استخراج وسعت پهنه‌های آب سطحی دریاچه فصلی جازموریان با استفاده از شاخص‌های سنجش از دور
محورهای موضوعی : اقلیم شناسی
مجتبی سلیمانی ساردو
1
(استادیارگروه علوم و مهندسی محیط زیست، دانشکده منابع طبیعی، دانشگاه جیرفت، ایران)
زهره ابراهیمی
2
(استادیارگروه مهندسی طبیعت، دانشکده منابع طبیعی، دانشگاه جیرفت، ایران.)
مهدی زارعی
3
(استادیار، مرکز پژوهشی علوم جغرافیایی و مطالعات اجتماعی، دانشگاه حکیم سبزواری، سبزوار، ایران)
کلید واژه: MNDWI, گوگل ارث انجین, پلایای جازموریان, پهنه‌های آبی,
چکیده مقاله :
منابع آبی یکی از مهم‌ترین مولفه‌های حیات سرزمین و توسعه پایدار به شمار می‌روند. در پژوهش حاضر، بررسی تغییرات سری زمانی مساحت پهنه‌های آبی پلایای جازموریان، به کمک داده‌های بازتابش سطحی ماهواره لندست 8 از سال 2013 تا 2019 مدنظر قرار گرفت و شاخص اصلاح شده اختلاف آب نرمال شده (MNDWI) به منظور جدا کردن پهنه‌های آبی بر تصاویر موردنظر اعمال و سپس روند تغییرات مساحتی پهنه‌های آبی برآورد شد. کلیه فرایندهای مزبور و آنالیز تصاویر ماهواره‌ای در محیط نرم افزار Google Earth Engine انجام شد که یک سامانه تحت وب و متن باز جهت انجام آنالیزهای طیفی و رادیومتریک بر تصاویر ماهواره‌ای است، همچنین نرم افزار ArcGIS 10.5 نیز به منظور تهیه نقشه‌های مکانی مورد استفاده قرار گرفت. یافته های پژوهش نشان داد که وسعت پهنه آبی دریاچه فصلی جازموریان براساس شاخص MNDWIحدود Km21426 و بر اساس شاخص استخراج آب خودکار (AWEI)، قریب Km21512 و بر اساس شاخص نسبت جذب آب (WRI) حدود Km2 1610 تخمین زده شده است. از سوی دیگر، تحلیل تولیدات آب سطحی تصاویر لندست نشان داد که بیشترین میزان تغییرات مربوط به پهنه‌های آبی فصلی موقت و فصلی جدید بوده است، به طوری که تغییرات پهنه‌های فصلی موقت مساحتی قریب Km21145 و پهنه‌های فصلی جدید سطحی حدود km2355 را به خود اختصاص داده است. آبگیری پلایای جازموریان به وقوع سیلاب های فصلی و افزایش بارندگی ها در حوضه ارتباط دارد، به طوری که همبستگی بالایی (89/0R2=) میان بارندگی سالانه حوضه و افزایش وسعت پهنه‌های آبی حاصل از شاخص MNDWI مشاهده شده است.
Water resources are one of the most important components of land life and sustainable development. In the present study, the study of time series changes in the area of Jazmourian Playa water areas, using the surface reflection data of Landsat 8 satellite from 2013 to 2019, was considered and the Modified Normalized Water Difference Index (MNDWI) was used to separate the water areas on the images. Then the trend of changes in the area of water areas was estimated. All of these processes and satellite image analysis were performed in the Google Earth Engine software environment, which is a web and open source system for performing spectral and radiometric analyzes on satellite images. ArcGIS 10.5 software was also used to prepare spatial maps. . Findings showed that the area of the seasonal lake of Jazmourian Lake is estimated to be 21426 Km based on MNDWI index, approximately 1515 Km based on automatic water extraction index (AWEI) and 1610 Km2 based on water absorption ratio (WRI) index. On the other hand, the analysis of surface water production of Landsat images showed that the highest rate of change was related to temporary seasonal and new seasonal water zones, so that changes in temporary seasonal zones occupied an area of about 11245 km2 and new seasonal surface zones about 35355 km2. Is. Jazmourian plain water intake is related to the occurrence of seasonal floods and increased rainfall in the basin, so that a high correlation (R2 = 0.89) between the annual rainfall of the basin and the increase in the area of water areas resulting from the MNDWI index has been observed.
1- احراری امیرحسین (1398): موتور مجازی پردازش تصاویر ماهواره‌ای، انتشارات کلید آموزش.
2- اصغری سراسکانرود صیاد، جلیلیان روح اله، پیروزی نژاد نوشین، مددی عقیل، یادگاری میلاد (1399): ارزیابی شاخص‌های استخراج آب با استفاده از تصاویر ماهواره‌ای لندست (مطالعه موردی: رودخانه گاماسیاب کرمانشاه). نشریه تحقیقات کاربردی علوم جغرافیایی، سال بیستم، شماره 58، صص ۵۳-۷۰.
3- خسرویان مریم، انتظاری علیرضا، رحمانی ابوالفضل، باعقیده محمد. (1396): پایش تغییرات سطح آب دریاچۀ پریشان با استفاده از شاخص‌های سنجش از دور، هیدرو ژئومورفولوژی، دوره چهارم، شماره 13، 120-99.
4- زارعی ارسطو، امامی حسن (۱۳۹۶): ارائه مدلی برای پیش‌بینی دوره بهبود وضعیت سطح آب دریاچه ارومیه و ارزیابی تغییرات زمانی- مکانی دوره تثبیت آن با استفاده از سنجش از دور. نشریه علمی پژوهشی علوم و فنون نقشه‌برداری سال هفتم، شماره دوم، صص ۲۰۱-۲۱۴.
5- ستوده پور افشین. مددی عقیل، اصغری صیاد. (1398): مقایسه شاخص‌های استخراج آب با استفاده از تصاویر ماهواره‌ای لندست 8 و سنتینل A2(مطالعه موردی: سواحل بندر بوشهر)، مجله علوم و فنون دریایی.
6- سلیمانی ساردو، مجتبی (1395): بررسی شدت خطر و ریسک بیابان‌زایی به‌منظور تدوین راهبردهای مدیریت اراضی بیابانی (مطالعه موردی: غرب پلایای جازموریان). رساله دکتری، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان.
7- شریفی کیا، محمد. (1389): پایش تغییرهای آبی در دریاچه هامون، مبتنی بر تحلیل سری زمانی تصاویر سنجش از دوری، برنامه‌ریزی و آمایش فضا، شاره سوم، پیاپی 68.
8- عبادی، عباس؛ و ابراهیم گلزار. (1395): بررسی تغییرات کمی تالاب پریشان با استفاده از سنجش از دور. یازدهمین همایش ملی علوم و مهندسی آبخیزداری ایران.
9- ملکی، سعیده. سفیانیان، علیرضا. سلطانی کوپائی، سعید. پورمنافی، سعید. شیخ‌الاسلام، فرید. (1397). تحلیل الگوی تغییرات پهنه آبی تالاب هامون در دوره آبگیری سالیانه و تغییرات کاربری و پوشش اراضی منطقه. تحقیقات منابع آب ایران. سال چهاردهم، شماره 1. صص 225-216.
10- یوسفی، صالح. تازه، مهدی. میرزایی، سمیه. مرادی، حمیدرضا. توانگر، شهلا. (1393): مقایسه الگوریتم‌های مختلف طبقه‌بندی تصاویر ماهواره‌ای در تهیه نقشه کاربری اراضی (مطالعه موردی: شهرستان نور)، سنجش‌ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی، سال پنجم، شماره سوم. صص 67-76.
11- Bakr, N. El-Kawy, O. (2020): Modeling The Artificial Lake-Surface Area Change In Arid Agro-Ecosystem: A Case Study In The Newly Reclaimed Area, Egypt. Journal Of Environmental Management. P.271.
12- Chen, C. Yu, Z. Li, L. Yang, C. (2011): Adaptability Evaluation Of TRMM Satellite Rainfall And Its Application In The Dongxiang River Basin, Procedia Environmental Sciences, 3rd International Conference On Environmental Science And Information Application Technology (ESIAT 2011), 10: Pp. 396-402.
13- El-Asmar, H.M. Hereher, M.E. El Kafrawy, S.B. (2013): Surface Area Change Detection Of The Burulluslagoon, North Of The Nile Delta, Egypt, Using Water Indices: A Remote Sensing Approach. The Egyptian Journal Of Remote Sensing And Space Science. 16(1), Pp. 119-123.
14- Feyisa, G.L. Meilby, H. Fensholt, R. Proud, S.R. (2014): Automated Water Extraction Index: A New Technique For Surface Water Mapping Using Landsat Imagery. Remote Sens. Environ. 2014, 140, Pp. 23–35.
15- Fisher, A. Flood, N. And Danaher, T. (2016): Comparing Landsat Water Index Methods For Automated Water Classification In Eastern Australia. Remote Sensing Of Environment, 175: Pp. 167-182.
16- Gautam, Vivek Kumar, Piyush Kumar Gaurav, P. Murugan, And M. Annadurai. (2015): Assessment Of Surface Water Dynamics In Bangalore Using WRI, NDWI, MNDWI, Supervised Classification And K-T Transformation. Aquatic Procedia 4 (Icwrcoe): Pp. 739–46. Http://Dx.Doi.Org/10.1016/J.Aqpro.2015.02.095.
17- Hibo, Y. Zongmin, W. Hongling, Z. Yu, G. (2011): Water Body Extraction Methods Study Based On RS And GIS. 3rd International Conference On Environmental Science And Information Application Technology. Procedia Environmental Sciences. 10, Pp. 2619- 2624.
18- Hossen, H. Negm, A. (2016): Change Detection In The Water Bodies Of Burullus Lake, Northern Nile Delta, Egypt, Using RS/GIS
19- Huffman, G. J. Bolvin, D. T. Nelkin, E.J. Wolff, D. B. Adler, R. F. Gu, G. Hong, Y. Bowman K.P. Stocker, E.F. (2007): The TRMM Multi-Satellite Precipitation Analysis: Quasi-Global, Multi-Year, Combined-Sensor Precipitation Estimates At Fine Scale. Journal Of Hydrometeorology, 8 (1): Pp. 38-55.
20- Jawak, S.D. And A.J. Luis. (2015): A Rapid Extraction Of Water Body Features From Antarctic Coastal Oasis Using Very High-Resolution Satellite Remote Sensing Data. Aquatic Procedia 4(Icwrcoe): 125–32. Http://Dx.Doi.Org/10.1016/J.Aqpro.2015.02.018.
21- Ji, L. X. Geng, K. Sun, Y. Zhao And P. Gong. (2015): Target Detection Method For Water Mapping Using Landsat 8 Oli/Tirs Imagery. Water 7(2): Pp. 794-817.
22- Li, W, Du, Z, Ling, F, Zhou, D, Wang, H, Gui, Y, Sun, B, Zhang, X. (2013): A Comparison Of Land Surface Water Mapping Using The Normalized Difference Water Index TM, ETM+ And ALI, Remote Sensing, 5: Pp. 5530-5549.
23- Masochaa, M. Dube, T. Makore, M. Shekede, M. Funani, J. (2018): Surface Water Bodies Mapping In Zimbabwe Using Landsat 8 OLI Multispectral Imagery: A Comparison Of Multiple Water Indices. Physics And Chemistry Of The Earth, Parts A/B/C, 106, Pp. 63-67.
24- Mcfeeters, S. K. (1996): The Use Of The Normalized Difference Water Index (NDWI) In The Delineation Of Open Water Features. International Journal Of Remote Sensing 17(7): Pp. 1425–32.
25- Pekelm, J.F. Cottam, A. Gorelick, N. S. Belward, A. (2016): High-Resolution Mapping Of Global Surface Water And Its Long-Term Changes Nature Volume 540, Pp. 418–422.
26- Shen, L. Li, C. (2010): Water Body Extraction From Landsat ETM+ Imagery Using Adaboost Algorithm. In Proceedings Of 18th International Conference On Geoinformatics, Beijing, China; Pp. 1–4.
27- Tang, Z. Ou, W. Dai, Y. Xin, Y. (2012): Extraction Of Water Body Based On Landsat TM5 Imagery–A Case Study In The Yangtze River, International Conference On Computer And Computing Technologies In Agriculture, Pp. 416-420.
28- Xu, H. (2006): Modification Of Normalized Difference Water Index (NDWI) To Enhance Open Water Features In Remotely Sensed Imagery. International Journal Of Remote Sensing 27(14): Pp. 3025–33.
_||_