Volume 24, Issue 75 (2-2025)                   jgs 2025, 24(75): 254-272 | Back to browse issues page


XML Persian Abstract Print


1- PhD Candidate of Climatology, Department of Physical Geography, Faculty of Geographical Sciences and Planning, University of Isfahan, Isfahan, Iran.
2- Associate Professor of Climatology, Department of Physical Geography, Faculty of Geographical Sciences and Planning, University of Isfahan, Isfahan, Iran , h.yazdanpanah@geog.ui.ac.ir
3- Associate Professor of Remote Sensing, Faculty of Civil Engineering and Transportation, University of Isfahan, Isfahan, Iran.
Abstract:   (2058 Views)

This research study aims to investigate the effect of climatic variables, specifically precipitation, temperature, and humidity, on changes in vegetation indices of orange orchards in Hassan Abad, Darab County, using satellite data. Consequently, observational data, including orange tree phenology data and meteorological data from the agricultural weather station, were collected over a period of more than 10 years (2006 to 2016). MODIS images from 2006 to 2016 were referenced based on territorial data and 1:25000 maps from the Iran National Cartographic Center. These images were used to calculate remote sensing vegetation indices, namely the normalized difference vegetation index (NDVI) and enhanced vegetation index (EVI). The results demonstrated that the variables of maximum humidity, minimum temperature, and precipitation have a significant positive effect on the NDVI variable. Additionally, the variables of maximum temperature and minimum humidity have a significant negative effect on both the NDVI and EVI. To determine the significance of each independent variable in predicting the dependent variables, the artificial neural network method was employed. The findings showed that the climatic elements of precipitation, minimum temperature, maximum temperature, minimum humidity, and maximum humidity had the greatest effect on EVI, with values of 0.39, 0.3, 0.13, 0.1, and 0.06 respectively. Moreover, the effect of these variables on the NDVI index is equal to their coefficients, which are 0.2, 0.28, 0.22, 0.11, and 0.17 respectively. Finally, the ARMAX regression method was used to improve the explanatory power of the model. The results indicated that this method enhanced the explanatory power of the model and reduced the forecasting error.

Full-Text [PDF 1255 kb]   (20 Downloads)    
Type of Study: Research | Subject: climatology
Received: 2021/04/15 | Accepted: 2021/07/5

References
1. ابراهيمي خوسفي، زهره؛ روستائي، فاطمه؛ سليماني ساردو، مجتبي. (1398). تغییرات زمانی پوشش گیاهی مراتع غرب استان کرمان با استفاده از داده¬های سطح 3 سنجنده¬ی مودیس و ارتباط آن با عوامل اقلیمی، مطالعات جغرافيايي مناطق خشک، 10(37)؛ 52-40.
2. خداكرمي، لقمان؛ عليرضا سفيانيان (1391). کاربرد سنجش‌ازدور چند زماني در تعيين سطح زيرکشت، علوم و فنون كشاورزي و منابع طبيعي، علوم آب‌وخاک، 16(59)؛215-231.
3. ریگانی، بهزاد؛ ارزانی، حسین؛ حیدری، اسماعیل؛ مقدمی، محمدمهدی. (1398). کاربرد سنجش‌ازدور به‌منظور ارزیابی تغییر اقلیم بر تولید فنولوژی گیاهان، مرتع، 13(2)؛ 460- 450.
4. علیمرادی، سامان؛ خورانی، اسداله؛ اسماعیل پور، یحیی. (1396). پویایی پوشش گیاهی در رابطه با دما و بارش در مراتع حوضه کارون محدوده‌ی استان خوزستان، نشریه تحقیقات کاربردی علوم جغرافیایی، 17(44)، 177-151.
5. فرج زاده، منوچهر؛ فتح نيا، امان اله؛ عليجاني، بهلول؛ ضياييان پرويز. (1390). ارزيابي اثر عوامل اقليمي بر رشد پوشش گياهي در مراتع متراکم ایران با استفاده از تصاویر AVHRR، پژوهش‌های جغرافیای طبیعی، 43(75)؛ 13-1.
6. کرمپور، مصطفی؛ یوسفی، عبدالحسین؛ کوهپایه، نواب. (1394). بررسی رابطه عناصر اقلیمی با پوشش گیاهی مراتع استان هرمزگان، فصلنامه اکوسیستم‌های طبیعی ایران، 6(3)؛ 48-41.
7. متکان، علی‌اکبر؛ عاشورلو، داود؛ عقیقی، حسین؛ گل صفتان، غلامرضا. (1397). ریزمقیاس سازی داده رطوبت خاک ESA با استفاده از تصاویر ماهواره NOAA، مجله انجمن جغرافیا ایران، 16(57): 156-143.
8. مکرم، مرضیه؛ مزین، ملیحه؛ محمد فرجی؛ کتایون موسوی. (1396). بررسی تغییرات پوشش گیاهی در فصول مختلف رویش با استفاده از تصاویر ماهواره‌ای و ارتباط آن با تغییرات دما (منطقه موردمطالعه: شمال شهرستان داراب)، فصلنامه اکوسیستم‌های طبیعی ایران، 3(29)؛ 20-1.
9. ناصرزاده، محمدحسین؛ حجازی زاده، زهرا؛ علیجانی، بهلول؛ غلام پور، زهرا. (1399). آشکارسازی ارتباط زمانی مکانی عناصر اقلیمی پوشش گیاهی با به‌کارگیری محصولات سنجنده‌های MODIS و TRMM موردمطالعه: استان کهگیلویه و بویراحمد، تحقیقات کاربردی علوم جغرافیایی، 20(5)؛ 370-355.
10. هادیان، فاطمه؛ جعفری، رضا؛ بشیری، حسین؛ سلطانی، سعید. (1392). پایش تأثیر بارش در تغییرات پوشش گیاهی با استفاده از تکنیک‌های سنجش‌ازدور در یک دوره 12 ساله (مطالعه موردی: سمیرم لردگان)، آبخیزداری و مرتع، 66(4)؛ 632-621.
11. Dye, D. G., Tucker ,J, ( 2003). Seasonality and trends of snow-cover, vegetation index, and temperature in northern Eurasia. Geophysical Research Letters, 30 (7),1405. [DOI:10.1029/2002GL016384]
12. Kong, D., Miao, C., Duan, Q., Lei, X., Li, H.(2018). Vegetation-climate interactions on the loess
13. Liu, Y., Li, L., Chen, X., Zhang, R., Yang, J.(2018). Temporal-spatial variations and influencing factors of vegetation cover in Xinjiang from 1982 to 2013 based on GIMMS-NDVI3g. Glob. Planet. Chang., 169, 145-155. [DOI:10.1016/j.gloplacha.2018.06.005]
14. Muradyan, V., Tepanosyan, G., Asmaryan, S.(2019). Relationships between NDVI and climatic factors in mountain ecosystems: A case study of Armenia, Remote Sensing Applications: Society and Environment, Volume 14,158-169. [DOI:10.1016/j.rsase.2019.03.004]

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