تحقیقات کاربردی علوم جغرافیایی

تحقیقات کاربردی علوم جغرافیایی

آشکارسازی ارتباط زمانی مکانی عناصر اقلیمی و پوشش گیاهی با به کار گیری محصولات سنجنده های MODIS و TRMM، مورد مطالعه: استان کهگیلویه و بویر احمد

نویسندگان
محمد حسین ناصرزاده 1
زهرا حجازی زاده 2
زهرا غلامپور 3
بهلول علیجانی 2
1 استادیار اقلیم شناسی دانشگاه خوارزمی تهران
2 استاد اقلیم شناسی دانشگاه خوارزمی تهران
3 دانشجوی دکتری اقلیم شناسی دانشگاه خوارزمی تهران
10.29252/jgs.20.57.355
چکیده
عناصر اقلیمی یکی از مهمترین متغیرهای محیطی تعیین کننده پراکنش جغرافیایی پوشش گیاهی و توزیع زمانی مکانی آن می‌باشند. هدف اساسی این تحقیق آشکارسازی روابط زمانی مکانی بین عناصر اقلیمی و مقادیر سبزینگی پوشش گیاهی در استان کهکیلویه و بویراحمداست. داده های مربوط به دو عنصر اقلیمی دمای سطح زمین و بارش در مقیاس ماهانه طی دوره آماری (2000-2015) به ترتیب از دو سنجنده MODIS و TRMM برای محدوده استان کهکیلویه و بویراحمد اخذ گردید. داده های مروبط به شاخص پوشش گیاهی بارز شده نیز در مقیاس ماهانه با رزلوشن فضایی 250 متر از محصول MOD13Q1 سنجنده MODIS برای همان دوره آماری اخذ گردید. با استفاده از تحلیل همبستگی فضایی همزمان و با تاخیر، و تحلیل ارتباط تقاطعی اقدام به آشکارسازی ارتباط زمانی مکانی شاخص پوشش گیاهی بارزشده با دو عنصر اقلیمی دمای سطح زمین و بارش گردید. نتایج گویای آن بود که عنصر دمای سطح زمین، در همه ماه‌ها به صورت همزمان بالاترین همبستگی را با پوشش گیاهی داشت و بالاترین همبستگی فضایی بین شاخص پوشش گیاهی و دمای سطح زمین، مربوط به ماه‌های دسامبر تا مارس بود. در این ماه‌ها توزیع فضایی پیکسل‌های حاوی مقادیر بیشینه شاخص پوشش گیاهی، منطبق بر دماهای حداکثر(6 تا 14درجه سانتی گراد) است در حالی که در ماه های، اوریل، می، و اکتبر و نوامبر بیشینه تمرکز پوشش گیاهی در بازه دمایی میانگین، یعنی، 10 تا 16درجه سانتی‌گراد مشاهده گردید و در مورد ماه‌های ژوئن تا سپتامبر بیشینه تمرکز شاخص پوشش گیاهی، در بازه دمایی حداقل یعنی 15 تا 17درجه سانتی‌گراد مشاهده شد ضمن اینکه همبستگی معنی‌داری نیز در این ماه ها مشاهده نگردید. در مورد ارتباط بارش و شاخص پوشش گیاهی بارز شده، نیز نتایج نشان داد که تنها مقادیر پوشش گیاهی فصل بهار(آوریل تا ژوئن) با یک تأخیر یک نیم ماهه، بالاترین همبستگی را با مقادیر بارش ماهانه دارد. در حالی که برای پوشش گیاهی سایر ماه‌ها، همبستگی معنی‌داری با بارش، مشاهده نگردید.
کلیدواژه‌ها
پوشش گیاهی
عناصر اقلیمی
شاخصNDVI
استان کهیلویه و بویراحمد

عنوان مقاله English

Spatiotemporal Response of MODIS Derived Vegetation index to climatic condition Case study: Kohgiloyeh O Boirahmad Province of Iran

نویسندگان English

Mohammad Hossein Nasserzadeh 1
zahra Hejazizadeh 2
Zahra Gholampour 3
Bohloul Alijani 2
1 Assistant Professor of Climatology, Kharazmi university of Tehran
2 Professor of climatology , Kharazmi university of Tehran
3 P.HD Studentof climatology, Kharazmi university of Tehran
چکیده English

The plant community in an area is the most sensitive indicator of climate. A visual comparison of climate and vegetation on a global scale immediately reveals a strong correlation between climatic and vegetation zones and this relationship, of course, are not co-incidental. The main object of this study is to reveal the spatiotemporal association between climatic factors andvegetation Cover (NDVI) incorporate MODIS and TRMM product in Kohkiloyeh O Boirahmad province of Iran. So that the in this paer we use MOD13Q1 of MODIS product as NDVI layer for study area. MOD11A2 as landsurface temperature and 3B43 TRMM as meanmonthly accumulative rainfall for study area during 2002 to 2012 in 0.25° spatial resolution also were used as climatic factors. We use the correlation and cross-correlation analysis in 0.95 confident level(P_value =0.05) to detection the spatial and temporal association between the NDVI and 2 climatic Factor(LST and rainfall). The results indicated that during winter (December to March) the spatial distribution of NDVI is highly correlated with LST spatial distribution. In these months the pixels which have the high value of NDVI are spatiallyassociated with the pixels which have highest value of LST (6 to 14C°).As can be seen in table 1. Season the spatial correlation among NDVI and LST is so high which is statistical significant in 0.99 confident level in winter. In transient months such as May, October and November,(temperate months in study region ) the spatial correlation among NDVI and LST is falling to 0.30 to 0.35 which is not statistical significant in 0.95 confident level. Finally in summer season or warm months including Jun to September, we found the minimum spatial association among the NDVI and LST.. In temporal aspect we found that the maximum correlation between NDVI and LST simultaneously appears and not whit lag time. The spatial correlation of NDVI and TRMM monthly accumulative rainfall was statistical significant in spring season (April to Jun) by 1 month lag time in remain months we don’t find any significant correlation between NDVI and rainfall.

کلیدواژه‌ها English

NDVI
Climatic Factors
Vegetation Cover
Kohgiloyeh O Boirahmad
Anyamba, A., and Tucker, C. J., (2005), Analysis of Sahelian vegetation dynamics using NOAA-AVHRR NDVI data from 1981–2003, Journal of Arid Environments, 63: 596-614
Barbosa, H. A., Huete, A. R., Baethgen, W. E., 2006, A 20-year study of NDVI variability over the Northeast Region of Brazil, Journal of Arid Environments, 67: 288–307.
Borhani M., Arzani, H., Bassiri, M., ZareChahooki, M.A,Farahpour, M. ( 2014) .investigating the effects of range management plans on vegetation of Semirum-Isfahan province, Iranian Journal of Range and Desert Research, 21(3), 530-541(in Farsi).
Chen, X. Q., Xu, C. X., & Tan, Z. J. (2001). An analysis of relationships among plant community phenology and seasonal metrics of Normalized Difference Vegetation Index in the northern part of the monsoon region of China. International Journal of Biometeorology, 45, 170–177.
Ehsani, A. Arzani, H Farahpour, M. Ahmadi, H. Jafari, M. Jalili, A. Mirdavoudi, H. R. Abasi H. R., Azimi, M. S. (2007). The effect of climatic conditions on range forage production in steppe rang lands, Akhtarabad of Saveh Iranian journal of Range and Desert Research, 14 (2),249-261(in Farsi)
Goward, S. N., and Prince, S. D., (1995), Transient Effects of Climate on Vegetation Dynamics: Satellite Observations, Journal of Biogeography, 22, pp. 549–563.
Ji, L. and A. J. Peters. )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
Kabiri K.(2004). ghe impact of drought on Irans vegetation cover in 90 decades using NOAA Imaginary, M.Sc dissertation, KhajeNasiradinTosiunoversity(in Farsi)
Maselli, F., & M. Chiesi, (2006). Integration of Multi-source NDVI Data for the Estimation of Mediterranean Forest Productivity, International Journal of Remote Sensing, 27, pp. 55-72.
Myneni, R. B., Tucker, C. J., Asrar, G., Keeling, C. D. (1998). Interannual variations in satellite-sensed vegetation index data from 1981 to 1991, Journal of Geophysical Research, 103: 6145–6160.
Potter, C.S., & Brooks, V. (1998). Global analysis of empirical relations between annual climate and seasonality of NDVI, International Journal of Remote Sensing, 15: 2921–2948.
Prasad, A. K., Sarkar, S., Singh, R. P., &Kafatos, M. (2007). Inter-annual variability of vegetation cover and rainfall over India, Advances in Space Research, 39: 79–87.
Schultz, P. A., and Halpert, M. S. (1995). Global Analysis of the Relationships Among a Vegetation Index, Precipitation, and Land Surface Temperature, International Journal of Remote Sensing, 16, pp. 2755- 2777.
Tucker, C. J., Slyback, D. A., Pinzon, J. E., Los, S. O., Myneni, R. B., & Taylor, M. G.(2001). Higher northern latitude NDVI and growing season trends from 1982–1999, International Journal of Biometeorology, 45: 184–190
Wang, J., Price, K. P., & Rich, P. M. (2001). Spatial patterns of NDVI in response to precipitation and temperature in the central Great Plains, International Journal of Remote Sensing, 22: 3827–3844.
Zhou, L. M., Tucker, C.J., Kaufmann, R.K., Slayback, D., Shabanov, N.V., &Myneni, R.B. (2001). Variations in northern vegetation activity inferred from satellite data of vegetation index during 1981 to 1999, Journal of Geophysical Research, 106 (17): 20069–20083.