این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
اطلاعات جغرافیایی (سپهر)، جلد ۲۶، شماره ۱۰۲، صفحات ۱۲۷-۱۳۷
عنوان فارسی برآورد تغییرات جنگل براساس عوامل اقلیمی با استفاده ازتصاویر ماهواره ای
چکیده فارسی مقاله پوشش گیاهی ارتباط زیادی با شرایط اقلیمی دارد. شناسایی تغییرپذیری فصلی رشد گیاه برای شناسایی پاسخ اکوسیستم‌ها به تغییر اقلیم در مقیاس‌های زمانی فصلی و بین سالیانه تعیین کننده است. برای ارائه مدل پیش‌بینی 7 عنصر آب و هوایی شامل بارش، دما و رطوبت‌نسبی (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 می‌افتد که اوج سبزینگی است. کمترین همبستگی در زمستان به‌خاطر نبود رشد کافی درختان می‌باشد. ضریب همبستگی سالانه مقدار مدل با حالت محاسباتی با در نظر گرفتن خطای تصادفی بیش از 93/0 می‌باشد. در مجموع مقدار محاسباتی ماه می و ژوئن برای سال‌های 2004 و 2005 به ضریب همبستگی مدل نزدیک است، اما در ماه‌های زمستان به دلیل نبود سبزینگی ضریب همبستگی کم می‌شود. در سال 2006 به دلیل خشکی شدیدتر در اواخر بهار (ماه ژوئن) پیش‌بینی 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 می‌شود. فصل پاییز از نقش بارش کاسته و دما افزوده می‌شود.
کلیدواژه‌های فارسی مقاله NDVI، جنگل، عناصر آب و هوایی، ایران،
عنوان انگلیسی Predicting forest changes based on climatic factors by using satellite images
چکیده انگلیسی مقاله Cover vegetation is much related to climatic conditions. Recognition of seasonal variability the vegetation growth is important to determine the ecosystems response to climate change in seasonal and interannual scales. In this research, to produce the predicted model, we used from climatic factors (precipitation, temperature and relative humidity (maximum, mean, minimum) during 20 years (1987-2006), and these data (141 weather stations) interpolated. So, calculate monthly the maximum value composite of NDVI from NOAA-AVHRR images that same during. Then, have computed Multivariate Least Squares regression from climatic factors (independent variables) and NDVI (dependent variable). The result show, most correlation between climatic factors and NDVI is about of 0.82 and occurring in May, that is highest growth. The lowest correlation is occurring in winters, because is not growing. The annual correlation in calculated model is more than 0.93 with inter the accidental errors. Totally, the calculated NDVI for May and Jun in during 2004-2005 years is close to predicted model, but in winters are distances from together. For the severe drought are lower predicted in 2006 at spring (Jun). In winter the role of temperature is more than precipitation and relative humidity in predicted model, but in earlier of May the role of precipitation and relative humidity is positive and temperature is negative, because is increasing temperature and decrease of precipitation and relative humidity. In autumn, is increasing the role of temperature and decrease the role of precipitation in predicted model.
کلیدواژه‌های انگلیسی مقاله NDVI, Forest, Climatic factors, Iran
نویسندگان مقاله علی احمدآبادی |
استادیار ژئومورفولوژی، دانشکده جغرافیای دانشگاه خوارزمی
سازمان اصلی تایید شده: دانشگاه خوارزمی (Kharazami university)

امان اله فتح نیا |
استادیار اقلیم شناسی، گروه جغرافیای دانشگاه رازی کرمانشاه
سازمان اصلی تایید شده: دانشگاه رازی (Razi university)

سعید رجایی |
دانشجوی دکتری اقلیم شناسی، گروه جغرافیای دانشگاه رازی کرمانشاه
سازمان اصلی تایید شده: دانشگاه رازی (Razi university)

نشانی اینترنتی http://www.sepehr.org/article_27462_b8e672e7e7d5e739f43bdb023b170505.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/589/article-589-433129.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات