خلاصه

تحقیق در مورد تنوع پوشش گیاهی جنبه مهمی از مطالعات گرمایش جهانی است. کمی سازی رابطه بین تغییر پوشش گیاهی و تغییرات آب و هوا به موضوع و چالش اصلی در مطالعات تغییر جهانی کنونی تبدیل شده است. منطقه منبع رودخانه زرد (SRYR) به دلیل شرایط طبیعی منحصر به فرد و اکوسیستم خشکی آسیب پذیر، منطقه مناسبی برای مطالعه تغییرات جهانی است. بنابراین، ما SRYR را برای یک مطالعه موردی برای تعیین نیروهای محرک پشت تنوع پوشش گیاهی تحت گرمایش جهانی انتخاب کردیم. با استفاده از شاخص تفاوت نرمال شده گیاهی (NDVI) و داده های آب و هوایی، ما تغییرات NDVI را در فصل رشد در منطقه از سال 1998 تا 2016 و پاسخ آن به تغییرات آب و هوایی را بر اساس تحلیل روند، آزمون روند من-کندال و تجزیه و تحلیل همبستگی جزئی بررسی کردیم. . سرانجام، یک مدل ریاضی NDVI-اقلیمی برای پیش‌بینی روندهای NDVI از 2020 تا 2038 ساخته شد. نتایج نشان‌دهنده موارد زیر است: (1) در 19 سال گذشته، NDVI روند افزایشی را با نرخ رشد 0.00204/a نشان داد. در NDVI بیش از 71.40 درصد از منطقه روند صعودی وجود داشت. (2) هم بارش و هم دما در فصل رشد در 19 سال گذشته روند صعودی را نشان دادند. NDVI با بارش و دما همبستگی مثبت داشت. مناطقی که رابطه معنی داری با بارش داشتند 01/31 درصد و مناطقی که رابطه معنی داری با دما داشتند 40/56 درصد از منطقه را پوشش دادند. حساسیت NDVI به دما بیشتر از میزان بارش بود. بیش از نیمی (56.58٪) از مناطق به نمایش اثرات منفی فعالیت های انسانی بر NDVI پیدا شد. (3) با توجه به شبیه سازی، NDVI طی 19 سال آینده اندکی افزایش خواهد یافت، با تمایل خطی 0.00096/a. از منظر تغییرات مکانی-زمانی، ما تغییرات گذشته و آینده را در پوشش گیاهی ترکیب کردیم که می‌تواند به اندازه کافی روندهای بلندمدت پوشش گیاهی را منعکس کند. نتایج یک مبنای نظری و مرجع برای توسعه پایدار محیط طبیعی و پاسخی به تغییر پوشش گیاهی تحت پس‌زمینه تغییرات اقلیمی در منطقه مورد مطالعه ارائه می‌کند.

کلید واژه ها:

پوشش گیاهی ; تجزیه و تحلیل همبستگی جزئی ; پیش بینی روند ; منطقه سرچشمه رودخانه زرد

1. معرفی

تغییرات محیطی جهانی که با «گرمایش جهانی» مشخص می‌شود، تأثیرات جدی احتمالی بر اکوسیستم‌ها دارد و توجه زیادی از دانشمندان سراسر جهان را به خود جلب کرده است [ 1 ، 2 ]. پوشش گیاهی جزء مهمی از محیط است و همچنین بهترین شاخص محیط زیست منطقه ای است [ 3 ]. تنوع در پوشش گیاهی نتیجه مستقیم تغییرات محیطی است [ 4]. پوشش گیاهی به عنوان جزء اصلی اکوسیستم های زمینی، شاخص حساس تغییرات اقلیمی است. بنابراین، در زمینه تغییرات آب و هوایی جهانی، شناسایی ویژگی‌های مکانی و زمانی پوشش گیاهی برای تنظیم فرآیندهای اکولوژیکی و تضمین امنیت اکولوژیکی از اهمیت بالایی برخوردار است.
شاخص تفاوت عادی شده گیاهی (NDVI) می تواند برای اندازه گیری بهبود و تخریب پوشش گیاهی استفاده شود. NDVI یک شاخص خوب مبتنی بر ماهواره برای پوشش گیاهی در مقیاس چشم‌انداز است [ 5 ، 6 ]. سری زمانی NDVI به طور مستقیم رشد و وضعیت پوشش گیاهی را منعکس می کند. NDVI به طور گسترده در تحقیقات جهانی و منطقه ای تغییر پوشش گیاهی استفاده می شود. کاواباتا و همکاران دریافتند که فعالیت های پوشش گیاهی به طور قابل ملاحظه ای در عرض های جغرافیایی شمالی متوسط-بالا افزایش یافته است [ 7]. تحقیقات مربوطه نشان داده است که پوشش گیاهی در چین همین روند را نشان داده است. لیو و همکاران تغییرات پوشش گیاهی در چین را از سال 1982 تا 2012 مورد تجزیه و تحلیل قرار داد. روند افزایشی پس از سال 1997 کند شد [ 8 ]. Piao و Fang از داده‌های NDVI مدل‌سازی و نقشه‌برداری موجودی جهانی (GIMMS) برای تجزیه و تحلیل پوشش گیاهی در چین از سال 1982 تا 1999 استفاده کردند و نشان دادند که 86.2٪ از مساحت چین روند افزایشی در پوشش گیاهی را نشان می‌دهد. تغییرات در NDVI به طور قابل توجهی تحت تأثیر نوسانات آب و هوایی قرار گرفت و تفاوت های منطقه ای آشکاری داشت [ 9 ]]. خو و همکاران پوشش گیاهی را از سال 2000 تا 2015 تجزیه و تحلیل کرد و نشان داد که منطقه با افزایش پوشش گیاهی 83.34٪ از مساحت چین را تشکیل می دهد [ 10 ]. سایر محققان تحقیقات گسترده ای در مورد تغییرات پوشش گیاهی در حوضه رودخانه Huang-Huai-Hai [ 11 ]، در حوضه رودخانه Yangtze [ 12 ]، در فلات چینگهای-تبت [ 13 ] و در منطقه کارست جنوب غربی [ 14 ] انجام داده اند. ]. تحقیقات فوق نشان داد که پوشش گیاهی در مناطق منطقه ای و یا در کل کشورها افزایش یافته است. نشان داده شد که فلات چینگهای-تبت نسبت به سایر مناطق نسبت به اثرات گرمایش آب و هوا حساس تر است.
منطقه سرچشمه رودخانه زرد (SRYR) در حاشیه حساس شمال شرقی فلات چینگهای-تبت قرار دارد [ 15 ]. بیشتر این منطقه بین 4200 تا 5000 متر بالاتر از سطح دریا قرار دارد و درصد مساحت بالای 5000 متر کمتر از 1٪ است [ 16 ]. پوشش گیاهی اصلی علفزار شامل علفزار آلپی و علفزار آلپ است که 55/74 درصد از این منطقه را پوشش می دهد. این منطقه بخش مهمی از اکوسیستم زمینی فلات چینگهای-تبت است. SRYR همچنین یک منطقه حفاظت از آب و یک منطقه حفاظت شده کلیدی در حوضه رودخانه زرد است [ 17 ]. با افزایش حفاظت از محیط زیست در حوضه رودخانه زرد به عنوان یک استراتژی ملی اصلی [ 18]، نظارت دینامیکی بر تکامل مکانی و زمانی پوشش گیاهی سطح اهمیت زیادی دارد. در دهه های گذشته، این منطقه تغییرات شدید آب و هوایی را تجربه کرده است. بسیاری از مطالعات نشان داده اند که دما و بارندگی در منطقه مورد مطالعه افزایش یافته است [ 19 ، 20 ] و پوشش گیاهی تمایل به بازسازی را نشان داده است زیرا آب و هوا به تدریج گرم و مرطوب شده است [ 21 ]. برخی از محققان روابط بین پوشش گیاهی و تنوع محیطی را مورد مطالعه قرار داده اند [ 22 ]. گوو و همکاران دریافت که تغییرات پوشش گیاهی در SRYR همبستگی بسیار چشمگیری با عوامل آب و هوایی نشان داد [ 23 ]]. لیانگ و همکاران گزارش داد که شرایط هیدرولوژیکی محلی به طور مستقیم بر تغییرات پوشش گیاهی تأثیر می گذارد و چرای بیش از حد می تواند علت اصلی تخریب موضعی پوشش گیاهی باشد [ 24 ]. اکثر مطالعات در مورد پوشش گیاهی در منطقه مورد مطالعه بر تغییرات بین سالانه فعلی متمرکز شده است، در حالی که مطالعات کمی بر روی مناطق مختلف و آینده متمرکز شده است.
انواع کاربری زمین نشان دهنده چالش های مداوم تغییرات محیطی و اثرات فعالیت های انسانی است [ 25 ]. بنابراین، بر اساس داده‌های NDVI و داده‌های اقلیمی از سال 1998 تا 2016، این مطالعه تغییرات مکانی-زمانی در NDVI و مکانیسم‌های پاسخ انواع کاربری‌های مختلف زمین در فصل رشد را تجزیه و تحلیل و برای 20 سال آینده پیش‌بینی کرد. این مطالعه یک مبنای علمی برای توسعه اقدامات متقابل برای محافظت از پوشش گیاهی در SRYR تحت پس‌زمینه گرمایش جهانی فراهم می‌کند.

2. داده ها و روش ها

2.1. منطقه مطالعه

SRYR (32°09-36°34 شمالی، 95°54-103°24 شرقی) در شمال شرقی فلات چینگهای-تبت واقع شده است و مساحتی معادل 131400 کیلومتر مربع را پوشش می دهد که 16.2 ٪ از مساحت حوضه رودخانه زرد را تشکیل می دهد. مناطق مورد مطالعه در این مقاله در شکل 1 نشان داده شده است. منطقه اداری عمدتاً شامل 17 شهرستان در سه استان چینگهای، گانسو و سیچوان است. ارتفاع در SRYR از غرب به شرق با حداکثر ارتفاع 6253 متر و حداقل 2410 متر کاهش می یابد. کمترین ارتفاع منطقه مورد مطالعه در مخزن Longyangxia و بالاترین ارتفاع در کوه های Anyemaqen وجود دارد. این منطقه دارای آب و هوای فلات قاره ای است که آشکارا تحت تأثیر بادهای موسمی جنوب غربی است. کاهش دما و بارندگی از جنوب شرق به شمال غرب. میانگین بارندگی سالانه تقریباً 530 میلی متر در سال است [ 26 ] . از جنوب شرقی تا شمال غربی، میانگین دمای روزانه سالانه بین 2 درجه سانتی گراد و -4 درجه سانتی گراد متغیر است [ 27 ]]. بسیاری از یخچال‌ها و یخ‌های دائمی گسترده و همچنین تعداد زیادی دریاچه و رودخانه وجود دارد که تعداد زیادی از تالاب‌های مردابی را تغذیه می‌کنند. این مناطق بیش از 40 درصد از رواناب در حوضه رودخانه زرد را فراهم می کنند [ 28 ]. SRYR یک منطقه مهم حفاظت از آب است و به عنوان “برج آب فلات” نیز شناخته می شود.

2.2. داده ها

داده‌های NDVI مورد استفاده در این مقاله توسط مرکز داده‌های علوم منابع و محیط آکادمی علوم چین ( https://www.resdc.cn ) ارائه شده است. داده‌ها بر اساس داده‌های سری زمانی NDVI به‌دست‌آمده از تصاویر سنجش از راه دور ماهواره‌ای توسط SPOT/VEGETATION و طیف‌سنجی تصویربرداری با وضوح متوسط ​​(MODIS) بودند. داده ها می توانند توزیع و تغییر پوشش گیاهی در مناطق مختلف چین را در مقیاس های مکانی-زمانی به طور موثر منعکس کنند، که از اهمیت مرجع زیادی برای نظارت بر تنوع پوشش گیاهی، استفاده منطقی از منابع پوشش گیاهی و سایر تحقیقات در مورد محیط زیست محیطی برخوردار است [ 29 ].]. داده ها با اصلاحات جوی، تشعشعی و هندسی پردازش شدند. داده ها با استفاده از کامپوزیت های حداکثر ارزش (MVC) با وضوح مکانی 1 کیلومتر و وضوح زمانی یک ماه سنتز شدند. پس از تأیید، دقت برای برآورده کردن الزامات یافت شد. داده ها در تحقیقات پایش تغییرات دینامیکی پوشش گیاهی استفاده شده است. میانگین مقادیر ماهانه NDVI از ماه می تا سپتامبر برای به دست آوردن مقادیر سالانه NDVI در طول فصل رشد از 1998 تا 2016 استفاده شد. داده های شبکه هواشناسی روزانه توسط مرکز ملی آب و هوا [ 30 ] ارائه شد.]، شامل داده‌های CN05.1 از سال‌های 1998 تا 2016 و داده‌های مدل آب و هوایی منطقه‌ای نسخه 4 (RegCM4) از سال‌های 2020 تا 2038، که به ترتیب دارای وضوح فضایی 0.25 درجه و 0.0625 درجه بودند. عناصر اقلیمی شامل بارش (پیش) و دما (Tm) بودند. مقادیر روزانه دو عنصر آب و هوایی از ماه مه تا سپتامبر به صورت آماری برآورد شد و این داده‌ها به وضوح فضایی 1 کیلومتر نمونه‌برداری شدند تا با وضوح فضایی مجموعه داده NDVI مطابقت داشته باشند. داده ها به شدت در مقالات علمی مورد استناد قرار گرفته اند [ 31 ]. انواع کاربری زمین در سال 2015 از مرکز داده های علوم منابع و محیط زیست آکادمی علوم چین ( https://www.resdc.cn ) به دست آمد.) با وضوح مکانی 100 متر. انواع کاربری زمین در شش دسته ادغام شدند: زمین های زراعی، جنگلی، علفزار، بدنه های آبی، زمین های ساخته شده و زمین های بلااستفاده.

2.3. مواد و روش ها

برای تحلیل روندهای NDVI از روش روند خطی [ 32 ] استفاده شد. شیب مثبت نشان داد که پوشش گیاهی با افزایش NDVI تمایل به بهبود دارد. شیب منفی نشان داد که پوشش گیاهی با کاهش NDVI تمایل به زوال دارد. شیب آماری e مطابق رابطه (1) به صورت زیر محاسبه شد:

هسلoپه=n×∑من=1nمن×نDVمنمن-∑من=1nمن×∑من=1nنDVمنمنn×∑من=1nمن2-(∑من=1nمن)2

که در آن شیب e نشان دهنده شیب روند NDVI، i نشان دهنده شماره سریال سال، و n نشان دهنده طول سری زمانی است.

برای تعیین سال تغییر NDVI از آزمون ناگهانی Mann-Kendall [ 33 ] استفاده شد. آمارها با این فرض تعریف شدند که سری های زمانی تصادفی و مستقل هستند. آماره UF k با معادلات زیر محاسبه شد:

Uافک=دک-E(دک)Var(دک)

جایی که

دک=∑من=1کمترمن، (2≤ک≤n)
مترمن={1، نDVمنمن>نDVمنj0، هلسه، (1≤j≤من)
E(دک)=ک(ک-1)4
Var(دک)=ک(ک-1)(2ک+5)72

که در آن UF 1 برابر با 0 است. آمار dk به آنچه در معادلات (3) و (4) ارائه شده است کاهش می یابد، که نشان می دهد مقدار در زمان i از مقدار در زمان j بزرگتر بوده است . معادله (5) میانگین آماره UF k و معادله (6) واریانس را محاسبه می کند. سپس ترتیب ستون d k به عنوان سری زمانی معکوس محاسبه می شود. مقدار UB k با توجه به معادله فوق محاسبه شد. با توجه به سطح معناداری 0.05 = α، مقدار بحرانی آماره UB k برابر با 1.96| بود. یک توالی برای 19 نمونه و UF k ساخته شدو UB k منحنی ها و خطوط افقی قابل توجهی رسم شد. اگر UF k بیشتر از 0 بود، به این معنی است که دنباله روند افزایشی را نشان می دهد و مقدار کمتر از 0 نشان دهنده کاهش است. هنگامی که آستانه از |1.96| فراتر رفت، نشان داد که روند قابل توجه است. اگر منحنی های UF k و UB k دارای نقاط تقاطع در بازه اطمینان باشند، زمان مربوط به نقطه تقاطع نقطه تغییر ممکن است.

علاوه بر این، این مطالعه از تحلیل همبستگی جزئی [ 20 ] برای تجزیه و تحلیل رابطه بین عوامل اقلیمی و NDVI استفاده کرد. ضریب همبستگی جزئی شاخصی است که میزان همبستگی خطی بین دو متغیر را با کنترل اثرات چندین متغیر دیگر اندازه گیری می کند. علاوه بر این، این مطالعه از روش تجزیه و تحلیل باقیمانده استفاده کرد [ 34 ، 35] برای تجزیه و تحلیل اثرات فعالیت های انسانی بر NDVI. بر اساس مقادیر NDVI، بارندگی و دما از سال 1998 تا 2016، از روش باقیمانده برای شبیه‌سازی رابطه بین NDVI و عناصر آب و هوایی برای هر پیکسل استفاده شد. تغییرات در باقیمانده‌ها در پیش‌بینی‌ها و مشاهدات NDVI نشان‌دهنده مشارکت تأثیرات انسانی در تغییرات واقعی در NDVI است. باقیمانده‌های مثبت نشان‌دهنده تأثیرات انسانی بر پوشش گیاهی مثبت و باقی‌مانده‌های منفی نشان‌دهنده منفی بودن تأثیرات انسان بر روی پوشش گیاهی بود.

3. نتایج و تجزیه و تحلیل

3.1. تغییرات مکانی-زمانی در شاخص گیاهی تفاوت نرمال شده (NDVI)

جدول 1 وضعیت اساسی شهرستان‌های اصلی را نشان می‌دهد که نشان می‌دهد بدنه‌های آبی و زمین‌های ساخته‌شده سهم کمی را به خود اختصاص داده‌اند، بنابراین تغییرات پوشش گیاهی در این انواع کاربری زمین متعاقباً تجزیه و تحلیل نخواهد شد. در میان انواع مختلف کاربری اراضی، نسبت علفزار در منطقه بالاترین بود. در میان شهرستان های مختلف، NDVI در Zoigê بالاترین مقادیر را داشت.
توزیع فضایی NDVI در فصل رشد در SRYR از سال 1998 تا 2016 تفاوت‌های منطقه‌ای آشکاری را نشان داد. تجزیه و تحلیل تنوع فضایی یک شیب فزاینده NDVI از شمال غربی به جنوب شرقی را در شکل 2 الف نشان داد. حداکثر مقدار NDVI 0.76 بود که در تالاب Zoigê قرار داشت. با مراجعه به مطالعات مرتبط [ 36 ]، مقادیر NDVI در 5 سطح طبقه بندی شدند. توزیع NDVI در ترکیب با انواع کاربری زمین تجزیه و تحلیل شد ( شکل 2ج). میانگین چند ساله NDVI در فصل رشد 0.486 بود که از این میان، منطقه ای که NDVI کمتر از 0.1 بود، 1.17٪ از کل مساحت را پوشش می داد، که عمدتاً شامل آب های نشان داده شده توسط دریاچه Eling، دریاچه Zaling، و مخزن Longyangxia و برف یخبندان دائمی در Anyemaqen است. کوه ها. منطقه با مقادیر NDVI بین 0.1 و 0.3 15.12٪ از مساحت را پوشش می دهد که عمدتاً شامل زمین های بلااستفاده است که تحت سلطه شن و ماسه بود. صحرای گبی؛ زمین های باتلاقی در شمال کومارلب، شمال مادوی و غرب Xinghai در اطراف مخزن Longyangxia. و منطقه شنی در Huangshatou. منطقه ای که NDVI بین 0.3 و 0.6 بود 50.77٪ از منطقه را پوشش می داد و عمدتاً در Qumarleb، Madoi، Chindu، Maqên، Xinghai و Guinan با علفزارهای با پوشش متوسط ​​و کم توزیع شده است. علاوه بر این، این منطقه شامل زمین های زیر کشت در بخش هایی از گینه نیز بود. مقادیر NDVI بین 0.6 و 0.7 27.90٪ از کل منطقه را پوشش می دهد. این مناطق عمدتاً در شهرستان‌های مرکزی منطقه قرار داشتند که علف‌زارهای با پوشش متوسط ​​و کم بر آن‌ها غالب است. مناطقی که NDVI > 0.7 بود، 5.04٪ از کل مساحت را پوشش می دادند، عمدتاً شامل Aba، Maqu، Zoigê، و Hongyuan، که دارای علفزارهای با پوشش بالا و برخی از علفزارهای با پوشش متوسط ​​هستند.
توزیع فضایی مقادیر میانگین NDVI می‌تواند روند کلی پوشش گیاهی را نشان دهد، اما تغییرات معکوس در مناطق مختلف وجود دارد و می‌توانند یکدیگر را جبران کنند. بنابراین، بر اساس مدل رگرسیون واحد، روند NDVI طی 19 سال در مقیاس پیکسلی مورد تجزیه و تحلیل قرار گرفت. مطابق شکل 2ب، NDVI در SRYR در اکثر مناطق افزایش یافته و در برخی مناطق محلی کاهش یافته است. طبق آمار، از سال 1998 تا 2016، منطقه ای که NDVI در آن افزایش یافته است، 71.40٪ از کل منطقه را پوشش می دهد. در میان مناطق با افزایش NDVI، منطقه به سرعت در حال افزایش 33.12٪ از کل منطقه را پوشش می دهد و عمدتا در جنوب شرقی توزیع شده است. مقادیر NDVI در 19.41 درصد از مناطق تغییر معنی داری نداشت. این مناطق عمدتاً در مادوی، گاد و هوانگشاتو در گوینان توزیع شدند. به عنوان یک منطقه کنترل شن و ماسه معمولی بادی، روند NDVI اساساً بدون تغییر باقی ماند که منعکس کننده ماهیت طولانی مدت و سخت مدیریت زمین شنی است. منطقه کاهش یافته NDVI 9.19٪ را پوشش می دهد و عمدتاً در Qumarleb (چمنزارها با پوشش متوسط ​​و کم، زمین های بلااستفاده با سنگ های برهنه)، Maqên و یک منطقه شهری از Gonghe توزیع شده است.
همانطور که در شکل 3 می بینیمNDVI در SRYR در 19 سال گذشته به آرامی افزایش یافته است، با شیب 0.00204/a. قبل از سال 2005، NDVI کمتر از مقادیر میانگین چند ساله بود، و سپس در اطراف میانگین نوسان داشت، که نشان می‌دهد پوشش گیاهی از سال 2005 بهبود یافته است. River-Source Nature Reserve در Qinghai» در سال 2005 و یک سری اقدامات مهندسی را اجرا کرد. نتایج این مقاله نشان داد که اجرای این پروژه ها تأثیر خاصی بر احیاء و حفاظت پوشش گیاهی داشته است. از میان انواع مختلف کاربری زمین، روند علفزار NDVI سازگارترین با کل منطقه بود. مقادیر NDVI برای انواع کاربری های مختلف در منطقه روند صعودی را نشان داد. روند افزایشی NDVI زمین های زراعی با تمایل خطی 0.00559/a، میانگین مقدار NDVI 0.46، و یک نقطه تغییر که تقریباً در سال 2004 رخ داد، آشکارترین بود. گرایش به ترتیب 0.00248/a و 0.00214/a بود. میانگین ارزش NDVI جنگلی 0.60 بود، و نقطه تغییر بین سال‌های 2009 و 2011 بود. میانگین ارزش NDVI مرتع 0.50 بود و نقطه تغییر تقریباً 2006 بود. در منطقه مورد مطالعه، زمین های بلااستفاده در غرب عمدتاً شامل زمین های شنی و گوبی با مقادیر کم NDVI بود. قسمت شرقی، یعنی تالاب Zoigê، تحت سلطه تالاب با ارزش NDVI بالا بود. به طور خلاصه، توزیع مقادیر NDVI در انواع مختلف کاربری زمین، جنگل > علفزار > زمین زراعی >> زمین بلااستفاده بود. از نظر روند، علفزار NDVI به طور قابل توجهی به NDVI سالانه در منطقه مورد مطالعه کمک کرد.
روند افزایشی در NDVI در بسیاری از مناطق چین آشکار بود. با این حال، تغییرات NDVI در SRYR نسبتاً اندک بود، حتی اگر اقدامات حفاظتی زیادی توسط دولت در همان زمان در منطقه اتخاذ شد، و روند افزایشی تغییرات آب و هوایی سریع‌تر از میانگین در چین بود. بنابراین، ما عوامل اصلی موثر بر NDVI را در تجزیه و تحلیل بعدی مورد بحث قرار دادیم.

3.2. تاثیر عناصر هواشناسی بر NDVI

بسیاری از مطالعات پاسخ روشن NDVI را به تغییرات آب و هوایی نشان داده اند. تأثیر تغییر اقلیم بر پوشش گیاهی عمدتاً در شرایط گرمابی منعکس می شود. به دست آوردن داده های تبخیر و تعرق برای مشاهدات مداوم طولانی مدت دشوار است. بنابراین، تغییر اقلیم را می توان به عنوان عاملی برای تغییرات بارندگی و دما نسبت داد. دما و بارندگی مستقیم ترین و مهم ترین عوامل رشد گیاه هستند [ 37 و 38 ]. شکل 4نشان می دهد که بارش در فصل رشد روندی صعودی را نشان می دهد، با روند خطی 7.17/a و میانگین مقدار 449.52 میلی متر. میانگین دما به صورت خطی در 0.04/a با میانگین 6.42 درجه سانتیگراد افزایش یافت. بارش و دما عمدتاً قبل از سال 2005 کمتر از میانگین بوده است. میزان بارندگی در سال 2001 کمترین مقدار را داشته است. سازگاری بین NDVI و دما بهتر از سازگاری بین NDVI و بارش بود.
ضرایب همبستگی بین عناصر آب و هوایی و NDVI در انواع کاربری های مختلف در جدول 2 نشان داده شده است. ضریب همبستگی جزئی بین NDVI و بارش 0.221 ( P = 0.289) و ضریب بین NDVI و دما 0.467 ( P = 0.131) بود. در میان مقادیر NDVI برای انواع مختلف کاربری اراضی، بارش بهترین همبستگی را با زمین زراعی نشان داد و آزمون سطح معنی‌داری 5 درصد را گذراند. زمین های زراعی عمدتاً در مرکز گوینان و شمال تونگده واقع شده است. نیروی محرکه بارش در زمین های زراعی قوی تر از دما بود. دما بهترین همبستگی را با علفزار و پس از آن جنگل‌ها داشت.
جدول 3 همبستگی جزئی بین عناصر آب و هوایی و NDVI را در شهرستان های مختلف نشان می دهد. ضریب همبستگی بین بارش و NDVI در همه شهرستان ها مثبت بود. در بین شهرستان‌های مختلف، در سطح معنی‌داری 05/0، گینان بیشترین نسبت همبستگی معنی‌دار را به نمایش گذاشت که 08/71 درصد از کل منطقه را پوشش داد و پس از آن زکوگ و گونگه قرار گرفتند. نسبت همبستگی معنی دار در این شهرستان ها همه بالای 50 درصد بود. شهرستان‌هایی که نسبت همبستگی معنی‌دار بین 25 تا 50 درصد بود، عمدتاً در Xinghai، Tongde، Madoi، Zoigê، Henan و Qumarleb توزیع شده‌اند. شهرستان‌هایی که نسبت همبستگی معنی‌دار کمتر از 25 درصد بود، عمدتاً شامل Maqên، Hongyuan، Darlag، Maqu، Aba، Jigzhi، Gadê و Chindu بودند.
شهرستان‌هایی که نسبت همبستگی معنی‌دار بین NDVI و دما بالای 75 درصد بود، عمدتاً شامل آبا، زکوگ و هونگ‌یوان بودند. آبا بیشترین نسبت همبستگی معنی دار را داشت که 15/83 درصد از کل مساحت را پوشش می داد. هر دو ضرایب همبستگی آبا و زکوگ آزمون سطح معنی داری 5 درصد را پشت سر گذاشتند. یعنی نیروی محرکه دما روی پوشش گیاهی قویتر از بارش در این مناطق بود. شهرستان‌هایی که نسبت همبستگی معنی‌دار بین 50 تا 75 درصد بود، عمدتاً در Jigzhi، Henan، Chindu، Darlag، Maqu، Zoigê، Madoi، Qumarleb و Gadê توزیع شده‌اند. شهرستان هایی که نسبت همبستگی معنی دار بین 25 تا 50 درصد بود، عمدتاً شامل تونگده، ماقن و گوینان بودند. شهرستان‌هایی که نسبت همبستگی معنی‌دار در آنها کمتر بود 25٪ عمدتا شامل Xinghai و Gonghe بودند. محتویات ضرایب همبستگی در نشان داده شده استشکل 5 .
شکل 5 رابطه بین NDVI، عناصر اقلیمی و ضریب همبستگی جزئی را در شهرستان های مختلف نشان می دهد. بارش و دما با NDVI همبستگی مثبت داشتند. یعنی در شهرستان های مختلف، NDVI به تدریج با افزایش بارندگی و دما افزایش یافت. هر چه NDVI بالاتر باشد، همبستگی بین بارش و NDVI ضعیف تر است. هر چه NDVI بالاتر باشد، همبستگی بین دما و NDVI قوی تر است. شکل 5c,d ضریب همبستگی جزئی بین عناصر آب و هوایی و NDVI را نشان می دهد. همانطور که در شکل نشان داده شده است، بارش، دما و ضریب همبستگی همبستگی منفی داشتند. یعنی با افزایش بارندگی و دما، همبستگی بین NDVI و عوامل اقلیمی ضعیف شد. به طور کلی، هر چه میزان بارش و دمای شهرستان کمتر باشد، همبستگی بین عوامل اقلیمی و NDVI قوی‌تر است. عموماً تأثیرات روی پوشش گیاهی در شرایط آب و هوایی نامساعد نسبت به شرایط مناسب آشکارتر بود.
توزیع فضایی ضریب همبستگی جزئی بین عناصر NDVI و آب و هوا در فصول رشد در شکل 6 نشان داده شده است . در مقیاس پیکسلی، ضریب همبستگی جزئی بین NDVI و بارش، همبستگی مثبت و معنی‌داری را با بارش نشان داد که 08/27 درصد از کل مساحت را در شکل 6 پوشش می‌دهد.آ. این همبستگی عمدتاً در گینه توزیع شده است که عمدتاً شامل علفزار و زمین های شنی است، بیشتر این منطقه بین 2559 تا 4759 متر بالاتر از سطح دریا واقع شده است و میانگین بارندگی سالانه زیر 400 میلی متر است. همبستگی مثبت قابل توجهی نیز در Zêkog، Gonghe، Tongde، Xinghai، و شمال غربی Madoi مشاهده شد. در مجموع 68.99 درصد از منطقه ارتباط معنی داری نداشت. مناطق با همبستگی منفی معنادار 3.93 درصد از کل منطقه را پوشش دادند و امتیاز در دارلاگ و مادوی توزیع شد. این منطقه بین 3787 تا 5236 متر بالاتر از سطح دریا قرار دارد و میانگین دمای سالانه آن زیر 5.5 درجه سانتی گراد است. افزایش بارندگی و ذوب گسترده یخچال‌ها و برف‌ها وجود داشت که باعث تغذیه دریاچه‌های یخچالی و تالاب‌ها شد و پوشش گیاهی مناطق برفی یخچالی را تا حدی کاهش داد.
منطقه ای که در آن همبستگی مثبت معنی داری بین NDVI و دما وجود داشت، 34/56 درصد از کل منطقه را در شکل 6 ب پوشش می داد و عمدتاً در زکوگ، مادوی جنوبی، چیندو، دارلاگ و جنوب شرقی SRYR توزیع شده است. منطقه ای که به طور قابل توجهی مرتبط نبود، 43.60٪ را پوشش می دهد و عمدتاً در Gonghe، Xinghai، شمال گینه، Maqên و Gadê توزیع شده است.
به طور کلی، NDVI یک همبستگی مثبت با بارش و دما در SRYR نشان داد، و همبستگی با دما بیشتر از بارش کل بود. این نتیجه نشان داد که حساسیت NDVI به دما بیشتر از بارندگی است که نشان می‌دهد دما تأثیر بیشتری بر پوشش گیاهی دارد.

3.3. تأثیر فعالیت های انسانی بر NDVI

مطالعات متعدد نشان داده است که پوشش گیاهی آلپ که به تغییرات جهانی بسیار حساس است [ 39 ، 40 ]، به شدت تحت تأثیر تغییرات آب و هوایی جهانی و فعالیت های انسانی قرار گرفته است. تأثیر فعالیت های انسانی بر تغییرات پوشش گیاهی عمدتاً شامل ترویج افزایش پوشش گیاهی (مهندسی اکولوژیکی و غیره) و تأثیر مخرب کاهش پوشش گیاهی (چرا، گسترش شهری و غیره) است. توزیع فضایی تجزیه و تحلیل باقیمانده برای NDVI در شکل 7 نشان داده شده است. هشت منطقه معمولی در شکل انتخاب شدند و اطلاعات فعالیت های انسانی در این مناطق برای تأیید نتایج باقی مانده جمع آوری شد.
شکل 7 نشان می دهد که 53.58 درصد از مقادیر باقیمانده منفی بوده است که عمدتاً شامل مناطق مرکزی و غربی در SRYR بوده و Maqên بیشترین نسبت را به خود اختصاص داده است. فعالیت های انسانی در این مناطق نقش منفی در پوشش گیاهی دارد. مقادیر موجود در Maqên در قلمرو کوه های Anyemaqen، حساس بودند و خطر تغییر را نشان دادند [ 41]. این مناطق مناطق مرتفع با ویژگی های اساسی زیر هستند: شرایط نامناسب آب-گرمایی و تشعشعات خورشیدی قوی که برای اجرای پروژه های ساختمانی اکولوژیکی مساعد نیستند. محیط زیست محیطی همچنان رو به وخامت است. دوم، در مرز گاد و دارلاگ، فعالیت انسان بر پوشش گیاهی تأثیر منفی داشت. در 19 سال گذشته، بیابان زایی و تخریب محیط زیست این منطقه عمدتاً به دلیل فعالیت های انسانی از جمله چرای بی رویه، در پس زمینه تغییرات اقلیمی منطقه بوده است. لیو گزارش داد که تخریب مراتع مهمترین تغییر پوشش زمین در SRYR [ 42]. علاوه بر این، در بخش مرکزی گونگه، تغییرات کاربری زمین به دلیل گسترش سریع زمین های ساخته شده ایجاد شد و تأثیر منفی بر پوشش گیاهی محلی داشت.
علاوه بر این، 46.42٪ از منطقه به نمایش گذاشته باقی مانده مثبت، به طور عمده در تالاب Zoigê و ذخایر طبیعی. فعالیت های انسانی در این مناطق نقش مثبتی در پوشش گیاهی دارد. تالاب Zoigê عمدتاً شامل Hongyuan، Aba، Zoigê و Maqu است. باقیمانده ها در مناطق اصلی ذخایر طبیعی [ 43] مثبت بودند، که عمدتاً شامل Yoigilangeb، Eling Lake–Zaling Lake، و Zhongtie-Jungong بودند. مقادیر NDVI در این مناطق روند افزایشی را نشان می‌دهد که نشان می‌دهد روند کاهش پوشش گیاهی و گسترش بیابان‌زایی مهار شده و گسترش تالاب و افزایش پوشش گیاهی مشهود است. تا حدودی، اثرات ایجاد ذخیره‌گاه طبیعی با منبع سه رودخانه (2000) تأیید شد و پروژه ساخت‌وساز حفاظت از محیط زیست (2005) قبلاً به نتایج اولیه دست یافته است. ایجاد پارک ملی سه رودخانه در سال 2020 نشان داد که حفاظت اکولوژیکی منطقه منبع رودخانه زرد به سطح جدیدی رسیده است.

3.4. پیش بینی روند

از معادلات رگرسیون خطی چند متغیره برای به دست آوردن ضرایب رگرسیون مقادیر NDVI مشاهده شده و عناصر آب و هوایی مشاهده شده (بارش و دما) از سال 1998 تا 2016 استفاده شد. ضرایب رگرسیون بر اساس داده های پیش بینی آب و هوا از RegCM4 در همان دوره برای شبیه سازی برازش شدند. روند تغییر مبتنی بر پیکسل NDVI. مقایسه در شکل 8b نشان می دهد که مقدار تمایل NDVI شبیه سازی شده با گرایش های خطی 0.00207/a، با مقدار تمایل NDVI مشاهده شده با گرایش های خطی 0.00204/a یکسان است. این نتیجه نشان می دهد که اعتبار روند NDVI شبیه سازی شده بالا بوده است. برای دوره زمانی آینده شبیه سازی شده، ما 2020-2038 را انتخاب کردیم که مشابه طول زمانی گذشته و نزدیک به زمان حال بود. بر اساس شبکه، با استفاده از مدل NDVI-اقلیم در مقیاس پیکسل ایجاد شده، توزیع روند تغییر NDVI از سال 2020 تا 2038 در مقیاس پیکسل با MATLAB تجزیه و تحلیل شد. آمار با رابطه زیر محاسبه شد:
NDVI (2020-2038) = ضریب رگرسیون بارش (1998-2016) * بارش (2020-2038) + ضریب رگرسیون دما (1998-2016) * دما (2020-2038).
مطابق شکل 8NDVI طی 19 سال آینده روند صعودی اندکی را با شیب 0.00096/a نشان خواهد داد. از سال 2020 تا 2038، مناطقی که NDVI اساساً بدون تغییر باقی می‌ماند و به آرامی افزایش می‌یابد، به ترتیب 54 درصد و 42.43 درصد از کل منطقه را پوشش می‌دهند. در میان این مناطق، مناطق اساساً بدون تغییر عمدتاً در چیندو و کومارلب توزیع شده اند که نسبت آن در هر شهرستان 91.16٪ و 86.15٪ است. مناطق به آرامی در حال افزایش عمدتا در Zêkog و Tongde متمرکز شده اند که به ترتیب 70.76٪ و 69.83٪ از شهرستان را پوشش می دهند. علاوه بر این، NDVI در نواحی Guinan، Zêkog و Tongde که در حال حاضر مقدار زیادی زمین زراعی و مقدار کمی زمین شنی وجود دارد، به سرعت در حال افزایش است و روند مشابهی را در 19 سال گذشته دنبال می کند. روند افزایشی NDVI در گینه با نرخ رشد سریع 0.00267/a آشکارترین است.
ورودی های مدل پیش بینی عمدتاً بارش و دما هستند، بنابراین افزایش NDVI با گرم شدن کره زمین مرتبط است. افزایش دما، ذوب شدن یخچال ها و افزایش بارندگی، محیط مناسبی را برای پوشش گیاهی فراهم می کند. مطالعات جدید نشان داده اند که درختچه ها و علف ها در اطراف کوه اورست رشد می کنند [ 44]، و دمای قطب جنوب برای اولین بار از 20 درجه سانتیگراد فراتر رفت. این نتایج نشان می‌دهد که اکوسیستم‌های هیمالیا در برابر تغییرات ناشی از آب و هوا در پوشش گیاهی بسیار آسیب‌پذیر هستند و اثرات گرمایش جهانی در حال گسترش است. تغییرات آب و هوا بر رشد پوشش گیاهی تأثیر می گذارد و تغییر پوشش گیاهی منعکس کننده تغییرات آب و هوایی است. SRYR یک منطقه حساس به آب و هوا است، و روند گذشته و آینده NDVI هر دو روند گرم شدن و مرطوب شدن آب و هوا را نشان می دهد، که باید توجه را برانگیزد.
مدل شبیه سازی آب و هوا با مدل پیش بینی آب و هوا و مدل پیش بینی کوتاه مدت اقلیم متفاوت بود. تاریخ های مدل با تاریخ های واقعی تقویم برابری نمی کند. بنابراین، نتایج این مطالعه تنها برای شبیه‌سازی روندهای NDVI آتی بوده و مقادیر فعلی NDVI را نشان نمی‌دهد.

4. بحث

SRYR به دلیل ویژگی های اقلیمی منحصر به فرد و سیستم تالاب غنی، یک منطقه مهم حفاظت و تغذیه آب در حوضه رودخانه زرد است. ما دریافتیم که NDVI بیش از 70٪ از منطقه مورد مطالعه افزایش یافته است، و نرخ افزایش در محدوده 0 تا 0.00559 / a است. در مقایسه با سال 1998، NDVI در اکثر مناطق در سال 2016 افزایش یافته است. با این حال، در بخش های قابل توجهی از Qumarleb و Maqên، NDVI کاهش یافته است، که نشان می دهد که محیط زیست اکولوژیکی طبیعی نیاز به حفاظت دارد. وی گزارش داد که محرومیت از چرا یک رویکرد مرمتی موثر برای احیای مراتع آلپی تخریب شده در مقین است [ 45 ]]. بارندگی سالانه منطقه مورد مطالعه از سال 1377 تا 1395 با تغییرات قابل توجهی در مراحل مختلف افزایش یافته است. نتایج با نتایج لی [ 46 ] مطابقت داشت. دما با تمایل خطی 0.0355/a افزایش یافت. افزایش میانگین سالانه دما طی چند سال گذشته عمدتاً ناشی از افزایش میانگین حداقل دمای سالانه است [ 47 ]. مطالعات مرتبط همچنین تایید کرده اند که آب و هوا در SRYR در حال گرم شدن است [ 26 ، 47 ، 48 ]. تغییرات دما در منطقه طی 19 سال گذشته با تغییرات دما در سراسر چین مطابقت داشت [ 49]، و همه مناطق افزایش دما را نشان دادند. با این حال، افزایش دما در SRYR بزرگتر از افزایش کلی در چین بود، که همچنین حساسیت منطقه آلپ را به تغییرات جهانی تایید کرد [ 50 ]. این مطالعه نشان داد که دما و بارش SRYR طی 19 سال گذشته افزایش یافته است. آب و هوای منطقه وارد دوره گرمتر و مرطوب تری خواهد شد که برای احیاء و استقرار پوشش گیاهی مساعد خواهد بود. علاوه بر این، NDVI به دما حساس تر از بارش است.
علاوه بر این، تغییرات در پوشش گیاهی مرتع نه تنها به تغییرات بلندمدت و کوتاه مدت در آب و هوا، بلکه به تأثیر فعالیت‌های انسانی و آشفتگی‌های مرتبط با آن‌ها نیز پاسخ داد. تلاش‌های ساخت‌وساز حفاظت از محیط‌زیست مورد تایید دولت شامل پروژه‌های بزرگی مانند بازگرداندن مراتع به مراتع و مهاجرت زیست‌محیطی است. اجرای پروژه های مستمر احیای اکولوژیک و حفاظت از محیط زیست، پوشش گیاهی را تا حدودی افزایش داده است، اما نمی توان از تخریب پوشش گیاهی ناشی از تشدید فعالیت های انسانی در مناطق محلی چشم پوشی کرد. این منطقه برای مدت طولانی در طول تاریخ مورد استفاده بیش از حد و چرای بیش از حد بوده است. چرای بی رویه عامل اصلی تخریب اکوسیستم های مرتعی است [ 41 ]]. نتایج باقی‌مانده نشان داد که فعالیت‌های انسانی باقیمانده منفی بیشتری بر روی پوشش گیاهی منطقه مورد مطالعه دارد که نشان می‌دهد تخریب پوشش گیاهی آلپ به طور موثر مهار نشده است که با نتایج تحقیقات مرتبط مطابقت دارد. مرتع NDVI ارتباط نزدیکی با آب و هوا داشت. تحقیقات ما نشان داد که روند NDVI بیشتر با روند NDVI مرتع سازگار بود و همبستگی جزئی بین NDVI مرتع و دما بهترین بود. یانگ [ 49 ] دوره 1998-2007 را برای تجزیه و تحلیل روند پوشش گیاهی در SRYR انتخاب کرد. نتایج نشان داد که پوشش گیاهی در حال بهبود است [ 51] که با نتایج این مقاله مطابقت دارد. تغییرات آب و هوایی مداوم و مداخلات انسانی بر پوشش گیاهی تأثیر زیادی گذاشته است. بنابراین، تمایل به مرطوب شدن آب و هوا و پروژه های احیای پوشش گیاهی ممکن است دلایل اصلی بهبود پوشش گیاهی در SRYR باشد.
پیش بینی NDVI در SRYR نشان داد که ممکن است طی 19 سال آینده افزایش یابد، که با روندهای 1998 تا 2016 مطابقت داشت. علاوه بر عناصر آب و هوایی و فعالیت های انسانی، NDVI نیز تحت تأثیر آلودگی هوا، تخریب خاک، شیب و عوامل دیگر تعیین کمیت روابط بین تغییر پوشش گیاهی و این عوامل دشوار شده است. انتخاب رزولوشن تصویر داده‌ها و سری‌های زمانی و عوامل مؤثر بر NDVI جهت تحقیقات آینده ما خواهد بود. در حال حاضر، فرکانس تصاویر سنجش از راه دور از مقیاس سالانه به مقیاس های دقیق تر، مانند دوره های ماهانه، ده روزه و روزانه تغییر کرده است. روش‌هایی برای بهبود کیفیت تفکیک مکانی و زمانی داده‌های NDVI از طریق روش‌های تلفیق داده‌های علمی با استفاده از MODIS NDVI با وضوح بالا، SPOT NDVI با وضوح بالا،

5. نتیجه گیری ها

بر اساس داده‌های NDVI و آب و هوا در فصل رشد از سال 1998 تا 2016، این مطالعه ویژگی‌های مکانی و زمانی و مکانیسم‌های تاثیر NDVI در SRYR را تحلیل کرد و روندهای NDVI آینده را پیش‌بینی کرد. نتایج موارد زیر را نشان داد:
(1)
میانگین NDVI در فصل رشد 0.486 بود که از شمال غرب به جنوب شرق کاهش یافت و تفاوت های منطقه ای آشکاری را نشان داد. مقادیر NDVI بین 0.3 و 0.6 در 50.77٪ از کل منطقه متمرکز بود. NDVI روند “افزایش کلی و کاهش به صورت محلی” را نشان داد و 71.40٪ از منطقه روند افزایشی را نشان داد. در میان انواع مختلف کاربری اراضی، جنگل‌ها بالاترین ارزش NDVI را داشتند و روند NDVI مرتع بهترین منطبق با روند کلی NDVI بود.
(2)
از سال 1998 تا 2016، هم بارش و هم دما روند افزایشی را نشان دادند. این شرایط ممکن است دلیل اصلی آب و هوای گرم و مرطوب در SRYR در سال های اخیر باشد. این روند منجر به بهبود پوشش گیاهی شد. حساسیت پوشش گیاهی و دما بیشتر از میزان بارش بود. در میان شهرستان‌های مختلف، تأثیرات روی پوشش گیاهی در شرایط آب و هوایی نامساعد نسبت به شرایط مناسب آشکارتر بود. نتایج تجزیه و تحلیل باقیمانده نشان داد که فعالیت های انسانی تأثیر مثبتی بر 42/46 درصد از SRYR دارد. با این حال، 53.58٪ از منطقه هنوز تحت تاثیر منفی فعالیت های انسانی بود، که ثابت می کند که روند تخریب مراتع به طور موثر مهار نشده است.
(3)
نتایج شبیه‌سازی روند نشان داد که NDVI یک روند صعودی خفیف از سال 2020 تا 2038 نشان داد. NDVI به سرعت در مناطق Guinan، Zêkog و Tongde در حال افزایش است. روند گذشته و آینده NDVI در SRYR هر دو روند گرم شدن و مرطوب شدن آب و هوا را نشان می دهد که باید توجه را برانگیزد.
با توجه به محدودیت‌هایی که در پوشش داده‌ها برای سال‌های قبل وجود داشت، این مقاله تغییرات مکانی-زمانی در منطقه منبع را تنها در 19 سال گذشته تجزیه و تحلیل کرد و روندهای 19 سال آینده را شبیه‌سازی کرد. مطالعات بر روی داده های سری زمانی طولانی، جهت تحقیقات بعدی است.

منابع

  1. هیوز، تی پی؛ کری، جی تی؛ Connolly، SR; برد، ق. ایکین، سی ام. Heron، SF; هوی، ع. Hoogenboom, MO; جاکوبسون، ام. لیو، جی. و همکاران حافظه اکولوژیکی تأثیر تجمعی تغییرات آب و هوایی مکرر را اصلاح می کند. نات. صعود چانگ. 2019 ، 9 ، 40-43. [ Google Scholar ] [ CrossRef ]
  2. والتر، GR; پست، ای. انتقال، پ. منزل، ع. پارمزان، سی. Beebee, JC; Fromentin، JM; Ove، HG; Bairlein, F. پاسخ های اکولوژیکی به تغییرات آب و هوایی اخیر. طبیعت 2002 ، 416 ، 389-395. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  3. وانگ، سی. سان، ی. لی، ال. ژانگ، Q. ارزیابی کمی از کیفیت محیط زیست محیطی پوشش گیاهی منطقه ای با استفاده از داده های سنجش از دور در Qingjiang، Hubei. در مجموعه مقالات دومین کنفرانس بین المللی SPIE در زمینه فناوری اطلاعات فضایی، ووهان، چین، 10 نوامبر 2007. جلد 6795. [ Google Scholar ]
  4. ژونگ، BX; جیونگ، XX; وی، ز. تغییرات فضایی و زمانی پوشش گیاهی در فلات لس چین (1981-2006): اثرات تغییرات آب و هوایی و فعالیت های انسانی. علمی چین سر. D Earth Sci. 2008 ، 51 ، 67-78. [ Google Scholar ]
  5. Qin، ZH; زو، YX; لی، WJ; Xu, B. نقشه برداری پوشش گیاهی اکوسیستم علفزار برای نظارت بر بیابان زایی در Hulun Buir از مغولستان داخلی، چین. در مجموعه مقالات سنجش از دور برای کشاورزی، اکوسیستم ها و هیدرولوژی، کاردیف، ولز، انگلستان، 16-18 سپتامبر 2008. جلد 7104. [ Google Scholar ]
  6. خو، سی. لی، YT; هو، جی. یانگ، XJ; شنگ، س. لیو، ام اس ارزیابی تفاوت بین شاخص گیاهی تفاوت نرمال شده و بهره وری اولیه خالص به عنوان شاخص های ارزیابی بنیه پوشش گیاهی در مقیاس چشم انداز. محیط زیست نظارت کنید. ارزیابی کنید. 2011 ، 184 ، 1275-1286. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  7. کاواباتا، ا. ایچی، ک. یاماگوچی، ی. نظارت جهانی بر تغییرات بین سالانه در فعالیت‌های پوشش گیاهی با استفاده از NDVI و روابط آن با دما و بارش. بین المللی J. Remote Sens. 2001 ، 22 ، 1377-1382. [ Google Scholar ] [ CrossRef ]
  8. لیو، XF; زو، XF؛ پان، YZ; Li، YZ; ژائو، AZ تغییرات فضایی و زمانی در پوشش گیاهی در چین طی سال‌های 1982-2012. Acta Ecol. گناه 2015 ، 35 ، 5331-5342. (به زبان چینی) [ Google Scholar ]
  9. پیائو، اس ال. تغییر پوشش گیاهی Fang, JY Dynamic در 18 سال گذشته در چین. کوات. علمی 2001 ، 4 ، 294-302. (به زبان چینی) [ Google Scholar ]
  10. Xu، GC; ژانگ، جی ایکس؛ لی، پی. Li، ZB; لو، KX; وانگ، XK؛ وانگ، اف سی؛ چنگ، YT; وانگ، ب. پروژه های احیای پوشش گیاهی و تأثیر آنها بر رواناب و رسوب در چین. Ecol. اندیک. 2018 ، 95 ، 233-241. [ Google Scholar ] [ CrossRef ]
  11. ژانگ، دی. Yan، DH; وانگ، YC; لو، اف. Wu, D. تغییرات در بارش شدید در حوضه رودخانه Huang-Huai-Hai چین در طول 1960-2010. نظریه. Appl. کلیماتول. 2015 ، 120 ، 195-209. [ Google Scholar ] [ CrossRef ]
  12. Cui، LF; وانگ، ال سی. سینگ، آرپی؛ لای، ZP; جیانگ، LL; یائو، آر. تجزیه و تحلیل ارتباط بین تنوع فضایی و زمانی سبزی پوشش گیاهی و بارش / دما در حوضه رودخانه یانگ تسه (چین). محیط زیست علمی آلودگی Res. 2018 ، 25 ، 21867–21878. [ Google Scholar ] [ CrossRef ]
  13. Xu، WX; لیو، واکنش XD پوشش گیاهی در فلات چینگهای-تبت به گرمایش جهانی. چانه. Geogr. علمی 2007 ، 17 ، 151-159. [ Google Scholar ] [ CrossRef ]
  14. هو، WJ; گائو، جی بی؛ وو، SH; دای، تغییرات بین سالانه EF در فصل رشد NDVI و همبستگی آن با متغیرهای آب و هوا در منطقه کارست جنوب غربی چین. Remote Sens. 2015 ، 7 ، 11105–11124. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  15. جین، اچ. او، ر. چنگ، جی. وو، کیو. وانگ، اس. لو، ال. Chang، X. تغییرات در زمین یخ زده در منطقه منبع رودخانه زرد در فلات چینگهای-تبت، چین و اثرات زیست محیطی آنها. محیط زیست Res. Lett. 2009 , 4 , 45206. [ Google Scholar ] [ CrossRef ]
  16. لی، جی. شنگ، ی. وو، جی سی. فنگ، ZL؛ نینگ، ZJ; هو، XY; ژانگ، ویژگی‌های منجمد دائمی مرتبط با لندفرم XM در ناحیه منبع رودخانه زرد، فلات شرقی چینگهای-تبت. ژئومورفولوژی 2016 ، 269 ، 104-111. [ Google Scholar ] [ CrossRef ]
  17. هو، جی. جین، اچ جی; دونگ، ZB; لو، جی اف. یان، CZ نیروهای محرکه بیابان زایی بادی در منطقه منبع رودخانه زرد: 1975-2005. محیط زیست علوم زمین 2013 ، 70 ، 3245-3254. [ Google Scholar ] [ CrossRef ]
  18. Zhang، HW حفاظت از محیط زیست و توسعه با کیفیت بالا در حوضه رودخانه زرد با روش های مدیریت علمی تضمین شده است. رودخانه زرد 2020 ، 42 ، 148-155. (به زبان چینی) [ Google Scholar ]
  19. Qin، Y. یانگ، دی. گائو، بی. وانگ، تی. چن، جی. چن، ی. ژنگ، جی. اثرات گرم شدن آب و هوا بر زمین یخ زده و اکو هیدرولوژی در منطقه منبع رودخانه زرد، چین. علمی کل محیط. 2017 ، 605 ، 830-841. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  20. مدثر، آی. ون، جی. وانگ، اس پی؛ تیان، اچ. محمد، الف. تغییرات ویژگی های بارش در دوره 1960-2014 در منطقه منبع رودخانه زرد، چین. J. Arid Land 2018 ، 10 ، 388-401. [ Google Scholar ]
  21. یانگ، JP مطالعات تغییرات زیست محیطی در مناطق منبع رودخانه های یانگ تسه و زرد چین: حال و آینده. علمی سرد خشک Reg. 2019 ، 11 ، 173-183. [ Google Scholar ]
  22. جیانگ، سی. ژانگ، تغییرات آب و هوایی LB و تأثیر آن بر محیط زیست محیطی منطقه سرآب سه رودخانه در فلات تبت، چین. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2015 ، 12 ، 12057-12081. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  23. Guo، WQ; یانگ، سل دای، جی جی. شی، ال. Lu، ZY تغییرات پوشش گیاهی و رابطه آنها با تغییرات آب و هوایی در منطقه منبع رودخانه زرد، چین، 1990-2000. بین المللی J. Remote Sens. 2008 ، 29 ، 2085-2103. [ Google Scholar ] [ CrossRef ]
  24. لیانگ، SH. Ge, SM; وان، ال. Xu، DW ویژگی ها و علل تنوع پوشش گیاهی در مناطق منبع رودخانه زرد، چین. بین المللی J. Remote Sens. 2012 ، 33 ، 1529-1542. [ Google Scholar ] [ CrossRef ]
  25. عدنانی، ع. حبیب، ع. خالدی، ک. زوراره، ب. دینامیک مکانی-زمانی و تکامل پوشش کاربری زمین با استفاده از سنجش از دور و GIS در خور سبو، مراکش. جی. جئوگر. Inf. سیستم 2019 ، 11 ، 551-566. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  26. اقبال، م. ون، جی. Lan، YC; Anjum، MN; عدنان، م. وانگ، ایکس. تیان، اچ. ارزیابی روندهای دمای هوا در منطقه منبع رودخانه زرد و زیرحوضه های آن، چین. آسیا-پک. J. Atmos. علمی 2018 ، 54 ، 111-123. [ Google Scholar ] [ CrossRef ]
  27. Hu، YR; ماسکی، اس. اولنبروک، اس. ژائو، روندهای جریان جریان HL و پیوندهای آب و هوایی در منطقه منبع رودخانه زرد، چین. هیدرول. روند. 2011 ، 25 ، 3399-3411. [ Google Scholar ] [ CrossRef ]
  28. لی، ال. شن، هی. دای، اس. Xiao، JS؛ شی، XH پاسخ رواناب به تغییرات اقلیمی و تمایل آینده آن در منطقه منبع رودخانه زرد. جی. جئوگر. علمی 2012 ، 22 ، 431-440. [ Google Scholar ] [ CrossRef ]
  29. Xu، XL چین ماهانه پوشش گیاهی (NDVI) مجموعه داده های توزیع فضایی. در سیستم ثبت و انتشار داده های مرکز پلتفرم ابر داده های منابع و محیطی آکادمی علوم چین ؛ مرکز پلتفرم ابر داده های منابع و محیطی آکادمی علوم چین: پکن، چین، 2020. (به زبان چینی) [ Google Scholar ]
  30. خو، ی. گائو، XJ؛ شن، ی. Xu، CH; شی، ی. Giorgi, F. مجموعه داده های دمای روزانه در چین و کاربرد آن در اعتبارسنجی شبیه سازی RCM. Adv. اتمس. علمی 2009 ، 26 ، 763-772. [ Google Scholar ] [ CrossRef ]
  31. وو، جی. گائو، XJ شبیه سازی طوفان های استوایی بر فراز شمال غربی اقیانوس آرام و فرود در چین توسط REGCM4. جی تروپ. هواشناسی 2019 ، 25 ، 437-447. [ Google Scholar ]
  32. چو، ال. هوانگ، سی. لیو، جی اچ. لیو، QS; Zhao، J. تجزیه و تحلیل تغییرات پوشش گیاهی تالاب های آلپ Maqu در منطقه منبع رودخانه زرد. در مجموعه مقالات سنجش از دور سطح زمین II، پکن، چین، 13 تا 16 اکتبر 2014. جلد 9260. [ Google Scholar ]
  33. پیرنیا، ع. دارابی، ح. چوبین، بی. امیدوار، ای. اونیوتا، سی. حقیقی، AT سهم تنوع اقلیمی و فعالیت های انسانی در تغییرات جریان رودخانه در حوضه رودخانه هراز، شمال ایران. J. Hydro-Environ. Res. 2019 ، 25 ، 12-24. [ Google Scholar ] [ CrossRef ]
  34. ایوانز، جی. Geerken، R. تبعیض بین آب و هوا و تخریب زمین های خشک ناشی از انسان. J. محیط خشک. 2004 ، 57 ، 535-554. [ Google Scholar ] [ CrossRef ]
  35. چن، اچ. لیو، XN; دینگ، سی. Huang، F. تحلیل روند باقیمانده مبتنی بر فنولوژی سری زمانی MODIS-NDVI برای ارزیابی تخریب زمین ناشی از انسان. Sensors 2018 , 18 , 3676. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  36. یوان، LH؛ چن، XQ; وانگ، XY; Xiong، Z. آهنگ، CQ ارتباط فضایی بین NDVI و عوامل محیطی در حوضه رودخانه هیهه. جی. جئوگر. علمی 2019 ، 29 ، 1548-1564. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  37. مورکرافت، MD; Paterson, JS اثرات تغییرات دما و بارش بر جوامع گیاهی. اقلیم رشد گیاه. چانگ. 2006 ، 16 ، 146-164. [ Google Scholar ]
  38. نمانی، ر. کیلینگ، سی. هاشیموتو، اچ. جولی، دبلیو. پایپر، اس. تاکر، سی. مینینی، ر. در حال اجرا، S. افزایش آب و هوا در تولید اولیه خالص زمینی جهانی از 1982 تا 1999. Science 2003 , 300 , 1560-1563. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  39. لیو، اس ال. ژائو، HD؛ سو، XK؛ دنگ، ال. دونگ، SK; ژانگ، X. تغییرپذیری فضایی-زمانی در شرایط مرتع مرتبط با تغییرات آب و هوایی در ذخیره‌گاه طبیعی ملی کوه آلتون در فلات چینگهای-تبت در 15 سال گذشته. رنگل. J. 2015 , 37 , 67. [ Google Scholar ] [ CrossRef ]
  40. مک گوایر، AD; استورم، ام. چاپین، FS، III. انتقال قطب شمال در سیستم زمین-اتمسفر (ATLAS): پیشینه، اهداف، نتایج و مسیرهای آینده جی. ژئوفیز. Res.-Atmos. 2003 ، 108 . [ Google Scholar ] [ CrossRef ]
  41. پنگ، جی اف. گو، XH; چن، FH; لی، جی بی. لیو، پی بی. Zhang، Y. تنوع ارتفاعی روابط رشد آب و هوا-درخت در امتداد یک شیب ثابت از کوه‌های Anyemaqen، فلات شمال شرقی تبت. Dendrochronologia 2008 ، 26 ، 87-96. [ Google Scholar ] [ CrossRef ]
  42. لیو، LS; ژانگ، ی.ال. بای، WQ; Yan، JZ; دینگ، ام جی. شن، ZX; لی، SC; ژنگ، دی. ویژگی های تخریب مرتع و نیروهای محرک در منطقه منبع رودخانه زرد از سال 1985 تا 2000. J. Geogr. علمی 2006 ، 16 ، 131-142. [ Google Scholar ] [ CrossRef ]
  43. شائو، QQ; لیو، جی. هوانگ، ال. فن، JW; Xu، XL; وانگ، JB ارزیابی یکپارچه در مورد اثربخشی حفاظت از محیط زیست در ذخیره‌گاه ملی Sanjiangyuan. Geogr. Res. 2013 ، 32 ، 1645-1656. (به زبان چینی) [ Google Scholar ]
  44. اندرسون، ک. فاوست، دی. کوگولیره، آ. بنفورد، اس. جونز، دی. لنگ، آر. گسترش پوشش گیاهی در هیمالیا هندوکش. گلوب. چانگ. Biol. 2020 ، 26 ، 1608-1625. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  45. او، اچ. لی، اچ. ژو، جی. مائو، اس. لی، ی. یانگ، ی. ژانگ، اف. اثرات محرومیت چرا بر ویژگی‌های خاک در علفزار آلپ ماقین، فلات تبت، چین. پول جی. محیط زیست. گل میخ. 2016 ، 25 ، 1583-1587. [ Google Scholar ]
  46. لی، کیو. یانگ، MX; Wan، GN; وانگ، XJ تغییرات بارش مکانی و زمانی در منطقه منبع رودخانه زرد. محیط زیست علوم زمین 2016 ، 75 ، 594. [ Google Scholar ] [ CrossRef ]
  47. هو، ی. ماسکی، اس. Uhlenbrook، S. روند دما و بارندگی شدید در منطقه منبع رودخانه زرد، چین. صعود چانگ. 2012 ، 110 ، 403-429. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  48. چن، ال. چانگ، جی ایکس؛ وانگ، YM ارزیابی حساسیت رواناب به بارش و تغییرات دما تحت سناریوهای جهانی تغییر آب و هوا. هیدرول. Res. 2018 ، 50 ، 24-42. [ Google Scholar ] [ CrossRef ]
  49. Du، QQ; ژانگ، ام جی؛ Wang, SJ تغییرات دمای هوا در چین در پاسخ به وقفه اخیر گرمایش جهانی. Acta Geogr. گناه 2019 ، 29 ، 496-516. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  50. چن، اف. ژانگ، ی. Shao، XM; Li، MQ; Yin, ZY بازسازی دمای 2000 ساله در کوه های Animaqin در فلات تبت، چین. هولوسن 2016 ، 26 ، 1904-1913. [ Google Scholar ] [ CrossRef ]
  51. یانگ، ZP; گائو، جی ایکس؛ ژو، CP; Shi, PL; ژائو، ال. شن، WS; Ouyang، H. تغییرات فضایی-زمانی NDVI و ارتباط آن با متغیرهای آب و هوایی در مناطق مبدا رودخانه‌های یانگ تسه و زرد. جی. جئوگر. علمی 2011 ، 21 ، 979-993. [ Google Scholar ] [ CrossRef ]
Ijgi 09 00282 g001 550
شکل 1. منطقه منبع رودخانه زرد (SRYR): ( الف ) موقعیت جغرافیایی. ( ب ) نقشه مدل رقومی ارتفاع (DEM).
Ijgi 09 00282 g002 550
شکل 2. توزیع فضایی در SRYR از سال 1998 تا 2016: ( الف ) مقدار میانگین NDVI. ( ب ) روند تغییر NDVI; ( ج ) انواع کاربری زمین در سال 2015. در شکل 2 ب، کاهش سریع یک شیب <-0.003 را نشان می دهد. کاهش آهسته نشان دهنده -0.003 < شیب < -0.001 است. اساساً بدون تغییر نشان دهنده -0.001 < شیب <0.001 است. افزایش آهسته نشان دهنده 0.001 < شیب < 0.003 است. افزایش سریع نشان دهنده شیب <0.003 است.
Ijgi 09 00282 g003 550
شکل 3. تغییر زمانی NDVI در انواع مختلف کاربری زمین: ( الف ) SRYR. ( ب ) زمین زراعی؛ ( ج ) جنگل؛ ( د ) علفزار؛ ( ه ) زمین بلا استفاده.
Ijgi 09 00282 g004 550
شکل 4. تغییرات زمانی در عناصر آب و هوایی از سال 1998 تا 2016: ( الف ) بارش. ( ب ) دما
Ijgi 09 00282 g005 550
شکل 5. تجزیه و تحلیل همبستگی در شهرستان های مختلف برای: ( الف ) NDVI، بارش، و ضریب همبستگی. ( ب ) NDVI، دما، و ضریب همبستگی. ( ج ) بارش و ضریب همبستگی. ( د ) دما و ضریب همبستگی.
Ijgi 09 00282 g006 550
شکل 6. توزیع فضایی تحلیل همبستگی برای عناصر NDVI و آب و هوا: ( الف ) بارش. ( ب ) دما در شکل، Sig Neg_Cor نشان دهنده یک همبستگی منفی معنادار است. InS Neg_Cor نشان دهنده یک همبستگی منفی غیر قابل توجه است. InS Pos_Cor نشان دهنده یک همبستگی مثبت غیر قابل توجه است. و Sig Pos_Cor نشان دهنده یک همبستگی مثبت معنادار است.
Ijgi 09 00282 g007 550
شکل 7. توزیع فضایی تجزیه و تحلیل باقیمانده برای NDVI.
Ijgi 09 00282 g008 550
شکل 8. پیش بینی روند NDVI از 2020 تا 2038: ( الف ) توزیع فضایی. ( ب ) سری زمانی. در شکل 8 a، کاهش سریع یک شیب <-0.003 را نشان می دهد. کاهش آهسته نشان دهنده -0.003 < شیب < -0.001 است. اساساً بدون تغییر نشان دهنده -0.001 < شیب <0.001 است. افزایش آهسته نشان دهنده 0.001 < شیب < 0.003 است. افزایش سریع نشان دهنده شیب <0.003 است.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید