| تعداد نشریات | 28 |
| تعداد شمارهها | 876 |
| تعداد مقالات | 8,494 |
| تعداد مشاهده مقاله | 17,343,029 |
| تعداد دریافت فایل اصل مقاله | 11,628,351 |
تحلیل اثر شاخص ENSO بر تغییر پذیری پوشش گیاهی فصل بهار حوضه آبریز کارون | ||
| مخاطرات محیط طبیعی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 27 آبان 1405 اصل مقاله (3 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22111/jneh.2026.56500.2194 | ||
| نویسندگان | ||
| لیلا مکرم1؛ احمد مزیدی* 2؛ کمال امیدوار3 | ||
| 1دانشجوی دکترای مخاطرات آب و هواشناسی ، گروه جغرافیا ، یزد، یزد، ایران | ||
| 2دانشیار گروه جغرافیا، آب و هواشناسی، دانشگاه یزد، یزد، ایران | ||
| 3استاد گروه جغرافیا، آب و هواشناسی، دانشگاه یزد، یزد، ایران | ||
| چکیده | ||
| پوشش گیاهی یکی از مؤلفههای کلیدی اکوسیستمهاست که بهصورت پیچیده و ناهمگن به تغییرات اقلیمی و آشفتگیهای محیطی پاسخ میدهد. در این میان، نوسان جنوبی–النینو (ENSO) بهعنوان یکی از مهمترین نوسانات طبیعی سامانه اقیانوس–جو، از طریق سازوکارهای دورپیوندی، الگوهای اقلیمی را در مقیاسهای منطقهای و فرامنطقهای تحت تأثیر قرار میدهد. در این پژوهش، تغییرات شاخص تفاضل نرمالشده پوشش گیاهی (NDVI) در فصل بهار حوضه آبریز کارون طی دوره ۲۰۰۱ تا ۲۰۲۳ بررسی شد. برای این منظور، دادههای ماهوارهای MODIS (محصول MOD13A1) استخراج و مقادیر NDVI بر اساس شدت پوشش گیاهی در پنج طبقه دستهبندی شد تا حساسیت هر طبقه به الگوهای دورپیوندی ارزیابی شود. همچنین، شاخصهای اقلیمی بزرگمقیاس شامل Niño1، Niño3.1، Niño3.4، Niño4، SOI، ONI و MEI برای تحلیل ارتباط با تغییرات NDVI بهکار رفت. بهمنظور بررسی روند بلندمدت از ازمون من کندال و شیب سن و همچنین برای شناسایی نقاط تغییر در سری زمانی پوشش گیاهی، از آزمون ناپارامتری Sequential Mann–Kendall )SQMK) استفاده شد. نتایج تحلیل مکانی نشان داد الگوی مکانی پوشش گیاهی حوضه عمدتاً تحت تأثیر توپوگرافی و اقلیم کوهستانی زاگرس، از پایداری نسبی بالایی برخوردار است؛ بهگونهایکه بیشترین تراکم سبزینگی در ارتفاعات شمال و شمالغرب و کمترین مقادیر در نواحی جنوبی مشاهده شد. تحلیل ارتباط NDVI با شاخصهای ENSO نشان داد که الگوی ارتباط این شاخصها با پوشش گیاهی در طبقات مختلف تراکم پوشش گیاهی متفاوت است بهطوریکه پوششهای بسیار متراکم همبستگی منفی معناداری با فازهای ENSO نشان دادند. نتایج آزمون SQMK نیز بیانگر غلبه نوسانات بینسالی بر روندهای بلندمدت در اغلب طبقات بود؛ با این حال، در طبقه «بسیار تنک»، کاهش معنادار آماری و یک تغییر ساختاری در حدود سالهای ۲۰۱۰–۲۰۱۱ شناسایی شد در مجموع، یافتههای پژوهش بر اهمیت بررسی همزمان الگوهای مکانی، تغییرات زمانی و روابط آماری میان شاخصهای دورپیوندی و طبقات پوشش گیاهی در ارزیابی تغییرپذیری سبزینگی حوضه آبریز کارون تأکید دارند. | ||
| کلیدواژهها | ||
| شاخص انسو؛ مودیس؛ پوشش گیاهی؛ آزمون SQMK؛ پیرسون؛ گوگل ارث انجین | ||
| مراجع | ||
|
امیدوار،کمال. (1399). رابطه آبوهوا یی اتمسفر و اقیانوس، انتشارات دانشگاه یزد، چاپ سوم.
بهمن پوری، صدف؛بخشوده، محمد؛ زیبایی، منصور. (1402). تاثیر تغییر اقلیم بر کاربری اراضی و پوشش گیاهی استان فارس.کاربرد روش سیستم پویا. فصلنامه علمی – پژوهشی تحقیقات اقتصاد کشاورزی،51(3)، 56-69. https://doi.org/10.30495/jae.2023.28473.2263
خسروی، محمود؛مسگری، ابراهیم. (۲۰۱۶). تحلیل فضایی رابطه بین الگوهای دورپیوندی و دمای ماهانه در شمالغرب ایران. نشریه جغرافیا و برنامهریزی شهری–منطقهای،6 (21)،203-214.
دستیگردی، مرتضی؛ نادی، مهدی؛ رائینی سرجاز،محمود؛ کیاپاشا،خدیجه. (1401). تحلیل روند پوشش گیاهی با استفاده از سری زمانی NDVI ماهواره مودیس در شمالشرق ایران. پژوهشهای حفاظت آب و خاک، 29(1)، 135-150 . https://doi.org/10.22069/jwsc.2022.20208.3554
رضایی،محمد، قاسمیفر،الهام و محمدی،چنور.(1396). تحلیل اثر نوسان اطلس شمالی بر تغییرپذیری پوشش گیاهی ایران. فصلنامه علمی پژوهشی اطلاعات جغرافیایی، 27(108)، 151-164. https://doi.org/10.22131/sepehr.2019.34627
زارع خورمیزی، هادی؛ غفاریان مالمیری، حمیدرضا. (1396). پایش خشکسالی و تاثیر آن بر پوشش گیاهی با استفاده از فناوریهای سنجش از دور (بررسی موردی:استان یزد، سالهای 1994تا 2014). مدیریت بیابان،5(10)،68-86.
غیور،حسنعلی؛ عساکره،حسین. (1381). مطالعه اثر پیوند از دور بر اقلیم ایران مطالعه موردی: اثر نوسانات اطلس شمالی و نوسانات جنوبی بر تغییرات میانگین ماهانه دمای جاسک. نشریه تحقیقات جغرافیایی، 17-16 ، شماره 4-1، 113-193. https://sid.ir/paper/417653/fa
قانقرمه، عبدالعظیم؛ روشن، غلامرضا ؛ رجبی، مصیب. (۱۴۰۴). آشکارسازی پیامدهای متقابل تغییرات اقلیمی بر پوشش سطحی و کاربری اراضی در استان گلستان طی دو دهه اخیر.. مجله علمی پژوهشی مخاطرات محیطی طبیعی، 14(46)، ۱۰۵–۱۲۴. https://doi.org/10.22111/jneh.2025.50298.2082
کنعانی، رضا؛ فاخریفرد، احمد؛ قربانی، محمدعلی؛ دینپژوه، یعقوب. (۱۳۹۸). تحلیل روند تغییرات تدریجی و سریع عوامل هیدرواقلیمی (مطالعه موردی: حوضه آبریز لیقوانچای). مجله آب و خاک (علوم و صنایع کشاورزی)، ۲۹(۱)، ۹۷-۱۱0. https://sid.ir/paper/147941/fa
مکرم، لیلا؛ مزیدی، احمد؛ امیدوار، کمال؛ غفاریان مالمیری،حمیدرضا.(1405).تحلیل تغییرات مکانی – زمانی شاخص پوشش گیاهی زمستانه در حوضه مارون با تاکید بر اثرات الگوهای پیوند از دور. نشریه علمی - پژوهشی علوم جغرافیایی سپهر. 35(137)،63-77. https://doi.org/10.22131/sepehr.2026.2074423.3157
Beniche, M., Vialard, J., Lengaigne, M., Voldoire, A., Srinivas, G., & Hall, N. M. J. (2024). A distinct and reproducible teleconnection pattern over North America during extreme El Niño events. Scientific Reports, 14, 2457. https://doi.org/10.1038/s41598-024-52580-9 Bonan, G.B. (2008). Ecological Climatology. Cambridge University Press, Cambridge, UK. Chen, Y., Randerson, J.T.,& Morton, D.C. (2015). Tropical North Atlantic ocean-atmosphere interactions synchronize forest carbon losses from hurricanes and Amazon fires. Geophys. Res. Abstr. 6462–6470. http://dx.doi.org/10.1002/2015GL064505. Erasmi, S. (2014). Spatial Patterns of NDVI Variation over Indonesia and Their Relationship to ENSO Warm Events during the Period 1982–2006, 6(4), 3041–3058. https://doi.org/10.3390/rs6043041 Estupinan-Suarez, L. M., Mahecha, M. D., Brenning, A., Kraemer, G., Poveda, G., Reichstein, M., & Sierra, C. A. (2024). Spatial Patterns of Vegetation Activity Related to ENSO in Northern South America. Journal of Geophysical Research: Biogeosciences, 129, e2022JG007344. https://doi.org/10.1029/2022JG007344 Fensholt, R., &Proud, S.R. (2012). Evaluation of earth observation-based global long-term vegetation trends—Comparing GIMMS and MODIS global NDVI time series. Remote Sensing of Environment, 119: 131-147. IPCC. (2013) Climate change, Working Group I, the physical science basis. United Nations Environment Program (UNEP) and World Meteorological Organization (WMO) IPCC.(2007). Summary for policymakers: Climate change: The physical science basis. Contribution of Working Group I to the fourth assessment report. CambridgeUniversity Press, 881p. IPCC.(2014). Climate Change 2014: Synthesis Report, Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergove nmental Panel onClimate Change [Core Writing Team, Pachauri, R.K. & Meyer, L.A. (eds.)]. IPCC, Geneva, Switzerland, 151 pp., 2014. IPPC Secretariat. Scientific Review of the Impact of Climate Change on Plant Pests-A Global Challenge to Prevent and Mitigate Plant Pest Risks in Agriculture, Forestry and Ecosystems; FAO on behalf of the IPPC Secretariat: Rome, Italy, 2021. Jen, X., Zhang, Y., Schaepman, M., Clevers, J. &Su, Z., 2008, Impact of elevation and aspect on the spatial distribution of vegetation in the Qilian Mountain area with remote sensing data. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences,1. Jian, D.; Niu, G.-Y.; Ma, Z.; Liu, H.; Guan, D.; Zhou, X.; Zhou, J. (2023). Limited driving of elevated CO2 on vegetation greening over global drylands. Environmental Research Letters, 18, 104024. Jin, J., Jian, D., Zhou, X., Chen, Q., & Li, Y. (2025). Impact of El Niño–Southern Oscillation on global vegetation. Atmosphere, 16, 701. https://doi.org/10.3390/atmos16060701 Kendall, M.G. (1975), Rank correlation methods, Charles Griffin, London. Li, J., Fan, K., Xu, Z., (2016). Links between the late wintertime North Atlantic Oscillation and springtime vegetation growth over Eurasia. Clim. Dyn. 46, 987–1000. http://dx.doi.org/10.1007/s00382-015-2627-9. Maza-Villalobos, S., Poorter, L., & Martínez-Ramos, M. (2013). Effects of ENSO and temporal rainfall variation on the dynamics of successional communities in old-field succession of a tropical dry forest. PLoS One 8. http://dx.doi.org/10.1371/journal.pone.0082040 Ogutu, J.O., & Owen-Smith, N. (2003). ENSO, rainfall and temperature influences on extreme population declines among African savanna ungulates. Ecol. Lett. 6, 412–419. http://dx.doi.org/10.1046/j.1461-0248.2003.00447.x. Opiyo, S. B., Pienaar, L., Piketh, S. J., Burger, R. P., & Chikoore, H. (2025). Assessment of vegetation density trends in response to long-term climate change impacts in Western South Africa (1962–2022) using SPEI and NDVI time series. Discover Forests, 1, 29. https://doi.org/10.1007/s44415-025-00030-3 Sen, P. K. (1968). Estimates of the regression coefficient based on Kendall’s tau. Journal of the American Statistical Association, 63, 1379–1389. Wang, C. (2022). Comparison of vegetation anomalies to El Niño–Southern Oscillation in China and Australia. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLIII-B3-2022. Proceedings of the XXIV ISPRS Congress, Nice, France. Wang, X., Yang, T., Shao, Q., Kumud, A., Wang, W., & Yu, Z.(2012). Statistical Downscaling Of Extremes Of Precipitation And Temperature And Construction Of Their Future Scenarios In An Elevated And Cold Zone,” Stoch. Environ. Res. Risk. Asses., 26, 405-418. | ||
|
آمار تعداد مشاهده مقاله: 8 تعداد دریافت فایل اصل مقاله: 3 |
||