Journal of Rangeland

fa کاربرد شاخص‌های پوشش گیاهی و تفریق تصاویر ماهواره‌ای Landsat-8 و Sentinel-2 در برآورد تولید مراتع نیمه‌استپی Application of Vegetation Indices and Image Differencing of Landsat-8 and Sentinel-2 for Estimating Production in Semi-Steppe Rangelands تخصصي Special پژوهشي Research سابقه و هدف: مراتع نیمه‌استپی ایران از مهم‌ترین منابع طبیعی کشور به شمار می‌روند که علاوه بر تأمین علوفه، نقش اساسی در حفظ تنوع زیستی و خدمات اکوسیستمی دارند. ارزیابی دقیق تولید و تغییرات پوشش گیاهی این مراتع، پیش‌شرط برنامه‌ریزی مدیریت پایدار و بهره‌برداری اصولی است. روش‌های سنتی برآورد تولید مرتع زمان‌بر و پرهزینه‌اند؛ در مقابل، داده‌های سنجش از دور و شاخص‌های پوشش گیاهی رویکردی کارآمد برای پایش تغییرات اکولوژیک محسوب می‌شوند. در این مطالعه با بهره‌گیری از تصاویر ماهواره‌ای Landsat-8 و Sentinel-2 و تکنیک تفریق تصاویر، کارایی شاخص‌های پوشش گیاهی در برآورد تولید گیاهی و پایش تغییرات پوشش مراتع نیمه‌استپی منطقه حفاظت‌شده تنگ صیاد بررسی شد. مواد و روش‌ها: نمونه‌برداری میدانی در هشت سایت و طی دو بازه زمانی فنولوژیک انجام گرفت. داده‌های تولید گیاهی برای شکل‌های رویشی مختلف شامل گراس‌های یک‌ساله، پهن‌برگان یک‌ساله، گراس‌های چندساله، پهن‌برگان چندساله و بوته‌ای به روش نمونه‌گیری مضاعف اندازه‌گیری شد. هم‌زمان تصاویر ماهواره‌ای Landsat-8 و Sentinel-2 با حداقل پوشش ابری تهیه و پس از پیش‌پردازش، مجموعه‌ای از شاخص‌های پوشش گیاهی (از جمله NDVI، EVI، SAVI، PVI، DVI و MSAVI) محاسبه گردید. سپس با استفاده از روش تفریق تصاویر، تغییرات پوشش و تولید گیاهی بین بازه‌های زمانی مختلف استخراج و همبستگی آن‌ها با داده‌های میدانی ارزیابی شد. تحلیل آماری داده‌ها با آزمون همبستگی پیرسون و در نرم‌افزار R انجام شد. نتایج: یافته‌ها نشان داد که تصاویر Landsat-8 نسبت به Sentinel-2 دقت بالاتری در برآورد تولید گیاهی داشتند. شاخص‌های PVI1 و DVI در ماه خرداد بیشترین همبستگی را با تولید شکل‌های رویشی پهن‌برگ چندساله و گراس چندساله نشان دادند (ضریب همبستگی حدود 64/0). همچنین شاخص‌های MSAVI1 و MSAVI2 توانستند اثر درصد متفاوت پوشش گیاهی و پس‌زمینه خاک را با دقت مناسبی تعدیل کنند. در تحلیل شکل‌های یک‌ساله، شاخص EVI عملکرد برتری در پیش‌بینی تولید داشت، در حالی که در پوشش بوته‌ای تنها همین شاخص ارتباط معنی‌داری نشان داد. به طور کلی، اکثر شاخص‌های گیاهی در هر دو ماهواره توانستند تغییرات تولید را بازتاب دهند، هرچند حساسیت و کارایی آن‌ها بسته به دوره فنولوژیک و نوع شکل رویشی متفاوت بود. نتیجه‌گیری: نتایج تحقیق حاضر نشان داد که استفاده ترکیبی از شاخص‌های گیاهی منتخب و تکنیک تفریق تصاویر روشی مقرون‌به‌صرفه، سریع و دقیق برای پایش تغییرات تولید مراتع نیمه‌استپی است. این رویکرد امکان شناسایی نواحی با کاهش یا افزایش تولید را فراهم کرده و می‌تواند مبنای تصمیم‌گیری در مدیریت پایدار مراتع باشد. پیشنهاد می‌شود در مطالعات آینده، داده‌های اپتیکی و راداری به صورت هم‌افزا به کار گرفته شوند تا محدودیت‌هایی مانند اثر پوشش ابری و اشباع شاخص‌ها برطرف شود. Background and Objectives: Semi-steppe rangelands of Iran play a crucial role in providing forage, conserving biodiversity, and supporting ecosystem services. Accurate estimation of forage production and monitoring vegetation changes is essential for sustainable rangeland management. Traditional methods are labor-intensive and costly, whereas remote sensing and vegetation indices offer efficient alternatives. This study aimed to evaluate the performance of Landsat-8 and Sentinel-2 imagery, combined with image differencing techniques, for estimating rangeland production and monitoring vegetation dynamics in the Tang-e-Sayyad protected area, located in Chaharmahal va Bakhtiari province. Materials and Methods: Field sampling was conducted in eight sites during two phenological stages. Forage production of five plant growth form (annual grasses, annual forbs, perennial grasses, perennial forbs, and shrubs) was measured using the double-sampling method. Simultaneously, Landsat-8 OLI and Sentinel-2 MSI images with minimum cloud cover were acquired. After preprocessing, a set of vegetation indices (e.g., NDVI, EVI, SAVI, PVI, DVI, MSAVI) was calculated. Image differencing was then applied between multi-temporal images to extract vegetation and production changes. The relationships between remote sensing indices and field data were analyzed using Pearson correlation in R software. Results: The results revealed that Landsat-8 imagery performed better than Sentinel-2 in estimating forage production. Among vegetation indices, PVI1 and DVI showed the highest correlations (≈0.64) with the combined production of perennial forbs and perennial grasses in June. MSAVI1 and MSAVI2 demonstrated robustness under varying vegetation cover and soil background conditions. For annual forms, EVI had the strongest predictive power, while in shrublands, only EVI exhibited significant correlations. In general, most vegetation indices were able to reflect production dynamics, although their performance varied depending on phenological stage and plant functional type. Conclusion: This study highlighted the potential of integrating vegetation indices with image differencing as a cost-effective, rapid, and accurate approach for monitoring production changes in semi-steppe rangelands. The proposed method enables identification of areas with increasing or declining forage production, thereby supporting sustainable rangeland management. For future studies, incorporating optical and radar datasets is recommended to overcome limitations such as cloud cover and index saturation, thereby improving monitoring accuracy. شاخص‌های پوشش گیاهی, سنجش از دور, فرم رویشی, منطقه حفاظت شده تنگ صیاد Vegetation indices, Remote sensing, Growth form, Tang-e-Sayyad protected area 0 0 http://rangelandsrm.ir/browse.php?a_code=A-10-263-4&slc_lang=fa&sid=1 Razieh Soureshjani Samani راضیه سورشجانی سامانی Soreshjanisamanir@gmail.com 100319475328460019092 100319475328460019092 No Ali asghar Naghipour علی اصغر نقی پور aa_naghipour@yahoo.com 100319475328460019093 100319475328460019093 Yes Pejman Tahmasbi Kohyani پژمان طهماسبی pejman.tahmasebi@sku.ac.ir 100319475328460019094 100319475328460019094 No Zahra Heidari Ghahfarrokhi زهرا حیدری قهفرخی z.heidari.gh@gmail.com 100319475328460019095 100319475328460019095 No