معرفی کاربرد رویه‌های اصلی تحلیل روند مکانی- زمانی مؤلفهی زیست-نوری کلروفیلa در حوضه جنوبی دریای خزر | ||
| پژوهشهای دانش زمین | ||
| مقاله 11، دوره 11، شماره 1 - شماره پیاپی 41، 1399، صفحه 189-207 اصل مقاله (1.83 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.52547/esrj.11.1.189 | ||
| نویسندگان | ||
| بنیاد احمدی؛ مهدی غلامعلی فرد* | ||
| گروه محیط‌زیست، دانشکده منابع طبیعی و علوم دریائی، دانشگاه تربیت مدرس، نور، ایران | ||
| چکیده | ||
| بررسی روند مؤلفهی زیست نوری کلروفیل a نقش مهمی در برنامه‌های مدیریتی و اجرایی مانند پیدا کردن مناطق مناسب جهت استقرار قفسه‌های ماهی‌گیری و همچنین یافتن مکان مناسب جهت حفاظت از مناطق دریایی کاربرد دارد. بدین منظور برای تجزیه و تحلیل مکانی-زمانی این رویه‌ها در دو بخش شامل، روند یک‌ساله (سال 2015)، در محدوده‌ی پیکسلی 3*3 (دانشکده منابع طبیعی و علوم دریایی شهرستان نور) به منظور انجام محاسبات رویه‌ها و روند 18 ساله (ژانویه 1998 تا دسامبر 2015)، مربوط به سنجنده‌های مادیس-آکوا1 و سی-ویفس2 در حوضه جنوبی دریای خزر مورد استفاده قرار گرفت. نتایج نشان داد که نرخ تغییرات در سال 2015 کاهشی، 01/0- و 05/0- به ترتیب برای رویه‌های روند میانه (Theil-Sen) و روند خطی بوده است همچنین در طی روند 18 ساله میانگین نرخ تغییرات برای مؤلفهی زیست-نوری کلروفیل a با استفاده از دو رویه‌ی روند خطی و روند میانه در کل حوضه‌ی جنوبی دریای خزر 019/0 و 0187/0 میلی‌گرم بر متر مکعب و دارای نرخ روند افزایشی سالیانه بوده است. نتایج حاصل از مقایسه دو رویه من-کندال و من-کندال زمینه‌ای نشان داد. p_value کوچک‌تر از 001/0 و 01/0 دو آزمون من-کندال و من-کندال زمینه‌ای معنی‌داری روند تقریباً یکسان بوده است اما در ρ<0.05 از آن‌جایی که آزمون من-کندال زمینه‌ای واریانس پیکسل‌های همسایه را در نظر می‌گیرد سبب افزایش سطح معنی‌داری در منطقه شده است. | ||
| کلیدواژه‌ها | ||
| حوضه جنوبی دریای خزر؛ سری زمانی؛ کلروفیل a؛ من کندال زمینه‌ای | ||
| عنوان مقاله [English] | ||
| Applied introduction of main procedures of spatio-temporal analysis of the bio-optical component of chlorophyll-a in the southern Caspian Sea | ||
| نویسندگان [English] | ||
| Bonyad Ahmadi؛ Mehdi Gholamalifard | ||
| Department of Environment, Faculty of Natural Resources and Marine Sciences,Tarbiyat Modares university, Nur, Iran | ||
| چکیده [English] | ||
| Introduction Since geographic issues and problems have large and variable dimensions over time series, it leads to the study of a geographic field while considering a variable during the time series. In recent decades, mankind has caused changes in land and sea, which have led to increased pollution and a subsequent increase in phytoplankton numbers. For this purpose, to understand and monitor these effects, there is a need for a link between scientific work in this field and its management. To manage these regions, strict approaches, stringent measures, infrastructure compliance, and finally modelling and prediction are required. The chlorophyll-a parameter is one of the most common elements which its value and changes over time and different parts of the area are determining the conditions for biomass and the development of flora and fauna in the marine environment. It has also played an important role in administrative and management programs such as finding suitable areas for establishing fishing shelves and finding suitable locations for protecting marine areas. Materials and Methods The purpose of this study is to explore the procedures and trends of time series in the two sectors, including the one-year procedure (2015), in the pixel range of 3*3 in order to perform calculations of procedures and the 18- year trend. For this purpose, chlorophyll-a from the MODIS Aqua and SeaWiFS Satellite data of the Caspian Sea were collected from January 1998 to December 2015. After pre-processing and extraction of time series using the Mann-Kendall test and Thiel-Sen test, trends were determined. Results and Discussion The results showed that the rate of changes in 2015 for the median and linear trends are minus 0.01 and minus 0.05, respectively. Also, the average change rate for the bio-optical component of chlorophyll-a using the linear and median trend in the overall southern basin of the Caspian Sea were 0.019 and 0.0187 g /m3 in 18 years and therefore has an annually increasing rate. In general, the amount of chlorophyll-a component in the eastern parts of the Caspian Sea has a rate of 0.058, 0.22 and 0.29 mg / m3, respectively. The ρ Value is < 0.001 and 0.01 in Mann-Kendall and Contextual Mann-Kendall tests which shows a fairly similar trend, but at ρ< 0.05, a significant increase was observed in the region because the Contextual Mann-Kendall test considered the variance of neighboring pixels. Conclusion The blocks that showed a non-significant trend with the Mann-Kendall test, once the impact of neighbor pixels were considered, showed to be significant at the confidence level. Also, the different results between the OLS and Thiel-Sen procedures in the southern basin of the Caspian Sea showed that the Thiel-Sen Procedure was less than the OLS procedure for the bio-optical component. | ||
| کلیدواژه‌ها [English] | ||
| Southern Caspian Sea, Time series, Chlorophyll-a, Contextual Mann-Kendall | ||
| مراجع | ||
|
-ادب، ح.، عتباتی، ا.، امیراحمدی، ا. و اسماعیلی، ر.، 1389. پایش زمانی دمای سطح دریا و کلروفیل a با استفاده از تحلیل تصاویر دورسنجی در دریای خزر، مجله بیولوژی دریا، شماره 8 (2)، ص 1-12. -بیهمتا، م.ع. و زارع چاهوکی، م.ر.، 1394. اصول آمار در علوم منابع طبیعی، انتشارات دانشگاه تهران، چاپ چهارم، 300 ص. -جورابیان شوشتری، ش.، اسماعیلی ساری، ع.، حسینی، س.م. و غلامعلیفرد، م.، 1392. کاربرد رگرسیون لجستیک و زنجیرهی مارکف در پیشبینی تغییرات کاربری سرزمین شرق استان مازندران، دورهی 66، شماره 4، ص 351-363. -غلامعلیفرد، م.، جورابیان شوشتری، ش.، حسینی کهنوج، س.ح. و میرزایی، م.، 1391. مدلسازی تغییرات کاربری اراضی سواحل استان مازندران با استفاده از LCM در محیط GIS، مجله محیط شناسی، دوره 38، شماره 4، ص 109-124. -وفاخواه، م.، جوادی، م.ر. و نجفی مجد، ج.، 1394. تاثیر تغییر کاربری اراضی بر مقدار رواناب در حوضه آبخیز چالوس رود، مجله اکوهیدرولوژی، شماره 2(2)، ص 211-220. -بیهمتا، م.ع. و زارع چاهوکی، م.ر.، 1394. اصول آمار در علوم منابع طبیعی، انتشارات دانشگاه تهران، چاپ چهارم، 300 ص.
-Acker, J.G., Harding, L.W., Leptoukh, G., Zhu, T. and Shen, S., 2005. Remotely‐sensed chl a at the Chesapeake Bay mouth is correlated with annual freshwater flow to Chesapeake Bay, Journal of Geophysical Research Letters, v. 32(5), p. 3-19.
-Bengil, F., 2018. Inter-and intra-annual variations of the marine environment in northern Cyprus, Fresenius environmental bulletin, v. 27(9), p. 6284-6290.
-Chen, X., Pan, D., Bai, Y., He, X. and Wang, T., 2014. October. Are the trends in the surface chlorophyll opposite between the South China Sea and the Bay of Bengal?. In SPIE Remote Sensing (pp. 924019-924019), International Society for Optics and Photonics.
-Cliff, A.D. and Ord, J.K., 1981. Spatial processes: models & applications, Taylor & Francis, 379 p.
-Colella, S., Falcini, F., Rinaldi, E., Sammartino, M. and Santoleri, R., 2016. Mediterranean Ocean Colour Chlorophyll Trends, PloS one, v. 11(6), p. 155-176.
-Douglas, E.M., Vogel, R.M. and Kroll, C.N., 2000. Trends in floods and low flows in the United States: impact of spatial correlation, Journal of hydrology, v. 240(1), p. 90-105.
-Eastman, J.R., 2015. "[ TerrSet]," TerrSet Help System, Accessed in TerrSet [18.10], Worcester, MA: Clark University.
-Fortin, M.J., Dale, M.R. and Ver Hoef, J.M., 2002. Spatial analysis in ecology, Wiley StatsRef: Statistics Reference Online, 428 p.
-Gilbert, R.O., 1987. Statistical Methods for Environmental Pollution Monitoring.
-GSFC NASA, http:// oceancolor.gsfc.nasa.gov/ WIKI/OCProd.html. Visited Date: 01.09.2016.
-Hu, C., Lee, Z. and Franz, B., 2012. Chlorophyll aalgorithms for oligotrophic oceans: A novel approach based on three‐band reflectance difference, Journal of Geophysical Research, v. 117(C1), p. 1-25.
-Levin, S.A., 1992. The problem of pattern and scale in ecology: the Robert H. MacArthur award lecture, Ecology, v. 73(6), p.1943-1967.
-Liebhold, A.M. and Gurevitch, J., 2002. Integrating the statistical analysis of spatial data in ecology, Ecography, v. 25(5), p. 553-557.
-Matthews, M.W., 2011. A current review of empirical procedures of remote sensing in inland and near-coastal transitional waters, International Journal of Remote Sensing, v. 32(21), p. 6855-6899.
-Millette, N.C., Kelble, C., Linhoss, A., Ashby, S. and Visser, L., 2019. Using spatial variability in the rate of change of chlorophyll a to improve water quality management in a subtropical oligotrophic estuary, Estuaries and Coasts, v. 42(7), p.1792-1803. Mirzajani, A.R., Babaei, H., Abedini, A. and Dadi, G.A., 2010. Eutrophication trend of Anzali wetland based on 1992-2002 data.
-Motiee, H. and McBean, E., 2009. An assessment of long-term trends in hydrologic components and implications for water levels in Lake Superior, Hydrology Research, v. 40(6), p. 564-579.
-Nasrollahzadeh, H.S., Din, Z.B., Foong, S.Y. and Makhlough, A., 2008. Spatial and temporal distribution of macronutrients and phytoplankton before and after the invasion of the ctenophore, Mnemiopsis leidyi, in the Southern Caspian Sea, Chemistry and Ecology, v. 24(4), p. 233-246.
-Neeti, N. and Eastman, J.R., 2011. A contextual mann‐kendall approach for the assessment of trend significance in image time series, Journal of Transactions in GIS, v. 15(5), p. 599-611.
-Partal, T. and Kahya, E., 2006. Trend analysis in Turkish precipitation data, Hydrological processes, v. 20(9), p. 2011-2026.
-R Development Core Team, 2008. R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna, Austria.
-Rey, S.J. and Anselin, L., 2010. PySAL: a python library of spatial analytical methods. Handbook of Applied Spatial Analysis: Software Tools, Methods and Applications (eds M. Fischer & A. Getis), Springer, Berlin, p. 175-193.
-Rosenberg, M.S., 2000. The bearing correlogram: a new method of analyzing directional spatial autocorrelation, Geographical Analysis, v. 32, p. 267-278.
-Rosenberg, M.S., 2004. Wavelet analysis for detecting anisotropy in point patterns, Journal of Vegetation Science, v. 15, p. 277-284.
-Rosenberg, M.S. and Anderson, C.D., 2011. PASSaGE: pattern analysis, spatial statistics and geographic exegesis, Version 2, Methods in Ecology and Evolution, v. 2(3), p. 229-232.
-Salmi, T., Ma¨att ¨ a, A., Anttila, P., Ruoho-Airola, T. and Amnell, T., 2002. Detecting Trends of Annual Values of Atmospheric Pollutants by the Mann–Kendall Test and Sen’s Slope Estimates—The Excel Template Application MAKESENS, Publications on Air Quality 31, ISBN 951-697-563-1, Report Code FMI-AQ-31, 35 p.
-Sen, P.K., 1968. Estimates of the regression coefficient based on Kendall's tau, Journal of American Statistical Association, v. 63(324), p. 1379-1389.
-Von Storch, H., 1999. Misuses of statistical analysis in climate research, In Analysis of Climate Variability, Springer Berlin Heidelberg, p. 11-26.
-Wagner, H.H. and Fortin, M.J., 2005. Spatial analysis of landscapes: concepts and statistics, Ecology, v. 86(8), p. 1975-1987.
-Wang, X.L. and Swail, V.R., 2001. Changes of extreme wave heights in Northern Hemisphere oceans and related atmospheric circulation regimes, Journal of Climate, v. 14(10), p. 2204-2221.
-Http:// 217.218.133.169/tsm/Pages/ MapCover. aspx. | ||
|
آمار تعداد مشاهده مقاله: 8,755 تعداد دریافت فایل اصل مقاله: 4,622 |
||