اندازه گیری عمق برف و بررسی مولفه ی دما در ارتباط با ویژگی برف

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 244

فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JWSC-28-4_009

تاریخ نمایه سازی: 9 خرداد 1401

چکیده مقاله:

سابقه و هدف: با توجه به نقش مهم برف در چرخه ی آب زمین، بررسی خصوصیات برف به ویژه در مناطق کوهستانی، ضروری به نظر می رسد. فن آوری سنجش ازدور می تواند جهت مطالعه مناطق بزرگ با وضوح مکانی و زمانی بالا استفاده شود. سنجنده های راداری با روزنه مجازی با باندهای فرکانسی بزرگ و طول موج های کوچک و قابلیت نفوذپذیری زیاد در این دست از مطالعات ترجیح داده می شوند. فن تداخل سنجی راداری باوجود اینکه حجم اطلاعات حاصل از تحلیل اینترفرومتری بالا است، یک ابزار قدرتمند در محاسبه عمق برف بوده و مجموعه داده سنتینل ۱ به دلیل دسترسی آسان در مطالعات تداخل سنجی ترجیح داده می شوند. از طرفی امروزه ارتباط LST با ویژگی های برف مورد توجه بسیاری از محققین می باشد. در مطالعه ی حاضر از فن تداخل سنجی راداری جهت برآورد عمق برف و همچنین از سامانه ابری Google Earth Engine در برآورد خصوصیات برفی ازجمله عمق و سطح پوشش برفی استفاده شده است. همچنین ارتباط بین مولفه دما و سطح و عمق برف نیز مورد بررسی قرار گرفته است.مواد و روش: حوضه لیقوان با وسعتی حدود ۱۸۵ کیلومترمربع در شمال غرب کشور و در استان آذربایجان شرقی واقع شده است. در این مطالعه برای استخراج عمق برف از ۴ تصویر راداری سنتینل ۱ مربوط به بازه زمانی آذر تا اسفند ۱۳۹۸ و یک تصویر راداری مربوط به شهریور ۱۳۹۸ با فرمت SLC جهت پیاده سازی تداخل سنجی راداری در نرم افزار SARSCAPE استفاده شده است. جهت افزایش دقت بخشی از کار از سامانه Google Earth Engine استفاده شده است. به همین منظور برای استخراج سطح پوشش برفی و مساحت آن از محصول روزانه NDSI سنجنده مودیس و محصول ماهانه NDSI-DEPTH جهت استخراج میانگین عمق برف مربوط به هریک از ماه های برفی در سامانه ابری Earth Engine Google استفاده شد. همچنین از محصول روزانه MOD۱۱A۱ سنجنده مودیس جهت تهیه نقشه دما برای بررسی رابطه دما با ویژگی برف استفاده شد.یافته ها: بررسی نقشه سطوح برفی حضور برف در تمام ماه های بازه زمانی موردمطالعه، در منطقه را نشان داده و بیشترین تمرکز سطوح برفی در مناطق مرتفع مشاهده شد. با توجه به خروجی های سامانه Earth Engine Google بیشترین و کم ترین مقدار سطح پوشش برف به ترتیب مربوط به دی ماه با ۱۸۰ کیلومترمربع و آذرماه با مقدار ۸۳ کیلومترمربع محاسبه شده است. متوسط بیش‎ترین و کم‎ترین مقدار عمق برف به ترتیب مربوط به ماه های بهمن و آذر بوده که با بهره گیری از فن تداخل سنجی راداری مقادیر ۳۲ و ۹ سانتی متر و با استفاده محصول SnowDepth-inst در سامانه Earth Engine Google مقادیر ۲۴ و ۴ سانتی متر را نشان داده است. همچنین بررسی های حاصل از نقشه های دما مقادیر کمینه و بیشینه ۱۴- و ۵- درجه سانتی گراد را نشان داد. مقادیر مربوط به تحلیل رگرسیونی بین سری زمانی دمای سطح زمین و سطح پوشش برف به ترتیب ۰۰۳/۰ و ۰۲۰/۳- برای پارامترهای SIG وz به دست آمد. مقدار متغیر R۲ نیز در ارتباط با بررسی همبستگی عمق برف و دما نیز ۰/۴۷ به دست آمد.نتیجه گیری: نتایج این پژوهش بیانگر قابلیت هر دو روش فن تداخل سنجی راداری و کد نویسی در سامانه گوگل ارث انجین در محاسبه ی عمق برف می باشد. نقشه ها و مقادیر عمق برف به دست آمده می تواند ابزار مناسب جهت مدیریت منابع آبی منطقه برای مصارف گوناگون باشد. همچنین بررسی نتایج ضرایب رگرسیونی رابطه معنی داری بین متغیر LST و عمق وسطح پوشش برف نشان داد. بطوری که رابطه معکوس بین دو مولفه LST و پوشش برفی (SC) و LST و عمق برف و همچنین رابطه مستقیم بین کاهش دما و LST را نشان داد.کلمات کلیدی: تداخل سنجی راداری، سنتینل ۱، عمق سنجی برف، حوضه آبخیز لیقوان، Google earth engine.

نویسندگان

صیاد اصغری سراسکانرود

استاد گروه جغرافیای طبیعی، دانشکده ادبیات و علوم انسانی، دانشگاه محقق اردبیلی، اردبیل، ایران

شیوا صفری

دانشجوی کارشناسی ارشد گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران

الهام ملانوری

دانشجوی کارشناسی ارشد، گروه جغرافیایی طبیعی، دانشکده علوم اجنماعی، دانشگاه محقق اردبیلی، اردبیل، ایران

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 :
  • ۱.Aalami, M., and Hosseinzadeh, H. ۲۰۱۴. Modeling Rainfall – Runoff ...
  • ۷: ۲. ۵۹-۷۵. (In Persian)۳.Asghari, S., and Emami, H. ۲۰۱۹. ...
  • ۶.Geetha Priya, M., and Krishnaveni, D. ۲۰۱۹. An Approach to ...
  • ۷.Goldstein, M., and Werner, L. ۱۹۹۸. Radar interferogram filtering for ...
  • ۸.Halabian, A., and Solhi, S. ۲۰۲۰.Snow-cover and Land Surface Temprature ...
  • ۱۰.Hui, L., Zou, W., Guangjun, H., and Wang, M. ۲۰۱۷. ...
  • ۱۱.Keikhosravi Kinay, M., and Masoudian, A. ۲۰۱۷. Exploring the Role ...
  • ۱۴.McNally, A., Rui, H., and Loeser, C. ۲۰۲۱. FLDAS: Famine ...
  • ۱۵.Meyer, F. ۲۰۱۹. Sentinel-۱ InSAR processing using the Sentinel-۱ toolbox, ...
  • ۱۶.Raziei, T. ۲۰۱۷. Identification of the temperature regimes of Iran ...
  • ۲۲.Tsai, Y., Dietz, A., Oppelt, N., and Kuenzer, C. ۲۰۱۹. ...
  • ۲۳.Vahidi, M., Jafarzadeh, A., Fakheri Fard, A., Sadeghi, H., Rezaei ...
  • ۲۵.Yan, D., Huang, C., Ma, N., and Zhang Y. ۲۰۲۰. ...
  • ۲۶.Zhang, Q., and Ban, Y. ۲۰۱۱. "Evaluation of urban expansion ...
  • نمایش کامل مراجع