نوع مقاله : مقاله پژوهشی

نویسندگان

• جلال عبداللهی ¹
• محمدحسن رحیمیان ²
• محمدحسین ثواقبی ³

¹ عضو هیئت علمی مرکز تحقیقات کشاورزی و منابع طبیعی استان یزد

² کارشناس مرکز ملی تحقیقات شوری

³ کارشناس مرکز تحقیقات کشاورزی و منابع طبیعی استان یزد

چکیده

تنک بودن پوشش گیاهی مناطق خشک و داشتن زمینه خاکی باعث شده است که تکنیک سنجش از دور با استفاده از یک شاخص قادر به نشان دادن مقادیر واقعی درصد پوشش گیاهی نباشد و استفاده تلفیقی از شاخصهای مختلف گیاهی و خاک کارآیی بهتری داشته باشد. تعیین درصد مشارکت هر شاخص با استفاده از تجزیه و تحلیلهای آماری صورت می‌گیرد. اما بدست آمدن نقشه مناسب متغیر وابسته (پوشش گیاهی) علاوه بر همبستگی قوی آماری به ماهیت متغیر های مستقل، شرایط محیطی حاکم بر منطقه و میزان شادابی و سرسبزی گیاهان درآن سال بستگی دارد. هدف از اجرای این تحقیق بررسی محدودیتهای تصاویر ماهواره ای لندست ETM⁺ و مدل رگرسیون چند متغیره خطی جهت تهیه نقشه پوشش گیاهی مناطق خشک در دو سال با بارندگی متفاوت می‌باشد، بدین منظور با بکارگیری تلفیقی داده های ماهواره ای، شاخصهای مختلف گیاهی و خاک، فاکتورهای محیطی و اطلاعات صحرایی، اقدام به تهیه نقشه پوشش گیاهی منطقه ندوشن واقع در استان یزد شده است. جهت ایجاد رابطه مناسب بین متغیرهای مستقل و میزان پوشش گیاهی، از روش رگرسیون خطی چند متغیره استفاده شد. این کار برای دو سال مختلف از نظر میزان بارندگی (1379 به عنوان یک سال کم باران و 1381 به عنوان سال پرباران) انجام و نتایج بدست آمده مقایسه گردید.تجزیه و تحلیلهای آماری بیانگر امکان ساخت نقشه پوشش گیاهی با ضرایب تبیین تصحیح شده 3/93 و 7/90 برای سالهای 1379 و 1381 بود. ولی نتایج نهایی نشان داد که تولید نقشه مناسب پوشش گیاهی برای سال 1379 غیر ممکن است. دلیل این امر به ماهیت متغیرهای سازنده نقشه در این سال و نیز به عامل اصلی آن یعنی بارندگی مربوط شد. همچنین نتایج این تحقیق نشان داد که برقراری یک ارتباط رگرسیونی قوی، شرط لازم و کافی برای ساخت نقشه در چنین شرایطی نمی‌باشد، بلکه بدست آمدن نقشه پوشش گیاهی با دقت قابل قبول می‌تواند صحت مدل آماری مورد نظر را به اثبات برساند.

کلیدواژه‌ها

• سنجش از دور
• پوشش گیاهی
• خشکسالی
• رگرسیون چند متغیره
• سنجنده ETM+

عنوان مقاله [English]

Limitation of Landsat ETM+ employment for mapping of vegetation cover in drought conditions

نویسندگان [English]

• Jalal Abdolahi ¹
• Mohammad hasan Rahimian ²
• Mohammad hosein Savaqebi ³

چکیده [English]

Today, various indices have been developed for monitoring of vegetation cover in different climatic condition, which cause variation in aspect and spectral reflectance. Therefore, an index can give different values in different conditions. In addition, sparse vegetation and soil background are the other limitations. Hence, combination of some indices can provide sufficient real information in such areas. Contribution of each parameter can be obtained from a statistical method. However, there is no guarantee that the high correlation coefficients would get a good vegetation cover map. It depends on the originality of each predictor variable. The main objective of this study was to identify some probable limitations of Landsat ETM⁺ images for mapping of vegetation cover in arid and semi-arid zones, especially in drought conditions. In addition, it suggests a method for mapping of sparse vegetation cover in such areas. For this purpose, vegetation cover percentages were measured in two dry and rainy years (2000 and 2002) in the Nodoushan basin, Yazd, Iran. Afterwards, Landsat ETM⁺ images of two mentioned dates were acquired and different indices were derived. In addition, some environmental factor maps were generated and aligned with other variables (e.g. DEM, Slope and Aspect maps). These data were analyzed using a multiple linear regression method and built regression equations of the form: vegetation cover (%) =₁X₁+₂X₂+…+ for each year. X_i’s are independent variables (Satellite data bands, different indices and environmental factors) and’s are regression coefficients and  is a constant. According to the equations, vegetation cover maps were generated using ILWIS software capabilities. Then, their accuracies were determined. Results show that the 2002 map (rainy year) is more reliable than the 2000 map (dry year). It was also found that if a drought was occurred in the arid zones, soil background would be dominant and therefore, vegetation indices would not be able to estimate vegetation cover confidently

کلیدواژه‌ها [English]

• Remote Sensing
• Vegetation cover
• drought
• Multiple Linear Regression
• ETM+