برآورد تغییرات جنگل براساس عوامل اقلیمی با استفاده ازتصاویر ماهواره ای
پوشش گیاهی ارتباط زیادی با شرایط اقلیمی دارد. شناسایی تغییرپذیری فصلی رشد گیاه برای شناسایی پاسخ اکوسیستم‌ها به تغییر اقلیم در مقیاس‌های زمانی فصلی و بین سالیانه تعیین کننده است. برای ارائه مدل پیش‌بینی 7 عنصر آب و هوایی شامل بارش، دما و رطوبت‌نسبی (حداکثر، میانگین و حداقل) برای دوره 20 ساله (2006-1...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
سازمان جغرافیایی نیروهای مسلح
2017-08-01
|
| Series: | اطلاعات جغرافیایی |
| Subjects: | |
| Online Access: | http://www.sepehr.org/article_27462_b8e672e7e7d5e739f43bdb023b170505.pdf |
| _version_ | 1818336803278553088 |
|---|---|
| author | علی احمدآبادی امان اله فتح نیا سعید رجایی |
| author_facet | علی احمدآبادی امان اله فتح نیا سعید رجایی |
| author_sort | علی احمدآبادی |
| collection | DOAJ |
| description | پوشش گیاهی ارتباط زیادی با شرایط اقلیمی دارد. شناسایی تغییرپذیری فصلی رشد گیاه برای شناسایی پاسخ اکوسیستم‌ها به تغییر اقلیم در مقیاس‌های زمانی فصلی و بین سالیانه تعیین کننده است. برای ارائه مدل پیش‌بینی 7 عنصر آب و هوایی شامل بارش، دما و رطوبت‌نسبی (حداکثر، میانگین و حداقل) برای دوره 20 ساله (2006-1987) در 141 ایستگاه سینوپتیک و کلیماتولوژی به داده فضایی تبدیل شد.ترکیب مقادیر حداکثر ماهانه NDVI از تصاویر NOAA-AVHRR در همان دوره استخراج گردید. سپس عناصر آب و هوایی به عنوان متغیر مستقل و NDVI به عنوان متغیر وابسته در رگرسیون خطی چند متغیره وارد شد. نتایج نشان داد که بالاترین ضریب همبستگی بین عناصر اقلیمی و مقدار NDVI در ماه می به مقدار 82/0 اتفاق می‌افتد که اوج سبزینگی است. کمترین همبستگی در زمستان به‌خاطر نبود رشد کافی درختان می‌باشد. ضریب همبستگی سالانه مقدار مدل با حالت محاسباتی با در نظر گرفتن خطای تصادفی بیش از 93/0 می‌باشد. در مجموع مقدار محاسباتی ماه می و ژوئن برای سال‌های 2004 و 2005 به ضریب همبستگی مدل نزدیک است، اما در ماه‌های زمستان به دلیل نبود سبزینگی ضریب همبستگی کم می‌شود. در سال 2006 به دلیل خشکی شدیدتر در اواخر بهار (ماه ژوئن) پیش‌بینی کمتری صورت گرفته است. در زمستان نقش کنترلی دما بیش از بارش و رطوبت نسبی است، اما با افزایش دما و کاهش بارش و رطوبت نسبی از اوایل ماه می نقش بارش و رطوبت نسبی مثبت و دما منفی می‌شود. فصل پاییز از نقش بارش کاسته و دما افزوده می‌شود. |
| first_indexed | 2024-12-13T14:45:07Z |
| format | Article |
| id | doaj.art-f0e112dfa4c645bbae070cd79b7d486b |
| institution | Directory Open Access Journal |
| issn | 2588-3860 2588-3879 |
| language | fas |
| last_indexed | 2024-12-13T14:45:07Z |
| publishDate | 2017-08-01 |
| publisher | سازمان جغرافیایی نیروهای مسلح |
| record_format | Article |
| series | اطلاعات جغرافیایی |
| spelling | doaj.art-f0e112dfa4c645bbae070cd79b7d486b2022-12-21T23:41:29Zfasسازمان جغرافیایی نیروهای مسلحاطلاعات جغرافیایی2588-38602588-38792017-08-012610212713710.22131/sepehr.2017.2746227462برآورد تغییرات جنگل براساس عوامل اقلیمی با استفاده ازتصاویر ماهواره ایعلی احمدآبادی0امان اله فتح نیا1سعید رجایی2استادیار ژئومورفولوژی، دانشکده جغرافیای دانشگاه خوارزمیاستادیار اقلیم شناسی، گروه جغرافیای دانشگاه رازی کرمانشاهدانشجوی دکتری اقلیم شناسی، گروه جغرافیای دانشگاه رازی کرمانشاهپوشش گیاهی ارتباط زیادی با شرایط اقلیمی دارد. شناسایی تغییرپذیری فصلی رشد گیاه برای شناسایی پاسخ اکوسیستم‌ها به تغییر اقلیم در مقیاس‌های زمانی فصلی و بین سالیانه تعیین کننده است. برای ارائه مدل پیش‌بینی 7 عنصر آب و هوایی شامل بارش، دما و رطوبت‌نسبی (حداکثر، میانگین و حداقل) برای دوره 20 ساله (2006-1987) در 141 ایستگاه سینوپتیک و کلیماتولوژی به داده فضایی تبدیل شد.ترکیب مقادیر حداکثر ماهانه NDVI از تصاویر NOAA-AVHRR در همان دوره استخراج گردید. سپس عناصر آب و هوایی به عنوان متغیر مستقل و NDVI به عنوان متغیر وابسته در رگرسیون خطی چند متغیره وارد شد. نتایج نشان داد که بالاترین ضریب همبستگی بین عناصر اقلیمی و مقدار NDVI در ماه می به مقدار 82/0 اتفاق می‌افتد که اوج سبزینگی است. کمترین همبستگی در زمستان به‌خاطر نبود رشد کافی درختان می‌باشد. ضریب همبستگی سالانه مقدار مدل با حالت محاسباتی با در نظر گرفتن خطای تصادفی بیش از 93/0 می‌باشد. در مجموع مقدار محاسباتی ماه می و ژوئن برای سال‌های 2004 و 2005 به ضریب همبستگی مدل نزدیک است، اما در ماه‌های زمستان به دلیل نبود سبزینگی ضریب همبستگی کم می‌شود. در سال 2006 به دلیل خشکی شدیدتر در اواخر بهار (ماه ژوئن) پیش‌بینی کمتری صورت گرفته است. در زمستان نقش کنترلی دما بیش از بارش و رطوبت نسبی است، اما با افزایش دما و کاهش بارش و رطوبت نسبی از اوایل ماه می نقش بارش و رطوبت نسبی مثبت و دما منفی می‌شود. فصل پاییز از نقش بارش کاسته و دما افزوده می‌شود.http://www.sepehr.org/article_27462_b8e672e7e7d5e739f43bdb023b170505.pdfNDVIجنگلعناصر آب و هواییایران |
| spellingShingle | علی احمدآبادی امان اله فتح نیا سعید رجایی برآورد تغییرات جنگل براساس عوامل اقلیمی با استفاده ازتصاویر ماهواره ای اطلاعات جغرافیایی NDVI جنگل عناصر آب و هوایی ایران |
| title | برآورد تغییرات جنگل براساس عوامل اقلیمی با استفاده ازتصاویر ماهواره ای |
| title_full | برآورد تغییرات جنگل براساس عوامل اقلیمی با استفاده ازتصاویر ماهواره ای |
| title_fullStr | برآورد تغییرات جنگل براساس عوامل اقلیمی با استفاده ازتصاویر ماهواره ای |
| title_full_unstemmed | برآورد تغییرات جنگل براساس عوامل اقلیمی با استفاده ازتصاویر ماهواره ای |
| title_short | برآورد تغییرات جنگل براساس عوامل اقلیمی با استفاده ازتصاویر ماهواره ای |
| title_sort | برآورد تغییرات جنگل براساس عوامل اقلیمی با استفاده ازتصاویر ماهواره ای |
| topic | NDVI جنگل عناصر آب و هوایی ایران |
| url | http://www.sepehr.org/article_27462_b8e672e7e7d5e739f43bdb023b170505.pdf |
| work_keys_str_mv | AT ʿlyạḥmdậbạdy brậwrdtgẖyyrạtjnglbrạsạsʿwạmlạqlymybạạstfạdhạztṣạwyrmạhwạrhạy AT ạmạnạlhftḥnyạ brậwrdtgẖyyrạtjnglbrạsạsʿwạmlạqlymybạạstfạdhạztṣạwyrmạhwạrhạy AT sʿydrjạyy brậwrdtgẖyyrạtjnglbrạsạsʿwạmlạqlymybạạstfạdhạztṣạwyrmạhwạrhạy |