برآورد سطح پوشش برف در سطح شهرستان اردبیل و سرعین با استفاده از داده های سنجنده Sentinel ۲ ماهواره MSI

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 211

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JWSS-25-3_008

تاریخ نمایه سازی: 18 فروردین 1401

چکیده مقاله:

پوشش برف یکی از عناصر مهم اقلیمی است که بر اساس آن ممکن است، تغییرات آب وهوایی تاثیر خاصی داشته باشد. به طور کلی، تغییرات آب وهوایی ممکن است در عناصر مختلف اقلیمی منعکس شود بنابراین مطالعه و اندازه گیری تغییرات سطوح برف به عنوان یکی از منابع مهم تامین آب، بسیار حائز اهمیت است. شهرستان های اردبیل و سرعین از نظر موقعیت جغرافیایی در ۴۸ درجه و ۱۸ دقیقه طول شرقی و ۳۸ درجه و ۱۵ دقیقه عرض شمالی قرار گرفته اند. در تحقیق حاضر به منظور پایش سطح پوشش برف در سال ۱۳۹۷ از تصاویر ماهواره های اپتیکال سنتینل-۲ و برای تشخیص سطوح پوشیده شده از برف از شاخص های NDVI , S۳ , NWDI, NDSI] Cloud mask در نرم افزارهای Arcgis و Snap استفاده شده است. در ادامه به منظور صحت سنجی نقشه های برف استخراج شده از طریق تصاویر با داده های برف در ایستگاه های برف سنجی زمینی از رگرسیون خطی در نرم افزار MATLAB  استفاده شد همچنین به منظور ارزیابی دقت مدل مورد استفاده و اطمینان از دقت بالای نقشه های به دست آمده از شاخص های آماری RMSE، MSE، BIAS، CORRاستفاده شد. نتایج نشان داد با توجه به شرایط اقلیمی منطقه موردمطالعه حداکثر سطح پوشیده شده از برف در دی ماه با مقدار مساحت ۳۵۶/۵۲ کیلومترمربع و حداقل سطح پوشیده از برف در اسفندماه با مقدار مساحت ۹۶/۱۰ کیلومترمربع رخ داده است. بیشترین پوشش برف در مناطق با شیب های بالا در دامنه های غربی (ارتفاعات کوهستانی سبلان) بوده و کمترین پوشش برف در ارتفاعات پایین تر مربوط به دامنه های شرقی مشاهده شده است. نتایج بیانگر دقت کلی ۹۱/۳ درصد و ضریب کاپای ۸۴/۴۵ نقشه سطح برف است که نتایج حاصل از رگرسیون خطی نیز بین مقادیر مشاهداتی و تصاویر ماهواره ای برابر با ضریب تبیین ۸۵ درصد بوده و نتایج مربوط به خطای آماری مدل ها برابر با     ۰/۰۸۶-MSE  و  ۰/۱۶۵-BIAS و   ۰/۹۲۴-CORR     و RMSE برابر ۰/۰۴۳ به دست آمد. روابط همبستگی بین داده های زمینی و نقشه های برآوردی از برف میزان بالایی از همبستگی را نشان می دهند. این نتیجه از لحاظ آماری در سطح ۹۹ درصد معنی دار است نتایج به دست آمده در تحقیق حاضر نشان داده که تصاویر اپتیکی سنتینل-۲ با توجه به قدرت تفکیک مکانی بالا و همبستگی مناسب با داده های زمینی می توانند جایگزین خوبی برای ایستگاه های زمینی برف سنجی در ارتفاعات و یا مناطق صعب العبور باشند.

نویسندگان

صیاد اصغری سراسکانرود

Mohaghegh Ardabili University

ریحانه مدیرزاده

Mohaghegh Ardabili University

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 :
  • Benateau, S., A. Gaudard, Ch. Stamm and F. Altermatt. ۲۰۱۸. ...
  • Borowik, T., N. Pettorelli, L. Sönnichsen and B. Jędrzejewska. ۲۰۱۳. ...
  • Du, Y. ۲۰۱۶. Water bodies mapping from Sentinel-۲ imagery with ...
  • Gandhi, M., D. Parthiban and N. Thummalu. ۲۰۱۵. Ndvi: vegetation ...
  • Hagolle, O. M. and C. Huc. ۲۰۱۸. MAJA ATBD algorithm ...
  • Hanafi Nairi, N. ۱۳۹۳. Investigating the application of CIT climate-tourism ...
  • Liu, Y., L. Li, J. Yang, X. Chen and J. ...
  • Masson, T. H., M. Dumont, M. Mura, P. Sirguey, P. ...
  • Mott, R., V. Vionnet and T. Grünewald. ۲۰۱۸. The seasonal ...
  • Nagajothi, V., C. Priya and P. Sharma. ۲۰۱۹. Snow cover ...
  • Nagler, T., H. Rott, E. Ripper, G. Bippus and M. ...
  • Souza, M. V., C. Barbosa, L. Carvalho, D. Jorge, F. ...
  • Tsai, Y., A. Dietz, C. Künzer and N. Oppelt. ۲۰۱۹. ...
  • Varade, D., and O. Dikshit. ۲۰۱۸. Estimation of surface snow ...
  • Wang, Sh., B. Yang, Y. Zhou, F. Wang, R. Zhang ...
  • Wasim, B. M., S. Gascoin and L. Hanich. ۲۰۱۸. Assimilation ...
  • نمایش کامل مراجع