ایندکس های ترکیبی

شاخص های ترکیبی سلامت، حفاظت مالی، عدالت و اثرات رفاهی هزینه¬های کمرشکن در استان¬های کشور با رویکرد فازی

دو هدف اصلی نظام سلامت را می¬توان بهبود وضعیت شاخص¬های مختلف سلامت و حفاظت مالی در برابر هزینه¬های ناخواسته سلامت دانست. رشد دائمی و سریع جمعیت، تغییرات در نحوه زندگی ناشی از صنعتی شدن، توسعه فن¬آوری¬های پزشکی، وجود بیماری¬های نوپدید و . از عواملی هستند که باعث تغییراتی در وضعیت سلامت و رشد هزینه¬های خدمات درمانی در دهه¬های گذشته شده¬اند. با توجه به مباحث بالا، در بخش اول تحقیق حاضر، شاخص¬های مختلف وضعیتی نظام سلامت ایران و استان¬ها مورد بررسی قرار گرفته و شاخص¬های ترکیبی استاندارد و کیفیت سلامت با استفاده از منطق فازی ارائه شده است. بخش دوم نیز به بررسی حفاظت مالی در نظام سلامت با استفاده از سه روش سازمان جهانی بهداشت، بانک جهانی و روش فازی پرداخته است. نتایج بخش اول در بخش استاندارد سلامت گویای آن است که استان¬های چهارمحال و بختیاری، تهران، سمنان در رتبه¬های ابتدایی قرار دارند و بر اساس نقطه بحرانی، استان¬های خراسان شمالی، گیلان و سیستان و بلوچستان از نظر استاندارد سلامت دچار بحران هستند. در حیطه کیفیت سلامت، استان¬های چهارمحال و بختیاری، یزد، مازندران در رتبه¬های ابتدایی قرار دارند و استان¬های خوزستان، کردستان، تهران در رتبه¬های پایین قرار دارند و در مرحله بحران می¬باشند. نتایج بخش دوم در مواجهه خانوارها با هزینه¬های کمرشکن، فقیرکننده و هزینه بالای 2 میلیون ریال در ماه بیانگر آن است که در سال 1390 به ترتیب 56/1، 65/0، 4/4 درصد با چنین هزینه¬هایی در کشور مواجه هستند. استان¬هایی مانند استان مرکزی، فارس، اصفهان و چهارمحال بختیاری بالاترین میزان مواجهه با هزینه¬های کمرشکن را در اختیار دارند که اغلب از استان¬های با توان پرداخت بالا می¬باشند. در مقابل استان¬هایی مانند خراسان جنوبی، هرمزگان و بوشهر که ظرفیت پرداخت پایین¬تری ایندکس های ترکیبی دارند از مواجهه با هزینه¬های کمرشکن پایین¬تری نیز برخوردارند. شاخص مشارکت مالی عادلانه در سطح کشور برابر 86/0 می¬باشد و تغییر معناداری در دهه گذشته نداشته است. طی دو سال 1390 و 1391 به دلایلی از قبیل هدفمندی¬یارانه¬ها، تحریم¬ها و افزایش نرخ تورم شاهد باز تخصیص در بودجه خانوار بوده¬ایم و سهم هزینه¬های سلامت کاهش یافت است. هزینه¬های مختلف سلامت بین 19 تا 40 درصد رفاه خانوارها را کاهش می¬دهد. به برنامه¬ریزان و سیاست¬گذاران بخش سلامت توصیه می¬شود نظام پیش¬پرداخت¬ها شامل بیمه¬ها و ایندکس های ترکیبی مالیات¬ها جایگزین هزینه¬های مستقیم سلامت شود (هزینه¬های مستقیم سلامت به کل هزینه¬های سلامت در میان¬مدت به 30 درصد و در بلندمدت به 15 درصد کاهش یابد)؛ بعلاوه نسبت هزینه¬های سلامت به تولیدناخالص ملی همزمان با افزایش کارایی سیستمی، ارتقا یابد.

برای دانلود 15 صفحه اول ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

عدالت در تأمین مالی خدمات سلامت با تأکید بر شاخص هزینه‌های کمرشکن خدمات سلامت

Equity in health financing is an important health policy objective worldwide. A health system is fair in the case that its financing is in proportion to the household’s ability to pay. The households are facing Catastrophic Health Expenditure (CHE) when their health expenditure exceeds their ability to pay. The Ministry of Health and Medical Education (MHME) (Iran) has launched reforms in the .

تاثیر شاخص های سلامت بر رشد اقتصادی استانهای کشور

مقدمه: دستیابی به رشد مناسب و شناخت عوامل موثر بر آن همواره از مهم‌ترین موضوعات قابل طرح در هر اقتصادی است. مطالعات ایندکس های ترکیبی جدید بیانگر تاثیر بالای سرمایه سلامت، مخارج بهداشتی وآموزشی بر رشد اقتصادی است که با وارد نمودن آن به توابع رشد می‌توان اثرات مستقیم وغیر مستقیم آن بر سطح بهره‌وری نیروی کار را اندازه گیری نمود لیکن مطالعات گذشته نقش سرمایه انسانی در رشد اقتصادی را بیشتر از طریق تاکید بر آموزش بیا.

تاثیر شاخص های سلامت بر رشد اقتصادی استانهای کشور

مقدمه: دستیابی به رشد مناسب و شناخت عوامل موثر بر آن همواره از مهم‌ترین موضوعات قابل طرح در هر اقتصادی است. مطالعات جدید بیانگر تاثیر بالای سرمایه سلامت، مخارج بهداشتی وآموزشی بر رشد اقتصادی است که با وارد نمودن آن به توابع رشد می‌توان اثرات مستقیم وغیر مستقیم آن بر سطح بهره‌وری نیروی کار را اندازه گیری نمود لیکن مطالعات گذشته نقش سرمایه انسانی در رشد اقتصادی را بیشتر از طریق تاکید بر آموزش بیا.

رتبه‌بندی بانک‌های کشور براساس شاخص‌های مالی و با به‌کارگیری رویکرد ترکیبی AHP فازی و TOPSIS

با توجه به افزایش بانک‌ها و مؤسسات مالی در کشور و هم‌چنین روند خصوصی‌سازی بانک‌های دولتی؛ ارزیابی عملکرد نهادهای مذکور اهمیت خاصی پیدا کرده است. هدف از این مطالعه احصای شاخص‌های مالی مربوط به رتبه‌بندی بانک‌ها و ارائه یک مدل تصمیم‌گیری چند معیاره فازی برای رتبه‌بندی بانک‌های کشور می‌باشد. برای به‌دست آوردن اطلاعات مالی جامعه آماری پژوهش که شامل ۳۱ بانک و ۲ موسسه مالی و اعتباری می‌باشد از تراز.

برآورد شاخص بیماری هلندی در کشور ایران با رویکرد فازی

چکیدههدف از این مطالعه بررسی روند بیماری هلندی در اقتصاد ایران و ارائه شاخصی جهت سنجش آن طی دوره 1357 تا 1387 با استفاده از روش فازی می‌باشد. برای این منظور مؤلفه‌های عمده بیماری هلندی در اقتصاد ایران از ادبیات تجربی استخراج شده و سری زمانی بیماری هلندی با استفاده از نرم افزار (MATLAB) برآورد شده است. نتایج حاصل از تحقیق نشان می‌دهد، که بعد از وقوع هر شوک نفتی بیماری هلندی در مقیاس متفاوت.

بررسی تاثیرات سوء هزینه‬ های سلامت بر خانوارهای استان‬ های محروم ایران

زمینه و هدف: هنگامی که خانوارها بخش زیادی از منابع خود را برای پرداخت هزینه های سلامت استفاده کنند، دچار مشکلات مالی میشوند که استانداردهای زندگی را تهدید میکند. بنابراین حفاظت خانواده از هزینه های کمرشکن سلامت، هدف مطلوب سیستم‌های بهداشتی است. هدف این مطالعه بررسی عوامل موثر بر احتمال مواجهه خانوارهای استانهای محروم با هزینه های کمر‌شکن سلامت، همچنین سنجش شاخص مشارکت مالی عادلانه و ضریب جینی ب.

تهیه شاخص های ترکیبی با استفاده از رویکرد اوزان مشترک حاصل از تلفیق تحلیل پوششی داده و تحلیل تصمیم چند معیاره

ششمین کنفرانس بین المللی تحلیل پوششی داده ها

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 9 صفحه است به صورت فایل PDF در اختیار داشته باشید.

مشخصات نویسندگان مقاله تهیه شاخص های ترکیبی با استفاده از رویکرد اوزان مشترک حاصل از تلفیق تحلیل پوششی داده و تحلیل تصمیم چند معیاره

چکیده مقاله :

در این مقاله رویکردهای تحلیل تصمیم چند معیاره و تحلیل پوششی داده ها برای ساخت شاخص های ترکیبی ارائه شده اند. مدل تصمیم چند معیاره و تحلیل پوششی داده ها ساخت Cis را در مقابل مجموعه وزن های مشترک ممکن می سازد. مدل، موجودیت ها را توانا می سازد هنگامی که CI مقدار یک می گیرد، موجودیت های کارا منجر به بهترین موجودیت می شود. ساختار وزن های مشترک مدل ارائه شده زمانی که با مدل های شبه تحلیل پوششی داده ها مقایسه می گردد کارایی بیشتری از خود نشان می دهد.

کلیدواژه ها:

کد مقاله /لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ایندکس های ترکیبی DEA06_238 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

نحوه استناد به مقاله :

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:

یوسفی نژاد عطاری، مهدی و نیشابوری جامی، انسیه،1393،تهیه شاخص های ترکیبی با استفاده از رویکرد اوزان مشترک حاصل از تلفیق تحلیل پوششی داده و تحلیل تصمیم چند معیاره،ششمین کنفرانس بین المللی تحلیل پوششی داده ها،لاهیجان،https://civilica.com/doc/351755

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: ( 1393، یوسفی نژاد عطاری، مهدی؛ انسیه نیشابوری جامی )
برای بار دوم به بعد: ( 1393، یوسفی نژاد عطاری؛ نیشابوری جامی )
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقایسه روش های سنجش توسعه پایدار منطقه ای با استفاده از شاخص های ترکیبی (مطالعه موردی: استان های کشور ایران)

یکی از الزامات اساسی فرایند توسعه پایدار ملی، توجه به ویژگی های منطقه ای با استفاده از مجموعه ای از شاخص های اقتصادی، اجتماعی و محیط زیستی است تا ضمن شناسایی این تفاوت ها، بتوان منابع را به صورت بهینه به مناطق مختلف تخصیص داد. از طرفی شناسایی شاخص ها و روش هایی که بتواند به بهترین نحو این تفاوت ها را نشان دهد، بسیار حایز اهمیت است. هدف از پژوهش حاضر، بررسی تفاوت های منطقه ای استان های ایران از منظر توسعه پایدار با استفاده از مجموعه ای از شاخص ها و همچنین مقایسه روش های مختلف اندازه گیری و سطح بندی با استفاده از شاخص های ترکیبی است. برای این منظور، ابتدا 13 شاخص از حوزه های اقتصادی، اجتماعی و محیط زیستی شناسایی و داده های متناظر با آن ها برای 28 استان کشور ایران گردآوری شد. برای تهیه شاخص ترکیبی، از 5 روش Z- استاندارد، موریس، مک گراناهان، تحلیل عاملی و تحلیل مولفه های اصلی استفاده شده و شاخص های ترکیبی برای استان ها محاسبه و سطح بندی شدند. براساس این سطح بندی، به طورکلی استان های تهران و کهکیلویه و سمنان در رتبه های اول تا سوم و استان های سیستان و بلوچستان و کردستان در رتبه های آخر از نظر حرکت به سوی پایداری قرار گرفتند.
پس از سطح بندی و تهیه شاخص های ترکیبی استان ها، روش های مختلف اندازه گیری و سطح بندی با محاسبه ضریب همبستگی اسپیرمن مقایسه شدند. یافته های تحقیق نشان داد که تمامی روش ها ارتباط معنی داری با یکدیگر دارند، اما این رابطه در برخی از روش ها از جمله روش مک گراناهان با روش تحلیل مولفه های اصلی بیشتر است.

مقایسه روش‌های تجمیع شاخص‌ها برای ساخت شاخص ترکیبی توسعه منطقه‌ای

اخیراً روش‌های مختلف تجمیع شاخص‌ها به طور گسترده‌ای در ساخت شاخص ترکیبی توسعه منطقه‌ای مورد استفاده قرار گرفته‌اند. مشکلی که پژوهشگران با آن مواجه بوده‌اند تعیین کاربرد مناسبت‌ترین روش‌ها بوده ‌است. بنابراین هدف تحقیق حاضر مقایسه روش‌های تجمیع ساخت شاخص ترکیبی توسعه منطقه‌ای است. معیارهای زیادی برای مقایسه روش‌های تجمیع شاخص‌ها در ساخت شاخص ترکیبی وجود دارد. در این تحقیق، بر مبنای معیار از دست رفتن اطلاعات شاخص اسپیرمن شانون و ضریب همبستگی اسپیرمن و ضریب تغییرات برای مقایسه روش‌های بدیل تجمیع در ساخت شاخص ترکیبی مورد استفاده قرار گرفت. با استفاده از معیارها گفته شده، پنج روش مرسوم در ساخت شاخص ترکیبی (میانگین وزنی ساده، تاپسیس، مولفه اصلی اصلاح شده، تاکسونومی و انحراف از مقدار بهینه اصلاح شده) از طریق یک مطالعه تجربی بر مبنای اطلاعات 17 شاخص توسعه اقتصادی در 31 استان ایران ارزیابی و مقایسه شدند. نتایج نشان داد که روش‌های مختلف تجمیع شاخص‌ها شاخص‌های ترکیبی مختلفی و همچنین رتبه‌بندی متفاوتی را ایجاد می‌کنند. با وجود این استان‌های تهران، خوزستان، اصفهان و خراسان رضوی در ایندکس های ترکیبی بیشتر روش‌ها عملکرد بهتری در توسعه اقتصادی داشتند. به علاوه استان‌های خراسان جنوبی و شمالی، سیستان و بلوچستان‌، لرستان، اردبیل و چهار محال بختیاری نیز در بیشتر روش‌ها در رتبه‌های پایین قرار گرفتند. نتایج محاسبه شاخص اسپیرمن-شانون نشان داد که روش تاپسیس ایندکس های ترکیبی کمترین مقدار و روش‌های تاکسونومی و انحراف از مقدار بهینه اصلاحی بیشتری مقدار این شاخص را دارا هستند. این موضوع بیانگر این است که روش تاپسیس با توجه به معیار از رفتن اطلاعات مناسب‌ترین روش است. بر عکس دو روش تاکسونومی و انحراف از مقدار بهینه اصلاحی به علت اینکه نتایج آنها منجر به از رفتن اطلاعات زیادی می‌شود، انتخاب‌های خوبی نیستند. همچنین نتایج نشان داد که به استثنای روش تاپسیس، سایر روش‌ها همبستگی بالایی با همدیگر دارند که این موضوع بیانگر این است که روش‌های مختلف مکمل همدیگر هستند.

کلیدواژه‌ها

• تجمیع شاخص‌ها
• توسعه منطقه‌ای
• روش‌های تحلیل چند شاخصه
• شاخص‌های توسعه

عنوان مقاله [English]

Comparing aggregating methods for constructing the composite index of regional development

نویسندگان [English]

• B. Tarahomi
• M. Sharifzadeh
• Gh. Abdollahzadeh

  Extended
abstract Introduction A composite indicator refers to an index
derived from some specific individual indicators for measuring the aggregated
performance of a multi-dimensional issue. A major problem for constructing the composite
indicator of development is the determination of an appropriate aggregating
method to combine multi-dimensional development indicators into an overall
index. Therefore, strongly, the usefulness of a composite indicator depends
heavily on the underlying construction scheme. Â Construction on a composite indicator involves
the definition of study scope, selection of underlying variables, data
collection and preprocessing, data weighting and aggregation, and post analysis
of the composite indicator derived, among which data weighting and aggregation
has been an interesting but controversial topic (Esty et al. 2005). At the
stage of data (weighting and) aggregation, there are two major families of
operations research methods, namely data envelopment analysis (DEA) and
multiple criteria decision analysis (MCDA), which have recently received much
attention in composite indicator construction (Zhou and Ang 2008). While there are a large number of alternative
methods for constructing composite indicator,
none could be regarded as a ‘super method’
suitable for all cases. As a result, researchers
have developed a large number of criteria, such as theoretical foundation, understandability, ease of use and validity, which are helpful to
analysts for the selection of an
appropriate method for constructing composite indicator. Zhou et al. (2006)
introduced a novel criterion
‘‘information loss’’ and developed an objective measure called the
Shannon-Spearman measure (SSM) for comparing aggregation methods in
constructing composite indicator. This research investigates the effectiveness of the Shannon-Spearman
measure (Zhou and Ang, 2009) and compares several popular methods in
constructing composite indicator.  Methodology This research aimed to
compare aggregating methods for constructing the composite index of regional
development. There are many criteria for comparing aggregating methods of composite indicator. Based on the information loss concept this research
was used the Shannon-Spearman measure (SSM), Spearman correlation coefficient
and Coefficient of Variation (CV) to compare alternative aggregation methods in
constructing composite
indicator. Using the proposed measure,
five popular methods in constructing composite indicator (SAW, TOPSIS, revised PCA, Taxonomy and revised
Optimum Deviation) are evaluated and compared through an empirical study based
on information from 17 indicators of economic development for 31 Iranian
provinces. To collect data, census of 20011 and yearbook in different time was
used.  Discussion Since
different sub-indicators are likely to have different measurement units,
normalization is usually done before data aggregation. Weight of individual
indicators exploited from Antropy-Shanon and PCA techniques. The five aggregations methods are applied to
the 31 Iranian provinces based on 17 individual economic indicators. Results demonstrated that different
aggregation methods tend to give different composite indicator and even different ranking orders.
However Tehran, Khozestan, Esfahan and Razavi Khorasan are considered by almost
most the aggregation methods as better performers in economic development.
Moreover North and South Khorasan, Sistan and Baluchestan, Lorestan, Ardabil
and Chaharmahal Bakhtiari are ranked in least position by almost most the
aggregation methods. We shall apply the Shannon-Spearman measure to evaluate
the five alternative methods in constructing composite indicator in a more comprehensive way. Results
of calculated the Shannon-Spearman measure revealed that TOPSIS method has the
smallest value while the Taxonomy and Optimum Deviation method have the largest
the Shannon-Spearman measure value. This indicates that the TOPSIS method is
the most appropriate with regards to the information loss criterion. In
contrast, the Taxonomy and Optimum Deviation method may not be a good choice
because it often results in the maximum loss of information. It is also found
that except TOPSIS, other four methods are highly correlated with each other.
This indicates that different methods are complementary to each other. Based on
information from five composite indicator development level of province were
classified through cluster analysis. The spatial pattern is divided into six
clusters: Tehran (cluster 1-1), Khozestan (cluster 1-2), Esfahan (cluster 2-1)
and other province (cluster 2-2). Recent cluster include two sub-clusters sub-cluster
(2-2-1) contain 10 provinces and sub-cluster (2-2-2) contain 18 provinces which
were in low development level. These results indicate that the gap between the
economic development of provinces and has been emphasized in several studies. Conclusion In
recent years, different methods have been widely explored in constructing composite
indicators. A problem faced by researchers is to determine the most suitable
method to apply. Zhou et al. (2006) developed an empirical criterion called the
Shannon-Spearman measure for comparing alternative aggregation methods in
constructing composite indicators based on the concept of information loss.
This paper applies the Shannon-Spearman measure, spearman correlation
coefficient and coefficient of variation (CV) to assess the effectiveness of
the different method of constructing composite indicators in practice. Results demonstrates
that the Shannon-Spearman measure could be an effective measure for comparing
aggregation methods in constructing of ایندکس های ترکیبی composite indicators. The case studies presented show that the TOPSIS
method is the most appropriate with regards to the information loss criterion.
In contrast, the Taxonomy and revised Optimum Deviation method may not be a
good choice because it often results in the maximum loss of information. It is
also found that the different methods are complementary to each other. Â Some
recommendations are provided include: Decentralization policy and make more
attention to less developed province such Sistan and Baluchestan, Lorestan, Ardabil, Chaharmahal ایندکس های ترکیبی
Bakhtiari, South Khorasn and North Khorasan. Appling Shannon-Spearman measure in different
indicator and for other composite indicators methods in the future research
should be considered. The application
of quantitative methods more cautious should be considered and fitted with the regional
facts. Future
research is needed especially its sensitivity should be evaluated when the numbers
of compared units are changing. Â Moreover
it should be noted that different ranking caused from nature of individual
indicator, weighing method, normalization and aggregating methods. The results
of each method is complementary to other methods and simultaneously use and
compare them often a better guide for the assessment of regional development. As
well as other aspects of development through the use of socio-economic indicators
and measures proposed in this research is recommended in future works. Finally, this research is not able to judge
which method is the most appropriate since these results are obtained based on
a specific decision matrix. Key
words: Aggregating of
indicator, regional development, multi attribute decision making, indicators of
developmentÂ

ارزیابی یک شاخص خشکسالی ترکیبی جدید مبتنی بر داده‏های سنجش از دوری (RCDI) در محدودۀ ایران مرکزی

نخستین گام در هر سیستم مدیریت خشکسالی پایش وضعیت و سیر تکاملی خشکسالی است. این تحقیق روشی جدید برای پایش سیر تکاملی و شدت خشکسالی با شاخص خشکسالی ترکیبی مبتنی بر داده‏های سنجش از دوری (RCDI) ارائه می‏دهد. شاخص حاضر بر‌اساس این واقعیت استوار است که خشکسالی پدیده‌ای طبیعی است که به‌وسیلۀ ترکیبی از فاکتورهای مختلف از قبیل کمبود در مقدار بارش، تدوام بارندگی‏های کمتر از متوسط در طولانی‌مدت، دمای بیش از حد نرمال و خصوصیات مربوط به رطوبت خاک ایجاد می‏شود. سه منبع دادۀ استفاده‌شده در شاخص RCDI شامل داده‏های بارندگی، دما و پوشش گیاهی است. در تحقیق حاضر، از داده‏های سنجش از دوری TRMM و MODIS برای تهیۀ داده‏های مورد نیاز شاخص RCDI در محدودۀ ایران مرکزی به‌منظور تهیۀ نقشۀ توزیع مکانی خشکسالی طی دورۀ آماری 2001‌ـ 2004 استفاده شده است. ارزیابی دقت شاخص خشکسالی ترکیبی مبتنی بر داده‏های ماهواره‏‏‏‏‏‏ای با استفاده از معیارهای ارزیابی R و RMSE در سطح اطمینان 95 درصد و بر‌اساس مقایسه با مقادیر رطوبت خاک اندازه‏گیری‏شده در50 ایستگاه سینوپتیک انجام گرفته است. نتایج به‌دست‌آمده از بررسی معیارهای ارزیابی نشان داد که شدت خشکسالی برآورد‌شده به‌وسیلۀ شاخص RCDI در انطباق با مقادیر رطوبت خاک اندازه‏گیری‌شده به‌طور متوسط ضریب همبستگی معنا‏دار (61/0) و کمترین خطای برآوردی (98/1) داشته است. از این‌رو، شاخص خشکسالی RCDI به‌خوبی می‏تواند در سیستم‏های هشدار سریع خشکسالی استفاده شود.

‌

کلیدواژه‌ها

• ایران مرکزی
• پایش خشکسالی
• داده‏های ماهواره‏ای
• رطوبت خاک‌
• سنجش از دور‌
• شاخص خشکسالی ترکیبی

موضوعات

عنوان مقاله [English]

Evaluating a new combined drought index based on remote sensing data (RCDI) in Central Iran

نویسندگان [English]

• Yaghoub Niazi 1
• Ali Talebi 2
• Mohammad Hossein Mokhtari 3
• Majid Vazifedoust 4

Monitoring and evolution of drought is the first step in any drought management system. In this study, evaluation of a new indexa new method is provided to monitor the severity of drought with Remote Sensing Combined Drought Index (RCDI). The index is based on the fact that drought is a natural phenomenon caused by a combination of various factors such as a shortage in the amount of precipitation, less than the average long-term rainfall, temperature higher than normal and the properties of the soil moisture. The new index is a statistical index comparing the present hydrometeorological conditions with the long-term average characteristics in the same interest period within the year. Three data sources used in the RCDI index includes rainfall, temperature and vegetation data. In the present study, remote sensing data of TRMM and MODIS are used to provide the required data of RCDI index in central Iran for mapping the spatial distribution of drought over the period 2001-2004. Accuracy of the RCDI index based on satellite data carried out using the evaluation criteria of R and RMSE compared with soil moisture values based on monthly data of 50 synoptic stations in 95% confidence levels. The results of the evaluation criteria showed that drought severity index calculated by the RCDI index in accordance with soil moisture values had the significant correlation (0.61) and the lowest estimation error (1.98). Thus, a RCDI index could well use in drought early warning systems.

کلیدواژه‌ها [English]

• Drought Monitoring
• Combined Drought Index
• remote sensing
• Satellite data
• soil moisture
• Central Iran

مراجع

[2]. Balint Z, Mutua FM, Muchiri P, Omuto CT. Monitoring Drought with the Combined Drought Index in Kenya. Journal of Developments in Earth Surface Processes. 2013; Vol. 16. pp. 341-356.

[3]. Balint Z, Mutua FM, Muchiri P. Drought Monitoring with the Combined Drought Index. Methodology and Software. FAO-SWALIM Nairobi, Kenya. 2011; PP. 1-28.

[7]. Gommes R, Petrassi F. Rainfall Variability and Drought in Sub-Saharan Africa Since 1960. Agrometeorology Series Working Paper No. 9. Food and Agriculture Organization, Rome, Italy; 1994.

[8]. Guttman N. Comparing the Palmer Drought Index and the Standardized Precipitation Index. J. of Am Water Resources Association. 1998; 34, PP.113-121.

[10]. Heim RR. A Review of Twentieth-century Drought Indices Used in United States, Bulletin of the American Meteorological Society. 2002; 84: 1149-1165.

[11]. Hellden U, Christian T. Regional Desertification: a Global Synthesis. Global and Planetry Change. 2008; Vol. 64, No. 3-4, PP. 169-176.

[12]. Herweijer C, Seager, R.The global footprint of persistent extra-tropical drought in the instrumental era. Int. J. Climatol. 2008; 28, 1761–1774.

[14]. Jones PD, Hulme M. Calculating regional climatic time series for temperature and precipitation: methods and illustrations. Journal of Climatology. 1996;16, 361–377, (R).

[15]. Lloyd-Hughes B, Saunders MA. A drought climatology for Europe. Int. J. Climatol. 2002; 22, 1571–1592.

[16]. Li JG, Ruan HX, Li JR, Huang SF. Application of TRMM precipitation data in meteorological
drought monitoring. Journal of China Hydrology. 2010; 30: PP 43–46.

[17]. McKee TB, Doesken NJ, Kleist J. The relationship of drought frequency and duration to time scales, In: Proceedings of the 8th conference on applied climatology. 17–22 January, Anaheim, CA, Am Meteor Soc, Boston, MA, 1993;179–184.

[18]. McKee TB, Doesken NJ, Kleist JY. Drought monitoring with multiple time scales. Ninth Conference on Applied Climatology. American Meteorological Society: Dallas. TX. 1995; PP 233–236.

[19]. Mishra AK, Singh VP. A review of drought concepts. Journal of Hydrology. 2010; 391(1), 202-216.

[20]. Morid S, Smakhtin V, Moghaddasi M. Comparison of seven meteorological indices for drought monitoring in Iran. Int. J. Climatol. 2006; 26, 971–985.

[22]. Rhee J. Monitoring Agricultural Drought for Arid and Humid Regions Using Multi-sensor Remote Sensing Data. Remote Sensing of Environment. 2010; 114, 2875–2887.

[23]. Roswintiarti O, Oarwati S, Anggraini N. Potential drought monitoring over agriculture area in Java Island. Indonesia, Indonesian National Institute of Aeronautics and Space (LAPAN), Progress Report of SAFE Prototype Year. 2010; Pp.121-135.

[24]. Shakya N, Yamaguchi Y. Vegetation, water and thermal stress index for study of drought in Nepal and central Northeastern India. Int. J. Remote. Sens. 2010; 31, 903–912.

[26]. Szinell CS, Bussay A, Szentimrey T. Drought tendencies in Hungary. Int. J. Climatol. 1998; 18, 1479–1491.

[27]. Taghavi F, Mohammadi H. Study the Return Period of Extreme Climate Events for Reduction of Environmental Impacts. Journal of Environmental Studies. 2007; 33(43). 11–20. [Persion]

[28]. Thenkabail PS, Enclona EA, Ashton MS, Legg C, Jean De Dieu M. The use of remote sensing data for drought assessment and monitoring in southwest Asia. International Water Management Institute. PO Box 2075. Colombo. Sri Lanka. 2004.

[29]. Wilhite DA. Drought as a natural hazard, In: Wilhite, D. A (Editor), Drought: A Global Assessment, Routledge, London. 2000.

[30]. Wu H, Hayes MJ, Weiss A, Hu Q. An evaluation of the standardized precipitation index, the China-z index and the statistical z-score. Int. J. Climatol, 2001; 21, 745–758.

[31]. Zang WB, Ruan BQ, Li JG, Huang SF. Analysis of extraordinary meteorological drought in
Southwest China by using TRMM precipitation data. Journal of China Institute of Water Resources and Hydropower Research. 2011; 8: PP 97–106.

[32]. Zeng H, Lijuan L, Li J. The evaluation of TRMM multisatellite precipitation pnalysis (TMPA) in drought monitoring in the Lancang River Basin. Journal of Geographical Sciences, 2012; 22(2): 273-282.