منابع
[1].ابراهیمزاده، سجاد؛ بذرافشان، جواد؛ قربانی، خلیل (1392). امکانسنجی تشخیص تغییرات پوشش گیاهی مبتنی بر شاخصهای زمینی و ماهوارهای خشکسالی (مطالعۀ موردی: استان کرمانشاه)، مجلۀ هواشناسی کشاورزی، ج 1، شمارۀ 1: 48-37.
[2].ابریشمچی، احمد؛ مهدیخانی، حسین؛ تجریشی، مسعود (1385). توسعۀ مدل تلفیقی غیرخطی پیشبینی خشکسالی مبتنی بر شبکۀ عصبی مصنوعی و تبدیلات موجک، مطالعۀ موردی: زیرحوضۀ سد زایندهرود، دومین کنفرانس مدیریت منابع آب، اصفهان، دانشگاه صنعتی اصفهان، انجمن علوم و مهندسی منابع آب ایران.
[3].آخوندزاده، مهدی (1384). تهیۀ نقشه‌های حرارتی سطح زمین با استفاده از تصاویر ماهوارهای MODIS، پایاننامۀ کارشناسیارشد، دانشگاه تهران، پردیس دانشکدههای فنی، گروه مهندسی نقشهبرداری.
[4].پویانفر، احمد؛ فلاحپور، سعید؛ عزیزی، محمدرضا (1392). رویکرد حداقل مربعات ماشین بردار پشتیبان مبتنی بر الگوریتم ژنتیک جهت تخمین رتبۀ اعتباری مشتریان بانکها، مجلۀ مهندسی مالی و مدیریت اوراق بهادار، شمارۀ 17: 158-133.
[5].جلیلی، شیدا؛ مرید، سعید؛ ضیائیان فیروزآبادی، پرویز (1387). مقایسۀ عملکرد شاخصهای ماهوارهای و هواشناسی در پایش خشکسالی، مجلۀ تحقیقات آب و خاک ایران. دورۀ 39، شمارۀ 1: 149-139.
[6].جویباری، یاسر (1393). تهیۀ نقشۀ ضریب گسیل و دما با استفاده از تصاویر ماهوارۀ لندست-8. پایاننامۀ کارشناسی ارشد، دانشگاه تهران، پردیس دانشکدههای فنی، گروه مهندسی نقشهبرداری.
[7].سلیمانی، علی (1389). تحلیل خطرپذیری خشکسالی، پایاننامۀ کارشناسی ارشد، دانشگاه تهران، پردیس دانشکدههای فنی، گروه مهندسی نقشهبرداری.
[8].غفوریان، ﻫادی؛ ثنائینژاد، سیدحسین؛ داوری، کامران (1392). بررسی تعیین مناطق مناسب جهت پایش خشکسالی با استفاده از دادههای ماهواره TRMM (مطالعۀ موردی: استان خراسان رضوی)، نشریۀ آب و خاک (علوم و صنایع کشاورزی)، ج 28، شمارۀ 3: 648-639.
[9].کارآموز، محمد؛ رسولی، کبیر؛ نظیف، سارا (1385). تدوین شاخص ترکیبی خشکسالی با استفاده از شبکههای عصبی، دومین کنفرانس مدیریت منابع آب، دانشگاه صنعتی اصفهان، انجمن علوم و مهندسی منابع آب ایران.
[10]. گلمحمدی، محمدحسین؛ صفوی، حمیدرضا (1389). پیشبینی سریهای زمانی تکمتغیرۀ هیدرولوژیکی با استفاده از سیستم فازی بر پایۀ شبکۀ عصبی تطبیقی، پنجمین کنگرۀ ملی مهندسی عمران، 14 تا 16 اردیبهشت 1389، دانشگاه فردوسی مشهد، مشهد، ایران.
[11]. محمدیان، آزاده؛ کوهی، منصوره؛ آدینهبیگی، آرمان؛ رسولی، جواد؛ بذرافشان، بهاره (1389). مقایسۀ پایش خشکسالی با استفاده از شاخصهای SPI، DI و PNI و پهنهبندی آنها (مطالعۀ موردی: استان خراسان شمالی)، مجلۀ پژوهشهای حفاظت آب و خاک، ج 17، شمارۀ 1: 184-177.
[12]. محمودی کهن، فرهاد (1389). مطالعۀ قابلیت شاخصهای گیاهی ماهوارهای در پیشبینی و آشکارسازی خشکسالی، پایاننامۀ کارشناسیارشد، دانشگاه تحصیلات تکمیلی صنعتی کرمان، دانشکدۀ عمران و نقشهبرداری، گروه سنجشاز‌دور.
[13]. مرادی، نسرین؛ کمالی، امیرجلال؛ مرادی، مهدی (1392). مقایسۀ دو مدل SVM و ANFIS در تخمین خشکسالی هواشناسی، اولین همایش ملی بهینهسازی مصرف آب، گرگان.
[14]. نیکبخت شهبازی، علیرضا؛ زهرایی، بنفشه؛ ناصری، محسن (1389). پیشبینی خشکسالی اقلیمی در حوضۀ سدهای تهران با استفاده از SVM، چهارمین کنفرانس منطقهای تغییر اقلیم، تهران : 406-397.
[15]. Barua, S., Perera, B.J.C., Ng, A.W.M., Tran, D., (2010). Drought Forecasting Using an Aggregated Drought Index and Artificial Neural Networks, Journal of Water and Climate Change, Vol 1, pp 193–206.
[16]. Berhan, G., Hill, S., Tadesse, T., Atnafu, S., (2011), Using Satellite Images for Drought Monitoring: A Knowledge Discovery Approach, Journal of Strategic Innovation and Sustainability, vol 7(1), pp 135–153.
[17]. Bhuiyan, C., Singh, R.P., Kogan, F.N., (2006). Monitoring Drought Dynamics in the Aravalli Region (India) Using Different Indices Based on Ground and Remote Sensing Data, International Journal of Applied Earth Observation and Geoinformation, 8 (2006), pp 289–302.
[19]. Dastorani, M.T., Afkhami, H., Borroni, B., (2011). Application of Artificial Neural Networks on Drought Prediction in Yazd (Central Iran), Desert, Vol 16, pp 39–48.
[20]. Dastorani, M. T., Afkhami, H., Sharifidarani, H., Dastorani, M., (2010). Application of ANN and ANFIS Models on Dryland Precipitation Prediction (Case Study: Yazd in Central Iran), Journal of Applied Sciences, 10 (20), pp 2387–2394.
[21]. Gebrehiwot, T., Van der Veen, A., Maathuis, B., (2011). Spatial and Temporal Assessment of Drought in the Northern Highlands of Ethiopia, International Journal of Applied Earth Observation and Geoinformation, Vol 13, pp. 309–321.
[22]. Jain, S.K., Keshri, R., Goswami, A., Sarkar, A., (2010). Application of Meteorological and Vegetation Indices for Evaluation of Drought Impact: A Case Study for Rajasthan, India, Natural Hazards, Vol 54, pp 643–656.
[23]. Jalili, M., Gharibshah, J., Ghavami, S.M., Beheshtifar, M.R., Farshi, R., (2014). Nationwide Prediction of Drought Conditions in Iran Based on Remote Sensing Data, IEEE Transactions on Computers, Vol 63, No 1.
[24]. Keskin, M.E., Terzi, O., Taylan, E.D., Kucukyaman, D., (2011). Meteorological Drought Analysis Using Artificial Neural Networks, Scientific Research and Essays, Vol 6, pp 4469–4477.
[25]. Khosravi, I., Mohammad-Beigi, M., (2014). Multiple Classifier Systems for Hyperspectral Remote Sensing Data Classification, Journal of the Indian Society Remote Sensing, Vol 42, Issue 2, pp 423–428.
[26]. Mishra, A.K., Desai, V.R., (2006). Drought Forecasting Using Feed-Forward Recursive Neural Network, Ecological Modelling, Vol 198, pp 127–138.
[27]. Muthumanickam, D., Kannan, P., Kumaraperumal, R., Natarajan, S., Sivasamy, R., Poongodi, C., (2011). Drought Assessment and Monitoring Through Remote Sensing and GIS in Western Tracts of Tamil Nadu, India, International Journal of Remote Sensing, 32:18, pp 5157–5176.
[28]. Nikhbakht Shahbazi, A., Heidarnejhad, M., (2012). Meteorological Drought Prediction in Karoon Watershed using Meteorological Variables, International Research Journal of Applied and Basic Sciences, Vol 3, No 9, pp 1760–1768.
[29]. Orhan, O., Ekercin, S., Dadaser-Celik, F., (2014). Use of Landsat Land Surface Temperature and Vegetation Indices for Monitoring Drought in the Salt Lake Basin Area, Turkey, The Scientific World Journal, Vol 2014.
[30]. Quiring, S. M., Ganesh, S., (2010). Evaluating the Utility of the Vegetation Condition Index (VCI) for Monitoring Meteorological Drought in Texas, Agricultural and Forest Meteorology, 150 (2010), pp 330–339.
[31]. Rahimzadeh-Bajgiran, P., Omasa, K., Shimizu, Y., (2012). Comparative Evaluation of the Vegetation Dryness Index (VDI), the Temperature Vegetation Dryness Index (TVDI) and the improved TVDI (iTVDI) for Water Stress Detection in Semi-Arid Regions of Iran, ISPRS Journal of Photogrammetry and Remote Sensing, 68 (2012), pp 1–12.
[32]. Rahmizadeh-Bajgiran, P., Shimizu, Y., Hosoi, F., Omasa, K., (2009). MODIS Vegetation and Water Indices for Drought Assessment in Semi-Arid Ecosystems of Iran, J. Agric. Meteorol. Vol 65, 4, pp 349–355.
[33]. Rulinda Coco, M., (2007). Mining Drought from Remote Sensing Images, MSc thesis, Geo-information Science and Earth Observation.
[34]. Sadri, S., Burn, D. H., (2012). Nonparametric Methods for Drought Severity Estimation at Ungauged Sites, Water Resources Research, Vol 48, pp 1–10.
[35]. Shirmohammadi, B., Moradi, H., Moosavi, V., Taei Semiromi, M., Zeinali, A., (2013). Forecasting of Meteorological Drought Using Wavelet-ANFIS Hybrid Model for Different Time Steps (Case Study: Southeastern Part of East Azerbaijan Province, Iran), Nat Hazards, Vol 2013, No 69, pp 389–402.
[36]. Song, X., Saito, G., Kodama, M., Sawada, H., (2004). Early Detection System of Drought in East Asia Using NDVI from NOAA AVHRR Data, International Journal of Remote Sensing, Vol 25, pp 3105–3111.
[38]. Zeng, L., Shan, J., Xiang, D., (2010). Monitoring Drought Using Multi-Sensor Remote Sensing Data in Cropland of Gansu Province.
[39]. Zhang, X., Zhang, T., Young, A.A., Li, X., (2014). Applications and Comparisons of Four Time Series Models in Epidemiological Surveillance Data, PLoS ONE, Vol 9, Issue 2, pp 1–16.
)