مقدمه: امروزه تغییرات اقلیم به¬عنوان یکی از مهمترین¬مسائل عصر جدید در سراسر جهان شناخته شده است. با توجه به نقش جنگل¬های هیرکانی در حفظ تنوع زیستی، تعدیل آب‌وهوا، ارزش‌های محیط زیستی و حفاظت از آب ‌و خاک، شناسایی و ارزیابی اثرات تغییر اقلیم بر مشخصه¬های ساختاری جنگل¬های هیرکانی از اهمیت بسزایی برخوردار است. شاخص سطح برگ در بين مشخصه¬هاي ساختاري توده، به-عنوان يك متغير كليدي موثر در وضعيت اكوسيستم¬هاي جنگلي مي¬باشد. تخمین دقیق شاخص سطح برگ دشوار است و برای پیش‌بینی گرم شدن کره زمین و تغییرات آب و هوایی استفاده می‌شود، زیرا شاخص سطح برگ یک مشخصه زیستی در فرآیندهای سطح زمین (فتوسنتز، تبخیر و تعرق) و مدل‌های آب و هوایی است. به همین دلیل، ارزیابی شاخص سطح برگ با استفاده از تغییرات اقلیم و داده¬های سنجش از دوری از اهمیت قابل‌توجهی برخوردار است و با توجه به هزينه زياد و زمان‌بر بودن اندازه¬گيري شاخص سطح برگ از طريق روش¬هاي ميداني، لازم است این کار با استفاده از ابزارهای کارآمد و کم¬هزینه و روش¬های سریع و آسان مانند داده¬های سنجش از دور انجام شود. هدف از مطالعه حاضر، بررسی روند تغییرات شاخص سطح برگ با استفاده از متغیرهای اقلیمی و شاخص¬های خشکسالی و داده¬های سنجش از دور در جنگل¬های پهن¬برگ استان گلستان است. مواد و روش¬ها: برداشت اطلاعات زمینی با استفاده از 230 قطعه‌نمونه دایره¬ای شکل به مساحت 1000 مترمربع با روش نمونه‌برداری سیستماتیک و شبکه 100×100 متر در پنج رویشگاه کردکوی، شصت کلاته، زرین گل، سرخداری و لوه انجام شد. در مركز هر قطعه¬نمونه یک تله جمع‌آوری برگ با ابعاد 60×60 سانتيمتر براي اندازه¬گيري شاخص سطح برگ نصب شد. مختصات جغرافيايي هر قطعه¬نمونه با استفاده از دستگاه سيستم موقعيت¬ياب جهاني تفاضلي ثبت شد. در هر قطعه نمونه نوع گونه، قطر برابرسینۀ بیشتر از 5/7 سانتی‌متر و ارتفاع درختان اندازه‌گیری شد. سپس حجم در هکتار، رویه زمینی در هکتار در هر قطعه‌نمونه محاسبه شد. براي محاسبه شاخص سطح برگ ابتدا لازم است سطح ويژه برگ تمامي گونه¬ها در منطقه مورد مطالعه اندازه¬گيري شود. براي محاسبه شاخص سطح برگ نيز از هرگونه¬ي درختي در هر رويشگاه 20 درخت و از هر درخت پنج نمونه برگ در چهار جهت جغرافيايي جدا شد. در پنج رويشگاه در مجموع بيش از13600 نمونه برگ آناليز و اسكن شد. مساحت هر برگ با استفاده از نرم¬افزار ImageJ اندازه¬گيري شد. وزن¬تر و خشك و مساحت سطح به¬طور همزمان با استفاده از ترازوي ديجيتالي با دقت 01/0 اندازه¬گيري و سپس با اسكنر با وضوح بالا اسكن شد. برگ¬ها پس از اسكن در دماي 72 درجه سانتيگراد به¬مدت 48 ساعت در آون خشك شدند و وزن خشك آنها توزين شدند. پس از تهیه تصاویر از سال 2022-1990 از ماهواره¬های سری لندست و سنتینل 2 و پیش¬پردازش و تهیه شاخص¬های گیاهی (NDVI، RVI،PCA ، IPVI و DVI)، ارزش¬هاي رقومی متناظر با قطعات نمونۀ زمینی از باندهاي طیفی استخراج شد. سپس داده‌های اقلیمی و شاخص¬های خشکسالی (SPI و SPEI) مورد استفاده در این پژوهش، تهیه شد. مدل¬سازی داده¬ها به دو روش رگرسیون چند متغیره خطی و الگوریتم رندوم فورست انجام شد. در این تحقیق برای برآورد شاخص سطح برگ از مجموع 230 قطعه نمونه، 175 قطعه نمونه (75 درصد) در فرآیند مدل¬سازی به کار گرفته شدند و 55 قطعه نمونه (25 درصد) به‌منظور اعتبارسنجی، در الگوریتم¬های داده‌کاوی مورد استفاده قرار گرفتند. تحلیل عدم قطعیت نتایج نیز با استفاده از روش مونت کارلو انجام شد. در این مطالعه همچنین به بررسی ارتباط تغییرات شاخص سطح برگ زمینی اندازه¬گیری در طی سال‌های 2019-2022 با شاخص خشکسالی SPI و SPEI و داده‌های هواشناسی در جنگل شصت-کلاته نیز پرداخته شد. برای محاسبه شاخص سطح برگ در دوره چهار سال متوالی (از 1398 تا 1401)، در مجموع 88 قطعه نمونه اندازه گیری شد. از الگوریتم¬های رگرسیون خطی ساده برای مدل سازی شاخص سطح برگ در طی چهار سال، استفاده شد. در پایان در این مطالعه از مدل رگرسیون درختی M5 برای بررسی ارتباط شاخص سطح برگ با داده‌های سنجش از دور، متغیرهای اقلیمی، و شاخص‌های خشکسالی، از دو روش برای داده¬های کلی و میانگین سالانه داده¬ها در هر منطقه استفاده شد. بررسی روند تغییرات شاخص سطح برگ طی سال¬های 2022-1990 با استفاده از آزمون من‌-کندال انجام شد. یافته‌ها: نتایج سطح برگ ویژه نشان داد که بیشترین میانگین سطح برگ ویژه در رویشگاه¬های کردکوی، شصت کلاته، زرین¬گل، سرخداری و لوه به ترتیب با 28/645، 66/553، 33/621، 89/729 و 45/741 گرم بر سانتی¬متر مربع برای گونه¬های افرا شیردار و نمدار محاسبه شد. میانگین شاخص سطح برگ بطور کلی برای پنج رویشگاه کردکوی، شصت کلاته، زرین گل، سرخداری و لوه به ترتیب 91/8، 76/5، 10/5، 07/6 و 18/7 محاسبه شد. نتایج برآورد شاخص سطح برگ با استفاده از رگرسیون چند متغیره نشان داد که باندهای سبز، قرمز، مادون قرمز نزدیک (NIR) و شاخص¬های گیاهی NDVI، RVI و DVI برای داده¬های لندست 8 و سه باند لبه قرمز(Red-Edge) ، NIR ، SWIRI و SWIRII و شاخص¬های گیاهی NDVI و DVI برای داده¬های سنتینل 2 بیشترین اهمیت و تاثیر را در برآورد شاخص سطح برگ دارند. نتایج ضریب تبیین و درصد میانگین مجذور مربعات خطای برآورد مشخصه شاخص سطح برگ با استفاده از رگرسیون چند متغیره و داده¬های لندست 8 به ترتیب 42/0 و 13/27 درصد و برای داده¬های سنتینل 49/0 و 7/25 درصد محاسبه شد. نتایج برآورد مشخصه شاخص سطح برگ با استفاده از الگوریتم رندوم فورست و داده¬های لندست 8 ضریب تبیین و درصد میانگین مجذور مربعات خطا به ترتیب 47/0 و 55/23 درصد و برای داده¬های سنتینل 55/0 و 32/22 درصد به دست آمد. مقادیر شاخص سطح برگ برای چهار سال متوالی برای کل گونه¬ها در 88 قطعه نمونه زمینی در رویشگاه شصت¬کلاته در سال¬های (1401-1398) به ترتیب 44/6، 16/7، 76/5 و 14/8 اندازه¬گیری شد. بیشترین میزان شاخص سطح برگ مربوط به سال 1401 به میزان (14/8) و کمترین میزان شاخص سطح برگ مربوط به سال 1400 به میزان (76/5) اندازه¬گیری شد. بررسی رابطه شاخص سطح برگ چهار ساله با داده¬های هواشناسی و شاخص¬های خشکسالی در چهار سال متوالی نشان داد که داده¬های بارندگی و دما با شاخص سطح برگ چهار ساله ارتباط قدرتمندی دارند و در پاسخ به افزایش ناگهانی آنها افزایش یافتند. میزان همبستگی 669/0 بود. نتایج بررسی ارتباط شاخص سطح برگ برآورد شده با استفاده از رگرسیون درختی M5 و متغیرهای اقلیمی و شاخص¬های خشکسالی در بازه زمانی (2022-1990) در جنگل¬های استان گلستان برای کل داده¬ها نشان داد که مدل ضریب تبیین به دست آمده با بهترین مدل برای کل داده¬ها (5189/0 = R2) است. نتایج بررسی ارتباط شاخص سطح برگ برآورد شده با استفاده از رگرسیون درختی M5 و متغیرهای اقلیمی و شاخص-های خشکسالی در بازه زمانی (2022-1990) در جنگل¬های استان گلستان برای میانگین سالیانه داده¬ها در هر منطقه نشان داد که مدل ضریب تبیین به دست آمده با بهترین مدل برای میانگین داده¬ها (7497/0) است که بیانگر همبستگی قوی بین داده‌های مشاهده‌شده و برآورد شده است. نتیجه‌گیری: به¬طورکلی نتایج نشان داد که مدلسازی شاخص سطح برگ به¬عنوان متغیر کلیدی بوم‌شناختی جنگل ارتباط معناداری با متغیرهای آب و هوایی و شاخص¬های خشکسالی (تقریبا 75 درصد) دارد. این نتایج حاکی از عملکرد قدرتمند مدل با توجه به تعداد متغیرهای استفاده‌شده در معادله است. با توجه به نتایج مي¬توان تغییرات شاخص سطح برگ را در مقياس وسيع پیش‌بینی كرد و از نتايج حاصل را در مدل¬هاي اقليمي و تدوين سياست¬هاي مناسب تغييرات اقليمي بکار گرفت.