دوره 6، شماره 12 - ( پاییز و زمستان 1397 )                   جلد 6 شماره 12 صفحات 39-49 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Karimi M, Oladi Ghadikolaei J, Mohammadi J. Investigating the Vegetation Changes in the Internal and External Dust Storm Sources using MODIS Satellite Imagery (Case Study: Kermanshah Province). ifej. 2018; 6 (12) :39-49
URL: http://ifej.sanru.ac.ir/article-1-256-fa.html
کریمی مهسا، اولادی قادیکلایی جعفر، محمدی جهانگیر. بررسی تغییرات پوشش‌گیاهی در کانون‌های داخلی و خارجی ریزگردها با استفاده از تصاویر ماهواره‌ای MODIS (مطالعه موردی: استان کرمانشاه) . بوم شناسی جنگل های ایران (علمی- پژوهشی). 1397; 6 (12) :39-49

URL: http://ifej.sanru.ac.ir/article-1-256-fa.html


دانشگاه علوم کشاورزی و منابع طبیعی ساری
چکیده:   (979 مشاهده)
پوشش ­گیاهی یکی از مهم­ترین مؤلفه ­های بوم­ سازگان می­ باشد که نقش مهمی در حفاظت خاک و جلوگیری از بلند شدن ذرات آن دارد. لذا پایش و بررسی تغییرات آن در برنامه­ ریزی به ­منظور کنترل و مهار پدیده ریزگردها مؤثر است. هدف از تحقیق حاضر بررسی تغییرات پوشش ­گیاهی در کانون­ های داخلی و خارجی ریزگردهای استان کرمانشاه و همچنین نواحی گسترش ریزگردها می ­باشد. بدین منظور ابتدا داده­ های میزان دید افقی در ساعات مختلف شبانه­ روز در دوره آماری (2015-2005) از اداره کل هواشناسی استان کرمانشاه اخذ شد و سال­های 2008 و 2009 و همچنین ماه­ های اردیبهشت، خرداد و تیر به­ دلیل داشتن بیشترین فراوانی وقوع روزهای همراه با ریزگردها مبنای مطالعه قرار گرفت. در مرحله بعد مهم­ترین رخدادهای همراه با ریزگردها در سال­ ها و ماه­ های مبنا براساس دو معیار کمترین دید افقی و بیشترین تداوم زمانی انتخاب شد و تصویر ماهواره ­ای مودیس (MOD02) برای آنها اخذ شد. به ­منظور آشکارسازی ریزگردها از روش اختلاف دمای درخشندگی باندهای حرارتی استفاده شد. سپس تغییرات پوشش­گیاهی با استفاده از محصول MOD09 Q1 سنجنده مودیس و شاخص NDVI در بازه­ های زمانی سه ساله و در کلاسه­ های پوششی خوب، متوسط و ضعیف بررسی شد. نتایج این مطالعه نشان داد که در سال 2006 مساحت کلاسه پوشش ­گیاهی خوب در کانون ­های خارجی و داخلی به­ترتیب 8/1% و 25/28% بوده اما در سال 2015 مساحت این کلاسه در هر دو نوع کانون خارجی (87/0%) و داخلی (62/18%) کاهش یافته است. به­ طورکلی با توجه به نقش ارزنده پوشش ­گیاهی در حفاظت خاک می­توان با حفظ، احیاء و گسترش آن به­ ویژه در مناطقی که مطابق با نتایج این پژوهش دچار کاهش سطح شده گامی مؤثر در جهت کنترل و مهار پدیده ریزگردها برداشت.
متن کامل [PDF 1509 kb]   (386 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سنجش از دور
دریافت: 1397/4/19 | پذیرش: 1397/6/3 | انتشار: 1397/9/18

فهرست منابع
1. Ackerman, S.A. 1997. Remote sensing aerosols using satellite infrared observations. Journal of Geophysical Research, 102: 17069-17080. [DOI:10.1029/96JD03066]
2. Azizi, Gh., A.A. Shamsipour, M. Miri and T. Safarrad. 2012. Statistical analysis-synoptic phenomenon of dust in the western half of Iran. Ecology, 38(3): 123-134 )In Persian(.
3. Baddock, M.C., J.E. Bullard and R.G. Bryant. 2009. Dust source identification using MODIS: A comparison of techniques applied to the Lake Eyre Basin Australia. Remote Sensing of Environment, 113: 1511-1528. [DOI:10.1016/j.rse.2009.03.002]
4. Bahrami, H.A., M. Jalali, A. Darvishi Bolorany and R. Azizi. 2013. The spatial modeling of the time of storm storms in Khuzestan province. Iranian Remote Sensing and GIS, 5(2): 95-114 )In Persian(.
5. Bayat, R., S. Jafari, B. Ghermezcheshmeh and A.H. Charkhabi. 2016. Studying the effect of dust on vegetation changes (case study: Shadegan Wetland, Khuzestan). RS and GIS for Natural Resources, 7(2): 17-32) In Persian(.
6. Cao, H., J. Liu, G. Wang, G. Yang and L. Luo. 2015. Identification of sand and dust storm source areas in Iran. Journal of Arid Land, 7(5): 567-578. [DOI:10.1007/s40333-015-0127-8]
7. Fallah Zzooli, M., A. Vafaei Nezhad, M.M. Kheirkhah Zarkesh and F. Ahmadi Dehkae. 2014. Synoptic monitoring and analysis of dust phenomena using remote sensing and GIS (case study: Dust 18 June 2012). Geographical Information Scientific-Research Quarterly Periodical, 23(91): 69-80 )In Persian(.
8. Frarajzadeh, M. and M. Kavosi. 2014. The evaluation of vegetation variations trend using linear regression methods and change vector analysis. Geography and Environmental Planning, 25(4): 69-82) In Persian(.
9. Godı'nez-Alvarez, H., J.E. Herrick, M. Mattocks, D. Toledo and J. Van Zee. 2009. Comparison of three vegetation monitoring methods: their relative utility for ecological assessment and monitoring. Ecological Indicators, 9: 1001-1008. [DOI:10.1016/j.ecolind.2008.11.011]
10. Hua, N.P., F. Kobayashi, Y. Iwasaka, G.Y. Shi and T. Naganuma. 2007. Detailed identification of desertoriginated bacteria carried by Asian dust storms to Japan. Aerobiologia, 23(4): 291-298. [DOI:10.1007/s10453-007-9076-9]
11. Huang, J., J. Ge and F. Weng. 2007. Detection of Asian dust storms using multisensor satellite easurements. Remote Sensing Environment, 110: 186-191. [DOI:10.1016/j.rse.2007.02.022]
12. Jahanbakhsh, S., Kh. Valizadeh, M. Khosravi, B. Zeinali and S. Asghari. 2014. Identifying and detecting the Hurricane of Iran 1 July 2008 using the MODIS sensor. Geographical Space Scientific-Research Quarterly Periodical, 46(14): 31-50 )In Persian(. [DOI:10.1177/0069477008323720]
13. Jensen, R., J. Gatrell, J. Boulton and B. Harper. 2004. Using remote sensing and geographic information systems to study urban quality of life and urban forest amenities. Ecology and Society, 9(5): 5. [DOI:10.5751/ES-01201-090505]
14. Karimi, Kh., H. Taheri Shahr Aeini, M. Habibi Nokhandan and N. Hafezi Moghadas. 2011. Identifying the origins of dust storm production in the Middle East using remote sensing. Journal of Clinical Research, 2(7-8): 57-72 )In Persian(.
15. Karimi, M., K. Shahedi and M. Byzedi. 2015. Analysis of hydrological drought using constant threshold level method (case study: Karkheh River Basin, Iran). Journal of Watershed Management Research, 6(11): 59-72 )In Persian(.
16. Krishna, T.M., G. Ravikumar and M. Krishnaveni. 2009. "Remote sensing based agricultural drought assessment in Palar Basin of Tamil Nadu State, India". Journal of the Indian Society of Remote Sensing, 37: 9-20. [DOI:10.1007/s12524-009-0008-8]
17. Li, X., L. Ge, Y. Dong and H.C. Chang. 2010. Estimating the greatest dust storm in eastern Australia with MODIS satellite images. Published by IEEE. [DOI:10.1109/IGARSS.2010.5649212]
18. Madhavan, S., J.J. Qu and X. Hao. 2017. Saharan dust detection using multi-sensor satellite measurements. Heliyon, http://dx.doi.org/10.1016/j.heliyon.2017.e00241. [DOI:10.1016/j.heliyon.2017.e00241]
19. Marvie Mohadjer, M.R. 2007. Silviculture. Second Edition, University of Tehran Press, 387 pp )In Persian(.
20. Masrouri, E., Sh. Shataei, M.H Moayeri, J. Soosani and R. Bagheri. 2015. Modeling of forest degradation extend using physiographic and socio-economic variables (case study: A part of Kaka-Reza District in Khoram-Abad). Ecology of Iranian Forests, 3(5): 20-30 )In Persian(.
21. Mehrabi, Sh., S. Soltani and R. Jafari. 2015. Investigating the relationship between climatic parameters and occurrence of dust. Journal of Agricultural Science and Technology, Water and Soil Science, 19(71): 69-80 )In Persian.( [DOI:10.18869/acadpub.jstnar.19.71.69]
22. Mie, D., L. Xiushan, S. Lin and W. Ping. 2008. A dust-storm process dynamic monitoring with multi-temporal MODIS data. The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, 10(7): 965-969.
23. Mirzaei Zadeh, V., A. Mahdavi, A. Karmshahi and A.A. Jaefarzadeh. 2015. Application of an integrated CA-Markov model in simulating spatiotemporal changes in forest cover: a case study of Malekshahi county forests, Ilam province. Ecology of Iranian Forests, 3(5): 42-52 )In Persian(.
24. Munson, S.M., R.H. Webb and A. Hubbard. 2011. A comparison of methods to assess longterm changes in Sonoran desert vegetation. Journal of Arid Environments, 75: 1228-1231. [DOI:10.1016/j.jaridenv.2011.04.032]
25. Nastagdori, L., D. Jugder and Y. Schung. 2002. Analysis of dust storms observed. Mongolia during 1937-1999, 12 pp. [DOI:10.1016/S1352-2310(02)01023-3]
26. Ochirkhuyag, L. and R. Tsolmon. 2008. Monitoring the source of trans-national dust storms north east Asia. The international archives of the photogrammetry, Remote Sensing and Spatial Information Sciences, 10(7): 835-840.
27. Pourreza, M., J.D. Shaw and H. Zangeneh. 2008. Sustainability of Wild Pistachio (Pistacia atlantica Desf.) in Zagros forests, Iran. Forest Ecology and Management, 225: 3667-3671. [DOI:10.1016/j.foreco.2008.01.057]
28. Reiji, K., L. Bai and J. Wang. 2009. Relationships among dust outbreaks, vegetation cover, and surface soil water content on the Loess Plateau of China, 1999-2000. Catena, 77(3): 292-296. [DOI:10.1016/j.catena.2009.02.016]
29. Rezaei Moghadam, M.H. and M. Mahdian Boroujeni. 2015. Determination of the dust using NOAA satellite AVHRR (case study: South-West of Iran). Geography and Environmental Sustainability, 5(17): 1-13) In Persian(.
30. Sauer, T. and J.D. Ries. 2008. Vegetation cover and geomorphodynamics on abandoned fields in the Central Ebro Basin (Spain). Geomorphology, 102: 267-277. [DOI:10.1016/j.geomorph.2008.05.006]
31. Scheer, L. and R. Sitko. 2007. Assessment of some forest characteristics employing IKONOS satellite data. Journal of Forest Science, 53 pp. [DOI:10.17221/2181-JFS]
32. Shamsipour, A.A. and T. Safarrad. 2012. Satellite and synoptic analysis of dust storm in western half of Iran (case study: July 2009). Natural Geography Research, 44(79): 111-126) In Persian(.
33. Tamassoki, E., A. Khoorani, A. Dervishi Bolorany and A. Nohegar. 2016. Monitoring and predicting the occurrence of dust storms using Dwarves data, spatial information system and terrestrial data based on the study of changes in vegetation and climatic elements (case study: south and south east of Iran). Iranian Remote Sensing and GIS, 7(4): 27-44 )In Persian(.
34. Tan, M. and X. Li. 2015. Does the green great wall effectively decrease dust storm intensity in China? a study based on NOAA NDVI and weather station data. Land Use Policy, 43: 42-47. [DOI:10.1016/j.landusepol.2014.10.017]
35. Thenkabail, P.S., R.B. Smith and E. De Pauw. 2002. Evaluation of narrow band and broadband vegetation indices for determining optimal hyper spectral wavebands for agricultural crop characterization. Photogrammetric Engineering and Remote Sensing, 68(6): 607-621.
36. Tucker, C.J. 1979. Red and photographic infrared linear combinations for monitoring vegetation. Remote Sensing of Environment, 8(2): 127-150. [DOI:10.1016/0034-4257(79)90013-0]
37. Wu, Zh., J. Wu, J. Liu, B. He, T. Lei and Q. Wang. 2013. Increasing terrestrial vegetation activity of ecological restoration program in the Beijing-Tianjin sand source region of China. Ecological Engineering, 52: 37-50. [DOI:10.1016/j.ecoleng.2012.12.040]
38. Youssef, F., G. Erpul, P. Bogman, W.M. Cornelis and D. Gabriels. 2008. Determination of efficiency of Vaseline slide and Wilson and Cooke sediment traps by wind tunnel experiments. Environmental Geology, 55(4): 741-750. [DOI:10.1007/s00254-007-1027-9]
39. Yue, H., Ch. He, Y. Zhao, Q. Ma and Q. Zhang. 2017. The brightness temperature adjusted dust index: An improved approach to detect dust storms using MODIS imagery. International Journal of Applied Earth Observation and Geoinformation, 57: 166-176. [DOI:10.1016/j.jag.2016.12.016]
40. Zhang, Y., Ch. Peng, W. Li, L. Tian, Q. Zhu, H. Chen, X. Fang, G. Zhang, G. Liu, X. Mu, Zh. Li, Sh. Li, Y. Yang, J. Wang and X. Xiao. 2016. Multiple afforestation programs accelerate the greenness in the 'Three North' region of China from 1982 to 2013. Ecological Indicators, 61(2): 404-412. [DOI:10.1016/j.ecolind.2015.09.041]
41. Zhou, X.K., P.M. Zhai. 2004. Relationship between vegetation coverage and spring dust storms over northern China. Geophysical Research, 109: 987-993. [DOI:10.1029/2003JD003913]

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به بوم‏شناسی جنگل‏های ایران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2020 All Rights Reserved | Ecology of Iranian Forest

Designed & Developed by : Yektaweb