بررسی الگوی تغییرات پوشش‌گیاهی با استفاده از تصاویر سنجندۀ modis و ارتباط آن با بارش

نوسان و تغییر سالیانۀ بارندگی همواره پوشش گیاهی را تحت تاثیر قرار می دهد. هدف از این تحقیق، بررسی تاثیر بارش بر تغییرات پوشش گیاهی در کویر میقان واقع در شهر اراک و مدل سازی آن می‌باشد. بدین منظور از تصاویر ماهواره ای سنجندۀmodis  استفاده شد. شاخص های ndvi، dvi، rvi و evi جهت پایش تغییرات پوشش گیاهی و بررسی رابطۀ (خطی و غیرخطی) آن با داده‌های بارش منطقه به طور هم زمان (اردیبهشت ماه)، یک ماه تاخیر (فروردین ماه) و دو ماه تاخیر (اسفند ماه) در طول دورۀ آماری 2017-2000 استخراج شد. تحلیل روند تغییرات بارندگی با استفاده از آزمون ناپارامتری منکندال انجام شد. طی این آزمون مقادیر بارش حداقل طی دورۀ 18 ساله روند افزایشی داشت و در بین شاخص های پوشش گیاهی، شاخص ndvi حداکثر و میانگین روند افزایشی را نشان دادند. نتایج نشان داد که ارتباط غیرخطی از نوع درجۀ سوم بین بارش و پوشش گیاهی قوی‌تر از روابط خطی، درجۀ دوم، توانی، لگاریتمی و نمایی بود. طی بررسی در گام هم زمان، حداکثر همبستگی برابر با 0.62 بین شاخص dvi و بارش به دست آمد. در بررسی با یک گام تاخیر، حداکثر همبستگی برابر با 0.44 بین شاخص ndvi و بارش وجود داشت. بررسی با دو گام تاخیر نشان داد که حداکثر همبستگی برابر با 0.52 بین شاخص rvi و بارش است. مدل سازی پوشش گیاهی با استفاده از بارندگی هم زمان و تا دو ماه تاخیر، نشان داد که شاخص های dvi، rvi و  eviدرگام هم زمان بهترین رابطۀ رگرسیونی را ارائه می‌دهند، در حالی که برای شاخص ndvi بهترین رابطۀ رگرسیونی با بارش دو ماه قبل بود.

Investigation of the vegetation Cover Pattern Change Using MODIS Images and its Relation with Rainfall distribution

Rainfall is one of the most important factors affecting vegetation cover. Fluctuation and yeartoyear variation of rainfall always affect vegetation cover patterns. The main aim of this study was to investigate and modeling the effects of rainfall changes on the variation of the vegetation cover in the Meyghan basin in Arak province using MODIS satellite images. NDVI, DVI, RVI and EVI indices were used to manifest vegetation covert variations linear and nonlinear relationship between vegetation cover changes and rainfall investigated simultaneously (May), with one and two month delay (April and March) ) during the statistical period of 20002017. The rainfall trend analysis was done using nonparametric MannKendall test. According to the results, the minimum rainfall during the 18year period was increased. Between vegetation indices, NDVI index showed the maximum and the average incremental trend. Between precipitation and vegetation, thirdorder nonlinear relationship was stronger than linear, quadratic, power, logarithmic and exponential. The maximum correlation between DVI index and rainfall was obtained for synchronous times, while, the maximum correlation was observed between NDVI index and precipitation. The study with two month delay showed that the maximum correlation (0.52) was between the RVI index and precipitation. Vegetation modeling using simultaneous rainfall and delay of up to two months showed that the indices of DVI, RVI and EVI provided the best regression relationship at the same time, while the NDVI index had the best regression relationship with rainfall of two months ago.