مقایسه دو روش NDSI و LSU در برآورد سطح برف به وسیله سنجنده MODIS (مطالعه موردی: حوضه آبخیز سقز)
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 259
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JPHGR-49-2_003
تاریخ نمایه سازی: 5 آبان 1400
چکیده مقاله:
آب حاصل از ذوب برف نقش عمده ای در تامین آب مورد نیاز برای فعالیت های کشاورزی، منابع طبیعی، صنعتی، و نیازهای انسانی، به ویژه در مناطق کوهستانی، دارد. در مقایسه با روش های سنتی، کاربرد دادههای سنجش از دور برای برآورد سطح پوشش برف قابلیتهای بیشتری دارد. در این مطالعه، با استفاده از تصاویر ماهواره ای MODIS و با به کارگیری دو الگوریتم NDSI و LSU، سطح پوشش برف حوضه سقز در استان کردستان محاسبه شده است. برای مقایسه دقت این روش ها، از تصاویر IRS، که دارای قدرت تفکیک مکانی بالایی هستند (۲۴ متر)، استفاده شد. بدین منظور، سطح برف در تصاویر هم زمان MODIS و IRS برآورد شد. سپس، در مناطق مختلف و یکسان در دو تصویر، پیکسل های انتخاب شده، سطح برف، و رابطه خطی رگرسیونی بین نتایج حاصل از IRS و دو روش به کاررفته برای تصاویر MODISجداگانه محاسبه شد. برای بررسی معنی داربودن رابطه از آزمون آماری t (احتمال ۹۵ درصد) و رابطه رگرسیونی استفاده شد. بر اساس نتایج به دست آمده از رگرسیون، روش LSU همبستگی بیشتری (۹۸ درصد) دارد و در آزمون t نیز اختلاف معنی داری بین تصاویر IRS و روش LSU وجود ندارد. بنابراین، روش LSU، در مقایسه با روش NDSI، از دقت بیشتری در برآورد سطح برف برخوردار است.
کلیدواژه ها:
نویسندگان
هیرش انتظامی
کارشناس ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران
سید کاظم علوی پناه
استاد گروه سنجش از دور و GIS دانشکده جغرافیا، دانشگاه تهران
علی درویشی بلورانی
استادیار گروه سنجش از دور و GIS دانشکده جغرافیا، دانشگاه تهران
حمید رضا متین فر
استادیار دانشکده کشاورزی، دانشگاه لرستان
کامران چپی
استادیار دانشکده منابع طبیعی، دانشگاه کردستان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :