بررسي همبستگي بين شاخص هاي پوشش گياهي NDVI و EVI با شاخص خشكسالي هواشناسي SPI (مطالعه موردي: مراتع استان گلستان)

Determining the correlation between NDVI and EVI vegetation indices and SPI drought index (Case Study: Golestan rangelands

در اين تحقيق ارتباط بين شاخص بارش استاندارد (SPI) سالانه با شاخص پوشش گياهي بارزسازي شده (EVI) و شاخص تفاضل نرمال شده پوشش گياهي (NDVI) و نيز ميزان تشخيص تغييرات پوشش گياهي توسط دو شاخص NDVI و EVI با روش تفريق تصوير مورد بررسي قرار گرفت. بدين منظور داده هاي بارندگي ايستگاه هاي موجود در 5 ايستگاه در مراتع دشتي استان گلستان از آغاز تاسيس تا سال 1393 و تصاوير سنجنده MODIS در طول سال هاي 2000 تا 2012 در فصل رويش پوشش گياهي مراتع استان گلستان جمع آوري گرديد. جهت تعيين ميزان همبستگي بين شاخص خشكسالي و شاخص هاي سنجش از دور از ضريب همبستگي پيرسون استفاده شد. نتايج نشان داد كه ميزان همبستگي بين شاخص خشكسالي SPI با EVI و NDVI به ترتيب برابر با 0/75 و 0/78 و ميزان همبستگي در تشخيص تغييرات پوشش گياهي دو شاخص NDVI و EVI برابر با 0/98 است كه در سطح 05/0 معني دار مي باشد. به طور كلي نتايج اين تحقيق نشان داد كه در مناطقي با داده هاي باران سنجي ناكافي و پراكنش نامناسب براي پايش خشكسالي مي توان از داده هاي سنجش از دور . همچنين شاخص هاي پوشش گياهي NDVI و EVI براي تشخيص تغييرات پوشش گياهي مناسب مي باشند.

In this study the relationship between annual Standard Precipitation Index (SPI) and، remotely sensed indices of Enhanced Vegetation Index (EVI) and Normalized Differencing Vegetation Index (NDVI) have been studied. MODIS images of Terra satellites for the period of 2000 to 2012، during the growing season of pastures across Golestan province alongwith rainfall data of five meteorological stations in Golestan rangelands from their establishment till 1993 were collected. Pearson correlation coefficient was used to assess the relationship between rainfall data and vegetations indices. Correlation coefficient between (SPI) drought index and EVI and NDVI indices was 0.75 and 0.78 respectively at 5% level of significance. Bedsides، correlation between the NDVI and EVI indices in detection of the vegetation changes were 0.98. In general، the results of this study showed that in regions with inadequate rainfall data، remote sensing products can be used for drought and vegetation cover dynamic monitoring.