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.

تاریخ دریافت : 1402/05/23 تاریخ پذیرش : 1402/07/18 تاریخ انتشار : 1402/07/22

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.

چکیده انگلیسی:

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

منابع و مأخذ:

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.

متن کامل:



Technical Strategies in Water Systems https://sanad.iau.ir/journal/tsws ISSN (Online): 2981-1449 Autumn 2023: Vol 1, Issue 2, 130-140 https://doi.org/10.30486/TSWS.2023.783255

 

Research Article

Water cover change detection in Zayandeh-Rood watershed using remote sensing

 

Pantea Lotfi 1, Mozhgan Ahmadi Nadoushan2,*, Aliasghar Besalatpour 3

 

1 Department of Environmental Sciences, Isfahan (Khorasgan) Branch, Islamic Azad University, Isfahan, Iran.

2 Department of Environmental Sciences, Waste and Wastewater Research Center, Isfahan (Khorasgan) Branch, Islamic Azad University, Isfahan, Iran.

3 Inter 3 GmbH - Institut für Ressourcenmanagement, Berlin, Germany.

 

*Corresponding Author: [e-mail]

© The Author)s( 2023

 

Received: 14 Aug 2023

Accepted: 10 Oct 2023

Published: 14 Oct 2023

 

Abstract

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 Normalized Difference Water Index 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.

 

Keywords: Temporal-spatial changes, Remote sensing, Landsat, Normalized difference water index

 

مقاله پژوهشی

 

آشکارسازی تغییرات پوشش آب حوضه‌ی زاینده‌رود با استفاده از سنجش از دور

پانته آ لطفی1، مژگان احمدی ندوشن2*، علی اصغر بسالت پور3

 

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.

* ایمیل نویسنده مسئول: [e-mail]

© The Author)s( 2023

 

چاپ: 22/07/1402

پذیرش: 18/07/1402

دریافت: 23/05/1402

 

چکیده

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 می­تواند ارتباط مستقیمی با برداشت آب برای مصارف کشاورزی در نقاط مختلف مسیر وجود داشته باشد. به عبارت دیگر، مقدار آبی که شاخص آب تفاضلی نرمال شده در هر ایستگاه نشان می‌دهد تفاوت معنی­داری با سایر ایستگاه‌ها دارد که نمایانگر استحصال آب معنی­دار آب در تمام نقاط رودخانه زاینده­رود 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.

واژه‌های کلیدی: تغییرات زمانی – مکانی، سنجش از دور، لندست، شاخص آب تفاضلی نرمال شده

 

 

 

 

 

1-       مقدمه 

آب به­عنوان مایه حیات و منشا زندگی، آثار قابل توجهی بر کیفیت زندگی بشر دارد. به­نحوی که کمبود آن به­عنوان یکی از مهم‌ترین عوامل مختل‌کننده­ی توسعه در بسیاری از کشورها مطرح بوده و چالش بزرگی را در بخش کشاورزی پدید آورده است (Biniaz et al,. 2021). از آنجایی که آب یکی از اصلی­ترین نیازهای بشر است، خشکسالی و کمبود آب یکی از بزرگترین چالش‌هایی است که توسعه کشاورزی کشور در حال و آینده با آن روبه­رو خواهد بود. خشکسالی دارای اثرات مخرب در سه بعد اجتماعی، اقتصادی و زیست‌محیطی است که منجر به بروز ناپایداری کشاورزی می‌گردد. بنابراین یکی از جنبه­های مهم برنامه­ریزی و کاهش اثرات خشکسالی و توسعه همه جانبه پایدار، شناخت اثرات این پدیده می­باشد (Gaznayee et al,. 2020 ؛ Rostamian & Khosravipour., 2018). زاینده­رود یک رودخانه حیاتی برای استان اصفهان و فلات مرکزی ایران است که در حوزه آبخیز گاوخونی قرار گرفته و نقش مهمی در تامین آب شرب، صنعت و کشاورزی مناطق مرکزی ایران دارد (Rahpou et al., 2019).، به­طوری که برای مصارف مختلف از جمله آب شرب برای حدود سه میلیون نفر را تامین می‌کند (Taheri Dehkordi,. 2022). همچنین در معرض تخلیه گسترده فاضلاب و پساب از چندین منبع آلودگی نقطه­ای و غیر نقطه­ای قرار گرفته است (Karimian et al., 2020). لازم به ذکر است در دهه­های اخیر، منابع آبی حوضه کاهش یافته، به­نحوی که بخشی از طول رودخانه در قسمت میانی و پایین­دست جریان آب خشک شده یا به‌صورت موقتی در آمده و تخصیص آب کشاورزی به اراضی زراعی این بخش­ها کاهش شدیدی پیدا کرده است (Rahmanifazli & Salehian., 2018). علاوه بر این برای افرادی که در پایین­دست محل سد قرار دارند و همچنین حفاظت از منابع اقتصادی و زیست‌محیطی، برنامه­های مدیریت ریسک در سراسر جهان لازم است (Abu-Abdullah et al., 2020). با پیشرفت فناوری، استفاده از داده‌های ماهواره‌ای به دلیل ویژگی‌های خاص خود مانند دید وسیع، یکپارچگی، استفاده از قسمت‌های مختلف طیف الکترومغناطیس برای ثبت خصوصیات پدیده‌ها، امکان به کارگیری سخت‌افزارها و نرم‌افزارها و کم هزینه و سریعتر بودن تجزیه و تحلیل باعث شده که به این منظور با استقبال خاصی روبه رو شود (Henderson et al., 1995). داده‌های ماهواره‌ای سنجش از دور با قدرت تفکیک مکانی، طیفی و زمانی متفاوت، یک منبع ارزشمند را برای ارزیابی سطح آب و تغییرات آن در دهه‌های اخیر ارائه نموده است (Zhaohui et al., 2003; Jawak et al., 2015). سنجش از دور ابزار بسیار مناسبی برای شناسایی پهنه‌های آبی بوده و از این رو یکی از مزایای شناسایی سطح آب به وسیله تصاویر ماهواره‌ای عدم نیاز به حضور فیزیکی در محل است (Ozesmi et al., 2002; Jawak et al., 2015). بنابراین روش‌های مختلف پردازش تصاویر مانند NDWI در دهه‌های اخیر برای استخراج عوارض آب معرفی شده است. تفاوت در عملکرد شاخص‌های پیشنهاد شده آب بر روی انواع داده‌های ماهواره‌ای توسط بسیاری از محققان، مطالعه شده است.Benzougagh et al. (2022)  استفاده ترکیبی از Sentinel-2 و Landsat-8 برای نظارت بر سطح آب و ارزیابی شدت خطر خشکسالی با استفاده از گوگل ارث انجین را مورد بررسی قرار دادند. شاخص آب تفاضلی نرمال شده نوعی تحلیل طیفی آب بر اساس یک باند سبز و یک نمایش باند مادون قرمز نزدیک است. منطقه مورد مطالعه برای این کار سد 1 ادریس در شمال شرقی مراکش است که در پایین‌دست زهکشی رودخانه اینائوئن واقع شده است. نتیجه این مطالعه نشان داد که نقشه‌برداری از آب‌های سد ادریس یکم و ارزیابی شدت و فراوانی خطر خشکسالی با دقت بالا انجام گرفته است. Al-Obaidi et al. (2022) در مطالعه­ای بر روی دریاچه سد موصل با استفاده از سری داده‌های سنجش از دور تصاویر لندست (TM5، ETM+7 و OLI8) به این نتیجه دست یافتند که داده­های سنجش از دور روشی کارآمد برای تشخیص تغییرات کمیت آب در منطقه مورد مطالعه با هزینه‌های کم را فراهم می‌کند و با استفاده از معادله شاخص آب تفاضلی نرمال شده در دوره­های (2000، 2005، 2010، 2015 و 2020)، حجم آب در منطقه مورد مطالعه به­ترتیب (281، 320، 225، 276 و 295) کیلومتر مربع بوده است. هدف از این مطالعه بررسی تغییرات پوشش آب حوضه‌ی زاینده‌رود با استفاده از تصاویر ماهواره‌ای است.  

2-       مواد و روش­‌ها

2-1- منطقه مورد مطالعه

حوضه آبخیز زاینده‌رود با وسعت 41550 کیلومترمربع به‌عنوان بخشی از فلات مرکزی ایران در استان اصفهان و چهارمحال و بختیاری بین طول جغرافیایی ′50 °32 تا ′18 °32 عرض شمالی و ′42 °51 تا ′52 °50 طول شرقی واقع ‌شده است (شکل 1). این منطقه از قسمت جنوب و جنوب غرب به کوه­های دامنه­ی رشته‌کوه زاگرس ­و از غرب به نواحی دشتی واحد هیدرولوژیک دشت کوهپایه و سگزی ختم می­شود. از لحاظ توپوگرافی، قسمت عمده این منطقه به خصوص در قسمت مرکز شامل دشت­های مسطح با شیب کمتر از 8 درصد است که به مجموعه­ای از کوه­های پراکنده در حاشیه­ی آن ختم شده و مرز منطقه را تشکیل می­دهد.

شکل 1. حوضه آبخیز زاینده‌رود در مرکز ایران 

 

Fig 1. Zayandeh Rood watershed in central Iran

 

 

 

شکل 2. نواحی منتخب برای شناسایی تغییرات آب رودخانه توسط تصاویر ماهواره لندست

 

Fig 2. Selected areas to identify river water changes by Landsat satellite images

2-2- روش کار

در این مطالعه، تصاویر ماهواره­ای به عنوان یکی از اصلی­ترین منبع دریافت داده­های اولیه مورد استفاده قرار گرفت. پوشش زمانی و مکانی گسترده و همچنین دوره­های گذر مجدد کوتاه مدت از مزایای اصلی سری ماهواره‌های لندست است که در این تحقیق به عنوان داده­های ماهواره­ای مرجع مورد مورد استفاده قرار گرفتند. برای شناسایی گستره و تغییرات آب سطحی، از ماهواره­ی لندست ۵ که از سال اوایل دهه ۱۹۸۰ میلادی به طور پیوسته به جمع آوری اطلاعات بازتابی از سطح زمین پرداخت است، ماهواره­ی لندست ۸ که در سال ۲۰۱۴ جانشین این ماهواره شد، ماهواره­ی لندست ۷ در سال ۱۹۹۷ تا ۲۰۰۰ به جمع آوری داده‌های مشابه با ماهواره­ی لندست ۵ پرداخت و در نهایت از ماهواره­ی لندست 9 که در سال ۲۰۲۲ به صورت ماهواره دوقلو به کمک ماهواره­ی لندست 8 آمد استفاده شد که در شکل (3) نشان داده شده است.

تصحیح اولیه تصاویر یکی از مهم‌ترین مراحل آماده­سازی تصاویر ماهواره­ای در سنجش از دور است که اثر شگرفی در حصول نتایج صحیح دارد. از آنجایی که تصاویر ماهواره­ی لندست به صورت خام برداشت و در اختیار کاربر قرار می­گیرد، لازم است تا تصحیحات مورد نیاز برای تبدیل این مقادیر به بازتاب سطح زمین یا بازتاب بالای سطح زمین صورت گیرد. لزوم این امر به طور ویژه در زمانی احساس می­شود که هدف، مقایسه­ی تغییرات بازتاب و در نتیجه تغییرات پوشش سطح زمین در بین زمان­های مختلف باشد.

 

 

شکل 3. تصاویر ماهواره­ی لندست در ردیف و گذرهای مختلف بر روی حوضه آبریز زاینده‌رود

 

Fig 3. Landsat satellite images in different rows and passes on the Zayandeh-Rood watershed

2-3- شاخص آب تفاضلی نرمال شده

این شاخص به دلیل حساس بودن به خصوصیات مختلف مانند محتواي آبی گیاه انتخاب شد. در حالیکه NDVI اطلاعاتی در مورد میزان فتوسنتز و محتواي کلروفیل فراهم می‌کند، از NDWI می‌توان به عنوان شاخص محتواي آب گیاه بهره برد. NDWI به طور گسترده‌اي جهت مطالعه محتواي آب پوشش‌هاي گیاهی مورد استفاده قرار گرفته است (Mohamadi Monavar., 2022). شاخص آب تفاضلی نرمال شده بر مبنای بیشترین مقدار جذب آب و بیشترین مقدار بازتاب برای پوشش گیاهی در باند مادون قرمز نزدیک طراحی شده است. هدف از استخراج این رابطه توسط(1996)  McFeeters  مشخص کردن پهنه‌های آبی بوده است. در رابطه زیرNIR ، باند مادون قرمز نزدیک وGreen ، باند سبز می‌باشد. محدوده شاخص بین 1 - تا 1 قرار دارد. مقادیر صفر تا 1 پهنه­های آبی و مقادیر کمتر از صفر پوشش گیاهی را نشان می­دهد.

 

3- نتایج و بحث

3-1- تغییرات پوشش آب در ایستگاه­های مورد مطالعه

در این تحقیق، تغییرات حوضه‌ی زاینده‌رود را در بازه زمانی 1363 تا 1401 شمسی با استفاده از داده‌های تصاویر لندست مورد بررسی قرار گرفت و شاخصی برای پیش‌بینی وضعیت حوضه ارائه گردید. ابتدا برای ارزیابی تغییرات از شاخص اختلاف آب نرمال شده استفاده شده است. در شکل (4) روند مقادیر شاخص NDWI برای تشخیص نحوه­ی توزیع آب رودخانه­ی زاینده‌رود در ایستگاه زرین شهر، که آب آن اغلب برای مصارف فعالیت­های کشاورزی استفاده می­شود، به دست آمد. مهمترین خصیصه­ی این شاخص در ایستگاه­ مورد نظر نوسانات شدید فصلی آن است که نشان­دهنده­ی یک رودخانه فصلی با نوسانات دبی بسیار بالا است. در این ایستگاه که در نواحی انتهایی بالادست رودخانه مشاهده می­شود شاخص NDWI اغلب بالاتر از صفر قرار دارد. به طور خاص در سال­های اخیر که رودخانه زاینده‌رود با خشکی بی‌سابقه‌ای روبرو شده است، این بخش از رودخانه دارای پوشش آب بوده است. 

سطح آب در ایستگاه دوم شکل (5) و ایستگاه سوم شکل (6) نسبت به ایستگاه اول به شدت کاهش یافته است به طوری که مقادیر منفی زیادی در این شاخص در سال‌های اخیر به شدت به چشم می­خورد. به طور خاص از سال ۱۳۹۰ تاکنون، مقدار این شاخص عموماً در محدوده­های منفی قرار داشته که نشان­دهنده­ی خشک بودن کامل رسوبات بستر رودخانه است. این روند خشک‌شدگی در ایستگاه‌های چهارم شکل (7) و پنجم شکل (8) بسیار بارز و مشخص است به طوری که در ایستگاه پنجم، سطح آب تالاب به شدت کاهش یافته و به طور کامل در محدوده­ی منفی قرار گرفته است.

با در نظر گرفتن تمامی نمودار­ها می­توان روند محسوسی در کاهش سطح آب در نقاط نمونه مشاهده کرد که می­تواند ارتباط مستقیمی با برداشت آب برای مصارف کشاورزی در نقاط مختلف مسیر وجود داشته باشد. شکل (9) متوسط سالانه­ی این شاخص در ایستگاه­های مختلف را نشان می­دهد. تا ایستگاه سوم، متوسط سالانه­ی این شاخص بیشتر از صفر است که نشان‌دهنده‌ی غالبیت سطح مرطوب آن نسبت به سطح خشک رودخانه است حال آنکه در ایستگاه چهارم و پنجم به دلیل عدم وجود آب در مقاطع زمانی بسیار زیاد، متوسط سالانه­ی این شاخص در محدوده منفی و نمایانگر خشک بودن پایین دست رودخانه است. علیرغم اینکه تبخیر و تعرق چنان اثر بارزی بر کاهش سریع مقدار آب رودخانه ندارد، بنابراین تغییرات رخ داده را می­توان به استحصال و کانال کشی آب رودخانه نسبت داد. نکته بارز دیگر در این بخش، تفاوت معنی­دار بین متوسط شاخص NDWI هر ایستگاه به ایستگاه مجاور است شکل (9). به عبارت دیگر، مقدار آبی که شاخص NDWI در هر ایستگاه نشان می‌دهد تفاوت معنی­داری با سایر ایستگاه‌ها دارد که نمایانگر استحصال آب معنی­دار آب در تمام نقاط رودخانه زاینده­رود است. در جدول (1) مقادیر عددی این مقایسه در جدول مقایسه میانگین ANOVA نشان داده شده است که تفاوت بسیار معنی­دار در سطح یک صدم را نشان می­دهد. نتایج این تحقیق با تحقیقاتet al. (2018)  Nandi در درياچه چيليكا در ايالت اوديشاي هند، كه در مطالعه تشخيص خودكار پهنه‌هاي آبي از خشكي، شاخص‌هاي NDWI، MNDWI و AWEI بهترين نتايج براي شناسايي پهنه‌ها و تغييرات زماني درياچه را داشتند، همخواني دارد و در اين منطقه براي شناسايي پهنه‌هاي آبي و تغييرات زماني آن‌ها ميتوان از شاخص‌هاي استخراج اتوماتيك آب و همچنين از شاخص اصلاح شده تفاضلي نرمال آب بهره برد. از تحقيقات داخلي نيز Khosrovian et al. (2018)  در پايش و بررسي تغييرات بر روي سطح آب درياچة پريشان با استفاده از شاخص‌هاي سنجش از دور، به اين نتيجه رسيدند كه؛ به دليل حساسيت بيش از حد به مناطق آبي، زمين‌هاي مرطوب كشاورزي را هم جز محدودة درياچه به حساب مي‌آورد، درحاليكه شاخص تفاضل نرمال شده آبي و شاخص تفاضل نرمال شده پوشش گياهي بالاترين نتايج را ارائه مي‌دهند.

جدول 1. جدول مقایسه میانگین شاخص NDWI بین ایستگاه­های مختلف

Table 1. Comparison table of average NDWI index between different stations

	مجموع مربعات	درجه آزادی	مربع میانگین	F	Sig.
بین گروه	89/53	4	47/13	37/789	00/0
درون گروه	27/80	4703	017/0
مجموع	16/134	4707

 

شکل 4. مقادیر شاخص NDWI در ایستگاه اول از سال 1363 تا 1401

 

Fig 4. NDWI index values at the first station from 1984 to 2022

 

 

شکل 5. مقادیر شاخص NDWI در ایستگاه دوم از سال 1363 تا 1401

 

Fig 5. NDWI index values at the second station from 1984 to 2022

 

 

شکل 6. مقادیر شاخص NDWI در ایستگاه سوم از سال 1363 تا 1401

 

Fig 6. NDWI index values at the third station from 1984 to 2022

 

 

 

 

 

                شکل 7. مقادیر شاخص NDWI در ایستگاه چهارم از سال 1363 تا 1401

 

Fig 7. NDWI index values at the fourth station from 1984 to 2022

 

شکل 8. مقادیر شاخص NDWI در ایستگاه پنجم از سال 1363 تا 1401

 

Fig 8. NDWI index values at the fifth station from 1984 to 2022 

 

شکل 9. متوسط شاخص NDWI در ایستگاه­های مختلف (حروف متفاوت نشان­دهنده­ی تفاوت معنی­دار در سطح 1 درصد است)

 

Fig 9. Average NDWI index at different stations (different letters indicate significant differences at the 1% level)

 

 4- نتیجه‌گیری

منبع اصلی تامین آب حوضه زاینده‌رود در استان اصفهان، بالادست سد زاینده‌رود می‌باشد. رودخانه‌ها از حساس‌ترین سامانه‌های محیطی محسوب می‌شوند که تحت تاثیر فرآیندهای هیدرودینامیکی حاکم، تغییرات آن‌ها تقریبا سریع بوده و شاید از این نظر قابل مقایسه با دیگر سامانه‌های ژئومورفولوژی نباشد. خشکسالی اولین تاثیر خود را در محیط طبیعی یک منطقه می‌گذارد. در این مطالعه، با روش NDWI، تغییرات پوشش آب حوضه زاینده‌رود بررسی شد. بررسی تغییرات در سال‌های 1363-1401 نشان می‌دهد که افزایش بهره‌برداری از ظرفیت منابع آب باعث ناپایداری منابع آب می‌شود و رودخانه از قسمت‌های میانی از حالت دائمی خارج می‌شود. بهره‌برداران قسمت‌های پایین‌تر حوضه کمبود آب خود را از منابع آب زیرزمینی جبران می‌کنند که باعث چرخه‌ی ناپایداری منابع آب، خشکسالی و... می‌شود. در واقع، افزایش بهره‌برداری موجب تخریب اکوسیستم طبیعی و برهم خوردن تعادل اکوسیستم، می‌شود و اکولوژی جانوری، گیاهی و انسانی را تحت تاثیر قرار می‌دهد. روش‌ سنجش از دور ماهواره‌ای از روش‌های معمول شناسایی آب‌های سطحی است که کارایی آن در مطالعات گوناگون به اثبات رسیده است. در این بین تصاویری برای شناسایی پهنه‌های آبی مناسب هستند که از ماهواره‌هایی تهیه شده باشند که دارای باندهای جذبی آب باشند. ماهواره لندست از جمله ماهواره‌های پرکاربرد در این زمینه است.

5- تضاد منافع نویسندگان

نویسندگان این مقاله اعلام می‌دارند که هیچ تضاد منافعی در رابطه با نویسندگی و یا انتشار این مقاله ندارند.

 6- منابع

 

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. Sustain, 12(3), 1069. https://doi.org/10.3390/su12031069

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 Agricuitural  Science, 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. https://doi.org/10.1007/s12145-021-00761-9

Biniaz A., Ahmadpour Borazjani M., Ziaee S., & Mohammadi H. (2021). Potential effects of agricultural water pricing and quota on productivity and use of agricultural inputs in Kohgiluyeh. Journal of Water Research Agriculture, 35(1): 89-106. https://doi.org/10.22092/jwra.2021.352382.834. (In Persian)

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. https://doi.org/10.38094/jastt1112

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. https://doi.org/10.1080/01431169508954567

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. https://doi.org/10.1007/s10661-020-8183-8

Khosrovian M., Inteziri A., Rahmani A., & Baaqideh M. (2018). Monitoring changes in the water level of Parshan Lake using remote sensing indicators. Hydrogeomorphology, 4(13): 99-120. (In Persian)

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. https://doi.org/10.1080/01431169608948714

Mohamadi Monavar, H., & Zibazadeh, S. (2022). Distinguishing Rain-fed and Irrigated Crops in Hamadan Province Using Spectral Indices of Satellite Images. Journal of Agriculture Machinery, 12(4), 529-542. (In Persian)

Nandi D, Chowdhury R, Mohapatra J, Mohanta K, & Ray D. (2018). Automatic delineation of water bodies using multiple spectral indices. Themed Section: Engineer Technology  4(4): 498- 512.

Ozesmi, S. L., & Bauer, M. E. (2002). Satellite remote sensing of wetlands. Wetlands Ecology and Managment, 10, 381-402. https://doi.org/10.1023/A:1020908432489

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 Development, 16(53):1-3.

Rostamian Z., & Khosravipour B. (2018). Investigating the impact of drought on sustainable development. The First International Conference on Applied Research in Agricultural Sciences. Natural Resources Environ.

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 Int Geoscience and Remote Sensing Symposium. Proceedings (IEEE Cat. No. 03CH37477), 6, 3970-3972. IEEE. https://doi.org/10.1109/IGARSS.2003.1295331

 

 

 

130