تحلیل اثر نوسان اطلس شمالی بر تغییرپذیری پوشش گیاهی ایران

نوع مقاله: مقاله پژوهشی

نویسندگان

دانشجوی دکتری آب و هواشناسی ماهواره ای دانشگاه تربیت مدرس

10.22131/sepehr.2019.34627

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 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.

کلیدواژه‌ها


عنوان مقاله [English]

Analyzing the effect of the North Atlantic oscillation index on the variability of vegetation in Iran

نویسندگان [English]

  • mohammad Rezaei
  • Elham Ghasemifar
  • Chenour Mohammadi
Tarbiat Modarres University
چکیده [English]

 
Extended Abstract
Introduction
Vegetation plays an important role in the cycle of energy, carbon, hydrology and bio-geochemistry. The climate and vegetation have a mutual effect on each other. For example, the surface vegetation affects atmospheric patterns by affecting the surface albedo (which determines the amount of radiation available for global warming, low atmosphere and evaporation as well). Therfore, the long-term study of the effect of the remot linking patterns on the varibility of vegetation is essential. So far, no study has been done on the effect of remote linking patterns on the varibility of vegetions.Therefore, the main objective of this study is to detect the vegetation changes in the month of May in Iran in relation to the remote linking patterns of the North Atlantic Oscillation. In this regard, remote linking patterns, such as El Nino have a significant effect on the surface climate with their periodic oscillations (Glantz, 1991). Many studies have been carried out in relation to the remote linking patterns and climatic elements on regional scale, but the role of remote linking patterns in the vegetation changes is a new topic which has been brought up lately (Wang et al., 2004). The normalized difference vegetation index (NDVI) obtained from the remote sensing satellite data is widely used to examine the vegetation features. Vicent Serrano et al. (2004) identified the  positive and negative trends between NDVI and NAO in  the Northern and Southern parts of Iberian Peninsula, respectively, by investigating the relation of NDVI, the North Atlantic Oscillation index (NAO) and the precipitation. Gouveia et al (2008) extracted the NAO correlation in the winter with vegetation activity in the spring and summer seasons by the combination of NDVI and luminosity temperature. Cook et al. (2004), Stockli and Vidale (2004), Sarkar and Kafatos (2004), Mennis, (2001), Erasmiet et al., (2009) also showed that there was a relationship between the remote linking patterns and vegetation in different parts of the world. Lu et al. (2012), showed that the vegetation impressibility in china in El Nino phase is greater than that of La Nino phase.
 
Materials & Methods
 In order to investigate the relationship between the North Atlantic Oscillation and vegetation changes in the month of May in Iran, the normalized vegetation index products of MODIS sensor (MOD13A3) were used during the statistical period of 2001-2014.  By applying the NDVI 0.2 threshold on the average long-term map of the vegetation index for the month of May in Iran, the area with larger and equal vegetation of the desired threshold was separated. Then, due to the severity and weakness of the NDVI values, the aforementioned area was divided into 3 areas based on the values of NDVI in order to assess the sensitivity of each area with regard to the remote linking patterns of the North Atlantic Oscillation which, helps identify the relationship between each vegetation category (namely, thinned, medium and dense vegetation) and the North Atlantic Oscillation index.
 
Results & Discussion
Due to the existence of vegetation-free deserts in Iran, an area susceptible to vegetation was first separated based on the threshold of at least 0.2 of the NDVI values. This region has about 38.2% of the country’s total area. Due to the high spatial variations in the NDVI values, the area was divided into 3 classes of thinned, medium and dense vegetation based on 0.2 to 0.5, 0.5 to 0.7 and higher than 0.7 ranges. It was assumed that the area with thinned and dense vegetation had the highest and lowest sensitivity respectively, with regard to the changes of the remote linking patterns. The positive and negative phases of the North Atlantic Oscillation (NAO) have significant effects on the climate of Iran. For example, the amount of vegetation, precipitation and humidity advection in many parts of the West, Northwest, and Northeast of Iran in the February 2010 (as a negative phase), were much higher than that in the February 2014 (as a positive phase). A 14-year time series was prepared from the NDVI values of the May for 18363 points in Iran and, each point was calculated with the variations in the values of the NAO index of January to May in a Pearson correlation coefficient matrix (assuming that the NAO changes in January influence the vegetation of May in Iran). The results showed that the positive and negative correlation values in terms of spatiality can be observed in all regions without a regular spatial pattern however, the maps showed that negative correlation values have covered a wider range of Iran in January and February. This indicates that, in the positive phase of the pattern, the higher values of sea level pressure in the Azore region, coinciding with the poor moisture transfer and precipitation systems, have caused less vegetation in a few months later (May) in Iran.
 
Conclusion
Given the highest coefficient of determination obtained  in February(0.77) in East Azerbaijan province, the vegetation values of May can be estimated for the index points located in the Northwest and western provinces using the state of NAO in the months of winter.
 

کلیدواژه‌ها [English]

  • NAO
  • NDVI
  • MODIS
  • May
  • Iran

1- احسانی، ارزانی، فرح‌پور، احمدی، جعفری، جلیلی؛ علی، حسین، مهدی، حسن، محمد، عادل؛ «تأثیر شرایط اقلیمی بر تولید علوفه مراتع در منطقه استپی اخترآباد ساوه» مجله مرتع و بیابان ایران. شماره 2. 260-249، 1386.

2- پورمحمدی، رحیمیان، کلانتر؛ سمانه، محمدحسن، منصور؛ «پهنه‌بندی تأثیرخشک‌سالی بر پوشش گیاهی توسط سنجش از دور در دشت یزد-اردکان»پژوهش‌های جغرافیای طبیعی شماره 2(پیاپی 80). 140-125،1391.

3- حسینی، شفیعی، اختصاصی، محتشم؛ سیدمحمود، حامد، محمدرضا، سعید؛ «تأثیرخشک‌سالی‌ها بر تخریب پوشش گیاهی منطقه سیستان» فصلنامه علمی پژوهشی تحقیقات مرتع و بیابان ایران جلد 20، شماره 2 239-227،1392.

4- خورشید دوست، قویدل رحیمی، صنیعی، یساری، نوری؛ علی‌محمد، یوسف، راحله، طلعت، حمید؛ «تحلیل نقش پدیده‌NAO در نوسانات سالانه‌ بارش حوضه آبریز دریاچه ارومیه». فضای جغرافیایی دوره : 7 - شماره : 19: 63 -86، 1386.

5- فرج‌زاده، فتح‌نیا، علیجانی، ضیائیان؛ منوچهر، امان‌الله، بهلول، پرویز؛ «ارزیابی اثر عوامل اقلیمی بر پوشش گیاهی منطقه زاگرس با استفاده از اطلاعات رقومی ماهواره‌ای».مجله تحقیقات مرتع و بیابان ایران جلد 18، شماره 1.صص124-1390،107.

6- مسعودیان، سید ابوالفضل؛ «ارتباط نوسان اطلس شمالی با بارش ایران». مجله تحقیقات جغرافیایی شماره 91: 18-3. 1387.

7- معماریان، ریوندی، نصر اصفهانی؛ محمدحسین، امیر، محمدعلی؛ «اثر نوسان اطلس شمالی بر الگوی غالب وردایی ارتفاع ژئوپتانسیلی در منطقه مدیترانه با استفاده از تابع‌های متعامد تجربی». مجله ژئوفیزیک ایران جلد 7، شماره 3: 66-77، 1392.

8- نیکجو، قویدل رحیمی؛ محمدرضا، یوسف؛ «نقش نوسانات اطلس شمالی در تغییرپذیری بارش و وقوع دوره‌های خشک و مرطوب زمستانی در آذربایجان شرقی». مجله دانش کشاورزی جلد 16 شماره 2: 33-23، 1385.

9- هادیان، جعفری، بشری، سلطانی؛ فاطمه، رضا، حسین، سعید؛ «پایش تأثیر بارش در تغییرات پوشش گیاهی با استفاده از تکنیک‌‌های سنجش از دور- مطالعه موردی: سمیرم و لردگان» نشریه مرتع و آبخیزداری دوره 66، 632-621، 1392.

10- Christine delire, N. D.-D., ‘’Vegetation Dynamics Enhancing Long-Term Climate Variability Confirmed by Two Models’’. JOURNAL OF CLIMATE, 24, 2238-2257.2011.

11- Cook ,BI., Mann ,ME., D’Odorico, P., Smith ,TM.,’’ Statistical simulation of the influence of the NAO on European winter surface temperatures:phenological modeling’’. Journal of Geophysical Research 109. 2004.

12- Erasmi, S., Propastin, P., Kappas, M., Panfyorov, O., ‘’Spatial patterns of NDVI variation over Indonesia and their relationship to ENSO warm events during the period 1982–2006’’. Journal of Climate 22, 6612–6623. 2009.

13- Feddema, J. J., ‘’How important is land cover change for simulating future climates?’’ Science, 310, 1674–1678. 2005.

14- Glantz, M. H., Teleconnections Linking World-Wide Climate Anomalies (Vol. 527 pp.). Cambridge University Press. 1991.

15- Gouveia, C. T., ‘’The North Atlantic Oscillation and European vegetation dynamics’’. INTERNATIONAL JOURNAL OF CLIMATOLOGY, 1835-1847. 2008.

16- Huber S., Fensholt R.,’’Analysis of teleconnections between AVHRR-based sea surface temperature and vegetation productivity in the semi-arid Sahel’’. vegetation productivity in the semi-arid Sahel, 3276-3285. 2011.

17- Huete, A. J.,’’ MODIS VEGETATION INDEX (MOD 13), ALGORITHM THEORETICAL BASIS DOCUMENT’’. Version 3, 2University of Virginia Department of Environmental Sciences Clark Hall Charlottesville. 1999.

18- Lim, C., Kafatos, M., ‘’Frequency analysis of natural vegetation distribution using NDVI/AVHRR data from 1981 to 2000 for North America’’. International Journal of Remote Sensing 23(17), 3347–3383. 2002.

19- Lu, A., Zhu,W., Jia,S.,’’Assessment of the sensitivity of vegetation to El-Nino/Southern Oscillation events over China’’. Sciences in Space Research, 1362-1373. 2012

20- Mennis, J., ‘’Exploring relationships between vegetation vigor in the south-east USA using AVHRR data’’. International Journal of Remote Sensing 22 (16), 3077–3092. 2001.

21- Myneni, R., Los, S., Tucker, C., ‘’Satellite-based identification of linked vegetation index and sea surface temperature anomaly areas from 1982-1990 for Africa, Australia and South America’’. Geophysical Research Letter 23 (7), 1996

22- Sarkar S., Kafatos M., ‘’Interannual variability of vegetation over the Indian sub-continent and its relation to the different meteorological parameters’’. Remote Sens. Environ., 268-280. 2004.

23- Stockli, R., Vidale ,PL., ‘’European plant phenology and climate as seen in a 20-year AVHRR land-surface parameter dataset’’. International Journal of Remote Sensing 25, 3303–3330. 2004.

24- Vicente-Serrano, S.M.,and Heredia-Laclaustra, A., ‘’NAO influence on NDVI trends in the Iberian Peninsula (1982-2000)’’. international of remote sensing,25, 2871-2879. 2004.

25- Walker, G. T.,’’Correlation in seasonal variation of weather.IX. A further study of world weather’’. Mem. Ind. Meteor., 275-333. 1924

26- Wallace JM,Gutzler DS., ‘’Teleconnections in the geopotential height _eld during the northern hemisphere winter’’. Mon Wea Rev, 784-812. 1981.

27- Wang, B., Renguang, W., Xiouhua, F.,Pacific-East Asian toleconnection: how does ENSO affect East Asian climate. Journal of Climate 13 (9), 1517–1536. 2000.