Volume 23, Issue 69 (7-2023)                   jgs 2023, 23(69): 193-215 | Back to browse issues page

XML Persian Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Zare khormizie H, Ghafarian Malamiri H R. Preparation of Rangeland vegetation cover map and monitoring its changes in drought and wet periods using NDVI MODIS product (Case Study: Southern Rangelands of Yazd Province). jgs 2023; 23 (69) : 11
URL: http://jgs.khu.ac.ir/article-1-3345-en.html
Preparation of Rangeland vegetation cover map and monitoring its changes in drought and wet periods using NDVI MODIS product (Case Study: Southern Rangelands of Yazd Province)
Hadi Zare khormizie1 , Hamid Reza Ghafarian Malamiri 2
1- Tehran University
2- Yazd University , hrghafarian@gmail.com
Abstract:   (2750 Views)
Knowledge of rangeland vegetation characteristics as well as factors affecting it in environmental planning, land management and sustainable development is very important. However, regional and up-to-date maps of pasture vegetation cover are not always available. In this study, in order to plot the vegetation cover percentage of the rangelands and monitor its changes in drought and wet periods, NDVI products of MODIS sensor during the years from 2000 to 2017 with a spatial resolution of 250 m and a 16-day time resolution, and The SPI drought index were used. The study area is the part of the rangelands located in the Southern province of Yazd. In 2013, in order to provide ground truth data, a field work was done to take the sampling rate of vegetation from the rangeland level in the study area. According to the results, the NDVI index has a good ability to map vegetation cover, so the coefficient of determination (R2) between this index and the sample points was 0.71. Based on the results, the average vegetation cover of the studied area was 11.3% during the years 2000 to 2017. The highest and lowest amount of vegetation cover in the study area was in 2000 and 2002, with moderate mild conditions and very severe drought, respectively (14.6% and 9.2% respectively). The most important factors influencing the vegetation cover in the study area are rainfall and drought periods, so that the coefficient of determination (R2) between the SPI drought index and the average vegetation percentage was 0.85. In general, based on the results there is a high potential for assessing and monitoring rangeland vegetation changes using satellite data and remote sensing technique.
 
Article number: 11
Keywords: Vegetation cover, Drought, Standard Precipitation index, NDVI, Yazd
Full-Text [PDF 1575 kb]   (546 Downloads)    
Type of Study: Research |
Received: 2019/03/20 | Accepted: 2020/03/25
References
1. ارزانی، حسین؛ عابدی، مهدی. اندازه گیری و ارزیابی پوشش گیاهی (جلد دوم)، 1394، انتشارات دانشگاه تهران، تهران، 305 ص.
2. پرویز، لاله؛ خلقی، مجید؛ ولی زاده، خلیل، عراقی نژاد، شهاب و ایران‌نژاد، پرویز. 1390. بررسی کارایی شاخص های منتج از فناوری سنجش‌ازدور در ارزیابی خشک‌سالی هواشناسی؛ مطالعه ی موردی: حوضه ی آبریز سفیدرود. فصلنامه جغرافیا و توسعه، 9 (22): 164-147.
3. جباری، سمیه؛ خواجه الدین، سید جمال‌الدین؛ جعفری، رضا و سلطانی، سعید. 1393، بررسی تغییرات درصد پوشش گیاهی مراتع با استفاده از تصاویر ماهواره اي در منطقه سمیرم اصفهان، بوم‌شناسی کاربردی، 3 (10): 38-27.
4. دستورانی، مصطفی؛ ولی، عباسعلی، سپهر، عادل و بایرام کمکی، قوچی، 1394، بررسی اثر خشک‌سالی بر روی پوشش گیاهی با استفاده از سنجنده MODIS در خراسان رضوی، مجله علمی پژوهشی مهندسی اکوسیستم بیابان، 4 (7): 8-1.
5. راهداری، وحید؛ سفیانیان، علیرضا؛ خواجه الدین، سید جمال‌الدین و ملکی نجف‌آبادی، سعیده، 1392، بررسي قابليت داده هاي ماهواره اي در تهيه نقشه درصد تاج پوشش گياهي مناطق خشك و نیمه‌خشک (مطالعه موردي پناهگاه حیات‌وحش موته)، علوم و تكنولوژي محیط‌زیست، 15(4): 54-43.
6. زارع خورمیزی، هادی؛ حسینی، سید زین العابدین؛ مختاری، محمدحسین و غفاریان مالمیری، حمیدرضا. 1396. بازسازی سری‌های زمانی NDVI سنجنده MODIS با استفاده از الگوریتم تجزیه‌وتحلیل هارمونیک سری‌های زمانی (HANTS)، (مطالعه موردی: استان یزد). برنامه¬ريزي و آمايش فضا، 21 (3): 221-255.
7. زارع خورمیزی، هادی؛ غفاریان مالمیری، حمیدرضا. 1396. پایش خشک‌سالی و تأثیر آن بر پوشش گیاهی با استفاده از تکنیک های سنجش‌ازدور مطالعه موردی: استان یزد، سال های 1994 تا 2014، مدیریت بیابان، 5 (10): 86-68.
8. شکوهی، علیرضا. 1391. مقایسه شاخص های RDI و SPI برای تحلیل خشک‌سالی در مقیاس ایستگاهی با تکیه‌بر خشک‌سالی کشاورزی (مطالعه موردی: قزوین و تاکستان)، فصلنامه علمی پژوهشی مهندسی آبیاری و آب، 3 (9): 122-111.
9. شیرانی، فرزانه؛ مزیدی، احمد و خداقلی، مرتضی. 1388. پهنه¬بندی اقلیمی استان یزد با استفاده روش های آماری چند متغیره، مجله جغرافیا و توسعه ناحیه¬ای، 7 (13): 157-139.
10. غفاریان مالمیری، حمیدرضا و زارع خورمیزی، هادی. 1396. بازسازی سری های زمانی داده های ماهواره ای دمای سطح زمین با استفاده از الگوریتم تجزیه‌وتحلیل هارمونیک سری¬های زمانی (HANTS). سنجش‌ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 8 (3): 55-37.
11. مصداقی، منصور. 1389. مرتع داری در ایران، انتشارات آستان قدس رضوی، چاپ ششم، مشهد، 336 ص.
12. مقدم، محمدرضا. 1390. مرتع و مرتع داری، انتشارات دانشگاه تهران، چاپ هفتم، تهران، 470 ص.
13. مهدیاری، فاطمه؛ پورخباز، محمدرضا؛ توکلی، مرتضی و اقدر، حسین. 1393، تهيه نقشه پوشش گياهي و پايش تغييرات آن با استفاده از تكنيك هاي سنجش‌ازدور و سيستم اطلاعات جغرافيايي (مطالعه موردي: شهرستان بهبهان)، اطلاعات جغرافيايي، 23 (92): 34-23.
14. مؤذن‌زاده، روزبه؛ ارشد، صالح؛ قهرمان، بیژن و داوري، کامران. 1391. پایش خشک‌سالی در کشت هاي غیرآبی با استفاده از تکنیک سنجش‌ازدور، مدیریت آب و آبیاري، 2 (2):52-39.
15. ميرموسوی، سید حسین؛ كريمي، حمیده. 1392. مطالعه ي اثر خشک‌سالی بر روي پوشش گياهي با استفاده از تصاوير سنجنده MODIS (مطالعه موردی: استان کردستان)، فصلنامه جغرافيا و توسعه، 11 (31): 76-57.
16. هادیان، فاطمه؛ حسینی، سید زین‌العابدین و سید حسنی، منصوره. 1393. پایش تغییرات پوشش گیاهی با استفاده از اطلاعات بارندگی و تصاویر ماهواره اي NOAA AVHRR در استان کرمانشاه، نشریه مرتع¬داري، 1 (1): 62-46.
17. Dutta, D. Kundu, A. Patel, N.R. Saha, S.K. Siddiqui, A.R. 2015, Assessment of agricultural drought in Rajasthan (India) using remote sensing derived Vegetation Condition Index (VCI) and Standardized Precipitation Index (SPI), The Egyptian Journal of Remote Sensing and Space Sciences 18, pp: 53-63. [DOI:10.1016/j.ejrs.2015.03.006]
18. Hagen, S.C., Heilman, P., Marsett, R., Torbick, N., Salas, W., Ravensway, J. and Qi, J. 2012. Mapping Total Vegetation Cover Across Western angelands With Moderate-Resolution Imaging Spectroradiometer Data, Rangeland Ecology & Management, 65 (5): 456-467. [DOI:10.2111/REM-D-11-00188.1]
19. Lu, D., P Mausel, E. Brondizio, and E. Moran. 2004. Change detection techniques. International Journal of Remote Sensing, 25 (12): 2365-2407. [DOI:10.1080/0143116031000139863]
20. McKee, T.B., Doesken, N.Y. & Kleist, J.Y. 1993. The relationship of drought frequency and duration to time scales. Eighth Conference on Applied Climatology, American Meteorological Society: Anaheim, CA, 174-184.
21. Mukherjee, T. Mukherjee, S. Mukhopadhaya, A. Roy, A. K. and Dutta, S. 2014, Drought Monitoring of Chhattisgarh Using Different Indices Based on Remote Sensing Data, Climate Change and Biodiversity, pp 85-101. [DOI:10.1007/978-4-431-54838-6_7]
22. Rouse, J.W., Haas, R.H., Schell, J.A. and Deering, D.W. (1973). Monitoring vegetation systems in the Great Plains with ERTS. In 3rd ERTS Symposium, NASA SP-351 I, pp. 309-317.
23. Tigkas D., Vangelis, H., & Tsakiris, G. (2015). DrinC: a software for drought analysis based on drought indices. Earth Science Informatics, 8 (3): 697-709. [DOI:10.1007/s12145-014-0178-y]
24. Verhoef, W. 1996. Application of Harmonic Analysis of NDVI Time Series (HANTS). In S. Azzali & M. Menenti (Eds.), In: Fourier analysis of temporal NDVI in southern Africa and America continent. The Netherlands, DLO Winand Staring Centre, Report 108, pp. 19-24.
25. Wiesmair, M., Feilhauer, H., Magiera, A., Otte, A., and Waldhardt, R. 2016. Estimating Vegetation Cover from High-Resolution Satellite Data to Assess Grassland Degradation in the Georgian Caucasus, Mountain Research and Development, 36 (1): 56-65. [DOI:10.1659/MRD-JOURNAL-D-15-00064.1]
26. Zhang, X., Liao, C., Li, J., and Sun, Q. 2012. Fractional vegetation cover estimation in arid and semi-arid environments using HJ-1 satellite hyperspectral data, International Journal of Applied Earth Observation and Geoinformation, 21: 506-512. [DOI:10.1016/j.jag.2012.07.003]
Add your comments about this article : Your username or Email:
CAPTCHA
Send email to the article author

Rights and permissions
Creative Commons License This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

© 2024 CC BY-NC 4.0 | Journal of Applied researches in Geographical Sciences

Designed & Developed by : Yektaweb