بررسی ارتباط خشکسالی و تغییرات NDVI در تیپ های مختلف پوشش گیاهی (مطالعه موردی: مراتع جنوب استان یزد)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد مرتعداری، دانشکده منابع طبیعی و کویر شناسی، دانشگاه یزد

2 استادیار دانشکده منابع طبیعی و کویر شناسی، دانشگاه یزد

3 استادیار گروه جغرافیا، دانشگاه یزد

10.29252/aridbiom.7.2.85

چکیده

کاهش بارندگی و افزایش دما هر یک به تنهایی یا با کمک هم، منجر به بروز خشکسالی می­شوند. خشکسالی با تأثیر بر منابع آب و پوشش گیاهی یک منطقه باعث تسریع گسترش نواحی بیابانی می­گردد. به منظور بررسی ارتباط خشکسالی­های سالانه و تغییرات پوشش گیاهی مراتع جنوب استان یزد، از داده­های هواشناسی و سنجش از دور استفاده شد. در ابتدا، شدت­های خشکسالی با استفاده از شاخص­های خشکسالی SPI و RDI در بازۀ زمانی سالانه تعیین شد. پهنه­بندی شاخص­های خشکسالی به کمک پنج روش درون­یابی انجام شد. سپس با استفاده از تصاویر سری زمانی NDVI سنجنده MODIS طی سال­های 2000 تا 2014 میانگین NDVI فصلی و سالانه محاسبه شد. در گام بعدی، روابط بین شاخص­های خشکسالی و شاخص NDVI در 16 تیپ گیاهی مرتعی بررسی شد. بر اساس نتایج شدت خشکسالی در سال­های آبی 2000-1999 و
 2008-2007 منطقه مورد مطالعه به ترتیب در وضعیت خشکسالی متوسط و خشکسالی بسیار شدید قرار داشته است. ارزیابی نتایج همبستگی نشان داد در بیشتر تیپ­های گیاهی بین میانگین NDVI سالانه، فصل بهار و تابستان با شاخص­های خشکسالی همبستگی معنی­داری (01/0>p ) وجود دارد. بر اساس نتایج بیشترین میزان ضریب تبیین (R2) بین تغییرات شاخص NDVI سالانه و شاخص SPI سالانه در تیپ گیاهی Artemisia sieberi-Ebenus stellataمشاهده شد (75/0R2=). پس از آن بالاترین میزان ضریب تبیین در تیپ­های گیاهی Zygophyllum eurypterum-Artemisia sieberi، Artemisia sieberi-Amygdalus scoparia وAmygdalus scoparia-Acer cineracens-Pistasia atlanticaبه دست آمد. به طوری که به ترتیب در این تیپ­های گیاهی 68، 65 و 63 درصد تغییرات شاخص NDVI سالانه تابع تغییرات شاخص خشکسالی SPI می­باشد. تاثیر خشکسالی بر تیپ­های گیاهی مختلف، بسته به شرایط اکولوژیک منطقه، نوع گونه گیاهی، فرم رویشی و همچنین سایر گونه­های همراه در تیپ گیاهی متفاوت است.

کلیدواژه‌ها


[1]. Chamaille-jammes, S., & Fritz, H. (2009). Precipitation-NDVI relationships in eastern and southern african savannas vary along a precipitation gradient. International Journal of Remote Sensing, 30 (13): 3409-3422.
[2]. Chenari, M. (2005). Investigation on variation of some drought indices using markov chain in south alborz climate’s samples. Tehran University. M.Sc. Thesis, 159p, (in Farsi).
 [3]. 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; 53-63.
[4]. Fatehi marj, A., & Baghernia, M. (2011). Rangeland drought monitoring using MODIS satellite images in west of iran for 2007-2009. Iranian Journal of Watershed Management Science and Engineering, 5(16); 13-22, (in Farsi).
[5]. Frey, R.A., Ackerman, S.A., Liu, Y., Strabala, K.I., Zhang, H., Key, J.R., & Wang, X. (2008). Cloud detection with MODIS. Part I: Improvements in the MODIS cloud mask for collection 5. Journal of atmospheric and oceanic technology, 25:1057-1072.
[6]. Ghafarian Malamiri, H.R. (2015). Reconstruction of gap-free time series satellite observations of land surface temperature to model spectral soil thermal admittance (Doctoral dissertation), Technische Universiteit Delft, The Netherlands.
[7]. Goldsmith, F.B. (1991). Monitoring for Conservation and Ecology. Chapman and Hall, London. 275p.
[8]. Hadian, F.,  Jafari R.,  Bashari, H., & Soltani, S. (2014). Monitoring the effects of precipitation on vegetation cover changes using remote sensing techniques in 12 years period (Case study: Semirom Isfahan). Journal of Range and Watershed Management, 66 (4): 621-633, (in Farsi).
[9]. Hosseini, S.Z., Kappas, M., & Propastin, P. (2011). Estimating relationship between vegetation dynamic and precipitation in central iran. Toledo, Spain.
[10]. Jagerbrand, A.K., Molau, U., Alatalo, J.M., & Chrimes, D. (2009). Plant community responses to 5 years of simulated climate change in meadow and heath ecosystems at a subarctic-alpine site. Oecologia, 161: 601-610.
[11]. Jahanbakhsh, S., Rezaee Banafshe, M., Esmaeelpour M., & Tadayoni, M. (2012). The evaluation of potential evapotranspiration estimation models and Its spatial distribution in the southern basin of Aras river. Journal of Geogheraphy & Planning, 16 (40): 25-46, (in Farsi).
[12]. Jalali, N., & Khalilpor, A. (2009). 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. Journal of the Iranian Natural Resources, 61(1): 211-223, (in Farsi).
[13]. Kogan, F.N. (2000). Contribution of remote sensing to drought early warning, National Oceanic and Atmospheric Administration (NOAA), National Environmental satellite Data and laformation serrices (NESDIS), Washigton DC. U.S.A. pp 86-100.
[14]. Liang, E.Y., Shao, X.M., & He, J.C. (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.
[15]. Lu, D., Mausel, P., Brondizio, E., & Moran, E. (2004). Change detection techniques. International Journal of Remote Sensing, 25 (12): 2365-2407.
[16]. Mayhew, W. W. (1965). Adaptations of the Amphibian, Scaphiopus couchi, to Desert Conditions, American Midland Naturalist, 74(1): 95-109.
[17]. 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.
[18]. Mesdaghi, M. (2010). Rage management in Iran. Astane ghods publications, Mashhad. 336p, (in Farsi).
[19]. Mirmousavi, S.H., & Karimi, H. (2013). Effect of drought on vegetation cover using MODIS sensing images case: Kurdistan Province. Geography and Development, 11 (31): 57-76, (in Farsi).
[20]. Mukherjee, T., Mukherjee, S., Mukhopadhaya, A., Roy, A.K., & Dutta, S. (2014). Drought monitoring of chhattisgarh using different indices based on remote sensing data. Climate Change and Biodiversity,1: 85-101.
[21]. Peixi, S., Hongbin, C., & Qiaodi, Y. (2008). Plant community characteristics and their relationships with climate in the Hexi Corridor region of northwestern China. Frontiers of Forestry in China, 3(4): 393-400.
[22]. Propastin, P.A., Kappas, M., Erasmi, S., & Muratova, N.R. (2007). Remote sensing based study on intra-annual dynamics of vegetation and climate in drylands of kazakhstan. Basic and Applied Dryland Research, 1(2): 138-154.
[23]. Rezaeimoghadam, M.H., Valizadeh kamran, KH., Rostamizade, H. & Rezaee, A. (2013). Evaluating the adequacy of MODIS in the assessment of drought (Case study: Urmia Lake Basin). Geography and Environmental Sustainability, 2 (5): 37-52, (in Farsi).
[24]. Rhee, J.,  Im, J., & Carbone, G. (2010). Monitoring agricultural drought for arid and humid regions using multi-sensor remote sensing data, Remote Sensing of Environment, 114 (12): 2875-2887.
[25]. Roerink, G.J., & Menenti, M. & Verhoef, W. (2000). Reconstructing cloudfree NDVI composites using Fourier analysis of time series. International Journal of Remote Sensing, 21: 1911-1917.
[26]. 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, 309-317.
[27]. Scanlon, T.M., Albertson, J.D., Caylor, K.K., & Williams, C.A. (2002). Determining land surface fractional cover from NDVI and rainfall time series for a savanna ecosystem. Remote Sensing of Environment, 82: 376-388.
[28]. Shokoohi, A. 2012. Comparison of SPI and RDI in drought analysis at local scale with emphasizing on agricultural drought (Case study: Qazvin and Takestan). Iranian of irrigation water engineering, 3(9): 111-122, (in Farsi).