تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,020 |
تعداد مشاهده مقاله | 52,485,756 |
تعداد دریافت فایل اصل مقاله | 15,213,157 |
امکان سنجی ویژگی های بیو-هیدروژئومورفولوژیکی رودخانه ارس با استفاده از تصاویر ماهواره ای | ||
نشریه کاربرد سنجش از دور و سیستم اطلاعات جغرافیایی در علوم محیطی | ||
مقاله 3، دوره 2، شماره 2، خرداد 1401، صفحه 51-37 اصل مقاله (1.38 M) | ||
نوع مقاله: مقاله پژوهشی | ||
نویسندگان | ||
جعفر رازقی1؛ بختیار فیضی زاده* 2؛ شهاب عادلی3 | ||
1- گروه زیستشناسی گیاهی، دانشکده علوم طبیعی دانشگاه تبریزدانشگاه تبریز | ||
2گروه سنجش از دور و سیستم اطلاعات جغرافیایی دانشگاه تبریز | ||
3دانشجوی کارشناسی ارشد دانشگاه تبریز | ||
چکیده | ||
بیو-هیدروژئومورفولوژی موضوعی ترکیبی بین زیست شناسی و جغرافیایی طبیعی میباشد که به مطالعه اشکال ناهمواری های ناشی از عمل آب به همراه عوامل زیستی می پردازد. شناخت عوامل بیو-هیدروژئومورفولوژیک و عملکرد آن در رودخانه ارس در راستای شناخت و مدیریت محیط در این رودخانه، اهمیت زیادی دارد. از این عوامل میتوان به رشد جلبک ها اشاره نمود. امروزه پدیده نوتروفیکاسیون بهعنوان یک معضل مهم جهانی بشمار میرود که بر روی اکوسیستم آبی تأثیر گذاشته و تعادل آن را به هم میزند. این پدیده در اثر رشد جلبکها در بستر آبی ایجاد میشود که یکی از علل وقوع آن، مصرف بیرویه کود و ورود آنها به آب میباشد. بنابراین پایش و رصد این پدیده امری ضروری برای مقابله و مدیریت آن میباشد. در این راستا سنجشازدور بهعنوان روشی نوین، امکانات لازم جهت شناسایی شکلگیری و گسترش جلبکهای رودخانه و مدلسازی تغییرات زمانی و مکانی آنها را فراهم میآورد. سنجشازدور با ارائه تصاویر چند زمانه امکان شناسایی دقیق محدودههای تحت پوشش جلبک ها و روند رشد و توسعه آنها را فراهم میآورد. تحقیق حاضر با هدف امکانسنجی شناسایی محدودههای تحت پوشش جلبکها را در محدوده رود ارس مدنظر قرار داده است. در این پژوهش از تصاویر ماهواره لندست 8 استفاده شده است. مبنای پردازش بر اساس فنون پردازش تصویر و شناسایی جلبکها میباشد. در این راستا به دلیل یکسان بودن بازتاب طیفی پوشش گیاهی و کلروفیل جلبکها، از باند 4 و 5 و شاخص NDVI استفاده گردید و سپس از خروجی این شاخص بهعنوان ورودی فن طبقهبندی نظارتشده به روش حداکثر احتمال اعمال گردید و در ارزیابی صحت طبقهبندی، صحت کلی 81 درصد و ضریب کاپا 79/0 به دست آمد. نتایج حاصل با نمونهبرداریهایی که از رود ارس انجام پذیرفت نزدیکی نتایج به یکدیگر را نشان داد. نتایج تحقیق حاضر برای ارزیابی وضعیت محیطزیستی جلبکها در رود ارس و شناسایی منبع آلودگیهای ناشی از جلبکها دارای اهمیت زیادی است. | ||
کلیدواژهها | ||
بیو-هیدروژئوفورفولوژی؛ سنجش از دور؛ شناسایی جلبک | ||
سایر فایل های مرتبط با مقاله
|
||
مراجع | ||
Bolstad, P.V. and Lillesand, T.M. (1991). Rapid maximum likelihood classification. Photogramm. Eng. Remote Sens. 57.
Bossler, J.D., Jensen, J.R., Master, M.C., Robert, B. & Rizos, C., (2004). Manual of Geospatial Science and Technology, CRC Press, 647 pp.
Brezonik, P., Menken,K., Bauer, M. (2005). Landsat-based Remote Sensing of Lake Water Quality Characteristics, Including Chlorophyll and Colored Dissolved Organic Matter (CDOM). Lake and Reservoir Management 21(4):373-382
Brittain, S. M.,Wang, J., Babcock-Jackson, L., Carmichael, W.W., Rinehart, K.L., & Culver, D.A. (2000). Isolation and characterization of microcystins, cyclic heptapeptide hepatotoxins from a Lake Erie strain of Microcystis aeruginosa. Journal of Great Lakes Research, 26, 241– 249.
Budd, J.W., Beeton, A.M., Stumpf, R. P., Culver, D.A., & Kerfoot, W.C. (2002). Satellite observations of Microcystis blooms in Western Lake Erie. Verhandlungen-Internationale Vereinigung fu¨r Theoretische und Angewandte Limnologie, 27, 3787– 3793.
Budd, J., and Warrington, D. (2004). Satellite-based sediment and chlorophyll-a estimates for Lake Superior. J. Great Lakes Res. 30:459–466.
Carlson, R. (1977). A trophic state index for lakes. Limnology and Oceanography, 22, 361-369.
Coler, R.A.,and J.P. Rockwood.1984. Water pollution biology .University of ssachusetts at amherest, 38 pp.
Coskun, J.G., Tanik, A., Alganci, U., & Cigizoglu, H. K., (2008). Determination of Environmental Quality of Drinking Water Reservoir by Remote Sensing, GIS and Regression Analysis. Water, Air and Soil Pollution, 194, 275-285.
Congalton, R.G. & Green, K., (2008). Assessing the Accuracy of Remotely Sensed Data: Principles and Practices, CRC press, 210 pp.
Dekker, A., and Peters, S. (1993). A TM study of eutrophic lakes in the Netherlands. Int. J. Remote Sensing 14:799–821.
EATON, J.G., AND OTHERS. (1995). A field information-based system for estimating fish temperature tolerances. Fisheries 20: 10-18.
Ekstrand, S. (1992). Landsat TM based quantification of chlorophyll-a during algae blooms in coastal waters. International Journal of Remote Sensing, 13(10), 1913-1926.
Han, L., and Jordan, K. (2005). Estimating and mapping chlorophyll-a concentration in Pensacola Bay, Florida using Landsat ETM+ data. Int. J. Remote Sensing, 26:5245–5254.
Lathrop, R., (1992). Landsat thematic mapper monitoring of turbid inland water quality Photogrammetric Engineering and Remote Sensing 58:465–470.
Lillesand, T.M., W.L. Johnson, R.L. Deuell, O.M. Lindstrom and D.E. Meisner. (2004). Use of Landsat data to predict the trophic state of Minnesota lakes. Photogram. Engr. Remote Sens. 49:219-229.
Loeb, N.G., Kato, S., Su, W., Wong, T., Rose, F.G., Doelling, D.R., Norris, J.R. & Huang, X., (2012). Advances in Understanding Top-of-atmosphere Radiation Variability from Satellite Observations, Surveys in geophysics, 33(3-4), PP. 359-385.
Ma, R., and Dai, J. (2005). Investigation of chlorophyll-a and total suspended matter concentrations using Landsat ETM and field spectral measurement in Taihu Lake, China. Int. J. Remote Sensing 26:2779–2787.
Mather, P. & Tso. B., (2009). Classification Methods for Remotely Sensed Data, CRC press, 376 pp.
Mishra, N., Haque, M.O., Leigh, L., Aaron, D., Helder, D. & Markham, B., (2014). Radiometric Cross Calibration of Landsat8 Operational Land Imager (OLI) and Landsat7 Enhanced Thematic Mapper Plus (ETM+), Remote Sensing, 6 (12), PP. 12619-12638.
Pesta, F., Bhatta, S., Helder, D. & Mishra, N., (2014). Radiometric Non-Uniformity Characterization and Correction of Landsat 8 OLI Using Earth Imagery- Based Techniques, Remote Sensing, 7 (1), PP. 430-446.
Richardson, L. L. (1996). Remote sensing of algal bloom dynamics. Bio- Science, 44, 492–501.
Richards, J.A. & Jia, X., (1999). Remote Sensing Digital Image Analysis, Springer, 454 pp.
Sellner, K.G., Doucette, G.J., Kirkpatrick, G.J., (2003). Harmful algal blooms: causes,impacts and detection. J. Ind. Microbiol. Biotechnol. 3, 383–406.
Sridhar, B., and Vincent, R. (2007). Spectral reflectance measurements of a microcystis bloom in upper Klamath Taylor, R. (1997). That bloomin’ Microcystis: Where’d it come from? Where’d it go? Twine Line, 19, 1.
Vincent, R., Qin, X., McKay, R., Miner, J., Czajkowski, K., Savino, J., and Bridgeman, T. (2004). Phycocyanin detection from Lansat TM data for mapping cyanobacterial blooms.
Wang, F., Han, L., Kung, H., and van Arsdale, R. (2006). Applications of Landsat-5 TM imagery in assessing and mapping water quality in Reelfoot Lake, Tennessee. Int. J. Remote Sensing, 27:5269–5283.
Wen, J., Xiao, Q., and Yang, Y. (2006). Remote sensing estimation of aquatic chlorophyll-a concentration based on Hyperion data in Lake Taihu. Journal of Lake Sciences (Chinese) 18:327–36.
Wetzel, R. G. (1983). Attached algal-substrata interactions: Fact or myth, and when and how In “Periphyton of Freshwater Ecosystems” pp. 207-215.
| ||
آمار تعداد مشاهده مقاله: 317 تعداد دریافت فایل اصل مقاله: 305 |