بررسی پوشش گیاهی اراضی شور حاشیه دریاچه ارومیه با استفاده از تصاویر ماهواره ای
الموضوعات :احمد احمدی 1 , محمدرضا طاطیان 2 , رضا تمرتاش 3 , حسن یگانه 4 , یونس عصری 5
1 - دانشجوی دکتری علوم مرتع، دانشگاه علوم کشاورزی و منابع طبیعی ساری
2 - استادیار دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری
3 - استادیار دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری
4 - استادیار دانشکده مرتع و آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
5 - دانشیار بخش تحقیقات گیاهشناسی، موسسه تحقیقات جنگلها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران
الکلمات المفتاحية: مرتع, رگرسیون چندگانه, مدل حذف پیش رو, شاخصهای گیاهی,
ملخص المقالة :
مرتع یکی از منابع تجدید شونده با ارزش است که در برنامه های توسعه ملی بسیاری از کشورها جایگاه خاصی دارد. هدف مطالعه حاضر بررسی درصد پوشش گیاهی اراضی شور اطراف دریاچه ارومیه با استفاده از داده های ماهواره ای میباشد. این مطالعه در منطقه ای به وسعت حدود 353150 هکتار در اراضی شور اطراف دریاچه ارومیه انجام گرفت. در این پژوهش پیش پردازش های مختلف شامل تصحیح هندسی با استفاده از نقشههای توپوگرافی و تصحیحات اتمسفری از روش تفریق عارضه تاریک استفاده شد. عملیات برداشت زمینی در مرداد سال 1393 انجام گرفت. نمونه برداری در واحدهای گیاهی با روش نمونه برداری تصادفی طبقهبندی شده انجام شد. در این تحقیق به منظور بررسی رابطه بین متغیرها از رگرسیون چندگانه استفاده شد. در این مدل ابتدا با محاسبه ماتریس همبستگی، وجود یا عدم وجود هم راستایی (Collinearity) بین متغیرهای مستقل (شاخص های گیاهی و باندها) در منطقه بررسی شد. در این تحقیق بهترین مدل با توجه به مقدار بالاترR2 انتخاب شد. در مدل انتخابی چندین متغیر از بین تمامی متغیرهای مستقل گزینش شده و به عنوان مهمترین فاکتورهای موثر در تعیین نقشه درصد پوشش گیاهی منطقه معرفی شدند. در نهایت نقشه های تولیدی و نقاط نمونهبرداری جهت بررسی صحت نتایج، کنترل گردید. نتایج نشان داد شاخصهای مادون قرمز متوسط (MID-IR-INDEX)، مادون قرمز (Infrared)، کنتراست بازتاب در مرئی و نزدیک مادون قرمز (VNIRI)، شاخص گیاهی تبدیل شده (TVI، MIRVI، PD312، PD322)، و باندهای B2، B3، B5 و B6 رابطه معنیداری در سطح 5% با داده های زمینی داشته و به کمک مدل های رگرسیونی Backward نقشه میزان درصد پوشش گیاهی تخمین زده شد. جهت تعیین دقت نقشه تولید شده از روش Cross Validation استفاده شد که صحت کلی نقشه تولیدی از سنجنده +ETM برابر 92% و ضریب کاپای آن 2/89 بدست آمد. همچنین بر اساس نتایج این تحقیق، بخش اعظم اراضی شور حاشیه دریاچه ارومیه دارای تاج پوشش معادل 20-0% میباشند. بنابراین میتوان چنین نتیجه گیری کرد که مراتع در منطقه مورد مطالعه در وضعیت مناسبی قرار ندارند.
1. ارزانی، ح.، س. ز. حسینی و خ. میرآخورلو. 1393. کاربرد تصاویر سنجنده ETM+ در تخمین میزان تولید و پوشش گیاهی مراتع منطقه طالقان، فصلنامه علمی- پژوهشی تحقیقات مرتع و بیابان ایران، 21(1): 24-31.
2. امیری، ف. و ح. یگانه. 1391. ارزیابی شاخصهای گیاهی برای تهیه نقشه درصد پوشش گیاهی در اراضی نیمهخشک بخش مرکزی ایران (حوزه آبخیز قرهآغاج). نشریه مرتع و آبخیزداری، 65(2): 175-189.
3. جعفری، م.، غ. زهتابیان، ا. ه. احسانی و س. منبری. 1392. استفاده از دادههای ماهواره لندست، سنجنده ETM+ جهت بررسی وضعیت پوشش سطح زمین (مطالعه موردی کاشان). فصلنامه علمی- پژوهشی تحقیقات مرتع و بیابان ایران، 20(2): 285-297.
4. خادمی، ف.، ر. سکوتی اسکوئی، ح. پیرخراطی و س. شاهکرمی. 1391. بررسی تأثیر پسروی دریاچه ارومیه بر پوشش گیاهی اراضی اطراف دریاچه به کمک GIS و RS. دومین همایش ملی تنوع زیستی و تاثیر آن بر کشاورزی و محیط زیست، ارومیه، 21 تیر ماه.
5. خواجهالدین، س. ج. 1375. استفاده از دادههای ماهواره Landsat Mss5 در بررسی جوامع گیاهی و تعیین اراضی شور منطقه جازموریان. مجموعه مقالات دومین همایش ملی بیابانزایی و روشهای مختلف بیابانزایی، معاونت آموزش و تحقیقات وزارت جهاد سازندگی و موسسه تحقیقات جنگلها و مراتع، کرمان. 1 الی 2 شهریور ماه.
6. خوانینزاده، ع. 1378. بررسی امکان تهیه نقشه پوشش گیاهی با استفاده از دادههای ماهواره لندست TM در منطقه نیر یزد. پایاننامه کارشناسی ارشد مرتعداری، دانشکده کشاورزی دانشگاه صنعتی اصفهان. 97 صفحه.
7. رضایی، ع. و ا. سلطانی. 1377. مقدمهای بر تحلیل رگرسیون کاربردی. مرکز نشر دانشگاه صنعتی اصفهان. 310 صفحه.
8. زرینه ا.، م. نادری خوراسگانی و ا. اسدی بروجنی. 1391. تخمین پوشش گیاهی مراتع منطقه تنگ صیاد (استان چهار محال و بختیاری) با استفاده از دادههای ماهواره IRS-P6 LISS-III. محیطشناسی، 38(6): 117-130.
9. عالیشاه ارات بنی، ف.، ح. ارزانی، س. ز. حسینی، س. بابائی کفاکی و خ. میرآخورلو. 1392. تهیه نقشه پوشش گیاهی مراتع با استفاده از تصاویر ماهوارهای IRS-LISIII (مطالعه موردی: حوضه سرخآباد- مازندران). فصلنامه علمی- پژوهشی تحقیقات مرتع و بیابان ایران، 20(3): 454-462.
10. علوی پناه، س. ک. 1392. کاربرد سنجش از دور در علوم زمین (علوم خاک). انتشارات دانشگاه تهران. 500 صفحه.
11. متقی، م. 1379. کاربرد تصاویر رقومی سنجنده TM در مطالعه پوشش گیاهی مرتعی در جهاننما. پایاننامه کارشناسی ارشد، دانشگاه علوم کشاورزی و منابع طبیعی گرگان. 100 صفحه.
12. مختاری، ا.، س. فیضنیا، ح. احمدی، ج. خواجهالدین و ف. رهنما. 1379. کاربرد سنجش از راه دور در تهیه لایههای اطلاعاتی کاربری اراضی و پوشش سطح زمین در مدل فرسایش خاک MPSIAC. فصلنامه علمی پژوهش و سازندگی، 13(46): 82-87.
13. Aldakheel YY, Elprince AM. and Aatti MA .2006. Mapping vegetation and saline soil using NDVI in arid irrigated land. In: ASPRS Annual Conference Reno, Nevada. May 1 - 5
14. Calera A, Martínez C, Melia J. 2001. A procedure for obtaining green plant cover: relation to NDVI in a case study for barley. International Journal of Remote Sensing, 22(17): 3357-3362.
15. Ellenberg D, Mueller-Dombois D. 1974. Aims and methods of vegetation ecology. Wiley New York, NY,. 22 pp.
16. Hoffmann WA, Jackson RB. 2000. Vegetation-climate feedbacks in the conversion of tropical savanna to grassland. Journal of Climate, 13(9): 1593-1602.
17. Hosseini SZ, Khajeddin SJ and Azarnivand H . 2004. Application of ETM+ data for estimating rangelands cover percentage (Case study: Chamestan area. Iran). In: XXX ISPRS Congress. Istanbul. Turkey. 12-23 July.
18. Jafari R, Lewis M, Ostendorf B. 2007. Evaluation of vegetation indices for assessing vegetation cover in southern arid lands in South Australia. The Rangeland Journal, 29(1): 39-49.
19. Khajeddin S, Yeganeh H. 2008. Plant communities of the Karkas hunting-prohibited region, Isfahan-Iran. Plant Soil, Environ, 54(8): 347-358.
20. Khajeddin SJ. 1995. A survey of the plant communities of the Jazmorian Iran، using landsat Mss data.Unpublished Ph.D Thesis. University Of Reading, UK.
21. Laliberte AS, Winters C, Rango A. 2011. UAS remote sensing missions for rangeland applications. Geocarto International, 26(2): 141-156.
22. Lillesand T, kieper RW.2000. Remote Sensing and Image interpretations, Fourth Edition, John Wiely & Sons, Inc, Newyork, Chichester. Brishane. Torento. Signapore. 725 pp.
23. Matsushita B, Yang W, Chen J, Onda Y, Qiu G. 2007. Sensitivity of the enhanced vegetation index (EVI) and normalized difference vegetation index (NDVI) to topographic effects: a case study in high-density cypress forest. Sensors, 7(11): 2636-2651.
24. McGwire K, Minor T, Fenstermaker L. 2000. Hyperspectral mixture modeling for quantifying sparse vegetation cover in arid environments. Remote Sensing of Environment, 72(3): 360-374.
25. Mirakhorlo K. 1998. Measurement of the rangeland in Demavand, Iran using RS and GIS Unpubl. MSc thesis, ITC, Enschede, The Netherlands, 117 pp.
26. Moleele N, Ringrose S, Arnberg W, Lunden B, Vanderpost C. 2001. Assessment of vegetation indexes useful for browse (forage) prediction in semi-arid rangelands. International Journal of Remote Sensing, 22(5): 741-756.
27. Okin GS, Roberts DA, Murray B, Okin WJ. 2001. Practical limits on hyperspectral vegetation discrimination in arid and semiarid environments. Remote Sensing of Environment, 77(2): 212-225.
28. O'neill A. 1996. Satellite‐derived vegetation indices applied to semi‐arid shrublands in Australia. The Australian Geographer, 27(2): 185-199.
29. Pettorelli N, Vik JO, Mysterud A, Gaillard J-M, Tucker CJ, Stenseth NC. 2005. Using the satellite-derived NDVI to assess ecological responses to environmental change. Trends in Ecology & Evolution, 20(9): 503-510.
30. Rondeaux G, Steven M, Baret F. 1996. Optimization of soil-adjusted vegetation indices. Remote Sensing of Environment, 55(2): 95-107.
31. Sabins FF, Lulla K .1987. Remote sensing: Principles and Interpretation, Geocarto International, Taylor & Francis, 66 pp.
32. Senseman GM, Bagley CF, Tweddale SA. 1996. Correlation of rangeland cover measures to satellite‐imagery‐derived vegetation indices. Geocarto International, 11(3): 29-38.