واکاوی ارتباط بین تغییرات پوشش گیاهی و لندفرم‌های بیابانی در شمال استان اصفهان

نوع مقاله : مقاله پژوهشی

نویسندگان

1 عضو هیات علمی، گروه جغرافیا، دانشگاه پیام نور، تهران، ایران

2 دانشیار، گروه جغرافیا، دانشگاه پیام نور، تهران، ایران

3 دانشیار، گروه جغرافیای طبیعی، دانشگاه خوارزمی، تهران، ایران

4 استادیار، مرکز تحقیقات، آموزش کشاورزی و منابع طبیعی استان اصفهان، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران

10.29252/aridbiom.2023.20350.1944

چکیده

هدف از این پژوهش واکاوی تغییرات پوشش گیاهی در لندفرم‌­های بیابانی شمال استان اصفهان با استفاده از داده­‌های ماهواره‌­ای لندست 5 و 8، سنجنده­‌های TM و OLI-TIRS در دوره 2020-1987 است. در این راستا، 200 تصویر در 27 ماه گرم سال (از اول ژوئن تا آخر آگوست، برابر با اوایل خرداد تا اوایل شهریور) اخذ شد. پس از پیش‌پردازش­‌های لازم روی تصاویر پوشش­‌دهنده محدوده مورد بررسی و با طبقه‌­بندی لندفرم‌­های زمین بر اساس نمایه موقعیت توپوگرافی Topographic Position Index (TPI)، نمایه پوشش گیاهی NVDI مورد واکاوی قرار گرفت. نتایج نشان می‌­دهد که الگوی تغییرات پوشش گیاهی از پهنه­‌های کوهستانی به سوی مناطق هموار نزولی است. بررسی شرایط پوشش گیاهی در لندفرم‌های حاصل از TPI نشان داد که بیشینه مقادیر NDVI مربوط به واحد برآمدگی‌­ها، کوه‌­ها و ارتفاعات و کمینه مقادیر آن متعلق به واحد دشت­‌های هموار (پلایاها، کفه‌­های گلی و رسی) است. در مجموع، مقادیر NDVI از لندفرم کوهستان به سوی پلایاها و چاله‌ها روندی کاهشی دارد. اُفت چشمگیر NDVI در ارتفاع 1400 متری (دشت‌­سرهای میانی) آشکار است. در لندفرم کوهستان (ارتفاعات بالاتر از 1400 متر) مقادیر NDVI افزایش می­‌یابد. در شیب‌­های بیشتر از 65 درجه (زمین‌­های سنگلاخی و صخره‌ای مرتفع) روند کاهشی NDVI تشدید شده است. نمایه NDVI چهار فاز تغییرات را نیز آشکار کرد که فاز چهارم از 2020-2014 دارای روند کاهشی بوده و مساحت این نمایه از 34380 کیلومتر مربع به 34200 کیلومتر مربع کاهش یافته است. تغییرات فضایی نمایه NVDI در سال 2030 آشکار ساخت که ارتفاعات کرکس تا مارشنان و پهنه‌­های بین کاشان تا اردستان دچار شرایط بحرانی خواهند شد؛ این مسئله نیازمند توجه ویژه مسئولان و مدیران اجرایی مربوطه در این زمینه است.

کلیدواژه‌ها

موضوعات


[1]. Abbaszadeh Tehrani, N., & Saberi, N., (2013). Evaluation of the pattern of seasonal changes in land cover by remote sensing data analysis. The 3rd environmental planning and management, Tehran, Tehran University. [in Farsi]
[2]. Ardö, J., Tagesson, T., Jamali, S., Khatir, A., (2017). MODIS EVI-based net primary production in the Sahel 2000–2014, International Journal of Applied Earth Observation and Geoinformation, 65, 35-45. doi: 10.1016/j.jag.2017.10.002
[3]. Areffian, A., Kiani Sadr, M., Eslamian, S., & Khoshfetrat, A. (2021). Monitoring the effects of drought on vegetation in mountainous areas using MODIS satellite images (Case study: Lorestan province). Environmental Sciences Studies, 5(4), 3183-3189. [in Farsi]
[4]. Darvishzadeh, A., & Mohamadi, M. (2010). Geology of Iran, Tehran: Payame Noor University Press. [in Farsi]
[5]. Darvand, S., Khosravi, H., Eskandari Damaneh, H., Eskandari Damaneh, H., (2021). Investigating the trend of NDVI changes derived from MODIS sensor imagery (Case study: Isfahan Province). Degradation and Rehabilitation of Natural Land, 1(2), 69-79.
[6]. Darwish, T., & Faour, G. (2008). Rangeland degradation in two watersheds of Lebanon. Lebanese Science Journal, 9, 71-80.
[7]. Department of Applied Meteorological Research (2019). Disclosure of climatic changes in Isfahan province, Meteorological Department of Isfahan Province. [in Farsi]
[8]. Depew, J. J. (2005). Habitat selection and movement patterns of cattle and white-tailed deer in a temperate savanna. Master's thesis, University of Texas A&M.
[9]. Falahatkar, S., Saberfar, R., & Kia, S. H. (2018). Analysis of vegetation indices changes in sensors of landsat satellite (Case study: Persian Juniper fields of East Golestan National Park and Ghorkhod protected area). Natural Ecosystems of Iran, 9(1), 71-90. [in Farsi]
[10]. Fang, X., Zhu, Q., Ren, L., Chen, H., Wang, K., & Peng, C. (2018). Large-scale detection of vegetation dynamics and their potential drivers using MODIS images and BFAST: A case study in Quebec, Canada. Remote Sensing of Environment, 206, 391-402.
 [11]. Firouzi, F., Tavosi, T., & Mahmoudi, P., (2019). Investigating the sensitivity of NDVI and EVI vegetation indices to dry and wet years in arid and semi-arid regions (Case study: Sistan plain, Iran). Geographical Data (SEPEHR), 28(110), 163-179. doi: 10.22131/sepehr.2019.36621 [in Farsi]
[12]. Ganjali, J., Halabian, A. H., Karam, A., & Hajehforoshnia, S. (2022). Investigation of soil salinity changes related to landforms of desert areas in the northern Isfahan province. Quantitative Geomorphological Research, 11(3), 220-253. [in Farsi]
[13]. Ghanbari Motlagh, M., & Amraei, B. (2020). Detecting the spatiotemporal relationship of vegetation changes with climatic elements in Mazandaran Province. Geography and Environmental Sustainability, 10(2), 37-55. doi: 10.22126/ges.2020.5031.2193 [in Farsi]
[14]. Guisan, A., Weiss, S. B., & Weiss, A. D., (1999). GLM versus CCA spatial modeling of plant species distribution. Plant Ecology, 143, 107-122.
[15]. Hamidian, A. R., Shekari Badi, A., & Amir Ahmadi, A. (2016). Evaluation of the role of form and geomorphological processes of Karkas heights in the distribution of human settlements. Arid Regions Geographic Studies, 26(7), 23-38. [in Farsi]
[16]. Horn, B. K. (1981). Hill shading and the reflectance map. Proceedings of the IEEE69(1), 14-47.
[17]. Huete, A., Didan, K., Miura, T., Rodriguez, E. P., Gao, X. & Ferreira, L. G. (2002(. Remote sensing for natural resources management and environmental monitoring: manual of remote sensing, 3 Ed., Univercity of Arizona.
[18]. Jenness, J. (2006). Topographic Position Index (tpi_jen.avx) Extension for ArcView 3.x, v. 1.3a. Jenness Enterprises.
[19]. Kavosi, M., & Frarajzadeh, M., (2015). The evaluation of vegetation variations trend using linear regression methods and change vector analysis. Geography and Environmental Planning, 25(4), 69-82. [in Farsi]
[20]. Lyon, J. G., Yuan, D., Lunetta, R. S., & Elvidge, C. D. (1998(. A change detection experiment using vegetation indices. Photogrammetric Engineering & Remote Sensing, 64, 143-150.
[21]. Magee T. K., Ringold, P. L., & Bollman M. A. (2008). Alien species importance in native vegetation along wadeable streams, John Day River Basin, Oregon, USA. Plant Ecology, 195(2), 287-307. doi: 10.1007/s11258-007-9330-9
[22]. Mirahsani, M. S., Salman Mahiny, A., Soffianian, A., Mohamadi, J., Modarres, R., Modares, R., & Pourmanafi, S. (2019). Evaluation of Trend in Vegetation Variations using Time Series Images and Mann-Kendall test over Gavkhuni Basin. Journal of Environmental Studies, 45(1), 99-114. doi: 10.22059/jes.2019.260567.1007699
[23]. Mohammadyari, F., Pourkhabaz, H. R., Tavakoli, M., & Aghdar, H., (2015). Mapping vegetation and monitoring its changes using remote sensing and GIS techniques (Case study: Behbahancity). Geographical Data (SEPEHR), 23(92), 23-34. doi: 10.22131/sepehr.2015.13504 [in Farsi]
[24]. Nateghi, S., Nohegar, A., Ehsani, A. H., & Bazrafshan, O., (2018). Evaluating the vegetation changes upon vegetation index by using remote sensing. Iranian Journal of Range and Desert Research, 24(4), 778-790. doi: 10.22092/ijrdr.2017.114889 [in Farsi]
[25]. Nikpour, N., Negaresh, H., Fotoohi, S., Hosseini, S. Z., & Bahrami, S. (2019). Monitoring the trend of vegetation index (NDVI) changes, one of the most important indicators of land degradation (in Ilam province). Spatial Analysis Environmental Hazards, 5(4), 21-48.
[26]. Pettorelli, N., Vik, J. O, Mysterud, A, Gaillard, J. M, Tucker, C. J., & Stenseth, N. C. (2005). Using the satellite-derived NDVI to assess ecological responses to environmental change. Trends in Ecology and Evolution, 20(9), 503-510. doi: 10.1016/j.tree.2005.05.011
[27]. Pordel, F., Ebrahimi, A., & Azizi, Z. (2017). Evaluating of the most suitable vegetation indices of estimating of canopy cover and above-ground phytomass in arid rangelands during different growth periods. Journal of Arid Biome7(2), 57-71. doi: 10.29252/aridbiom.7.2.57 [in Farsi]
[28]. Rawat, J. S., Biswas, V., & Kumar, M. (2013). Changes in land use/cover using geospatial techniques: a case study of Ramnagar town area, district Nainital, Uttarakhand, India. The Egyptian Journal of Remote Sensing and Space Science, 16(1), 111-117. doi: 10.1016/j.ejrs.2013.04.002
[29]. Reu, J. D., Bourgeois, J., Bats, M., Zwertvaegher, A., Gelorini, V., Smedt, P.D., Chu, W., Antrop, M., Maeyer, P.D., Finke, P., Meirvenne, M.V., Verniers, J., & Crombé, P. (2013). Application of the topographic position index to heterogeneous landscapes. Geomorphology, 186, 39-49. doi: 10.1016/j.geomorph.2012.12.015
[30]. Takaku, J., Tadono, T., & Tsutsui, K., (2014). Generation of high-resolution global DSM from ALOS PRISM, The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, ISPRS Technical Commission IV Symposium. China.
[31]. Vanderpost, C., Ringrose, S., Matheson, W., & Arntzen, J. (2011). Satellite based long-term assessment of rangeland condition in semi-arid areas: An example from Botswana. Journal of Arid Environments, 75(4), 383-389.  doi: 10.1016/j.jaridenv.2010.11.002
[32]. Vaogen, T. G. (2006). Remote sensing of complex land use change trajectoriesa: case study from the hilghlands of Madagascar, agriculture, Ecosystems and Environment, 115(1-4), 219-228. doi: 10.1016/j.agee.2006.01.007
[33]. Verbesselt. J., Hyndman. R., Newnham. R., & Culvenor. D. (2010). Detecting trend and seasonal changes in satellite image time series. Remote Sensing of Environment, 114(1), 106–115. doi: 10.1016/j.rse.2009.08.014
[34]. Weiss, A. (2001). Topographic Position and landforms Analysis. Poster presentation, ESRI user Conference, San Diego, C.A.
[35]. Wilson, J. P., & Gallant, J. C. (2000). Terrain Analysis: Principles and Applications, John Wiley.
[36]. Yorks, T. P., West, N. E., & Capels, K. M. (1992). Vegetation differences in desert shrublands of western Utah’s pine valley between 1933 and 1989. Journal of Range Management, 45, 569-578.
[37]. Zhang, X., Friedl, M. A., Schaaf, C. B., Strahler, A. H., Hodges, J. C. F., Gao, F., Reed, B. C., & Huete, A. (2003(. Monitoring vegetation phenology using MODIS. Remote Sensing of Environment, 84(3), 471-475. doi: 10.1016/S0034-4257(02)00135-9