لیلا محمودزاده؛ پژمان طهماسبی؛ عطاالله ابراهیمی؛ سمانه سادات محزونی کچپی
چکیده
با توجه به تغییرات گسترده در تنوع زیستی و اهمیت حیاتی آن در حفظ پایداری و عملکرد اکوسیستمها، ارزیابی دقیق و مستمر شاخصهای تنوع گیاهی امری ضروری است. از آنجا که نمونهبرداریهای میدانی بهدلیل محدودیتهای زمانی، مکانی و اقتصادی در بسیاری از مناطق دشوار و پرهزینه است، استفاده از دادههای سنجش از دور بهعنوان منبعی قابل اتکا، ...
بیشتر
با توجه به تغییرات گسترده در تنوع زیستی و اهمیت حیاتی آن در حفظ پایداری و عملکرد اکوسیستمها، ارزیابی دقیق و مستمر شاخصهای تنوع گیاهی امری ضروری است. از آنجا که نمونهبرداریهای میدانی بهدلیل محدودیتهای زمانی، مکانی و اقتصادی در بسیاری از مناطق دشوار و پرهزینه است، استفاده از دادههای سنجش از دور بهعنوان منبعی قابل اتکا، کارآمد و مقرون بهصرفه برای بررسی و پایش تنوع زیستی مورد توجه فزایندهای قرار گرفته است. هدف این پژوهش، ارزیابی قابلیت دادههای ماهوارهای سنتینل- 2 در برآورد شاخصهای تنوع زیستی گیاهی در مراتع نیمهاستپی است. برای این منظور، ۸ سایت نمونهبرداری با در نظر گرفتن شرایط مدیریتی، پوشش گیاهی و ویژگیهای اکولوژیکی انتخاب شد و در هر سایت سه ماکروپلات به ابعاد 30*30 مترمربعی مستقر گردید. نمونهبرداری از پوشش گیاهی به روش تصادفی- سیستماتیک و با استفاده از پلاتهای 2*2 مترمربعی در امتداد سه ترانسکت انجام گرفت. پس از محاسبه شاخصهای تنوع گیاهی شامل تنوع آلفا، بتا و عملکرد، رابطه میان آنها و شاخصهای پوشش گیاهی حاصل از دادههای سنتینل- 2 مورد بررسی و تحلیل آماری قرار گرفت. تحلیل دادهها با استفاده از روشهای رگرسیون خطی و آزمون همبستگی در محیط نرمافزار R انجام شد. نتایج بهطور مشخص نشان میدهد که شاخصهای پوشش گیاهی مشتق از تصاویر ماهوارهای سنتینل- 2 قادر به پیشبینی مؤلفههای مختلف تنوع زیستی مراتع نیمهاستپی هستند. شاخص EVI بیشترین همبستگی را با تنوع آلفا (R2=0.20, P-value=0.02) و تنوع عملکردی (غنای عملکردی) (R2=0.34, P-value=0.001) نشان داد، درحالیکه شاخص NDVI بیشترین همبستگی را با تنوع بتا (شاخص شباهت و فاصله Bray-curtis) (R2=0.21, P-value=0.01) داشت. شاخصهای دیگر مانند MSAVI2، AVI و SAVI نیز همبستگی مثبت و معنیدار با مؤلفههای مختلف تنوع نشان دادند، هرچند ضریب همبستگی آنها نسبت به شاخصهای اصلی کمتر بود.
مرتضی نبی زاده؛ ابوالفضل مساعدی؛ امیر احمد دهقانی
چکیده
پیشبینی و برآورد جریان رودخانه برای هر منطقه و حوضه آبریز به عنوان یکی از مهمترین پارامترها در استفاده بهینه از منابع آبی محسوب میشود. در این پژوهش از مدلی مبتنی بر منطق فازی (سیستم استنتاج فازی، FIS Fuzzy Inference System) برای انجام فرآیند پیشبینی جریان استفاده شده است. به این منظور از سه پارامتر بارندگی، دما و دبی روزانه حوضه آبریز ...
بیشتر
پیشبینی و برآورد جریان رودخانه برای هر منطقه و حوضه آبریز به عنوان یکی از مهمترین پارامترها در استفاده بهینه از منابع آبی محسوب میشود. در این پژوهش از مدلی مبتنی بر منطق فازی (سیستم استنتاج فازی، FIS Fuzzy Inference System) برای انجام فرآیند پیشبینی جریان استفاده شده است. به این منظور از سه پارامتر بارندگی، دما و دبی روزانه حوضه آبریز لیقوانچای برای پیشبینی جریان روزانه رودخانه لیقوان، استفاده شد. در پیشپردازش اولیه دادهها، تصادفی بودن آنها با استفاده از آزمون نقاط عطف مورد بررسی قرار گرفت. سپس جهت تعیین مدلهای بهینه ورودی به سیستمها، همبستگینگار دادهها مورد بررسی قرار گرفت. نهایتاً جهت بررسی تأثیر دما در پیشبینی، این فرآیند با تفکیک ماهها، انجام شد. ارزیابی نتایج پیشبینیها با استفاده از معیارهای آماری از جمله معیار ناش- ساتکلیف نشان داد که مدل FIS دقت بالا (9976/0=CNS) و خطای کمی (0113/0=RMSE) در پیشبینی داشته است و این روش میتواند به عنوان روشی کارآمد و دقیق در پیشبینی جریان رودخانه بهکار گرفته شود. همچنین با بررسی نتایج نهایی، مشخص شد که دما در برخی از ماهها (فروردین و آذر) در پیشبینی موثر بوده است.
