Journal of Rangeland

fa ارزیابی همبستگی بین شاخص‌های پوشش گیاهی و مؤلفه‌های تنوع اکولوژیکی با بهره‌گیری از تصاویر لندست- 8 Correlation between Vegetation Indices and Ecological Diversity Components Using Landsat-8 Imagery تخصصي Special پژوهشي Research سابقه و هدف: پایش دقیق تنوع زیستی، به‌ویژه تنوع گیاهی، برای مدیریت پایدار اکوسیستم‌های مرتعی امری ضروری است. توسعه فناوری سنجش از دور و دسترسی به داده‌های ماهواره‌ای با وضوح طیفی مناسب، فرصت‌های تازه‌ای برای ارزیابی غیرمداخله‌ای تنوع زیستی فراهم کرده است. پژوهش حاضر با هدف بررسی توان شاخص‌های پوشش گیاهی استخراج شده از تصاویر ماهواره‌ای لندست- ۸ در پیش‌بینی سه بعد کلیدی تنوع گیاهی شامل تنوع آلفا، تنوع بتا و تنوع کارکرد در اکوسیستم‌های مرتعی نیمه‌استپی انجام گرفت. مواد و روشها: منطقه مورد مطالعه در گستره‌ای بالغ بر 1/5118 هکتار در مراتع نیمه‌استپی استان چهارمحال و بختیاری واقع شده و از تنوع زیستی بالایی برخوردار است. پس از انتخاب 8 سایت، نمونه‌برداری میدانی از پوشش گیاهی در دوره اوج رشد گیاهان با استفاده از روش تصادفی- سیستماتیک انجام شد. در هر سایت سه ماکروپلات به ابعاد 30*30 مترمربعی استقرار یافته و پوشش گونه‌ای در امتداد سه ترانسکت و در قالب ۳ پلات 2*2 مترمربعی مورد ارزیابی قرار گرفت. هم‌زمان، از تصاویر ماهواره‌ای لندست- ۸ (سنجنده OLI) با قدرت تفکیک مکانی ۳۰ متر استفاده شد و شاخص‌های متعددی از پوشش گیاهی در دو گروه شیب‌محور (مانند NDVI، EVI و SAVI) و فاصله‌محور (مانند AVI، MSAVI2 و TSAVI2) محاسبه گردید. سپس، داده‌های پوشش گیاهی با داده‌های میدانی تطبیق یافته و مقادیر عددی شاخص‌ها برای هر ماکروپلات استخراج شد و سه مؤلفه تنوع شامل تنوع آلفا، تنوع بتا و تنوع کارکرد محاسبه شد. تنوع آلفا از طریق شاخص غنای گونه‌ای، تنوع بتا با بهره‌گیری از شاخص‌های شباهت و تفاوت ترکیب گونه‌ای (نظیر Bray-Curtis و Cody) و تنوع کارکرد از طریق شاخص‌های عملکردی (نظیر CWM، RaoQ، FRic، FEve، FDiv) در محیط‌های آماری R و PAST برآورد شدند. به‌منظور تحلیل روابط بین شاخص‌های پوشش گیاهی و مؤلفه‌های تنوع، از تحلیل رگرسیون خطی استفاده شد و سطح معنی‌داری و ضریب تعیین مدل‌ها بررسی گردید. نتایج: در بعد تنوع آلفا، نتایج نشان داد که شاخص AVI (R²=0.25) با حساسیت بالا نسبت به تغییرات ساختاری و تراکم پوشش گیاهی، بالاترین همبستگی را با غنای گونه‌ای نشان داد و شاخص‌های MSAVI2، EVI  و  NDVIنیز ارتباط معنی‌داری داشتند. تنوع بتا که تحت تاثیر تغییرات فضایی ناشی از چرای دام و ویژگی‌های توپوگرافی قرار داشت، بهخوبی توسط شاخص AVI (R²=0.50) و MSAVI2 (R²=0.51) نمایان شد. در خصوص تنوع کارکرد، شاخص EVI (R²=0.32) بیشترین ارتباط را با شاخص FRic داشته که بیانگر قابلیت بالای این شاخص در شناسایی ویژگی‌های زیتوده و ترکیب عملکردی گونه‌های گیاهی است. شاخص NDVI با ضریب تعیین متوسط (R²=0.28) در برآورد برخی مؤلفه‌های کارکرد و شاخص MSAVI2 نیز در تخمین CWM-PG نقش قابل توجهی ایفا نمودند. اشباع شاخص NDVI در پوشش‌های گیاهی متراکم و اثرات متغیرهای خاکی از عوامل محدود کننده دقت این شاخص بودند. به‌طور کلی، شاخص‌های AVI، EVI  و  MSAVI2عملکرد بهتری نسبت به سایر شاخص‌ها داشتند و توانستند به‌ویژه در تحلیل تفاوت‌های مکانی (بتا) و ساختار عملکردی گیاهان، روابط آماری قوی‌تری برقرار نمایند. این نتایج حاکی از آن است که در شرایط اکولوژیکی خاص مراتع نیمه‌استپی، شاخص‌های طیفی منتخب ابزارهای مؤثری برای پایش فضایی و زمانی تنوع زیستی در مناطق طبیعی هستند و قادرند الگوهای تنوع گیاهی را با دقت نسبی مطلوب بازتاب دهند. نتیجهگیری: این مطالعه مؤید آن است که شاخص‌های پوشش گیاهی حاصل از داده‌های لندست- ۸ به‌ویژه AVI، EVI، MSAVI2 و NDVI قادر به برآورد و پایش دقیق تنوع زیستی در سطوح مختلف (آلفا، بتا و کارکرد) در اکوسیستم‌های مرتعی نیمه‌استپی هستند. بهره‌گیری از این رویکرد در مدیریت پایدار مراتع، می‌تواند اطلاعات کلیدی برای تصمیم‌گیری و مدیریت زیست‌بوم‌های حساس فراهم آورد. اگرچه دقت داده‌ها در مقایسه با مطالعات میدانی محدودیت دارد، اما این روش می‌تواند به‌عنوان مکملی کارآمد در پایش اکولوژیکی و تصمیم‌گیری‌های مدیریتی مورد استفاده قرار گیرد. با این وجود، برای ارتقاء دقت پیش‌بینی‌ها و تعمیم‌پذیری نتایج، ترکیب داده‌های سنجش از دور هایپراسپکترال و داده‌های میدانی تفصیلی‌تر در مطالعات آتی توصیه میشود. Background and Objective: Precise monitoring of biodiversity, particularly plant diversity, is crucial for the sustainable management of rangeland ecosystems. Advances in remote sensing technologies and the availability of satellite imagery with appropriate spectral resolution have provided new opportunities for non-invasive biodiversity assessment. This study aimed to evaluate the effectiveness of vegetation indices derived from Landsat-8 satellite imagery in predicting three key dimensions of plant diversity-alpha, beta, and functional diversity in semi-steppe rangeland ecosystems. Materials and Methods: The study area encompasses approximately 5118.1 hectares of semi-steppe rangelands in Chaharmahal va Bakhtiari Province, characterized by high biodiversity. Six to eight sampling sites were selected, and vegetation sampling was conducted during peak growing season using a randomized systematic approach. At each site, three 30*30 m2 macroplots were established, and species cover was evaluated along three transects within three 2*2 m2 subplots. Simultaneously, Landsat-8 Operational Land Imager (OLI) satellite images with a 30-meter spatial resolution were utilized to calculate a suite of vegetation indices, categorized into slope-based indices (e.g., NDVI, EVI, SAVI) and distance-based indices (e.g., AVI, MSAVI2, TSAVI2). Field data were aligned with satellite-derived indices to extract index values for each macroplot. Three diversity components-alpha, beta, and functional diversity were quantified: alpha diversity via species richness indices; beta diversity through similarity and dissimilarity metrics (e.g., Bray-Curtis and Cody indices); and functional diversity employing functional indices including Community Weighted Mean (CWM), Rao’s quadratic entropy (RaoQ), Functional Richness (FRic), Functional Evenness (FEve), and Functional Divergence (FDiv) calculated using R and PAST software. Linear regression analyses were performed to assess the relationships between vegetation indices and diversity components, evaluating significance levels and coefficients of determination. Results: For alpha diversity, the AVI index (R²=0.25), which is highly sensitive to structural changes and vegetation density, exhibited the strongest correlation with species richness, while MSAVI2, EVI, and NDVI also showed significant associations. Beta diversity, influenced by spatial heterogeneity driven by grazing and topographic variation, was well captured by AVI (R²=0.50) and MSAVI2 (R²=0.51). Regarding functional diversity, EVI demonstrated the highest correlation with the FRic index (R²=0.32), indicating its strong capability in detecting vegetation structural attributes and functional composition. NDVI showed moderate explanatory power (R²=0.28) for certain functional diversity components, and MSAVI2 notably contributed to estimating CWM-PG. The saturation effect of NDVI in dense vegetation and soil background variability were identified as limiting factors for its accuracy. Overall, AVI, EVI, and MSAVI2 outperformed other indices, particularly in analyzing spatial differentiation (beta diversity) and functional plant traits, establishing robust statistical relationships. These results suggest that, under specific ecological conditions of semi-steppe rangelands, selected spectral vegetation indices serve as effective tools for spatial-temporal monitoring of biodiversity, accurately reflecting plant diversity patterns. Conclusion: This study confirms that vegetation indices derived from Landsat-8 data especially AVI, EVI, MSAVI2, and NDVI are capable of accurately estimating and monitoring biodiversity at multiple levels (alpha, beta, and functional diversity) within semi-steppe rangeland ecosystems. Incorporating these remote sensing-based indices into sustainable rangeland management can provide essential information for informed decision-making and ecosystem conservation. Although the accuracy of remote sensing data may be constrained compared to detailed field measurements, this approach offers a cost-effective complementary tool for ecological monitoring and management. Future research is recommended to integrate hyperspectral remote sensing data and more detailed field sampling to enhance prediction accuracy and generalizability. تنوع زیستی, سنجش از دور, شاخص‌های پوشش گیاهی, مراتع نیمه‌استپی Biodiversity, Remote Sensing, Vegetation Indices, Semi-Steppe Rangelands 0 0 http://rangelandsrm.ir/browse.php?a_code=A-10-1393-2&slc_lang=fa&sid=1 Leila Mahmoudzadeh لیلا محمودزاده leila.20.mahmoudzade@gmail.com 100319475328460019040 100319475328460019040 No Faculty of Natural Resources and Earth Science, Shahrekord University دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد Pejman Tahmasebi پژمان طهماسبی pejman.tahmasebi@sku.ac.ir 100319475328460019041 100319475328460019041 No Faculty of Natural Resources and Earth Science, Shahrekord University دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد Ataollah Ebrahimi عطاالله ابراهیمی Ataollah.Ebrahimi@sku.ac.ir 100319475328460019042 100319475328460019042 No Faculty of Natural Resources and Earth Science, Shahrekord University دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد Samaneh Sadat Mahzooni Kachapi سمانه سادات محزونی کچپی sadatmahzooni@yahoo.com 100319475328460019043 100319475328460019043 Yes Faculty of Natural Resources and Earth Science, Shahrekord University دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد