پایش تغییرات پوشش گیاهی با استفاده از rs و gis در مراتع چهارباغ استان گلستان طی یک دوره 30 ساله

استفاده از روش‌های دقیق و با کمترین هزینه به منظور پایش تغییرات کمی پوشش گیاهی، نقش به‌سزایی در مدیریت کارا و پایداری عرصه‌های وسیع مرتعی ایفا خواهد نمود. در این پژوهش، تغییرات طبقات پوشش گیاهی مراتع چهارباغ استان گلستان با استفاده از داده‌های ماهواره‌ای سنجنده های tm (landsat 5) و oli (landsat 8) در یک دوره 30 ساله آماری (2018-1988) بررسی شد. به منظور بررسی تغییرات پوشش گیاهی مقادیر عددی شاخص ndvi بر اساس طبقات پوشش شامل پوشش خوب، متوسط، ضعیف و خیلی ضعیف برای سال 2018 طبقه‌بندی شد و تغییرات رخ داده با استفاده از فن crosstab تعیین گردید. دقت ارزیابی با مقایسه تصاویر ماهواره ای و اطلاعات زمینی و محاسبه ضریب کاپا انجام شد. نتایج به خوبی تغییرات کاهشی، افزایشی و نیز طبقات پوشش بدون تغییر را نشان داد به طوری که دقت کلی و ضریب کاپای نقشه ها برای سال 2018 به‌ترتیب معادل 90 درصد و 0.86 به‌دست آمد. بیش‌ترین افزایش مساحت در اراضی با پوشش گیاهی خوب طی سال 1988 تا سال 2018 صورت گرفته به‌طوری که این طبقه از مقدار 5/ 2025 هکتار به 2323.7 هکتار افزایش نشان داد. به‌طور کلی بیش‌ترین کاهش مساحت در اراضی با پوشش خیلی ضعیف و معادل 22.7 هکتار بود و طبقه پوشش ضعیف از 376.1 به 103.18 هکتار و طبقه پوشش خوب نیز از 530.1 به 527.3 هکتار در سال 2018 کاهش یافت. ارزیابی‌ها نشان داد که کاربرد سنجش از دور توانایی آشکارسازی تغییرات جزئی طبقات پوشش گیاهی را تحت عوامل محیطی و مدیریتی در مناطق نیمه‌مرطوب در طول زمان را دارد.

Vegetation cover change detection using RS and GIS in Chaharbagh rangelands of Golestan province for a period of 30-years

Using accurate and lowcost methods to monitor quantitative changes in vegetation cover play an important role in the efficient and sustainable management when the area is too large. In this study, the changes of vegetation cover were investigated using satellite data of TM (Landsat_5) and oli (Landsat_8) sensors for a 30year period (19882018) in Chaharbagh rangeland of Golestan province. To detect the vegetation changes, the numerical values ​​of NDVI index were classified in to 4 different cover categories, good, medium, poor and very poor for the study period 1988 2018, and the changes were determined using the CROSSTAB technique. Accuracy was assessed by comparing satellite imagery and ground information using the kappa coefficient. The results well showed the changes, decreasing, increasing and unchanged vegetation classes so that the overall accuracy and kappa coefficient of the maps were 90% and 0.86, respectively for 2018. For the course of the study land areas with good vegetation were increased from 2025.5 ha to 2323.7 ha. The highest reduction of very poor cover was 22/7 hectares and the poor cover classes has decreased from 376.1 to 103.18 ha. The good cover class has decreased from 530.1 to 527.3 ha in 2018. Evaluations showed that the application of remote sensing has the ability to detect minor changes in vegetation classes under environmental and managerial factors in semiarid regions over time.