| تعداد نشریات | 45 |
| تعداد شمارهها | 1,512 |
| تعداد مقالات | 18,451 |
| تعداد مشاهده مقاله | 60,152,163 |
| تعداد دریافت فایل اصل مقاله | 21,205,915 |
ارزیابی شاخصهای آب با استفاده از تصاویر ماهواره لندست و سنتینیل ( منطقه موردی: دریاچهی زریبار) | ||
| نشریه کاربرد سنجش از دور و سیستم اطلاعات جغرافیایی در علوم محیطی | ||
| دوره 4، شماره 12، آبان 1403، صفحه 115-95 اصل مقاله (1.22 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/rsgi.2024.64194.1111 | ||
| نویسندگان | ||
| صیاد اصغری سراسکانرود* 1؛ سینا خون خام2؛ عذرا عبدی2 | ||
| 1استاد گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران | ||
| 2دانشجوی کارشناسی ارشد، گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران | ||
| چکیده | ||
| در سالهای اخیر، دادههای سنجش از دور نقش مهمی در مطالعات مربوط به مدیریت منابع طبیعی، بهویژه در پژوهشهای مربوط به منابع آبی ایفا کردهاند. در میان مطالعات مربوط به منابع آبی، استفاده از شاخصهای آبی بهشدت مورد توجه قرار گرفته است. این شاخصها با پیشرفت فناوری و تولید تصاویر ماهوارهای رشد و توسعه بیشتری یافته و دقت آنها بهطور چشمگیری افزایش پیدا کرده است. در این پژوهش به منظور تحلیل و شناسایی مناطق آبی در منطقه مورد مطالعه از تصاویر لندست 8 و سنتنیل 2A مربوط به دریاچهی زریبار استفاده شد. شش شاخص آبی انتخاب و اجرا گردید. نتایج نشان داد که شاخص AWEIshadow با میانگین ضریب کاپای 0.9901 در سنتنیل و0.9692 در لندست 8 بهترین شاخص و بدترین نتیجه را شاخص AWEINoShadow با میانگین ضریب کاپای 0.4997 در سنتنیل و 0.618 در لندست 8 برای شناسایی آب داشتهاند. به طور کلی در اجرای شاخصهای آبی، دقت تصاویر ستتینل 2A به نسبت لندست 8 به طور چشمگیری بالاتر بود که این عامل میتواند به علت قدرت تفکیک مکانی بالای تصاویر سنتینل باشد.. نتایج این تحقیق حاکی از آن بود که استفاده از شاخصهای استخراج آب و تصاویر ماهوارهای با دقت بالا میتواند ابزار مؤثری برای پایش و مدیریت پایدار منابع آبی باشد. نتایج حاصل میتوانند به برنامهریزان و مدیران کمک کنند تا تصمیمات بهینهتری در خصوص حفاظت و بهرهبرداری از منابع طبیعی اتخاذ کنند. | ||
تازه های تحقیق | ||
یکی از مهم ترین سیستم های محیطی که تحت تأثیر متغیرهای متعددی قرار می گیرد، دریاچه ها هستند. در نتیجه مطالعه و تحلیل آنها بسیار مهم است. نتیجهگیری این مطالعه نشان میدهد که چگونه تعدادی از شاخصها میتوانند مناطق آبی را در تصاویر ماهوارهای شناسایی کنند، به ویژه زمانی که بازتاب آب طیف مادون قرمز نزدیک به خوبی از هم جدا شده باشد. این مطالعه شش شاخص مختلف شامل NDWI، MNDWI، NDWIPlus، WRI و AWEI در دو نسخهی سایهدار و بدون سایه را بررسی شد. برای ارزیابی عملکرد هر شاخص از روشهای آماری و تحلیل دیداری استفاده شد. اگرچه همه شاخصها دریاچه زریبار را استخراج میکنند، اما تمایز سطح آب از سایر پدیدهها، بهویژه در مناطق با آلبدو و سایه میتواند چالش برانگیز باشد. با توجه به داده های جمع آوری شده، همه شاخص ها به استثنای شاخص AWEI_NSh، دقت خوبی در تشخیص آب نشان می دهند. اما از بین همه شاخص ها، شاخص AWEI_Sh بهترین دقت را دارد. شاخص NDWIPlus در تشخیص مناطق آبی و غیرآبی در تصاویر لندست 8 موفقتر از شاخص NDWI است. شاخص AWEI_NSh کمترین ضریب صحت سنجی را در هر دو نوع تصویر لندست 8 و سنتینل 2A به دلیل انعکاس قابلتوجه پدیدههای غیرآبی داشت. به طور کلی، می توان ادعا کرد که دقت کلی به دست آمده در اکثر شاخص های مورد بحث، مقادیر قابل اعتمادی را نشان می دهد که انتخاب آستانه مناسب را در این شاخص ها نشان می دهد. با این حال، عواملی از جمله نوع پوشش زمین، ویژگیهای توپوگرافی و متغیرهای محیطی بر عملکرد شاخصها تأثیر میگذارند. بنابراین برای حصول نتایج دقیقتر و قابل اعتمادتر باید از آستانههای مناسب استفاده کرد. بررسی دقیق مراحل پیش پردازش، تجربه کاربر، و درک عمیق زمینه مورد مطالعه نیز می تواند دقت نتایج را بهبود بخشد. این مطالعه اهمیت استفاده از رویکردهای چند باندی و شاخصهای طیفی را در سنجش از دور نشان میدهد و همچنین چگونگی توسعه روش و انتخاب آستانه محتاطانه میتواند دقت شناسایی و استخراج مناطق آبی را افزایش دهد. علاوه بر این، وضوح فضایی عالی تصاویر سنتینل به آنها اجازه میدهد تا شاخصها را به طور موثرتری نسبت به لندست اعمال کنند. این مطالعه همراه با شاخصها، روند 9 ساله دریاچه زریبار را نیز مورد بررسی قرار داده است که نشان دهنده کاهش سطح آب بر اساس شاخص AWEI_Shadow که دقیقترین روش استخراج مناطق آبی است که کاهش آب در دریاچه زریبار را نیز نشان میدهد. به طور کلی، چند دلیل اصلی در کاهش سطح آب دریاچه زریبار وجود دارد. اولاً به دلیل خشکسالی و بارندگی کمتر، سطح آب حوضه آبریز این دریاچه به شدت کاهش یافته است. دوم، چاه های متعدد دریاچه که آب کشاورزی و آشامیدنی را تامین می کند، تقاضا برای منابع آب را افزایش داده و اثرات خشکسالی را تشدید کرده است. علاوه بر این، عمق دریاچه و اکسیژن محلول به دلیل آلودگی و رسوب ناشی از فاضلاب شهرداری های مجاور که به آن می ریزد، کاهش یافته است. تغییرات آب و هوایی و کاهش حجم آب جاری از چشمه های دریاچه دو دلیل قابل توجهی است که ممکن است بدانیم. از این رو برای حفظ پایداری و سلامت این زیستگاه گرانبها مدیریت و حفظ مناسبی لازم است. | ||
| کلیدواژهها | ||
| شاخصهای آب؛ تصاویر ماهوارهای؛ دریاچه زریبار | ||
| اصل مقاله | ||
|
در این مطالعه از تصاویر لندست 8 و سنتینل 2A برای تجزیه و تحلیل و شناسایی مناطق آبی دریاچهی زریبار استفاده شد. در سالهای اخیر، دادههای سنجش از دور برای مطالعات مدیریت منابع طبیعی، بهویژه در تحقیقات منابع آب، حیاتی بودهاند. در میان مطالعات مربوط به منابع آب، استفاده از شاخصهای آب بسیار مورد توجه قرار گرفته است و با پیشرفت تکنولوژی و تولید تصاویر ماهوارهای، این شاخصها رشد و توسعه بیشتری یافته و دقت آنها افزایش چشمگیری داشته است. شاخص AWEIshadow با میانگین ضریب کاپا 9901/0 در سنتینل 2A و 9692/0 در لندست 8، بهترین شاخص برای شناسایی آب بود، در حالی که شاخص AWEINoShadow با میانگین ضریب کاپا 4997/0 در سنتینل 2A و 618/0 در لندست 8 ضعیفترین شاخص بود. به طور کلی، تصاویر سنتینل 2A دقت بسیار بالاتری نسبت به لندست 8 داشتند که به دلیل قدرت تفکیک مکانی بالای سنتینل است. بر اساس یافته های این مطالعه، تصاویر ماهوارهای با دقت بالا و شاخص های استخراج آب میتوانند ابزارهای مفیدی برای مدیریت و پایش پایدار منابع آب باشند. یافتهها میتواند به مدیران و برنامهریزان در تصمیم گیری بهتر در مورد حفظ و استفاده از منابع آبی کمک کند. | ||
| مراجع | ||
|
Asghari Sarskanrood, Sayyad, and Mahdi Poorahmed. 2016. 'Detection and Extraction of Changes in Zarineh Rud River’s Variation between 1989 and 2014 via Remote Sensing Data', Hydrogeomorphology, 2: 1-16. (In Persian) Dominici, Donatella, Sara Zollini, Maria Alicandro, Francesca Della Torre, Paolo Massimo Buscema, and Valerio Baiocchi. 2019. 'High resolution satellite images for instantaneous shoreline extraction using new enhancement algorithms', Geosciences, 9: 123. Du, Zhiqiang, Wenbo Li, Dongbo Zhou, Liqiao Tian, Feng Ling, Hailei Wang, Yuanmiao Gui, and Bingyu Sun. 2014. 'Analysis of Landsat-8 OLI imagery for land surface water mapping', Remote sensing letters, 5: 672-81. Feyisa, Gudina L, Henrik Meilby, Rasmus Fensholt, and Simon R Proud. 2014. 'Automated Water Extraction Index: A new technique for surface water mapping using Landsat imagery', Remote sensing of environment, 140: 23-35. Gautam, Vivek Kumar, Piyush Kumar Gaurav, P Murugan, and MJAP Annadurai. 2015. 'Assessment of surface water Dynamicsin Bangalore using WRI, NDWI, MNDWI, supervised classification and KT transformation', Aquatic Procedia, 4: 739-46. Gong, Wenfeng, Tiedong Liu, Yan Jiang, and Philip Stott. 2020. 'Applicability of the Surface Water Extraction Methods Based on China's GF-2 HD Satellite in Ussuri River, Tonghe County of Northeast China', Nature Environment & Pollution Technology, 19. Hashemi, Seyedeh Nastaran, Mohammad Akbarinasab, and Taher Safarrad. 2018. 'The Detection of the Plume of the Arvand River Using Satellite Images', Hydrogeomorphology, 4: 147-64. (In Persian) Jiang, Hao, Min Feng, Yunqiang Zhu, Ning Lu, Jianxi Huang, and Tong Xiao. 2014. 'An automated method for extracting rivers and lakes from Landsat imagery', Remote Sensing, 6: 5067-89. Kaplan, Gordana, and Ugur Avdan. 2017. 'Object-based water body extraction model using Sentinel-2 satellite imagery', European Journal of Remote Sensing, 50: 137-43. Kwang, Clement, Edward Matthew Osei Jnr, and Adwoa Sarpong Amoah. 2017. 'Comparing of landsat 8 and sentinel 2A using water extraction indexes over Volta River', Journal of Geography and Geology, 10: 1-7. Lacaux, JP, YM Tourre, Cecile Vignolles, JA Ndione, and M Lafaye. 2007. 'Classification of ponds from high-spatial resolution remote sensing: Application to Rift Valley Fever epidemics in Senegal', Remote sensing of environment, 106: 66-74. Li, Wenbo, Zhiqiang Du, Feng Ling, Dongbo Zhou, Hailei Wang, Yuanmiao Gui, Bingyu Sun, and Xiaoming Zhang. 2013. 'A comparison of land surface water mapping using the normalized difference water index from TM, ETM+ and ALI', Remote Sensing, 5: 5530-49. Lu, Dengsheng, and Qihao Weng. 2007. 'A survey of image classification methods and techniques for improving classification performance', International Journal of Remote Sensing, 28: 823-70. McFeeters, Stuart K. 1996. 'The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features', International Journal of Remote Sensing, 17: 1425-32. Pi, Xuehui, Qiuqi Luo, Lian Feng, Yang Xu, Jing Tang, Xiuyu Liang, Enze Ma, Ran Cheng, Rasmus Fensholt, and Martin Brandt. 2022. 'Mapping global lake dynamics reveals the emerging roles of small lakes', Nature communications, 13: 5777. Rundquist, Donald C, Merlin P Lawson, Lloyd P Queen, and Randall S Cerveny. 1987. 'THE RELATIONSHIP BETWEEN SUMMER‐SEASON RAINFALL EVENTS AND LAKE‐SURFACE AREA 1', JAWRA Journal of the American Water Resources Association, 23: 493-508. Sarp, Gulcan, and Mehmet Ozcelik. 2017. 'Water body extraction and change detection using time series: A case study of Lake Burdur, Turkey', Journal of Taibah University for Science, 11: 381-91. Shen, Li, and Changchun Li. 2010. "Water body extraction from Landsat ETM+ imagery using adaboost algorithm." In 2010 18th International Conference on Geoinformatics, 1-4. IEEE. Sotoudehpour, Afshin, Aghil Madadi, and Sayyad Asghari. 2024. 'Comparing water extraction indexes using landsat8 and sentinel2A images. Case study: Bushehr shoreline', Journal of Marine Science and Technology, 23: 59-83. (In Persian) Vos, Kilian, Kristen D Splinter, Mitchell D Harley, Joshua A Simmons, and Ian L Turner. 2019. 'CoastSat: A Google Earth Engine-enabled Python toolkit to extract shorelines from publicly available satellite imagery', Environmental Modelling & Software, 122: 104528. Xie, Huan, Xin Luo, Xiong Xu, Haiyan Pan, and Xiaohua Tong. 2016. 'Evaluation of Landsat 8 OLI imagery for unsupervised inland water extraction', International Journal of Remote Sensing, 37: 1826-44. Xu, Hanqiu. 2006. 'Modification of normalised difference water index (NDWI) to enhance open water features in remotely sensed imagery', International Journal of Remote Sensing, 27: 3025-33. Zhou, Y., Dong, J., Xiao, X., Xiao, T., Yang, Z., Zhao, G., ... & Qin, Y. (2017). Open surface water mapping algorithms: A comparison of water-related spectral indices and sensors. Water, 9(4), 256. | ||
|
آمار تعداد مشاهده مقاله: 636 تعداد دریافت فایل اصل مقاله: 451 |
||