هادی زارع خورمیزی

آگاهی از خصوصیات پوشش گیاهی مراتع و همچنین عوامل موثر بر آن در برنامه ریزی های محیطی، آمایش سرزمین و توسعه پایدار بسیار حائز اهمیت است. با این حال نقشه های منطقه ای و به روز شده درصد پوشش گیاهی مراتع همواره در دسترس و قابل تهیه نیست. در پژوهش حاضر به منظور تهیه نقشه درصد پوشش گیاهی مراتع و پایش تغییرات آن در دوره های خشکسالی و ترسالی از شاخص NDVI سنجنده MODIS طی سال های 1379 تا 1396 با قدرت تفکیک مکانی 250 متر و قدرت تفکیک زمانی 16 روزه و همچنین شاخص خشکسالی SPI استفاده شد. منطقه مورد مطالعه بخشی از مراتع واقع در جنوب استان یزد می باشد؛ که در سال 1394 به منظور تهیه داده های زمینی، نمونه گیری از میزان درصد پوشش گیاهی از سطح مراتع منطقه مورد مطالعه صورت گرفت. بر اساس نتایج، شاخص NDVI دارای قابلیت مناسبی در تهیه نقشه درصد پوشش گیاهی می باشد؛ به طوری که ضریب تبیین (R2) بین این شاخص و نقاط نمونه برداری شده 0/71 بدست آمد. بر اساس نتایج، به طور میانگین طی سال های 1379 تا 1396، پوشش گیاهی منطقه مورد مطالعه 11/3 درصد بوده است. بیشترین و کمترین میزان درصد پوشش گیاهی در سطح منطقه مورد مطالعه به ترتیب مربوط به سال های 1381 و 1379 که به ترتیب دارای وضعیت های ترسالی متوسط و خشکسالی بسیار شدید بودند، با میانگین 14/6 و 9/2 درصد مشاهده شد.

نظارت بر تغییرات مکانی و زمانی تبخیر تعرق برای مدیریت آبیاری و نیاز آبی گیاهان زراعی، به ویژه در مناطق کم آب، بسیار مهم است. هدف از پژوهش حاضر برآورد تبخیر و تعرق واقعی با استفاده از الگوریتم سبال (SEBAL) و مقایسه آن با تبخیر و تعرق استاندارد فائو 56، به منظور تعیین باغات پسته تحت تنش خشکی در استان یزد است. بدین منظور، از یک سری زمانی تصاویر ماهواره ای لندست 8 با پانزده تصویر در سال 2015 استفاده شد. در ابتدا، تبخیر و تعرق در دوره های پانزده روزه فنولوژی پسته به دست آمد و سپس، با جمع تبخیر و تعرق در دوره های پانزده روزه، میزان تبخیر و تعرق در چهار مرحله اصلی فنولوژی پسته و کل یک دوره رشد سالیانه تعیین شد. تبخیر و تعرق استاندارد نیز به روش فائو 56 و با استفاده از رابطه KC-NDVI به دست آمد و به منزله استانداردی برای مقایسه تبخیر و تعرق واقعی سبال در نظر گرفته شد. براساس نتایج، الگوریتم سبال قابلیت مناسبی در تعیین میزان تبخیر و تعرق در منطقه مورد مطالعه دارد. با اینکه داده های معتبر لایسیمتر برای مقایسه نتایج الگوریتم سبال با آن در منطقه یادشده وجود نداشت؛ مقایسه نتایج با روش استاندارد فائو 56 نشان داد این دو روش مطابقت خوبی با یکدیگر دارند و میانگین ضریب تبیین (R2)، خطای جذر میانگین مربعات (RMSE ) و میانگین خطای مطلق (MAE) میان نتایج الگوریتم سبال و رویکرد فائو KC-NDVI به ترتیب 0.8، 16.7 و 14.5 میلی متر بین دوره های پانزده روزه فنولوژی پسته به دست آمد. میانگین میزان تبخیر و تعرق واقعی و استاندارد در طول یک فصل رشد پسته، در سطح منطقه مورد بررسی، به ترتیب 950 و 1086 میلی متر است. مقایسه تبخیر و تعرق واقعی و استاندارد نشان داد، در بخش اعظم این منطقه، تبخیر و تعرق واقعی کمتر از شرایط استاندارد است.

تبخیر و تعرق که شامل تبخیر آب از سطح خاک و تعرق از پوشش گیاهی می باشد، یک پارامتر فیزیکی اساسی برای مدیریت منابع آب و نیاز آبی در بخش کشاورزی می باشد. هدف از پژوهش حاضر، تعیین تبخیر و تعرق واقعی از سطح باغات پسته حاشیه کویر ابرکوه استان یزد به منظور استفاده بهینه از منابع آبی این منطقه می باشد. بدین منظور از سری زمانی تصاویر ماهواره ای لندست 8 با 16 تصویر در طول دوره رشد پسته در سال 1394 استفاده شد و سپس با استفاده از الگوریتم سبال نقشه های تبخیر و تعرق باغات پسته در دوره های 15 روزه مربوط به 4 مرحله اصلی فنولوژی گیاه پسته بدست آورده شد. مقایسه تبخیر روزانه بدست آمده از طریق الگوریتم سبال با تبخیر و تعرق بدست آمده از طریق روش فائو56 نشان داد نتایج دو مدل مطابقت خوبی با هم دارند؛ به طوری که، میانگین میزان همبستگی در شش نقطه در طول فصل رشد بین دو روش سبال و فائو، 56، 77/0 و خطای RMSE بین این دو روش، 24/1 میلی متر در روز بدست آمد. بر اساس نتایج، میانگین میزان تبخیر و تعرق پسته در سطح منطقه مطالعاتی در سال 1394، 1015 میلی متر و در 83 درصد سطح باغات میزان تبخیر و تعرق واقعی در یک فصل رشد یک ساله، 700 تا 1300 میلی متر می باشد. در ماه های خرداد و تیر حداکثر میزان تبخیر و تعرق مشاهده شد. به طوری که، در ماه های نا مبرده، میزان تبخیر و تعرق در دوره های 15 روزه بین 80 تا 100 میلی متر متغیر است. همچنین، بر اساس نتایج، 50 درصد میزان تبخیر و تعرق در بازه زمانی 1 خرداد تا 31 مرداد صورت می گیرد.

بررسی تغییرات پوشش هایگیاهی می تواند اطلاعات ارزشمندی را در مورد گرمایش جهانی،چرخه کربن، چرخه آب و تبادل انرژی به همراه داشته باشد. استفاده از سری های زمانی تصاویر ماهواره ای و روش های سنجش از دور اطلاعات زیادی را در مورد تغییرات و پویایی های پوشش های گیاهی به ما عرضه می دارند. هدف از پژوهش حاضر، تعیین تغییرات هر کدام از مؤلفه های سری های فوریه پوشش های گیاهی ایران در طول سه دهه گذشته می باشد. بدین منظور در این مطالعه ازمحصول NDVI روزانه سنجنده AVHRRبا قدرت تفکیک مکانی 05/0 در 05/0 درجه با نام AVH13C1 استفاده شد. سپس با استفاده از الگوریتم HANTS اجزای هارمونیک چهار سری زمانی یک ساله در زمان گذشته (1982، 1983، 1984 و 1985) و چهار سری زمانی یک ساله در سال های اخیر (2015، 2016، 2017 و 2018) تولید شد. در نهایت تغییرات اجزای هارمونیک یا همان تصاویر دامنه و فاز در سال های اخیر نسبت به سال های گذشته تعیین شد و اختلاف میانگین ارزش های اجزای هارمونیک بین چهار سری زمانی یک ساله در گذشته وحال با تجزیه واریانس یک طرفه بررسی شد و نقشه های معنی داری اختلاف بین میانگین ها بدست آمد. با توجه به نتایج،در مناطق مرکزی، شرق و شمال شرق ایران دامنه صفر (میانگین پوشش گیاهی) در سطح احتمال 95 درصد (F-value< 0/05 ) کاهش یافته و در مناطق شمال و شمال غرب و غرب به ویژه ارتفاعات البرز و زاگرس دامنه صفر به طور معنی دار (F-value< 0/05) افزایش یافته است. اختلاف میانگین ارزش فازها در چهار سری زمانی در گذشته و سال های اخیر در مناطق غرب و شمال غرب و همچنین شرق و شمال شرق ایران در سطح احتمال 95 درصد (F-value< 0/05) معنی دار می باشد. فازهای سالانه این مناطق به میزان 14 درجه کاهش یافته است که این موضوع نشان دهنده شروع زودتر فرآیندهای رشد و فنولوژی گیاهان این مناطق نسبت به سه دهه گذشته می باشد.

فنولوژی به مطالعه زمان وقوع رخدادهای تکرارپذیر زندگی گیاهان در رابطه با عوامل زنده و غیرزنده می پردازد. یکی از روش های بررسی تغییرات روند رشد گیاه استفاده از سری های زمانی تصاویر ماهواره ای و روش های سنجش از دور است. هدف از پژوهش حاضر تعیین معنای فیزیکی هریک از مؤلفه های سری فوریه، درمورد انواع پوشش گیاهی و فرایندهای فنولوژی گیاهان، با استفاده از تجزیه سری های زمانی شاخص پوشش گیاهی (NDVI) حاصل از سنجش از دور است. هدف دیگر نیز تعیین روند تغییرات مؤلفه های سری فوریه، در زمینه تغییرات ارتفاع از سطح دریا و درجه حرارت فصل بهار است. بدین منظور، در مطالعه حاضر، از محصول هشت روزه شاخص NDVI سنجنده MODIS، با نام MOD09Q1، با قدرت تفکیک مکانی 250 متر استفاده شد. ابتدا، با استفاده از الگوریتم HANTS و سری های زمانی یک ساله NDVI سنجنده MODIS در سال های 2013، 2014 و 2015، مؤلفه های سری های فوریه یا همان تصاویر دامنه و فاز تولید شد. سپس تغییرات و ارتباط هریک از این مؤلفه ها به نسبت تغییرات ارتفاع و دما، در منطقه شیرکوه استان یزد، بررسی شد. براساس نتایج، با کاهش 1 درجه سانتی گراد در میانگین دمای فصل بهار، که با افزایش ارتفاع از سطح دریا رخ می دهد، تأخیر هفت روزه ای در چرخه های سالیانه و تأخیری پنج روزه در چرخه های شش ماهه سری های زمانی NDVI ایجاد می شود. در چرخه های سالیانه، بیشترین مقدار واریانس با استفاده از گیاهان دارای دوره های رشد سالیانه و در چرخه های شش ماهه، بیشترین مقدار واریانس با استفاده از گیاهان دارای دوره رشد کوتاه و فصلی کنترل می شود. براساس نتایج، الگوریتم HANTS و تحلیل سری های فوریه می تواند، در شناخت تأثیرات عوامل اقلیمی در فرایند های فنولوژی و زمان شروع رشد گیاهان، بسیار کارآمد باشد.

شاخص تفاوت پوشش گیاهی نرمال شده (NDVI)، یکی از شاخص های گیاهی است که در زمینه مطالعه پایش تغییرات پوشش گیاهی در طول زمان، کاربردهای فراوانی دارد. باید توجه داشت که این شاخص، نیازمند داده های زمانی پیوسته و کامل در یک بازه زمانی مورد نظر می باشد. بااین حال در مواردی گردوغبارهای جوی، ذرات معلق در هوا، عدم کارایی سنجنده، گازها به ویژه حضور ابرها، به طور قابل توجهی بر انرژی بازتابنده از سطح به ویژه در محدوده ی طول موج های کوتاه و مادون قرمز اثر می گذارد و منجر به ایجاد تصاویری با داده های ازدست رفته و یا مقادیر غیرقابل قبول می شود. در این مطالعه، به منظور رفع مشکل داده های جاافتاده و دورافتاده، در سری های زمانی شاخص NDVI سنجنده MODIS طی سال های 2001 تا 2005، از الگوریتم تجزیه وتحلیل هارمونیک سری های زمانی (HANTS) استفاده می شود. این الگوریتم برای اجرای دو کار طراحی شده است: 1- شناسایی و از بین بردن نقاط دورافتاده و مشاهدات ابری، 2- پر کردن فاصله باقی مانده بین مشاهدات معتبر توسط درون یابی زمانی. ارزیابی نتایج الگوریتم HANTS نشان می دهد که خطای جذر میانگین مربعات (RMSE)، بین داده های اصلی و بازسازی شده در سری های زمانی یک ساله و پنج ساله، به ترتیب کمتر از 02/0 و 03/0 واحد NDVI می باشند. به طورکلی نتایج این پژوهش نشان می دهد که الگوریتم HANTS، در رفع مشکل داده های ازدست رفته و داده های دورافتاده در سری های زمانی NDVI، می تواند مؤثر واقع شود.