برآورد تغییرات جنگل براساس عوامل اقلیمی با استفاده ازتصاویر ماهواره ای

چکیده:
پوشش گیاهی ارتباط زیادی با شرایط اقلیمی دارد. شناسایی تغییرپذیری فصلی رشد گیاه برای شناسایی پاسخ اکوسیستم ها به تغییر اقلیم در مقیاس های زمانی فصلی و بین سالیانه تعیین کننده است. برای ارائه مدل پیش بینی 7 عنصر آب و هوایی شامل بارش، دما و رطوبت نسبی (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 می افتد که اوج سبزینگی است. کمترین همبستگی در زمستان به خاطر نبود رشد کافی درختان می باشد. ضریب همبستگی سالانه مقدار مدل با حالت محاسباتی با در نظر گرفتن خطای تصادفی بیش از 93/0 می باشد. در مجموع مقدار محاسباتی ماه می و ژوئن برای سال های 2004 و 2005 به ضریب همبستگی مدل نزدیک است، اما در ماه های زمستان به دلیل نبود سبزینگی ضریب همبستگی کم می شود. در سال 2006 به دلیل خشکی شدیدتر در اواخر بهار (ماه ژوئن) پیش بینی 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 می شود. فصل پاییز از نقش بارش کاسته و دما افزوده می شود.
زبان:
فارسی
صفحات:
127 -137
لینک کوتاه:
magiran.com/p1738401 
روش‌های دسترسی به متن این مطلب
اشتراک شخصی
در سایت عضو شوید و هزینه اشتراک یک‌ساله سایت به مبلغ 300,000ريال را پرداخت کنید. همزمان با برقراری دوره اشتراک بسته دانلود 100 مطلب نیز برای شما فعال خواهد شد!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی همه کاربران به متن مطالب خریداری نمایند!