بررسی قابلیت شاخص های مبتنی بر داده های ماهواره ای در طبقه بندی اقلیمی به روش دومارتن

محورهای موضوعی : توسعه سیستم های مکانی

آسیه طیبی ¹ , محمد حسین مختاری ²

1 - کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده علوم انسانی، دانشگاه یزد
2 - دانشیار دانشکده منابع طبیعی و کویر شناسی/گروه‌ مدیریت مناطق خشک و بیابانی/دانشگاه یزد

تاریخ دریافت : 1401/04/03 تاریخ پذیرش : 1401/05/15 تاریخ انتشار : 1403/07/08

کلید واژه: اقلیم, مودیس, بارش, دومارتن.,

چکیده مقاله :

شناخت ویژگی­های طبیعی هر منطقه به­خصوص شناسایی طبقه­بندی اقلیمی، در امر برنامه‌ریزی و بهره­برداری بهینه از منابع نقش مهمی دارد و تغییرات در آن منجر به افزایش یا کاهش وسعت اقلیمی می­شود. در تعیین اقلیم می­توان از داده­هایی مانند دما و بارش برای ناحیه اقلیم­ها استفاده کرد؛ اما به دلیل اینکه برخی مناطق، فاقد ایستگاه سینوپتیک زمینی هستند و همچنین به علت بعد مسافت و هزینه، اقدام به استفاده از داده­های ماهواره­ای می­شود که در هر زمان، مکان و بدون هزینه دریافت خواهند شد. هدف از این پژوهش بررسی طبقه­بندی اقلیمی ایران با داده­های ماهواره­ای است که در تطابق با اقلیم نمای دومارتن و در طی سال‌های 1395 تا 1398 بررسی شد. در اين بررسي از دو محصول ماهواره­ای سنجنده مودیس شامل تصاوير شاخص تفاضلي نرمال شده گیاهی و دماي سطح زمين  و از تصاوير بارش جهاني حاصل از الگوریتم IMERG استفاده‌شده است. از ترکیب ­دو شاخص ذکرشده، شاخص دما_ پوشش گیاهی محاسبه شد. پارامترهای مورداستفاده در اقلیم نمای دومارتن شامل متوسط دما و بارش سالانه است که با توجه به ارتباط نزدیکی که با داد­ه­های ماهواره­ای مورداستفاده نشان دادند، به‌عنوان ورودی­های دومارتن ماهواره­ای به کار گرفته شدند. در بررسی همبستگی پیرسون میان متوسط پارامترها، مقادیر بارش ایستگاهی  با داده­های ماهواره ای و دمای ایستگاهی با دمای سطحی به ترتیب 52/0 و 89/0 قرار داشتند. نقشه پهنه­بندی حاصل از داده های زمینی نیز در مقایسه با داده های ماهواره ای حداکثر کاپا = 90/0 را نشان داد؛ که بیشترین سطح اقلیمی در هردو طبقه­بندی متعلق به اقلیم خشک در حدود 70% و کمترین سطح، اقلیم مدیترانه­ای با کمتر از 5% است.

چکیده انگلیسی:

Knowing the natural characteristics of each region, especially identifying the climate classification, plays an important role in planning and optimal use of resources. In determining the climate, data such as temperature and precipitation can be used for the zoning of climates; However, due to the fact that some areas do not have terrestrial synoptic stations, satellite data is used, which will be received at any time, place and without cost. The purpose of this research is to investigate the climate classification of Iran with satellite data, which was checked in accordance with the climate of De martonne and during the years 2016 to 2019, and in it, the MODIS sensor satellite products, LST indices, NDVI and GPM images from TRMM satellite were used. The TVDI index was calculated from the combination of the two mentioned indices. The parameters used in the De martonne climate map include the average temperature and annual precipitation, which were used as the inputs of the satellite De martonne due to the close relationship they showed with the satellite data used. In the Pearson correlation analysis between average parameters, precipitation with GPM and TVDI were in correlation of 0.52 and 0.56, respectively, and meteorological temperature and LST were in correlation of 0.90. The results of these data stated that between the De martonne method of weather station data and the De martonne relationship obtained from satellite data, the minimum correlation was rp=0.55 and the maximum rp=0.89 and the resulting zoning map From the maximum correlation, it showed Kappa=0.90; The highest climate level in both classifications belongs to the dry climate at about 70% and the lowest level is the Mediterranean climate with less than 5%