بررسی سازگاری گیاهان مناطق بیابانی نسبت به تغییرات بارندگی با استفاده از شاخص گیاهی NDVI (مطالعه موردی: دشت اردکان-عقدا)

نوع مقاله: پژوهشی

نویسندگان

1 دانشجوی دکتری بیابان زدایی، مرکز تحقیقات کشاورزی و منابع طبیعی استان یزد، یزد، ایران

2 کارشناس ارشد مرتعداری، دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان، اصفهان، ایران

3 استادیار دانشکده منابع طبیعی، دانشگاه یزد، یزد، ایران

4 عضو هیئت علمی مرکز تحقیقات کشاورزی و منابع طبیعی استان یزد، یزد، ایران

5 استادیار دانشکده منابع طبیعی، دانشگاه تهران، تهران، ایران

چکیده

پایش خشکسالی یکی از مهمترین برنامه‌های مدیریت به حساب می آید، اما هزینه‌های اقتصادی، وسعت عرصه‌های طبیعی و صعب‌العبور بودن مناطق مختلف از عواملی هستند که پایش مناطق را با مشکل مواجه می­سازند بنابراین امروزه از تصاویر ماهواره ای به عنوان یکی از سریعترین و کم هزینه ترین روش‌ها جهت پایش و مدیریت مناطق مورد استفاده قرار می‌گیرد. در این مطالعه از تصاویر ماهواره ای نوآ و مقادیر بارندگی فصلی و سالانه از سال 1982 تا 2005 استفاده شد و تاثیر بارندگی بر پوشش گیاهی بخشی از استان یزد (منطقه اردکان- عقدا) مورد مطالعه قرار گرفت، برای محاسبه میزان بارش در هر تیپ گیاهی 92 نقشه بارش با استفاده از آمار هواشناسی و پهنه‌بندیStance Weighting Interpolation) ) تهیه شدند. نتایج این تحقیق نشان داد که در منطقه مورد مطالعه شاخص های گیاهی  NDVIو بارندگی به تنهایی قادر به توصیف پوشش گیاهی منطقه نخواهد بود که این امر ضرورت استفاده از روش‌های رگرسیون چند متغیره با کمک سایر عوامل اقلیمی را نشان می دهد علاوه بر این به دلیل همبستگی بسیار پایین بین بارندگی و شاخص NDVI، بیانگر این است که این شاخص کارایی لازم را در پایش این منطقه ندارد بهتر است از شاخص‌های گیاهی و تصاویر ماهواره‌ای با دقت بیشتر استفاده شود.

کلیدواژه‌ها


بررسی سازگاری گیاهان مناطق بیابانی نسبت به تغییرات بارندگی با استفاده از شاخص گیاهی NDVI  (مطالعه موردی: دشت اردکان-عقدا)

 

 منیر السادات طباطبایی زاده[1]، فاطمه هادیان [2]، سیدزین العابدین حسینی[3] ، جلال برخورداری[4] ، حسن خسروی*[5]

تاریخ دریافت: 2/9/92          تاریخ پذیرش: 18/3/93

 

چکیده

پایش خشکسالی یکی از مهمترین برنامه‌های مدیریت به حساب می آید، اما هزینه‌های اقتصادی، وسعت عرصه‌های طبیعی و صعب‌العبور بودن مناطق مختلف از عواملی هستند که پایش مناطق را با مشکل مواجه می­سازند بنابراین امروزه از تصاویر ماهواره ای به عنوان یکی از سریعترین و کم هزینه ترین روش‌ها جهت پایش و مدیریت مناطق مورد استفاده قرار می‌گیرد. در این مطالعه از تصاویر ماهواره ای نوآ و مقادیر بارندگی فصلی و سالانه از سال 1982 تا 2005 استفاده شد و تاثیر بارندگی بر پوشش گیاهی بخشی از استان یزد (منطقه اردکان- عقدا) مورد مطالعه قرار گرفت، برای محاسبه میزان بارش در هر تیپ گیاهی 92 نقشه بارش با استفاده از آمار هواشناسی و پهنه‌بندیStance Weighting Interpolation) ) تهیه شدند. نتایج این تحقیق نشان داد که در منطقه مورد مطالعه شاخص های گیاهی  NDVIو بارندگی به تنهایی قادر به توصیف پوشش گیاهی منطقه نخواهد بود که این امر ضرورت استفاده از روش‌های رگرسیون چند متغیره با کمک سایر عوامل اقلیمی را نشان می دهد علاوه بر این به دلیل همبستگی بسیار پایین بین بارندگی و شاخص NDVI، بیانگر این است که این شاخص کارایی لازم را در پایش این منطقه ندارد بهتر است از شاخص‌های گیاهی و تصاویر ماهواره‌ای با دقت بیشتر استفاده شود.

 

واژه­های کلیدی:بارش، سنجش از دور، همبستگی، مناطق خشک و بیابانی

 

مقدمه


بارندگی یکی از مهمترین عوامل تاثیرگذار بر پوشش گیاهی به حساب می‌آید (17). بنابراین در راستای تدوین طر‌ح های حفاظت مناطق جنگلی و مرتعی که دارای پوشش طبیعی هستند، پایش خشکسالی از مهمترین ابزارهای مدیریت محسوب می‌گردد (24). Akbarzadeh & Mirhaji (2007) در یک پایش چندساله زمینی و بررسی تغییرات تاج پوشش گیاهی به این نتیجه دست یافتند که تغییرات بارندگی تاثیر مهمی بر پوشش گیاهی دارد که این تغییرات بسته به نوع پوشش گیاهی متفاوت خواهد بود به طوری که بیشترین تغییرات در مناطق علفزار مشاهده گردید (1). اگرچه پایش خشکسالی یکی از مهمترین برنامه‌های مدیریت به حساب می­آید، اما هزینه‌های اقتصادی، وسعت عرصه‌های طبیعی و صعب‌العبور بودن مناطق مختلف از عواملی هستند که پایش مناطق را با مشکل مواجه می­سازند (14). امروزه استفاده از سنجش از دور یکی از روش‌هایی است که برای شناسایی تغییرات پوشش گیاهی استفاده می‌شود. این تکنولوژی با اندازه‌گیری تشعشع خاص پوشش گیاهی، امکان شناخت تغییرات بازتاب ناشی از خشکسالی را در گیاهان فراهم می‌سازد (8). بررسی خصوصیات طیفی گیاهان نشان می‌دهد که گیاهان سالم بیشترین جذب را در طیف قرمز و آبی و بیشترین بازتاب را در طیف سبز و مادون قرمز از خود نشان می دهند که تغییرات خصوصیات برگ و میزان کلروفیل آنها نقش اساسی در میزان بازتاب آنها دارد و هر عاملی اعم از تنش یا بیماری که خصوصیات برگ را تغییر دهد، به طور مستقیم بر بازتاب گیاهان تاثیر می‌گذارد که این بازتاب در ناحیه مادون قرمز مشخص‌تر است. دانشمندان بیان می‌کنند که تنش‌های رطوبتی یا بلوغ برگ، موجب تغییرات حفره برگ و درنتیجه کاهش بازتاب در محدوده مادون قرمز نزدیک می‌گردد، بنابراین با استفاده از مطالعه بازتاب گیاهان می‌توان تغییرات ناشی از خشکسالی را بررسی نمود (30). نتایج پژوهش‌های مختلف نشان می‌دهد که استفاده از تصاویر ماهواره‌ای در مطالعات خشکسالی تطابق بسیار خوبی با روش‌های تحلیل آب و هوایی دارد (8). Nickolson et al., (1990) با استفاده از تصاویر ماهواره نوآ و داده‌های بارندگی به بررسی تغییرات پوشش مناطق مختلف آفریقا پرداختند، ایشان دریافتند که شرایط منطقه باعث می‌شود که روابط متفاوتی بین تغییرات پوشش گیاهی و بارندگی وجود داشته باشد (25). Gurgel & Ferreira (2003) به مطالعه تغییرات پوشش گیاهی در ارتباط با تغییرات اقلیمی در برزیل پرداختند، نتایج نشان داد که تغییرات پوشش گیاهی در واکنش به تغییرات اقلیمی بسته به نوع پوشش گیاهی منطقه متفاوت است و زمان بارندگی تأثیرات متفاوتی را بر پوشش گیاهی منطقه داشت. بارندگی در فصل تابستان همبستگی %70 و بارندگی فصل بهار همبستگی %91 با تغییرات پوشش گیاهی نشان داد (12). Xiaomeng (2007) تغییرات محصولات زراعی تحت تأثیر میزان بارندگی را بررسی نمود. در این مطالعه از تصاویر ماهواره لندست (سنجنده TM) برای محاسبه شاخص NDVIو از شاخص SPI برای محاسبه میزان بارندگی استفاده شد. همبستگی بالای میان شاخص NDVI و SPI با استفاده از آنالیز رگرسیون نشان داد که با استفاده از این ماهواره و شاخص NDVI به خوبی می‌توان اثرات اقلیم بر پوشش گیاهی منطقه را ارزیابی نمود )33).et al.,  Liang (2005) در شمال چین با استفاده از تصاویر نوآ تغییرات پوشش گیاهی در پاسخ به میزان بارندگی را بررسی نمودند، ایشان به این نتیجه  رسیدند که در مناطق گراسلند همبستگی بسیار زیادی میان تغییرات پوشش گیاهی و بارندگی مشاهده می‌گردد )21(.

Hosseini et al.,  (2013) رابطه نوسانات بارندگی و تغییرات پوشش گیاهی را در دوره زمانی 1996 تا 2008 در بخشی از مراتع استان یزد مورد بررسی قرار دادند. در این تحقیق از اطلاعات بارندگی ماهیانه ایستگاه‌های هواشناسی و تصاویر ماهواره NOAA استفاده شد. نقشه‌های بارندگی با استفاده از روشهای زمین آمار تهیه و آنالیزهای آماری بین تصاویر ماهواره ای و نقشه های بارش انجام شد. نتایج حاصله بیانگر ارتباط معنی‌‌دار تیپ‌های پوشش گیاهی فورب و گراس با نوسانات بارندگی و عدم ارتباط یا ارتباط ضعیف تیپ های بوته زار، درختی و درختچه ای با بارندگی می باشد. آنها همچنین برای تجزیه و تحلیل نتایج از اطلاعات دیگری مانند شیب، جهت، ارتفاع، رطوبت خاک و سطح آب زیرزمینی استفاده نمودند )15).

هدف اصلی از این مطالعه پایش تغییرات پوشش‌های مختلف اراضی با استفاده از مقادیر بارندگی و تصاویر ماهواره‌ای  NOAA AVHRR و مقایسه واکنش شکل های مختلف رویشی و تیپ‌های مختلف گیاهی به نوسانات بارندگی در قسمتی از استان یزد ( دشت اردکان – عقدا) می­باشد. زیرا در این منطقه به دلیل وجود فرسایش بادی حفظ پوشش گیاهی از اهمیت خاصی برخوردار است که با توجه به نوسانات بارش منطقه نیاز به برتامه ریزی دارد.

 

مواد و روش‌ها

منطقه مورد مطالعه:

به منظور بررسی روابط بین پوشش گیاهی و بارندگی در مناطق خشک و نیمه خشک بخشی از منطقه اردکان - عقدا مورد بررسی قرار گرفت. این منطقه از نظرجغرافیایی بین طول­های ً04´55 ˚53 و ً38 ´04 ˚54 و عرض­های 41 ´19 ˚32 تا ً10 ´28 ˚32 واقع شده ودارای مساحتی در حدود 10193کیلومتر مربع می باشد. متوسط ارتفاع محدوده مطالعاتی درحدود 1027 متر از سطح دریا بوده که روند تغییر ارتفاع از جنوب شرق به شمال غرب است و این تغییرات با دامنه بسیارکم وبصورت تقریباً یکنواخت انجام می‌گیرد. این منطقه از نظر زمین شناسی و مورفولوژی دشت بوده، اطلاعات کلی از منطقه مورد مطالعه در جدول و شکل زیر آمده است (شکل 1و جدول 1).


 

 

 

جدول 1- اطلاعات منابع پایه (هوا و اقلیم برای کل محدوده مطالعاتی)

متوسط بارندگی سالیانه (میلیمتر)

درجه حرارت (سانتیگراد)

تبخیر و تعرق پتانسیل سالیانه (میلیمتر)

باد

نوع اقلیم

حداکثر مطلق

حداقل مطلق

متوسط سالیانه

جهت غالب

شدید ترین سرعت باد در ایستگاه اردکان

51/61

46

5/13-

8/19

1948

شمال غرب و غرب

20 m/s

خشک سرد (آمبرژه)

 

 
 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

شکل‌1- موقعیت و پوشش اراضی مورد مطالعه

 


تیپ‌بندی پوشش گیاهی منطقه:

با توجه به خصوصیات منطقه مطالعاتی تصحیحات هندسی و توپوگرافی بر روی تصویر مربوطه اعمال گردید. در تصحیح هندسی ابتدا باند پانکروماتیک سنجنده ETM+ با خطای 46/0 پیکسل به نقشه توپوگرافی با مقیاس 1:25000 ثبت داده‌ شد و از آن برای ثبت تصویر لندست (با خطای 48/0 پیکسل) استفاده گردید (19، 31).

در تصحیح توپوگرافی نیز از نقشه توپوگرافی با مقیاس 1:25000 برای تهیه نقشه رقومی ارتفاع ([6]DEM) استفاده شد و این تصحیح با استفاده از مدل لامبرت در نرم افزار Erdas Imagine 9.1 صورت گرفت (27). درمرحله بعد پس از تعیین محدوده مورد مطالعه از روی تصاویر ماهواره­ای (Google Earth) و تصویر لندست، نقشه­های مختلف مانند سنگ­شناسی، طبقات ارتفاع، شیب، جهت و نقشه رخساره­های ژئومورفولوژی منطقه تهیه و با هم ادغام گردیدند تا نقشه واحدهای کاری به دست آید که این واحدها اساس مدیریت و اندازه­گیری پوشش گیاهی فرض شدند و با استفاده از بازدیدهای صحرایی، منطقه از نظر تیپ پوشش گیاهی تقسیم­بندی گردید (جدول2).

 

 

جدول2- پوشش اراضی در منطقه مورد مطالعه

مساحت (km2)

 

نوع پوشش

1016

Bare land

زمین­های لخت

30

Rock

248

Sand Dune

61

Wetland

9

Cultivated land

زمین­های کشاورزی

126

Artemisia sieberi

بوته­ای­ها

33

Alhagi Camelorum-Artemisia sieberi

2

Artemisia sieberi- Fortuynia bungei

0

Artemisia sieberi- Salsola tomentosa

45

Artemisia sieberi-Aellenia subaphylla

15

Artemisia sieberi-Caligonum polygonoides

108

Artemisia sieberi-Cousinia deserti

27

Artemisia sieberi-Ephedra strobilasea

48

Artemisia sieberi-Fortuynia bungei

36

Artemisia sieberi-Pteropyrum aucheri

473

Artemisia sieberi-Salsola tomentosa

188

Artemisia sieberi-Salsola yazdiana

132

Artemisia sieberi-Zygophyllum atriplicoides

28

Cornulaca monacantha-Anabasis aphylla

49

Cornulaca monacantha-Artemisia sieberi

20

Haloxylum aphyllum

20

Salsola tomentosa-Yazdiana-Seidlitzia rosmarinus

26

Salsola yazdiana-Anabasis aphylla

61

Seidlitzia rosmarinus

10

Seidlitzia rosmarinus-Anabasis aphylla

97

Seidlitzia rosmarinus-Artemisia sieberi

32

Seidlitzia rosmarinus-Salsola yazdiana

5

Tamarix ramosissima-Seidlitzia rosmarinus

درختچه

11

Urban

اراضی شهری

 

 


پایش تغییرات پوشش گیاهی:

جهت پایش تغییرات پوشش گیاهی نسبت به بارندگی تعداد 23 سری زمانی تصاویر ماهواره ای نوآ از سال 1982 تا 2005.مورداستفاده قرار گرفت، در این مطالعه از تصاویر ماهواره‌ای نوآ[7] که به وسیله سیستم مطالعه و پایش جهانی [8](GIMMS) تولید و پردازش شده بود استفاده گردید. جهت انجام آنالیزهای مورد نظر تصاویر مورد استفاده با مدل رقومی ارتفاع منطقه انطباق و اندازه پیکسلهای آنها یکسان گردید (1000 متر). این داده‌ها از سری NOAA AVHRR NDVI محسوب می‌شوند که به کمک روش تعریف شده پینزن[9] و همکاران تصحیحات مختلف از جمله تصحیحات اتمسفری بر روی آنها انجام شده است. تصاویر  NDVIدر دوره‌های 15 روزه در سیستم GIMMS NDVI مورد استفاده قرار گرفته و تصاویر ماهانه از ترکیب آنها به وجود آمده‌اند (16).

 سپس جهت مطالعه تغییرات پوشش گیاهی طی 23 سال، از شاخص NDVI که یکی از شاخصهای گیاهی بوده و از طریق بازتاب گیاهان در باند قرمز و مادون قرمز نزدیک به دست می­آید استفاده گردید (معادله 1) (8).

NDVI =  معادله (1)              

که در این رابطه مقدار  مقدار بازتاب در باند مادون قرمز نزدیک (باند 2 سنجنده AVHRR) و مقدار  به عنوان مقدار بازتاب در باند قرمز (باند 1 سنجنده AVHRR) است.

 

محاسبه میزان بارندگی:

جهت بررسی تغییرات پوشش گیاهی نسبت به بارندگی  طی 23 سال اخیر  از کلیه آمار 11ایستگاه سینوپتیک در منطقه استفاده شد و مقادیر  بارندگی در چهار مقیاس زمانی محاسبه گردید:

  • میزان بارش فصل بهار: مجموع بارش فروردین و اردیبهشت و خرداد
  • میزان بارش فصل رویش: مجموع بارش اسفند،‌ فروردین و اردیبهشت و خرداد
  • میزان بارش فصول سرد: مجموع بارش پاییز و زمستان
  • بارش سالیانه: مجموع بارش از تیرماه تا آخر خرداد سال بعد

تعیین میزان بارندگی در هریک از مقیاس‌های زمانی با استفاده از پهنه بندی مقدار بارندگی در نرم افزار Arc GIS انجام گرفت و نقشه های بارندگی با استفاده از روش IDW تهیه شدند (شکل3))2(.  در این روش پوشش‌های مختلف که به عنوان نقشه پایه می­باشند، بارندگی بر اساس میانگین نقاط همسایه در محدوده معین محاسبه شد، به این ترتیب که معکوس فواصل از نقاط مجهول مورد وزن ‌دهی قرار گرفته و هر چه فاصله نقطه مجهول از نقاط معلوم کاهش یابد، وزن ارزش آن نقاط افزایش می­یابد و نقاطی که ارزش آن ها معلوم نیست،‌ با استفاده از نقاط اطراف در یک شعاع مشخص بر اساس فرمول زیر محاسبه می‌شود.

 

که در آن xi ارزش نقاط معلوم نقاط با مختصات معلوم و x، ارزش برآورد شده نقطه مجهول می باشد و چون این مقدار تابعی از فاصله بین آن ها می باشد، لذا فواصل بین آن ها به عنوان وزن مدل به کار می رود که معمولاً از توان دوم معکوس فواصل استفاده می شود و برای افزایش وزن مقدار توان افزایش می‌یابد (10).

 

بررسی تغییرات پوشش گیاهی:

از شاخص NDVI در نرم افزار Erdas Imagin میانگین گیری شد. برای مطالعه میزان تغییرات پوشش گیاهی ، میزان همبستگی شاخص NDVI در ژوئن[10] و مقادیر بارندگی در مقیاس‌های زمانی تعریف شده بین سال های 2005-1982 محاسبه شد[11] و با استفاده از آزمون رگرسیون همبستگی تغییرات شاخص NDVI و مقادیر بارندگی بررسی گردید (7). در نهایت رابطه بارندگی و پوشش گیاهی در تیپ های مختلف گیاهی با یکدیگر مقایسه شد.

 
 

 

 

 

 

 

 

 

 

 

 

 

 

 


شکل2- نقشه میانگین بارش منطقه (برحسب میلیمتر) در  سال های 2005-1982  به روش IDW

 

نتایج

بررسی تغییرات سالیانه شاخص گیاهی NDVI بیانگر این می باشد که در منطقه مورد مطالعه بوته زارها بیشترین تغییرات  پوشش سطح اراضی را نشان می‌دهند که این زمین ها با انجام عملیات اصلاح خاک و هزینه زیاد برای این کار مساعد گردیده است.

میزان نوسان سالیانه بارندگی و بهار و شاخص NDVI در تیپ‌های گیاهی بیان‌گر این بود که میزان سبزینگی گیاهان از نظر میزان شاخص NDVI در طول سال های مورد مطالعه تغییر چندانی نداشته است (اشکال3-6)

 

 

شکل 3- تغییرات شاخص NDVI و بارندگی در بوته‌زار

 

 

شکل4- تغییرات شاخص NDVI و بارندگی در منطقه کشاورزی

 

 

 

شکل 5- تغییرات شاخص NDVI و بارندگی در مناطق دارای خاک بدون پوشش

 

 

شکل6- تغییرات شاخص NDVI و بارندگی در مناطق دارای پوشش درختچه‌ای

 


بررسی میزان همبستگی تغییرات پوشش و میزان بارندگی:

در منطقه مورد مطالعه هریک از تیپ‌های گیاهی واکنش­های متفاوتی را نسبت به تغییرات بارش نشان دادند که فرم رویشی و نوع گونه‌گیاهی از عوامل نوسانات پوشش گیاهی در منطقه می باشد. در این مطالعه بوته ای ها بیشترین همبستگی را به ترتیب با بارش سالیانه، بهار، فصل رویش و فصل زمستان داشتند و بین پوشش و میزان بارندگی در درختچه­ای­ها نسبت به بوته­زارها همبستگی کمتری وجود داشت. در هیچ یک از تیپ­های گیاهی همبستگی معناداری با میزان بارش در فصل بهار و فصول سرد و یا فصل رویش مشاهده نشد (جدول3).


جدول 3- میزان همبستگی بین تغییرات شاخص NDVI و بارندگی در هریک از پوشش اراضی، درون جدول نشان دهنده مقادیر ضریب همبستگی و اعداد داخل پرانتز نشان دهنده سطح معنی داری

بارش فصل رویش

بارش فصول سرد

بارش فصل بهار

بارش سالیانه

نام تیپ گیاهی

(31/0)04/0

(99/0)0

(07/0)14/0

* (001/0)39/0

بوته ای

(26/0)05/0

(42/0)02/0

(23/0)06/0

(11/0)10/0

زمین های کشاورزی

(592/0)013/0

(77/0)007/0

(40/0)03/0

(50/0)05/0

زمین های لخت

(40/0)03/0

(59/0)013/0

(50/0)04/0

** (015/0)23/0

درختچه ای

*در سطح یک درصد معنی‌دار

**در سطح پتج درصد معنی‌دار

 

 


بحث و نتیجه‌گیری

نسبت پوشش گیاهی زنده،‌ پوشش گیاهی غیرزنده و اجزاء فیزیکی (سنگ، سنگریزه و خاک) سه جزء مهم تعیین کننده بازتابش پوشش گیاهی هستند  که در این بین، پوشش گیاهی زنده از اهمیت زیادی برخوردار است. مقدار بازتابش از پوشش زنده نیز به مقدار آب،‌ ساختمان سلول،‌ مقدار کلروفیل و ساختمان گیاه بستگی دارد (11). کاهش تراکم پوشش گیاهی، افزایش تاثیر بازتاب خاک را به همراه خواهد داشت و در منطقه نیز خصوصیات مختلف خاک مانند بافت و رنگ بر روی بازتاب خاک و در نتیجه شاخص‌های گیاهی موثر خواهند بود (34).

کاهش میزان بارندگی، کاهش فعالیت فتوسنتزی و در نتیجه کاهش بازتاب گیاهان را به دنبال خواهد داشت (32, 6). نتایج این مطالعه نشان داد که در این منطقه بیابانی همبستگی های بسیار کمی بین تغییرات بارش و سبزینگی پوشش گیاهی مشاهده می شود که با در نظر گرفتن سازگاری گیاهان نسبت به خشکی در این منطقه قابل توجیه می­باشد ضمن اینکه گیاهان به دلیل فرم رویشی خاص خود و داشتن ریشه­های عمیق بیشترین همبستگی را با بارش سالیانه دارند. Richard et al., (2008) همبستگی­های بسیار کم و حتی منفی بین میزان بارش و شاخص NDVI در مناطق نیمه بیابانی مشاهده نمودند )28). Mayhew (1965) بیان می‌کند که در مناطق بیابانی گیاهان بوته­ای و درختچه‌ای قابلیت بسیار بالایی در مقابل خشکی دارند )22(. در این منطقه با توجه به کمبود بارندگی کشاورزی از نوع زراعت آبی بود. لذا آبیاری آن با استفاده از آب چاه­ها و قنوات انجام می­گیرد و ارتباط مستقیم با بارش نداشتند. بررسی­ها نشان داد که Jalali & Khalilpour (2008) به نتایج مشابهی دست یافتند )20(.

نوع فرم رویشی و گونه گیاهی نقش مهمی در تاثیرپذیری پوشش گیاهی از نوسانات بارندگی در سال های مختلف نشان می دهند (5)، اما در مناطق خشک و بیابانی به دلیل وجود طولانی‌ترین دوره‌های خشک و بدون بارندگی، بالابودن میزان تبخیر و تعرق، عدم تکامل خاکها، وجود فرسایش شدید آبی و بادی و نیز وجود خاکهای شور و قلیایی باعث شده که گیاهان این مناطق نسبت به خشکی و نیز خاک از طریق تغییرات مورفولوژیک و فیزیولوژیک در مقایسه با مناطق مرطوب سازگاری داشته باشند (26، 18). کاهش میزان سبزینگی گیاهان در مناطق خشک و بیابانی که ناشی از سازگاری آنها است باعث همبستگی بسیار پایین آنها با داده های سنجش از دوری می گردد. et al., Buyantuyev (2007) همبستگی بسیار پایینی بین تاج پوشش گیاهی و شاخص‌های گیاهی محاسبه شده با تصاویر ماهواره‌ای در مناطق بیابانی نسبت به سایر مناطق مشاهده نمودند )4(.

به طور کلی می توان گفت که میزان بارش منطقه در تاثیر پذیری گیاهان نقش مهمی دارد و در مناطق بیابانی با بارش کم به دلیل فرم رویشی و نوع گیاهان خاص خود تاثیرات بارش نیز کمتر است، Nickolson et al., (1990) و Richard & Poccard (1998) میزان بارش را در تاثیر پذیری گیاهان منطقه موثر دانستند (25, 29). گیاهانی با فرم رویشی درختی و درختچه ای به دلیل داشتن ریشه‌های عمیق نسبت به سایر فرم های رویشی همبستگی کمتری در مقابل تغییرات بارش از خود نشان می دهند (23).

 Hadian (2011) به این نتیجه دست یافت که درختان حساسیت کمتری در مقابل تغییرات بارش بهار نسبت به سایر فرم‌های رویشی دارند (13). در مناطق خشک و بیابانی به دلیل شرایط خشکی گیاهان از نظر جنبه های مورفولوژیک نسبت به گیاهان سایر مناطق تغییرات زیادی را حاصل نموده اند و با افزایش ریشه‌های جانبی، افزایش طول ریشه‌ و تغییر در ساختمان ریشه در برابر خشکی از خود مقاومت نشان می‌دهند، البته در این مناطق خاک هم قابلیت خوبی در نگه‌داری رطوبت از خود نشان می­دهد (18). Azarnivand & Zare Chahouk (2011) بیان می‌کنند که گیاهان مناطق بیابانی با استفاده از تغییراتی که در سیستم ریشه خود از طریق تغییرات مورفولوژیک مانند تولید ریشه‌های جانبی (Haloxylum aphyllum) و یا افزایش انشعابات ساقه (Artemisia sieberi) در برابر کمبود بارش و خشکسالی سازگاری می‌یابند (3). Funk & Brown (2006) بارندگی مناطق بیابانی را یک عامل غیر قابل پیش­بینی بیان می­کنند )9(.

با نتایج به دست آمده و همچنین کارایی بسیار بالای تصاویر ماهواره ای در رابطه با اینگونه مطالعات در مناطق مرطوب پیشنهاد می گردد که در مناطق خشک رابطه  NDVIبا شاخص های دیگر نظیر خصوصیات خاک، درجه حرارت محیط، باد، سطح ایستابی آبهای زیرزمینی و سایر پارامترهای اقلیمی بررسی گردد زیرا گیاهان مناطق خشک به خصوص بوته­ای­ها و درختچه­ای­ها خود را با کمبود بارندگی سازگار نموده­اند و از روش­های مختلف کمبود بارندگی را جبران می­نمایند، بنابراین استفاده از پارامتر بارندگی و رگرسیون خطی ساده به تنهایی نمی‌تواند تغییرات پوشش گیاهی مناطق بیابانی را بیان کند که این امر ضرورت استفاده از روش‌های رگرسیون چند متغیره جهت مطالعه سایر عوامل اقلیمی نشان می­دهد. علاوه بر این به دلیل همبستگی بسیار پایین بین بارندگی و شاخص NDVI، بیانگر این است که این شاخص کارایی لازم را در پایش منطقه مورد مطالعه را ندارد لذا استفاده از سایر شاخص‌های گیاهی و تصاویر ماهواره‌ای با دقت بیشتر ضروری به نظر می‌رسد.

 

References

 


 Investigation of arid vegetation compatibility toward precipitation variation with NDVI index (a case study, Ardakan-Aghda plain)

 

M. Tabatabaii Zadeh[12], F. Hadian[13], S. Z. Hosseini[14], J. Barkhordari[15], H. Khosravi*[16]

 

Abstract

Drought monitoring is a important management program, but have some limitation as economical, huge and arduous natural areas. Then nowadays have been used satellite images for drought monitoring and management of areas as fastest and low cost method. In this research have been used NOAA satellite images and annual/seasonal precipitation data during 2005-1982 then studied effect of Precipitation on vegetation cover in a part of Yazd province (Ardakan- Aghda area). The 92 precipitation maps have been prepared For determination of precipitation value in every vegetation type by using climate data and classified by distance weighting  interpolation   method. The results show an alone vegetation index could not define vegetation cover of study area that necessary to used multi-regression methods with other climatic factors. Furthermore, this index is not useful for arid area because have very low correlation between INDVI index and precipitation then is necessary to use other indexes and satellite images with more quality.

 

Key words: Precipitation, Remote Sensing, correlation, Arid 

 

 



[1] - دانشجوی دکتری بیابان زدایی، مرکز تحقیقات کشاورزی و منابع طبیعی استان یزد، یزد، ایران

[2]- کارشناس ارشد مرتعداری، دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان، اصفهان، ایران

[3]- استادیار دانشکده منابع طبیعی، دانشگاه یزد، یزد، ایران

[4] - عضو هیئت علمی مرکز تحقیقات کشاورزی و منابع طبیعی استان یزد، یزد، ایران

[5] - استادیار دانشکده منابع طبیعی، دانشگاه تهران، تهران، ایران

 *نویسنده مسئول:    Email:   hakhosravi@ac.ut.ac.ir

[6]- Digital Elevation Model

[7]- NOAA

[8]- Global Inventory Modeling and Monitoring Studies

[9]- Pinzon

-[10] خرداد ماه که مصادف با حداکثر رشد و فتوستز گیاهان بود.

 -[11]  تعداد 92 نقشه بارندگی

[12] - PhD  Student  of  Desertification, Agricultural and Natural Resources Research Center of Yazd

[13] -MSc. Range Management, Isfahan University of Technology, Email: hadian.fatemeh@gmail.com

[14]- Assistant Professor, Faculty of Natural Resources, Yazd University

[15] - Academic Member ,Agricultural and Natural Resources Research Center of Yazd

*[16] - Assistant  Professor , Faculty of Natural Resources, University of Tehran, Karaj, Iran, hakhosravi@ ut.ac.ir

 

 

 

1-Akbarzadeh, M., S. T. Mirhaji, 2007. Vegetation Changes under Precipitation in Steppic Rangelands of Rudshur, Iranian Journal of Range and Desert Research 13(3):222-235, (In Persion).

2-Aliakbari, M., 2009. "Determining the potential habitat of two rangeland specise Agropyrom trichophorum & Astragalus verus with the integration of GIS and remote sensing in southern karchambouy area, Fereidan-Isfahan", MSc Thesis, Isfahan University of Tecnalogy, 117P: 117P, (In Persion).

3-Azarnivand, H. & M. A. Zare Chahouki, 2011. Rangeland Ecology, University of Tehran Press, 345P: 345P, (In Persion).

4-Buyantuyev, A., J. Wu, & C. Gries, 2007. Estimating Vegetation Cover in an Urban Environment Based on Landsat ETM+ Imagery: A Case Study in Phoenix, USA, International Journal of Remote Sensing 28(2):269–291.

5-Ding, M., Y. Zang, L. Liu, W. Zhang, Z. Wang, & W. Bal, 2007. The Relationship between NDVI and Precipitation on the Tibetan Plateau, Journal of Geographical Sciences 17(3):259-268.

6-Dubey, S., G. Pranuthi, & S. Tripathi, 2012. Assessing the Relation Between NDVI and Rainfall over India, International Journal of Water Resources and Arid Environment 2(4):108-114.

7-Fang, J., S. Piao, Z. Tang, C. Peng, W. Ji, 2001. Interannual Variability in Net Primary Production and Precipitation, science 293( 5536 ):1723a-1724a.

8-Farajzadeh, M., 2005. Drought from Consept to Solutions, National Geographical Organization Publication, 112P: 112P, (In Persion).

9-Funk, C. C. & M. E. Brown, 2006. Intra-seasonal NDVI change projections in semi-arid Africa, Remote Sensing of Environment 101:249–256.

10-Ghohroudi Tali, M., 2005. Geographic Information System, in the 3-D Dimentional Enviromental (Arc GIS 3-D), Tarbiat Moaalem University: 273P, (In Persion).

11-Goldsmith, F. B., 1991. Monitoring for Conservation and Ecology, Chapman & Hall:275P.

12-Gurgel, H. C. & N. J. Ferreira, 2003. Annual and Interannual Variability of NDVI in Brazil and its Connections with Climate, International Journal of Remote Sensing 24(18):3595–3609.

13-Hadian, F., 2011. "Analysing Vegetation Cover Changes and Its Relationship With Rainfall Using Satellite Data (Case Stady: Semirom Region, Isfahan)", MSc Thesis, Isfahan University of Tecnalogy, 105P: 105P, (In Persion).

14-Hadian, F., H. Bashari, R. Jafari, 2012. Effects of sampling sizes on the correlation between vegetation cover and NDVI data in different rangeland conditions using TM and AWiFS images, Journal of Applied RS & GIS Techniques in Natural Resource Science 3(2):85-97.

15-Hosseini, S. Z., 2013. The application of remote sensing, GIS, geostatistics, and ecological modeling in rangelands assessment and improvement , Ph.D Thesis, , University of Göttingen, Göttingen, 132 Pages.

16-Hosseini, S. Z., M. Kappas, P. Propastin, 2011. Estimating Relationship Between Vegetation Dynamic and Precipitation in Central Iran, Toledo, Spain.

17-Hosseini, S. Z., S. T. Mirhaji, A. R. Safari, 2002. Relationship between precipitation and yield of Medicago sativa (Case study: Hamand-e-Absard Range Research Station). Second National Conference of National Conference of Range and Range Management, Tehran University, Tehran, Iran.

18-Jafari, M., 2010. Reclamation of Aridland, University of Tehran Press: 396 P, (In persion).

19-Jafari, R., 2007. "Arid Land Condition Assessment and Monitiring Using Multispectral and Hyperspectral Imagery", PhD Thesis, University of Adelaid Australia: 150P.

20-Jalali, N., A. Khalilpour, 2008. Identification of spatial extent of extreme droughts and their impact on forests and rangelands in Iran during 1995-2001 using rainfall data and satellite images, Iranian Journal of Natural Resources 61(1):211-233, (In Persion).

21-Liang, E. Y., X. M. Shao, J. C. He, 2005. Relationships between tree growth and NDVI of grassland in the semiarid grassland of north China, International Journal of Remote Sensing 26(13):2901–2908.

22-Mayhew, W. W., 1965. Adaptations of the Amphibian, Scaphiopus couchi, to Desert Conditions, American Midland Naturalist 74(1):95-109.

23-Mesdaghi, M., 1998. Rage management in Iran, Astane ghods publications, 333P: 333P, (In Persion).

24-Moghaddasi, M., S. Morid, H. Ghami, J. M. V. Samaini, 2005. Daily Drought Monitoring, Tehran Province, Iranian Journal  Agricultural Science 36(1):51-62, (In Persion).

25-Nickolson, S. E., M. L. Davenport, A. L. Malo, 1990. A Comparision of the Vegetation Response to Rainfall in the Sahel and East Africa Using Normalized Defference Vegetation Index from  NOAA AVHRR, Climatic Change 17:209-241.

26-Piao, S., J. Fang, L. Zhou, Q. Guo, M. Henderson, W. Ji, Y. Li, S. Tao, 2003. Interannual Variations of Monthly and Seasonal Normalized Difference Vegetation Index (NDVI) in China from 1982 to 1999, Journal of Geophysical Reserch 108(14D):1-13.

27-Riano, D., E. Chavieco, J. Salas, I. Aguado, 2003. Assessment of Different Topographic orrections in Landsat-TM Data for Mapping Vegetation Types, Lee Transaction on Geoscience and Remote Sensing 41(5):1056 - 1061.

28-Richard, Y., N. g. Martiny, N. Fauchereau, C. Reason, M. Rouault, N. Vigaud, Y. Tracol, 2008. Interannual memory effects for spring NDVI in semi-arid South Africa, Geophysical Research Letters 35:1-6.

29-Richard, Y., I. Poccard, 1998. A Statistical Study of NDVI Sensitivity to Seasonal and Interannual Rainfall Variations in Southern Africa, International Journal of Remote Sensing 19(15):2907- 2920.

30-Sanaienejad, S. H., A. R. Shah Tahmasbi, R. Sadr Abadi Haghighi, K. Kelarestani, 2008. A Study of Spectral Reflection on Wheat Fields in Mashhad Using MODIS Data Journal of Science and Technology of Agriculture and Natural Resources, Water and Soil Science 12(45):11-19, (In Persion).

31-Sarapirome, S., C. Kulrat, 2010. Comparison Urban Classification Using Landsat -TM and Liner Spectral Mixture Analysis Extracted Images: Nakhon Ratchasima Municipal Area, Thailand, Suranaree Journal of Science and Technology 17(4):401-411.

32-Scanlon, T. M., J. D. Albertson, K. K. Caylor, C. A. Williams, 2002. Determining Land Surface Fractional Cover from NDVI and Rainfall Time Series for a Savanna Ecosystem, Remote Sensing of Environment 82:376–388.

33-Xiaomeng, R., 2007. "Agricaltural vulnerability to drouth in southern alberta aquantitative assessment", Master of science, University of Lethbridge.

34-Yoshioka, H., T. Miura, J. A. Demattê, K. Batchily, A. R. Huete, 2010. Soil line influences on two-band vegetation indices and vegetation isolines: A numerical study, Remote Sensing 2(2):545-561.