Climate Change Research

Climate Change Research

Climatic Analysis of Vegetation in Mountainous Areas of Northwestern Iran (Case: East Azerbaijan Province)

Document Type : Original Article

Authors
farahnaz khoramabadi 1
Sayyed Mohammad Hosseini 2
1 1 Ph.D of Climatology, University of Isfahan, Isfahan, Iran
2 Associate Professor of Climatology, Department of Geography, Faculty of Literature and Humanities, Sayyed Jamaleddin Asadabadi University, Asadabad, Iran
10.30488/ccr.2025.558026.1313
Abstract
Vegetation changes are one of the most important reasons for changing environmental ecosystems in mountainous areas and for this reason, the vegetation monitoring of East Azarbaijan province is very important due to its location in the mountainous region of the northwest of the country. Therefore, in this research, to achieve this goal, were used statistical models including normalized difference vegetation index (NDVI), geographic weighted regression (GWR), principal component analysis (PCA) and kolmogorov–smirnov test (KST). In addition, using the MODIS sensor satellite products, the vegetation cover index calculated for the 24-year period from 2000 to 2024 for this province. The results indicate that the highest density of forest trees and mountain pastures is located in the northern parts of the province in the region of Arsbaran, Aras, Varzghan, Kazandaghi and Kandratbashi mountains, and the lowest density is in the western and central parts of the province. In addition, the geographic weighted regression model with a determination coefficient of 76 percent confirms the adequacy and high accuracy of the model in predicting the vegetation cover of the province. The results of the principal component analysis showed that the estimated models recognized 3 types of cover with 93.49 percent, which include the months of June, July, August and September as the type with high density of vegetation; The months of January, February, March and May are with medium density and the months of October, November and December are with little and weak vegetation. Meanwhile, the month of June has the highest density of vegetation due to the peak of vegetation in the gardens and farms of the province and the increase in spring cultivation. In addition, the results of the Kolmogorov-Smirnov test indicate that in the months of June, July and August, the vegetation of East Azerbaijan Province has a normal distribution, and in the month of September, the vegetation has an abnormal distribution
Keywords
Climate Change Modis Satellite Normalized Difference Vegetation Index (NDVI) Principal Component Analysis (PCA) Kolmogorov
Smirnov Test (KST)

Subjects

1.       اجتماعی، بابک. 1404. پایش خشکسالی بر اساس شاخص NDVI و تأثیرات آن بر روستاهای شهرستان شیراز، مجله مخاطرات محیط طبیعی، شماره 45، 112-95.
2.       امیری، فاضل؛ یگانه، حسن. 1391. ارزیابی شاخص­های گیاهی برای تهیه نقشه درصد پوشش گیاهی در اراضی نیمه خشک بخش مرکزی ایران(حوزه آبخیز قره­آقاچ). نشریه مرتع و آبخیزداری، شماره 2، 175-189.
3.       پناهی، علی؛  خرم آبادی،  فرحناز. 1398. ارزیابی دقت داده­های CSIRO  و مدل LARS-WGدر شبیه سازی متغیرهای اقلیمی استان آذربایجان شرقی، نشریه دگرگونی ها و مخاطرات آب و هوایی، شماره 2، 140-162.
4.       تمرتاش، رضا؛ جعفری، محمد؛ حیدری­شریف­آباد، حسین؛ زاهدی­امیری، قوام­الدین. 1392. تعیین رابطه عناصر تغذیه­ای در برخی گونه­های مرتعی و خاک اکوسیستم­های مرتعی منطقه طالقان، نشریه حفاظت زیست بوم گیاهان، شماره 3، 15-30.
5.       حجازی­زاده، زهرا؛ حسینی، سید محمد؛ کربلایی درئی، علیرضا؛ لایقی، شکوفه.  1404. پهنه­بندی اثر خشکسالی بر تغییرات پوشش گیاهی همدان در سه دهه اخیر با استفاده از مدل TCI، مجله تحقیقات کاربردی علوم جغرافیایی، شماره 77، 59-44.
6.       حسینی، سید محمد؛ فاطمی­نیا، فخری­سادات. 1400. پایش اقلیمی- ماهواره­ای شاخص سطح برگ در استان همدان، نشریه تحقیقات کاربردی علوم جغرافیایی، شماره 61، 277-259.
7.       حلبیان، امیرحسین؛ شائمی، علی اکبر؛ نوربخش، سیدعطاالله. 1402. واکاوی ارتباط وردش­های فضایی- زمانی پوشش گیاهی با سنجه های توپوگرافیک در زاگرس میانی، مطالعات جغرافیایی مناطق کوهستانی، شماره 13، 205-191.
8.       رحیمی، حمزه؛ نوری زمان آبادی، سید هدایت الله، مسعودیان، سید ابوالفضل. 1401. پایش روند تغییرات پوشش گیاهی در شهرستان نجف آباد، فصلنامه ضای جغرافیایی، شماره 80، 85-67.
9.       سبحانی، بهروز؛ ملانوری، الهام. 1403. بررسی تغییرات پوشش گیاهی با استفاده از شاخص NDVI و ارتباط آن با دمای سطح زمین (مطالعه موردی: شهرستان کوثر)، مطالعات علوم محیط زیست، شماره 3، 8851-8841.
10.   شجاعی زاده، کبری؛ احمدی، محمود؛ داداشی رودباری، عباسعلی. 1402. ارتباط شاخص­های پوشش گیاهی با رخداد آتش سوزی در نواحی رویشی ایران، جغرافیا و مخاطرات محیطی، شماره 48، 116-99.
11.   شریفی، ویدا. 1401. تحلیل اثر خشکسالی بر پارامترهای فنولوژی شاخص های گیاهی از سری زمانی تصاویر سنجنده MODIS (مورد مطالعاتی: استان همدان)، پایان نامه کارشناسی ارشد، رشته نقشه برداری، گرایش سنجش ازدور، دانشکده مهندسی گروه عمران، دانشگاه کردستان.
12.   شکراللهی، شکوفه؛ مرادی، حمیدرضا؛ دیانتی تیلکی، قاسمعلی. 1391. بررسی اثر ویژگیهای خاک و عوامل فیزیوگرافی بر پوشش گیاهی(مطالعه موردی: بخشی از مراتع ییلاقی پلور)، تحقیقات مرتع و بیابان ایران، شماره 19، 655-668.
13.   صالح پور، زینب؛ جعفری کوخدان، عزیزاله؛ علیرضانژاد، علی. 1392. بررسی تغییرات پوشش گیاهی در ارتباط با عوامل فیزیوگرافی رشته کوه دنا. فیزیولوژی محیطی گیاهی، شماره 8، 28-37.
14.   مقدم، محمدرضا. 1388. مرتع و مرتعداری، چاپ 6، انتشارات دانشگاه تهران، تهران.
15.   میراحسنی، مرضیه سادات؛ سلمان­ماهینی، عبدالرسول؛ سفاینان، علیرضا؛ محمدی، جهانگیر؛ مدرس، رضا؛ جعفری، رضا؛ پورمنافی، سعید. 1398. ارزیابی روند تغییرات پوشش گیاهی با استفاده از تصاویر سری زمانی و آزمون من-کندال در حوضه آبخیز گاوخونی، محیط ­شناسی، شماره 1، 114-99.
16.   ناطقی، سعیده؛ نوحه­گر، احمد؛ احسانی، امیر هوشنگ؛ بذرافشان، ام­البنین. 1396. بررسی تغییرات پوشش گیاهی براساس شاخص­های گیاهی با استفاده از سنجش از دور، فصلنامه تحقیقات مرتع و بیابان ایران، شماره24، 778-790.
17.   Afifi, M. I., 2016. Monitoring particulate matter using multi-spectral images of Modis satellite in the southwest of Iran, Geography Quarterly. 55:184-194.
18.   Allison, E. W. 1989. Monitoring drought affected vegetation with AVHRR Digest International Geoscience and Remote Sensing Symposium, 4:1965-1967
19.   Feng, J., Dong, B., Qin, T., Liu, S., Zhang, J., Gong, X., 2021. Temporal and Spatial Variation Characteristics of NDVI and Its Relationship with Environmental Factors in Huangshui River Basin from 2000 to 2018. Polish Journal of Environmental Studies, 30(4): 3043–3063. 
20.   Harris, A., Carr, A.S., Dash, J., 2014. Remote sensing of vegetation cover dynamics and resilience across southern Africa. International Journal of Applied Earth Observation and Geo information, 28: 131-139
21.   Hassani H., Silva E. S., 2015. A Kolmogorov-Smirnov based test for comparing the predictive accuracy of two sets of forecasts. Econometrics, 3: 590–609.
22.   Jafari, R. M., M. Lewis., Ostendorf, B., 2007. Evaluation of vegetation indices for assessing vegetation cover in southern arid lands in South Australia. The Journal of Rangeland, 29: 39-49
23.   Jin, S., Yang, L., Zhu, Z., Homer, C., 2017. A land cover change detection and classification protocol for updating Alaska NLCD 2001 to 2011. Remote Sensing of Environment, 195: 44-55.
24.   Jolliffe, I. T., 2002. Principal Component Analysis, second Edition, Spinger.
25.   Kargupta. H, Huang. W. Y, Sivakumar. K., E. Johnson., 2001. Distributed Clustering Using Collective Principal Component Analysis, Knowl. Inf. Syst, 3 (4): 422 –448.
26.   Kogan, F. N., 1993. United States droughts of late 1980's as seen by NOAA polar orbiting satellites. International Geoscience and Remote Sensing Symposium, 1:197-199.
27.   Kolmogorov, A., 1933. Sulla determinazione empirica di una legge di distribuzione. Giornale dell’Istituto Italiano degli Attuari, 4: 83–91
28.   Lazzarini, M., Marpu, P. R., Ghedira, H., 2013. Temperature-land cover interactions: the inversion of urban heat island phenomenon in desert city areas. Remote Sensing of Environment, 130: 136-152.
29.   Liu, Q.Yao, F.Garcia-Garcia, A.Zhang, J. Li, J.Ma, S. Peng, J. (2023). The response and sensitivity of global vegetation to water stress: A comparison of different satellite-based NDVI products. International Journal of Applied Earth Observation and Geoinformation, 120, 103341.
30.   Liu, W (2024). The Response of NDVI to Drought at Different Temporal Scales in the Yellow River Basin from 2003 to 2020. Water, 16(17), 2416.
31.   Lu, D, Mausel, P, Brondi´zio, E., Moran, E., 2004. Change detection techniques.International Journal of Remote Sensing, 12: 2365-2407
32.   Peng, J., Liu, Z., Liu, Y., Wu, J., Han, Y., 2012. Trend analysis of vegetation dynamics in Qinghai–Tibet Plateau using Hurst Exponent. Ecological Indicators, 14(1): 28-39.
33.   Pettorelli, N., Vik, O., Mysterud. A., Gaillard. J.M., Tucker. C.J., Stenseth, N.C., 2005. Using the satellite derived NDVI to assess ecological responses to environmental change. Journal Trends in ecology and evolution, 9(20): 503-510.
34.   Sun, M. Li, X.Xu, H. Wang, K. Anniwaer, N. Hong, S. (2024). Drought thresholds that impact vegetation reveal the divergent responses of vegetation growth to drought across China. Global Change Biology, 30(1), e16998.
35.   Tipping. M. E., C. M. Bishop., 2008, Probabilistic principal component analysis, Technical Report NCRG /97/010, Microsoft Research.
36.   Vidal. R, Y. Ma., Sastry. S. Vidal, Y. Ma, and S. Sastry., 2003. Generalized principal component analysis (GPCA), In IEEE Conference on Computer Vision and Pattern Recognition, I: 621-628.
37.   Wang, X., 1997. Multivariate analysis of desert in Anxi. Acta Botanica Sinica, 39 (5): 461-466.
38.   Widaman, K. F., 1990. Bias in Pattern Loadings Represented by Common Factor - Analysis and Component Analysis, Multivariate Behavioral Research, 25 (1): 89 -95.
39.   Xuefei, LiuJie, Dong, G., Han, X., 2021. Spatial-temporal variation of NDVI and its responses to precipitation in the upper of Heihe from 2000 to 2019. IOP Conference Series: Earth and Environmental Science, 783(1): 012148.
40.   Zhang, H. Li, L. Zhao, X. Chen, F. Wei, J. Feng, Z. Hu, M. (2024). Changes in Vegetation NDVI and Its Response to Climate Change and Human Activities in the Ferghana Basin from 1982 to 2015. Remote Sensing, 16(7), 1296.
41.   Zhang, Q., Kong, D., Singh, V. P., Shi, P., 2017. Response of vegetation to different timescales drought across China: spatiotemporal patterns, causes and implications, Glob. Planet. Chang, 152: 1-11.