بررسی روند تغییرات نمایۀ NDVI ایران در کمربندهای ارتفاعی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد آب‌و‌هواشناسی، دانشگاه اصفهان، اصفهان، ایران

2 استاد گروه جغرافیای طبیعی، اصفهان، ایران

چکیده

از آنجا که پوشش گیاهی و تغییرات آن دارای نقش تأثیرگذاری در فراسنج‌های اقلیمی هستند، آگاهی از تغییرات پوشش گیاهی هر منطقۀ جغرافیایی اهمیت بسیاری دارد. در پژوهش حاضر، روند تغییرات نمایۀ NDVI ایران در کمربندهای ارتفاعی بررسی شد؛ به این منظور، ابتدا داده‌های 16 روزۀ نمایۀ تفاضل به‌هنجار‌شدۀ پوشش گیاهی (NDVI) مودیس‌آکوا برای بازۀ زمانی 13/4/1381 تا 23/12/1393 از تارنمای مودیس دریافت شدند. سپس بر مبنای نزدیک به 10 میلیارد یاخته، میانگین بلند‌مدت 16 روزۀ NDVI ایران محاسبه و یک آرایۀ مکان- زمان به ابعاد 293×111 حاصل شد که ردیف‌های آن، طبقه‌های ارتفاعی ایران با بازۀ 50 متر از منفی 50 تا 5500 متر تعریف شدند و ستون‌های آن، میانگین بلندمدت نمایۀ NDVI با بازۀ 16 روزه را نشان دادند. بررسی روند تغییرات با آزمون من کندال در سطح اطمینان 95 درصد نشان داد طبقه‌های ارتفاعی 400 تا 450، 450 تا 500، 500 تا 550، 700 تا 750 و 1250 تا 1300 متری دارای روند مثبت نمایۀ NDVI و دیگر طبقه‌های ارتفاعی بدون روند هستند و هیچ ارتفاعی در ایران روند منفی ندارد.

کلیدواژه‌ها


عنوان مقاله [English]

The Trend Analysis of NDVI index in the elevation Class of Iran

نویسندگان [English]

  • Omid reza Kefayat Motlagh 1
  • Seyed Abolfazl Masoodian 2
1 1 MSC Student of Climatology, University of Isfahan, Isfahan, Iran
2 Professor, University of Isfahan, Isfahan, Iran
چکیده [English]

As vegetation and its variations have an effective influence, it is indispensable to be aware of the vegetation changes for each of the given geographic territory. The aim of this study is to examine trends in the NDVI index over Iran's elevation class. For this purpose, the MODIS Aqua Satellite NDVI data were obtained from July 4th 2002 to March 14th 2015. The 16 days long term mean of NDVI was computed based on the analysis of 10 billion pixels and, at the next step, a matrix was constructed in 111*293, which the rows were the representatives of the elevation class from -50 to 5500m in 50 meter steps and the columns showed the long term mean of the NDVI in the 16 days temporal resolution. The trend investigation using Mann-Kendall trend test revealed a positive trend for 400-450, 450-500, 500-550, 700-750 and 1250-1300 m elevation class at 0.95 level of significance, the other remaining elevation class showed no significant trend.

کلیدواژه‌ها [English]

  • Vegetation
  • NDVI
  • MODIS Aqua
  • Iran

مقدمه

پیشرفت فناوری ماهواره‌‌ای طی سال‌های گذشته سبب شده است کارشناسان علوم زمین، سیارۀ زمین را به‌طور همه‌جانبه و با دقت بیشتری مطالعه کنند؛ این مطالعه‌ها با بهره‌گیری از روش‌های دورسنجی و پرداخت هزینه‌های مالی و اتلاف وقت کمتر انجام می‌شوند و نتایج بسیاری از آنها مستند هستند. مطالعه‌های پوشش گیاهی از‌جمله مطالعه‌های مهمی هستند که با استفاده از مطالعه‌های دورسنجی انجام و از راه آنها، رشد، بیماری، رطوبت، خشکی و شادابی گیاه مطالعه می‌شوند. پوشش‌های مختلف، زنده یا غیرزنده، واکنش متفاوتی در برابر امواج الکترومغناطیس نشان می‌دهند که به آشکارسازی اختلاف پوشش‌های مختلف کمک می‌کند؛ ازاین‌رو، پژوهشگران بسیاری از داده‌های دورسنجی برای بررسی پوشش‌گیاهی استفاده و این روش را برای این دسته مطالعه‌ها مناسب ارزیابی کرده‌اند (Glenn et al, 2008: 2137). هدف ایجاد نمایه‌های پوشش گیاهی اینست که برخی ویژگی‌های پوشش گیاهی مانند ویژگی‌های تاج‌پوشش، زیست‌توده، گسترۀ برگ یا درصد پوشش گیاهی پیش‌بینی و ارزیابی شوند. بازتاب پوشش گیاهی در محدودۀ طیفی نورِ مرئی (43/0 تا 66/0 میکرومتر) کم و در محدودۀ فروسرخ نزدیک (7/0 تا 1/1 میکرومتر) زیاد است و سه ویژگی مهم برگ شامل سبزینه، ساختار فیزیولوژیک و میزانِ آب اثر مهمی در بازتاب طیفی آن دارند؛ با‌توجه‌به این مهم، ترکیب باندهای طیفی نور مرئی و فروسرخ نزدیک به بازشناسی پوشش گیاهی از خاک و آب کمک می‌کند. شرایط خاکِ‌ زمینه، اثر چشمگیری در بازتاب طیفی و محاسبۀ نمایه‌های پوشش گیاهی دارد (علوی‌پناه، 1385: 172-171).

ایران به علت گستردگی بسیار ازنظر طول و عرض جغرافیایی، وجود پیچیدگی پیکربندی ناهمواری‌ها و قرارگیری در معرض یورش توده‌های هوا دارای شرایط ویژه‌ای از‌نظر پوشش گیاهی است. پوشش گیاهی تحت‌تأثیر عرض جغرافیایی، ارتفاع و توده‌های هوا قرار دارد و با تغییر هر یک از این عوامل، تغییر می‌کند؛ به عبارتی، شرایط کلی پوشش گیاهی تابعی از عرض جغرافیایی و ارتفاع است و عوامل دیگر مانند دما، بارش و حتی نوع خاک در رویش گیاه در هر مکان نقش دارند. برای بیان وابستگی بین ارتفاع و پوشش گیاهی به پژوهش فرج‌زاده و همکاران اشاره می‌شود: فرج‌زاده اصل و همکاران (1390) در پژوهشی نشان دادند نتایج رگرسیونی نشان‌دهندۀ همبستگی بیشتر در مراتع دارای تراکم 51 تا 75 درصد هستند و مقدار همبستگی در مراتع دارای تراکم 10 تا 25 درصد، کم و ناشی از ارتفاع کم از سطح دریا، اثر پس‌زمینۀ خاک و حواشی سطوح کشاورزی است. ایشان دریافتند ارتفاع کم در مراتع دارای تراکم 10 تا 25 درصد، عامل افزایش دما و انتقال شروع سبزینگی به اسفندماه (مارس) است، در‌حالی‌که شروع سبزینگی در مراتع دارای تراکم 51 تا 75 درصد در اردیبهشت‌ماه (می) اتفاق می‌افتد؛ بنابراین، بیشترین مقدار R2 در مراتع متراکم (6478/0) به اردیبهشت‌ماه (می) و کمترین مقدار در مراتع کم‌ارتفاع (136/0) به مردادماه (اوت) تعلق دارد (فرج‌زاده اصل و همکاران، 1390: 107). آزمون من کندال، یکی از آزمون‌های ناپارامتریک برای تعیین روند است. پژوهشگران بسیاری، این آزمون را برای تعیین روند شاخص‌های اقلیمی استفاده کرده‌اند، ازجمله Carbajal و همکاران (1993) که با بررسی بارش و دمای حوضۀ رودخانۀ اکونکاگوا در شیلی به کمک آزمون من کندال نشان دادند روند معناداری در بارش دیده نمی‌شود، هرچند دما روند معنادار افزایشی دارد (Carbajal et al., 1993: 46-51. Singh و (Kumar (1997)، با مطالعۀ رابطۀ بارش با ارتفاع در هیمالیای غربی نتیجه گرفتند این رابطه در دامنه‌های رو به باد، مستقیم است و دریافتند به ازای هر 100 متر در دامنه‌های رو به باد و پشت به باد بخش میانی هیمالیا به‌ترتیب 106 و 13 میلی‌متر بارش ثبت می‌شود. به نظر می‌رسد نزدیک‌بودن به اقیانوس هند، رطوبت بسیار زیاد جریان‌های موسمی و در نتیجه ضخامت زیاد هوای مرطوب، مانع کاهش بارش به ازای ارتفاع در دامنه‌های رو به باد هیمالیا می‌شوند (Singh and Kumar, 1997: 199. Su) و همکاران (2006) روند دما و بارش فرین را طی سال‌های 1960 تا 2002 در رودخانۀ یانگ‌تسۀ چین و بر اساس داده‌های 108 ایستگاه هواشناسی بررسی و آزمون‌های روند من کندال و رگرسیون خطی را برای آشکارکردن روند سالانه و فصلی این رویدادهای فرین استفاده کردند. یافته‌های آنها نشان دادند روند بارش تابستانی در حوضه معنادار است و همچنین، تعداد روزهای طوفانی نسبت به شدت بارش‌ها در بخش‌های میانی و پایین‌دست، روند افزایشی دارد و این موجب افزایش روند مثبت بارش تابستانی شده است (Su et al., 2006: 139. (Becker و همکاران (2006) به تحلیل فضایی زمانی روند بارش حوضۀ یانگ‌تسه پرداختند و روند بارش ماهانۀ 36 ایستگاه واقع در این حوضه را طی 50 سال گذشته با روش من کندال محاسبه کردند. یافته‌های آنها نشان دادند روند مثبت معناداری در بارش تابستانی بیشتر ایستگاه‌ها وجود دارد و روندهای فضایی و مکانی متفاوتی را با میان‌یابی بارش حوضۀ یانگ‌تسه با تفکیک مکانی 5/0 درجۀ جغرافیایی برای بخش‌های مختلف مشخص کردند (Becker et al., 2006: 435). Feidas و همکاران (2007) روند سری بارش 50 سال اخیر یونان را در ارتباط با نمایه‌های گردشی جو بررسی کردند و با انجام دو روش حداقل مربعات و من کندال روی داده‌های بارش یونان معتقدند روند بارش سالانه و زمستانۀ یونان از سال 1984 به بعد کاهشی بوده است (Feidas et al., 2007: 155).

پژوهشگران داخلی نیز با استفاده از آزمون من کندال، بررسی‌هایی در نقاط مختلف کشور انجام داده‌اند. کاویانی و عساکره (1384) روند بارش را با روش‌های شاخصی و غیرشاخصی در ایستگاه اصفهان طی دورۀ آماری 103 ساله تحلیل کردند و یافته‌های آنها، وجود هیچ روندی را به کمک روش‌های استفاده‌شده تأیید نکردند (کاویانی و عساکره، 1384: 153-151). طباطبایی و حسینی (1382) افزایش بارش در زمستان (5 درصد) و تبخیر طی تابستان را در سمنان تشخیص دادند (طباطبایی و حسینی، 1382: 6). کتیرایی و همکاران (1386) روند بارش ایران را به کمک آزمون من کندال طی سال‌های 1961 تا 2001 بررسی کردند. یافته‌های آن‌ها نشان دادند ایستگاه‌های واقع در منطقۀ غرب و شمال‌غرب دارای روند بارش سالانۀ کاهشی و بیشتر ایستگاه‌های واقع در نواحی جنوبی و مرکزی ایران دارای روند افزایشی هستند. روند بارش فصل زمستان به روند بارش سالانه شبیه است، اما روند بارش فصل بهار در بیشتر ایستگاه‌ها کاهشی و فصل پاییز افزایشی است (کتیرایی و همکاران، 1386: 67). عزیزی و روشنی (1387) تغییر اقلیم سواحل جنوبی خزر را با هدف مطالعۀ انحراف احتمالی برخی عناصر رطوبتی و دمایی بررسی و تغییرات داده‌های کمینه و بیشینۀ دما، بارش، رطوبت و ابرناکی را با استفاده از روش من کندال طی دورۀ 40 ساله در منطقه شناسایی و سپس نوع و زمان را مشخص کردند. آن‌ها معتقدند درصد تغییر در فصل زمستان و تابستان نسبت به بهار و پاییز بیشتر است و زمان شروع تغییرات در ایستگاه‌های منطقه یکسان نیست (عزیزی و روشنی، 1387: 13). منتظری و غیور (1388) روند بارش و خشکسالی حوضۀ خزر را با آزمون من کندال راست‌آزمایی کردند و دریافتند کمترین خشکسالی در ماه می و بیشترین خشکسالی در ماههای گرم تابستانی ژوئیه و اوت رخ می‌دهد (منتظری و غیور، 1388: 90). کیخسروی کیانی و مسعودیان در پژوهشی (1396)، روند تغییرات روزهای برف‌پوشان ایران را در کمربندهای ارتفاعی به روش آزمون من کندال بررسی کردند. یافته‌های آن‌ها نشان دادند در ماه‌های فروردین، تیر، مرداد، شهریور، آذر، بهمن و اسفند، روند معناداری در هیچ‌یک از کمربندهای ارتفاعی دیده نمی‌شود، اما روند کاهش روزهای برف‌پوشان طی ماه اردیبهشت در 21 کمربند ارتفاعی و طی ماه خرداد در 10 کمربند ارتفاعی دیده می‌شود. همچنین آن‌ها دریافتند روند افزایش روزهای برف‌پوشان تنها در ماه‌های مهر، آبان و دی دیده می‌شود و در این ماه‌ها به‌ترتیب 2، 1 و 1 کمربند ارتفاعی، روند افزایش روزهای برف‌پوشان را از خود نشان می‌دهند (کیخسروی کیانی و مسعودیان، 1396: 49). در پژوهشی دیگر، دارند و همکاران (1394) روند تغییرات بارش سالانه و ماهانۀ ایران‌زمین را بر اساس پایگاه‌های دادۀ جهانی، منطقه‌ای، اسفزاری و ایستگاهی به روش ناپارامتریک من کندال راست‌آزمایی کردند. یافته‌های آن‌ها نشان دادند همبستگی و ارتباط معناداری بین برآورد بارش سالانه و ماهانۀ ایران مربوط به پایگاه‌های دادۀ بارش جهانی و منطقه‌ای با پایگاه‌های دادۀ بارش اسفزاری و ایستگاهی وجود دارد و این ارتباط برای پایگاه دادۀ بارش اسفزاری نسبت به پایگاه دادۀ ایستگاهی بیشتر است. ارتباط دو پایگاه دادۀ بارش اسفزاری و ایستگاهی با سایر پایگاه‌ها در ماه‌های مرطوب سال بیشتر از ماه‌های خشک است. همچنین آن‌ها دریافتند روند تغییرات بارش مربوط به ماه‌های می و ژوئیه ایران ازنظر آماری معنادار است و بارش دریافتی کشور در ماه می، روند کاهشی و در ماه ژوئیه، روند افزایشی و مثبتی دارد (دارند و همکاران، 1394: 80)

اثر دما و بارش بر نمایۀ تفاضل به‌هنجار‌شدۀ پوشش گیاهی ([1]NDVI) طی فصل‌های مختلف و برای انواع پوشش گیاهی متفاوت است. ضریب همبستگی بارش و NDVI کل فصل رشد زیاد و مقدار NDVI در بوته‌زارها، علفزارها و کشتزارها به بارش حساس‌‌تر از دماست. رابطۀ بارش و NDVI در تالاب‌ها و جنگل‌های سوزنی‌برگ معکوس است، اما اثر آن برای جنگل‌های پهن‌برگ آشکار نیست. اثر بارش بر NDVI در تمام طول دورۀ رشد و برای انواع پوشش گیاهی چشمگیرتر از دماست. در بهار، دما و بارش همبستگی متوسطی با NDVI نشان می‌دهند، ولی در تالاب‌ها و جنگل‌های سوزنی‌برگ رابطۀ معکوسی دیده می‌شود. طی تابستان، پوشش گیاهی در کشتزارها، بوته‌زارها، علفزارها، مراتع و بیابان‌ها رابطۀ معکوسی با دما و رابطۀ مستقیمی با بارش نشان می‌دهد. در فصل پاییز، دما و بارش برای انواع پوشش گیاهی به‌جز نواحی بیابانی دارای رابطۀ مثبتی با NDVI است. NDVI و دما رابطۀ مستقیمی در انواع پوشش گیاهی نشان می‌دهند. رابطۀ بارش و انواع پوشش‌ها نیز مستقیم است به‌جز در تالاب‌ها، جنگل‌های سوزنی‌برگ و پهن‌برگ و بوته‌زارها. دلیل تفاوت روابط در فصل‌ها و روی انواع مختلف پوشش گیاهی آنست که انواع مختلف پوشش گیاهی، نیازهای آبی و گرمایی متفاوتی طی فصل‌های مختلف دارند. دماها و بارش‌های بسیار زیاد یا بسیار کم مانع رشد گیاه هستند و حساسیت پوشش گیاهی بوته‌زار‌ها، علفزار‌ها، مراتع و بیابان‌ها به تغییر اقلیم بسیار بیشتر است (Chuai et al., 2013: 1704).

در پژوهش حاضر، از آزمون ناپارامتریک من کندال برای شناسایی روند نمایۀ NDVI ایران در کمربندهای ارتفاعی استفاده شده است.

 

داده‌‌ها و روش‌ها

در پژوهش حاضر، داده‌های سنجندۀ مودیس آکوا برای بررسی روند تغییرات نمایۀ NDVI ایران در کمربندهای ارتفاعی استفاده شدند. سازمان ناسا، سنجندۀ مودیس آکوا را در 14 اردیبهشت 1381 خورشیدی به فضا پرتاب کرد. زمان گذر این ماهواره بر فراز استوا 13:30 به وقت محلی است (Wang and (Xie., 2009: 192. ماهوارۀ آکوا، داده‌های NDVI را با دو ماه تأخیر برداشت کرده است. با‌توجه‌به اینکه داده‌های این ماهواره به شکل کاشی‌های جداگانه در ابعاد 1200×1200 کیلومتری در دسترس هستند، شش کاشی گسترۀ ایران را می‌پوشانند و ازآنجاکه داده‌های استفاده‌شده خارج از گسترۀ ایران‌زمین را نیز در بر می‌گرفتند، به کمک تابع این‌پلی‌گون[2] در نرم‌افزار متلب، تنها داده‌هایی استخراج شدند که درون مرز جغرافیایی ایران را پوشش می‌دادند.

نمایۀ تفاضل به‌هنجار‌شدۀ پوشش گیاهی (NDVI)، رایج‌ترین نمایۀ پوشش گیاهی است که به شکل رابطۀ 1 تعریف می‌شود:

 

رابطۀ 1

NIR و RED به‌ترتیب نمایندۀ بازتاب اندازه‌گیری‌شده در باند فروسرخ نزدیک و باند سرخ هستند. مقدار این نمایه بین منفی 1 و مثبت 1 است (واژه‌نامۀ انجمن هواشناسی ایالات متحده، 2013). در پژوهش حاضر، مقادیر بیش از 2/0 نشان‌دهندۀ پوشش گیاهی، مقادیر 2/0≤NDVI≤0 نشان‌دهندۀ خاک و مقادیر کمتر از صفر نشان‌دهندۀ آب، برف و یخچال‌های کوهستانی هستند.

در پژوهش حاضر، از داده‌های 16 روزۀ نمایۀ تفاضل به‌هنجار‌شدۀ پوشش گیاهی (NDVI) مودیس ‌آکوا[3] در فاصلۀ زمانی 13/4/1381 تا 23/12/1393 با تفکیک مکانی 500 متر استفاده شد. همچنین داده‌های الگوی رقومی ارتفاع ([4]DEM) از تارنمای سازمان فضایی ناسا در تفکیک مکانی 500 متر با سیستم تصویر سینوسی هماهنگ با تفکیک و سیستم تصویر داده‌های NDVI استفاده شد. ابتدا بر مبنای نزدیک به 10 میلیارد یاخته، میانگین بلند‌مدت NDVI ایران برای هر 16 روز محاسبه و سپس یک آرایۀ مکان - زمان به ابعاد 293×111 حاصل شد که ردیف‌های آن، طبقه‌های ارتفاعی ایران با بازۀ 50 متر از منفی 50 تا 5500 متر تعریف شدند و ستون‌های آن، میانگین بلندمدت نمایۀ NDVI با بازۀ 16 روزه را نشان دادند. این آرایه، اساس داوری‌های ما برای بررسی روند تغییرات نمایۀ NDVI ایران در کمربندهای ارتفاعی قرار گرفت. از آزمون ناپارامتریک من کندال برای بررسی روند نمایۀ یادشده در کمربندهای ارتفاعی استفاده شد. Mann (1945) و Kendall (1975)، آزمون ناپارامتریک من کندال را ارائه کرده‌‌اند که بر پایۀ رتبۀ داده‌ها در یک سری زمانی استوار است. این آزمون برای بررسی نبود روند در برابر وجود روند در سری‌های زمانی هیدرولوژیکی و هواشناسی استفاده می‌شود و امتیاز آن نسبت به سایر آزمون‌های تعیین روند، استفاده از رتبۀ داده‌ها در سری زمانی بدون در نظر گرفتن مقدار متغیرهاست و به علت وجود این ویژگی، برای داده‌های دارای چولگی نیز استفاده می‌شود و نباید داده‌ها در قالب توزیع خاصی درآیند (عساکره، 1390).

مراحل محاسبۀ آزمون من کندال به شرح زیر است:

در این آزمون، اگر   مشاهده‌های مدنظر باشند، آنگاه داریم:

 

رابطۀ 2

که با قبول فرض H0، توزیع در حد n→∞ نرمال است. N: سری زمانی داده‌ها و Xk و Xj داده‌های متوالی kام و jام سری هستند و در این رابطه k, j≤n است و k≠j

Sgn تابع علامت است و از روابط زیر حاصل می‌شود:

 

رابطۀ 3

آزمون آماره‌های S میانگین صفر دارد و پراش آن نیز از رابطۀ 4 محاسبه می‌شود:

 

رابطۀ 4

در رابطۀ 4، t: اندازۀ یک بازۀ زمانی در سری داده‌ها و ∑t: مجموع سری زمانی داده‌هاست. زمانی که مدت سری زمانی داده‌ها بیشتر از 10 باشد (N>10)، آمارۀ Z استاندارد‌شده از رابطۀ 5 محاسبه می‌شود:

 

رابطۀ 5

بنابراین در آزمون دو‌طرفۀ روند، اگر رابطۀ
Z ≥Z در سطح اطمینان 95 درصد برقرار باشد، باید فرض H0 (تصادفی‌‌بودن داده‌ها) و در غیر این حالت، باید انگارۀ H1 (وجود روند) را پذیرفت. اگر معناداری در سطح اطمینان 99 درصد ( 0.01 =α) آزمون شود و چنانچه Z مشاهده‌شده خارج از دامنۀ  قرار گیرد، انگارۀ H0 رد می‌شود و داده‌ها دارای روند هستند (Vivekanandan, 2007: 104).

بحث

با‌توجه‌به اینکه ایران جزو ده کشور اول ازنظر قرارداشتن در معرض نابودی جنگل‌ها و پنج کشور نخست مواجه‌شده با بیابان‌زایی قرار دارد و دومین کشور مواجه با بیشترین فرسایش خاک و صدوسی‌وچهارمین کشور جهان از‌نظر پایداری زیست‌محیطی (بنابر آمار سال 2005 برنامه محیط زیست سازمان ملل) است، اهمیت پوشش گیاهی که تأمین‌کنندۀ اصلی اکسیژن و آب زیرزمینی و جلوگیری‌کننده از فرسایش است، بر همگان به‌ویژه اهالی فن بیش از پیش آشکار است. پوشش‌ گیاهی، مهم‌ترین عامل تثبیت خاک و پیشگیری از روند فرسایش و جذب آب است؛ بدیهی است توان زیاد حفظ آب و خاک پوشش جنگلی سبب شده است توجه بیشتری در مقایسه با سایر پوشش‌های گیاهی مانند درختچه‌ها و گیاهان مرتعی به آن معطوف شود. باتوجه به اینکه بیشتر حوضه‌های آبخیز و نقاط بحرانی آنها در مناطق کوهستانی و پرشیب قرار دارند و عرصه‌های یادشده دارای توده‌های تُنُک و تخریب‌‌شدۀ جنگلی و یا کاملاً فاقد پوشش درختی هستند، لزوم برنامه‌ریزی به‌ویژه مطالعه‌های مناسب در این زمینه کاملاً ضروری به نظر می‌رسد.

تفاوت شدید دما و بارش در ایران، یکی از بارزترین ویژگی‌های آب‌وهوایی ایران نسبت به سایر نقاط جهان است و مقایسۀ آب‌وهوای نقاط مختلف کشور، این تنوع و اختلاف را به‌خوبی نشان می‌دهد؛ برای نمونه، میانگین سالانۀ بارش ایران نزدیک 250 میلی‌متر است، اما بارش دریافتی مناطق کویری از 50 میلی‌متر کمتر و در برخی نقاط کرانه‌های خزر نزدیک به 1800 میلی‌متر است (مسعودیان، 1390: 122). از سوی دیگر، ایران ازنظر دما بسیار متنوع است و دلیل این تنوع، همسایگی خشکی ایران با دو تودۀ بزرگ آب در شمال و جنوب، گستردگی در عرض جغرافیایی و تنوع ناهمواری است. میانگین دمای ایران 18 درجۀ سلسیوس است که 15 درجۀ سلسیوس نسبت به میانگین جهانی بیشتر و در نتیجه، ایران گذشته از فقر بارش دارای گرمای بسیاری است (مسعودیان، 1390، 92). تنوع، ویژگی ذاتی آب‌وهوای ایران است و هیچ‌یک از عناصر آب‌وهوایی، تصویر همگنی ارائه نمی‌دهند؛ این ناهمگنی و غیریکنواختی عناصر آب‌‌وهوایی بر پوشش گیاهی، نوع خاک و روش زندگی مردم اثر گذاشته است، به‌طوری که جنگل‌ها و مراتع سرسبز مجاور بیابان‌های عریان و بی‌حاصل، کوه‌های پوشیده از برف کنار چاله‌های خشک، دره‌های رسوبی پرجمعیت مجاور دشت‌های بی‌آب، بدون ‌استفاده و عاری از سکنه قرار گرفته‌اند (علیجانی، 1389: 2-1) و پیچیدگی و تنوع آب‌وهوایی سبب ایجاد پوشش گیاهی بسیار متفاوتی شده است. هیچ‌یک از پژوهش‌های انجام‌شدۀ گذشته دربارۀ نمایۀ NDVI به مسئلۀ تغییرات این نمایه در کمربندهای ارتفاعی اشاره‌ای نکرده‌اند و پژوهش حاضر برای نخستین بار، تغییرات این نمایه را در هریک از کمربندهای ارتفاعی واکاوی کرده است.

شکل (1)، روند Z من کندال نمایۀ 16 روزۀ NDVI ایران در طبقه‌های ارتفاعی (50 متری) را نشان می‌دهد و همان‌طور که دیده می‌شود با سطح اطمینان 95 درصد، تنها 5 طبقۀ ارتفاعی 400 تا 450، 450 تا 500، 500 تا 550، 700 تا 750 و 1250 تا 1300 متر، روند مثبت نشان دادند و دیگر طبقه‌های ارتفاعی بدون روند بودند و NDVI هیچ ارتفاعی در ایران روند منفی نشان نداد. شکل (2)، الگوی رقومی ارتفاع (DEM) ایران در تفکیک مکانی 500 متر با سیستم تصویر سینوسی را نشان می‌دهد.

 

 

شکل 1. روند Z من کندال نمایۀ 16 روزۀ NDVI ایران در طبقه‌های ارتفاعی (منفی 50 متر تا 5500 متر با بازه‌های 50 متری)

 

شکل 2. الگوی رقومی ارتفاع (DEM)ایران در تفکیک مکانی 500 متر با سیستم تصویر سینوسی

 

 

بر اساس آزمون من کندال، 5 کمربند ارتفاعی ایران روند مثبت نشان دادند. شکل (3)، روند مثبت نمایۀ 16 روزۀ NDVI ایران در ارتفاع 400 تا 450 متر را نشان می‌دهد؛ همان‌طور که دیده می‌شود چالۀ جازموریان در این ارتفاع روند مثبت نشان داده است و به نظر می‌رسد شرایط رویۀ زمین و تغییر کلاس این منطقه سبب روند مثبت آن شده است.

 

 

شکل 3. روند مثبت نمایۀ 16 روزۀ NDVI ایران در ارتفاع400 تا 450 متر

 

 

شکل (4)، روند مثبت نمایۀ 16 روزۀ NDVI ایران در ارتفاع 450 تا 500 متر را نشان می‌دهد؛ در این کمربند ارتفاعی علاوه‌بر جازموریان، زابل و زَهَک نیز روند مثبت نشان دادند.


 

شکل 4. روند مثبت نمایۀ 16 روزۀ NDVI ایران در ارتفاع 450 تا 500 متر

 

 

شکل (5)، روند مثبت نمایۀ 16 روزۀ NDVI ایران در ارتفاع 500 تا 550 متر را نشان می‌دهد. مناطق یادشده در شکل (4) در این کمربند ارتفاعی نیز دیده می‌شوند، با این تفاوت که روند مثبتِ زابل و زَهَک در این کمربند ارتفاعی کمتر شده است.

 

 

شکل 5. روند مثبت نمایۀ 16 روزۀ NDVI ایران در ارتفاع 500 تا 550 متر

 

 

شکل (6)، روند مثبت نمایۀ 16 روزۀ NDVI ایران در ارتفاع 700 تا 750 متر را نشان می‌دهد؛ در این کمربند ارتفاعی علاوه‌بر مناطق یادشده در شکل (5)، دشت کویر نیز روند مثبت چشمگیری نشان می‌دهد.

 

 

شکل 6. روند مثبت نمایۀ 16 روزۀ NDVI ایران در ارتفاع 700 تا 750 متر

 

 

شکل (7)، روند مثبت نمایۀ 16 روزۀ NDVI ایران در ارتفاع 1250 تا 1300 متر را نشان می‌دهد؛ در این کمربند ارتفاعی دریاچۀ ارومیه و نقاط پراکنده‌ای در کشور روند مثبت داشتند.

 

 

شکل 7. روند مثبت نمایۀ 16 روزۀ NDVI ایران در ارتفاع1250 تا 1300 متر

 


یافته‌ها

در پژوهش حاضر، از دادههای سنجندۀ مودیس آکوا برای بازۀ زمانی 1382 تا 1393 و در تفکیک مکانی بسیار خرد (500 متر) برای بررسی تغییرات نمایۀ NDVI ایران در کمربندهای ارتفاعی مختلف استفاده شد. پس از انجام پردازشهای ضروری و آمادهسازی دادهها، میانگین بلندمدت هر 16 روز طی بازۀ زمانی یادشده محاسبه و سپس الگوی رقومی ارتفاع (Dem) ایران که با تفکیک 500 متری و سیستم تصویر سینوسی هماهنگ با داده‌های NDVI در دسترس بود، برای انتخاب کمربندهای ارتفاعی استفاده شد. یافته‌های آزمون من کندال با اطمینان 95 درصد نشان دادند تنها طبقه‌های ارتفاعی 400 تا 450، 450 تا 500، 500 تا 550، 700 تا 750 و 1250 تا 1300 متری روند مثبت داشتند و دیگر طبقه‌های ارتفاعی بدون روند بودند و هیچ ارتفاعی در ایران روند منفی نداشت؛ البته نمی‌توان این روند را به پوشش گیاهی نسبت داد، زیرا بررسی پراکندگی جغرافیایی کمربندهای ارتفاعی دارای روند نشان می‌دهد احتمالاً شرایط رویۀ زمین مانند پوشش نمکزار، شنزار و دریاچه موجب تغییرات مقدار NDVI شده است.



[1] Normalized Difference Vegetation Index

[2] Inpolygon

[3] ftp://ladsweb.nascom.nasa.gov/allData

[4] Digital Elevation Map

دارند، محمد؛ ظرافتی، هادی؛ کفایت مطلق، امیدرضا؛ ریحانه سمندر، (1394). مقایسه بین پایگاههای دادۀ جهانی و منطقه‌ای بارش با پایگاه بارش اسفزاری و ایستگاهی ایران‌زمین، فصلنامۀ تحقیقات جغرافیایی، شمارۀ 117، صص 84-65.
طباطبایی، سیدعلی و مهرداد حسینی، (1382). بررسی تغییر اقلیم در شهر سمنان بر اساس پارامترهای بارش ماهیانه و متوسط دمای ماهیانه، سومین کنفرانس منطقه‌ای هواشناسی کشور، دانشگاه اصفهان.
عزیزی، قاسم و محمود روشنی، (1387). مطالعۀ تغییر اقلیم در سواحل جنوبی دریای خزر به روش من کندال، پژوهش‌های جغرافیایی، شمارۀ 64، صص 28-13.
عساکره، حسین، (1390). مبانی اقلیم‌‌شناسی آماری، چاپ اول، انتشارات دانشگاه زنجان، زنجان.
علوی‌پناه، سیدکاظم، (1385)، کاربرد سنجش از دور در علوم زمین، چاپ دوم، انتشارات دانشگاه تهران، تهران.
علیجانی، بهلول، (1389). آب‌وهوای ایران، چاپ دهم، انتشارات دانشگاه پیام نور، تهران.
فرج‌زاده اصل، منوچهر؛ امان‌اله فتح‌نیا؛ علیجانی، بهلول؛ پرویز ضیائیان، (1390). ارزیابی اثر عوامل اقلیمی بر پوشش گیاهی منطقۀ زاگرس با استفاده از اطلاعات رقومی ماهواره‌ای، مرتع و بیابان ایران، شمارۀ 1، صص 123-107.
کاویانی، محمدرضا و حسین عساکره، (1384). بررسی آماری روند بلندمدت بارش سالانۀ اصفهان، مجلۀ پژوهشی علوم انسانی دانشگاه اصفهان، دوره 18، شماره 1، صص 162-143
کتیرایی، پری‌سیما؛ حجام، سهراب؛ پرویز ایران‌نژاد، (1386). سهم تغییرات فراوانی و شدت بارش روزانه در روند بارش در ایران طی دورۀ 1960 تا 2001، مجلۀ فیزیک زمین و فضا، جلد 33، شمارۀ 1، صص 83-67.
کیخسروی کیانی، محمدصادق و ابوالفضل مسعودیان، (1396). واکاوی روند تغییرات روزهای برف‌پوشان در ایران بر پایۀ داده‌های دورسنجی، جغرافیا و برنامه‌ریزی محیطی، شمارۀ (1)28، صص 60-49.
مسعودیان، سید ابوالفضل، (1390). آب‌وهوای ایران، چاپ اول انتشارات شریعۀ توس مشهد، اصفهان.
منتظری، مجید و حسنعلی غیور، (1388). تحلیل مقایسه‌ای روند بارش و خشکسالی در حوضۀ خزر، جغرافیا و توسعه، شمارۀ 16، صص 92-71.
Becker, S., M. Gemmer, T. Jiang, (2006), Spatiotemporal analysis of precipitation trends in the Yangtze River Catchment, Stoch Environ Res Risk Assess, Vol. 20, 435-444.
Carbajal, L.R., Pellicciotti, F., Molnar, P. (1993). Analysis of Hydro-climatic Trends in the Aconcagua river basin, central Chile. Institute of Environmental Engineering, Ethz Zurich.
Chuai, X.W., X.J. Huang, W.J. Wang, G. Bao, (2013), NDVI, temperature and precipitation changes and their relationships with different vegetation types during 1998-2007 in Inner Mongolia, China, Int. J. Climatol, Vol. 13, 528-535.
Feidas, H., Noulopoulou, C., Makrogiannis, T., Bora-Senta, E. (2007) Trend analysis of precipitation time series in Greece and their relationship with circulation using surface and satellite data: 1955-2001, Theoretical and Applied Climatology, 87(1-4), 155-177.
Glenn, E. P., Huete, A. R., Nagler, P. L., & Nelson, S. G. (2008). Relationship between remotely-sensed vegetation indices, canopy attributes and plant physiological processes: what vegetation indices can and cannot tell us about the landscape. Sensors, 8(4), 2136-2160.
Kendall, M.G. (1975), Rank correlation methods, Charles Griffin, London.
Mann, H.B. (1945), Nonparametric tests against trend Econometric, Vol. 13, 45-259.
Singh, P., N. Kummar, (1997), Effect of Orographic Precipitation in the Western Himalayan region, Jornal of Hydrology, 183-206.
Su, B.D Jiang, T., Jin, W.B. (2006), Recent trends in observed temperature and precipitation extremes in the Yangtze River basin, China. Theoretical and Applied Climatology, 83(1-4), 139-151.
Vivekanandan, N. (2007), Analysis of trend in rainfall using non parametric statistical methods; International symposium on rainfall rate and radio wave propagation, American institute of physics, 101-113.
Wang, X. and H. Xie, (2009), New methods for studying the spatiotemporal variation of snow cover based on combination products of Modis Terra and Aqua, Journal of Hydrology, Vol. 371, 192-200.
http://Www/modis.gsfc.nasa.gov/allData
http:// Www.unep.org.