چكيده فارسي :
بررسي تغييرات مكاني و زماني پوشش گياهي طبيعي و كشاورزي كاربردهاي مهمي در ارزيابي كاركرد اكولوژيك، مديريت صحيح و پايدار دارد. به دلايل مختلف از جمله تغيير اقليم، خشكسالي و گرم شدن كره زمين پوشش گياهي دچار تغييراتي شده است. بنابراين تحليل تغييرات پوشش گياهي نقش بسزايي در حفظ و احياء اكوسيستمهاي طبيعي و اراضي كشاورزي دارد. بر اين اساس در اين تحقيق به پايش پوشش گياهي با استفاده از فناوري سنجش از دور طي سالهاي 2022-1986 در هريك از شهرستانهاي استان اصفهان پرداخته شده است. با استفاده ازتصاويرماهوارهاي لندست شامل سنجندههاي ETM+ , TM , MSS و OLI با كدنويسي در محيط سامانه گوگل ارث انجين(GEE) مقادير حداكثر شاخص گياهي NDVI بدست آمد و در 53 سايت نمونهبرداري با استفاده از آزمون همبستگي پيرسون صحت سنجي گرديد. همبستگي بالاي 83/0 نمايانگر همبستگي بالاي شاخص گياهي و دادههاي زميني بود. بعد از اطمينان از دقت شاخص گياهي، مقادير NDVI به ترتيب به غيرپوشش گياهي، پوشش گياهي فقير، متوسط، خوب و خيلي خوب طبقهبندي و پايه توسعه نرمافزار ردياب گياه (Vgetation Detector Software, VDS) در محيط نرمافزار متلب قرار گرفت. نتايج VDS نشان داد كه كلاس پوشش گياهي استان اصفهان عمدتا فقير و در سال 2022 كل شهرستانها داراي پوشش گياهي با روند نزولي و منفي بود. شهرستانهاي كاشان، آران و بيدگل، خوروبيابانك، تيران و كرون، خوانسار، گلپايگان، شاهين شهر و ميمه، اردستان، نطنز، نائين، جرقويه، مباركه، لنجان، اصفهان، هرند، ورزنه، كوهپايه، برخوار و نجفآباد بالاترين كلاس فقير را دارا بودند. شهرستانهاي دهاقان و شهرضا داراي پوشش گياهي متوسط و فريدون شهر، بوئين و مياندشت، فريدن، چادگان، فلاورجان و سميرم داراي پوشش گياهي خوب و خيلي خوب بودند. بطور كلي پوشش گياهي فقير در نواحي شمالي، شرقي و جنوب شرقي استان و پوشش گياهي متوسط تا خيلي خوب در نواحي غربي و جنوب غربي پراكنش داشت. قابليت نرمافزار VDS در شناسايي و تهيه نقشه پوشش گياهي و همچنين ارائه گزارش نموداري و جدولي دستگاههاي اجرايي را قادر ميسازد كه به وسيله خروجي¬هاي مختلف و كاربردي آن، تغييرات نواحي مختلف و بحراني بودن آن¬ها را شناسايي و در اولويت قرار داده و اقدامات لازم را انجام دهند. تحقيق حاضر با ارائه اين نرمافزار ساده و كاربردي كه قابل اجرا توسط كارشناسان با حداقل تخصص در زمينه سنجش از دور ميباشد، اميدوار است دادههاي ماهوارهاي در قالب اين نرمافزار در مديريت پوشش گياهي توسط دستگاههاي مرتبط مورد استفاده قرار گيرد.
چكيده انگليسي :
Investigation of spatial and temporal changes in natural and agriculture vegetation cover has important applications in ecological function evaluation, and correct and sustainable management. For various reasons, including climate change, drought and global warming, vegetation cover have been changed. Therefore, the analysis of changes in vegetation cover plays a significant role in the preservation and restoration of natural ecosystems and agricultural lands. Accordingly, in this study, vegetation cover has been monitored using remote sensing technology during 1986-2022 in each of the countes of Isfahan province. Using Landsat satellite images, including ETM+, TM, MSS and OLI sensors, the maximum values of normalized difference vegetation index (NDVI) were obtained from Code Editor using the Google Earth Engine (GEE), and verified in 53 sampling sites using Pearson's correlation test. A high correlation of 0.83 indicated a high correlation between vegetation index and field data. After ensuring the accuracy of the vegetation index, the NDVI values were classified into non-vegetation, poor, fair, good and very good vegetation cover, respectively and the basis for the development of the Vegetation detector software (VDS) was placed in the MATLAB software. The results of VSD showed that the vegetation cover class of Isfahan province was mostly poor and in 2022 all the counties had vegetation cover with a downward and negative trend. Kashan, Aran and Bidgol, Khor and Biyabank, Tiran and Karon, Khansar, Golpaygan, Shahin Shahr and Mimeh, Ardestan, Natanz, Nain, Jarqouye, Mobarakeh, Lanjan, Isfahan, Harand, Varzaneh, Kohpayeh, Barkhar and Najaf Abad had the highest poor class. Dehaghan and Shahreza counties had fair vegetation cover, and Fereydon Shahr, Buin and Miandasht, Feridan, Chadegan, Flavarjan and Semirum had good and very good vegetation cover. In general, poor vegetation cover was distributed in the northern, eastern and southeastern areas of the province, and fair-very good vegetation cover was distributed in the western and southwestern areas. The ability of VDS to identify and prepare a vegetation map as well as provide a graphical and tabular report enables executive organizations to identify and prioritize changes in different areas and their critical situation through various and practical outputs, and take the necessary actions. By presenting this simple and practical software that can be implemented by experts with minimum expertise in the field of remote sensing, in the present study it is hoped that satellite data in the form of this software can be used for vegetation cover management by related organizations.