بررسی تغییرات مؤلفه های فنولوژی پوشش گیاهی ایران در پاسخ به تغییرات اقلیمی با استفاده از NDVI سنجنده AVHRR در دوره زمانی 1982 تا 2018

سنجش‌ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی

مقاله 5، دوره 11، شماره 4 - شماره پیاپی 41، دی 1399، صفحه 87-113   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.30495/girs.2020.675970

نویسندگان

هادی زارع خورمیزی^{* 1}؛ حمیدرضا غفاریان مالمیری²

¹دانشجوی دکتری مرتع داری، دانشکده منابع طبیعی، دانشگاه تهران، تهران، ایران

²استادیار گروه جغرافیا، دانشکده علوم انسانی و اجتماعی، دانشگاه یزد، یزد، ایران

چکیده

پیشینه و هدف تغییرات آب و هوایی تأثیر منفی بر تولید محصولات کشاورزی و سیستم­ های زیست ‌محیطی کشور­های مختلف داشته است. فنولوژی پوشش گیاهی زمان وقوع رخدادهای تکرارپذیر گیاهان را در رابطه با عوامل زنده و غیرزنده توصیف می ­کند. فنولوژی یکی از حساس ­ترین شاخص ­های زیستی برای بررسی تأثیر گرمایش جهانی بر اکوسیستم ­های زمینی است، زیرا نشان‌دهنده تبادل انرژی، کربن و بخارآب بین سطوح پایین جو و بیوسفر است. تغییرات در فنولوژی گونه­ های گیاهی می­ تواند طیف گسترده­ای از تأثیرات را در فرآیندهای زیست­ محیطی و کشاورزی به همراه داشته باشد. دو رویکرد متداول برای نظارت بر فنولوژی پوشش­ های گیاهی وجود دارد. اولین رویکرد که در بسیاری از مطالعات قبلی فنولوژی استفاده‌شده است، مبتنی بر مطالعات میدانی و ثبت تغییرات سالانه رخدادهای فنولوژی در پاسخ به متغیرهای محیطی است. این رویکرد برای مقیاس ­های کوچک با تعداد سایت­ های برداشت زمینی محدود مناسب است و برای مطالعات در مقیاس وسیع نه‌تنها کارا و دقیق نیست بلکه هزینه‌بر و در برخی مناطق غیر­ممکن است. دومین رویکرد استفاده از فن­آوری سنجش‌ازدور است. تاکنون تغییرات مؤلفه‌های فنولوژی پوشش گیاهی ایران در پاسخ به تغییرات اقلیمی و گرمایش جهانی موردبررسی قرار نگرفته است. هدف از مطالعه، تعیین تغییرات هرکدام از مؤلفه‌های فنولوژی پوشش­ های گیاهی با استفاده ازسری‌های زمانی NDVI سنجنده AVHRR است.
مواد و روش­ ها در این مطالعه از محصول ­NDVI روزانه سنجنده AVHRR باقدرت تفکیک مکانی 0.05 در 0.05 درجه بانام AVH13C1 استفاده شد. به ‌منظور بررسی تغییرات مؤلفه‌های فنولوژی پوشش­ های گیاهی ایران از چهار سری زمانی یک‌ساله مربوط به سال ­های زمان گذشته (1982-1985) و زمان حال (2015-2018) استفاده شد. استخراج مؤلفه‌های فنولوژی ازسری‌های زمانی شاخص ­های پوشش گیاهی در ابتدا نیازمند یک سیگنال رشد پیوسته و بدون داده­های ازدست‌رفته و دورافتاده است. برای بازسازی داده­ های ازدست‌رفته و دورافتاده در منحنی رشد از الگوریتم HANTS استفاده شد. به ‌منظور استخراج مؤلفه‌های مختلف فنولوژی از نرم‌افزارTimesat  استفاده شد. پارامترهای زمان شروع فصل رشد، زمان پایان فصل رشد، ارزش پایه، زمان وسط فصل رشد، حداکثر ارزش، دامنه فصل رشد، ارزش در نقطه شروع فصل رشد، نرخ افزایش در دوره شروع رشد و نرخ کاهش در دوره پایان رشد با استفاده از Timesat در هر سری زمانی یک‌ساله استخراج شد و سپس میانگین چهارساله مقادیر این پارامتر­ها در سری­های زمانی گذشته با سری­ های زمانی حال مقایسه شد.
نتایج و بحث مقایسه میانگین چهارساله مؤلفه‌های فنولوژی زمان شروع فصل رشد، پایان فصل رشد، طول فصل رشد و زمان وسط فصل رشد در سطح کل ایران نشان داد این شاخص­ ها به ترتیب به میزان 12، 19، 7، 13 روز کاهش‌یافته است. تغییرات این مؤلفه‌ها در مناطق پست با ارتفاع کمتر از 1500 متر با مناطق مرتفع که شامل سلسله جبال البرز و زاگرس است؛ کاملاً متفاوت است. به‌طوری‌که زمان پایان فصل رشد، طول فصل رشد و زمان وسط فصل رشد در ارتفاعات البرز و زاگرس تقریباً از ارتفاع 1500 متر به بالا به ترتیب به‌طور میانگین به میزان 38، 46 و 19 روز کاهش‌یافته است. در مناطق پست در حاشیه خلیج‌فارس و دریای خزر مؤلفه ­های فنولوژی زمان پایان فصل رشد و طول فصل رشد تقریباً به ترتیب به میزان 40 و 44 روز افزایش‌یافته است. طولانی شدن فصل رشد به عوامل مختلف اقلیمی به‌ویژه گرم شدن کره زمین ناشی از افزایش گازهای گلخانه­ای و یا در دسترس بودن آب نسبت داده‌شده است. در ایران در اکثر مناطق زمان شروع فصل رشد به‌ویژه در ارتفاعات البرز و زاگرس که دما عامل محدودکننده در شروع رشد است، کاهش‌یافته است. همچنین زمان پایان فصل رشد و طول فصل رشد و زمان وسط فصل رشد نیز کاهش‌یافته است. این امر نشان‌دهنده این است که در مناطق خشک و نیمه­ خشک مانند ایران در مراحل میانی و پایانی رشد گیاهی، رطوبت و بارندگی عامل محدودکننده برای رشد است. در مناطقی مانند حاشیه خلیج‌فارس و دریای خزر که رطوبت کمتر عامل محدودکننده بوده است، زمان پایان فصل رشد و طول فصل رشد نیز افزایش‌یافته است. بر اساس نتایج مؤلفه‌های فنولوژی نظیر دامنه فصل رشد، حداکثر میزان رشد، ارزش پایه، ارزش در نقطه شروع رشد، نسبت افزایش در شروع فصل رشد و نسبت کاهش در پایان فصل رشد در ارتفاعات البرز و زاگرس افزایش‌یافته است و در سایر مناطق که عموماً مناطق با ارتفاع کمتر از 1500 را شامل می­شود این مؤلفه کاهش‌یافته است. به نظر می­رسد در مناطق خشک و نیمه‌خشک، فراوانی موج گرما می­تواند تبخیر و تعرق گیاه را نیز افزایش دهد که سبب کمبود رطوبت در خاک می ­شود. بنابراین در ارتفاعات که در ابتدای فصل رویش دما عامل کنترل‌کننده است، افزایش دما در سری­ های زمانی جدید منجر به افزایش رشد گیاهان و قابلیت تولید اکوسیستم شده و پارامترهای فنولوژی نظیر دامنه فصل رشد، حداکثر میزان رشد، ارزش پایه و ارزش در نقطه شروع رشد افزایش‌یافته است. اما در مناطق پست و دشتی و همچنین در اواخر دوره رشد گیاهی در ارتفاعات، افزایش دما منجر به افزایش تبخیر و تعرق شده و دامنه فصل رشد، حداکثر میزان رشد، ارزش پایه و ارزش در نقطه شروع رشد را کاهش داده است.
نتیجه ­گیری تغییرات پارامترهای فنولوژی نظیر زمان شروع فصل رشد، زمان پایان فصل رشد و طول فصل رشد می­تواند تأثیر منفی بر تولید محصولات کشاورزی و سیستم­های زیست‌محیطی کشور­ داشته است. شروع زودتر فصل رشد در سری­های زمانی سال­های اخیر نسبت به 35 سال گذشته می ­تواند تهدید مهمی برای تولید محصولات کشاورزی و باغی باشد، زیرا سرما و یخبندان از مهم‌ترین پارامترهای اقلیمی در زمینه اقلیم کشاورزی است که آسیب­های ناشی از آن‌ها، امکان تولید بسیاری از محصولات کشاورزی و باغی را در مناطق آسیب‌پذیر کاهش می ­دهد. به‌طورکلی نتایج پژوهش حاضر یک زنجیره وقایع به‌هم‌پیوسته، ناشی از تغییرات اقلیمی و افزایش دما را در مؤلفه‌های مختلف فنولوژی در ارتفاعات البرز و زاگرس و همچنین در مناطق پست و دشتی به‌ویژه در حاشیه خلیج‌فارس و دریای خزر نشان می ­دهد.

کلیدواژه‌ها

تغییرات اقلیمی؛ فنولوژی؛ فصل رشد؛ شاخص تفاضل گیاهی نرمال شده؛ سنجش‌ازدور

مراجع

Atkinson PM, Jeganathan C, Dash J, Atzberger C. 2012. Inter-comparison of four models for smoothing satellite sensor time-series data to estimate vegetation phenology. Remote Sensing of Environment, 123: 400-417. doi:https://doi.org/10.1016/j.rse.2012.04.001.

Chen A, He B, Wang H, Huang L, Zhu Y, Lv A. 2015. Notable shifting in the responses of vegetation activity to climate change in China. Physics and Chemistry of the Earth, Parts A/B/C, 87-88: 60-66. doi:https://doi.org/10.1016/j.pce.2015.08.008.

Cheng M, Jin J, Zhang J, Jiang H, Wang R. 2018. Effect of climate change on vegetation phenology of different land-cover types on the Tibetan Plateau. International Journal of Remote Sensing, 39(2): 470-487. doi:https://doi.org/10.1080/01431161.2017.1387308.

Eastman JR, Sangermano F, Machado EA, Rogan J, Anyamba A. 2013. Global trends in seasonality of normalized difference vegetation index (NDVI), 1982–2011. Remote Sensing, 5(10): 4799-4818. doi:https://doi.org/10.3390/rs5104799.

Forkel M, Migliavacca M, Thonicke K, Reichstein M, Schaphoff S, Weber U, Carvalhais N. 2015. Codominant water control on global interannual variability and trends in land surface phenology and greenness. Global Change Biology, 21(9): 3414-3435. doi:https://doi.org/10.1111/gcb.12950.

Fu YH, Piao S, Op de Beeck M, Cong N, Zhao H, Zhang Y, Menzel A, Janssens IA. 2014. Recent spring phenology shifts in western C entral E urope based on multiscale observations. Global Ecology and Biogeography, 23(11): 1255-1263. doi:https://doi.org/10.1111/geb.12210.

Ghafarian Malamiri H, Zare Khormizi H. 2017. Reconstruction of cloud-free time series satellite observations of land surface temperature (LST) using harmonic analysis of time series algorithm (HANTS). Journal of RS and GIS for Natural Resources (Journal of Applied RS & GIS Techniques in Natural Resource Science), 8(3): 37-55. (In Persian).

Guay KC, Beck PS, Berner LT, Goetz SJ, Baccini A, Buermann W. 2014. Vegetation productivity patterns at high northern latitudes: A multi‐sensor satellite data assessment. Global Change Biology, 20(10): 3147-3158. doi:https://doi.org/10.1111/gcb.12647.

Guo L, Dai J, Wang M, Xu J, Luedeling E. 2015. Responses of spring phenology in temperate zone trees to climate warming: A case study of apricot flowering in China. Agricultural and Forest Meteorology, 201: 1-7. doi:https://doi.org/10.1016/j.agrformet.2014.10.016.

Intergovernmental Panel on Climate Change (IPCC). 2014. Climate Change 2014: Impacts, Adaptation, and Vulnerability; Fifth Assessment Report on the Intergovernmental Panel on Climate Change; Cambridge University Press: Cambridge, NY, USA, 688 p.

Jeong SJ, HO CH, GIM HJ, Brown ME. 2011. Phenology shifts at start vs. end of growing season in temperate vegetation over the Northern Hemisphere for the period 1982–2008. Global change biology, 17(7): 2385-2399. doi:https://doi.org/10.1111/j.1365-2486.2011.02397.x.

Jönsson P, Eklundh L. 2004. TIMESAT-a program for analyzing time-series of satellite sensor data. Computers & Geosciences, 30(8): 833-845. doi:https://doi.org/10.1016/j.cageo.2004.05.006.

Julien Y, Sobrino JA. 2019. Optimizing and comparing gap-filling techniques using simulated NDVI time series from remotely sensed global data. International Journal of Applied Earth Observation and Geoinformation, 76: 93-111. doi:https://doi.org/10.1016/j.jag.2018.11.008.

Liu L, Liang L, Schwartz MD, Donnelly A, Wang Z, Schaaf CB, Liu L. 2015. Evaluating the potential of MODIS satellite data to track temporal dynamics of autumn phenology in a temperate mixed forest. Remote Sensing of Environment, 160: 156-165. doi:https://doi.org/10.1016/j.rse.2015.01.011.

Liu Q, Fu YH, Zhu Z, Liu Y, Liu Z, Huang M, Janssens IA, Piao S. 2016. Delayed autumn phenology in the Northern Hemisphere is related to change in both climate and spring phenology. Global Change Biology, 22(11): 3702-3711. doi:https://doi.org/10.1111/gcb.13311.

Malayeri F, Ashourloo D, Shakiba A, Matkan AA, Aghighi H. 2018. Investigating the Effects of Climate Change on Vegetation Phenology Using AVHRR Time Series Data. Journal of Agroecology, 8(2): 98-117. (In Persian).

Pellerin M, Delestrade A, Mathieu G, Rigault O, Yoccoz NG. 2012. Spring tree phenology in the Alps: effects of air temperature, altitude and local topography. European Journal of Forest Research, 131(6): 1957-1965. doi:10.1007/s10342-012-0646-1.

Piao S, Cui M, Chen A, Wang X, Ciais P, Liu J, Tang Y. 2011. Altitude and temperature dependence of change in the spring vegetation green-up date from 1982 to 2006 in the Qinghai-Xizang Plateau. Agricultural and Forest Meteorology, 151(12): 1599-1608. doi:https://doi.org/10.1016/j.agrformet.2011.06.016.

Rayegani B, Arzani H, Heydari Alamdarloo E, Moghadami MM. 2019. Application of remote sensing to assess climate change effects on plant productivity and phenology (Case study area: Tehran Province). Journal of Rangland, 3(13): 450-460. (In Persian).

Richardson AD, Keenan TF, Migliavacca M, Ryu Y, Sonnentag O, Toomey M. 2013. Climate change, phenology, and phenological control of vegetation feedbacks to the climate system. Agricultural and Forest Meteorology, 169: 156-173. doi:https://doi.org/10.1016/j.agrformet.2012.09.012.

Tang H, Li Z, Zhu Z, Chen B, Zhang B, Xin X. 2015. Variability and climate change trend in vegetation phenology of recent decades in the Greater Khingan Mountain area, Northeastern China. Remote sensing, 7(9): 11914-11932. doi:https://doi.org/10.3390/rs70911914.

Verhoef W. 1996. Application of Harmonic Analysis of NDVI Time Series (HANTS). In S. Azzali & M. Menenti (Eds.), In: Fourier analysis of temporal NDVI in southern Africa and America continent. The Netherlands, DLO Winand Staring Centre, Report 108: 19-24.

Vermote E, Justice C, Csiszar I, Eidenshink J, Myneni R, Baret F, Masuoka E, Wolfe R, Claverie M. 2014. NOAA Climate Data Record (CDR) of normalized Difference Vegetation Index (NDVI), Version 4. NOAA Natl Clim Data Cent, doi:https://doiorg/107289/V5PZ56R6.

Vrieling A, De Leeuw J, Said MY. 2013. Length of growing period over Africa: Variability and trends from 30 years of NDVI time series. Remote sensing, 5(2): 982-1000. doi:https://doi.org/10.3390/rs5020982.

Workie TG, Debella HJ. 2018. Climate change and its effects on vegetation phenology across ecoregions of Ethiopia. Global Ecology and Conservation, 13: e00366. doi:https://doi.org/10.1016/j.gecco.2017.e00366.

Yu L, Liu T, Bu K, Yan F, Yang J, Chang L, Zhang S. 2017. Monitoring the long term vegetation phenology change in Northeast China from 1982 to 2015. Scientific Reports, 7(1): 14770. doi:https://doi.org/10.1038/s41598-017-14918-4.

Zhang G, Zhang Y, Dong J, Xiao X. 2013. Green-up dates in the Tibetan Plateau have continuously advanced from 1982 to 2011. Proceedings of the National Academy of Sciences, 110(11): 4309-4314. doi:https://doi.org/10.1073/pnas.1210423110.

Zhao J, Wang Y, Zhang Z, Zhang H, Guo X, Yu S, Du W, Huang F. 2016. The variations of land surface phenology in Northeast China and its responses to climate change from 1982 to 2013. Remote Sensing, 8(5): 400. doi:https://doi.org/10.3390/rs8050400.

Zhao J, Zhang H, Zhang Z, Guo X, Li X, Chen C. 2015. Spatial and temporal changes in vegetation phenology at middle and high latitudes of the Northern Hemisphere over the past three decades. Remote Sensing, 7(8): 10973-10995. doi:https://doi.org/10.3390/rs70810973.

Zheng Z, Zhu W, Chen G, Jiang N, Fan D, Zhang D. 2016. Continuous but diverse advancement of spring-summer phenology in response to climate warming across the Qinghai-Tibetan Plateau. Agricultural and Forest Meteorology, 223: 194-202. doi:https://doi.org/10.1016/j.agrformet.2016.04.012.