فاطمه فیروزی؛ تقی طاوسی؛ پیمان محمودی
چکیده
هدفی که این مطالعه در پی دست یافتن به آن است واکنش دو شاخص پوشش گیاهی NDVI و EVI به خشکسالی‌ها و ترسالی‌ها در یکی از دشت‌های خشک ایران یعنی دشت سیستان در شمال استان سیستان و بلوچستان است. برای بررسی حساسیت این دو شاخص به خشکسالی‌ها و ترسالی‌ها به دو پایگاه داده‌ای مختلف نیاز بود. اول پایگاه تصاویر NDVI وEVI سنجنده مادیس ماهواره ترا برای ...
بیشتر
هدفی که این مطالعه در پی دست یافتن به آن است واکنش دو شاخص پوشش گیاهی NDVI و EVI به خشکسالی‌ها و ترسالی‌ها در یکی از دشت‌های خشک ایران یعنی دشت سیستان در شمال استان سیستان و بلوچستان است. برای بررسی حساسیت این دو شاخص به خشکسالی‌ها و ترسالی‌ها به دو پایگاه داده‌ای مختلف نیاز بود. اول پایگاه تصاویر NDVI وEVI سنجنده مادیس ماهواره ترا برای ماه‌های آوریل، می و ژوئن برای دوره زمانی 2014-2000 و دوم پایگاه داده‌های روزانه بارش ایستگاه هواشناسی همدید زابل برای یک دوره آماری 30 ساله (2014- 1985) که از اداره کل هواشناسی استان سیستان و بلوچستان اخذ شد. بعد از اخذ داده‌ها، نقشه‌های پویایی پوشش گیاهی حاصل از پردازش تصاویر سنجنده MODIS ماهواره ترا به تفکیک برای ماه‌های آوریل، می و ژوئن با استفاده از دو شاخص NDVI و EVI برای منطقه مورد مطالعه تهیه شدند. برای شناسایی فراوانی درجات مختلف خشکسالی‌ها و ترسالی‌های دشت سیستان نیز از شاخص خشکسالی مؤثر (EDI) استفاده شد. نتایج نشان داد که در سال نمونه خشک (2011-2010) تفاوت قابل‌توجه بین این دو شاخص در طبقه پوشش گیاهی نرمال مشاهده شد. شاخص EVI، مساحت این طبقه را در این سال خشک حدود 12 درصد نشان داد در حالی که شاخص NDVI برای این طبقه هیچ مساحتی را قائل نبوده است. درحالی‌که در زمان ترسالی (2006-2005) شاخص EVI مقداری نتایج بهتری را در اختیار گذاشته است. شاخص EVI برای طبقه نرمال مساحت 20 درصدی را نشان داد و برای طبقه پراکنده 10 درصد از کل مساحت منطقه را دارای پوشش گیاهی تنک و پراکنده نشان داد. در مجموع می‌توان نتیجه گرفت که شاخص NDVI شاخص بسیار مناسب‌تری برای پویایی پوشش گیاهی در دشت‌هایی مانند دشت سیستان می‌باشد که حیات آن‌ها نه به بارش بلکه به آب جاری در رودخانه متکی است. شاخص EVI نیز با توجه به ماهیت محاسباتی آن برای مناطقی که پوشش گیاهی آن‌ها متراکم‌تر است بهتر جواب می‌دهد. علاوه بر این بازدیدهای میدانی هم که از دشت صورت گرفت و با نوع طبقه پوشش گیاهی که از تصاویر سنجنده MODIS به دست آمد حکایت از بهتر بودن شاخص NDVI در مقایسه با شاخص EVI برای این نوع از دشت‌ها دارد.
محمد رضایی؛ الهام قاسمی فر؛ چنور محمدی
چکیده
الگوهای جوّی بر تغییرات پوشش گیاهی مؤثرند. اندکی تغییر در عناصر اقلیمی منجر به واکنش سریع گیاه و تغییر در رشد آن می‌شود. هدف این مطالعه تحلیل ارتباط پوشش گیاهی ماه می (انبوه‌ترین ماه به لحاظ پوشش گیاهی) در ایران با الگوی پیوند از دور نوسان اطلس شمالی طی ماه‌های ژانویه تا می است. بدین منظور از داده‌های مقادیر پوشش گیاهی نرمال شده سنجنده ...
بیشتر
الگوهای جوّی بر تغییرات پوشش گیاهی مؤثرند. اندکی تغییر در عناصر اقلیمی منجر به واکنش سریع گیاه و تغییر در رشد آن می‌شود. هدف این مطالعه تحلیل ارتباط پوشش گیاهی ماه می (انبوه‌ترین ماه به لحاظ پوشش گیاهی) در ایران با الگوی پیوند از دور نوسان اطلس شمالی طی ماه‌های ژانویه تا می است. بدین منظور از داده‌های مقادیر پوشش گیاهی نرمال شده سنجنده مودیس، طی دوره 2001 تا 2014 استفاده شده است. ابتدا ناحیه‌ای از ایران که دارای متوسط NDVIبالاتر از 2/0 بود، به‌عنوان ناحیه دارای پوشش گیاهی جدا گردید. سپس با توجه به شدت و ضعف مقادیرNDVI و به منظور سنجش میزان حساسیت هر طبقه با الگوی پیوند از دور نوسان اطلس شمالی به سه طبقه با پوشش گیاهی تنک، متوسط و انبوه تقسیم گردید. نتایج نشان داد در طبقات ذکر شده، پراکندگی مقادیر همبستگی مثبت و منفی از الگوی مکانی خاصی پیروی نمی‌کند. به منظور ارزیابی بهتر نتایج در هر کدام از نواحی، نقاط با بیشترین و کمترین ضریب همبستگی هر طبقه انتخاب گردید. بالاترین ارتباط معکوس مقادیر ضریب همبستگی در ناحیه تنک مشاهده گردید که حاکی از حساسیت بالای پوشش گیاهی منطقه تنک به الگوهای جوّی می‌باشد. کاربری اراضی نقاط انتخاب شده نشان می‌دهد در بیشتر موارد، مناطق با همبستگی منفی و مثبت به ترتیب مربوط به زمین‌های با پوشش علفزار (پوشش طبیعی) و زمین‌های زراعی (پوشش انسان ساخت) است. از آنجا که در فازهای منفی الگوی نوسان اطلس شمالی وضعیت پوشش گیاهی انبوه‌تر از فازهای مثبت الگوی نوسان اطلس شمالی است و با توجه به بالاترین ضریب تعیین به‌دست‌آمده (77/0، در ماه فوریه واقع در استان آذربایجان شرقی)، می‌توان با استفاده از وضعیت نوسان اطلس شمالی در ماه‌های زمستان مقادیر پوشش گیاهی ماه می را برای نقاط شاخص واقع در استان‌های شمال‌غرب و غرب تخمین زد.
