فرزانه حدادی

تغییر اقلیم به عنوان یکی از مهم ترین چالش های پیش روی بشر می باشد. این پدیده تاکنون تاثیرات قابل توجهی را بر تولیدات کشاورزی در اکثر نقاط جهان مخصوصا مناطق خشک و نیمه خشک بر جای گذاشته است. همچنین، در اکثر مناطق دنیا طی دهه های اخیر، متوسط درجه حرارت افزایش یافته است. امروزه در تحقیقات مختلف، شاخص های سنجش از دور به عنوان یکی از روش های نوین در شناسایی تغییر اقلیم استفاده می شوند. یکی از شاخص های مهم سنجش از دور، ویژگی های فنولوژی پوشش گیاهی است که در مطالعات اخیر توانایی خوبی در شناسایی و تخمین پوشش گیاهی نشان داده است. در مطالعه حاضر، با استفاده از سری زمانی 5 روزه شاخص نرمال شده پوشش گیاهی (NDVI) از تصاویر NOAA-AVHRR و پارامترهای فنولوژی گیاه، تغییرات پوشش گیاهی مناطق مراتع و اراضی دیم حوضه دریاچه ارومیه در طول سال های 2013-1984 مورد بررسی قرار گرفت. داده های اقلیمی دما و بارش از ایستگاه های هواشناسی حوضه دریاچه ارومیه اخذ و در مقایسه با نتایج تصاویر ماهواره ای استفاده گردید. نتایج تحلیل سری زمانی در طی سی سال دوره آماری در حوضه دریاچه ارومیه نشان داد، پارامتر شروع فصل رشد در منطقه اشنویه، سقز و سراب در سال 2013 نسبت به سال 1984 زودتر آغاز شده است. اما در منطقه مراغه دیرتر آغاز شده است. پارامتر پایان فصل رشد در اشنویه، سقز و تکاب زودتر به پایان رسیده است. همچنین پارامتر اوج رشد در شهرستان های مذکور پوشش گیاهی زودتر به حداکثر مقدار خود رسیده است. طول فصل رشد در شهرستان های اشنویه، مراغه و سقز به ترتیب کوتاه تر شده است. نتایج تحلیل های آماری بدست آمده از تصاویر ماهواره ای و داده های اقلیمی نشان داد که تغییرات پارامترهای فنولوژی به مکان وابسته می باشد و همچنین شب های سرد و روزهای گرم در ابتدای فصل رشد به ترتیب کاهش و افزایش یافته است. اما در انتهای فصل رشد روزهای گرم افزایش داشته است. این تغییرات باعث افزایش شیب منحنی فنولوژی رشد گیاه در زمان پیری گیاه شده است و در نهایت طول فصل رشد را کاهش داده است. 

در طول چند دهه گذشته، شاخص های پوشش گیاهی متعددی برای تخمین تولید محصولات کشاورزی توسعه داده شده اند که هر یک از آن ها با توجه به باندهای مورد استفاده و فرمول جبری خود، به مقادیر متفاوتی از تراکم و شاخص سطح برگ گیاهان زراعی حساسیت دارند. مطالعه بعضی از محصولات زراعی چندساله مانند یونجه، که در هر سال به دفعات برداشت می شود، بسیار پیچیده بوده و کمتر مورد توجه قرار گرفته است. لذا در این مقاله، از مهم ترین شاخص های پوشش گیاهی توسعه داده شده در برآورد تولید یونجه، توسط تصاویر سری زمانی Sentinel-2 استفاده می شود. در این تحقیق، اقدام به جمع آوری دوره ای 144 نمونه، به شیوه تخریبی از مزارع زیر کشت محصول یونجه شرکت کشاورزی و دامپروری مگسال (قزوین)، به صورت تقریباً نزدیک به زمان گذر ماهواره، شد و سپس کارایی 10 شاخص از معروف ترین شاخص های پوشش گیاهی، مبتنی بر تصاویر Sentinel-2 برای تخمین تولید محصول یونجه، مورد ارزیابی قرار گرفت. نتایج تحقیق حاضر، نشان داد که تولید تخمین زده شده یونجه، با استفاده از شاخص نسبت به سایر شاخص ها، دارای بالاترین همبستگی و کمترین جذر میانگین مربعات با داده های برداشت شده میدانی در اواسط مرداد ماه بوده است. به علاوه در نتایج این تحقیق، نشان داده شد که شاخص های لبه قرمز، مشکل اشباع شدگی شاخص های پوشش گیاهی در محصول یونجه را نتوانسته اند برطرف کنند و شاخص های پوشش گیاهی سبز، نسبت به شاخص های لبه قرمز جهت تخمین تولید این محصول، توانایی بیشتری را نشان داده اند.

استفاده از داده های ماهواره ای در برآورد دقیق مقدار بایومس محصول به عنوان یکی از مهم ترین چالش های سنجش از دور محیطی محسوب می شود. اگرچه به طور سنتی از شاخص های طیفی پوشش گیاهی استخراج شده از باندهای قرمز (R) و مادون قرمز نزدیک (NIR) برای برآورد آماری بایومس محصول استفاده شده است، اما بیشتر این شاخص ها در مقادیر خاصی از شاخص سطح برگ اشباع می شوند. لذا جهت غلبه بر محدودیت اشباع شدگی، اخیرا مطالعات زیادی بر روی استفاده از بازتابندگی طیفی در محدوده لبه قرمز انجام شده است. برای ارزیابی عملکرد شاخص های مختلف پوشش گیاهی در برآورد بایومس محصول، پنج نوبت نمونه برداری از ویژگی های بیوفیزیکی ذرت علوفه ای در طول دوره رشد این محصول در اراضی زراعی شرکت کشت و صنعت مگسال، قزوین انجام شد و جمعا 182 نمونه میدانی جمع آوری گردید. سپس ده شاخص طیفی از سری زمانی تصاویر Sentinel-2 که همزمان با نوبت های نمونه برداری میدانی در سال 2017 اخذ شده بودند، محاسبه شده و با استفاده از آنها بایومس ذرت علوفه ای برآورد گردید. بایومس ذرت علوفه ای با اندازه گیری های میدانی مورد ارزیابی قرار گرفت. نتایج نشان داد که شاخص با ضریب تعیین و کمترین ریشه میانگین مربعات خطا بهترین شاخص برای تخمین بایومس ذرت علوفه ای است. علاوه بر این، تحقیق حاضر نشان داد که تصاویر ماهواره ای Sentinel-2 با توان تفکیک مکانی بالا و محدوده لبه قرمز، قابلیت تخمین مقدار بایومس محصول ذرت علوفه ای را با دقت مناسب دارد.