[۱] اسکندری دامنه، هادی؛ اسکندری دامنه، حامد؛ خسروی، حسن؛ و غلامی، حمید (۱۳۹۸). تحلیل و پایش خشکسالی با استفاده از شاخص پوشش گیاهی NDVI (مطالعۀ موردی: حوضۀ غرب تالاب جازموریان). مرتع، ۱۳ (۳)، ۴۶۱-۴۷۵. http://rangelandsrm.ir/article-785-1-fa.html
[۲] اصلان‌پنجه، بهزاد؛ ارزانی، حسین؛ طویلی، علی؛ کشت‌کار، حمیدرضا؛ و خلیقی سیگارودی، شهرام (۱۴۰۲). بررسی تأثیر تغییرات خشکسالی اقلیمی بر شاخص‌های پوشش گیاهی (مطالعۀ موردی: شهرستان اشتهارد، استان البرز)، مدیریت جامع حوضه‌های آبریز، ۳ (۴)، ۱۸-۳۲. doi: 10.22034/IWM.2023.2010428.1103
[۳] انصاری قوجقار، محمد؛ پورغلام آمیجی، مسعود؛ بذرافشان، جواد؛ لیاقت، عبدالمجید؛ و عراقی‌نژاد، شهاب (۱۳۹۹). مقایسۀ کارایی شبکه‌های عصبی آماری، فازی و پرسپترونی در پیش‌بینی طوفان‌های گرد‌و‌غبار در نواحی بحرانی کشور. تحقیقات آب و خاک ایران، ۵۱(۸)، ۲۰۵۱-۲۰۶۳. doi: 10.22059/ijswr.2020.302529.668607
[۴] آرخی، صالح؛ برزگر سواسری، مرضیه؛ و عمادالدین، سمیه (۱۴۰۱). بررسی کارایی شاخص‌های منتج از فناوری سنجش از دور VCI، TCI و VHI در ارزیابی خشکسالی با تصاویر مودیس (مطالعۀ موردی: مناطق مرکزی ایران). جغرافیا و مخاطرات محیطی، ۱۱(۳)، ۱۸۹-۲۲۴. doi:10.22067/geoeh.2021.72253.1102
[۵] جهانگیر، محمدحسین؛ و محمدی، علی (۱۳۹۵). مقایسۀ شاخص استاندارد بارش و نظام رتبه‌بندی تاپسیس به‌منظور ارزیابی وضعیت مخاطرۀ خشکسالی در استان خوزستان. مدیریت مخاطرات محیطی، ۳(۲)، ۱۲۵-۱۳۹. doi: 10.22059/jhsci.2016.60343
[۶] جهانگیر، محمدحسین؛ و مشیدی، ضحی (۱۳۹۹). ارزیابی پایش خشکسالی کشاورزی مبتنی بر سنجش از دور با استفاده از شاخص استاندارد شدۀ بارش در ماه‌های رشد (مطالعۀ موردی: حوضه آبریز کارون بزرگ)، آبیاری و زهکشی ایران، ۴(۱۴)، ۱۲۵۲-۱۲۶۴.
[۷] جهانگیر، محمدحسین؛ اصغری کلشانی، فاطمه؛ و ستاریان اصیل، کتایون (۱۴۰۱). مطالعۀ تطبیقی شاخص‌های خشکسالی هواشناسی (SPI) و هیدرولوژیک (SSI) براساس بهترین تابع توزیع تجمعی برای حوضۀ آبریز ارومیه. مدل‌سازی و مدیریت آب‌وخاک، ۲(۴)، ۵۳-۶۳. doi: 10.22098/mmws.2022.10810.1089
[۸] خسروی یگانه، صمد؛ کرم‌پور، مصطفی؛ و نصیری، بهروز (۱۴۰۳). ارزیابی تأثیر خشکسالی در پوشش گیاهی ایران با استفاده از تصاویر ماهواره‌ای و داده‌های هواشناسی. سنجش از دور و GIS ایران، ۱۶(۱)، ۸۱-۱۰۲. doi: 10.48308/gisj.2023.103394
[۹] داروند، سروه؛ اسکندری دامنه، هادی؛ اسکندری دامنه، حامد؛ و خسروی، حسن (۱۴۰۰). پیش‌بینی روند تغییرات دما و بارش در دورۀ آتی و تأثیر آن بر بیابان‌زایی. مدل‌سازی و مدیریت آب‌وخاک، ۱(۱)، ۵۳-۶۶. Doi: 10.22098/mmws.2021.118
[۱۰] داودآبادی فراهانی، محمدحسین؛ شریفی علیرضا؛ و عربی، مهدی (۱۴۰۰). پایش خشکسالی کشاورزی استان مرکزی با استفاده از شاخص‌های VHI وPDSI ، علوم و فنون نقشه‌برداری، ۱۱(۳)، ۸۳-۱۰۰. DOI:10.1109/ACCESS.2018.2821717
[۱۱] دستورانی، مصطفی؛ ولی، عباسعلی؛ سپهر، عادل؛ و کمکی چوقی، بایرام (۱۴۰۱). بررسی اثر خشکسالی بر روی پوشش گیاهی با استفاده از سنجندۀ MODIS در خراسان رضوی. مهندسی اکوسیستم بیابان، ۴(۷)، ۱-۸.
[۱۲] دماوندی، علی‌اکبر؛ رحیمی، محمد؛ یزدانی، محمدرضا؛ و نوروزی، علی‌اکبر (۱۳۹۵). پایش مکانی خشکسالی کشاورزی از طریق سری‌های زمانی شاخص‌های NDVI و LST داده‌های MODIS (مطالعۀ موردی: استان مرکزی)، اطلاعات جغرافیایی «سپهر»، (۹۹)۲۵، ۱۱۶-۱۲۵. http://www.sepehr.org/article_23200_7c730a14d43b977341add322922c5035
[۱۳] رزمخواه، هما؛ رستمی، اسحاق؛ رستمی راوری، امین؛ و فرارویی، علیرضا (۱۴۰۱). بررسی تغییرات زمانی و مکانی خشکسالی هواشناسی، مطالعۀ موردی: استان کهگیلویه و بویراحمد. مدیریت جامع حوزه‌های آبخیز، ۲(۴)، ۱۷-۳۵. doi: 10.22034/iwm.2023.1972373.1049
[۱۴] رشیدی قانع، محبوبه؛ متولی، صدرالدین؛ جانباز قبادی، غلامرضا؛ و کوهی، منصوره (۱۴۰۳). فراوانی و ویژگی‌های خشکسالی‌های فرین دشت مشهد تحت سناریوهای SSP. مدیریت مخاطرات محیطی، ۱۱(۲)، ۸۵-۱۰۲. doi: http//doi.org/10.22059/jhsci.2024.380699.837
[۱۵] سپه‌وند، علیرضا؛ قبادی مرتضی؛ کرم‌پور؛ مصطفی؛ و میردریکوند، بهرام (۱۴۰۱). ارزیابی تأثیر وقوع خشکسالی بر تغییرات پوشش گیاهی حوضۀ کشکان لرستان با استفاده از داده‌های چند زمانۀ ETM+ و OLI لندست. مرتع. ۱۶(۱)، ۱۲۴-۱۳۹. http://rangelandsrm.ir/article-761-1-fa.html
[۱۶] سلطانی، میلاد؛ سلطانی، عادل؛ کله‌هوئی، مهین؛ و سلیمانی، کریم (۱۳۹۸). پایش خشکسالی منطقه‌ای با استفاده از تصاویر لندست - منطقۀ مورد مطالعه: شهرستان کرمانشاه. اطلاعات جغرافیایی «سپهر»، ۲۸(۱۰۹)، ۱۳۷-۱۴۶. doi: 10.22131/sepehr.2019.35643.
[۱۷] سلیمانی ساردو، مجتبی؛ و زارعی، مهدی (۱۳۹۸). پایش خشکسالی با استفاده از داده‌های سنجندۀ MODIS و مقایسه با شاخص هواشناسی SPI در دوره‌های کوتاه‌مدت (مطالعۀ موردی: حوزۀ آبخیز جازموریان).
پژوهشنامۀ مدیریت حوزۀ آبخیز، ۱۰ (۲۰)، ۲۵۰-۲۶۱.
http://jwmr.sanru.ac.ir/article-982-1-fa.html
[۱۸] سیاسر، هادی؛ محمدرضا‌پور، ام‌البنی؛ و خدامرادپور، مهرانه (۱۴۰۳). پایش خشکسالی با استفاده از داده‌های سنجندۀ MODIS و مقایسه با شاخص هواشناسی SPI در دوره‌های کوتاه‌مدت مطالعۀ موردی: استان گلستان. جغرافیا و توسعه، ۲۲(۷۴)، ۱۶۶-۱۸۶. doi: 10.22111/gdij.2024.8175
[۱۹] سیدی قلدره، جمال؛ احمدی، سلمان؛ و غلام‌نیا، مهدی (۱۴۰۱). ارزیابی شاخص‌های سنجش از دوری پایش خشکسالی با استفاده از رگرسیون بردار پشتیبان و مدل‌های جنگل تصادفی (مطالعۀ موردی: شهرستان مریوان). مهندسی فناوری اطلاعات مکانی، ۱۰ (۳)، ۱۲۱-۱۴۱. http://jgit.kntu.ac.ir/article-891-1-fa.html
[۲۰] شاهدی، کاکا؛ و روزبه کوشاهی، سجاد (۱۴۰۱). تحلیل خشکسالی کشاورزی استان مازندران با استفاده از شاخص‌های مناسب سنجش از دور و هواشناسی. مهندسی آبیاری و آب ایران، ۱۳(۱)، ۳۲۶-۳۴۶ doi: 10.22125/iwe.2022.158531.
[۲۱] شکریان، فاطمه؛ سلیمانی، کریم؛ و درویشی، شادمان (۱۴۰۱). بررسی تغییرات خشکسالی کشاورزی با استفاده از شاخص‌های سنجش از دور و هواشناسی (مطالعۀ موردی: استان خراسان شمالی). مهندسی اکوسیستم بیابان، ۱۰(۳۳)، ۹۳-۱۰۶. doi: 10.22052/deej.2021.10.33.51
[۲۳] عسگری دستنائی، آسیه؛ گندمکار، امیر؛ و خداقلی، مرتضی (۱۴۰۰). بررسی تأثیر خودواکاوی روند دمایی در مدیریت مخاطرۀ خشکسالی (مطالعۀ موردی: استان چهارمحال و بختیاری). مدیریت مخاطرات محیطی، ۸(۳)، ۲۸۳-۲۹۹. doi: 10.22059/jhsci.2021.330273.675
[۲۴] عفیفی، محمدابراهیم (۱۴۰۰). بررسی اثر خشکسالی بر روی پوشش گیاهی با استفاده از تکنیک‌های سنجش از دور، مطالعۀ موردی: حوضۀ آبریز سد درودزن. جغرافیا (فصلنامۀ علمی انجمن جغرافیایی ایران)، ۱۹(۷۰)، ۱۵۳-۱۷۲.
[۲۵] فخار، محدثه‌السادات؛ و نظری، بیژن (۱۴۰۳). پایش و ارزیابی ویژگی‌های مکانی و زمانی خشکسالی در ایران با استفاده از سنجش از دور، پژوهش‌های خشکسالی و تغییر اقلیم، ۲(۱)، ۳۹-۵۸. doi: 10.22077/JDCR.2024.7011.1050
[۲۶] فیروزی، فاطمه؛ طاووسی، تقی؛ و محمودی، پیمان (۱۳۹۸). بررسی حساسیت دو شاخص پوشش گیاهی NDVI و EVI به خشکسالی‌ها و ترسالی‌ها در مناطق خشک و نیمه‌خشک؛ مطالعۀ موردی: دشت سیستان ایران. اطلاعات جغرافیایی «سپهر»، ۲۸(۱۱۰)، ۱۶۳-۱۷۹. doi: 10.22131/sepehr.2019.36621
[۲۷] کیخسروی، قاسم (۱۳۹۴). بررسی تطبیقی شاخص‌های خشکسالی هواشناسی و ماهواره‌ای در روند بیابان‌زایی طبقات پوشش گیاهی فصل بهار استان سمنان. کاوش‌های جغرافیایی مناطق بیابانی، ۳(۲)، ۱۸۹-۲۱۳.
[۲۸] مجردی، برات؛ میرمیری، جواد؛ و علیزاده، حسین (۱۳۹۹). ارزیابی شاخص وضعیت پوشش گیاهی VCI با استفاده از شاخص بارش استاندارد اصلاح‌شدۀ MSPI به‌منظور پایش و پهنه‌بندی خشکسالی. مهندسی و مدیریت آبخیز، ۱۲(۳)، ۷۲۵-۷۳۶. doi: 10.22092/ijwmse.2019.116643.1402
[۲۹] مردانی، رامین؛ منتصری، حسین؛ فاضلی، مهدی؛ و خلیلی، رضا (۱۴۰۲). تغییرات زمانی و مکانی خشکسالی هواشناسی و ارتباط آن با شاخص‌های دمایی و وضعیت پوشش گیاهی با استفاده از سنجش از دور و تصاویر ماهواره‌ای در شهرستان مرودشت. مدل‌سازی و مدیریت آب و خاک، ۳(۳)، ۷۲-۸۹. doi: 10.22098/mmws.2022.11541.1140
[۳۰] نگهبان، سعید؛ مکرم، مرضیه؛ و مرادی‌زاده کرمانی، ریحانه (۱۴۰۳). تحلیل اثرهای مخاطرۀ خشکسالی بر جوامع روستاهای پیرامون دریاچۀ مهارلو. مدیریت مخاطرات محیطی، ۱۱(۱)، ۱-۱۳. doi: 10.22059/jhsci.2024.374378.823
[31] Ali, S., Zha, H., Ma, Q., Sun, L., Jiang, N., Qianmin, J., & Fujian, J. (2021). Monitoring drought events and vegetation dynamics in relation to climate change over mainland China from 1983 to 2016. Environmental Science and Pollution Research. 28(17), 21910–21925. DOI:10.1007/s11356-020-12146-4.
[32] Alzurqani, S. A., Zurqani, H. A., Don White Jr, D., Bridges, K., & Shawn Jackson, S. (2024). Google Earth Engine application for mapping and monitoring drought patterns and trends: A case study in Arkansas, USA. Ecological Indicators. 168, 112759. https://doi.org/10.1016/j.ecolind.2024.112759.
[33] Araghinejad, S. (2013). Data-driven modeling: using MATLAB® in water resources and environmental engineering. Springer Science & Business Media. 67.
[34] Bhuiyan, C., Singh, R. P., & Kogan, F. N. (2006). Monitoring drought dynamics in the Aravalli region (India) sing different indices based on ground and remote sensing data. International Journal of Applied Earth Observationand Geoinformation. 8, 289–302. doi:10.1016/j.jag.2006.03.002.
[35] Burka, A., Biazin, B., & Bewket, W. (2024). Spatial drought occurrences and distribution using VCI, TCI, VHI, and Google Earth Engine in Bilate River Watershed, Rift Valley of Ethiopia, Geomatics. Natural Hazards and Risk. 15(1). https://doi.org/10.1080/19475705.2024.2377672.
[36] Du, L., Qingjiu, T., Tao, Y., Meng, Q., Jancso, T., Udvardy, P., & Huang, Y. (2013). A comprehensive drought monitoring method integrating MODIS and TRMM data. International Journal of Applied Earth Observation and Geoinformation. 23(1), 245–25. doi:10.1016/j.jag.2012.09.010.
[37] Du, T.L.T., Du Bui, D., Nguyen, M.D., & Lee, H. (2018). Satellite-based، multi-indices for evaluation of agricultural droughts in a highly dynamic tropical catchment، Central Vietnam.
Water (Switzerland). 10(5), 1-24.
doi:10.3390/w10050659.
[38] Ejaz, N., Bahrawi, J., Alghamdi, K. M., Rahman, K. U., & Shang, S. (2023). Drought Monitoring Using Landsat Derived Indices and Google Earth Engine Platform: A Case S tudy from Al-Lith Watershed. Kingdom of Saudi Arabia، Remote Sensing. 15(4), 984. doi:10.3390/rs15040984.
[39] Gidey, E., Dikinya, O., Sebego, R., Segosebe, E., & Zenebe, A. (2018). Analysis of the long-term agricultural drought onset، cessation، duration، frequency، severity and spatial extent using vegetation health index (VHI) in raya and its environs، Northern Ethiopia. Environmental Systems Research. 7(1), 1–18. doi:10.1186/s40068-018-0115-z.
[40] Gouveia, C.M., Trigo, R.M., Beguería, S., & Vicente-Serrano, S.M. (2016). Drought impacts on vegetation activity in the Mediterranean region: an assessment using remote sensing data and multi-scale drought indicators. Global and Planetary Change. doi: 10.1016/j.gloplacha.2016.06.011.
[41] Jahangir, k., Wang, P., Xie, Y., Wang, L., & Li, L. (2018). Mapping MODIS LST NDVI Imagery for Drought Monitoring in Punjab Pakistan. IEEE. 6, 19898-19991. doi:10.1109/ACCESS.2018.2821717
[42] Javed, T., Li, Y., Feng, K., Ayantobo, O. O., Ahmad, S., Chen, X., Rashid, S., & Suon, S. (2021). Monitoring responses of vegetation phenology and productivity to extreme climatic conditions using remote sensing across different sub-regions of China. Environmental Science and Pollution Research. 28, 3644-3659. doi:10.1007/s11356-020-10769-1.
[43] Ji, T., Li, G., Yang, H., Liu, R. & He, T. (2018). Comprehensive drought index as an indicator for use in drought monitoring integrating multi-source remote sensing data: a case s tudy covering the Sichuan-Chongqing region. International Journal of Remote Sensing. 39(3), 786–809. doi: 10.1080/01431161.2017.1392635.
[44] Jiao, W., Zhang, L., Chang, Q., Fu, D., Cen, Y., & Tong, Q. (2016). Evaluating an enhanced vegetation condition index (VCI) based on VIUPD for drought monitoring in the continental United States. Remote Sensing. 8(3), 224. doi:10.3390/rs8030224.
[45] Li, K., Tong, Z., Liu, X., Zhang, J., & Tong, S. (2020). Quantitative assessment and driving force analysis of vegetation drought risk to climate change: Methodology and application in Northeast China.
Agricultural and Forest Meteorology. 282, 107865.
http://dx.doi.org/10.1016/j.agrformet.2019.107865.
[46] Liu, Q., Zhang, J., Zhang, H., Yao, F., Bai, Y., Zhang, S., Meng, X. & Liu, Q. (2021). Evaluating the performance of eight drought indices for capturing soil mois ture dynamics in various vegetation regions over China. Science of the Total Environment. 789, 147803. doi: 10.1016/j.scitotenv.2021.147803.
[47] McKee, T., & Doesken Kleist, N. (1993). The Relationship of Drought Frequency and Duration to Time Scales. Preprints 8th Conference on Applied Climatology. 17-22 January. Anaheim, CA. 170-184.
[48] Moisa, M. B., Merga, B. B., & Gemeda, D.O. (2022). Multiple indices-based assessment of agricultural drought: A case study in Gilgel Gibe Sub-basin, Southern Ethiopia. Theoretical and Applied Climatology. 148(1), 455–464. doi:10.1007/s00704-022-03962-4.
[49] Nejadrekabi, M., Eslamian, S., & Zareian, M. J. (2022). Spatial statistics techniques for SPEI and NDVI drought indices: A case study of Khuzestan Province. International Journal of Environmental Science and Technology. 19(7), 6573-6594. doi:10.1007/s13762-021-03852-8.
[50] Palchaudhuri, M., & Biswas, S. (2020). Application of LISS III and MODIS-derived vegetation indices for assessment of micro-level agricultural drought.
The Egyptian Journal of Remote Sensing and Space Science. 23(2), 221–229.
doi:10.1016/j.ejrs.2019.12.004.
[51] Peng, J., Loew, A., Merlin, O., & Verhoest, N.E. (2017). A review of spatial downscaling of satellite remotely sensed soil moisture.
Reviews of Geophysics. 55(2), 341-366.
http://dx.doi.org/10.1002/2016RG000543.
[52] Pradhan, P., & Patra, S. (2024). Chapter 11 - Agricultural drought monitoring using Google Earth Engine: a study of Paschim Medinipur district, West Bengal. Modern Cartography Series. 12, 261-297. https://doi.org/10.1016/B978-0-443-23890-1.00011-6.
[53] Singh, R.P., Roy, S., Kogan, F. (2003). Vegetation and temperature condition indices from NOAA AVHRR data for drought monitoring over India.
International Journal of Remote Sensing. 24(22), 4393-4402.
https://doi.org/10.1080/0143116031000084323.
[54] Sun, B., Qian, J., Chen, X., & Zhou, Q. (2020). Comparison and Evaluation of Remote Sensing Indices for Agricultural Drought Monitoring over Kazakhstan. The International Archives of Photogrammetry. Remote Sensing and Spatial Information Sciences. 3, 899–903. doi:10.5194/isprs-archives-XLIII-B3-2020-899-2020.
[56] Thilagaraj, P.,Masilamani, P., Venkatesh, R., & Killivalavan, J. (2021). Google Earth Engine based agricultural drought monitoring in Kodavanar Watershed, part of amaravathi basin, tamil nadu, india. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. XLIII-B5-2021 XXIV ISPRS Congress. 43-49.
[57] Wang, K., Li, T., & Wei, J. (2019). Exploring drought conditions in the Three River Headwaters Region from 2002 to 2011 using multiple drought indices.
Water. 11(2), 190-210.
doi:10.3390/w11020190.
[58] Wassie, S. B., Mengis tu, D. A., & Birlie, A. B. (2022). Agricultural drought assessment and monitoring using MODIS-based multiple indices: the case of North Wollo.
Ethiopia, Environmental Monitoring and Assessment. 194(11), 787.
doi:10.1007/s10661-022-10455-4.
[59] Zhang, L., Jiao, W., Zhang, H., Huang, Ch., & Tong, Q. (2017). Studying drought phenomena in the Continental United States in 2011 and 2012 using various drought indices.
Remote Sensing of Environment. 190, 96-106.
doi: 10.1016/j.rse.2016.12.010.
[60] Zhou, X., Wang, P., Tansey, K., Zhang, S., Li, H., & Wang, L. (2020). Developing a fused vegetation temperature condition index for drought monitoring at field scales usingg Sentinel-2 and MODIS imagery. Computers and electronics in agriculture. 168, 105144. http://dx.doi.org/10.1016/j.compag.2019.105144.
)