تحلیل روند بلندمدت تغییرات پوشش گیاهی با استفاده از سری زمانی modis-ndvi (مطالعۀ موردی: استان کردستان)

در گذر زمان، عامل‌های محیط و انسان سبب تغییرات مثبت و منفی در کمیت و کیفیت پوشش گیاهی شده‌اند؛ این وضعیت در آینده نیز ادامه خواهد داشت. تغییرات زمانی در پوشش گیاهی ممکن است به‌صورت روندهای افزایشی (greening) یا کاهشی (browning) باشد. شناخت این تغییرات و تعیین روند آنها در گذشته و آینده می‌تواند راهگشای تصمیم‌سازی برای سیمای سرزمین باشد. بر این اساس، تغییرات زمانی بلندمدت وضعیت پوشش گیاهی در استان کردستان با استفاده از شاخص تفاوت پوشش گیاهی نرمال‌شده (ndvi) در دورۀ زمانی 2000 تا 2017 بررسی شد. در پژوهش پیش رو، سری زمانی ndvi 16روزۀ سنجندۀ modis شامل 414 تصویر با اندازۀ پیکسل 250 متر استفاده شد. ابتدا سیستم مختصات تصاویر از sinusoidal به جغرافیایی تبدیل و یک سری زمانی از 414 تصویر تهیه شد. پس از حذف تغییرات فصلی، تحلیل روند بلندمدت به روش‌های پارامتری رگرسیون حداقل مربعات معمولی و ناپارامتری‌های تیلسن و منکندال به‌صورت پیکسل به پیکسل انجام گرفت. نتایج تجزیه‌وتحلیل روند به روش‌های رگرسیون حداقل مربعات معمولی و تیلسن کاملاً مشابه و بیانگر افزایش ناچیز ndvi و وقوع greening بسیار ضعیف در طی دورۀ پژوهش بود. براساس تحلیل روند منکندال، حدود 97 درصد منطقه روند افزایشی و 2.46 درصد روند کاهشی داشت. البته براساس نتایج آزمون معنی‌داری منکندال، تنها در 12 درصد مساحت استان روند کاهشی یا افزایشی معنی‌دار در سطح 1 درصد و در دیگر بخش‌های استان روند افزایشی بسیار اندک و قابل چشم‌پوشی با شیب رگرسیون بسیار کم (غیرمعنی‌دار) وجود داشت.

Longterm trend analysis of vegetation changes using MODISNDVI time series during 20002017 (Case study: Kurdistan province)

Over time, environmental and human factors have caused positive and negative changes in the quantity and quality of vegetation, and these changes will continue. Vegetation greenness trend may be either increasing (Greening) or decreasing (Browning). Understanding the factors creating these changes and detection of trends in the past and future, would be useful for managers and decision makers. This study investigates the longterm changes in Kurdistan vegetation greenness by using the 16day composite MODIS NDVI time series for 2000–2017, and 414 images with 250m pixel size. The coordinate system of MODIS data was converted from the sinusoidal to the geographic map projection and a time series of data was created. After seasonality removal in the time series data, the longterm trend analyses were performed using parametric ordinary least squares (OLS) regression and nonparametric TheilSen and MannKendall methods at pixel by pixel basis. Both OLS and TheilSen represented the similar result and indicated a slight increase in NDVI i.e., the poor greenness during the study period. According to the MannKendall trend analysis, about 97 % of the province experienced a slight increasing and 2.46 % showed decreasing trend. However, based on the Kendall significance test, only 12 % of the province had a significant increasing or decreasing trend at 1 % confidence level and the rest of the area showed a slight and negligible increasing trend.