The main aim of the study was to investigate the effects of drought on vegetation cover and ground water resources. In the present study, an available climatic data series (2001–2017) for 9 synoptic stations in Lorestan province were analyzed to detect wet and dry years using Standardized Precipitation Index (SPI). Furthermore, a long data series of Moderate Resolution Imaging Spectroradiometer (MODIS) data was analyzed by remote sensing data and the Normalized Difference Vegetation Index (NDVI) maps have been produced for the study period (2001–2017). For all data, Kolmogorov-Smirnov test and Pearson Correlation Coefficient test between SPI and NDVI were used based on the data resource and normality test. In addition, the relationship between rainfall and groundwater levels was investigated using artificial neural network (ANN). During the study period, 2008 and 2015 were selected as dry and wet years based on SPI values, respectively. The values of the NDVI in the wet year (2015) are significantly higher than the values in the dry year (2008) at a 99% confidence level. Spatial variation of SPI shows that for intensive drought conditions (2008) and wet year (2015) the northern part of Lorestan province had the highest variation in comparison with other parts of the study area. Generally, the results of the present study show that MODIS data in a mountainous area could be a key tool in detecting the effects of intensive drought on natural vegetation cover. Furthermore, ground water level showed a significant correlation with the 3-month delay of monthly precipitation.

该研究的主要目的是研究干旱对植被覆盖和地下水资源的影响。在本研究中，使用标准化降水指数（SPI）分析了洛雷斯坦省9个天气站点的可用气候数据系列（2001-2017），以检测干湿年。此外，通过遥感数据分析了中分辨率成像光谱仪（MODIS）的长数据系列，并在研究期间（2001-2017）制作了归一化植被指数（NDVI）图。对于所有数据，基于数据资源和正态性检验，使用SPI和NDVI之间的Kolmogorov-Smirnov检验和Pearson相关系数检验。此外，使用人工神经网络（ANN）研究了降雨与地下水位之间的关系。在研究期间，分别根据SPI值将2008年和2015年选为干燥年份和潮湿年份。在99％的置信水平下，在潮湿年份（2015年）中的NDVI值明显高于干燥年份（2008年）中的NDVI值。SPI的空间变化表明，与研究区域其他部分相比，洛雷斯坦省北部地区在严重干旱条件下（2008年）和潮湿年份（2015年）变化最大。通常，本研究的结果表明，山区的MODIS数据可能是检测强烈干旱对自然植被覆盖影响的关键工具。此外，地下水位显示与每月降水的三个月延迟显着相关。在99％的置信水平下，在潮湿年份（2015年）中的NDVI值明显高于干燥年份（2008年）中的NDVI值。SPI的空间变化表明，与研究区域其他部分相比，洛雷斯坦省北部地区在严重干旱条件下（2008年）和潮湿年份（2015年）变化最大。通常，本研究的结果表明，山区的MODIS数据可能是检测强烈干旱对自然植被覆盖影响的关键工具。此外，地下水位显示与每月降水的三个月延迟显着相关。在99％的置信水平下，在潮湿年份（2015年）中的NDVI值明显高于干燥年份（2008年）中的NDVI值。SPI的空间变化表明，与研究区域其他部分相比，洛雷斯坦省北部地区在严重干旱条件下（2008年）和潮湿年份（2015年）变化最大。通常，本研究的结果表明，山区的MODIS数据可能是检测强烈干旱对自然植被覆盖影响的关键工具。此外，地下水位显示与每月降水的三个月延迟显着相关。SPI的空间变化表明，与研究区域其他部分相比，洛雷斯坦省北部地区在严重干旱条件下（2008年）和潮湿年份（2015年）变化最大。通常，本研究的结果表明，山区的MODIS数据可能是检测强烈干旱对自然植被覆盖影响的关键工具。此外，地下水位显示与每月降水的三个月延迟显着相关。SPI的空间变化表明，与研究区域其他部分相比，洛雷斯坦省北部地区在严重干旱条件下（2008年）和潮湿年份（2015年）变化最大。通常，本研究的结果表明，山区的MODIS数据可能是检测强烈干旱对自然植被覆盖影响的关键工具。此外，地下水位显示与每月降水的三个月延迟显着相关。