediment Load Estimation, using Regression and GA Methods. jwmr. 8(16), 132-141. (In Persian). DOI:10.29252/jwmr.8.16.132. [DOI:10.29252/jwmr.8.16.132]
5. Du, J., & Shi, C. X. (2013). Modeling and analysis of effects of precipitation and vegetation coverage on runoff and sediment yield in Jinsha River Basin. Water Science and Engineering, 6(1), 44-58. DOI:10.3882/j.issn.1674-2370.2013.01.004
6. Edwards, T.K., & Glysson, G.D. (2018). Field Methods for Measurement of Fluvial Sediment. Available online: https:..pubs.er.usgs.gov.publication.ofr86531. DOI:10.3133/ofr86531 [DOI:10.3133/ofr86531]
7. Fu, B. (1989). Soil erosion and its control in the Loess Plateau of China. Soil Use and Management, 5(2), 76-82. DOI:10.1111/j.1475-2743.1989.tb00765.x [DOI:10.1111/j.1475-2743.1989.tb00765.x]
8. Grauso, S., Fattoruso, G., Crocetti, C., & Montanari, A. (2007). A spatially distributed analysis of erosion susceptibility and sediment yield in a river basin by means of geomorphic parameters and regression relationships. Hydrology and Earth System Sciences Discussions, 4(2), 627-654. [DOI:10.5194/hessd-4-627-2007]
9. Kabulizadeh, M., Rangzen, K., Rashidian, M., & Delfan, H. (2017). Estimation of the concentration of total dissolved solids and water turbidity of Karkheh and Dez dams and the Karun Boghor river using Sentinel-2 satellite images. Journal of Advanced Applied Geology. 8(4), 17-27. (In Persian).
10. Li, P., Chen, S., Ji, H., Ke, Y., & Fu, Y. (2021). Combining Landsat-8 and Sentinel-2 to investigate seasonal changes of suspended particulate matter off the abandoned distributary mouths of Yellow River Delta. Marine Geology, 441, 106622. DOI:10.1016/j.margeo.2021.106622 [DOI:10.1016/j.margeo.2021.106622]
11. Long, C. M., & Pavelsky, T. M. (2013). Remote sensing of suspended sediment concentration and hydrologic connectivity in a complex wetland environment. Remote Sensing of Environment, 129, 197-209. DOI: 10.1016/j.rse.2012.10.019. [DOI:10.1016/j.rse.2012.10.019]
12. Li, T., Dong, J., & Yuan, W. (2020). Effects of precipitation and vegetation cover on annual runoff and sediment yield in Northeast China: A preliminary analysis. Water Resources, 47, 491-505. DOI: 10.1134/S0097807820030173. [DOI:10.1134/S0097807820030173]
13. Martinez, J. M., Maurice-Bourgoin, L., Moreira-Turcq, P., & Guyot, J. L. (2004). Use of MODIS and MERIS data for the water quality monitoring of Amazonian rivers and floodplain lakes. In LBA Third International Conference, Brasilia, Brazil. DOI: 10.1109/IGARSS.2007.4423873. [DOI:10.1109/IGARSS.2007.4423873]
14. Marinho, R. R., Harmel, T., Martinez, J. M., & Filizola Junior, N. P. (2021). Spatiotemporal dynamics of suspended sediments in the negro river, amazon basin, from in situ and sentinel-2 remote sensing data. ISPRS International Journal of Geo-Information, 10(2), 86. DOI:10.3390/ijgi10020086 [DOI:10.3390/ijgi10020086]
15. Maleki, A., Hesadi, H., Naderian, P., 2009. Site Selection of Artificial Rechange of Mereg Watershed Aquifer. Geographical Research. Vol 24(1), pp. 53-78. (In Persian).
16. Ouillon, S., Douillet, P., & Andréfouët, S. (2004). Coupling satellite data with in situ measurements and numerical modeling to study fine suspended-sediment transport: a study for the lagoon of New Caledonia. Coral Reefs, 23, 109-122. DOI: 10.1007/s00338-003-0352-z. [DOI:10.1007/s00338-003-0352-z]
17. Paulista, R. S. D., de Almeida, F. T., de Souza, A. P., Hoshide, A. K., de Abreu, D. C., da Silva Araujo, J. W., & Martim, C. C. (2023). Estimating Suspended Sediment Concentration Using Remote Sensing for the Teles Pires River, Brazil. Sustainability, 15(9), 7049. DOI: 10.3390/su15097049. [DOI:10.3390/su15097049]
18. Ritchie, J. C., & Schiebe, F. R. (2000). Water quality. In Remote sensing in hydrology and water management (pp. 287-303). Springer, Berlin, Heidelberg. DOI: 10.1007/978-3-642-59583-7. [DOI:10.1007/978-3-642-59583-7]
19. Syvitski, J. P., Morehead, M. D., Bahr, D. B., & Mulder, T. (2000). Estimating fluvial sediment transport: the rating parameters. Water resources research, 36(9), 2747-2760. DOI: 10.1029/2000WR900133 [DOI:10.1029/2000WR900133]
20. Tabatabaei M, Salehpour Jam A, Hosseini S A. (2019). Presenting a New Approach to Increase the Efficiency of the Sediment Rating Curve Model in Estimating Suspended Sediment Load in Watersheds (Case Study: Mahabad-Chai River, Lake Urmia Basin, West Azarbayejan Province, Iran). jwmr. 10(19), 181-193. (In Persian). DOI:10.29252/jwmr.10.19.181 [DOI:10.29252/jwmr.10.19.181]
21. Wackerman, C., Hayden, A., Jonik, J., 2017. Deriving spatial and temporal context for point measurements of suspended sediment concentration using remote-sensing imagery in the Mekong Delta. Cont. Shelf Res. 147, 231-245. DOI:10.1016/j.csr.2017.08.007 [DOI:10.1016/j.csr.2017.08.007]
22. Xin, Z., Yu, X., & Lu, X. X. (2011). Factors controlling sediment yield in China's Loess Plateau. Earth Surface Processes and Landforms, 36(6), 816-826. DOI:10.1002/esp.2109 [DOI:10.1002/esp.2109]
23. Zhao, J., Vanmaercke, M., Chen, L., & Govers, G. (2016). Vegetation cover and topography rather than human disturbance control gully density and sediment production on the Chinese Loess Plateau. Geomorphology, 274, 92-105. DOI: 10.1016/j.geomorph.2016.09.022 [DOI:10.1016/j.geomorph.2016.09.022]
24. Zhang, J., Zhou, Z., Yao, F., Yang, L., & Hao, C. (2014). Validating the modified perpendicular drought index in the North China region using in situ soil moisture measurement. IEEE Geoscience and Remote Sensing Letters, 12(3), 542-546. DOI: 10.1109/LGRS.2014.2349957. [DOI:10.1109/LGRS.2014.2349957]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
