خلاصه

:

نظارت بر تغییرات مربوط به آتش سوزی برای درک پویایی پوشش گیاهی در میان مدت و بلند مدت ضروری است. سری های زمانی سنجش از دور امکان برآورد متغیرهای بیوفیزیکی پوشش گیاهی زمینی و تداخل آتش سوزی های شدید را فراهم می کند. این تحقیق عود آتش سوزی را در مناطق آمازون و سرادو با استفاده از طیف‌سنجی تصویربرداری با وضوح متوسط ​​(MODIS) سری‌های زمانی albedo، شاخص پوشش گیاهی (EVI)، بهره‌وری اولیه ناخالص (GPP) و دمای سطح ارزیابی کرد. روش سری زمانی انباشته سالانه (AAT) روند شیب هر پیکسل در دوره 2001-2016 و اهمیت آماری آن را شناسایی کرد. مقایسه روندهای زمانی EVI، GPP و دمای سطح با عود کل آتش نشان می دهد که روندهای زمانی در پوشش گیاهی به شدت تحت تأثیر سناریوهای عود آتش سوزی زیاد قرار دارند (R2 بین 0.52 و 0.90). عود آتش و تغییرات مداوم آلبیدو رابطه ثابتی با هم ندارند. مناطق با بیشترین تغییرات ارزیابی شده ممکن است تا 0.25 کلوین در سال در دمای سطح افزایش یابد و تا 0.012- EVI در سال در شاخص پوشش گیاهی کاهش یابد. اگرچه ساواناها در برابر آتش سوزی با شدت کم مقاوم هستند، رژیم آتش سوزی و تغییرات ساختار جنگل تمایل دارند که پوشش گیاهی را در برابر آتش سوزی آسیب پذیرتر کند و ظرفیت بازسازی آنها را کاهش دهد. در منطقه آمازون، حفاظت از جنگل‌ها در واحدهای حفاظت‌شده و زمین‌های بومی به وقوع کم آتش‌سوزی در این مناطق حساس کمک کرد و در نتیجه روند شاخص پوشش گیاهی مثبت شد.

 

چکیده گرافیکی

1. معرفی

آتش یک عامل طبیعی موجود در بیشتر زیست‌های زمینی است که به پراکندگی، تکامل و تنوع گونه‌ها کمک می‌کند، به‌ویژه در بیوم‌هایی با بهره‌وری اولیه متوسط ​​مانند ساواناها [1 ، 2 ] . مناطق با بهره وری اولیه بالا، مانند جنگل های استوایی، به دلیل رطوبت بالا، آتش سوزی طبیعی کم دارند. با این حال، استفاده کشاورزی جنگل های استوایی را تغییر داده است، جایی که آتش یکی از انواع اصلی مدیریت زمین است [ 3 ]. اگرچه استفاده از آتش سوزی موضعی در مراتع و کشاورزی در طول سال های خشکسالی شدید در مناطق وسیعی گسترش می یابد [ 4]]. علاوه بر این، آتش سوزی در مناطق ساوانا معمولاً از رژیم آتش سوزی طبیعی پیروی نمی کند، و عمدتاً در پایان دوره های خشک رخ می دهد، زمانی که احتمال آتش سوزی با شدت بالا وجود دارد [5 ] .
آتش‌سوزی‌ها باعث تغییر در آلبیدوی سطح، چرخه مواد مغذی، تبادل انرژی بین سطح و جو، فرآیندهای اکولوژیکی و آب و هوا می‌شوند [ 6 ، 7 ، 8 ، 9 ]. تغییر آلبدو از سوختن به دلیل پوشش گیاهی خاکستر است که مستقیماً بر تعادل انرژی سطح تأثیر می گذارد. اگرچه تغییرات آلبدو کوتاه مدت است، تغییرات در پوشش گیاهی نیز می تواند در میان مدت باعث تغییرات آلبدویی شود، هم در افزایش آلبدوی سطحی در مناطق جنگلی و هم در کاهش ساوانا، با توجه به تفاوت های فلوریستیکی [ 10 ، .]. آتش شار گرمای هوا و خاک را تشدید می کند و دمای سطح را بلافاصله پس از آتش سوزی افزایش می دهد. دما به طور مستقیم با شدت آتش سوزی، زیست توده تبدیل به خاکستر و سطح خاک در معرض [ 12 ] ارتباط دارد.
یکی دیگر از پارامترهای حیاتی پویایی پوشش گیاهی بهره وری اولیه ناخالص (GPP) است که یکی از اجزای اصلی در چرخه بیوژئوشیمیایی کربن است. این مبادلات کربن بین اکوسیستم های زمینی و جو را نشان می دهد [ 13 ]. اثرات آتش سوزی بر GPP مربوط به از دست دادن زیست توده گیاهی، و نرخ بازسازی هر بیوم [ 14 ] است. تغییرات در مقیاس بزرگ در GPP با سوزاندن شار کربن و در نتیجه بر آب و هوای جهانی [ 13 ، 15 ، 16 ]. در نهایت، آتش‌سوزی‌ها ساختار، ترکیب، توزیع و تنوع زیست‌های زمینی را تغییر می‌دهند [ 17 ، 18]]، بر نرخ باززایی و الگوهای فنولوژیکی تأثیر می گذارد.
مطالعات اثرات آتش بر روی پارامترهای محیطی عمدتاً از دو رویکرد پیروی می کند: (الف) تجزیه و تحلیل بهره وری خالص و تعادل تشعشع از اندازه گیری های زمین بلافاصله پس از وقوع آتش سوزی [6] یا توسط برج های شار که مجموعه داده تقریباً پیوسته ای را در یک آزمایش طولانی مدت ارائه می کنند. [ 10 ، 11 ]؛ و (ب) کمی سازی تغییرات بیوفیزیکی از سری های زمانی سنجش از دور [ 12 ، 19 ، 20 ]. مطالعات مربوط به مکان، با اندازه‌گیری برج‌های میدانی یا شار، داده‌های اولیه را برای تجزیه و تحلیل فرآیندهای رویشی فراهم می‌کند. با این حال، برون یابی نقطه ای برای تحلیل منطقه ای با توجه به محدودیت مکانی و زمانی آن دشوار است [ 13]]. از سوی دیگر، دقت داده‌های سنجش از دور به وضوح‌های مختلف آن مربوط می‌شود، به‌عنوان زمانی و مکانی، که برای نظارت مستمر همان منطقه برای چندین تحلیل از دینامیک پس از آتش‌سوزی حیاتی است [21 ، 22 ، 23 ، 24 ] . علیرغم تنوع مطالعات، تعداد کمی به دنبال مقایسه تأثیر آتش میان مدت بین جنگل-ساوانا، مانند آمازون و سرادو (ساوانای برزیل) و محصولات سنجش از دور به عنوان جایگزینی برای مناطقی بودند که هیچ برج شار در دسترس نیست.
هدف این مطالعه بررسی تاثیر پس از آتش سوزی در محیط های آمازون و سرادو از سری های زمانی سنجش از دور با توجه به ویژگی های زیر است: آلبدو، شاخص پوشش گیاهی افزایش یافته (EVI)، GPP، و دمای سطح. و اینکه این پارامترها در طی 15 سال چگونه رفتار می کنند. تحلیل روند سری زمانی محصولات طیف‌سنج تصویربرداری با وضوح متوسط ​​(MODIS) (طیف‌سنج تصویربرداری با وضوح متوسط) دوره 2001-2016 را در آمازون (حوضه رودخانه جی-پارانا) و سرادو (پارک ایالتی کانتائو و پارک ملی آراگوآیا) در نظر گرفت. بنابراین، این تحقیق تغییرات مداوم پوشش گیاهی را در میان مدت و پاسخ فیتوفیزیونومی ها در فرکانس های مختلف آتش را ارزیابی می کند. نتایج نظرسنجی می تواند به سیاست جدید سوزاندن برزیل، شناسایی مناطق حساس با فراوانی آتش سوزی کمک کند. و توصیف رفتار آنها در طول زمان. علاوه بر این، تجزیه و تحلیل سری های زمانی سنجش از دور هزینه های فعالیت های میدانی را به حداقل می رساند و نظارت مستمر را تسهیل می کند.

2. مواد و روشها

2.1. منطقه مطالعه

به عنوان مناطق مورد مطالعه، ما تأثیر آتش را بر روی بیوم های سرادو برزیل و آمازون در نظر می گیریم ( شکل 1 و شکل 2 )، که حاوی ویژگی های اکولوژیکی متفاوتی هستند. این مناطق با وجود تفاوت های اقلیمی و پوشش گیاهی در معرض آتش سوزی زیاد هستند [ 25 ]. داده‌های پوشش زمین/کاربری زمین از پروژه حفاظت و استفاده پایدار از تنوع زیستی برزیل (PROBIO) [26] به دست آمد که پوشش گیاهی برزیل و فیتوفیزیولوژی آن را بر اساس تصاویر LANDSAT برای سال 2002 ترسیم کرد ( http:/ /mapas.mma.gov.br/). برای به‌روزرسانی نقشه‌برداری PROBIO برای سال پایه 2016، از داده‌های پروژه پایش ماهواره‌ای جنگل‌زدایی زیستی برزیل (PMDBBS) [27] استفاده کردیم، که همچنین از تصاویر Landsat برای به‌روزرسانی جنگل‌زدایی سالانه در هر بیوم برزیلی استفاده می‌کند ( https: //siscom.ibama.gov.br/ ). این دو منطقه دارای یک الگوی معمولی با همپوشانی واحدهای حفاظتی کاملاً حفاظت شده (محدودیت‌های شدید کاربری زمین) و زمین‌های بومی هستند که یک محیط چند مدیریتی را ایجاد می‌کنند. در این تحقیق، پوشش گیاهی طبیعی را به پوشش گیاهی حفظ شده و پوشش گیاهی تغییر یافته در قطعه قطعه شدن زیاد یا برش انتخابی تقسیم کردیم.
منطقه مورد مطالعه در بیوم آمازون حوضه رودخانه جی-پارانا (JPRB) در ایالت رودونیا است که 12200 کیلومتر مربع را پوشش می دهد ( شکل 1 ). میانگین بارندگی سالانه بین 1400 تا 2600 میلی‌متر با سه ماه خشکسالی و میانگین دما بین 24 تا 26 درجه سانتی‌گراد متغیر است [28 ] . الگوی آتش سوزی JPRB همان است که در بیشتر آمازون برزیل مشاهده می شود، با آتش سوزی های انسانی در خشک ترین ماه ها، از اوت تا اکتبر. آتش‌سوزی در این منطقه عمدتاً در مناطق جنگل‌زدایی، مناطق پرتقاطع پوشش گیاهی و منطقه‌ای که برای نگهداری مراتع استفاده می‌شود رخ می‌دهد[ 25 ].
طبق داده‌های رسمی PROBIO، JPRB کلاس‌های کاربری زمین/پوشش زمین زیر را ارائه می‌کند: (الف) انتقال ساوانا/جنگل. (ب) تغییر ساوانا/جنگل. ج) جنگل آمبروفیل (عمدتاً در واحدهای حفاظتی و اراضی بومی). (د) جنگل Ombrophilous تغییر یافته. (ه) استفاده از انسان (مرتع/ دام)؛ (و) ساوانای چوبی؛ و (ز) ساوانای چوبی تغییر یافته ( شکل 1 ب).
منطقه مورد مطالعه بیوم سرادو شامل پارک ملی آراگوآیا (ANP) (5555 کیلومتر مربع ) و پارک ایالتی کانتائو (CSP) (1004 کیلومتر مربع ) است که متعلق به ایالت توکانتینز است ( شکل 2 ). میانگین بارندگی سالانه 1700 میلی متر و دمای متوسط ​​26 درجه سانتیگراد است. بارندگی در طول سال به طور مساوی توزیع نمی شود و دوره ای تا 5 ماه خشکسالی را نشان می دهد که معمولاً از ماه می تا سپتامبر است [29 ] .
ANP-CSP مربوط به بزرگترین منطقه مرطوب فصلی بیوم سرادو است، با یک سیستم دشت غرقابی پیچیده و تنوع فیتوفیزیولوژیکی بالا. بیشترین تجمع زیست توده در پایان دوره مرطوب، بین مارس و آوریل رخ می دهد، در حالی که کمترین دوره زیست توده در پایان دوره خشک، در سپتامبر رخ می دهد [ 30 ]. بیشتر آتش‌سوزی‌های آنتروپیک در پایان فصل خشک متمرکز می‌شوند و عمدتاً به مناطق علفزار می‌رسند تا رشد مجدد را تسریع کنند و به عنوان ورودی برای دام‌ها که فعالیت اصلی در منطقه است، استفاده می‌شوند [31 ] . منطقه ANP-CSP طبقات زیر را نشان می دهد: (الف) جنگل فصلی. (ب) مرتع / دام؛ ج) ساوانای جنگلی؛ (د) ساوانای جنگلی تغییر یافته؛ (ه) ساوانای علف-چوبی؛ و (f) پارک ساوانا ( شکل 1ب).

2.2. مجموعه داده های MODIS

سنسور MODIS روی ماهواره‌های Terra و Aqua که توسط سازمان ملی هوانوردی و فضایی (NASA) توسعه یافته است، با هدف نظارت مداوم سطح زمین، دارای 36 باند طیفی از 0.4 میکرومتر تا 14.4 میکرومتر در سه وضوح فضایی مختلف (250، 500) است. و 1000 متر) [ 32]. ما از محصولات زیر مشتق شده از حسگر MODIS استفاده کردیم: (الف) MOD13Q1، که شاخص پوشش گیاهی (EVI) را در وضوح فضایی 250 متر و ترکیب 16 روزه ارائه می‌کند. (ب) MOD09Q1، بازتاب سطح (باندهای 1 و 2) در وضوح فضایی 250 متر و در کامپوزیت 8 روزه. (ج) MOD09A1، بازتاب سطح (باندهای 1 تا 7) در وضوح فضایی 500 متر و کامپوزیت 8 روزه. (د) MOD11A2، دمای سطح در وضوح فضایی 1 کیلومتر و کامپوزیت 8 روزه. و (ه) MOD17A2، GPP در وضوح فضایی 500 متر و کامپوزیت 8 روزه. برای جمع آوری داده ها از وب سایت ناسا ( https://search.earthdata.nasa.gov/ ) استفاده شد. در تعریف سطح آلبیدو ( αs ) از محصولات MOD09Q1 و MOD09A1 طبق معادله [ 33 ] استفاده شد :

αس=0.160پ1+0.291پ2+0.243پ3+0.116پ4+0.112پ5+0.081پ7–0.0015

که در آن p i بازتاب سطحی باندهای MODIS (1-7) است، به جز باند 6.

داده‌های MODIS مربوط به دوره 2001-2016 بود که پیکسل‌های با کیفیت پایین را از پارامترهای کیفیت موجود حذف می‌کرد. ما محصولات را با وضوح فضایی 500 و 1000 متر به 250 متر با روش درونیابی نزدیکترین همسایه و ترکیب 8 روزه را از مقدار میانگین به 16 روز نمونه برداری کردیم. فیلتر Savitzky-Golay [ 34 ] برای کاهش نویز در سری های زمانی اعمال شد. این فیلتر به طور گسترده در سری های زمانی سنجش از دور، با استفاده از رگرسیون چند جمله ای محلی برای حذف نویز و حفظ شکل موج از ویژگی های طبیعی پوشش گیاهی استفاده شده است [ 35 ، 36 ، 37 ].

2.3. اندازه گیری های زمینی

برای حمایت از تحلیل سنجش از دور در این مطالعه، ما داده‌های MODIS را با مجموعه داده‌های زیست‌کره-اتمسفر در مقیاس بزرگ (LBA) مقایسه کردیم. ما از داده‌های برج شار کوواریانس گردابی برای دمای سطح زمین (LST) و متغیرهای GPP ( https://daac.ornl.gov/LBA/guides/CD32_Brazil_Flux_Network.html ) و اندازه‌گیری‌های بازتابی مبتنی بر زمین برای داده‌های EVI/Albedo استفاده کردیم. ، در منطقه JPRB در سال 2002 ( https://daac.ornl.gov/LBA/guides/ND01_Pasture_Spectra.html )، و در CSP-ANP در همان سال ( https://daac.ornl.gov/ ) LBA/guides/LC19_Field_2002.html ) ( جدول 1 ).
تجزیه و تحلیل متغیرها میانگین های 8 و 16 روزه را از داده های روزانه در نظر گرفت. ما یک رگرسیون خطی ساده را بین هر متغیر MODIS و داده‌های میدان اعمال می‌کنیم و مقادیر بدون داده را حذف می‌کنیم. با توجه به در دسترس بودن کم اندازه گیری های میدانی، ما از کل دوره موجود استفاده می کنیم. با این حال، متغیر GPP چند روز در دسترس بود، در حالی که متغیر بازتاب دارای چندین نقطه توزیع شده در همان دوره بود. جزئیات مجموعه داده برج شار و اندازه‌گیری‌های زمینی JPRB/ANP-CSP را می‌توان به ترتیب در [ 38 ، 39 ، 40 ] یافت.

2.4. منطقه سوخته

تحدید حدود مناطق سوخته از روش نیمه خودکار استفاده می کند و مقادیر آستانه را در سری های زمانی نزدیک به فروسرخ نرمال شده (باند 2) از روش های z-score و میانگین اعمال می کند [ 37 ، 41 ]. باند مادون قرمز نزدیک توانایی بالاتری برای تشخیص مناطق سوخته و نسوخته ارائه می دهد [ 41 ، 42 ]. بهترین تعریف آستانه پنج صحنه Landsat (TM، ETM+، و OLI) را برای هر دو منطقه در نظر گرفت ( جدول 2 ). داده‌های اعتبارسنجی از بازرسی تصویر بصری برای هر سال (2001-2016) استفاده کردند.

2.5. روند زمانی

تشخیص تغییر در روندهای 2001-2016 برای پارامترهای مختلف از روش سری زمانی جمع‌آوری شده سالانه (AAT) استفاده کرد [ 36 ]. AAT در بسته فنولوژی و تحلیل روند سطح زمین در نرم افزار R ( https://greenbrown.r-forge.r-project.org/ ) موجود است. روش AAT روند هر پیکسل و اهمیت قابل پیش بینی هر بخش زمانی را با استفاده از آزمون Mann-Kendall برآورد می کند [ 37 ، 38 ]. میانگین سالانه مبنایی برای تشخیص تغییرات ساختاری یا نقاط شکست قابل توجه در تحلیل رگرسیونی است که به داده هایی با حداقل چهار سال نیاز دارد [ 39]]. نتیجه میزان افزایش یا کاهش سالانه در هر پیکسل را نشان می‌دهد و اینکه آیا این مقدار قابل توجه است. تحلیل رگرسیون خطی ساده رابطه بین روندهای AAT با عود آتش سوزی را از میانگین 100 نقطه تصادفی در هر کلاس عود آتش نشان داد. علاوه بر این، ما رابطه بین روند متغیرهای بیوفیزیکی، کاربری زمین/پوشش زمین و آتش سوزی مکرر را با استفاده از میانگین 50 نقطه تصادفی در هر ترکیب احتمالی از عود آتش سوزی و نوع کاربری زمین/پوشش زمین برآورد کردیم.
برای نشان دادن تغییرات ناشی از آتش سوزی در مشخصات زمانی متغیرهای بیوفیزیکی، ما همچنین برخی از متغیرها را با بازنمایی بیشتر انتخاب کرده ایم. در این مورد، ما پیکسل‌های تصادفی را از همان 50 پیکسلی که برای تحلیل رگرسیون برای تجزیه و تحلیل پروفایل زمانی استفاده می‌شوند، انتخاب کردیم.

3. نتایج

3.1. اعتبار سنجی داده های بیوفیزیکی MODIS

ارزیابی دقت داده های بیوفیزیکی MODIS اندازه گیری های زمین را با داده های LST، GPP و بازتاب مقایسه کرد ( شکل 3 ). نتایج ما نشان می‌دهد که برآوردهای MODIS از متغیرهای بیوفیزیکی در مقایسه با برج‌های شار (LST و GPP) و بازتاب زمینی (albedo و EVI) به طور مداوم دقیق بودند. داده های بازتاب به بالاترین همبستگی در هر دو حوزه رسیدند: JPRB (R2 = 0.97) و ANP-CSP (R2 = 0.91). R2 برای LST (R2 > 0.76) و GPP (R2 > 0.82) برای هر دو منطقه مورد مطالعه معنی دار بود .
شکل 4 و شکل 5 سری زمانی مورد استفاده برای اعتبار سنجی را نشان می دهد. در هر دو منطقه مورد مطالعه، ما بیش از یک سال داده برای تجزیه و تحلیل LST ( شکل 4 a,b) و کمتر از یک سال برای GPP ( شکل 4 c,d) در دسترس داشتیم. به طور کلی، مقادیر برآورد شده MODIS برای دو متغیر (LST و GPP) کمی بیشتر از مقادیر اندازه‌گیری شده در میدان بود. شکل 5 میانگین بازتاب را بین اندازه‌گیری‌های میدان LBA و داده‌های MODIS با در نظر گرفتن شش مجموعه در ناحیه ANP-CSP و سه مجموعه در ناحیه JPRB مقایسه می‌کند. برخلاف متغیرهای LST و GPP، مقادیر بازتاب MODIS کمتر از مقادیر اندازه‌گیری شده در میدان بود اما همان الگو را حفظ کرد.

3.2. عود آتش سوزی

در سال‌های 2001 تا 2016، منطقه سوخته حداقل یک بار در منطقه JPRB حدود 1400 کیلومتر مربع (12%) بود ( شکل 6 الف؛ جدول 3 ). بیشتر آتش سوزی ها در مناطق تبدیل جنگل به مرتع رخ داده است، در حالی که مناطق جنگلی حوادث آتش سوزی کمتری را نشان می دهند. منطقه ANP-CSP حدود 4400 کیلومتر مربع (68٪) بین سال های 2001 و 2016 سوخت ( شکل 6 ب، با غلظت بالاتر آتش سوزی در علف ها در مقایسه با مناطق جنگلی. کل منطقه نسوخته به طور قابل توجهی در دو منطقه متفاوت است. حدود 88٪). در منطقه JPRB هیچ رویداد آتش سوزی در 15 سال تجزیه و تحلیل ارائه نشده است.در حالی که در ANP-CSP، این سناریو تنها در 32٪ از منطقه رخ می دهد.
الگوهای فضایی آتش در دو بیوم متمایز بود. منطقه JPRB دارای پراکندگی پوشش گیاهی بالایی است. در نتیجه، جای سوختگی کوچک و با اتصال کم است. علاوه بر این، JPRB دارای عود آتش سوزی کمی است، که در آن بیشتر مناطق سوخته (11٪ از کل مساحت) عود آتش سوزی 1 تا 3 سال در طول 15 سال را نشان دادند. منطقه ANP-CSP، با اتصال بالا از پوشش گیاهی بومی، مناطقی را با عود آتش سوزی قابل توجهی نسبت به منطقه آمازون ارائه کرد، جایی که حدود 25٪ از کل ANP-CSP بین 7 تا 9 بار در این دوره سوخته، عمدتاً در پوشش گیاهی چمن متمرکز شده است. ( جدول 3 ).

3.3. دینامیک پوشش گیاهی

تجزیه و تحلیل روند پوشش گیاهی الگوهای مکانی-زمانی متفاوتی را در متغیرهای albedo، EVI، GPP و دمای سطح نشان داد ( شکل 7 و شکل 8 ). نواحی JPRB و ANP-CSP تغییرات کمی در متغیرهای albedo و GPP با میانگین کمتر از 1٪ تغییرات قابل توجه نشان دادند. از سوی دیگر، متغیرهای EVI و دمای سطح نمایندگی بیشتری از تغییرات اساسی در هر دو منطقه نشان دادند.
در JPRB، تغییر آلبدو بین 0.0019- و 0.0019+ در سال متغیر بود (<0.5٪ از منطقه با تغییرات قابل توجه). در همین حال، مقادیر سرادو بین -0.0049 و 0.0057 + (<1.2٪ از منطقه با تغییرات قابل توجه) در بازه زمانی قرار گرفت. ناحیه ANP-CSP بیشتر مستعد تغییرات آلبدو، مثبت و منفی بود.
روند EVI نشان می دهد که تقریباً 22٪ از ANP-CSP و 10٪ از JPRB تغییرات پوشش گیاهی آماری قابل توجهی را نشان دادند ( شکل 7ب، د، ه). در JPRB، روند منفی قابل توجهی EVI (تا 0.012- EVI در سال) در منطقه با جنگل زدایی و تکه تکه شدن پوشش گیاهی بیشتر رخ داد، که نشانه های تخریب مراتع و جنگل را آشکار کرد. در مقابل، روندهای مثبت (تا +0.007 EVI در سال) عمدتاً در واحدهای حفاظتی و زمین‌های بومی با پوشش گیاهی تغییر یافته کمی رخ داد. در منطقه ANP-CSP، روندهای منفی قابل توجهی در EVI (تا 0.011- EVI در سال) در پوشش گیاهی تخریب شده و سواحل رودخانه های متحرک وجود دارد. در مقابل، روند مثبت EVI عمدتاً در مناطق جنگلی رخ داده است که کمترین آسیب را نیز تحت تأثیر آتش سوزی قرار می دهند و تا 0.008 EVI در سال درآمد دارند که نشان دهنده تجمع زیست توده است.
در هر دو منطقه مورد مطالعه، مقادیر GPP کمتر از 2% مناطق با تغییرات قابل توجه داشتند ( شکل 8 a,c). در JPRB، ما تغییرات GPP را بین -0.001 و 0.0005 کیلوگرم در متر مربع در سال مشاهده کردیم، که در موارد روند منفی محدود به مناطق کوچکی از پوشش گیاهی تغییر یافته است. در حالی که در ANP-CSP، مقادیر GPP دامنه بیشتری داشتند و بین 0.163- و 0.0007+ کیلوگرم در متر مربع در سال متغیر بودند، و درست مانند JPRB، مقادیر منفی عمدتاً در قطعات پوشش گیاهی تغییر یافته رخ می‌دهد.
دمای سطح متغیر با بیشترین تعداد پیکسل با تغییر آماری معنی‌دار در ناحیه JPRB (بیش از 30 درصد منطقه با تغییرات مثبت معنی‌دار)، با افزایش تا 0.192 کلوین در سال بود. در مقابل، منطقه ANP-CSP دارای 10 درصد از کل مساحت با تغییرات مثبت قابل توجه در دمای سطح بود. با این حال، حداکثر مقادیر بالاتر بود، با افزایش تا 0.252 کلوین در سال ( شکل 8 b,d). متغیر دمای سطح در هیچ یک از نواحی تغییرات منفی معنی داری نداشت.

3.4. تغییرات بیوفیزیکی و عود آتش

شکل 9 a,d رابطه بین پارامترهای بیوفیزیکی MODIS و عود آتش را از تحلیل رگرسیون خطی نشان می دهد. تغییرات زمانی قابل توجه EVI و GPP رابطه قوی با افزایش عود آتش سوزی نشان داد (R2 > 0.74) ( شکل 9 b,c). ما رابطه معنی داری بین تغییرات آلبدو و عود آتش سوزی مشاهده نکردیم (R 2 < 0.29) ( شکل 9 a). رابطه بین LST و عود آتش سوزی در ناحیه JPRB (R2 = 0.62) در مقایسه با ناحیه ANP-CSP (R2 = 0.52) بیشتر بود ( شکل 9 d ) . با این حال، عود آتش به طور کامل تغییرات دمای سطح را توضیح نداد.
جدول 4 نتیجه R 2 را برای همه ترکیبات تحلیل شده استفاده از زمین / پوشش گیاهی و عود آتش نشان می دهد. رابطه بین عود آتش سوزی و آلبدو در طبقات مختلف کاربری / پوشش گیاهی نامنظم بود. برخی از مناطق هیچ ارتباطی با افزایش عود آتش سوزی (R2 = 0)، مانند جنگل فصلی و جنگل Ombrophilous تغییر نشان داد. در مقابل، دیگران رابطه متوسطی را نشان دادند (R2 < 0.57)، مانند ساوانای چوبی چمن و ساوانای چوبی.
در اکثر فیتوفیزیوگنومی های تجزیه و تحلیل شده، پیکسل هایی با تغییرات قابل توجه EVI رابطه متوسط ​​تا زیاد با افزایش عود آتش نشان دادند (R2 = 0.50 تا 0.90). در منطقه JPRB، بیشترین روابط بین EVI و عود آتش سوزی، مناطق پوشش گیاهی تغییر یافته بود، در مقایسه با مناطق پوشش گیاهی حفظ شده ( جدول 4 ). منطقه ANP-CSP همان الگو را نشان داد، به جز پارک ساوانا، که بالاترین R 2 را در دوره داشت.
مقادیر GPP R 2 از جهت مقادیر EVI پیروی نمی کنند. علیرغم اینکه تغییرات GPP بازنمایی فضایی پایینی داشت، بیشترین رابطه را با عود آتش سوزی در دشت های جنگلی و دشت های چوبی (از جمله دشت های چوبی تغییر یافته) نشان داد (R 2 > 0.92 ). با این حال، phytophysiognomies با رابطه کمتر به عنوان دشت های جنگلی تغییر یافته و جنگل های Ombrophilous وجود دارد (R2 < 0.70). رابطه بین روند دمای سطح و عود آتش در چهره‌شناسی‌های تحلیل‌شده متفاوت است. بزرگترین ارتباط در پارک ساوانا در منطقه ANP-CSP رخ داد (R2 = 0.91).
طبقات پوشش گیاهی با تغییرات آنتروپیک الگوی ثابتی در پارامترهای GPP و LST نداشتند. در برخی موارد، پوشش گیاهی تغییر یافته رابطه بیشتری با عود آتش سوزی نسبت به پوشش گیاهی بومی دارد، مانند جنگل Ombrophilous (GPP) و انتقال ساوانا / جنگل (LST). در مقابل، ساوانای جنگلی (پوشش گیاهی بومی) بیشترین ارتباط را با عود آتش سوزی داشت.
ما برخی از متغیرها را با بیشترین تمایلات انتخاب کردیم تا الگوی زمانی آنها را نشان دهیم. در این مورد، ما کلاس های مرتع و جنگل Ombrophilous را در منطقه JPRB انتخاب کردیم. و ساوانای جنگلی تغییر یافته و ساوانای چوبی علفزار در منطقه CSP-ANP. برای مثالی از متغیرهای EVI و دمای سطح در سناریوهای مختلف سوزاندن ( شکل 10 ، شکل 11 ، شکل 12 و شکل 13 ). مراتع در منطقه JPRB ( شکل 10الف) الگوهای EVI متمایز از ابتدای سری های زمانی به دلیل مدیریت متفاوت دارند. علاوه بر این، افزایش تدریجی مرتع با آتش‌سوزی‌های فراوان وجود دارد که هر دو کاهش الگوی EVI را نشان دادند. جنگل های Ombrophilous تغییر یافته ( شکل 10 ب) نیز تفاوت های فاحشی را در الگوی EVI نشان می دهند، خواه برش انتخابی، تفاوت در زیست توده یا کمیت گونه های درختی. حتی بدون آتش سوزی، مانند دوره های 2001-2007 و 2012-2015، اختلال شدیدی در الگوی زمانی EVI وجود داشت.
در منطقه سرادو، حوادث آتش سوزی به طور قابل توجهی بر کاهش EVI در میان مدت تأثیر می گذارد. همانطور که در الگوهای زمانی جنگل Ombrophilous تغییر یافته، در ساوانای تغییر یافته نیز واگرایی وجود دارد ( شکل 11 a). با وجود این، می توان یک الگو را در هر دو سری زمانی مشاهده کرد: سقوط شدید در EVI پس از آتش سوزی. و تجمع زیست توده پس از هر آتش سوزی که با افزایش EVI نشان داده می شود. در پایان سری زمانی، مقدار EVI دیگر به حداکثر علامت در سال های 2003، 2006، 2008 و 2009 نمی رسد.
دمای سطح در همه طبقات در آمازون و سرادو به حوادث آتش سوزی بسیار حساس بود ( شکل 12 و شکل 13 ). سناریوهای مختلف عود آتش مناطق با الگوهای دمای اولیه مشابه را تغییر داد. همه طبقات در سالهای آتش سوزی روند مثبتی با پیک های بزرگ نشان دادند. علاوه بر این، دامنه سالانه دمای سطح در سال های پایانی سری زمانی افزایش می یابد. با این حال، حداقل مقادیر اولیه به دست نیامده است.

4. بحث

تجزیه و تحلیل فضایی عود آتش‌سوزی با در نظر گرفتن کاربری زمین/پوشش زمین و متغیرهای بیوفیزیکی تأثیر متمایزی را نشان داد. مناطق آمازون (سازگار نشده با آتش) و سرادو (مطابق با حوادث آتش سوزی با عود کم) روند منفی EVI و GPP و روند LST مثبت را با افزایش عود آتش نشان دادند، علیرغم سازگاری های طبیعی متفاوت آنها [43 ] . اکثر فیتوفیزیوگنومی ها روند EVI منفی را با افزایش عود آتش نشان دادند که شکنندگی محیطی احتمالی را برجسته می کند. متغیرهای EVI و GPP ارتباط بالایی بین پوشش گیاهی تغییر یافته و عود آتش نشان دادند و به بالاترین R 2 رسیدند.ارزش های. ANP-CSP نرخ بالایی از تخریب را نشان داد حتی اگر حاوی موزاییکی از مناطق حفاظت شده با حفاظت کامل بود. در بقیه بیوم، نرخ پایین مناطق حفاظت شده منجر به استفاده بی رویه از پوشش گیاهی طبیعی شد [ 44 ]. در بیوم آمازون، مناطق حفاظت شده در JPRB برای حفظ پارامترهای بیوفیزیکی ضروری بودند. زمین‌های بومی، که میزان آتش‌سوزی کم دارند، امکان حفظ پوشش گیاهی قابل‌توجه‌تری را فراهم می‌کنند [ 45 ].
پوشش زمین بر تغییرات آلبدوی پس از آتش سوزی حاکم است. آتش‌سوزی می‌تواند نرخ آلبدو را در مناطق جنگلی افزایش دهد، در حالی که مناطق چمن و ساوانا ممکن است به دلیل نرخ‌های مختلف بازسازی پوشش گیاهی کاهش یابد [ 10 ]. با این حال، تغییرات آلبیدوی پس از آتش سوزی به دلیل حذف خاکستر و بازیابی پوشش گیاهی در درازمدت روی سطح باقی نمی ماند [ 12 ، 46 ]. ما در این تحلیل نتوانستیم الگویی را در رابطه بین روندهای زمانی albedo و عود آتش ببینیم. مطالعات دیگر الگوی مشابهی از تغییرات آلبدو را یافته اند [ 10 ، 12]. درست پس از آتش سوزی، مقادیر albedo ممکن است از 0.01 به 0.15 کاهش یابد و در طول سال ها کاهش یابد. از آنجایی که تغییر albedo زودگذر است، ما مقادیر کمتر معنی‌داری را در 15 سال گذشته یافتیم (بین 0.001- و 0.004-)، مشابه آنچه توسط Planque و همکارانش توضیح داده شد. [ 47 ] با زیان تا 0.008-. رفتار albedo پوشش گیاهی با مطالعات دیگر مطابقت داشت [ 10 ، 48 ]. مناطقی با تراکم درختان بیشتر در مقایسه با علفزارها از دست دادن آلبدو کمتری نشان می دهند. در مورد ما، تشکل‌های ساوانا از ناحیه ANP-CSP نسبت به مناطق جنگلی منطقه JPRB کاهش قابل‌توجهی در آلبدو نشان دادند.
چندین مطالعه عمل آتش را از طریق سری های زمانی شاخص های پوشش گیاهی تجزیه و تحلیل می کنند [ 12 ، 19 ، 49 ]. شاخص های پوشش گیاهی می تواند حذف پوشش گیاهی توسط آتش و حذف گونه های شکننده را تخمین بزند. در این تحقیق، شاخص EVI به ما اجازه داد تا تغییرات پوشش گیاهی را کمی کنیم و با عود آتش سوزی همبستگی داشته باشیم. مطالعات تأیید می‌کنند که آتش‌سوزی‌ها بر شیب‌های سالانه EVI تأثیر منفی می‌گذارند، با تغییراتی که می‌تواند به 0.07- تا 0.07 EVI در سال برسد، اما با بالاترین محدوده غلظت بین 0.01- و 0.01 [ 50 , 51] .]، همان چیزی است که در مناطق ANP-CSP و JPRB مشاهده شد. در هر دو منطقه مورد مطالعه، EVI افزایش در مناطق جنگلی حفاظت شده و کاهش در پوشش گیاهی تغییر یافته داشت. منطقه حفاظت شده دارای تجمع زیست توده و رشد گونه های چوبی بود. از سوی دیگر، مناطق پوشش گیاهی تغییر یافته ظرفیت زادآوری کمتری به دلیل از بین رفتن گونه های مقاوم در برابر آتش و گونه های عجیب و غریب دارند [ 19 ]. عود آتش توسط کنش آنتروپیک علت اصلی کاهش EVI در طول 15 سال بود، که ثابت کرد حتی ساوانا (گیاهان سازگار با آتش) در برابر آشفتگی آنتروپیک شکنندگی دارد [1 ] .
GPP یکی از متغیرهای اصلی چرخه جهانی کربن است که با تغییرات آب و هوا و فعالیت های آتش سوزی در ارتباط است [ 52 ]. مناطق مورد مطالعه روند GPP منفی در پوشش گیاهی با عود آتش بالا داشتند. اگرچه GPP عموماً همبستگی بالایی با EVI [ 20 ] دارد، مناطق مورد مطالعه به دلیل غلبه روندهای غیر قابل توجه GPP، این رفتار را نداشتند، که نشان دهنده بازیابی سریع فرآیندهای فتوسنتزی پس از آتش سوزی است [13 ] . سان و همکاران [ 53 ] در یک مطالعه جهانی نشان داد که بیشتر قلمرو برزیل روند GPP را از سال 1982 تا 2015 افزایش داد، به جز منطقه نیمه خشک. با این حال، نظرسنجی آزمون معناداری را در نظر نگرفت. دلگادو و همکاران [ 54] روند GPP قابل توجهی را در جنگل اقیانوس اطلس برزیل (پارک ملی Itataia) از آزمون ناپارامتریک Mann-Kendall مشاهده نکرد.
دمای سطح متغیر با بیشترین تعداد پیکسل با تغییرات قابل توجه در مناطق مورد مطالعه بود. با وجود این، هیچ الگوی قابل مشاهده ای در فیتوفیزیوگنومی ها وجود ندارد، هر دو آنهایی که در آن افزایش دما به شدت با عود آتش مرتبط بود، همانطور که در آنهایی که نسبت متوسط ​​به پایین دارند. افزایش دمای سطح بلافاصله پس از آتش سوزی رخ می دهد، اما این اثرات با گذشت زمان کاهش می یابد [ 12]. با این حال، نتایج نشان می‌دهد که تغییرات دمای سطح در سرتاسر سری‌های زمانی، حتی در مناطقی که تحت تأثیر آتش‌سوزی قرار نگرفته‌اند، ثابت بوده و عوامل دیگری را به‌عنوان عوامل تعیین‌کننده در تغییر دمای سطح در میان‌مدت طولانی‌مدت نشان می‌دهد. علاوه بر این، بیشتر دمای سطح برزیل روند مثبتی دارد، به ویژه در انتقال آمازون-سرادو با تغییرات شدید کاربری زمین [ 55 ]. افزایش دما سالانه به 0.25 کلوین در ناحیه ANP-CSP و 0.19 کلوین در ناحیه JPRB رسید که بالاتر از مقادیر یافت شده در مناطق شهری است که ممکن است 0.14 K در سال افزایش یابد [56 ] .
نتایج تحقیق نشان می دهد که حتی مناطق حفاظت شده، مانند ANP-CSP، تغییرات میان مدت قابل توجهی را در پارامترهای بیوفیزیکی نشان دادند. در این مورد، بحث برای تغییرات در سیاست آتش سوزی برزیل باید بر اساس سناریوهای تاریخی و فعلی آتش سوزی در هر واحد حفاظت شده، و نحوه تأثیر آنها بر الگوی پوشش گیاهی باشد [57 ، 58 ] . شناسایی مکان‌های بحرانی با سنجش از دور، مدیریت این مناطق را با نظارت مستمر پوشش گیاهی بهینه می‌کند. بنابراین، انجام فعالیت‌های در محل، با روش‌های سوزاندن تجویز شده برای جلوگیری از تغییرات شدید مشاهده‌شده در این تحقیق در حساس‌ترین مناطق، امکان‌پذیر است.
نتایج نشان‌دهنده اثربخشی روش AAT در ارزیابی تغییرات پوشش گیاهی از سری‌های زمانی با تصاویر با وضوح فضایی متوسط ​​مانند MODIS است. سری زمانی MODIS امکان شناسایی تغییرات طولانی مدت در پوشش گیاهی را فراهم می کند، علاوه بر این که با توجه به ارتباط بالای آن با داده های مشاهده شده در مزرعه، قابلیت اطمینان بالایی دارد.
علیرغم سودمندی داده های MODIS در این تحقیق، محدودیت هایی در عملکرد آن وجود دارد و امکان گسترش تحلیل در کارهای آتی وجود دارد. ما اثر تفکیک فضایی پایین [ 21 ] و مخلوط طیفی را در میان محدودیت ها ذکر می کنیم.
کارهای آینده ممکن است تحلیل های انجام شده در این تحقیق را بهبود بخشد. علیرغم از دست دادن قدرت تفکیک مکانی تا 500 متر، مطالعات ممکن است از محصول تابع توزیع بازتاب دوطرفه و آلبیدو (BRDF/Albedo-MCD43) استفاده کند، که تغییرات در تشعشع ناشی از پراکندگی (ناهمسانگردی) را کاهش می‌دهد [59]، که منجر به تغییرات غیرمرتبط با پوشش گیاهی و خوانش داده های نادرست [ 60 ، 61 ]. در این تحقیق گنجاندن مراحل پیش پردازش با فیلتر Savitzky-Golay به کاهش این اثرات کمک کرد. علاوه بر محصول MCD43، سایر پارامترهای بیوفیزیکی (که در این تحلیل گنجانده نشده است) می توانند به شدت تحت تأثیر آتش سوزی قرار گیرند، مانند بازتاب پوشش گیاهی نزدیک به فروسرخ (NIRv) [62 ]]. شاخص NIRv می تواند مزایایی را در تخمین داده های GPP توسط ماهواره به ارمغان بیاورد، و همراه با روش های دیگر مانند فلورسانس کلروفیل ناشی از خورشید (SIF) [63]، می تواند شرایط پوشش گیاهی قبل و بعد از آتش سوزی را بهتر شرح دهد.

5. نتیجه گیری ها

این تحقیق رفتار چهار متغیر بیوفیزیکی را به مدت 15 سال در سناریوهای مختلف عود آتش سوزی در آمازون برزیل و سرادو ارائه می کند. این تحقیق یک رابطه سخت بین تخمین های بیوفیزیکی MODIS و داده های میدانی را نشان می دهد ( R2مقادیر بین 0.76 و 0.97). افزایش عود آتش سوزی باعث تغییر روند قابل توجهی در میان مدت شد، به ویژه در EVI (کاهش سالانه تا 0.011 در منطقه ANP-CSP و 0.012 در منطقه JPRB) و دمای سطح (افزایش سالانه تا 0.25). K در ناحیه ANP-CSP و 0.19 K در ناحیه JPRB). تخریب پوشش گیاهی (تغییر پوشش گیاهی با روش های برش انتخابی و تکه تکه شدن) روندهای قابل توجهی EVI را ایجاد کرد. متغیرهای بیوفیزیکی که بیشتر تحت تأثیر عود آتش سوزی زیاد در هر کلاس پوشش زمین/استفاده از زمین در منطقه ANP-CSP قرار گرفتند عبارت بودند از: تغییرات البدو در ساوانای چمن-چوبی (R2 = 0.521)، EVI در پارک ساوانا (R2 = R2 ) . 0.906)، GPP در ساوانا با جنگل (R 2 = 0.921)، و LST در پارک ساوانا (R 2)= 0.913). در منطقه JPRB، این تأثیر در ترکیب کلاس‌های زیر قابل توجه‌تر بود: آلبیدو در ساوانای چوبی (R 2 = 0.57)، EVI در تغییر ساوانا/جنگل انتقال (R2 = 0.909)، GPP در ساوانای چوبی ( R2 = 0.930) و LST در جنگل Ombrophilous (R2 = 0.727 ). عود آتش سوزی بالا هر دو سایت مطالعه را تحت تاثیر قرار داد و نیاز به یک سیاست ملی آتش سوزی مناسب برای حفظ ساختار پوشش گیاهی را تقویت کرد.

مشارکت های نویسنده

مفهوم سازی، نیکلاس کاسترو سانتانا و اوسمار ابیلیو د کاروالیو جونیور. مدیریت داده، رناتو فونتس گیماراس؛ تحلیل رسمی، نیکولاس کاسترو سانتانا، اوسمار آبیلیو د کاروالیو جونیور، و روبرتو آرنالدو ترانکوسو گومز. سرمایه‌گذاری، Osmar Abílio de Carvalho Junior، Roberto Arnaldo Trancoso Gomes، و Renato Fontes Guimarães. تحقیق، نیکلاس کاسترو سانتانا; روش شناسی، نیکلاس کاسترو سانتانا و اسمار ابیلیو د کاروالیو جونیور. مدیریت پروژه، Osmar Abílio de Carvalho Junior، Roberto Arnaldo Trancoso Gomes، و Renato Fontes Guimarães. اعتبار سنجی، رناتو فونتس گیماراس. نوشتن-پیش نویس اصلی، نیکولاس کاسترو سانتانا; نوشتن-بررسی و ویرایش، Osmar Abílio de Carvalho Junior، Roberto Arnaldo Trancoso Gomes و Renato Fontes Guimarães.

منابع مالی

این تحقیق توسط کمک مالی شورای ملی توسعه فناوری علمی (CNPq) به شماره 434838/2018-7 و کمک هزینه هماهنگی برای بهبود کارکنان آموزش عالی (CAPES) شماره 001 تامین شد. و Renato Fontes Guimarães کمک هزینه بهره وری CNPq را دریافت می کنند.

قدردانی ها

ما از هماهنگی برای بهبود پرسنل آموزش عالی (CAPES) برای کمک هزینه تحصیلی دکترا و شورای ملی توسعه علمی و فناوری (CNPq) برای حمایت مالی تشکر می کنیم. از گروه تحقیقاتی آزمایشگاه سیستم اطلاعات مکانی دانشگاه برازیلیا برای پشتیبانی فنی تشکر ویژه می شود. در نهایت، نویسندگان از کمک داوران ناشناس استقبال می کنند.

تضاد علاقه

نویسندگان هیچ تضاد منافع را اعلام نمی کنند.

منابع

  1. بومن، DMJS; بالچ، ج. آرتاکسو، پ. باند، WJ. کاکرین، MA; D’Antonio، CM; دفریز، آر. جانستون، FH; کیلی، جی. Krawchuk، MA; و همکاران بعد انسانی رژیم های آتش در زمین. J. Biogeogr. 2011 ، 38 ، 2223-2236. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  2. Gawryszewski، FM؛ ساتو، MN; میراندا، HS آتش‌سوزی‌های مکرر معماری درختان را تغییر می‌دهد و تولید مثل درخت ساوانای معمولی مقاوم در برابر آتش را مختل می‌کند. گیاه بیول. 2020 ، 22 ، 106-112. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  3. کاکرین، کارشناسی ارشد علم آتش نشانی برای جنگل های بارانی. طبیعت 2003 ، 421 ، 913-919. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  4. Pivello، VR استفاده از آتش در جنگل‌های بارانی سرادو و آمازون برزیل: گذشته و حال. اکول آتش نشانی 2011 ، 7 ، 24-39. [ Google Scholar ] [ CrossRef ]
  5. Archibald، S. مدیریت مؤلفه انسانی رژیم های آتش: درس هایی از آفریقا. فیلوس ترانس. R. Soc. B Biol. علمی 2016 , 371 , 20150346. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  6. چمبرز، SD; برینگر، جی. Randerson، JT; چاپین، IS اثرات آتش بر تابش خالص و تقسیم انرژی: پاسخ های متضاد اکوسیستم های جنگلی تاندرا و شمال. جی. ژئوفیس. Res. D Atmos. 2005 ، 110 ، 1-9. [ Google Scholar ] [ CrossRef ]
  7. Kasischke، ES; کریستنسن، NL; سهام، BJ Fire، گرمایش جهانی، و تعادل کربن جنگل‌های شمالی. Ecol. Appl. 1995 ، 5 ، 437-451. [ Google Scholar ] [ CrossRef ]
  8. آرچیبالد، اس. Lehmann، CER؛ بلچر، سی ام. باند، WJ. برادستاک، RA; Daniau، AL; دکستر، KG; Forrestel، EJ; گریو، ام. او، تی. و همکاران بازخوردهای بیولوژیکی و ژئوفیزیکی با آتش در سیستم زمین محیط زیست Res. Lett. 2018 , 13 , 033003. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  9. Wittkuhn، RS; لامونت، بی بی. او، T. دمای احتراق و انتقال مواد مغذی هنگام سوختن چمنزارها. برای. Ecol. مدیریت 2017 ، 399 ، 179-187. [ Google Scholar ] [ CrossRef ]
  10. دینتو، ک. اوکین، جی اس. Xue, Y. تغییر آلبدوی ناشی از آتش و نیروی تابشی سطحی در اکوسیستم‌های ساوانای جنوب صحرای آفریقا: پیامدهایی برای تعادل انرژی. جی. ژئوفیس. Res. 2017 ، 122 ، 6186-6201. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  11. برینگر، جی. هاتلی، LB; تاپر، نیوجرسی؛ کوتس، آ. کرلی، ا. O’Grady، AP آتش بر گرمای سطح، رطوبت و شار کربن از یک ساوانای استوایی در شمال استرالیا تأثیر می گذارد. بین المللی جی. وایلدل. آتش 2003 ، 12 ، 333-340. [ Google Scholar ] [ CrossRef ]
  12. وراربکه، اس. Verstraeten، WW; لرمیت، اس. ون دی کرچوو، آر. گوسنز، آر. ارزیابی تغییرات پس از آتش سوزی در دمای سطح زمین و آلبدو سطح، و رابطه آنها با شدت آتش سوزی با استفاده از تصاویر چند زمانی MODIS. بین المللی جی. وایلدل. آتش 2012 ، 21 ، 243-256. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  13. هوانگ، اس. لیو، اچ. دهال، د. جین، اس. Welp، LR; لیو، جی. لیو، اس. مدل‌سازی تأثیر آتش صریح فضایی بر تولید اولیه ناخالص در داخل آلاسکا با استفاده از تصاویر ماهواره‌ای همراه با کوواریانس گردابی. سنسور از راه دور محیط. 2013 ، 135 ، 178-188. [ Google Scholar ] [ CrossRef ]
  14. روسی، اف اس. د سانتوس، دینامیک آتش سوزی GAA در ایالت ماتو گروسو، برزیل: نقش های نسبی بهره وری اولیه ناخالص. داده های بزرگ زمین 2020 ، 4 ، 23-44. [ Google Scholar ] [ CrossRef ]
  15. گائو، ی. ژو، ایکس. وانگ، کیو. وانگ، سی. ژان، ز. چن، ال. یان، جی. Qu، R. بهره وری اولیه خالص پوشش گیاهی و پاسخ آن به تغییرات آب و هوایی در طی سال های 2001-2008 در فلات تبت. علمی کل محیط. 2013 ، 444 ، 356-362. [ Google Scholar ] [ CrossRef ]
  16. Danelichen، VHM; Biudes، MS; Velasque، MCS; ماچادو، NG; گومز، RSR؛ وورلیت، GL; Nogueira، JS برآورد تولید اولیه ناخالص در جنگل انتقالی آمازون-سرادو با استفاده از تصاویر MODIS و Landsat. یک آکادمی سوتین. Cienc. 2015 ، 87 ، 1545-1564. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  17. Pausas، JG; Ribeiro، E. آتش و تنوع گیاهی در مقیاس جهانی. گلوب. Ecol. Biogeogr. 2017 ، 26 ، 889-897. [ Google Scholar ] [ CrossRef ]
  18. باند، WJ. وودوارد، فی. Midgley، GF توزیع جهانی اکوسیستم ها در جهانی بدون آتش. فیتول جدید. 2005 ، 165 ، 525-538. [ Google Scholar ] [ CrossRef ]
  19. Van Leeuwen، WJD نظارت بر اثرات درمان های احیای جنگل بر بازیابی پوشش گیاهی پس از آتش سوزی با داده های چند زمانی MODIS. Sensors 2008 , 8 , 2017–2042. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  20. لی، ایکس. ژانگ، اچ. یانگ، جی. دینگ، ی. ژائو، جی. جانشینی پوشش گیاهی پس از آتش سوزی و شارهای انرژی سطحی به دست آمده از سنجش از دور. Remote Sens. 2018 , 10 , 1000. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  21. اندرسون، LO خواص جنگلی در مقیاس زیستی در آمازون بر اساس مشاهدات میدانی و ماهواره ای. Remote Sens. 2012 ، 4 ، 1245-1271. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  22. کریستوپولو، ا. مالینس، جی. واسیلاکیس، ای. فرنگیتاکیس، GP; فیلاس، NM; Kokkoris، GD; Arianoutsou، M. ارزیابی تأثیر ویژگی‌های مختلف چشم‌انداز بر بازیابی جنگل پس از آتش‌سوزی با داده‌های سنجش از راه دور چند زمانی: مورد کوه تایگتوس (جنوب یونان). بین المللی جی. وایلدل. آتش 2019 ، 28 ، 521–532. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  23. صنیگراهی، س. پیلا، اف. باسو، بی. باسو، ع. سرکار، ک. چاکرابورتی، اس. جوشی، پی کی; ژانگ، Q. وانگ، ی. بهات، اس. و همکاران بررسی اثرات آتش سوزی جنگل بر انتشار کربن زمینی و تولید اکوسیستم در هند با استفاده از رویکردهای سنجش از دور. علمی کل محیط. 2020 , 725 , 138331. [ Google Scholar ] [ CrossRef ]
  24. مولو، اف. شولتز، ام جی; یو، سی. کادول، پ. Tansey، K. سیایس، پی. Chuvieco، E. ده سال محصولات منطقه سوخته جهانی از سنجش از راه دور فضابرد – بررسی: تجزیه و تحلیل نیازهای کاربر و توصیه‌هایی برای پیشرفت‌های آینده. بین المللی J. Appl. زمین Obs. Geoinf. 2014 ، 26 ، 64-79. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  25. کاردوزو، اس. پریرا، جی. شیمابوکورو، YE; Moraes، EC Avaliação Das Áreas Queimadas No Estado De Rondonia. سوتین کشیش. کارتوگر. 2014 ، v.66/3 ، 705-716. [ Google Scholar ]
  26. Ministério do Meio Ambiente (MMA) Mapeamento da Cobertura Vegetal do Bioma Cerrado, Edital Probio 02/2004, Projeto Executivo B.02.02.109, Relatório Final. در دسترس آنلاین: https://mapas.mma.gov.br/ (در 22 فوریه 2018 قابل دسترسی است).
  27. Ministério do Meio Ambiente (MMA). Instituto Brasileiro do Meio Ambiente e dos Recursos Naturais Renováveis ​​(IBAMA) Projeto de Monitoramento do Desmatamento Dos Biomas Brasileiros or Satélite-PMDBBS. در دسترس آنلاین: https://siscom.ibama.gov.br/monitora_biomas/ (در 22 فوریه 2018 قابل دسترسی است).
  28. دا پینتو، TJS; گومز، BM CO 2 Flux و رابطه آن با پارامترهای آب و فعالیت بیولوژیکی در رودخانه جی-پارانا (ایالت Rondonia-آمازون غربی). Biogeosci. بحث و گفتگو. 2017 ، 1-14. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  29. هومییر، جی. کورزاتکوفسکی، دی. Leuschner, C. پویایی ایستاده جنگل های دشت سیلابی تحت تأثیر خشکسالی رودخانه Araguaia، آمازون برزیل. برای. اکوسیستم. 2017 ، 4 . [ Google Scholar ] [ CrossRef ]
  30. Valente، CR; Latrubesse، EM; Ferreira، LG روابط بین پوشش گیاهی، ژئومورفولوژی و هیدرولوژی در تالاب های گرمسیری جزیره Bananal، حوضه رودخانه Araguaia، برزیل مرکزی. JS Am. علوم زمین 2013 ، 46 ، 150-160. [ Google Scholar ] [ CrossRef ]
  31. ماراکاهیپس، ال. ماریمون، BS; لنزا، ای. Marimon-Junior، BH; دی اولیویرا، EA; میوز، HA; گومز، ال. Feldpausch، TR پویایی پس از آتش سوزی پوشش گیاهی چوبی در جنگل های فصلی غرقاب (impucas) در منطقه انتقال جنگل سرادو-آمازونی. فلورا مورفول. توزیع کنید. کارکرد. Ecol. گیاهان 2014 ، 209 ، 260-270. [ Google Scholar ] [ CrossRef ]
  32. عدالت، CO; تاونشند، جی آر جی؛ Vermote، EF; ماسوکا، ای. Wolfe, RE; سالئوس، ن. روی، DP; موریست، JT مروری بر پردازش داده‌های MODIS Land و وضعیت محصول. سنسور از راه دور محیط. 2002 ، 83 ، 3-15. [ Google Scholar ] [ CrossRef ]
  33. Liang, S. تبدیل باند باریک به پهن باند الگوریتم‌های albedo I سطح زمین. سنسور از راه دور محیط. 2001 ، 76 ، 213-238. [ Google Scholar ] [ CrossRef ]
  34. ساویتسکی، آ. Golay، MJE هموارسازی و تمایز داده ها با روش های ساده شده حداقل مربعات. مقعدی شیمی. 1964 ، 36 ، 1627-1639. [ Google Scholar ] [ CrossRef ]
  35. Schafer, RW فیلتر savitzky-golay چیست؟ فرآیند سیگنال IEEE Mag. 2011 ، 28 ، 111-117. [ Google Scholar ] [ CrossRef ]
  36. چن، جی. جانسون، پی. تامورا، م. گو، ز. ماتسوشیتا، بی. یک روش ساده برای بازسازی مجموعه داده سری زمانی NDVI با کیفیت بالا بر اساس فیلتر Savitzky-Golay. سنسور از راه دور محیط. 2004 ، 91 ، 332-344. [ Google Scholar ] [ CrossRef ]
  37. د کاروالیو جونیور، OA; Guimarães، RF; سیلوا، سی. Gomes، سری زمانی استاندارد شده موش صحرایی و انحراف فنولوژیکی بین سالانه: تکنیک‌های جدید برای تشخیص ناحیه سوخته با استفاده از مجموعه داده بلندمدت MODIS-NBR. Remote Sens. 2015 ، 7 ، 6950–6985. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  38. Saleska، SR; روشا، منابع انسانی؛ Huete، AR؛ نوبر، AD; آرتاکسو، پ. Shimabukuro، YE LBA-ECO CD-32 Flux Tower Network Data Compilation، آمازون برزیلی. 1999-2006. در دسترس آنلاین: https://daac.ornl.gov/LBA/guides/CD32_Brazil_Flux_Network.html (در 10 اوت 2019 قابل دسترسی است).
  39. نوماتا، آی. رابرتز، دی. چادویک، OA; شیمل، جی پی؛ Galvão، LS; Soares، JV LBA-ECO ND-01 انعکاس و اقدامات بیوفیزیکی، مراتع چمن: Rondonia، برزیل. در دسترس آنلاین: https://daac.ornl.gov/LBA/guides/ND01_Pasture_Spectra.html (در 10 اوت 2019 قابل دسترسی است).
  40. Huete، AR؛ فریرا، ال جی؛ Miura، T. LBA-ECO LC-19 اطلاعات خاک و پوشش گیاهی برای Cerrado و مناطق جنگلی، برزیل. 2002. در دسترس آنلاین: https://daac.ornl.gov/LBA/guides/LC19_Field_2002.html (در 10 اوت 2019 قابل دسترسی است).
  41. سانتانا، NC; د کاروالیو جونیور، OA; Gomes، RAT; Guimarães، تشخیص منطقه سوخته RF در محیط های آمازون با استفاده از سری زمانی استاندارد در هر پیکسل در داده های MODIS. Remote Sens. 2018 ، 10 ، 1904. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  42. Maier, SW تغییرات در بازتاب سطحی ناشی از آتش‌سوزی‌های جنگلی در قاره استرالیا که توسط MODIS اندازه‌گیری شد. بین المللی J. Remote Sens. 2010 , 31 , 3161-3176. [ Google Scholar ] [ CrossRef ]
  43. چویکو، ای. مارتینز، اس. رومان، ام وی؛ هانتسون، اس. پتیناری، ML ادغام عوامل اکولوژیکی و اجتماعی-اقتصادی برای ارزیابی آسیب پذیری جهانی در برابر آتش سوزی. گلوب. Ecol. Biogeogr. 2014 ، 23 ، 245-258. [ Google Scholar ] [ CrossRef ]
  44. کلینک، کالیفرنیا؛ ماچادو، حفاظت RB از سرادو برزیل. حفظ کنید. Biol. 2005 ، 19 ، 707-713. [ Google Scholar ] [ CrossRef ]
  45. نلسون، ا. Chomitz، KM اثربخشی مناطق حفاظت شده سخت در مقابل استفاده چندگانه در کاهش آتش سوزی جنگل های استوایی: تجزیه و تحلیل جهانی با استفاده از روش های تطبیق. PLoS ONE 2011 ، 6 ، e22722. [ Google Scholar ] [ CrossRef ]
  46. تسویوزاکی، اس. کوشیدا، ک. Kodama، Y. بازیابی آلبیدوی سطحی و پوشش گیاهی پس از آتش‌سوزی جنگلی در جنگل Picea mariana در داخل آلاسکا. صعود چانگ. 2009 ، 93 ، 517-525. [ Google Scholar ] [ CrossRef ]
  47. پلانک، سی. کرر، دی. روژان، JL تجزیه و تحلیل تغییرات MODIS albedo بیش از پوشش های چوبی ثابت در فرانسه در طول دوره 2001-2013. سنسور از راه دور محیط. 2017 ، 191 ، 13-29. [ Google Scholar ] [ CrossRef ]
  48. جین، ی. روی، DP تغییر آلبدوی ناشی از آتش و نیروی تابشی آن در سطح در شمال استرالیا. ژئوفیز. Res. Lett. 2005 ، 32 ، 1-4. [ Google Scholar ] [ CrossRef ]
  49. ایرلند، جی. پتروپولوس، GP بررسی روابط بین پویایی بازسازی پوشش گیاهی پس از آتش سوزی، توپوگرافی و شدت سوختگی: مطالعه موردی از مناطق بوم گردی Montane Cordillera در غرب کانادا. Appl. Geogr. 2015 ، 56 ، 232-248. [ Google Scholar ] [ CrossRef ]
  50. پاتر، سی. تجزیه و تحلیل منطقه ای روند سبز بودن ماهواره MODIS برای اکوسیستم های داخلی آلاسکا. GISci. Remote Sens. 2014 , 51 , 390-402. [ Google Scholar ] [ CrossRef ]
  51. Kim, Y. اثرات خشکسالی و ارتفاع بر شاخص های پوشش گیاهی MODIS در اکوسیستم های شمال آریزونا. بین المللی J. Remote Sens. 2013 ، 34 ، 4889-4899. [ Google Scholar ] [ CrossRef ]
  52. Zscheischler، J. ماهچا، MD; فون باتلار، جی. هارملینگ، اس. یونگ، ام. رامیگ، ا. Randerson، JT; شولکوپف، بی. Seneviratne، SI; توملری، ای. و همکاران چند رویداد شدید بر تنوع بین سالانه جهانی در تولید اولیه ناخالص غالب است. محیط زیست Res. Lett. 2014 ، 9 . [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  53. سان، ز. وانگ، ایکس. یاماموتو، اچ. تانی، اچ. ژونگ، جی. یین، اس. Guo، E. الگوی فضایی تغییرات GPP در اکوسیستم های زمینی و محرک های آن: عوامل آب و هوایی، غلظت CO2 و تغییر پوشش زمین، 1982-2015. Ecol. آگاه کردن. 2018 ، 46 ، 156-165. [ Google Scholar ] [ CrossRef ]
  54. دلگادو، RC; پریرا، ام جی؛ تئودورو، PE; دوس سانتوس، جی ال. د کاروالیو، دی سی; Magistrali, IC; ویلانوا، RS فصلی بودن تولید اولیه ناخالص در جنگل اقیانوس اطلس برزیل. گلوب. Ecol. حفظ کنید. 2018 , 14 , e00392. [ Google Scholar ] [ CrossRef ]
  55. هک، ای. de Beurs، KM; Owsley، BC; Henebry، GM ارزیابی مجموعه‌های MODIS 5 و 6 برای تجزیه و تحلیل تغییر پویایی پوشش گیاهی و دمای سطح زمین در آمریکای شمالی و جنوبی. ISPRS J. Photogramm. Remote Sens. 2019 ، 156 ، 121–134. [ Google Scholar ] [ CrossRef ]
  56. کوان، جی. ژان، دبلیو. چن، ی. وانگ، ام. وانگ، جی. تجزیه سری زمانی دمای سطح زمین سنجش از دور و بررسی روندها و تغییرات فصلی در جزایر حرارتی شهری سطحی. جی. ژئوفیس. Res. اتمس. 2016 ، 121 ، 2638-2657. [ Google Scholar ] [ CrossRef ]
  57. الوی، لس آنجلس؛ بیلبائو، بی. میستری، جی. اشمیت، آی بی از مهار آتش تا مدیریت آتش: پیشرفت ها و مقاومت ها در برابر تغییرات در سیاست آتش سوزی در ساواناهای برزیل و ونزوئلا. Geogr. J. 2019 ، 185 ، 10-22. [ Google Scholar ] [ CrossRef ]
  58. دوریگان، جی. Ratter، JA نیاز به یک سیاست آتش سوزی سازگار برای حفاظت از Cerrado. J. Appl. Ecol. 2016 ، 53 ، 11-15. [ Google Scholar ] [ CrossRef ]
  59. Schaaf، CB; گائو، اف. استراهلر، ق. لوچت، دبلیو. لی، ایکس. تسانگ، تی. Strugnell، NC; ژانگ، ایکس. جین، ی. مولر، J.-P. و همکاران اولین BRDF عملیاتی، محصولات بازتابی آلبیدو نادر از MODIS. سنسور از راه دور محیط. 2002 ، 83 ، 135-148. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  60. مورا، YM; هیلکر، تی. لیاپوستین، هوش مصنوعی؛ Galvão، LS; دوس سانتوس، جی آر. اندرسون، لو. د سوزا، CHR; Arai، E. اثرات فصلی و خشکسالی جنگل های آمازون مشاهده شده از داده های ماهواره ای چند زاویه ای. سنسور از راه دور محیط. 2015 ، 171 ، 278-290. [ Google Scholar ] [ CrossRef ]
  61. مورتون، دی سی؛ ناگل، ج. کاراباجال، سی سی; روزت، جی. قصر، م. کوک، بی.دی. Vermote، EF; هاردینگ، دی جی; جنگل‌های آمازون شمالی، PRJ، ساختار تاج و سبزی ثابتی را در طول فصل خشک حفظ می‌کنند. طبیعت 2014 ، 506 ، 221-224. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  62. بادگلی، جی. فیلد، CB; بری، JA Canopy بازتاب نزدیک مادون قرمز و فتوسنتز زمینی. علمی Adv. 2017 , 3 , e1602244. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  63. دچانت، بی. ریو، ی. بادگلی، جی. زنگ، ی. بری، جی. ژانگ، ی. گولاس، ی. لی، ز. ژانگ، Q. کانگ، م. و همکاران ساختار تاج پوشش رابطه بین فتوسنتز و فلورسانس کلروفیل ناشی از خورشید در محصولات را توضیح می دهد. سنسور از راه دور محیط. 2020 , 241 . [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Ijgi 09 00659 g001 550
شکل 1. حوضه رودخانه جی-پارانا (JPRB): ( الف ) موقعیت در آمازون برزیل، و ( ب ) نقشه کاربری/پوشش زمین.
Ijgi 09 00659 g002 550
شکل 2. پارک ملی آراگوآیا و پارک ایالتی کانتائو (ANP-CSP): ( الف ) موقعیت در سرادو برزیل، و ( ب ) نقشه کاربری/پوشش زمین.
Ijgi 09 00659 g003 550
شکل 3. اعتبارسنجی با استفاده از داده‌های بیوسفر-اتمسفر در مقیاس بزرگ برای: ( الف ) دمای سطح زمین (LST) از داده‌های طیف‌سنجی تصویربرداری با وضوح متوسط ​​(MODIS)، ( ب ) بهره‌وری ناخالص اولیه (GPP) از داده‌های MODIS، ( ج ) بازتاب MODIS در پارک ملی آراگوآیا و پارک ایالتی کانتائو (ANP-CSP)، و ( د ) حوضه رودخانه جی-پارانا (JPRB).
Ijgi 09 00659 g004 550
شکل 4. مقایسه بین داده های MODIS و برج های شار پروژه زیست کره-اتمسفر در مقیاس بزرگ برای ( الف ) دمای سطح زمین (LST) در پارک ملی آراگوآیا و پارک ایالتی کانتائو (ANP-CSP)، ( ب ) LST در حوضه رودخانه جی-پارانا (JPRB)، ( ج ) بهره وری ناخالص اولیه (GPP) در منطقه ANP-CSP، و ( د ) GPP در منطقه JPRB.
Ijgi 09 00659 g005 550
شکل 5. مقایسه میانگین بازتاب اندازه‌گیری‌های میدان LBA و باندهای طیف‌سنجی تصویربرداری با وضوح متوسط ​​(MODIS) برای: ( الف ) پارک ملی Araguaia و پارک ایالتی Cantão، و ( ب ) حوضه رودخانه Ji-Parana.
Ijgi 09 00659 g006 550
شکل 6. عود آتش سوزی در دوره 2001-2016 برای: ( الف ) حوضه رودخانه جی-پارانا، و ( ب ) پارک ملی آراگوآیا و پارک ایالتی کانتائو.
Ijgi 09 00659 g007 550
شکل 7. توزیع فضایی روند به ازای هر پیکسل در دوره 2001-2016 برای: ( الف ) آلبیدو در حوضه رودخانه جی-پارانا (JPRB)، ( ب ) شاخص پوشش گیاهی افزایش یافته (EVI) در JPRB، ( c ) آلبدو در پارک ملی Araguaia و پارک ایالتی Cantão (ANP-CSP)، و ( d ) EVI در ANP-CSV.
Ijgi 09 00659 g008 550
شکل 8. توزیع فضایی روند به ازای هر پیکسل در دوره 2001-2016 برای: ( الف ) بهره وری ناخالص اولیه (GPP) در حوضه رودخانه جی-پارانا (JPRB)، ( b ) دمای سطح در JPRB ( b ) GPP در پارک ملی Araguaia و پارک ایالتی Cantão (ANP-CSP)، و ( d ) دمای سطح در ANP-CSP.
Ijgi 09 00659 g009 550
شکل 9. رابطه عود آتش سوزی در حوضه رودخانه جی-پارانا (JPRB) و پارک ملی آراگوآیا/پارک ایالتی کانتائو (ANP-CSP) با (الف) آلبیدو، (ب) شاخص پوشش گیاهی افزایش یافته (EVI)، ( ج ) ناخالص بهره وری اولیه (GPP)، و ( د ) دمای سطح زمین (LST).
Ijgi 09 00659 g010 550
شکل 10. سری زمانی شاخص پوشش گیاهی تقویت شده (EVI) در حوضه رودخانه جی-پارانا، با در نظر گرفتن: ( الف ) مراتع، با چهار (خط نقطه چین) و هشت (خط خاکستری) سال آتش سوزی. و ( ب ) جنگل Ombrophilous تغییر یافته، با دو (خط نقطه‌دار) و چهار (خط خاکستری) سال آتش‌سوزی. فلش ها تاریخ دقیق آتش سوزی را در این پیکسل ها، فلش سیاه برای خط نقطه چین و فلش های خاکستری برای خط خاکستری نشان می دهد.
Ijgi 09 00659 g011 550
شکل 11. سری زمانی شاخص گیاهی تقویت شده (EVI) در پارک ملی آراگوآیا و پارک ایالتی کانتائو، با در نظر گرفتن: ( الف ) ساوانای جنگلی تغییر یافته، با پنج (خط نقطه‌دار) و هفت (خط خاکستری) سال آتش‌سوزی. و ( ب ) ساوانای چوبی چمنی، با شش (خط نقطه چین) و هفت (خط خاکستری) سال آتش. فلش ها تاریخ دقیق آتش سوزی را در این پیکسل ها نشان می دهند، فلش سیاه برای خط نقطه چین و فلش های خاکستری برای خط خاکستری.
Ijgi 09 00659 g012 550
شکل 12. سری زمانی دمای سطح زمین در حوضه رودخانه جی-پارانا، با در نظر گرفتن: ( الف ) مراتع، با چهار (خط نقطه چین) و هشت (خط خاکستری) سال آتش سوزی. و ( ب ) جنگل آمبروفیلوس تغییریافته، با دو (خط نقطه چین) و چهار (خط خاکستری) سال آتش ( ب ). فلش ها تاریخ دقیق آتش سوزی را در این پیکسل ها نشان می دهند، فلش سیاه برای خط نقطه چین و فلش های خاکستری برای خط خاکستری.
Ijgi 09 00659 g013 550
شکل 13. سری زمانی دمای سطح زمین در پارک ملی آراگوآیا و پارک ایالتی کانتائو، با در نظر گرفتن: ( الف ) ساوانای جنگلی تغییر یافته، با پنج (خط نقطه چین) و هفت (خط خاکستری) سال آتش سوزی. و ( ب ) ساوانای چوبی چمنی، با سه (خط نقطه چین) و پنج (خط خاکستری) سال آتش. فلش ها تاریخ دقیق آتش سوزی را در این پیکسل ها نشان می دهند، فلش سیاه برای خط نقطه چین و فلش های خاکستری برای خط خاکستری.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید