نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

 

خلاصه

تخریب زمین یک تهدید بزرگ برای پایداری سکونت انسان است و ارزیابی کمی آن ضروری است. ارزیابی جنبه های ناشی از انسان به ویژه برای برنامه ریزی اقدامات پیشگیرانه مناسب اهمیت دارد. این مقاله از منطقه برنامه جنگل پناهگاه سه شمالی به عنوان منطقه مورد مطالعه استفاده کرد و پویایی تخریب زمین را با استفاده از یک سری زمانی از مجموع شاخص گیاهی تفاوت نرمال شده (NDVI) بر اساس تحلیل روند شیب تیل-سن و من-کندال ارزیابی کرد. تست. تخریب زمین ناشی از انسان از تخریب ناشی از اقلیم با استفاده از مجموعه داده های هواشناسی از طریق روش روند باقیمانده (RESTREND) برای دوره 1982-2006 جدا شد. نتایج نشان داد که (1) NDVI در منطقه مورد مطالعه عمدتاً روند افزایشی را نشان می‌دهد، تقریباً 13. 00٪ از منطقه مورد مطالعه روند NDVI مثبت قابل توجهی را تجربه کردند و 6.20٪ کاهش نشان دادند. علاوه بر این، (2) همبستگی بین NDVI جمع شده و بارش بیشتر از همبستگی بین NDVI و دما بود، که نشان می‌دهد که بارش مهمترین عاملی است که بر پویایی NDVI در منطقه مورد مطالعه تأثیر می‌گذارد. (3) روند قابل توجه پوشش گیاهی توسط اختلالات انسانی شناسایی شد که روند مثبت و منفی معنی‌دار به ترتیب 11.93% و 6.19% بود. همه این یافته‌ها دانش ما را در مورد فعالیت‌های انسانی که بر تخریب زمین در مناطق خشک یا نیمه‌خشک تأثیر می‌گذارند، غنی می‌کنند و پایه‌ای علمی برای مدیریت برنامه‌های احیای اکولوژیکی فراهم می‌کنند. (2) همبستگی بین NDVI جمع شده و بارش بیشتر از همبستگی بین NDVI و دما بود، که نشان می‌دهد که بارش مهمترین عاملی است که بر پویایی NDVI در منطقه مورد مطالعه تأثیر می‌گذارد. (3) روند قابل توجه پوشش گیاهی توسط اختلالات انسانی شناسایی شد که روند مثبت و منفی معنی‌دار به ترتیب 11.93% و 6.19% بود. همه این یافته‌ها دانش ما را در مورد فعالیت‌های انسانی که بر تخریب زمین در مناطق خشک یا نیمه‌خشک تأثیر می‌گذارند، غنی می‌کنند و پایه‌ای علمی برای مدیریت برنامه‌های احیای اکولوژیکی فراهم می‌کنند. (2) همبستگی بین NDVI جمع شده و بارش بیشتر از همبستگی بین NDVI و دما بود، که نشان می‌دهد که بارش مهمترین عاملی است که بر پویایی NDVI در منطقه مورد مطالعه تأثیر می‌گذارد. (3) روند قابل توجه پوشش گیاهی توسط اختلالات انسانی شناسایی شد که روند مثبت و منفی معنی‌دار به ترتیب 11.93% و 6.19% بود. همه این یافته‌ها دانش ما را در مورد فعالیت‌های انسانی که بر تخریب زمین در مناطق خشک یا نیمه‌خشک تأثیر می‌گذارند، غنی می‌کنند و پایه‌ای علمی برای مدیریت برنامه‌های احیای اکولوژیکی فراهم می‌کنند. (3) روند قابل توجه پوشش گیاهی توسط اختلالات انسانی شناسایی شد که روند مثبت و منفی معنی‌دار به ترتیب 11.93% و 6.19% بود. همه این یافته‌ها دانش ما را در مورد فعالیت‌های انسانی که بر تخریب زمین در مناطق خشک یا نیمه‌خشک تأثیر می‌گذارند، غنی می‌کنند و پایه‌ای علمی برای مدیریت برنامه‌های احیای اکولوژیکی فراهم می‌کنند. (3) روند قابل توجه پوشش گیاهی توسط اختلالات انسانی شناسایی شد که روند مثبت و منفی معنی‌دار به ترتیب 11.93% و 6.19% بود. همه این یافته‌ها دانش ما را در مورد فعالیت‌های انسانی که بر تخریب زمین در مناطق خشک یا نیمه‌خشک تأثیر می‌گذارند، غنی می‌کنند و پایه‌ای علمی برای مدیریت برنامه‌های احیای اکولوژیکی فراهم می‌کنند.
کلید واژه ها: 

تخریب زمین ؛ برنامه جنگل پناهگاه سه شمال (TNSFP) ; NDVI ; تحلیل روند ; عوامل انسانی

 

1. معرفی

تخریب زمین یکی از جدی ترین مسائل زیست محیطی جهانی در این دوره زمانی است. می توان آن را به عنوان کاهش مداوم/طولانی مدت خدمات اکوسیستمی و بهره وری پوشش گیاهی زمین تعریف کرد و بر زندگی تعداد زیادی از مردم تأثیر می گذارد [ 1 ، 2 ، 3 ، 4 ]. این پدیده شامل فرآیندهای متنوعی است که شامل تغییرات در ترکیب گونه های گیاهی، فرسایش خاک و کاهش پتانسیل تولیدی زمین می شود [ 2 ، 5 ]. پویایی تخریب می تواند توسط عوامل انسانی و فرآیندهای طبیعی ایجاد شود [ 2 ، 6]. علل انسانی شامل استفاده بیش از حد از زمین (به عنوان مثال، چرای بیش از حد و جنگل زدایی) و سایر عوامل اجتماعی-اقتصادی، مانند سیاست های توسعه نامناسب کشاورزی [ 7 ، 8 ] است. عوامل طبیعی شامل تغییرات شدید و دوره ای اقلیمی است. خشکی و خشکسالی، عمدتاً ناشی از بارش و دما در مناطق خشک یا نیمه خشک است [ 9 ، 10 ، 11 ].
در مقیاس ملی یا جهانی، یکی از موانع، فقدان داده ها و روش های قوی برای نظارت و ارزیابی تخریب زمین است [ 12 ]. از تعریف تخریب زمین، دینامیک زمین عمدتاً بر تولید پوشش گیاهی در سطح زمین تأثیر می گذارد و بنابراین، تولید پوشش گیاهی به طور کلی به عنوان اندازه گیری تخریب زمین در مقیاس ملی یا جهانی استفاده شده است [13 ] . رصد زمین اغلب برای نظارت بر فرآیندهای پوشش گیاهی در سطح زمین با در دسترس بودن داده‌های سری زمانی ماهواره‌ای که در سه دهه گذشته و تقریباً در تمام دنیا پوشش می‌دهند، استفاده می‌شود [10 ]]. بنابراین، تا حدودی، سنجش از دور ابزاری حیاتی برای نقشه‌برداری تخریب زمین است و تولید پوشش گیاهی ممکن است تنها مفیدترین شاخص تخریب زمین از تصاویر ماهواره‌ای سری زمانی در مقیاس منطقه‌ای یا جهانی باشد [11 ، 14 ، 15 ] . بسیاری از محققان تولید اولیه خالص (NPP) را به عنوان شاخصی برای ارزیابی روند تولید پوشش گیاهی برای ارزیابی تخریب زمین در نظر گرفته اند [ 16 ، 17 ، 18 ]. با این وجود، برآورد NPP نه تنها پیچیده، بلکه محدود است [ 19 ]. NPP را نمی‌توان مستقیماً با روش‌های مشاهده زمین (EO) پایش کرد و معمولاً بر اساس مدل Carnegie-Ames-Stanford Approach (CASA) برآورد می‌شد [ 20 ،21 ]. چندین پارامتر از مدل (به عنوان مثال، آب و هوا، نوع پوشش گیاهی و نوع خاک) همه به طور غیر مستقیم برآورد شده و ممکن است حاوی ناهمگونی و عدم قطعیت مکانی باشد. علاوه بر این، در مناطق خشک یا نیمه خشک، شاخص گیاهی تفاوت عادی شده (NDVI) به شدت با بهره وری اولیه خالص بالای زمین (ANPP) همبستگی دارد [ 22 ، 23 ، 24 ]. در نتیجه، یکی از پرکاربردترین رویکردها مبتنی بر مبالغ فصلی NDVI است که ممکن است در طول فصول رشد جمع شود تا ΣNDVI چند زمانی به دست آید، که فرض می شود نماینده ای برای ANPP در مناطق خشک یا نیمه خشک است. مناطق خشک [ 10 ].
تمایز انواع مختلف عواملی که بر تخریب پوشش گیاهی تأثیر می گذارند، یک مسئله محیطی و اجتماعی-اقتصادی مرکزی در تحقیقات زمین های خشک است و برای شناخت و مدیریت تغییرات بهره وری پوشش گیاهی ضروری است [ 2 ، 25 ، 26 ]. رابطه بین عوامل آب و هوایی و NDVI به دلایل جداگانه تغییرات بهره وری عادت کرده است و هر گونه تغییرات NDVI که با پویایی آب و هوایی توضیح داده نشده است به فعالیت های انسانی نسبت داده می شود [ 4 ، 27 ، 28]]. با این حال، یک چالش در مورد چگونگی تمایز تغییرات بهره‌وری پوشش گیاهی به دلیل عوامل آب و هوایی از عوامل ناشی از فعالیت‌های انسانی در مقیاس‌های زمانی بزرگ و مکانی طولانی وجود دارد. راندمان استفاده از باران (RUE) به عنوان شاخصی برای ارزیابی تخریب زمین با استفاده از نرمال‌سازی تغییرپذیری بارندگی پیشنهاد شده است و بسیاری از محققین سعی کرده‌اند از این نسبت برای اندازه‌گیری تخریب اراضی غیرمرتبط با بارش استفاده کنند [15 ، 18 ] . با این وجود، نسبت‌های RUE هنوز تا حد زیادی با بارش مرتبط هستند، زیرا روندهای RUE فقط تغییرات بارندگی را نشان می‌دهند [ 26 ]. تحلیل روند باقیمانده (RESTREND) [ 29 ] به عنوان یک رویکرد قوی تر از نسبت RUE نشان داده شده است [ 7 ،30 ].
چین یکی از کشورهایی است که تحت تأثیر تخریب زمین، به ویژه در مناطق سه شمالی (شمال شرقی، شمالی، شمال غربی) قرار گرفته است. برنامه جنگل پناهگاه سه شمال (TNSFP) بزرگترین پروژه بازسازی جنگل کاری در جهان است که تقریباً 2/3 مساحت آن خشک یا نیمه خشک است و هدف آن کنترل طوفان های شن و فرسایش خاک از طریق افزایش پوشش جنگل است. یک استدلال مستمر علیه قدرت پروژه های مهندسی اکولوژیکی ملی چین وجود دارد [ 31 ]. از یک طرف، بسیاری از محققان در چین دریافتند که اثرات زیست محیطی برنامه های احیای اکولوژیکی به طور کلی مثبت است و با موفقیت با بیابان زایی و طوفان های گرد و غبار مبارزه کرده است [ 32 ، 33 ، 34 ، 35.]. از سوی دیگر، تعدادی از کارشناسان بر این باور بودند که برنامه های جنگل کاری ممکن است در مناطق نیمه خشک و خشک عملکرد خوبی نداشته باشد و شواهد کافی برای حمایت از اظهارات مبنی بر اینکه برنامه احیای محیط زیست در مقیاس بزرگ ممکن است اثرات مثبتی بر کاهش بیابان زایی داشته باشد وجود نداشت. طوفان های گرد و غبار [ 31 ]. در نتیجه، برآورد پویایی تخریب زمین و تمایز بعد انسانی بسیار مهم است. تحقیقات قبلی نشان می دهد که رویکردهای مبتنی بر NDVI برای ارزیابی تخریب زمین باید به طور مداوم در مناطق مختلف جغرافیایی تایید شوند [ 36]]. تا کنون، در چین، تجزیه و تحلیل روند برای تخمین پویایی تولید پوشش گیاهی مشروط نشده است و عوامل مستعد تخریب زمین به روشی منظم و بدون ابهام در چنین مقیاس بلندمدت و ملی شناسایی نشده اند. مناسب بودن و اعتبار RESTREND، به ویژه زمانی که در مناطق مختلف خشک یا نیمه خشک اعمال می شود، هنوز باید تخمین زده شود. بنابراین، اهداف این مطالعه (1) ارزیابی پویایی تخریب زمین با استفاده از فصل رشد ΣNDVI بود. (2) تجزیه و تحلیل روابط بین ΣNDVI و داده های هواشناسی (بارش و دما). و (3) تخریب زمین ناشی از انسان را از اثرات آب و هوایی متمایز می کند.

2. مواد و روشها

2.1. منطقه مطالعه

دولت چین TNSFP را برای کاشت جنگل‌های سرپناه در سراسر شمال چین برای مبارزه با تخریب شدید محیط‌زیست از سال 1979 آغاز کرده است. و از 33 درجه و 30 دقیقه تا 50 درجه و 12 دقیقه شمالی ( شکل 1 ). این کشور بیشتر شمال چین را در بر می گیرد، با فاصله 4480 کیلومتری از شهرستان بین استان هیلونگجیانگ در شرق تا گذرگاه کوه Wuzibieli در غرب و دامنه ای از 560 تا 1440 کیلومتر از جنوب به شمال. مساحت کل 4.069 میلیون کیلومتر مربع است که تقریباً 42.4 درصد از مساحت چین را تشکیل می دهد [ 9 ].
منطقه مورد مطالعه شامل اقلیم های خشک، نیمه خشک و نیمه خشک نیمه مرطوب است که میزان بارش از شرق به غرب و از جنوب به شمال کاهش می یابد و از کمتر از 50 میلی متر تا بیش از 400 میلی متر متغیر است. تفاوت دما در سراسر منطقه، همراه با میانگین دمای سالانه از -9.7 درجه سانتیگراد در شمال شرقی به 14 درجه سانتیگراد در جنوب، و با میانگین دما در بیشتر مناطق بین 2-8 درجه سانتیگراد کاهش می یابد. ارتفاع از شرق به غرب افزایش می یابد، شامل دشت ها، فلات ها و کوه ها می شود [ 37 ]. خشکسالی ها و سیل ها مکرراً رخ می دهند، زیرا محیط زیست محیطی شکننده است، زمان تابش خورشید طولانی تر است، بارندگی کمتر است و فعالیت های انسانی در منطقه TNSFP بیشتر متمرکز شده است [38 ] .

2.2. مجموعه داده NDVI

محصولات NDVI مورد استفاده در این مطالعه مجموعه داده های NDVI مدل سازی و نقشه برداری موجودی جهانی (GIMSS) از سال 2006-1982 بود. محصولات NDVI از گروه GIMSS بر اساس برآوردهای NOAA/AVHRR با وضوح مکانی 8 کیلومتر و وضوح زمانی 15 روزه به دست آمد. اصلاحات هندسی، تشعشعی و جوی بر اساس روش های [ 39 ، 40 ] انجام شد و سپس برای هر روز و هر تصویر مسیر، خطوط بد و ابرها حذف شدند. علاوه بر این، از روش ترکیبی حداکثر مقدار (MVC) برای حذف تأثیر ابرها، جو و زاویه ارتفاع خورشیدی استفاده شد. برای انعکاس مناسب‌تر پوشش گیاهی، محصولات NDVI در کل فصل رشد جمع‌آوری شدند و حداقل و حداکثر مقادیر حذف شدند.26 ].

2.3. داده های اندازه شناسی

داده های بارندگی و دما توسط شبکه ای متشکل از 120 ایستگاه هواشناسی ارائه شده توسط مرکز ملی اطلاعات هواشناسی چین جمع آوری شد. داده ها برای هر دوره 10 روزه از سال در هر ایستگاه میانگین گیری شد. بارش مجموع فصل رشد (آوریل-اکتبر) در اینجا به عنوان اندازه‌گیری مورد استفاده قرار گرفت، زیرا رابطه قوی با فصل رشد خلاصه شده NDVI [ 7 ، 41] داشت.]. سپس سطوح بارندگی و دمای شبکه‌بندی شده منطقه مورد مطالعه با استفاده از مدل‌های رگرسیون خطی چندگانه با لایه‌های متغیر مستقل (ارتفاع، عرض جغرافیایی، طول جغرافیایی) برای هر ایستگاه هواشناسی ایجاد شد. انحرافات (خطاهای استاندارد برآورد) معادله رگرسیون در کل مساحت با استفاده از وزن دهی معکوس فاصله بین یابی شدند. داده های اقلیمی پیش بینی شده با ارتفاع، عرض جغرافیایی و طول جغرافیایی بر اساس داده های DEM (1 کیلومتر) محاسبه شد. نتایج حاصل از داده های اقلیمی برابر با مجموع لایه های انحراف و مقادیر پیش بینی شده بود. داده‌های اقلیمی برای مطابقت با داده‌های GIMMS با استفاده از الگوریتم نمونه‌گیری مجدد دوخطی نمونه‌برداری شدند.

2.4. تحلیل روند

روندهای زمانی ΣNDVI با استفاده از شیب Theil-Sen (Sen) تجزیه و تحلیل شد، که یک تخمین آماری غیر پارامتریک قوی از بزرگی روند است و به ویژه نسبت به مقادیر پرت کوچک و مقادیر نویزهای از دست رفته حساس نیست [42 ، 43 ] . اهمیت آماری روند شیب سن با استفاده از آزمون معناداری Mann-Kendall (MK) مورد آزمایش قرار گرفت که به طور گسترده برای تجزیه و تحلیل روند سری های طولانی مدت با داده های غیر نرمال اعمال می شود [7 ، 41 ، 44 ] . آستانه امتیاز z با استفاده از آزمون معناداری 1.96 در سطح اطمینان 95% (0.05 = α) در طول زمان بود که هم معناداری و هم جهت روند را ارائه می‌کرد. الگوریتم توسط زبان توصیف رابط پیاده سازی شد.

2.5. روش همبستگی

همبستگی بین NDVI و عوامل آب و هوایی (بارندگی و دما) با استفاده از روش رگرسیون حداقل مربعات بر اساس هر پیکسل برای دوره 1982-2006 محاسبه شد [ 45 ]. اهمیت آماری با استفاده از ضرایب همبستگی پیرسون در سطح اطمینان 90 درصد (α = 0.1) مورد آزمایش قرار گرفت. از آنجایی که تولید پوشش گیاهی ممکن است به افزایش خطی با بارندگی ادامه ندهد، مقادیر بارندگی با تبدیل لگاریتمی تغییر کرد [ 44 ، 46 ]. اگر ضریب همبستگی بیشتر از 0.3 بود ( F-آزمون، 0.1 = α، درجات آزادی: 23)، در نظر گرفته شد که NDVI بین سالانه همبستگی قوی با عوامل اقلیمی دارد. برای نشان دادن توزیع جغرافیایی روابط، اهمیت ضریب همبستگی پیرسون ترسیم شد.

2.6. روش RESTREND

اگر بتوان اثرات آب و هوایی قابل توجه را از روندهای بلندمدت NDVI حذف کرد، تخریب زمین ناشی از انسان ممکن است متمایز شود [ 25 ، 29 ]. روش RESTREND به طور گسترده در حذف عوامل از روند پوشش گیاهی، به ویژه در مقیاس های بزرگ، استفاده شد و بر اساس این شرایط کلی است که تولید پوشش گیاهی با عوامل تأثیر (بارش و دما) در اکوسیستم های خشک یا نیمه خشک همبستگی مثبت دارد [2 ] . رگرسیون بین فصل رشد خلاصه NDVI و ورود به سیستمه آرآمن��آللبرای هر پیکسل در ناحیه فوق محاسبه شد. سپس از مدل آماری برای تولید مقادیر پیش‌بینی‌شده NDVI تجمعی در هر پیکسل استفاده شد. باقیمانده ها تفاوت بین مقادیر NDVI مشاهده شده و پیش بینی شده بودند و برای تشخیص روند در طول زمان مورد تجزیه و تحلیل قرار گرفتند. اگر روند کاهشی قابل توجهی از باقیمانده ها وجود داشت، احتمالاً از فعالیت های انسانی ناشی می شد. در غیر این صورت، اگر باقیمانده ها در طول زمان روندی را نشان نمی دادند، کاهش تولید پوشش گیاهی به عوامل اقلیمی مانند بارندگی و دما نسبت داده می شد.

3. نتایج

3.1. NDVI دینامیک انباشته شده

مقدار شیب سن برای محصولات NDVI انباشته شده در فصل رشد با استفاده از روش تحلیل روند برای دوره های 1982-2006 محاسبه شد ( شکل 2 ). روند تولید پوشش گیاهی به طور کلی مثبت بود که با میانگین تغییر NDVI در هر سال نشان داده شده است ( شکل 3 ). با این وجود، میانگین NDVI (R = 0.22، P = 0.50) روند افزایش قابل توجهی را نشان نداد. شکل 2نشان می دهد که بیشتر روندهای مثبت در مناطق شمال غرب و شمال شرق منطقه مورد مطالعه بوده است. روند مثبت در شمال غرب عمدتا در کوه های تیانشان و مناطق واحه رودخانه تاریم بود. و روندهای مثبت در شمال شرقی در استان هیلونگجیانگ، جیلین و هبی قرار داشتند. با این حال، مناطق کوچک در این مناطق روند منفی داشتند، به طور عمده در استان لیائونینگ و فلات لس.
برای از بین بردن تأثیر غیر رویشی، انواع کاربری های سکونتگاهی و زمین های زراعی با استفاده از زمین در سال 2005 پوشانده شدند. روندهای قابل توجه پوشش گیاهی با آزمون MK در 25 سال گذشته آزمایش شدند، با نتایج نشان داد که 13.00 درصد از TNSFP به طور قابل توجهی افزایش یافت و 6.20٪ به طور قابل توجهی در سطح اطمینان 95٪ کاهش یافت ( شکل 4 ).

3.2. روابط بین NDVI و داده های آب و هوایی

3.2.1. روابط بین NDVI و بارش

شکل 5 توزیع جغرافیایی همبستگی معنی دار بین NDVI جمع شده و بارش را در سطح اطمینان 90 درصد برای دوره زمانی 1982-2006 نشان می دهد. تجزیه و تحلیل آماری نشان داد که 41.34٪ از پیکسل ها دارای همبستگی مثبت بودند، 14.42٪ از آنها به طور قابل توجهی همبستگی مثبت داشتند و عمدتاً در شمال استان سین کیانگ و بیشتر استان مغولستان داخلی قرار داشتند (شکل 5، جدول 1 ) .

3.2.2. رابطه بین NDVI و دما

توزیع فضایی همبستگی معنی دار بین NDVI جمع شده و دمای میانگین سالانه در سطح اطمینان 90 درصد برای دوره 1982-2006 ترسیم شد ( شکل 6 ). توزیع نشان داد که NDVI به طور معنی داری با میانگین دما برای اکثر پیکسل ها همبستگی ندارد. تجزیه و تحلیل آماری نسبت نشان داد که تنها 2.42٪ از پیکسل ها به طور معنی داری همبستگی مثبت داشتند و همبستگی منفی معنی دار 1.88٪ بود ( جدول 2 ).
نتایج این مطالعه و تحقیقات قبلی [ 9 ] نشان می‌دهد که همبستگی بین NDVI و بارش قوی‌تر از همبستگی بین NDVI و دما بود. بسیاری از محققان [ 2 ، 9 ، 46 ، 47 ، 48 ] کمبود آب در مناطق خشک یا نیمه خشک را بیان کرده اند که در نتیجه بارش عامل اصلی آب و هوایی تولید پوشش گیاهی است. نتیجه گیری شد که بارش مهمترین عامل اقلیمی تولید پوشش گیاهی در منطقه TNSFP است.

3.3. تخریب زمین ناشی از عوامل انسانی

از آنجایی که روش RESTREND بر این فرض استوار بود که بین تولید پوشش گیاهی و عوامل آب و هوایی رابطه قوی وجود دارد، از بارندگی برای شبیه‌سازی تأثیر طبیعی بر تولید پوشش گیاهی استفاده شد [30] .]. از آنجایی که همه مناطق به طور قابل توجهی از نظر بارش ΣNDVI همبستگی نداشتند، یک رویکرد شیب ترکیبی RESTREND-ΣNDVI برای تشخیص بهره‌وری پوشش گیاهی ناشی از انسان استفاده شد. در مرحله اول، جایی که بارندگی تأثیر مثبت غالب بر تولید پوشش گیاهی داشت، بهره‌وری پوشش گیاهی ناشی از انسان با روش RESTREND شناسایی شد. ثانیاً، اهمیت شیب ΣNDVI توسط فعالیت‌های انسانی القا شد، که در آن بارندگی تأثیر منفی غالب بر تولید پوشش گیاهی داشت. ثالثاً، در جایی که بارش ΣNDVI روند آماری معنی‌داری را نشان نمی‌دهد، تغییرات معنی‌دار شیب ΣNDVI عمدتاً توسط عوامل انسانی ایجاد شده است. در نهایت، تخریب زمین ناشی از انسان از طریق تحلیل همپوشانی نتایج فوق در سیستم اطلاعات جغرافیایی (GIS) به دست آمد ( شکل 7 ).
مناطق بازسازی عمدتاً در بخش شمالی استان سین کیانگ، بخش شمال شرقی استان چینگهای و در امتداد یک کرانه شمال شرقی به جنوب غربی در امتداد مرز استان مغولستان داخلی قرار داشتند. مناطق تخریب عمدتاً در فلات Loess و یک کرانه شمال شرقی به جنوب غربی در استان سین کیانگ بودند. علاوه بر این، درصد تغییرات قابل توجه تولید پوشش گیاهی را که توسط عوامل انسانی افزایش/کاهش یافتند، خلاصه کردیم ( جدول 3 ). درصد تغییرات در نواحی با افزایش معنی‌دار 93/11 درصد و در مناطق کاهش‌یافته 93/11 درصد بود.
برای تشخیص اثرات حذف تغییرپذیری بارندگی بر تولید پوشش گیاهی برای سال‌های جداگانه، تجزیه و تحلیل پروفایل دو نمونه (a, b در شکل 7 ) بین باقیمانده‌ها و بارندگی بر اساس پیکسل‌های 3×3 انجام شد ( شکل 8 ). نمونه a در کشور هوان در استان گانسو قرار داشت، جایی که تخریب زمین به دلیل چرای بیش از حد دام جدی بود. نمونه b در بخش جنوبی سرزمین شنی هورقین قرار داشت، جایی که پوشش گیاهی به طور آشکار به دلیل برنامه ای که زمین های زراعی را به جنگل تبدیل می کرد، افزایش یافت.
از آنجایی که برنامه پایش پوشش گیاهی در سطح کشور نادر است، تأیید اینکه آیا مناطقی که نشان دهنده روند باقیمانده منفی هستند واقعاً در مقیاس ملی در چنین دوره زمانی طولانی تخریب می شوند، بسیار دشوار بود [18 ] . وضوح فضایی بالاتر داده‌های لندست برای بررسی کیفی روندها با استفاده از ترکیب رنگ کاذب (FCC) استفاده شد. با توجه به زمان متفاوت گرفتن تصویر، کالیبراسیون رادیومتریک بر اساس MODTRAN 4 (الگوریتم انتقال اتمسفر با وضوح طیف متوسط ​​و مدل کامپیوتری نسخه 4) انجام شد. زمان هر تصویر نزدیک به ابتدا و انتهای سری زمانی انتخاب شد. شکل 9 بازسازی با تغییرات مثبت را در شمال شرقی استان چینگهای نشان می دهد و شکل 10تخریب زمین با تغییرات منفی در میانه استان مغولستان داخلی را نشان می دهد.

4. بحث

4.1. روند فعالیت پوشش گیاهی در منطقه TNSFP

تولید پوشش گیاهی در اکثر مناطق منطقه TNSFP افزایش کلی را در 25 سال گذشته نشان داد، که نشان می دهد برنامه احیای اکولوژیکی موثر بوده است. توزیع پوشش گیاهی و نتیجه روند تغییر مطابق با ادبیات قبلی بود که از اندازه‌گیری‌های میدانی مستقیم [ 49 ] یا ANPP استفاده می‌کرد. این نتیجه نشان می دهد که استفاده از ΣNDVI به عنوان یک پروکسی ANPP یک روش عملی برای ارزیابی الگوی پوشش گیاهی در اکوسیستم است [ 9 ، 50 ]. نتیجه آزمون روندهای ناپارامتریک MK در این مطالعه با سایر نتایج با رگرسیون خطی بسیار شبیه بود [ 9]]. با این وجود، استفاده از روش‌های ناپارامتریک در تحلیل روند توصیه می‌شود زیرا آنها نه تنها تمام مفروضات را برآورده می‌کنند، بلکه از نظر داده‌های سری زمانی ماهواره‌ای نیز قوی‌تر هستند.

4.2. تأثیر عوامل آب و هوایی بر تولید پوشش گیاهی

به طور کلی، تغییرات در تولید پوشش گیاهی به طور دائم با تغییرات آب و هوا در مقیاس های مکانی و زمانی مختلف در نتیجه دلایل اقلیمی و انسانی مرتبط بوده است [ 51 ، 52 ]. در منطقه مورد مطالعه، اکثر پیکسل ها همبستگی مثبت و معناداری را بین NDVI و بارش نشان دادند، اما رابطه بین NDVI و دما ضعیف بود. این یافته با بسیاری از مطالعات قبلی که نشان می داد تولید پوشش گیاهی در مناطق خشک یا نیمه خشک نسبت به تغییرات بارندگی بسیار حساس است مطابقت داشت [ 27 ، 53]]. افزایش دما تأثیرات دوگانه داشت، زمانی که آب به اندازه کافی در دسترس بود، افزایش دما باعث بهبود کارایی فتوسنتز و افزایش بهره وری پوشش گیاهی شد. از سوی دیگر، گرم شدن هوا باعث افزایش تبخیر و تعرق و حتی خشکسالی به ویژه در مناطق خشک یا نیمه خشک شد و در نتیجه نرخ فتوسنتز را کاهش داد. علاوه بر این، شمال چین تحت تأثیر خشکسالی های شدید در سال های 2000 و 2001 قرار گرفت [ 54 ، 55 ]. در نتیجه، بارش عامل اصلی آب و هوا در بهره وری پوشش گیاهی، به ویژه در مناطق خشک یا نیمه خشک بود.

4.3. تأثیر فعالیت های انسانی بر تولید پوشش گیاهی

نتایج تجزیه و تحلیل تمایل باقیمانده نشان داد که فعالیت های انسانی تأثیر مثبت بیشتری بر تغییر پوشش گیاهی دارد. TNSFP دوره های برنامه را از 1978 تا 2010 به چهار دوره (1978-1985، 1986-1995، 1996-2000، و 2001-2010) تقسیم کرد. شکل 1 الف نشان می دهد که باقیمانده مثبت دارای نظم آشکاری با دوره های زمانی است. برنامه احیای محیط زیست عمده ترین فعالیت انسانی در این مقیاس بود، با برنامه هایی مانند مدیریت علفزار. تبدیل زمین زراعی به علفزار یا جنگل؛ و جنگل کاری و احیای جنگل با بستن تپه یا بذرکاری هوایی. علاوه بر این، اثرات منفی فعالیت های غیرمنطقی انسان زایی، مانند چرای بی رویه و احیاء، می تواند اثرات مثبت برنامه احیای اکولوژیکی بر تولید پوشش گیاهی در این مناطق را خنثی کند.شکل 1 ب).
رابطه معنی دار بین تولید پوشش گیاهی و بارندگی، فرض اساسی روش RESTREND بود. اختلالات شدید انسانی می تواند نوع پوشش گیاهی و توزیع مجدد موضعی آب را تغییر دهد که ممکن است این رابطه را تضعیف کند [ 56 ]. اگر تخریب وجود داشته باشد، این رابطه همچنین به طور کلی تولید پوشش گیاهی پیش‌بینی‌شده را در روش RESTREND جدا می‌کند، که میزان تخریب را کم‌ارزش می‌کند [ 30 ].

4.4. محدودیت ها

مقیاس‌های مکانی و زمانی سری‌های زمانی می‌توانند بر نتایج تحلیل روند باقی‌مانده تأثیر بگذارند. وضوح فضایی درشت مجموعه داده سنجش از دور (GIMMS) مورد استفاده در این مطالعه با در دسترس بودن داده ها در مقیاس های زمانی محدود شد. از آنجایی که داده‌های وضوح درشت ممکن است برخی از جزئیات حیاتی را نادیده بگیرند، استفاده از داده‌های با مقیاس دقیق‌تر می‌تواند دقت تجزیه و تحلیل را بهبود بخشد و قدرت و نتایج قابل تشخیص بهتری را ارائه دهد [ 57 ]. نتایج تخریب در نزدیکی آغاز یا پایان سری‌های زمانی دست‌کم گرفته شد، زیرا تشخیص روندهای منفی در باقیمانده‌ها زمانی که در دو سال اول یا آخر سری‌های زمانی اتفاق می‌افتد بسیار دشوار است [58 ، 59 ] .
اعتبار تجزیه و تحلیل روند یکی دیگر از مسائل بسیار مهم و یک نگرانی عمده است که به مجموعه داده زیست توده میدانی مکانی و زمانی قابل مقایسه نیاز دارد. با این حال، به ندرت امکان اندازه گیری مستقیم میدانی در این مقیاس های بزرگ وجود داشت. رویکرد شبیه سازی ارائه شده توسط Wessels و همکاران. [ 30 ] ممکن است جهت توسعه یک روش اعتبارسنجی منسجم و گسترده را ارائه دهد.
به دلیل فقدان داده های مشاهداتی مرتبط، رویکرد ما ارزش مرجع تخریب زمین را به صورت کمی تعیین نکرد یا انواع عوامل انسانی را تجزیه و تحلیل نکرد. بنابراین، هنوز چالش هایی برای مطالعات آینده در مورد تخمین کمی و علت تخریب زمین در TNSFP وجود دارد.

5. نتیجه گیری ها

این مقاله تغییرات در روند تولید پوشش گیاهی را بر اساس یک سری بلند مدت از AVHRR NDVI بین سالانه در منطقه TNSFP چین بررسی کرد. با تجزیه و تحلیل روابط بین عوامل آب و هوایی (بارندگی و دما) و سری های زمانی NDVI در 25 سال گذشته، ما حوزه های تغییر بهره وری تحت تاثیر فعالیت های انسانی را از مناطقی که تحت تأثیر پویایی آب و هوا قرار دارند، متمایز کردیم.
نتایج اصلی بدست آمده در مطالعه به شرح زیر خلاصه می شود:

  • تولید پوشش گیاهی منطقه TNSFP یک روند کلی مثبت را از سال 1982 تا 2006 نشان داد: با نسبت قابل توجهی 13.00٪ و 47٪ با روندهای پایدار.
  • همبستگی مثبت قابل توجهی بین NDVI و بارش نسبت به NDVI و دما وجود داشت. بنابراین، بارش تأثیر زیادی بر رشد پوشش گیاهی داشت، به طوری که 41.34 درصد از پیکسل ها با بارش همبستگی مثبت داشتند، با 14.42 درصد در سطح معنی داری 95 درصد.
  • نتایج نشان داد که روش RESTREND همراه با تحلیل روند، ابزار مفیدی برای کنترل اثرات بارندگی به منظور تشخیص تخریب زمین ناشی از انسان است. روند افزایشی ظاهری در 11.93٪ از پیکسل ها نشان داده شد، و تنها 6.19٪ از پیکسل ها تخریب آماری قابل توجهی را نشان دادند، که نشان می دهد برنامه بازسازی زیست محیطی در منطقه TNSFP موثر بود.

اختصارات

در این نسخه از اختصارات زیر استفاده شده است:

ANPP
بهره وری اولیه خالص بالای زمین
DEM
مدل دیجیتال ارتفاع
EO
رصد زمین
FCC
کامپوزیت رنگ کاذب
GIS
سیستم اطلاعات جغرافیایی
GIMSS
مطالعات مدلسازی و نقشه برداری موجودی جهانی
MK
مان کندال
MVC
ترکیب حداکثر ارزش
NDVI
شاخص گیاهی تفاوت نرمال شده
NPP
تولید اولیه خالص
RESTREND
روند باقیمانده
RUE
راندمان استفاده از باران
سن
تیل سن
TNSFP
برنامه جنگل پناهگاه سه شمال

منابع

  1. رینولدز، جی اف. استافورد اسمیت، DM; لامبین، EF; ترنر، BL; مورتیمور، ام. Batterbury، SPJ; داونینگ، TE; دولت آبادی، ح. فرناندز، RJ; هریک، جی. و همکاران بیابان‌زایی جهانی: ایجاد علمی برای توسعه زمین‌های خشک Science 2007 , 316 , 847-851. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  2. Wessels, KJ; شاهزاده، SD; مالهرب، جی. کوچک، جی. فراست، پلی اتیلن؛ VanZyl، D. آیا تخریب زمین ناشی از انسان از اثرات تغییرپذیری بارندگی قابل تشخیص است؟ مطالعه موردی در آفریقای جنوبی J. محیط خشک. 2007 ، 68 ، 271-297. [ Google Scholar ] [ CrossRef ]
  3. بای، ZG; Dent، DL; اولسون، ال. Schaepman، ME Proxy ارزیابی جهانی تخریب زمین. مدیریت استفاده از خاک 2008 ، 24 ، 223-234. [ Google Scholar ] [ CrossRef ]
  4. Le، QB; تمنه، ال. Vlek، PLG ارزیابی چند جانبه تخریب زمین در غرب آفریقا برای ارزیابی اهمیت لقاح اتمسفر در پوشاندن فرآیندهای درگیر. گلوب. سیاره. چانگ. 2012 ، 92-93 ، 71-81. [ Google Scholar ] [ CrossRef ]
  5. پیکاپ، جی. برآورد اثرات تخریب زمین و تغییرات بارندگی بر بهره وری در مراتع: رویکردی با استفاده از سنجش از دور و مدل های چرا و پویایی علف. J. Appl. Ecol. 1996 ، 33 ، 819-832. [ Google Scholar ] [ CrossRef ]
  6. اکرت، اس. هوسلر، اف. Liniger، H.; Hodel، E. تحلیل روند سری زمانی MODIS NDVI برای تشخیص تخریب و بازسازی زمین در مغولستان. J. محیط خشک. 2015 ، 113 ، 16-28. [ Google Scholar ] [ CrossRef ]
  7. شاهزاده، SD; دی کولستون، ای بی. Kravitz، LL شواهد به دست آمده از راندمان استفاده از باران، بیابان زایی وسیع ساحلی را نشان نمی دهد. گلوب. چانگ. Biol. 1998 ، 4 ، 359-374. [ Google Scholar ] [ CrossRef ]
  8. Duan، HC; Yan، CZ; سونکاوا، ا. آهنگ، X. لی، اس. Xie، JL ارزیابی پویایی پوشش گیاهی در منطقه جنگلی پناهگاه سه شمالی چین با استفاده از داده های AVHRR NDVI. محیط زیست علوم زمین 2011 ، 64 ، 1011-1020. [ Google Scholar ] [ CrossRef ]
  9. Vu، QM؛ Le، QB; Vlek، PLG نقاط کانونی کاهش بهره وری زیست توده ناشی از انسان و انواع اجتماعی-اکولوژیکی آنها در جهت حمایت از سیاست ملی و مطالعات محلی در مورد مبارزه با تخریب زمین. گلوب. سیاره. چانگ. 2014 ، 121 ، 64-77. [ Google Scholar ] [ CrossRef ]
  10. مبو، سی. برانت، ام. اودراگو، آی. دی لیو، جی. مارشال، ام. چهار دهه رصد زمین چه چیزی در مورد تخریب زمین در ساحل به ما می گوید؟ Remote Sens. 2015 ، 7 ، 4048–4067. [ Google Scholar ] [ CrossRef ]
  11. ورون، اس آر. پارولو، جی.ام. Oesterheld، M. ارزیابی بیابان زایی. J. محیط خشک. 2006 ، 66 ، 751-763. [ Google Scholar ] [ CrossRef ]
  12. دی یونگ، آر. دی بروین، اس. شاپمن، ام. Dent، D. نقشه برداری کمی از تخریب زمین جهانی با استفاده از مشاهدات زمین. بین المللی J. Remote Sens. 2011 ، 32 ، 6823-6853. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  13. پیکاپ، جی. باستین، GN; جویدن، ارزیابی شرایط مبتنی بر سنجش از دور VH برای مراتع غیرتعادل تحت چرای تجاری در مقیاس بزرگ. Ecol. Appl. 1994 ، 4 ، 497-517. [ Google Scholar ] [ CrossRef ]
  14. فنشولت، آر. راسموسن، ک. کسپرسن، پ. هوبر، اس. هوریون، اس. Swinnen، E. ارزیابی تخریب/بازیابی زمین در ساحل آفریقا از رابطه بهره وری اولیه و بارش بر اساس مشاهدات طولانی مدت زمین. Remote Sens. 2013 ، 5 ، 664-686. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  15. هولم، AM؛ کریدلند، جنوب غربی؛ Roderick، ML استفاده از داده های NOAA NDVI و بارندگی ادغام شده با زمان برای ارزیابی تخریب چشم انداز در بوته زارهای خشک استرالیای غربی. سنسور از راه دور محیط. 2003 ، 85 ، 145-158. [ Google Scholar ] [ CrossRef ]
  16. لیو، اس ال. وانگ، T. بیابان زایی بادی از اواسط دهه 1970 تا 2005 در زمین شنی اوتینداگ، شمال چین. محیط زیست جئول 2007 ، 51 ، 1057-1064. [ Google Scholar ] [ CrossRef ]
  17. شاهزاده، SD; بکر رشف، آی. Rishmawi، K. تشخیص و نقشه برداری از تخریب طولانی مدت زمین با استفاده از مقیاس بندی خالص تولید محلی: کاربرد در زیمبابوه. سنسور از راه دور محیط. 2009 ، 113 ، 1046-1057. [ Google Scholar ] [ CrossRef ]
  18. فنشولت، آر. Rasmussen، K. تجزیه و تحلیل روند در ساحلی “بازده استفاده از باران” با استفاده از Gimms NDVI، RFE و داده های بارش GPCP. سنسور از راه دور محیط. 2011 ، 115 ، 438-451. [ Google Scholar ] [ CrossRef ]
  19. پاتر، CS; Randerson، JT; فیلد، CB; Matson، PA; Vitousek، PM; مونی، HA; Klooster، SA تولید اکوسیستم زمینی – یک مدل فرآیندی مبتنی بر داده‌های ماهواره‌ای و سطحی جهانی. گلوب. بیوژئوشیمی. Cycles 1993 , 7 , 811-841. [ Google Scholar ] [ CrossRef ]
  20. یوان، جی جی؛ نیو، ز. وانگ، توزیع NPP گیاهی CL بر اساس داده های MODIS و مدل CASA – مطالعه موردی استان هبی شمالی. چانه. Geogr. علمی 2006 ، 16 ، 334-341. [ Google Scholar ] [ CrossRef ]
  21. پتورلی، ن. ویک، جو. میسترود، ا. گیلارد، جی.ام. تاکر، سی جی; Stenseth، NC استفاده از NDVI مشتق شده از ماهواره برای ارزیابی پاسخ های اکولوژیکی به تغییرات محیطی. Trends Ecol. تکامل. 2005 ، 20 ، 503-510. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  22. Wessels, KJ; شاهزاده، SD; زامباتیس، ن. مک فادین، س. فراست، پلی اتیلن؛ ون زیل، دی. رابطه بین زیست توده علفی و رادیومتر با وضوح بسیار بالا 1 کیلومتر (2) پیشرفته (AVHRR) NDVI در پارک ملی کروگر، آفریقای جنوبی. بین المللی J. Remote Sens. 2006 ، 27 ، 951-973. [ Google Scholar ] [ CrossRef ]
  23. فنشولت، آر. لانگانکه، تی. راسموسن، ک. رینبرگ، ا. شاهزاده، SD; تاکر، سی. اسکولز، RJ; Le، QB; بوندو، آ. ایستمن، آر. و همکاران سرسبزی در مناطق نیمه خشک در سراسر جهان 1981-2007 – تجزیه و تحلیل مبتنی بر ماهواره بر روی زمین از روندها و محرک ها. سنسور از راه دور محیط. 2012 ، 121 ، 144-158. [ Google Scholar ] [ CrossRef ]
  24. آرچر، ERM فراتر از بن بست “اقلیم در مقابل چرا”: استفاده از سنجش از دور برای بررسی اثرات انتخاب سیستم چرا بر پوشش گیاهی در کارو شرقی. J. محیط خشک. 2004 ، 57 ، 381-408. [ Google Scholar ] [ CrossRef ]
  25. نظرات Wessels, KJ در مورد “ارزیابی جهانی پروکسی تخریب زمین” توسط bai و همکاران. (2008). مدیریت استفاده از خاک 2009 ، 25 ، 91-92. [ Google Scholar ] [ CrossRef ]
  26. هرمان، اس ام؛ آنیامبا، ا. Tucker, CJ روندهای اخیر در پویایی پوشش گیاهی در ساحل آفریقا و رابطه آنها با آب و هوا. گلوب. محیط زیست چانگ 2005 ، 15 ، 394-404. [ Google Scholar ] [ CrossRef ]
  27. لی، SH; Xiao، JT; Xu، WB; یان، HM مدل سازی تولید اولیه ناخالص در حوضه رودخانه هیه و تجزیه و تحلیل عدم قطعیت. بین المللی J. Remote Sens. 2012 ، 33 ، 836-847. [ Google Scholar ] [ CrossRef ]
  28. ایوانز، جی. Geerken, R. تبعیض بین آب و هوا و تخریب زمین های خشک ناشی از انسان. J. محیط خشک. 2004 ، 57 ، 535-554. [ Google Scholar ] [ CrossRef ]
  29. Wessels, KJ; ون دن برگ، ف. Scholes, RJ محدودیت هایی برای تشخیص تخریب زمین با تجزیه و تحلیل روند داده های شاخص پوشش گیاهی. سنسور از راه دور محیط. 2012 ، 125 ، 10-22. [ Google Scholar ] [ CrossRef ]
  30. وانگ، XM; ژانگ، سی ایکس؛ هاسی، ای. Dong, ZB آیا برنامه کمربند جنگلی سه شمال مشکلات بیابان زایی و طوفان گرد و غبار را در چین خشک و نیمه خشک حل کرده است؟ J. محیط خشک. 2010 ، 74 ، 13-22. [ Google Scholar ] [ CrossRef ]
  31. وانگ، جی. اینس، جی ال. لی، جی اف. دای، سی. وو، بوم شناسی جنوب غربی – اصلاحات جنگلداری چین. Science 2007 ، 318 ، 1556-1557. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  32. لیو، جی جی. لی، اس ایکس; اویانگ، زی. تام، سی. چن، XD اثرات زیست محیطی و اجتماعی-اقتصادی سیاست های چین برای خدمات اکوسیستم. Proc. Natl. آکادمی علمی ایالات متحده آمریکا 2008 ، 105 ، 9477-9482. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  33. یانگ، XH; Ci, LJ درباره «چرا تلاش‌های جنگل‌کاری در مقیاس بزرگ در چین نتوانسته مشکل بیابان‌زایی را حل کند» اظهار نظر کند. محیط زیست علمی تکنولوژی 2008 ، 42 ، 7722-7723. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  34. یین، RS; یین، GP برنامه های اولیه چین برای بازسازی اکوسیستم زمینی: شروع، اجرا و چالش ها. محیط زیست مدیریت 2010 ، 45 ، 429-441. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  35. Vogt، JV; سافریل، یو. فون مالتیتز، جی. سوکونا، ی. زوگمور، آر. باستین، جی. هیل، جی. پایش و ارزیابی تخریب زمین و بیابان زایی: به سوی رویکردهای مفهومی و یکپارچه جدید. Land Degrad Dev. 2011 ، 22 ، 150-165. [ Google Scholar ] [ CrossRef ]
  36. لیو، LY; تانگ، اچ. کاکتا، پی. Lehmann، EA; هو، ی. Wu، XL نقشه برداری جنگل کاری و جنگل زدایی از سال 1974 تا 2012 با استفاده از پشته های سری زمانی Landsat در ناحیه یولین، یک منطقه کلیدی از منطقه پناهگاه سه شمالی، چین. محیط زیست نظارت کنید. ارزیابی کنید. 2013 ، 185 ، 9949-9965. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  37. چونگ، DLS؛ موگین، ای. Gastelluetchegorry، JP ارتباط شاخص پوشش گیاهی جهانی با بهره وری اولیه خالص و تبخیر و تعرق واقعی در آفریقا. بین المللی J. Remote Sens. 1993 ، 14 ، 1517-1546. [ Google Scholar ] [ CrossRef ]
  38. تاکر، سی جی; پینزون، جی. براون، من؛ Slayback، DA; پاک، EW; ماهونی، آر. Vermote، EF; El Saleous، N. مجموعه داده NDVI 8 کیلومتری avhrr که با داده‌های MODIS و SPOT پوشش گیاهی NDVI سازگار است. بین المللی J. Remote Sens. 2005 ، 26 ، 4485-4498. [ Google Scholar ] [ CrossRef ]
  39. پیائو، اس. یین، جی. تان، جی. چنگ، ال. هوانگ، ام. لی، ی. لیو، آر. مائو، جی. Myneni، RB; پنگ، اس. و همکاران تشخیص و نسبت روند سبز شدن پوشش گیاهی در چین در 30 سال گذشته گلوب. چانگ. Biol. 2015 ، 21 ، 1601-1609. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  40. یانگ، ایکس. لیو، اس. یانگ، تی. خو، X. کانگ، سی. تانگ، جی. وی، اچ. غبرزگابهر، م.گ. لی، زی. پویایی فضایی-زمانی پوشش گیاهی بیابان و پاسخ آن به تغییرات آب و هوایی طی سه دهه گذشته: مطالعه موردی منطقه هکسی در شمال غربی چین. J. Arid Land 2016 ، 8 ، 556-568. [ Google Scholar ] [ CrossRef ]
  41. وانگ، جی. قیمت، KP; غنی، PM الگوهای فضایی NDVI در پاسخ به بارش و دما در دشت های بزرگ مرکزی. بین المللی J. Remote Sens. 2001 , 22 , 3827-3844. [ Google Scholar ] [ CrossRef ]
  42. Theil, H. روشی با رتبه ثابت تحلیل رگرسیون خطی و چند جمله ای. در نظریه و روش شناسی اقتصاد سنجی ; Springer: آمستردام، هلند، 1950; صص 386-392. [ Google Scholar ]
  43. Sen, PK برآورد ضریب رگرسیون بر اساس تاو کندال. مربا. آمار دانشیار 1968 ، 63 ، 1379-1389. [ Google Scholar ] [ CrossRef ]
  44. میلیچ، ال. تصاویر ویس، E. GAC NDVI: رابطه با بارندگی و تبخیر احتمالی در چراگاه‌های گورما (شمال ساحل) و در زمین‌های زراعی مرز نیجر-نیجریه (ساحل جنوبی). بین المللی J. Remote Sens. 2000 , 21 , 261-280. [ Google Scholar ] [ CrossRef ]
  45. رادرفورد، MC روابط بارندگی سالانه تولید گیاهی در مناطق خشک و نیمه خشک. اس افر. J. Sci. 1980 ، 76 ، 53-56. [ Google Scholar ]
  46. Rosenzwe، ML بهره وری اولیه خالص جوامع زمینی – پیش بینی از داده های اقلیم شناسی. صبح. نات. 1968 ، 102 ، 67-74. [ Google Scholar ] [ CrossRef ]
  47. Lehouerou، HN; Bingham, RL; Skerbek, W. رابطه بین تغییرپذیری تولید اولیه و تغییرپذیری بارندگی سالانه در اراضی خشک جهان. J. محیط خشک. 1988 ، 15 ، 1-18. [ Google Scholar ]
  48. جی، ال. پیترز، AJ یک روش رگرسیون فضایی برای ارزیابی رابطه بین AVHRR-NDVI و آب و هوا در دشت های بزرگ شمالی. بین المللی J. Remote Sens. 2004 ، 25 ، 297-311. [ Google Scholar ] [ CrossRef ]
  49. نیش، جی. چن، آ. پنگ، سی. ژائو، اس. Ci, L. تغییرات در ذخیره‌سازی کربن زیست توده جنگلی در چین بین سال‌های 1949 و 1998. Science 2001 , 292 , 2320-2322. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  50. Wu، ZT; وو، جی جی. لیو، جی اچ. او، بی. لی، تی جی; وانگ، QF افزایش فعالیت پوشش گیاهی زمینی برنامه احیای اکولوژیکی در منطقه منبع شن و ماسه پکن-تیانجین چین. Ecol. مهندس 2013 ، 52 ، 37-50. [ Google Scholar ] [ CrossRef ]
  51. عدالت، CO; Hiernaux، PHY نظارت بر مراتع ساحل با استفاده از NOAA AVHRR data-niger 1983. Int. J. Remote Sens. 1986 ، 7 ، 1475-1497. [ Google Scholar ] [ CrossRef ]
  52. پیائو، اس ال. نیش، جی. ژو، LM; Guo، QH; هندرسون، ام. جی، دبلیو. لی، ی. تائو، S. تغییرات بین سالانه شاخص گیاهی تفاوت نرمال شده ماهانه و فصلی (NDVI) در چین از سال 1982 تا 1999. J. Geophys. Res. اتمس. 2003 ، 108 ، 1-13. [ Google Scholar ] [ CrossRef ]
  53. چن، جی اس. تیان، مقر; ژانگ، سی. لیو، ام ال. رن، دبلیو. زو، WQ; چاپلکا، ق. قبل، SA; Lockaby، GB خشکسالی در ایالات متحده جنوبی در طول قرن بیستم: تغییرپذیری و تأثیرات آن بر بهره‌وری اکوسیستم زمینی و ذخیره‌سازی کربن. صعود چانگ. 2012 ، 114 ، 379-397. [ Google Scholar ] [ CrossRef ]
  54. پیائو، اس ال. سیایس، پی. هوانگ، ی. شن، ژ. پنگ، اس اس. لی، جی اس؛ ژو، LP; لیو، هی؛ ما، YC; دینگ، YH; و همکاران اثرات تغییرات آب و هوایی بر منابع آب و کشاورزی در چین طبیعت 2010 ، 467 ، 43-51. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  55. باریوپدرو، دی. Gouveia، CM; Trigo، RM; وانگ، L. خشکسالی 2009/10 در چین: علل و اثرات احتمالی بر پوشش گیاهی. J. Hydrometeorol. 2012 ، 13 ، 1251-1267. [ Google Scholar ] [ CrossRef ]
  56. بویانتویف، آ. وو، جی. شهرنشینی الگوهای مکانی و زمانی تولید اولیه اکوسیستم را تغییر می دهد: مطالعه موردی منطقه شهری ققنوس، ایالات متحده. J. محیط خشک. 2009 ، 73 ، 512-520. [ Google Scholar ] [ CrossRef ]
  57. Higginbottom، TP; Symeonakis، E. ارزیابی تخریب زمین و بیابان زایی با استفاده از داده های شاخص پوشش گیاهی: چارچوب های فعلی و جهت گیری های آینده. Remote Sens. 2014 , 6 , 9552–9575. [ Google Scholar ] [ CrossRef ]
  58. شاهزاده، SD; Wessels, KJ; تاکر، سی جی; نیکلسون، SE بیابان زایی در ساحل: تفسیر مجدد از یک تفسیر مجدد. گلوب. چانگ. Biol. 2007 ، 13 ، 1308-1313. [ Google Scholar ] [ CrossRef ]
  59. هاین، ال. د ریدر، ن. هیرنو، پی. لیمانز، آر. د ویت، ا. Schaepman، M. بیابان زایی در ساحل: به سوی محاسبه بهتر پویایی اکوسیستم در تفسیر تصاویر سنجش از دور. J. محیط خشک. 2011 ، 75 ، 1164-1172. [ Google Scholar ] [ CrossRef ]
Ijgi 05 00158 g001 1024
شکل 1. نقشه موقعیت منطقه مورد مطالعه در چین.
Ijgi 05 00158 g002 1024
شکل 2. الگوی فضایی شیب Sen سری زمانی NDVI در فصول رشد از 1982-2006.
Ijgi 05 00158 g003 1024
شکل 3. تغییرات بین سالانه میانگین NDVI در فصل رشد از 1982-2006 در منطقه TNSFP.
Ijgi 05 00158 g004 1024
شکل 4. الگوی فضایی تغییر قابل توجه برای NDVI انباشته شده در فصول رشد از 1982-2006.
Ijgi 05 00158 g005 1024
شکل 5. ارتباط معنی دار NDVI انباشته شده با ورود به سیستمه آرآمن��آللبرای فصول رشد
Ijgi 05 00158 g006 1024
شکل 6. همبستگی قابل توجهی بین NDVI انباشته شده و دمای میانگین سالانه از 1982-2006.
Ijgi 05 00158 g007 1024
شکل 7. الگوی فضایی تغییرات قابل توجه در تولید پوشش گیاهی ناشی از فعالیت های انسانی.
Ijgi 05 00158 g008 1024
شکل 8. روند باقیمانده ها در برابر بارندگی در هر فصل رشد برای نمونه های معمولی ترسیم شده است: ( الف ) مکان کاهش قابل توجه برای باقیمانده ها. ( ب ) محل افزایش قابل توجه باقیمانده ها.
Ijgi 05 00158 g009 1024
شکل 9. تغییرات مثبت قابل توجه تولید پوشش گیاهی توسط فعالیت های انسانی در شمال شرقی استان چینگهای: ( الف ) تصویر MSS در ژوئن 1977. و ( ب ) تصویر TM در ژوئن 2006.
Ijgi 05 00158 g010 1024
شکل 10. تغییرات منفی قابل توجه تولید پوشش گیاهی توسط فعالیت های انسانی در وسط استان مغولستان داخلی: ( الف ) تصویر MSS در سپتامبر 1977. و ( ب ) تصویر TM در سپتامبر 2006.
جدول
جدول 1. آمار همبستگی معنی دار بین NDVI انباشته شده و بارندگی.
جدول
جدول 2. آمار همبستگی معنی دار بین NDVI انباشته شده و دمای میانگین سالانه.
جدول
جدول 3. آمار اثرات قابل توجه برای تغییر پوشش گیاهی ناشی از انسان.

;کاربردهای GISمقالات

آموزش کاربردی ArcGISالهام ابراهیم زادهکاربرد جی ای اسکاربرد جی ای اس در زمین شناسی

بدون نظر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

همواره حمایت دانشجویان عزیزمان همراه ما بوده و این سببب شده که گامی محکم به‌سوی ایجاد یک مرجع برای آموزش GIS برداریم. با این امید که بتوانیم قدردان حمایت شما بزرگواران باشیم.

  • خانه
  • آموزش
  • فیلم آموزشی
  • تماس با ما
  • درباره ما
  • وبلاگ
  • سمنان /خیابان کاشانی/ساختمان فناوری اطلاعات/پ 8
  • 09120049370