توصيفگر ها :
مانگرو , فنولوژي , شاخص پوشش‌گياهيNDVI , طبقه‌بندي سطح پوشش , جنگل تصادفي , پارامترهاي اقليمي
چكيده فارسي :
جنگل‌هاي مانگرو در سواحل گرمسيري ايران به عنوان يك اكوسيستم حياتي و اقتصادي با اهميت بسزايي شناخته مي‌شوند. در حال حاضر، فعاليت‌هاي انساني و تغييرات محيطي، اين جنگل‌ها را به خطر انداخته و نياز به حفاظت و توسعه آنها را ضروري مي‌كند. استفاده از روش‌هاي پيشرفته سنجش از دور به منظور ارزيابي جامع محيط‌زيستي در اين مناطق از اهميت ويژه‌اي برخوردار است. هدف اصلي اين مطالعه بررسي فنولوژي و شاخص پوشش‌گياهي NDVIبراي دو گونه حرا و چندل در تالاب بين‌المللي حراي رود گز و بررسي اثر پارامترهاي اقليمي همچون دماي متوسط، دماي حداقل، دماي حداكثر، دماي سطح آب، بارش، شوري آب، و شاخص خشكسالي SPEI بر روي فنولوژي و ميزان شاخص پوشش‌گياهي NDVI دو گونه است. همچنين، سطح پوشش تالاب در 9 كلاس طبقه بندي شد كه شامل چهار طبقه پوشش مانگرو- سطح پوشش خالص گونه‌هاي حرا، سطح پوشش خالص گونه چندل، تركيب دو گونه با غالبيت گونه حرا و تركيب دو گونه با غالبيت گونه چندل- به همراه طبقات مربوط به نوع خاك-گل، ماسه، تپه‌هاي ماسه‌اي، گل ماسه‌اي- و طبقه‌اي تحت عنوان ساير كه فرض برآن است در بردارنده طبقات جلبك و رسوبات آلوده به گازوئيل است. در نهايت پس از شناسايي تغييرات سطح پوشش‌گياهي تالاب در طي دو دهه (2022-2001)، اثر تغيير اقليم بر اين تغييرات مورد بررسي قرار گرفت. در اين مطالعه از اطلاعات حاصل از بررسي ميداني، تصاوير Sentinel-2، و پلتفرم گوگل ارث انجين جهت برآورد شاخص پوشش‌گياهي NDVI و بررسي فنولوژي در دوره 6 ساله، 2016 تا 2022 استفاده شده‌است. سطح پوشش منطقه نيز با بهره‌گيري از تصاوير Landsat-7، Landst-8 و Sentinel-2 در طي سال‌هاي2022-2001 به همراه نتايج مطالعه ميداني در الگوريتم جنگل تصادفي در نرم‌افزار R طبقه‌بندي شد. در ادامه تغييرات 4 سطح پوشش‌گياهي در نرم‌افزار R شناسايي شد و روند اين تغييرات با تغييرات اقليمي مورد بررسي قرار گرفت. بر اساس نتايج اين مطالعه اگرچه امضاي طيفي دو گونه حرا و چندل الگوي يكساني را نشان مي‌دهد، اما محدوده بازتاب متفاوتي دارند لذا مي‌توان آنها را جداگانه مورد بررسي قرار داد. همچنين نتايج نشان مي‌دهد كه شاخص پوشش‌گياهي NDVI مناسب‌ترين شاخص براي مطالعه اين دو گونه است و در بررسي فنولوژي موثر است. طبق نتايج، شروع فصل رشد دو گونه در ماه سپتامبر و پايان رشد آنها در ماه مه است و دو پارامتر دما و بارش مهم‌ترين پارامترهاي اقليمي اثرگذار بر اين چرخه هستند. قابل توجه است كه طول فصل رشد تمام مانگروها در دنيا 9-8 ماه است كه با نتايج اين مطالعه مطابقت دارد. نتايج بررسي مساحت مانگروها حاكي از آن است كه مساحت سطوح خالص دو گونه حرا و چندل با روندكاهشي همراه بوده و اين روند كاهشي در گونه حرا با شيب بيش‌تري همراه بوده است با اين حال حدود دو سوم منطقه پوشيده از گونه حرا مي‌باشد. شايان ذكر است بر اساس نتايج مطالعه حاضر، مانگروها به سمت ساحل در حال عقب‌نشيني هستند و به طور كلي مي‌توان اين تغييرات را به تغييرات دما و بارندگي ارتباط داد. اين اطلاعات مي‌تواند به مسئولان محيط‌زيست كمك كند تا بهترين استراتژي‌ها براي حفاظت و توسعه پايدار جنگل‌هاي مانگرو را اتخاذ كنند. نتايج اين تحقيق نشان مي‌دهد كه تكنيك‌هاي يادگيري ماشين نيز در طبقه‌بندي گونه‌هاي جنگل‌هاي مانگرو به خوبي عمل كرده و به ما اطلاعات دقيقي از وضعيت اكوسيستم ارائه مي‌دهد. در آينده، استفاده از اين داده‌هاي جديد به همراه روش‌هاي پيشرفته تحليل، مي‌تواند به بهبود برنامه‌هاي حفاظتي و مديريتي جنگل‌هاي مانگرو كمك كند و براي تصميم‌گيري‌هاي مؤثرتر در زمينه حفاظت محيط‌زيست ساحلي ايران ارزشمند باشد.
چكيده انگليسي :
Mangrove forests in the tropical coasts of Iran are recognized as vital and economically important ecosystems with significant importance. Currently, human activities and environmental changes are threatening these forests, making it necessary to protect and develop them. The use of advanced remote sensing methods for comprehensive environmental assessment in these areas is particularly important. The main objective of this study is to investigate the phonological characteristics as well as the vegetation cover changes of mangroves using the NDVI vegetation index for two species: Avicennia marina and Rhizophora mucronata, in the international mangrove wetland of Rud-e-Gaz. The study also aims to investigate the effect of climatic parameters such as average temperature, minimum temperature, maximum temperature, sea surface temperature, precipitation, seawater salinity, and SPEI drought index on the phonological characteristics (the start and the end of growing season) as well as the NDVI vegetation index of the two species. Additionally, the wetland land cover was classified into nine classes, including four classes of mangrove cover: pure cover of A. marina species, pure cover of R. mucronata species, a combination of the two species with A. marina dominance, and a combination of the two species with R. mucronata dominance. Other classes related to sediment types (mud, sand, sandy mud, sandbar) and a class called "other" (assumed to contain algae and oil-contaminated sediments) were included. Finally, after identifying changes in wetland vegetation covers over two decades (2022-2001), the effect of climate change on these changes were investigated. In this study, field date, Sentinel-2 images, and the Google Earth Engine platform were used to estimate the NDVI vegetation index and investigate the phonological characteristics over the 6-year period from 2016 to 2022. The Vegetation cover was classified using Landsat-7, Landsat-8, and Sentinel-2 images during the period 2001-2022, along with the field data, in the random forest algorithm in the R software. Changes in the four vegetation covers were then identified in R software, and the trend of these changes was investigated in relation to changes of climate parameters. The results indicate that although the spectral reflectance of the two species of A. marina and R. mucronata shows similar pattern, they have different reflectance ranges, allowing them to be studied separately. The results also show that the NDVI vegetation index is the most suitable index comparing EVI and SAVI for studying the two species and is effective in phenological studies. According to the results, the start of the growth season (SoS) for both species is in September, and the end of the growth (EoS) is in May. The analysis showed that temperature as well as precipitation are the most influential climatic parameters affecting this cycle. It is worth mentioning that the mangrove growing season length worldwide is 8-9 months, which aligns with the results of this study. Investigations indicate that the pure area of both species (A. marina and R. mucronata) has been decreasing. This decrease has occurred with a steeper slope in the A. marina species areas, although approximately two-thirds of the area is covered by the A. marina species. It is worth noting that, according to the findings, mangroves are retreating towards the coast due to changes in temperature and precipitation. This information can help environmental officials adopt the best strategies for the protection and sustainable development of mangrove forests. The research also demonstrates that machine learning techniques have performed well in the classification of mangrove forest species, providing accurate information about the ecosystem's status. In the future, the use of this new data, along with advanced analytical methods, can help improve conservation and management programs for mangrove forests.
