An investigation of drought prediction using various remote-sensing vegetation indices for different time spans

Meteorological and Hydrological Drought on the Loess Plateau, China: Evolutionary Characteristics, Impact, and Propagation

“…In recent years, remote‐sensing data have been used to forecast and model drought. For example, Heydari et al () tested the ability of several different satellite‐based vegetation indexes to predict drought conditions over different time spans. They found that the temperature condition index was the most suitable index for modeling short‐term droughts (1, 3, and 6 months), whereas the normalized difference vegetation index deviation was the best index for monitoring long‐term droughts (12 and 24 months).…”

Past and future drought trends, duration, and frequency in the semi‐arid Urmia Lake Basin under a changing climate

“…Moreover, the scenario RCP 8.5 predicted the longest severe drought duration (6 months) in both predicted periods compared with the other scenarios and periods, which can be because of the pessimistic nature of this scenario. Such long‐term severe drought conditions can have detrimental impacts on water resources and therefore on socio‐economic sectors (Heydari et al, 2018; Veijalainen et al, 2019). In addition, these drought conditions can also affect agricultural and food production systems in water‐limited regions due to the high dependency of these systems on water (Dorji et al, 2017; Paymard et al, 2019).…”

Multi-temporal analysis by GIS of drought and deforestation in the Tumbes-Peru National Reserve, 1986 -2019

“…El índice de agua de diferencia normalizada (NDWI) Para el NDWI, la mayor área de la reserva nacional de Tumbes, tuvo valores entre 0,2-0,4 y > 0,4, lo que nos da una clasificación como área con poca sequía y bajo contenido de humedad, respectivamente; los valores de NDWI de la reserva nacional oscilaron entre -0,5 a 0,7, este máximo valor fue poco frecuente, que se clasifica como áreas con contenido de humedad muy alto, este índice puede ir desde -1 a 1, encontrándose los valores obtenidos en este análisis dentro de los rangos establecidos para este índice, se procedió a determinar el área para cada uno de los años de este análisis, el área en promedio fue de 18 645,68 ha, que alcanzaron valores entre 0,2-0,7; se empleó este índice de agua de diferencia normalizada (NDWI), por ser considerado el más sensible a los cambios en el contenido de agua líquida de las cubiertas de vegetales según Heydari et al (2018), Santos, Amaral & Souza (2019) dicen que el NDWI muestra una satisfactoria estimación de la humedad para la vegetación, permitiendo la cuantificación de las pérdidas de contenido de agua en el follaje esto respalda el análisis de la libre disponibilidad de imágenes del sensor Landsat 8, que contribuyen los estudios regionales; además Rodrigues, de Morais, & Paschoal (2017) indican que el NDWI se presenta como una de herramienta eficaces en el mapeo de áreas húmedas y que pueden ser propicias para inundaciones; presentando una variación en el contenido de humedad y muestra una mayor coherencia en los objetos de la superficie, además de diferenciar la presencia de la vegetación y del suelo expuesto; según lo expresado por Azzouzi (2019); Mihai et al (2016), en un trabajo realizado concluyeron que se obtiene una buena correlación del NDWI (determinados de los datos de satélite) y la humedad medida in situ en el suelo; así mismo también lo manifiestan Pereira, Amorim, Grigio, & Paranhos (2019), quienes dicen que el NDWI de Gao, es un método capaz de medir el contenido de agua líquida que presenta la vegetación. Figura 6.…”

“…La FAO identificó la dinámica de la población en la deforestación y declaró que la deforestación puede resultar de "una combinación de la presión de la población y el estancamiento de las condiciones económicas, sociales y tecnológicas"; la cual avanza a un ritmo de unos 17 millones de hectáreas al año (Garciglia, 2014;Poonam, Dharmendra, & Reshu, 2013). Una investigación de la predicción de la sequía utilizando varios índices de vegetación mediante teledetección, el NDVI indica la gravedad del estrés de la vegetación resultante por déficit hídrico (Heydari, Valadan Zoej, Maghsoudi, & Dehnavi, 2018). Un estudio, realizado de los recursos forestales mundiales (FRA) 2010, con imágenes de satélite de todo el mundo, tuvo por finalidad mejorar sustancialmente el conocimiento de la dinámica de los cambios en la cubierta forestal y el uso de los terrenos forestales en el tiempo (Gerrand, Lindquist, D'Annunzio, & Obstler, 2012).…”