بی همتا، م ر.، و م ع. زارع چاهوکی. 1387. اصول آمار علوم طبیعی. انتشارات دانشگاه تهران. 300 ص.
پورسیدی، ع.، و ح ع. کشکولی. 1391. مطالعه وضعیت آبهای زیرزمینی دشت جیرفت به کمک مدل PMWIN . علوم و مهندسی آبیاری(مجله علمی کشاورزی) 35 (2): ص 51-63.
جعفری، ح ر.، س. ص. علمداری و ا. زایندهرودی. 1390. بررسی عومل زمین شناسی تأثیر گذار بر کیفیت منابع آب زیرزمینی دشت جیرفت. فصلنامه علمی پزوهشی زمین و منابع واحد لاهیجان. 4(4): ص 1- 10.
دماوندی ع. ا.، م. رحیمی، م.ر. یزدانی، و ع. ا. نوروزی. 1395. پایش مکانی خشکسالی کشاورزی از طریق سریهای زمانی شاخص های NDVI و LST داده های MODIS (مطالعه موردی: استان مرکزی). فصلنامه علمی – پژوهشی اطلاعات جغرافیایی. سال بیست وپنجم، شماره 99، ص 115 – 126.
شرکت سهامی آب منطقه ای کرمان. 1394. گزارش ممنوعیت منابع آبزیرزمینی محدوده مطالعاتی جیرفت. 103ص
صابری ع.، و س. سلطانی گردفرادمرزی. 1396. ارزیابی روش های زمین آمار در پهنه بندی شدت خشکسالی استان آذربایجان غربی. فصلنامه علمی پژوهشی مهندسی آبیاری و آب. 7 (27) : ص 151-165.
Fitts. C. R. 2002. Groundwater Science. Second Edition, UK, Academic Press. 450 pp.
Nohegar, A and M. Heydarzadeh. 2016. Evaluation of the effects of meteorological drought on groundwater table fluctuations (Case study: Hormozgan Province, Iran). Natural Environment Change, 2(2):111-125.
Pablos, M., J. Martínez-Fernández., N Sánchez and A González-Zamora. 2017. Temporal and Spatial Comparison of Agricultural Drought Indices from Moderate Resolution Satellite Soil Moisture Data over Northwest Spain. Remote sensing. 9(11): 1-27.
Parida, B.R. 2006. Analysing the effect of severity and duration of agricultural drought on crop performance using Terra/MODIS satellite data and meteorological data, Indian Institute of Remote Sensing.
Rimkus, E., E. Stonevicius, J. Kilpys, V. Maciulyte, and D. Valiukas. 2017. Drought identification in the eastern Baltic region using NDVI, Earth Syst. Dynam, 8, 627-637.
Stamm, G.G. 1967. Problems and procedures in determining water supply requirements for irrigation projects. In: Hagan et al (eds) Irrigation of agricultural lands. Agronomy monograph 11. American Society of Agronomy, Madison, 771–784.
Tian, Y., Y-P. Xu and G. Wang. 2018. Agricultural drought prediction using climate indices based on Support Vector Regression in Xiangjiang River basin. Science of the Total Environment 622–623:710–720.
Tigkas, D., H. Vangelis and G. Tsakiris. 2017. An Enhanced Effective Reconnaissance Drought Index for the Characterisation of Agricultural Drought. Environmental process, 4: 137–148.