تعداد نشریات | 44 |
تعداد شمارهها | 1,323 |
تعداد مقالات | 16,270 |
تعداد مشاهده مقاله | 52,952,992 |
تعداد دریافت فایل اصل مقاله | 15,623,900 |
استخراج مساحت تحت پوشش برف کوهستان سبلان با استفاده از تصاویر ماهوارهای لندست به روش طبقهبندی شیگرا | ||
هیدروژئومورفولوژی | ||
دوره 8، شماره 26، خرداد 1400، صفحه 97-79 اصل مقاله (1.85 M) | ||
نوع مقاله: پژوهشی | ||
شناسه دیجیتال (DOI): 10.22034/hyd.2021.43548.1566 | ||
نویسندگان | ||
بتول زینالی* 1؛ احسان قلعه2؛ شیوا صفری3 | ||
1دانشیار دانشگاه محقق اردبیلی | ||
2دانشجوی دکترا جغرافیای طبیعی دانشگاه محقق اردبیلی | ||
3دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه محقق اردبیلی | ||
چکیده | ||
پوشش برف و یخ یک منبع حیاتی بوده و به تغییرات اقلیم بسیار حساس میباشد. اندازهگیری دقیق و منظم توزیع مکانی برف و یخ برای مدیریت منابع آبی ضروری میباشد. دراین پژوهش اقدام به استخراج سطح پوشش برف کوهستان سبلان با استفاده ازتصاویر ماهوارهای لندست ۵ برای سال ۲۰۰۰ و لندست ۸ برای سال ۲۰۲۰ با استفاده از طبقهبندی شیگرا و همچنین با استفاده از شاخصهای طیفی NDSI و NDSINW شد. نتایج بررسی نقشههای طبقهبندی مستخرج از روش شیگرا نشان داد که مساحت تحت پوشش برف برای سالهای ۲۰۰۰ و ۲۰۲۰ به ترتیب ۲۵۰۰ و ۱۹۵۴ کیلومترمربع میباشد که ضریب کاپا و صحت کلی برای هر دو سال به ترتیب 99/0 و 99 درصد میباشد. سپس اقدام به استخراج مساحت تحت پوشش برف با استفاده از شاخصهای طیفی NDSI و شاخص NDSINW شد. هر دو شاخص ذکر شده قادر به استخراج سطح پوشش برف با دقت نسبی مناسب در منطقه سرد و زمستانی هستند. ولی شاخص NDSI به دلیل اینکه تمایزی میان برف و آب قائل نمیشود مکن است نتایج متفاوتی در مناطقی با حضور عوارض آبی در ارتباط با استخراج مساحت تحت پوشش برف حاصل کند. درحالیکه شاخص NDSINW با حذف پسزمینه عوارض آبی دقیقتر عمل میکند. در رابطه با تحقیق حاضر شاخص NDSI مقادیر مساحت تحت پوشش برف را ۲۶۱۰ و ۲۵۷۷ کیلومترمربع و شاخص NDSINW مقادیر ۲۵۷۷ و ۱۹۳۷ کیلومترمربع به ترتیب برای سالهای ۲۰۰۰ و ۲۰۲۰ استخراج کرده است که مساحت به دست آمده از شاخص NDSINW به مساحت استخراجشده به روش طبقهبندی شیگرا نزدیکتر میباشد. | ||
کلیدواژهها | ||
طبقه بندی شی گرا؛ مساحت پوشش برف؛ شاخص های طیفی NDSI و NDSINW؛ کوهستان سبلان | ||
سایر فایل های مرتبط با مقاله
|
||
مراجع | ||
Custodio, E., Cabrera, M.D.C., Poncela, R., Puga, L.O., Skupien, E., & Del Villar, A. (2016). Groundwater intensive exploitation and mining in Gran Canaria and Tenerife, Canary Islands, Spain. Hydrogeological, environmental, economic and social aspects, Science of the Total Environment, 557, 425–437.
Donmez, C., Çiçekli, S.Y., Cilek, A., & Arslan, A. (2020). Mapping snow cover using landsat data: toward a fine-resolution water-resistant snow index. Meteorology and Atmospheric Physics. 10.1007/s00703-020-00749-y.
Farzinkia, R., Zanganehasadi, M., Amirahmadi, A., Zandi, R. (2019). The Relationship between Tectonic Activity and Its Impact on Land Subsidence in the Jovein Basin. Hydrogeomorphology, 6(20), 165-185.
Feyzizade, B. (2019). Comparative evaluation of pixel basic and object-oriented processing techniques in the classification of Aster satellite images for the extraction of agricultural and garden land maps on the eastern shore of Lake Urmia. Scientific - Research Quarterly of Geographical Data (SEPEHR), 109, 168-183.
Haghizadeh, A., yousefi, H., yarahmadi, Y., & kiyani, A. (2020). Simulation of Climate Change Impact on Snowmelt Runoff (case study: Sarab Seyed Ali Watershed - Lorestan). Water and Irrigation Management, 10(1), 101-112.
Hu, L., & Jiao, J. (2015). Calibration of a large-scale groundwater flow model using GRACE data: A case study in the Qaidam Basin, China. Hydrogeology Journal, 15, 112-129.
Kadkhodaei, S., Jahanbakhsh Asl, S., & Valizadeh Kamran, K. (2020). The estimation of snowmelt runoff using SRM model (case study: Sahzab Catchment). Geography and Planning, 24(71), 319-337.
Kakehmami, A., Ghorbani, A., Asghari Sarasekanrood, S., Ghale, E., & Ghafari, S. (2020). Study of the relationship between land use and vegetation changes with the land surface temperature in Namin County. Journal of RS and GIS for Natural Resources, 11(2), 27-48.
Laliberte, A., Koppa, J., Rango, A. (2006). Comparison of nearest neighbor and rule-based decision tree classification in an object-oriented environment. USDA-ARS, Jornada Experimental Range.
Manickam, S., & Barros, A. (2020). Parsing Synthetic Aperture Radar Measurements of Snow in Complex Terrain: Scaling Behavior and Sensitivity to Snow Wetness and Land cover. Journal remote sensing, 12(483), 1-31.
Notarnicola, C. (2020). Hotspots of snow cشاover changes in global mountain regions over 2000–2018. Journal Remote Sensing of Environment, 243, 1-19.
Otsu, N.A. (1979). Threshold Selection Method from Gray-Level Histograms. IEEE Trans Man Cybern, 9, 62–66.
Parajka J., Holko, L., & Kostka, Z. (2001). Distributed modelling of snow water equivalent-Coupling a snow accumulation and melt model and GIS. Institute of Hydrology. Slovak Academy of Sciences, 14, 86-102.
Salmani, S., Ebrahimi, H., Mohammadzade, K., Valizade, K. (2019). Evaluation of various object-oriented classification techniques in land use extraction from Iconus satellite images. Scientific - Research Quarterly of Geographical Data (SEPEHR), 111, 206-215.
Seifi, H., & Feizizadeh, B. (2019). Application of interferometric method and radar remote sensing images to estimate the depth of snow and water discharge, Case Study: (Yamchi Basin). Iran-Water Resources Research, 15(1), 341-355.
Seifi, H., & Ghorbani, I. (2019). Estimating snow cover trends using Object-Oriented Methods and images received from OLI and TIRS sensors (Case Study: Sahand Mountain). Scientific- Research Quarterly of Geographical Data (SEPEHR), 28(109), 77-91.
Shayan, S., Yamani, M., Yadegari, M. (2017). Zoning of the Land Subsidence in the Hamedan Qarachai Watershed. Hydrogeomorphology, 3(9), 139-158.
Sood, V., Singh, S., Taloor, A., Prashar, SH., & Kaur, R. (2020). Monitoring and mapping of snow cover variability using topographically derived NDSI model over north Indian Himalayas during the period 2008–19, https://doi.org/10.1016/j.acags.2020.100040.
Taylor, R.G., Scanlon, B., Doll, P., Rodell, M., van Beek, R., Wada, Y., Longuevergne, L., Leblanc, M., Famiglietti, J., Edmunds, M., Konikow, L., Green, T.R., Chen, J.Y., Taniguchi, M., Bierkens, M.F.B., MacDonald, A., Fan, Y., Maxwell, R.M., Yechieli, Y., Gurdak, J.H., Allen, D., Shamsudduha, M., Hiscock, K., Yeh, P.J.F., Holman, I., & Treidel, H. (2013). Ground water and climate change. Nature Climate Change, 3(4): 322–329.
Thomas, A.C., Reager, J.T., Famiglietti, J., & Rodell, M. (2014). A GRACE-based water storage deficit approach for hydrological drought characterization. Geophysical Research Letters, 41(5), 1537–1545.
Voss K.A., Famiglietti, J., Lo, M., de Linage, C., Rodell, M., & Swenson, S. (2013). Groundwater depletion in the Middle East from GRACE with implications for trans boundary water management in the Tigris-Euphrates-Western Iran region. Water Resource Research, 49: 27-39.
Xu, H. (2006). Modification of normalized difference water index (NDWI) to enhance open water features in remotely sensed imagery. International Journal of Remote Sensing, 27(14), 3025-3033
Yan, D., Huang, C., Ma, N., & Zhang, Y. (2020). Improved Landsat-Based Water and Snow Indices for Extracting Lake and Snow Cover/Glacier in the Tibetan Plateau. Journal water, 12, 1-16.
Ghorbani, M., Asadi, A., Jabari, H., & Farsadizadeh, D. (2015). Extraction of Instantaneous Unit Graph Hydrocopy (IUH) Using Shannon Entropy Theory, Journal of Watershed Management, 5(10).
Jena, S.K., & Tiwari, K.N. (2006). Modeling synthetic unit hydrograph parameters with geomorphologic parameters of watersheds, Journal of Hydrology, 319, 1-14.
Khaleghi, S., Parvin Nia, M., & Montaseri, H. (2018). Simulation of Moment Unit Hydrographs Using a Conceptual Linear Reservoir Model, Master of Science in Civil Engineering, Water Resources Management, Faculty of Civil Engineering, Yasuj University, 143 p.
| ||
آمار تعداد مشاهده مقاله: 1,128 تعداد دریافت فایل اصل مقاله: 478 |