مدل سازی تغییرات شاخص سبزینگی پوشش گیاهی با بارش های جوی در منطقه زاگرس
محورهای موضوعی : اقلیم شناسی
منوچهر فرج زاده
1
(استادگروه جغرافیای طبیعی، دانشگاه تربیت مدرس ،تهران)
یوسف قویدل رحیمی
2
(دانشیارگروه جغرافیای طبیعی، دانشگاه تربیت مدرس ،تهران)
فروزان عیسوند زیبایی
3
(دانش آموخته کارشناسی ارشد آب و هوا شناسی دانشگاه تربیت مدرس ،تهران)
کلید واژه: زاگرس, بارش, تصاویر ماهواره ای, سبزینگی پوشش گیاهی,
چکیده مقاله :
ارزیابی ارتباط کمی بین الگوی پوشش گیاهی و عناصر اقلیمی یکی از کاربردهای سنجش از دور در مقیاس جهانی و منطقه ای می باشد. مطالعه بارندگی یک منطقه و اثرات مخرب یا مفیدی که بر جا می گذارد، شرایط را برای برنامه ریزی و حفظ و حراست از آن محیط، مدیریت بهتر خاک و شناخت وضعیت پوشش گیاهی فراهم می کند.بارش پدیده ای است اقلیمی که مقدار آن در مکان پیوسته تغییر می کند. برای انجام این تحقیق از داده های بارش روزانه 36 ایستگاه اقلیمی منطقه زاگرس در بازه ی زمانی 2000 تا 2010 میلادی و تصاویر ماهواره MODIS و TRMM استفاده گردید. به همین منظور برای رسیدن به نتیجه مطلوب، منطقه مورد مطالعه را به سه قسمت، منطقه دارای سبزینگی حداکثر، متوسط و حداقل تقسیم شده است. با توجه به این که بیشترین تراکم سبزینگی در ایران در ماه می می باشد، اخذ و بررسی تصاویر ماهواره ای به نحوی بوده است که، محصولات 16 روزه پوشش گیاهی تمام روزهای ماه می را پوشش دهند و بتوان به برآورد درستی رسید و بر اساس آن نیز روزهای بارشی همان بازه زمانی ( 23 آوریل تا 9 ژوئن) انتخاب گردیده است. سپس برای هر دوره 16 روزه با دوره زمانی 11 سال یک میانگین بدست آورده که در مجموع برای هر فاکتور سه تصویر برای هر 16 روزه مطالعه گردید. نتایج بررسی ها نشان میدهد که مناطق با بارش بیشتر دارای سبزینگی بیشتری بوده و در بیشتر موارد تغییرات مکانی بارش باعث تغییر در میزان میانگین سبزینگی شده و همچنین شبیه سازی داده های بارش ماهواره ای با سبزینگی نسبت به بارش ایستگاهی سبزینگی بالاتری را پیش بینی می کند.
ارزیابی ارتباط کمی بین الگوی پوشش گیاهی و عناصر اقلیمی یکی از کاربردهای سنجش از دور در مقیاس جهانی و منطقه ای می باشد. مطالعه بارندگی یک منطقه و اثرات مخرب یا مفیدی که بر جا می گذارد، شرایط را برای برنامه ریزی و حفظ و حراست از آن محیط، مدیریت بهتر خاک و شناخت وضعیت پوشش گیاهی فراهم می کند.بارش پدیده ای است اقلیمی که مقدار آن در مکان پیوسته تغییر می کند. برای انجام این تحقیق از داده های بارش روزانه 36 ایستگاه اقلیمی منطقه زاگرس در بازه ی زمانی 2000 تا 2010 میلادی و تصاویر ماهواره MODIS و TRMM استفاده گردید. به همین منظور برای رسیدن به نتیجه مطلوب، منطقه مورد مطالعه را به سه قسمت، منطقه دارای سبزینگی حداکثر، متوسط و حداقل تقسیم شده است. با توجه به این که بیشترین تراکم سبزینگی در ایران در ماه می می باشد، اخذ و بررسی تصاویر ماهواره ای به نحوی بوده است که، محصولات 16 روزه پوشش گیاهی تمام روزهای ماه می را پوشش دهند و بتوان به برآورد درستی رسید و بر اساس آن نیز روزهای بارشی همان بازه زمانی ( 23 آوریل تا 9 ژوئن) انتخاب گردیده است. سپس برای هر دوره 16 روزه با دوره زمانی 11 سال یک میانگین بدست آورده که در مجموع برای هر فاکتور سه تصویر برای هر 16 روزه مطالعه گردید. نتایج بررسی ها نشان میدهد که مناطق با بارش بیشتر دارای سبزینگی بیشتری بوده و در بیشتر موارد تغییرات مکانی بارش باعث تغییر در میزان میانگین سبزینگی شده و همچنین شبیه سازی داده های بارش ماهواره ای با سبزینگی نسبت به بارش ایستگاهی سبزینگی بالاتری را پیش بینی می کند.
1- رسولی، علی اکبر. (1387) ”مبانی سنجش از دور کاربردی با تاکید بر پردازش تصاویر ماهواره ای. “ جلد اول ، انتشارات دانشگاه تبریز.
2- عبداللهی، جلال، رحیمیان، محمد حسن، ثواقبی، محمد حسین. (1386) . محدودیت ایجاد نقشه پوشش گیاهی توسط تصاویر ماهواره ای لندست ETM+ در خشکسالیها، فصلنامه علمی-پژوهشی تحقیقات مرتع و بیابان ایران شماره 3: صص 301-289.
3- فتاحی، محمد. (1384) ”روش های مدیریت جنگل های زاگرس. “ مجله دهاتی شماره 3: صص42-23.
4- فرج زاده، منوچهر، فتح نیا، امان اله، علیجانی، بهلول، ضیائیان، پرویز. (1389) . تحلیل آستانه های اقلیمی برای رشد مراتع با استفاده از داده های سنجش از دور ، برنامه ریزی و آمایش فضا شماره 3: صص 177-201 .
5- فرج زاده، منوچهر، فتح نیا، امان اله، علیجانی، بهلول، ضیائیان، پرویز. (1390). ارزیابی تأثیر عوامل اقلیمی بر رشد پوشش گیاهی در مراتع متراکم ایران با استفاده از تصاویر AVHRR. ، پژوهش های جغرافیای طبیعی، شماره 75،صص 1-13.
6- یمانی، مجتبی، مزیدی ، محمدعلی. (1387) ”بررسی تغییرات سطح و پوشش گیاهی کویر سیاهکوه با استفاده از داده های سنجش از دور“ مجله پژوهش های جغرافیا ، شماره 64 صص 1-12.
_||_1- Du H, Cui R, Zhou G, Shi , Xu X, Fan W, Lu., 2010, The resposes of Moso bamboo (Phylloostachys heterocycla var. pubescens) forest aboveground biomass to Landsat TM spectral reflectance and NDVI, Acta Ecologica sinice 30: 257- 263.
2- Farrar, T. J., Nicholson, S. E., and Lare, A. R., 1994, the influences of soil type on the relationships between NDVI, rainfall, and soil moisture in semiarid Botswana. II. NDVI response to soil moisture. Remote Sensing of Environment, 50, pp: 121–133. 9- Gundogdu I., and ESEN O. 2010. The importance of secondary variables for mapping of meteorological data. 3rd international conference on cartography and GIS. 15-20 June, 2010, Nessebar, Bulgaria.
10- Hugo Carrão, Paulo Gonçalves, Mário Caetano. , (2008) "Contribution of multispectral and multitemporal information from MODIS images to land cover classification. " Remote Sensing of Environment (112). pp 986-997.
11- Hosseini, S.Z., Kappas, M., and Propastin, P., (2011) "Estimating Relationship Between Vegetation Dynamic and Precipitation in Central Iran. Toledo, Spain". pp: 41-49.
12- Kawabata, A.,K .Ichii & Y . Yamaguchi. ,2001 ,Global Monitoring of Interannual changes in Vegetation Activities Using NDVI and its Relationships to Temperature, Int. J. Remote sensing . 22: pp.1377-1382.
13- Kanbbhum, R.T ,1998, Study on forest change detection in Eastem forest by Remote sensing technique , National Research council of Thailand. Remote sensing of Environment (90) pp: 154-161
14- Jia,k. , Shunlin, l. , Zhang, l, . Wei, x, . Yao, y, . Xie, x, 2014, Forest cover classification using Landsat ETM+ data and time seriesMODIS NDVI data, International Journal of Applied Earth Observation and Geoinformation 33 (2014) 32–38.
15- Zhang, J,. Zhang, L, . Xu, C, .Liu, W, .Qi, Y, .Wo, X. ,2010, Vegetation variation of mid-subtropical forest based on MODIS NDVI data — A case study of Jinggangshan City, Jiangxi Province , Acta Ecologica Sinica (34) pp: 7–12.
