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.
Snow and ice cover is a vital resource and is very sensitive to climate change. Accurate measurement of the spatial distribution of snow and ice at regular intervals is essential for water resources management. In this research, the snow cover of Sabalan Mountain is extracted using Landsat 5 satellite images for 2000 and Landsat 8 for 2020 using object-oriented classification and also using NDSI and NDSINW spectral indices. The results of the classification maps extracted from the object-oriented method showed that the area covered by snow for the years 2000 and 2020 is 2500 and 1954 square kilometers, respectively, with a kappa coefficient and an overall accuracy of 99%. And 0/99 for both years. Then the snow covered area was extracted using NDSI spectral indices and NDSINW index. Both of these indicators are able to extract the snow cover surface with appropriate relative accuracy in cold and winter regions. However, because the NDSI index does not distinguish between snow and water, it may produce different results in areas with waterlogging associated with snow extraction. The NDSINW index, on the other hand, is more accurate in eliminating waterborne backgrounds. In relation to the present study, the NDSI index has extracted 2610 and 2577 square kilometers of snow cover and the NDSINW index has extracted 2577 and 1937 square kilometers for 2000 and 2020, respectively. The area obtained from the NDSINW index has been extracted by the object-oriented classification is closer.
خلاصه ماشینی:
در این پژوهش اقدام به استخراج سطح پوشش برف کوهستان سبلان با استفاده از تصاویر ماهواره ای لندست ٥ برای سال ٢٠٠٠ و لندست ٨ برای سال ٢٠٢٠ با استفاده از طبقه بندی شی گرا و همچنین با استفاده از شاخص های طیفی NDSI و NDSINW شد.
در پژوهش حاضر از روش طبقه بندی شی گرا و از بین شاخص های طیفی مورد استفاده توسط محققین شاخص NDSI (ژو٨، ٢٠٠٦: ٣٠٢٧) و شاخص ٩ NDWINS (یان ١٠ و همکاران ، ٢٠٢٠: ٤) برای تخمین سطح پوشش برف استفاده شده است .
(به تصویر صفحه رجوع شود) شکل (١): موقعیت جغرافیایی منطقه ی مورد مطالعه Fig (1): Geographical location of the study area در این پژوهش از تصاویر ماهواره ای لندست ٨ برای سال ٢٠٢٠ و تصویر لندست ٥ برای سال ٢٠٠٠ استفاده شده که تصاویر هر دو سال مربوط به ماه فوریه به دلیل وجود برف کافی جهت استخراج مساحت تحت پوشش برف می باشد و سعی گردید تصاویری با حداقل خطا انتخاب شوند.
1. Snow Cover Glacier (به تصویر صفحه رجوع شود) شکل (٣): (A) انعکاس طیفی برف ، (B) انعکاس طیفی آب ، (C) انعکاس طیفی خاک Fig (3): (A) Spectral reflection of snow, (B) Spectral reflection of water, (C) Spectral reflection of soil ٢-٦- شاخص تفاضلی نرمال شده SCG با صرف نظر از آب (NDSINW) تفاضل بین باندهای مادون قرمز نزدیک و مادون قرمز کوتاه در ناحیه SCG بالا و در مناطق آبی پایین می ماند.