بررسي ارتباط ميان سري زماني برخي شاخص هاي طيفي استخراج شده از سامانه گوگل ارث انجين

Investigating the relationship between the time series of some spectral indices extracted from the Google Earth Engine system.

هدف از انجام اين پژوهش بررسي ميزان همبستگي ميان سري زماني شاخص تفاضلي نرمال شده پوشش گياهي(NDVI)، شاخص تفاضلي نرمال شده آب (NDWI) ، شاخص گياهي تعديل شده با خاك (SAVI)و شاخص پوشش گياهي بازسازي شده (EVI) براي يك محدوده زراعي در منطقه دشت عباس دهلران است. بدين منظور شاخص هاي طيفي ذكر شده در بازه ي زماني دي 1398 تا آذر 1400 با استفاده از سامانه گوگل ارث انجين در پوشش ابري كم تر از 20 درصد استخراج گرديد. شاخص هاي، NDVI ، SAVI و EVI روند تغيير و وضعيت پوشش گياهي در بازه ي زماني مورد مطالعه را بخوبي نشان دادند و روندي مشابه داشتند. از سوي ديگر شاخص NDWI نيز عدم وجود پهنه هاي آبي را بخوبي تشخيص داد. همچنين به‌منظور بررسي رابطه احتمالي ميان شاخص‌هاي استخراجي، از روش همبستگي پيرسون استفاده به‌عمل آمد. شاخص هاي NDVI، SAVI و EVI داري همبستگي بالا و هم جهت بودند. اما شاخص NDWI با سه شاخص ديگر همبستگي بالا ولي در خلاف جهت داشت. بيشترين همبستگي بين SAVI و NDVI به ميزان 1 و كمترين همبستگي بين NDWI و EVI در جهت معكوس و به مقدار 85/0 به‌دست آمد. به طور كلي نتايج حاصل از اين تحقيق نشان داد كه سامانه گوگل ارث انجين و شاخص‌هاي طيفي استخراجي از آن دسترسي‌هاي آني و نتايج معتبر جهت پايش تغييرات مكاني و زماني منابع آب، خاك و پوشش گياهي در برنامه‌ريزي، استفاده و توسعه پايدار اين منابع در اختيار متخصصين و كارشناسان قرار مي‌دهد.

The aim of this research is to investigate the correlation among time series of normalized difference vegetation index (NDVI), normalized difference water index (NDWI), soil-adjusted vegetation index (SAVI), and enhanced vegetation index (EVI) for an agricultural area in the Dasht-e-Abbas Dehloran region. The spectral indices were extracted using the Google Earth Engine system for the period from December 2019 to Nonember 2021, with cloud cover less than 20%. NDVI, SAVI, and EVI indices effectively represented the changes and status of vegetation cover during the study period, showing a similar trend. On the other hand, the NDWI index accurately detected the absence of water bodies. Pearson correlation analysis was employed to examine potential relationships among the extracted indices. NDVI, SAVI, and EVI showed high positive correlations and were in the same direction. However, NDWI exhibited high positive correlations with three other indices but in the opposite direction. The highest correlation (1.0) was observed between SAVI and NDVI, while the lowest correlation (0.85) was found between NDWI and EVI in the opposite direction. In conclusion, the results highlight that Google Earth Engine and its extracted spectral indices provide immediate access and reliable outcomes for monitoring spatial and temporal changes in water, soil, and vegetation resources. This information is crucial for planning, utilization, and sustainable development of these resources, benefiting specialists and professionals.