تحقیقات کاربردی علوم جغرافیایی

تحقیقات کاربردی علوم جغرافیایی

پویایی پوشش گیاهی در رابطه با دما و بارش در مراتع حوضه کارون محدوده‌ی استان خوزستان

نویسندگان
سامان علیمرادی 1
اسد اله خورانی 2
یحیی اسماعیل‌پور 3
1 کارشناس ارشد ارزیابی آمایش سرزمین دانشگاه هرمزگان
2 عضو هیات علمی
3 استادیار گروه آبخیزداری دانشگاه هرمزگان
چکیده
این مطالعه با هدف استخراج دمای سطح زمین (LST)، دمای هوا و بارش و بررسی ارتباط آنها با پوشش گیاهی در مراتع حوضه آبخیز کارون استان خوزستان انجام شده است. بدین منظور دمای سطح زمین (با استفاده از الگوریتم پرایس) و شاخص پوشش گیاهی تفاضلی نرمال شده از سنجنده AVHRR ماهواره NOAA برای اوج سبزینگی (ماه آوریل) در یک دورۀ 27 ساله استخراج گردید. آمار ماهیانۀ بارش و دمای هوا نیز از 14 ایستگاه‌های سینوپتیک منطقه دریافت شده و به روش وزن‌دهی عکس فاصله پهنه‌بندی شد. نتایج همبستگی فضایی (با سطح معنی­داری 05/0)، بین پوشش گیاهی با دمای سطح زمین و دمای هوا، نشان‌دهنده‌ی یک رابطه­ی معکوس و یک رابطه‌ی مثبت با بارش است. این همبستگی فضایی برای دمای سطح زمین قوی­تر است، به صورتی که ضرایب همبستگی فضایی دمای سطح زمین، معمولاً از 6/0 بالاتر است و برای بارش در برخی موارد بالای 4/0است اما ضرایب مربوط به دمای هوا به ندرت از 4/0 بیشتر شده است. روابط رگرسیونی فضایی به­دست آمده نشان­ می‌دهند که 62/0 از تغییرات پوشش گیاهی استان خوزستان واقع در این حوضه را می‌توان تنها با تغییرات دمای سطح زمین پیش­بینی کرد (62/0=R2) و تغییرات دمای هوا و بارش، میزان ناچیزی از تغییرات پوشش گیاهی را تبیین می‌کند.
کلیدواژه‌ها
پوشش گیاهی
عناصر اقلیمی
حوضه کارون
الگوریتم پرایس
همبستگی فضایی

عنوان مقاله English

Dynamics of vegetation in Karun watershed within Khuzestan province in relation with Temperature factors and precipitation

نویسندگان English

Saman alimoradi 1
Asadollah : khoorani 2
Yahya esmaeilpoor 3
چکیده English

The aim of this study is to retrieve land surface temperature (LST), air temperature (AT) and precipitation and to study their relationship with vegetation in rang lands of Karun watershed of Khuzestan province. For this purpose, land surface temperature (LST) and NDVI was drived from NOAA-AVHRR for maximum amount of greenness (April) for a period of 27 years. In order to extract LST, Price algorithm was used. Also air temperature and precipitation were interpolated for selected weather stations using IDW method. Spatial correlation outcomes (on 0.05) between NDVI with LST and air temperature show a reversed relation. This spatial relation is stronger for LST, so that this coefficient is often upper than 0.6, while seldom is 0.4 for air temperature and precipitation. Spatial regression models show that 62 percent of NDVI changes is determined by LST (R2=0.62) and air temperature and precipitation determine very limited amount of NDVI dynamics.

کلیدواژه‌ها English

Vegetation
climatic elements
Price algorithm
Karun watershed
Spatial Correlation

Azim .S, B.D. Bharath, Kant Y (2011). Relation between Land Surface Temperature and Land Use/Land Cover: A Case Study of New Delhi and its Surrounding, development design consultant’s limited bangeladesh. "Satisfactory "on March, 2013.

Guanglei H, Hongyan ZH, Yeqiao W)2011(.Vegetation Dynamics and Its Relationship with Climatic Factors in the Changbai Mountain Natural Reserve, cience Press and Institute of Mountain Hazards and Environment, CAS and Springer-Verlag Berlin Heidelberg 2011, DOI: 10.1007/s11629-011-2206-4.

Ji, L. and Peters, A.J.(2004). A Spatial Regression Procedure for Evaluating the Relationship between AVHRR-NDVI and Climate in the Northern Great Plains. Int. J. Remote Sensing, 25, PP: 297-311.

Ji, L. and Peters, A.J., 2003. Assessing vegetation response to drought in the northern Great Plains using vegetation and drought indices. Remote Sensing of Environment, 87, PP: 85–98.

Kaufmann, R. K., Zhou, L., Myneni, R. B., Tucker, C. J., Slayback, D., Shabanov, N. V (2003). The effect of vegetation on surface temperature: A statistical analysis of NDVI and climate data. Geophysical Research Letters, 30 (22), 2147. doi:10.1029/2003GL018251.

Li, J., Lewis, J., Rowland, J., Tappan, G. and Tieszen, L.L.(2004). Evaluation of land performance in Senegal using multi-temporal NDVI and rainfall series. J. Arid Environments, 59, PP: 463-480.
Malekpour, P, Taleai, M (2011).Modeling of Relationship between Land use/Cover and land Surface Temperature Using ASTER datasets, Journal of Environmental Studies, Vol. 37, No. 58, Sep., 2011.

Oluseyi IO, Danlami MS, Olusegun AJ (2011). Managing Land Use Transformation and Land Surface Temperature Change in Anyigba Town, Kogi State, Nigeria. Journal of Geography and Geology 3: 77-85.

Pinheiro. A.C.T, Mahoney. R, Privette, J.L, Tucker ,C.J(2006). Development of a daily long term record of NOAA-14 AVHRR land surface temperature over Africa, Remote Sensing of Environment 103 (2006) 153–164.

Price, J. C. 1984; Land surface temperature measurements from the split window channels of the NOAA 7 Advanced Very High Resolution Radiometer. Journal of Geophysical Research, 89: 7231-7237.

Qu,B. Zhu,W. Jia,SH and Lv,A (2015). Spatio-Temporal Changes in Vegetation Activity and Its Driving Factors during the Growing Season in China from 1982 to 2011. Remote Sens. 2015, 7, 13729-13752.

Ramachandra TV and Uttam Kumar (2010). Greater Bangalore: Emerging Urban Heat Island. GIS Development 14: 86-104.

Richard, Y. and Poccard, I(1998). A statistical study of NDVI sensitivity to seasonal and interannual rainfall variations in southern Africa. Int. J. Remote Sensing, 19, PP: 2907-2920.

Trenberth KE, Jones PD, Ambenje P, Bojariu R, Easterling D, et al (2007). Observations: surface and atmospheric climate change. Climate Change 2007: The Physical Science Basis. Synthesis and Assessment Product, Cambridge University Press, Washington, 235-236.

Tucker, C.J (1996). History of the use of AVHRR data for land applications. In: G. D Souza, A. S. Selward and J.P. Malingreau, Editors, Advances in the use of NOAA AVHRR data for land applications. Kluwer Academic Publishers, Dordrecht, PP: 1-19.

Wang, J., Price, K.P. and Rich, P.M (2001). Spatial patterns of NDVI in response to precipitation and temperature in the central Great Plains. Int. J. Remote Sensing, 22, PP: 3827-3844.

Weng Q, Liu H, Lu D (2007). Assessing the Effect of Land Use and Land Cover Patterns on Thermal Conditions Using Landscape Metrics in City of Indianapolis, United State. Urban Ecosyst 10: 203-219. DOI 10.1007/s11252-007-0020-0.

Yan, D., Xi, C., Bao, A., Luo, G., Jappar, G. and Li, J( 2008). The Correlation Analysis of Vegetation Variable Process and Climate Variables in Alpine- Cold Wetland in Arid Area. Geoscience and Remote Sensing Symposium, IGARSS 2008. IEEE International Vol. 4, 7-11, P: IV - 878 - IV – 881.

Yang, L., Wylie , B., Tieszen, L.L. and Reed, B.C(1998). An analysis of relationships among climate forcing and time-integrated NDVI of grasslands over the U.S. Northern and Central Great Plains. Remote Sens. Environ., 65, PP: 25–37.

Zhaoping,Y ؛ Jixi ,G ؛ Caiping, Z ؛ Peili, SH ؛ Lin, Z ؛ Wenshou, SH ؛ Hua, O(2011), Spatio-temporal changes of NDVI and its relation with climatic variables in the source regions of the Yangtze and Yellow rivers, J. Geogr. Sci. 2011, 21(6): 979-993.

Houghton JT, Ding Y, Griggs DJ, Noguer M, Van Der Linden PJ, et al(2001). Intergovernmental Panel on Climate Change (IPCC). Climate Change 2001: The Scientic Basis. Cambridge University Press, Cambridge, New York, USA. DOI: 10.1002/joc.763.

Pielke RA, Marland G, Betts RA, Chase TN, Eastman JL, et al (2002). The influence of land-use change and landscape dynamics on the climate system: relevance to climate-change policy beyond the radiative effect of green-house gases. Philos T Roy Soc A 360: 1705–1719.

Wichansky PS, Steyaert LT, Walko RL, Weaver CP (2008). Evaluating the effects of historical land cover change on summertime weather and climate in New Jersey: part I: land cover and surface energy budget changes. J Geophys Res 113: D10107.