نوع مقاله : مقاله پژوهشی

نویسندگان

• مریم غلامی ¹
• عطاءاله ابراهیمی ¹
• اسماعیل اسدی بروجنی ¹
• الهام قهساره اردستانی ¹
• حمزه علی شیرمردی ²

¹ گروه مهندسی طبیعت، دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد، شهرکرد، ایران

² مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان چهارمحال و بختیاری، شهرکرد، ایران

چکیده

آشکارسازی تغییرات پوشش گیاهی در مناطق خشک و نیمه‌خشک، به‌ویژه برای شناسایی لکه‌های خشکیده، یکی از چالش‌های مهم در سنجش از دور است. این تحقیق به‌منظور شناسایی و تحلیل پهنه‌های دچار خشکیدگی مراتع استان چهارمحال و بختیاری با استفاده از داده‌های دورسنجی و تحلیل تغییرات پوشش گیاهی در سال‌های 2013 و 2023 انجام شده است. پس از بدست آوردن تفاضل تصاویر سال‌های 2013 و 2023 برای شاخص‌های مختلف نظیر NDVI، VHI،TCT و SR آستانه‌گذاری مقادیر تفاضل برای هر شاخص به‌منظور شناسایی لکه‌های خشکیده انجام شد. به‌منظور صحت‌سنجی نتایج، پس از شناسایی لکه‌های خشکیده، به عرصه‌های طبیعی مراجعه و آماربرداری میدانی انجام گردید تا تطابق مناطق شناسایی‌شده با وضعیت واقعی ارزیابی شود. نتایج نشان داد که شاخص SR با دقت کلی 75 درصد و ضریب کاپای 75/0 بهترین عملکرد را در شناسایی لکه‌های خشکیده داشت و نشان‌دهنده‌ی تطابق مناسب نتایج با داده‌های میدانی است. پس از آن، شاخص VHI با دقت 60 درصد و ضریب توافق 4/0، مناسبترین شاخص پوشش گیاهی برای تعیین مناطق خشکیده بوده است. شاخص TCT نیز توانست تغییرات پوشش گیاهی را با دقت کلی 52 درصد و ضریب توافق 32/0 شناسایی نماید. در این بین، شاخص NDVI با دقت 40 درصد و ضریب توافق 28/0 کمتر از حد انتظار، نتوانست تغییرات پوشش گیاهی را در مناطق خشکیده شده نشان دهد. نتایج این مطالعه نشان داد که شاخص SR به‌عنوان ابزاری مؤثر در تشخیص لکه‌های خشکیده در مناطق مرتعی می‌تواند به‌طور قابل‌توجهی در پیش آگاهی، پایش و مدیریت بهینه‌ی منابع طبیعی کمک کند.

کلیدواژه‌ها

• آشکارسازی تغییرات
• تفاضل تصاویر
• تخریب مراتع
• پوشش گیاهی

عنوان مقاله [English]

Detection and Analysis of Areas Affected by Vegetation Dieback in the Rangelands of Chaharmahal and Bakhtiari Province Using Remote Sensing Data

نویسندگان [English]

• Maryam Gholami ¹
• Ataollah Ebrahimi ¹
• Esmaeil Asadi Boroujeni ¹
• Elham Ghahsareh Ardestani ¹
• Hamzeh Ali Shirmardi ²

¹ Department of Nature Engineering, Faculty of Natural Resources and Earth Sciences, Shahrekord University, Shahrekord, Iran

² Agriculture and Natural Resources Research and Education Center of Chaharmahal-va-Bakhtiari Province, Shahrekord, Iran

چکیده [English]

Detecting vegetation changes in arid and semi-arid regions, particularly for identifying dried patches, is a major challenge in remote sensing. This study was conducted to identify and analyze areas affected by dryness in the rangelands of Chaharmahal-va-Bakhtiari Province, using remote sensing data and analyzing vegetation changes in the years 2013 and 2023. After obtaining the image differencing for the years 2013 and 2023 for various indices such as NDVI, VHI, TCT, and SR, thresholding of the difference values for each index was performed to identify dried patches. To validate the results, after identifying the dried patches, field visits and sampling were carried out to assess the correspondence between the identified areas and the actual conditions. The results showed that the SR index had the best performance in identifying dried patches. The findings indicated that the SR index, with an overall accuracy of 75% and a Kappa coefficient of 0.75, had the best performance in identifying dried patches, demonstrating a strong agreement with the field data. Following SR, the VHI index—with 60% accuracy and a Kappa value of 0.40—was identified as the second most suitable index for detecting dried areas. The TCT index was also able to detect vegetation changes with an overall accuracy of 52% and a Kappa coefficient of 0.32. Among the indices, NDVI, with 40% accuracy and a Kappa coefficient of 0.28, showed lower-than-expected performance and was less effective in identifying vegetation changes in the dried areas. This study, demonstrates that the SR index, as an effective tool for detecting dried patches in rangeland areas, can significantly contribute to the early-warning, monitoring and optimal management of natural resources, i.e., rangelands.

کلیدواژه‌ها [English]

• Change Detection
• Image Differencing
• Rangeland Degradation
• Vegetation Cover