آشکارسازی تغییرات پوشش آب حوضه‌ی زاینده‌رود با استفاده از سنجش از دور
محورهای موضوعی : مسائل زیست محیطی مرتبط با سامانه های آبی
پانته آ لطفی
1
,
مژگان احمدی ندوشن
2
,
علی اصغر بسالت پور
3
1 - گروه محیط زیست، دانشگاه آزاد اسلامی، واحد اصفهان(خوراسگان)، اصفهان، ایران
2 - گروه محیط زیست، مرکز تحقیقات پسماند و پساب، دانشگاه آزاد اسلامی، واحد اصفهان(خوراسگان)، اصفهان، ایران.
3 - inter 3 GmbH - Institut für Ressourcenmanagement, Berlin, Germany.
کلید واژه: تغییرات زمانی – مکانی, سنجش از دور, لندست, شاخص آب تفاضلی نرمال شده,
چکیده مقاله :
آب به عنوان یکی از اساسی‌ترین نيازهای زندگي در حال حاضر برای ادامه حیات و گستردگي موارد استفاده در مسائل شرب، كشاورزي، صنعت، اقتصادي - اجتماعي و امنيتي - سياسي ما را شامل می‌شود. با توجه به اهمیت این موضوع، مدیریت و بهره‌برداری اصولی از منابع آب به یکی از موضوعات مهم جهانی تبدیل شده است. تکنیک سنجش از دور امروزه در کشاورزي کاربردهاي فراوانی از جمله تعیین سطح زیرکشت و پیش‌بینی عملکرد محصول دارد، در این پژوهش، ارزیابی روش تشخیص پهنه‌ها، سطوح آبی و رودخانه‌ها با شاخص آب تفاضلی نرمال شده با استفاده از تصاویر ماهواره‌ای لندست 9 در بازه زمانی 1401-1363 جهت تفکیک پوشش آب استفاده شد. نتایج به‌دست آمده نشان داد که روند محسوسی در کاهش سطح آب در نقاط موردنظر مشاهده می‌شود که می¬تواند ارتباط مستقیمی با برداشت آب برای مصارف کشاورزی در نقاط مختلف مسیر وجود داشته باشد. به عبارت دیگر، مقدار آبی که شاخص NDWI در هر ایستگاه نشان می‌دهد تفاوت معنی¬داری با سایر ایستگاه‌ها دارد که نمایانگر استحصال آب معنی¬دار آب در تمام نقاط رودخانه زاینده¬رود است. بنابراین در مطالعه حاضر مشخص شد که شاخص آب تفاضلی نرمال شده به راحتی قادر به استخراج آب از تصاویر ماهواره‌ای بوده است و شاخص مناسبی برای پیش‌بینی وضعیت حوضه زاینده‌رود است.
Water, as one of the most basic needs of life, currently includes our drinking, agriculture, industry, economic-social and security-political issues for survival and expansion. Due to the importance of this issue, the basic management and exploitation of water resources has become one of the important global issues. Nowadays, remote sensing technique has many uses in agriculture, such as determining the area under cultivation and predicting crop yield. In this research, the evaluation of the detection method of zones, water levels and rivers with Normalized Difference Water Index (NDWI) using Landsat 9 satellite images in the period of 1984-2022 was used to separate the water cover. The obtained results showed that there is a noticeable trend in reducing the water level in the desired points, which can be directly related to water harvesting for agricultural purposes in different parts of the route. In other words, the amount of water that the NDWI index shows in each station has a significant difference with other stations, which indicates significant water extraction in all parts of the Zayandeh-Rood. Therefore, in the present study, it was found that the normalized differential water index was easily able to extract water from satellite images and is a suitable index for predicting the condition of the Zayandeh-Rood Watershed
Abu-Abdullah, M. M., Youssef, A. M., Maerz, N. H., Abu-AlFadail, E., Al-Harbi, H. M., & Al-Saadi, N. S. (2020). A flood risk management program of Wadi Baysh dam on the downstream area: An integration of hydrologic and hydraulic models, Jizan region, KSA. Sustainability, 12(3), 1069.
Al-Obaidi, M. A., & Al-Timimi, Y. K. (2022). Change detection in Mosul dam lake, north of Iraq using remote sensing and GIS techniques. Iraqi Journal of Agricultural Sciences, 53(1), 38-47.
Benzougagh, B., Meshram, S. G., El Fellah, B., Mastere, M., Dridri, A., Sadkaoui, D., Mimich, K., & Khedher, K. M. (2022). Combined use of Sentinel-2 and Landsat-8 to monitor water surface area and evaluated drought risk severity using Google Earth Engine. Earth Science Informatics, 15(2), 929-940.
Gaznayee, H., & Al-Quraishi, A. (2020). Identifying drought status in Duhok Governorate (Iraqi Kurdistan Region) from 1998 through 2012 using landsat time series dataset. Journal of Applied Science and Technology Trends, 1(1), 17-23.
Henderson, F. M. (1995). Environmental factors and the detection of open surface water areas with X-band radar imagery. International Journal of Remote Sensing, 16(13), 2423-2437.v Jawak, S. D., Kulkarni, K., & Luis, A. J. (2015). A review on extraction of lakes from remotely sensed optical satellite data with a special focus on cryospheric lakes. Advances in Remote Sensing, 4(03), 196.
Karimian, S., Chamani, A., & Shams, M. (2020). Evaluation of heavy metal pollution in the Zayandeh-Rud River as the only permanent river in the central plateau of Iran. Environmental monitoring and assessment, 192, 1-13.
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), 1425-1432.
Mohamadi Monavar, H., & Zibazadeh, S. (2022). Distinguishing Rain-fed and Irrigated Crops in Hamadan Province Using Spectral Indices of Satellite Images. Journal of Agricultural Machinery, 12(4), 529-542. [In persian]
Ozesmi, S. L., & Bauer, M. E. (2002). Satellite remote sensing of wetlands. Wetlands ecology and management, 10, 381-402.
RahmaniFazli, A., & Salehian, S. (2018). Investigating the Relationship between the Spreading of Human Settlements and Instability of Agricultural Water resources in the Zayandeh-Rud Basin. Town and Country Planning, 10(1): 167-192. [In persian]
Rahpou, F., Ghayoor, H., & Rajabi, Z. (2019). Investigation the Quality Changes of Zayandehrud River Water Using Fuzzy Logic. Geography and Development, 16(53):1-3.
Taheri Dehkordi , A., Valadanzouj, M.J., & Safdarinezhad, A. (2022). Cropland Mapping through Integration of Segmentation and Classification Techniques in Google Earth Engine. Iranian Remote Sensing & GIS, 14(1): 1-20. [In persian]
Zhaohui, Z., Prinet, V., & Songde, M. A. (2003). Water body extraction from multi-source satellite images. In IGARSS 2003. 2003 IEEE International Geoscience and Remote Sensing Symposium. Proceedings (IEEE Cat. No. 03CH37477), 6, 3970-3972. IEEE.