English
دوفصلنامه علمی- پژوهشی کشاورزی بوم شناختی
مشاهده جزئیات مقاله
دانلود فایل مقاله :
( 11 بازدید ) ( 24 دانلود )
اطلاعات انتشار : دوره 8 - شماره 2
نوع مقاله : مقالة‌ تحقيقي‌ (پژوهشي‌)
عنوان مقاله : بررسی تأثیرات تغییر اقلیم بر فنولوژی پوشش گیاهی با استفاده از سری زمانی داده‌های AVHRR
خلاصه مقاله : سابقه و هدف: تغییر اقلیم باعث تغییر در فنولوژی (پدیدشناختی) پوشش گیاهی، به ویژه در مناطق خشک و نیمه خشک می­ شود، زیرا گیاهان مناطق خشک نسبت به تغییرپذیری شرایط محیطی حساس بوده و دارای آسیب پذیری بیشتری در برابر تغییر اقلیم هستند. به منظور آشکارسازی نوسان‌های اقلیمی، بررسی فنولوژی پوشش گیاهی اهمیت دارد. دوره (سری) زمانی داده­ های سنجش از دور به دلیل ویژگی­ های منحصر به فرد همچون مشاهده پی‌درپی سطح‌های زمینی و دست­یابی سریع به اطلاعات نواحی گسترده با هزینه و زمان کم، مجموعه اطلاعات دقیق و کامل در بازه زمانی و مکانی را فراهم می ­کنند و به عنوان ابزاری مهم در بررسی و شناسایی تغییرپذیری‌های فنولوژیکی گیاهان به‌شمار می­ آیند. از آنجایی‌که به بررسی تغییرپذیری‌های فنولوژیکی پوشش گیاهی (مراتع و اراضی دیم شامل گندم و جو) در سطح‌های مختلف کمتر پرداخته شده است، هدف از انجام این پژوهش، بررسی تأثیر تغییرپذیری‌های اقلیمی روی پارامتر (فراسنجه)های فنولوژیکی پوشش گیاهی در دو سطح مختلف ارتفاعی می­باشد.مواد و روش ­ها: در این تحقیق، از پارامترهای فنولوژیکی آغاز، پایان و طول فصل رشد پوشش گیاهی (زنجان، تهران و سمنان) در دو سطح ارتفاعی دامنه جنوبی البرز که از شاخص NDVI داده­ های بلندمدت عکس‌های ماهواره­ای AVHRR در محدوده سال‌های2013-1984 و داده­های دما و بارش به دست آمده از 9 ایستگاه­ هواشناسی در محدوده مورد بررسی، برای بررسی تغییر اقلیم استفاده شد. این بررسی‌ها در دو سطح مختلف ارتفاعی بالاتر و پایین­تر از 2000 متر برای پوشش گیاهی دامنه جنوبی البرز انجام شده است. برای هموارسازی داده ­ها در عکس‌های ماهواره­ای از روش  Savitzky–Golayدر نرم افزار TIMESAT و به منظور استخراج روند تغییرپذیری داده­های هواشناسی از نرم افزار RClimdex استفاده شد.نتایج و بحث: نتایج تحلیل دوره زمانی عکس‌های ماهواره­ ای نشان داد، طول فصل رشد در ارتفاع‌های بالای 2000 متر برای پوشش گیاهی سمنان در طی سال­ های 2013-1984 تغییر محسوسی نداشته و به دلیل داشتن تغییرپذیری کمتر از 5/1 روز نوسان‌های آن قابل چشم ­پوشی است. اما طول فصل رشد پوشش گیاهی تهران و زنجان در این ارتفاع‌ها به ترتیب 8/2 و 4/7 روز کاهش داشته است. تغییرپذیری این پارامتر در ارتفاع‌های پایین­ تر از 2000 متر برای پوشش گیاهی سه منطقه زنجان، تهران و سمنان به ترتیب 1/2 ، 6/1 و 8 روز کاهش را نشان می ­دهند. بنابراین طول فصل رشد در هر دو سطح ارتفاعی به واسطه تأخیر در آغاز فصل رشد و پایان زودهنگام پایان فصل رشد، کاهش پیدا کرده است، اما بازه تغییرپذیری آن در ارتفاع‌های پایینی بیشتر از ارتفاع‌های بالایی آن است. دلیل این کاهش را می­توان با استفاده از نتایج به دست آمده از تحلیل اطلاعات ایستگاه­ های هواشناسی تفسیر کرد، زیرا شب­های سرد و روزهای گرم در اسفند­ماه که زمان آغاز فصل رشد است به ترتیب کاهش و افزایش یافته است­، در حالی‌که در خرداد­ماه که زمان پایان رشد پوشش گیاهی است، روزهای گرم به شدت افزایش یافته و موجب تسریع در پیرشدن گیاهان و کاهش طول فصل رشد شده است. میزان تغییرپذیری‌ها در این سه منطقه به این صورت است که شب­ها و روزهای گرم به همراه شب­های سرد در ارتفاع‌های بالای 2000 متر منطقه تهران بیشتر از ارتفاع‌های پایین آن بوده در حالی‌که روند تغییرپذیری روزهای گرم در دو منطقه سمنان و زنجان در ارتفاع‌های پایین آن بیشتر است.نتیجه‌ گیری: ­این تحقیق نشان داد، پوشش گیاهی به تغییر در عنصرهای اقلیمی در سطح‌های مختلف ارتفاعی حساس می ­باشد، بنابراین از پارامترهای فنولوژیکی می ­توان به عنوان معیاری برای آشکارسازی تغییر اقلیم در منطقه‌های مختلف استفاده کرد..
تخصص ها : سری زمانی­ NDVI ،­ پوشش گیاهی، دامنه جنوبی البرز ، تغییرپذیری‌های  پارامترهای فنولوژی، تغییر اقلیم.
منابع : Ahl, D.E., Gower, S.T., Burrows, S.N., Shabanov, N.V., Myneni, R.B. and Knyazikhin, Y., 2006. Monitoring spring canopy phenology of a deciduous broadleaf forest using MODIS. Remote Sensing of Environment. 101, 88-95.*Andres, L., Salas, W.A. and Skole, D.­, 1994. Fourier-analysis of multitemporal AVHRR data applied to a land-cover classification. International Journal of Remote Sensing. 15, 1115−1121.*Anyamba, A. and Tucker, C.J., 2005. Analysis of Sahelian vegetation dynamics using NOAA-AVHRR NDVI data from 1981–2003. Journal of Arid Environments. 63,596–614.*Azarnivand, H. and Zare Chahooki, M.A. 2006 .  Rangeland ecology. Tehran University. Tehran.*Bonsal, B., Zhang, R.X., Vincent, L.A. and Hogg, W.D., 2001. Characteristics of daily and extreme temperature Canada. Climate. 14, 1959-1979.*Broich, M­., Huete, A., Tulbure, M.G ., Ma, X., Xin, Q ., Paget, M ., Restrepo-Coupe, N., Davies, K., Devadas, R. and Held, A., 2014. Land surface phenological response to decadal climate variability across Australia using satellite remote sensing. Biogeosciences. 11, 5181–5198.*Brown­, M.E., de Beurs, K. and Vrieling, A., 2010. The response of African land surface phenology to large scale climate oscillations. Remote Sensing of Environment. 114 , 2286–2296.*Busetto, L., Colombo, R., Migliavacca, M., Cremonese, E., Meroni, M., Galvagno, M., Rossini, M., Siniscalco, C.­, Morradi cellaz, U. and Paris, E., 2010. Remote sensing of larch phenological cycle and analysis of relationships with climate in the Alpine region. Global Change Biology. 16, 2504–2517.*Butt, B., Turner, M.D., Singh, A. and Brottem, L., 2011. Use of MODIS NDVI to evaluate changing latitudinal gradients of rangeland phenology in Sudano-Sahelian West Africa. Remote Sensing of Environment. 115, 3367–3376.*Chandra, A.M. and Gosh, C.K., 2000 . Remote sensing and geograghic information system. Tehran University. Tehran.*Chen, J., Jönsson, P., Tamura, M., Gu, Z.H., Matsushita, B. and  Eklundh, L., 2004. A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky–Golay filter. Remote Sensing of Environment. 91, 332−344.*Cleland, E.­E., Chuine, I., Menzel, A., Mooney, H.­A. and Schwartz, M.D., 2007. Shifting plant phenology in response to global change. TRENDS in Ecology  and Evolution. 22, 357- 365.*Dregne, H.E. and Tucker, C.J., 1988. Green biomass and rainfallbin semi-arid sub- Saharan Africa. Journal of Arid Environments. 15, 245–252.*Esmaeeli, R., Habibi Nokhandan, M. and Nokhandan Ghaheri, A., 2000 . Evaluation of during the growing season changes and Glacial Due to climatic changes (Case study: Khorasan). The study of Natual Geography. 73 , 69- 82. (In Persian with English abstract).*Fensholt, R., Rasmussen, K., Nielsen, T.T. and Mbow, C., 2009. Evaluation of earth observation based long term vegetation trends — Intercomparing NDVI time series trend analysis consistency of Sahel from AVHRR GIMMS, Terra MODIS and SPOT VGT data. Remote Sensing of Environment. 113, 1886–1898.*Fernández Rivera, S., Hiernaux, P., Williams, T.O., Turner, M.D., Schlecht, E., Salla, A., Ayantunde, A.A  and Sangaré, M., 2005. Nutritional constraints to grazing ruminants in the millet-cowpea-livestock farming system of the Sahel. International Livestock Research Institute. 3, 157–182.*Fisher , I.­J. and Mustard, J­.F., 2007. Cross-scalar satellite phenology from ground, Landsat and MODIS data. Remote Sensing of Environment. 109, 261–273.*Giannini, A., Biasutti, M., Held, I.M. and Sobel, A.H., 2008. A global perspective on African climate. Climatic Change. 4, 359- 383.*Gorry, P.A., 1990. General least-squares smoothing and differentiation by the convolution (Savitzky–Golay) method. Analystical Chemistry. 62, 570–573.*Grouzis, M., 1988. Structure, productivite et dynamique des systemes ecologiques Saheliens (Mare doursi, Burkina Faso). MA. Dissertation University de Paris Sud, Orstom, Paris.*Heumann, B.W., Seaquist, J.W., Eklundh, L. and  Jönsson, P., 2007. AVHRR derived phenological change in the Sahel and Soudan, Africa, 1982–2005. Remote Sensing of Environment. 108, 385–392.*Holben, B.N., 1986. Characteristics of maximum-value composite images from temporal AVHRR data. International Journal of Remote Sensing. 7, 1417–1434.*Huete, A.R., Jiang, Z., ­Chen, J., Chen, Y., Li, J., Yan, G. and Zhang, X., 2006 Analysis of NDVI and scaled difference vegetation index retrievals of vegetation fraction. Remote Sensing Environment. 101, 366–378.*Jiang, Z., Huete, A.R., Chen, J., Chen, Y., Li, J., Yan, G. and Zhang, X., 2006. Analysis of NDVI and scaled difference vegetation index retrievals of vegetation fraction. Remote Sensing Environment. 101, 366–378.*Jönsson, P. and Eklundh, L., 2004 . TIMESAT A program for analyzing timeseries of satellite sensor data. Computers and Geosciences. 30, 833−845.*Le Houérou, H.N. and Hoste, C.H., 1977. Rangeland production and annual rainfall relations in the Mediterranean Basin and in the African Sahelo-Sudanian Zone. Journal of Range Management. 30, 181–189.*Li, M., 2003. Remote Sensing Techniques for Detecting Vegetation Phenology. MS.c. Thesis. University of George Mason, Washington.*Lotsch, A­., Friedl, M.­A­., Anderson, B.­T. and Tucker, C.­J., 2003. Coupled vegetation-precipitation variability observed from satellite and climate records. Geophysical Research Letters. 14, 8-1 – 8-4.*Madden, H.H., 1978. Comments on Savitzky–Golay convolution method for least-squares fit smoothing and differentiation of digital data. Analystical chemistry. 50 , 1383–1386.*Menenti, M., Azzali, S., Verhoef, W. and van, S.R., 1993. Mapping agroecological zones and time lag in vegetation growth by means of Fourier analysis of time series of NDVI images. Advances in Space Research. 13, 233–237.*Mesdaghi, M., 1995. Range Management in Iran . Sajad Industrial University. Mashhad.*Moghadam, M., 2000 . Range and Range management. Tehran University. Tehran.*Nicholson, S.E., 2005. On the question of the “recovery” of the rains in the West African Sahel. Journal of Arid Environments. 63, 615–641.*Olsson, L­. and Eklundh, L., 1994. Fourier-series for analysis of temporal sequences of satellite sensor imagery. International Journal of RemoteSensing. 15, 3735−3741.*Paruelo, J.M. and Lauenroth, W.K., 1998. Interannual variability of NDVI and its relationship to climate for North American shrublands and grasslands. Journal of Biogeography. 25, 721−733.*Penning de Vries, F.W.T. and Djiteye, M.A., 1982. La productivite des paturages saheliens : une etude des sols, des vegetations et de lexploitation de cette ressource naturelle. Agricultural Systems. 3, 188- 197.*Pettorelli, N., Vik, J­.O., Mysterud, A., Gaillard, J.M., Tucker, C­.J. and Stenseth, N.C.,  2005. Using the satellite-derived NDVI to assess ecological responses to environmental change. TRENDS in Ecology and Evolution. 9, 503- 510.*Philippon, N­., Jarlan, L­., Martiny, N., ­Camberlin, P. ­and­ Mougin, E., 2007. Characterization of the Interannual and Intraseasonal Variability of West African Vegetation between 1982 and 2002 by Means of NOAA AVHRR NDVI Data. Journal of Climate.10, 1202- 1218.*Piao, S. L., Fang, J. Y., Zhou, L. M., Ciais, P., and Zhu, B., 2006. Variations in satellite-derived phenology in China's temperate vegetation. Global Change Biology, 12, 672−685.*Press, W.H., Teukolsky, S.A., Vetterling, W.T. and Flannery, B.P., 1992. Numerical Recipes in C: The Art of Scientific Computing, second edition. 3207 .Cambridge University Press. New York.*Robinson, S.M., 2002. Increasing Growing- season in Illinois during the 20 the Century. Climatic Change. 52, 219 – 238­.*Rouse, J. W. J., Haas, R. H., Schell, J.A. and Deering, D.W., 1974. Monitoring vegetation systems in the Great Plains with ERTS. Remote sensing center. 30727, 309−317.*Savitzky, A. and Golay, M.J.E., 1964 .­Smoothing and differentiation of data by simplified least squares procedures, Anal Chem. 36 , 1627–1639.*Schwarts, M.D. and Reiter, B., 2000. Changes in North American Spring. international Journal of Climatology. 8, 929-932.*Seaquist, ­J.W­., Hickler, T­., Eklundh, L­., Ardo, ­J. and Heumann, B.W., 2009. Disentangling the effects of climate and people on Sahel vegetation Dynamics. Biogeosciences. 6, 469–477.*Sekhon, N.S., 2011. Remote Sensing-Based Determination of Boreal Spring Phenology in Alberta. Dissertation. thesis University of Calgary, Canada.*Steinier, J., Termonia, Y. and Deltour, J., 1972. Comments on smoothing and differentiation of data by simplified least square procedure. Analystical chemistry. 44 ,1906–1909.*Stockli, R. and Vidale, P. L., 2004. European plant phenology and climate as seen in a 20-year AVHRR land-surface parameter dataset. International Journal of Remote Sensing. 25, 3303−3330.*Stöckli, R., Rutishauser, T., Dragoni, D­., OKeefe, J­., Thornton, P.E., Jolly, M., Lu, L. and Denning, A.S., 2008. Remote sensing data assimilation for a prognostic phenology model.­ Jorrnal of geophysical research.. G04021,1-19.*Turner, M.D., 1998. Long-term effects of daily grazing orbits on nutrient availability in Sahelian West Africa: 2. Effects of a phosphorus gradient on spatial patterns of annual grassland production. Journal of Biogeography. 25, 683–694.*USDA, 1997. United States Department of Agriculture. Available online at: www.nass.usda.govVan Dijk, A., Callis, S.L., Sakamoto, C.M. and Decker, W.L., 1987. Smoothing vegetation index profiles: an alternative method for reducing radiometric disturbance in NOAA/AVHRR data. Photogram. Engin. Remote Sens. 53, 1059–1067.*Viovy, N., Arino, O. and Belwad, A.S., 1992. The best Index slope extraction (BISE): a method for reducing noise in NDVI time-series. International Journal of Remote Sensing. 12, 1585–1590.*Wang­, X­., Shilong, P­., Philippe, C­., Junsheng, L­., Pierre, F­., Charlie, K . and Anping , C., 2010. Spring temperature change and its implication in the change of vegetation growth in North America from 1982 to 2006. PNAS. 4. 1241-1245.*Xin­, Q­., Broich, M­., Zhu, P. and  Gong, P.,  2015 . Modeling grassland spring onset across theWestern United States using climate variables and MODIS-derived phenology metrics . Remote Sensing of Environment. 161 , 63–77.*Yu, F­., Price, K. P­., Ellis, J.  and  Shi, P., 2003. Response of seasonal vegetation development to climatic variations in eastern central Asia. Remote Sensing of Environment. 87 , 42–54.*Zhang, X., Friedl, M.A­., Schaaf, C.B . and Strahler, A.H., Hodges, J.C.F ., Gao, F., Reed, B.­C. and Huete, A., 2003. Monitoring vegetation phenology using MODIS. Remote Sensing of Environment. 84 , 471–475.*Zhang X., Friedl M. A., Schaff, C.B. and Strahler, A. H., 2004. Climate controls on vegetation phenological patterns in northern mid- and high latitudes inferred from MODIS data. Global Change Biology.10, 1133-1145.*Zhang, X., Friedl, M.A., Schaaf, C.B., Strahler, A.H. and Liu, Z., 2005. Monitoring the response of vegetation phenology to precipitation in Africa by coupling MODIS and TRMM instruments. Journal of geophysical research. 1029, 1-14.*Zhou, L. M., Tucker, C.J., Kaufmann, R.K., Slayback, D., Shabanov, N.V. and Myneni, R.B., 2001. Variations in northern vegetation activity inferred from satellite data of vegetation index during 1981 to 1999. Journal of Geophysical Research, [Atmospheres]. 106, 20069−20083.*
شماره صفحه :
از 98 تا 117


نویسندگان مقاله :
نویسندهترتیب نویسندهدانشگاه / سازمان/ موسسهدانشگاه / سازمان/ موسسه ( لاتین )سمتپست الکترونیکیمدرک تحصیلی
فاطمه ملایری
(نویسنده مسئول)
1دانشگاه شهید بهشتی  fa.malayeri@sbu.ac.ir 
داوود عاشورلو 2دانشگاه شهید بهشتی  fa.malayeri@sbu.ac.ir 
علیرضا شکیبا 3دانشگاه شهید بهشتی  fa.malayeri@sbu.ac.ir 
علی اکبر متکان 4دانشگاه شهید بهشتی  fa.malayeri@sbu.ac.ir 
حسین عقیقی 5دانشگاه شهید بهشتی  fa.malayeri@sbu.ac.ir 

کلیه حقوق این وب سایت برای دوفصلنامه علمی- پژوهشی کشاورزی بوم شناختی محفوظ می باشد .