مدل‌سازي سري هاي زماني شاخص سطح برگ MODIS با استفاده از رويكرد استوكستيكي

Modeling MODIS LAI time series using stochastic approach

شاخص سطح برگ يكي از پارامترهاي مؤثر براي توصيف شار انرژي، تبادلات سطح زمين‌ ـ اتمسفر، ساختمان پوشش گياهي و... است. در اين تحقيق با استفاده از مدل‌سازي بر پايۀ روش باكس‌ ـ جنكينز سري هاي زماني شاخص سطح برگ يونجه، گندم، سيب و سيبزميني بررسي شد و با نتايج روابط رياضي بين شاخص سطح برگ و شاخص NDVI مقايسه شدند. روند سري هاي زماني به‌دست‌آمده از سنجندۀ MODIS ‌طي دورۀ زماني 2012‌ـ 2015 با دورۀ تناوب 46 توسط آزمون من‌ ـ كندال فصلي منفي بود. نتايج شبيه سازي توسط مدل ARIMA(p,0,q)×(P,1,Q)46 با مرتبه هاي تأييدشده در سري هاي زماني مختلف بيان‌كنندۀ كاهش خطا و افزايش ضريب همبستگي و NASH بود. به‌طور نمونه ضريب همبستگي سري هاي زماني گندم، يونجه، سيب و سيب زميني به ترتيب 0/9، 0/94، 0/93 و 0/89 بود. مقايسۀ كلي بين آماره هاي بررسي‌شده بيان‌كنندۀ عملكرد بهتر ARIMA فصلي به‌خصوص دربارۀ سري هاي زماني يونجه و سيب با مقادير زياد شاخص سطح برگ است. رويكرد استوكستيكي در برابر ساير روابط رياضي خطاي كمتري داشت. با توجه به كارايي زياد مدل ARIMA فصلي، تهيۀ سري هاي زماني شاخص سطح برگ با دقت زياد اهميت چشمگيري دارد.

Leaf area index is one of the most important variables characterizing energy flux, atmosphere- land surface exchange and vegetation structure. In this research, Leaf area index time series of wheat, alfalfa, apple and potato have been investigated using the modeling based on Box-Jenkins method, and the result of mathematical relationships between leaf area index and NDVI were compared. The trend of MODIS time series in the period of 2012 to 2015 with seasonal length of 46 using seasonal Man –Kendall test was negative. The simulation of time series using ARIMA (p,0,q)×(P,1,Q)46indicated the decease in error and correlation and NASH coefficient; for example, the correlation coefficients of wheat, alfalfa, apple and potato were 0.9, 0.94,0.93 and 0.89, respectively. The criteria comparison demonstrated the better performance of SARIMA model especially for alfalfa and apple time series with high values of leaf area index. Stochastic modeling has minimum error relative to the mathematical relationships. According to the high performance of SARIMA model, preparation of leaf area index time series with high precision is more important.