با همکاری انجمن هیدرولیک ایران

نوع مقاله : مطالعه موردی

نویسندگان

1 گروه بیابان‌زدایی، دانشکده کویرشناسی، دانشگاه سمنان، سمنان، ایران

2 مرکز تحقیقات پژوهشگاه فضایی ایران، تهران، ایران

3 موسسه آموزش و ترویج کشاورزی، سازمان تحقیقات آموزش و ترویج کشاورزی، تهران، ایران

چکیده

فرین‌‏های اقلیمی شکل شدیدتر از تغییرات اقلیمی هستند و موجب برهم زدن سازوکارهای معمول می‏‌شود. در این پژوهش اثر مقادیر فرین‌‏های بارش بر روند تغییرات پوشش‏ گیاهی جنوب شرق ایران بررسی شد. نمایه‌‏‏های فرین بارش باتوجه‌‏‏به نیازهای محلی و ماهیت اقلیمی منطقه مورد مطالعه انتخاب شد. این نمایه‌‏ها با استفاده از داده‌‏های روزانه بارش ایستگاه‏‏‌های منطقه مورد مطالعه در یک بازه زمانی 21 ساله از سال 2000 تا 2020 میلادی با استفاده از نرم‌‏‏افزار RclimDex استخراج شد. برای تحلیل روند تغییرات سالانه پوشش گیاهی از شاخص NDVI داده‏‏‌های مربوط به تصاویر ماهواره‏ای مودیس استفاده شد. همچنین از روش شبکه عصبی پرسپترون چند لایه برای بررسی رابطه بین تغییرات نمایه‌‏های فرین بارش بر تغییرات پوشش گیاهی استفاده شد. نتایج نشان داد شاخص NDVI از نظر مکانی با حرکت از شرق به غرب منطقه روند افزایشی دارد. مناطق با NDVI کم در بخش‏‌های شرقی، جنوبی و شمالی و مناطق با NDVI زیاد در غرب منطقه مورد مطالعه مشاهده شد. روند تغییرات شاخص NDVI تنها در ایستگاه رودان (P-value = 0.01) و کهنوج (P-value = 0.0001) معنادار و صعودی بود. روند کلی نشان‌دهنده افزایش فرین‌‏های بارش در طول دوره مطالعه بود. نمایه‌‏های فرین بارش SDII ،Rx1 و PRCPTOT بیشترین تاثیر را بر روند تغییرات پوشش گیاهی منطقه جنوب شرق ایران دارند. بررسی جامع چگونگی تاثیر و روند تغییرات نمایه‌‏های فرین بارش بر پوشش گیاهی منطقه جنوب شرق ایران به گسترش شیوه‌‏های پایدار مدیریت تغییرات اقلیمی منجر می‏‌شود.

کلیدواژه‌ها

موضوعات

آذرخشی، مریم، فرزادمهـر، جلیل، اصـلاح، مهدی، و صـحابی، حسین. (1392). بررسی روند تغییرات سالانه و فصلی بارش و عوامـل دمـا در مناطق مختلف آب و هوایی ایران. مجله منابع طبیعی ایران، 66(1)، 1-16. https://doi.org/10.22059/jrwm.2013.35324
رحیم‌‏بیگی، نرگس، زرین، آذر، مفیدی، عباس، و داداشی رودباری، عباسعلی. (1400). تحلیل پراکنش فصلی بارش‏‏های فرین در ایران با استفاده از پایگاه AgERA5. مجله تحقیقات آب و خاک ایران، 52(11)، 2737-2724. https://doi.org/10.22059/ijswr.2021.333263.669118
زندی، رحمان، انتظاری، علیرضا، باعقیده، محمد، و خسرویان، مریم. (1400). ارزیابی خشکسالی و تأثیرات آن بر پوشش گیاهی در مناطق جنوبی ایران. مجله پژوهش‌‏های دانش زمین، 12(2)، 49-36.  https://doi.org/10.52547/esrj.12.2.36
شوشتری، شریف، اسماعیلی ساری، عباس، حسینی، سید محسن، و غلامعلی فرد، مهدی. (1397). کاربرد روش پرسپترون چند لایه شبکه عصبی مصنوعی در مدل‏سازی تغییرات کاربری اراضی شرق استان مازندران. مجله جغرافیا و برنامه‌‏ریزی محیطی، 29(72)، 144-125. https://doi.org/10.22108/gep.2019.97390.0
فیروزی، فاطمه، طاوسی، تقی، و محمودی، پیمان. (1397). بررسی رابطه آماری بین متغیرهای اقلیمی، هیدرولوژیک و پویایی پوشش گیاهی در دشت سیستان. مجله مدیریت بیابان، 6(11)، 111-99. https://doi.org/10.22034/jdmal.2018.32326
گرشاسبی، پرویز، توفیقی، اکرم، صباغی، محمد، و مشفقی کوجل، افروز. (1399). بررسی اثر اجرای پروژه‌‏های بیولوژیک حفاظت خاک بر رطوبت و دمای خاک با استفاده از تکنیک‌‏های سنجش از دور در منطقه دهنو شهرستان هندیجان استان خوزستان. چهارمین کنفرانس ملی حفاظت از خاک و آبخیزداری با محوریت گرد و غبار. پژوهشکده حفاظت خاک و آبخیزداری، تهران.
نجیب‌‏زاده، نازنین، قادری، کوروش، و احمدی، محمد مهدی. (1398). بهره‏‌گیری از روش‏های رگرسیون بردار پشتیبان و شبکه عصبی مصنوعی در مدل‏سازی بارش رواناب (مطالعه موردی: حوضه آبریز سد صفارود). مجله آبیاری و زهکشی ایران، 12(6)، 1709-1720. https://dor.isc.ac/dor/20.1001.1.20087942.1398.13.6.15.1
Abbas, A., He, Q., Jin, L., Li, J., Salam, A., Lu, B., & Yasheng, Y. (2021). Spatial-Temporal Changes of Land Surface Temperature and the Influencing Factors in the Tarim Basin, Northwest China. Remote Sensing, 13, 3792. https://doi.org/10.3390/rs13193792
Alexander, L. V., Zhang, X., Peterson, T. C., Caesar, J., Gleason, B., Klein Tank, A. M. G. & Tagipour, A. (2006). Global observed changes in daily climate extremes of temperature and precipitation. Journal of Geophysical Research: Atmospheres, 111(D5). https://doi.org/10.1029/2005JD006290
Bai, X., Lanhui, Z., Chansheng, He., & Yi, Z. (2020). Estimating regional soil Moisture distribution based on NDVI and LST time series data in the upstream of the Haihe river watershed, Northwest China. Remote Sensing, 12 (15), 2414 -2427. https://doi.org/10.3390/rs12152414
Deng, Y., Wang, S., Bai, X., Tian, Y., Wu, L., Xiao, J., & Qian, Q. (2018). Relationship among land surface temperature and LUCC, NDVI in typical karst area. Scientific Reports, 8(1), 641. https://doi.org/10.1038/s41598-017-19088-x
Efthymios, T., & Athanasios, A. (2019). Uniform mixture model in the case of regression. Annals of Operations Research, 289, 1-7. http://dx.doi.org/10.1007/s10479-019-03475-w
Jiang, D., Zhang, H., & Zhang, Y. (2022). Interannual variability and correlation of vegetation cover and precipitation in Eastern China. Theoretical and Applied Climatology, 118, 93–105. https://doi.org/10.1007/s00704-013-1054-2
Liu, L., He, G., & Wu, M. (2023). Climate change impacts on planned supply–demand match in global wind and solar energy systems. Nature Energy, 8, 870–880. https://doi.org/10.1038/s41560-023-01304-w
Li, H., Hu, Y., & Ao, Z. (2024). Identification of critical drought thresholds affecting vegetation on the Mongolian Plateau. Ecological Indicators, 166, 112507. https://doi.org/10.1016/j.ecolind.2024.112507
Na, L., Na, R., Zhang, J., Tong, S., Shan, Y., Ying, H., Li, X., & Bao, Y. (2018). Vegetation Dynamics and Diverse Responses to Extreme Climate Events in Different Vegetation Types of Inner Mongolia. Atmosphere, 9(10), 394-410. http://dx.doi.org/10.3390/atmos9100394
Shen, G., Chen, N., Wang, W., & Chen, Z. (2019). Improving the Climate Hazards Group Infrared Precipitation (CHIRP) using WHU-SGCC method over the Jinsha River Basin from 1990 to 2014. PANGAEA. https://doi.org/10.5194/essd-11-1711-2019
Wang, W., Samat, A., Abuduwaili, J., Ge, Y., De Maeyer, P., & Van de Voorde, T. (2022). Temporal characterization of sand and dust storm activity and it’s climatic and terrestrial drivers in the Aral Sea regio. Atmospheric Research, 275, 10624. https://doi.org/10.1016/j.atmosres.2022.106242
Zhang, X., Chen, Y., Zhang, Q., Xia, Z., Hao, H., & Xia, Q. (2023). Potential evapotranspiration determines changes in the carbon sequestration capacity of forest and grass ecosystems in Xinjiang, Northwest China. Global Ecology and Conservation, 48, e02737. https://doi.org/10.1016/j.gecco.2023.e02737
CAPTCHA Image