پويايي پوشش گياهي در رابطه با دما و بارش در مراتع حوضه كارون محدوده‌ي استان خوزستان

Dynamics of vegetation in Karun watershed within Khuzestan province in relation with Temperature factors and precipitation

اين مطالعه با هدف استخراج دماي سطح زمين (LST)، دماي هوا و بارش و بررسي ارتباط آنها با پوشش گياهي در مراتع حوضه آبخيز كارون استان خوزستان انجام شده است. بدين منظور دماي سطح زمين (با استفاده از الگوريتم پرايس) و شاخص پوشش گياهي تفاضلي نرمال شده از سنجنده AVHRR ماهواره NOAA براي اوج سبزينگي (ماه آوريل) در يك دورۀ 27 ساله استخراج گرديد. آمار ماهيانۀ بارش و دماي هوا نيز از 14 ايستگاه‌هاي سينوپتيك منطقه دريافت شده و به روش وزن‌دهي عكس فاصله پهنه‌بندي شد. نتايج همبستگي فضايي (با سطح معني ­داري ۰/۰۵)، بين پوشش گياهي با دماي سطح زمين و دماي هوا، نشان‌دهنده‌ي يك رابطه­ ي معكوس و يك رابطه‌ي مثبت با بارش است. اين همبستگي فضايي براي دماي سطح زمين قوي­تر است، به صورتي كه ضرايب همبستگي فضايي دماي سطح زمين، معمولاً از ۰/۶ بالاتر است و براي بارش در برخي موارد بالاي ۰/۴است اما ضرايب مربوط به دماي هوا به ندرت از ۰/۴ بيشتر شده است. روابط رگرسيوني فضايي به ­دست آمده نشان­ مي‌دهند كه ۰/۶۲ از تغييرات پوشش گياهي استان خوزستان واقع در اين حوضه را مي‌توان تنها با تغييرات دماي سطح زمين پيش ­بيني كرد (۰/۶۲=R2) و تغييرات دماي هوا و بارش، ميزان ناچيزي از تغييرات پوشش گياهي را تبيين مي‌كند.

The aim of this study is to retrieve land surface temperature (LST), air temperature (AT) and precipitation and to study their relationship with vegetation in rang lands of Karun watershed of Khuzestan province. For this purpose, land surface temperature (LST) and NDVI was drived from NOAA-AVHRR for maximum amount of greenness (April) for a period of 27 years. In order to extract LST, Price algorithm was used. Also air temperature and precipitation were interpolated for selected weather stations using IDW method. Spatial correlation outcomes (on 0.05) between NDVI with LST and air temperature show a reversed relation. This spatial relation is stronger for LST, so that this coefficient is often upper than 0.6, while seldom is 0.4 for air temperature and precipitation. Spatial regression models show that 62 percent of NDVI changes is determined by LST (R2=0.62) and air temperature and precipitation determine very limited amount of NDVI dynamics.