پیش‌بینی تغییرات تولید خالص اولیه در مناطق مختلف رویشی ایران در دوره زمانی 2000 تا 2016 با استفاده از مدل‌های سری زمانی

پوشش گیاهی از اجزاء مهم اکوسیستم‌های خاکی است که به صورت فصلی تغییر می‌کند و پارامترسازی دقیق پویایی پوشش گیاهی با توسعه الگوهای دوره‌ای آن می‌تواند درک ما را از تعاملات پوشش گیاهی - اقلیمی تقویت کند. پژوهش حاضر با هدف بررسی و مدلسازی تغییرات تولید خالص اولیه در طول زمان در برخی از مناطق رویشی کشور شامل مناطق خزری، بلوچی، نیمه بیابانی، استپی معتدل، نیمه استپی گرم و جنگل‌های خشک و مقایسه رفتار تصادفی این مناطق با یکدیگر انجام گرفت. در پژوهش حاضر جهت بررسی تغییرات تولید خالص اولیه از تولیدات تصاویر سنجنده مودیس با کد mod17a2 استفاده گردید. مدلسازی با استفاده از مدل سری زمانی (auto regressive intergrated moving average, sarima (seasonalانجام گردید. بررسی توابع(autocorrelation function, afc) و (partial autocorrelation function, pacf) در مناطق مورد مطالعه نشان داد که مدل‌های سری‌ زمانی این مناطق، ایستا با ویژگی فصلی بودن در دوره های 12 ماهه بودند. پوشش گیاهی در منطقه خزری پایدارتر بود که نشان دهنده یک محیط پایدار با کمترین انحراف در تغییرات آب، نور و مواد غذایی می باشد. همچنین مشخص گردید بیشتر مناطق رویشی ایران را می‌توان با sarima مدلسازی و تغییرات آن را تا حد قابل اطمینانی پیش‌بینی کرد. مدل‌های برآورد شده برای مناطق خزری (mean relative absolute error, mare)= 0/083، r2 = 0/87 و 0/12 rootmeansquare error, rmse) =) و نیمه بیابانی با (mare = 0/048، , r2 = 0/95 و12/ 0 = rmse) نسبت به سایر مناطق مدل‌های مناسب‌تری بودند.

prediction of net primary production changes in different phytogeographical regions of iran from 2000 to 2016, using time series models

vegetation cover is an important component of terrestrial ecosystems that changes seasonally. accurate parameterization of vegetation cover dynamics through developing indicators of periodic patterns can assist our understanding of vegetationclimate interactions. the current study was conducted to investigate and model vegetation changes in some phytogeographical regions of iran including, khazari, baluchi, semidesert, temperate steppe, warm semisteppe and arid forest and to compare their stochastic behavior. to study the vegetation changes the net primary production (npp) was used, based on the products of moderate resolution imaging spectroradiometer (modis) sensor (mod17a2 series). seasonal auto regressive integrated moving average (sarima) time series model was used for modeling npp. the autocorrelation function (acf) and partial autocorrelation function (pacf) of time series showed that these areas were static with seasonality in 12month periods. it also showed that the vegetation in khazari region was more stable, which indicates a stable environmental condition with the least deviation in water, light and nutrients. we also found that most of the vegetative regions of iran can be modeled with sarima and its changes can be reliably predicted. estimated models for khazari (rootmeansquare error, (rmse) = 0.12, r2 = 0.87, mean relative absolute error (mare) = 0.083) and semidesert (rmse = 0.12, r2 = 0.95, mare = 0.048) were more suitable models than other regions.