ارزیابی میزان تغییرات کمی منابع آب سطحی متأثر از زلزله سرپل ذهاب با استفاده از داده‌های ماهواره‌ای

محورهای موضوعی : برنامه های کاربردی در خطر بلایای طبیعی

امجد ملکی ¹ , علی خزایی ² , علی عبدالملکی ³

1 - دانشیار، گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه رازی، کرمانشاه ، ایران
2 - کارشناس گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه رازی، کرمانشاه، ایران
3 - دانشجوی کارشناسی ارشد ژئومورفولوژی در برنامه ریزی محیطی، دانشکده ادبیات و علوم انسانی، دانشگاه رازی، کرمانشاه، ایران

تاریخ دریافت : 1400/02/04 تاریخ پذیرش : 1400/03/18 تاریخ انتشار : 1401/02/01

کلید واژه: سرپل ذهاب, شاخص نرمال شده تفاضل پوشش گیاهی (NDVI), منابع آب, شاخص اصلاح شده اختلاف آب نرمال شده (MNDWI), سنجش از دور,

چکیده مقاله :

پیشینه و هدف زلزله علاوه بر اثرهای مخرب بر سازه‌هایی که به دست انسان ساخته شده اند، بر منابع آب های سطحی نیز اثرات متفاوت دارد. همواره رخداد زلزله‌ها بسته به شدت، زمان، جهت و عمق آن، باعث افزایش یا کاهش دبی آب می شود. حتی ممکن است باعث جریان یافتن آب چشمه‌ای شود که سالیان سال خشک شده است. استفاده از فن آوری سنجش ازدور در علوم مختلف زمین به دلیل پوشش وسیع تصاویر ماهواره ای، بهنگام بودن تصاویر و هزینه پایین آن نسبت به روش های زمینی بسیار متداول است. همچنین از قابلیت های مهم و منحصربه فرد داده های رقومی ماهواره ای، دارا بودن قدرت تفکیک زمانی، مکانی، طیفی و رادیومتریک می باشد. از آنجایی که در برخی موارد اطلاعات بدست آمده از یک سنجنده به تنهایی پاسخگوی نیازهای مورد نظر نیست. علیرغم اینکه داده های چند طیفی اپتیک اطلاعات غنی طیفی را از عوارض مختلف به ما می دهد، اما به طور قابل توجهی تحت تاثیر عوامل محیطی مانند دود، مه، ابر و میزان نور خورشید قرار می گیرد. برخلاف سنجنده های اپتیک، داده های رادار با روزنه مجازی (SAR) با مستقل بودن از شرایط آب و هوایی و تابشی مختلف و هم چنین حساسیت پراکنش سیگنال های آن به پارامتر های تارگت همانند ساختار (شکل، جهت گیری، اندازه)، میزان زبری و میزان رطوبت عوارض می توانند اطلاعات بیش تری را از منطقه مورد مطالعه فراهم آورد اما از سوی، تصاویر راداری نمی توانند جزئیات و لبه اشیاء را به وضوح مشخص کنند. بنابراین ترکیب خصوصیات مختلف از تصاویر اپتیک و داده های راداری با استفاده از تکنیک های تلفیق تصویر، می تواند یک دید کامل تر از تارگت مورد نظر نمایش داده و دقت و اعتمادپذیری بالاتری برای نتیجه های بدست آمده از این روش ارائه دهد. بنابراین درتحقیق حاضرجهت نیل به هدف فوق با استفاده از داده های ماهواره ای و روش ترکیب تصاویر، دیتاها به گونه ای یکسان سازی گردیده که بتوانند درکنار همدیگردرقالب یک دیتاست برای پردازش ها مورد استفاده قرار گیرند.مواد و روش ها از روش ترکیب تصاویر ماهواره ای تغییرات کمی منابع آب سطحی متاثرازلزله شهرستان سرپل ذهاب در بازه زمانی 7 روزه 11/11/2017 تا 17/11/2017 با استفاده از داده های راداری (S_1A-IW-SLC)، با بیس لاین مکانی 100 متر و داده های اپتیکی لندست 8 (OLI)، و با اعمال تکنیک های سنجش‌ازدور و شاخص های تشخیص تغییرات منابع آب از جمله شاخص نرمال شده تفاضل پوشش گیاهی (NDVI) و شاخص اصلاح شده اختلاف آب نرمال شده (MNDWI) در محیط نرم‌افزار انوی ENVI و سپس تجزیه‌وتحلیل در محیط نرم‌افزار ArcGIS به‌دست‌آمده است.نتایج و بحث بررسی نتایج تغییرات کمی منابع آب های سطحی نشان می دهد که در بازده زمانی 7 روزه بعد از رخداد زلزله در محدوده مورد مطالعه بیشترین میزان تغییرات کمی(بصورت کاهشی) در سدهای (تنگه حمام و سد گیلان غرب) اتفاق افتاده است. بگونه ای که سد تنگه حمام دچار کاهشی به مقدار 0.13 مترمربع و سد گیلان غرب کاهشی به مقدار 0.07 مترمربع بوده. همچنین تغییرات کمی بصورت افزایشی در سطح (سراب گرم سرپل ذهاب (منبع آب شرب منطقه)، رودخانه سیروان و مسیل ها)، اتفاق افتاده و در مجموع به مقدار 7523421 مترمربع تغییرات در سطح منابع آب های سطحی منطقه مورد مطالعه بعد از رخداد زلزله وجود داشته است.نتیجه گیری رخداد زلزله باعث افزایش خروج آب های زیرزمینی و کم شدن حجم سطح سدهای منطقه و تغذیه رودخانه‌های سطحی منطقه ازجمله(رودخانه سیروان) و درنهایت موجب تلف شدن آب گردیده و در بعضی از مکان‌ها باعث خشک شدن چشمه ها و لطمه زدن به شرایط نرمال زندگی شده است.

چکیده انگلیسی:

Background and Objective Earthquake In addition to the destructive effects of man-made structures, earthquakes also have different effects on surface water resources. Earthquakes always increase or decrease the water flow depending on its intensity, time, direction, and profundity. It may even cause the springtime fountain to flow that has dried up over the years. The use of remote evaluation technology in various earth sciences is very common compared to geocentric methods due to the wide coverage of satellite images, the timeliness of images, and its little cost. Also, one of the important and unique capabilities of digital satellite data is its temporal, spatial, spectral, and radiometric resolution. These important features of satellite imagery allow for important studies such as the evaluation and monitoring of dynamic phenomena such as quantitative changes in water resources in temporal and spatial dimensions. Because in some cases the information obtained from a sensor alone does not meet the desired needs. Although optical multispectral data provide rich spectral information of various effects, it is significantly affected by environmental factors such as smoke, fog, clouds, and the amount of sunlight. Unlike optical sensors, radar data with virtual aperture (SAR) is independent of different weather and radiation conditions, as well as the sensitivity of its signal, scatter to target parameters such as structure (shape, orientation, size), roughness, and moisture content of the features can provide more information about the study area, but on the other hand, radar images cannot clearly identify the details and edges of objects. Therefore, combining different properties of optics images and radar data using image integration techniques can provide a more complete view of the target and provide higher accuracy and reliability for the results obtained from this method. In the present perusal, in order to achieve the above purpose, using satellite data and the image combination method, the data have been standardized in such a way that they can be used together in the form of a dataset for processing. Materials and Methods Using the method of combining satellite images of quantitative changes of surface water resources, affected by the SARPOL-E-ZAHAB earthquake in the course of 7 days, 11/11/2017 to 17/11/2017, using radar data (S_1A-IW-SLC), With 100 m spatial baseline and Landsat 8 (OLI) optical data, and obtained by applying remote evaluation techniques and indicators to detect changes in water resources, including Normalized difference vegetation index (NDVI), Modified normalized difference water index (MNDWI) in ENVI software environment and then analysis in ArcGIS software environment.Results and Discussion : Examination of the results of quantitative changes in surface water resources shows that in the time period of 7 days after the earthquake in the study area, the highest amount of small changes (in a decreasing manner) occurred in dams (HAMMAM Strait and GILANGH-GHARB Dam). As the Strait of HAMMAM dam decreased by 0.13 square meters and the Gilan GHARB dam decreased by 0.07 square meters. Also, small changes occurred in the surface (SARPOL-E-ZAHAB SARAB-GARM) (drinking water source of the region), SIRVAN river and canals), and there were a total of 7523421 square meters of changes in the surface water resources of the study area after the earthquake.Conclusion The earthquake caused the outflow of groundwater and decreased the volume of dams in the region and fed the surface rivers of the region, including (the Sirvan river) and finally caused water loss and in some places caused the drying of springs and Damage to normal living conditions.

منابع و مأخذ:

Abdol Maleki A. 2017. Monitoring the quantitative and qualitative changes of surface water resources affected by earthquakes using remote sensing (Case study of Sarpol-e Zahab. November 13, 2017 earthquake). Thesis for receiving a master's degree in geography majoring in geomorphology in environmental planning. Faculty of Literature and Humanities, Department of Geography. Razi University of Kermanshah. (In Persian).

Ambraseys NN, Melville CP. 2005. A history of Persian earthquakes. Cambridge University Press, 240 p.

Arun K. 2011. Water Quality Retrieval from Landsat TM Imagery. Procedia Computer Science, 6: 475-480. doi:https://doi.org/10.1016/j.procs.2011.08.088.

Baban SMJ. 1995. The use of Landsat imagery to map fluvial sediment discharge into coastal waters. Marine Geology, 123(3): 263-270. doi:https://doi.org/10.1016/0025-3227(95)00003-H.

Bhargava D, Mariam D. 1992. Cumulative effects of salinity and sediment concentration on reflectance measurements. International Journal of Remote Sensing, 13(11): 2151-2159. doi:https://doi.org/10.1080/01431169208904258.

Bhoj  PR, Thapa K, Koju R. 2016. Post-earthquake drinking water quality in the Kathmandu valley: A pilot study. Al Ameen Journal of Medical Science, 9(2): 130-133.

Chi‐Yuen W, Dreger DS, Wang CH, Mayeri D, Berryman JG. 2003. Field relations among coseismic ground motion, water level change and liquefaction for the 1999 Chi‐Chi (Mw= 7.5) earthquake, Taiwan. Geophysical Research Letters, 30(17). doi:https://doi.org/10.1029/2003GL017601.

Cle P, Van Genderen JL. 1998. Review article multisensor image fusion in remote sensing: concepts, methods and applications. International Journal of Remote Sensing, 19(5): 823-854. doi:https://doi.org/10.1080/014311698215748.

Delacourt C, Raucoules D, Le Mouélic S, Carnec C, Feurer D, Allemand P, Cruchet M. 2009. Observation of a large landslide on La Reunion Island using differential SAR interferometry (JERS and Radarsat) and correlation of optical (Spot5 and Aerial) images. Sensors, 9(1): 616-630. doi:https://doi.org/10.3390/s90100616.

Goudarzi S, Ashkpoor Motlagh S, Mansouri R, Shokri Kaveh M (eds) (2018) Investigating the effect of earthquake on aquifers groundwater level, 18 th Iranian Geophysical conference, 8- 10 May, Tehran, Iran, 1-4 p. (In Persian).

Hartmann J, Levy JK. 2006. The influence of seismotectonics on precursory changes in groundwater composition for the 1995 Kobe earthquake, Japan. Hydrogeology Journal, 14(7): 1307-1318. doi:10.1007/s10040-006-0030-7.

Hellweger FL, Schlosser P, Lall U, Weissel JK. 2004. Use of satellite imagery for water quality studies in New York Harbor. Estuarine, Coastal and Shelf Science, 61(3): 437-448. doi:https://doi.org/10.1016/j.ecss.2004.06.019.

Ingebritsen S, Manga M. 2019. Earthquake hydrogeology. Water Resources Research, 55(7): 5212-5216. doi:https://doi.org/10.1029/2019WR025341.

Jerry RC, Zimba PV, Everitt JH. 2003. Remote sensing techniques to assess water quality. Photogrammetric Engineering & Remote Sensing, 69(6): 695-704. doi:https://doi.org/10.14358/PERS.69.6.695.

Khorram S. 1985. Remote sensing of water quality in the Mense river estuary, North Carolina. Photogrammetric Engineering and Remote Sensing, 51: 329-341.

Lee TH, Moon WM. 2001. Lineament Extraction from Landsat TM, JERS-1 SAR, and DEM for Geological Applications. In: International Symposium on Remote Sensing. pp 401-406. https://doi.org/410.1109/IGARSS.2002.1027154.

Matsuoka Y, Kawamura H, Sakaida F, Hosoda K. 2011. Retrieval of high-resolution sea surface temperature data for Sendai Bay, Japan, using the Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER). Remote Sensing of Environment, 115(1): 205-213. doi:https://doi.org/10.1016/j.rse.2010.08.018.

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

Mumipour M. 2016. Study of coastal Water Quality using HYPERION Hyperspectral satellite images-case study of Arvandkenar Coasts. Journal of Marine Sciences and Technology, 15(1): 113-122. (In Persian).

Nepal P, Khanal NR, Zhang Y, Paudel B, Liu L. 2020. Land use policies in Nepal: An overview. Land Degradation & Development, 31(16): 2203-2212. doi:https://doi.org/10.1002/ldr.3621.

Nespoli M, Todesco M, Serpelloni E, Belardinelli ME, Bonafede M, Marcaccio M, Rinaldi AP, Anderlini L, Gualandi A. 2016. Modeling earthquake effects on groundwater levels: evidences from the 2012 Emilia earthquake (Italy). Geofluids, 16(3): 452-463. doi:https://doi.org/10.1111/gfl.12165.

Turker M, San B. 2004. Detection of collapsed buildings caused by the 1999 Izmit, Turkey earthquake through digital analysis of post-event aerial photographs. International Journal of Remote Sensing, 25(21): 4701-4714. doi:https://doi.org/10.1080/01431160410001709976.

Wang R, Luo Y, Yang Y, Tian F, Zhou Y, Tian M-Z. 2015. Characterization of land subsidence induced by groundwater withdrawals in Wenyu River alluvial fan, Beijing, China. Proceedings of the International Association of Hydrological Sciences, 372: 481-484.

Wen-Chi L, Koizumi N, Matsumoto N, Kitagawa Y, Lin C-W, Shieh C-L, Lee Y-P. 2004. Effects of seismic ground motion and geological setting on the coseismic groundwater level changes caused by the 1999 Chi-Chi earthquake, Taiwan. Earth, Planets and Space, 56(9): 873-880. doi:https://doi.org/10.1186/BF03352534.

متن کامل:



 

ارزیابی میزان تغییرات کمی منابع آب سطحی متأثر از زلزله سرپل ذهاب با استفاده از داده‌های ماهواره‌ای

چکیده

زلزله علاوه بر­­اثرهاي مخرب بر­سازه‌هایي كه به دست انسان ساخته‌شده‌اند، بر منابع آب­های سطحی نيز اثرات متفاوت دارد. همواره رخداد زلزله‌ها بسته به‌شدت، زمان، جهت و عمق آن، باعث افزایش یا کاهش دبی آب (رودخانه و یا حجم آب یک چاه یا چشمه) می‌شود. حتی ممکن است باعث جریان یافتن آب­ چشمه‌ای شود که سالیان سال خشک‌شده است. استفاده از فن­آوری سنجش­ازدور در علوم مختلف زمین به دلیل پوشش وسیع تصاویر ماهواره­ای، بهنگام بودن تصاویر و هزینه پایین آن نسبت به روش­های زمینی بسیار متداول است. در تحقیق حاضر جهت نیل به هدف فوق با استفاده از داده‌های ماهواره­ای و روش ترکیب تصاویر، دیتاها به‌گونه‌ای یکسان‌سازی گردیده که بتوانند در کنار همدیگر در قالب یک دیتاست برای پردازش­ها مورداستفاده قرار گیرند. در اين مقاله با استفاده از روش ترکیب تصاویر ماهواره­ای تغییرات کمی منابع آب سطحی متأثر از زلزله شهرستان سرپل ذهاب در بازه زمانی 7 روزه 19 آبان 1396 الی 25 آبان 1396 با استفاده از داده­های راداری (S_1A-IW- 1SDV)، و داده­های اپتیکی لندست 8 (OLI)، با اعمال فن‌های سنجش‌ازدوری و شاخص­های تشخیص تغییرات منابع آب ازجمله شاخص تفاضل پوشش گیاهی، شاخص اختلاف آب نرمال شده در محیط نرم‌افزار انوی و سپس تجزیه‌وتحلیل در محیط نرم‌افزار  ArcGIS به‌دست‌آمده است. بررسی نتایج تغییرات کمی منابع آب­های سطحی نشان می­دهد که در بازده زمانی 7 روزه بعد از رخداد زلزله در محدوده موردمطالعه بیشترین میزان تغییرات کمی(به‌صورت کاهشی) در سدهای (تنگه حمام و سد گیلان غرب) اتفاق افتاده است. به‌گونه‌ای که سد تنگه حمام دچار کاهشی به مقدار 13/0 مترمربع و سد گیلان غرب کاهشی به مقدار 07/0 مترمربع بوده. همچنین تغییرات کمی به‌صورت افزایشی در سطح (سراب گرم سرپل ذهاب (منبع آب شرب منطقه)، رودخانه سیروان و مسیل­ها)، اتفاق افتاده و درمجموع به مقدار 7523421 مترمربع تغییرات در سطح منابع آب­های سطحی منطقه موردمطالعه بعد از رخداد زلزله وجود داشته است.

کلیدواژه : زلزله، سنجش‌ازدور، سرپل ذهاب - ازگله ، شاخص شاخص تفاضل پوشش گیاهی ، منابع آب

 

 

 

 

 

مقدمه

یکی از تنگناهای اساسی دنیای امروز کافی نبودن آب برای مصارف گوناگون اعم از شرب، صنعت، کشاورزی و محیط­های طبیعی است(20). نیاز روزافزون انسان به آب از یکسو و کمبود آن از سوی دیگر که با خطرات متفاوتی نظیر افت سطح، کاهش میزان تغذیه به سبب نقصان بارندگی و آلاینده­های طبیعی و غیرطبیعی و همچنین تأثیرات بلایایی طبیعی ازجمله زلزله است(1). زلزله علاوه بر­­اثرهاي مخرب برسازه‌هایی که به دست انسان ساخته‌شده‌اند، بر منابع آبی و چشمه‌ها نيز اثر منفی دارد. همواره این باور در افراد قدیمی که تجربه پشت سر گذاشتن زلزله­‌های متعدد را در کارنامه ­زندگی خوددارند، وجود­ دارد که با آمدن زلزله‌ها بسته به‌شدت، زمان، جهت و عمق آن، گاهي باعث افزایش یا کاهش دبی آب یک چشمه و یا حجم آب یک چاه آب شود(2). حتی ممکن است باعث جریان یافتن آب­ چشمه‌ای شود که سالیان سال خشک‌شده است یا چشمه و برون‌زدگی آب جدیدی ايجاد شود و برعکس موارد ذکرشده هم ممکن است اتفاق بیفتد(2). تغییرات سطح آب معمولاً در مناطقی که تحت تأثیر یک لرزه زمین قرار گرفته اند گزارش می شود(23). این تغييرات كه در اثر افزايش و يا كاهش فشار حفرهاي خاك ايجاد مي­شود، منجر به پايين رفتن سطح آب داخل چاه­ها و يا فوران آب از داخل آن‌ها و خشكيدن پاره­اي از چشمه­ها و قنات­ها يا جاري شدن آب از نقاطي كه قبلاً خشك بوده است، می‌گردد(13). هرچند امروزه با توجه به دست‌کاری‌های گسترده انسان در منابع آب‌های سطحی و زیرزمینی، بي‌شك اثرهاي منفی زلزله بر منابع آبی هم به لحاظ کمیت و هم به لحاظ کیفیت به‌مراتب بیشتر شده است. فن سنجش­ازدور به‌عنوان یک ابزار کارآمد برای تحلیل و تفسیر و مشخص کردن تغییرات کمی منابع آب با توجه به در دسترس بودن اطلاعات، هزینه پایین، بسیار مقرون‌به‌صرفه بوده و از دقت بالایی برخورداست(2). به دلیل محدودیت­های فن­آوری و فیزیکی، سیستم­های تصویربرداری نمی­توانند تصاویر موردنیاز برای تمیز دادن اشیاء، که به‌طور هم‌زمان حاوی سطح بالایی از اطلاعات مهم و مختلف تصویری باشند را در یک‌زمان تهیه کنند. بنابراین با توجه به توسعه­ی سریع علم سنجش‌ازدور در سال­های اخیر و نیز به دلیل گسترش کاربردهای تصاویر چند سنجنده­ای، ترکیب تصاویر به­عنوان راه­حلی مناسب برای دستیابی به تصاویری باقدرت تفکیک طیفی و مکانی بالا مطرح می‌گردد. در سنجش­ازدور داراي سنجنده­هاي متنوعي با کاربردهاي متفاوت هستیم که هرکدام از اين سنجنده­ها داري مزايا و محدوديت­هايي می­باشند. دو نمونه از پرکاربردترين اين سنجنده­ها، سنجنده­هاي اپتیک و SAR  مي­باشند. داده­هاي اپتیک از حد تفکیک رادیو متریکی مناسبي برخوردار مي­باشند که آن‌ها را جهت تهیه نقشه کاربري اراضي، نقشه تغییرات، شناسايي اهداف و کاربردهاي متنوع ديگر مناسب مي­سازد. اما با توجه به رابطه معکوس بین حد تفکیک رادیو متریکی و حد تفکیک مکاني، داده­هاي چند طیفی از حد تفکیک مکاني مطلوبي برخوردار نمی­باشند. همچنین اين نوع داده­ها به‌طور قابل‌توجهی تحت تأثیر عوامل محیطي مانند دود، مه، ابر، ریز گردها و میزان نور خورشید قرار می‌گیرند(22). داده­هاي SAR برخلاف داده­هاي اپتیک، توانايي اخذ در تمامي شرايط آب و هوايي رادارند. اين نوع داده­ها می‌توانند اطلاعات غني از بافت و ساختار ارائه داده و به مؤلفه­هاي شکل، جهت، زبري و رطوبت از عوارض روي زمین حساس هستند. از طرفي استفاده صرف از اين نوع داده­ها در کاربردهاي شهري، طبقه­بندي، تفسیر و ... کارايي مطلوبي ندارند. همچنین وجود نويز و عدم آشکارسازي مناسب لبه­ها ازجمله ضعف­هاي موجود در اين نوع داده­ها است (11 و 14). ازاین‌رو به‌کارگیری روش­ ترکیب در بهره­گیري از مزايا و فائق آمدن بر محدوديت و معايب هرکدام از اين داده­ها مؤثر است. مینیمم کردن نويز درداده SAR ، افزايش کیفیت اين داده و همچنین بهبود دقت مکاني و افزايش کنتراست در داده­هاي اپتیک از ويژگي­هاي تصوير فیوژن ‌شده است. بنابراين ترکیب اين دو نوع داده يک ديد کامل‌تر از تارگت موردنظر ارائه می‌دهد و دقت و اعتمادپذيري بالاتري براي نتايج حاصله می‌توان متصور بود(15). یکی از موارد مهم برای دستیابی به هدف انجام طبقه­بندی با دقت بالا، به‌کارگیری تلفیق داده­های حاصل از سنجنده­های مختلف به‌منظور ادغام مزایای داده­های اولیه و دستیابی به داده­های با سطح اطلاعات بسیار بالاتر از داده­های اولیه است. در این خصوص تلفیق داده­های راداری و اپتیکی اخیراً موردتوجه زیادی قرارگرفته که این به دلیل قابلیت­های منحصربه‌فرد داده­های راداری ازجمله قابلیت تصویربرداری در تمام ساعات شبانه‌روز، حساسیت به پیکربندی هندسی پدیده­ها، حساسیت به رطوبت خاک، قابلیت تصویربرداری در شرایط مختلف جوی و غیره است. لذا این داده­ها حاوی اطلاعات مکمل ارزشمندی برای داده­های اپتیکی هستند. نتايج حاصل از چندين طرح تحقيقاتي نقش مثبت سنجش­از­دور را در مطالعات منابع آب تائید کرده است.که در متن زیر به چند مورد از تحقيقات مرتبط اشاره خواهد شد. مارکاسیو و همکاران (21) در تحقیق خود مبنی بر مدل سازی اثرات زلزله بر روی سطح آب زیرزمینی: شواهدی از زلزله 2012 امیلیا (ایتالیا). آنها با یک یک مدل جریان متخلخل رسانه ای (TOUGH2) برای توصیف جریان آب زیرزمینی و تغییرات سطح آب در ارتباط با اولین انفجار اصلی ML5.9 توالی لرزه ای 2012 در امیلیا (ایتالیا) اعمال کردند. آنها به این نتیجه رسیدن که نشانه و دامنه چنین تغییراتی به موقعیت نسبی نقاط اندازه گیری با توجه به مرکز و خواص تخلخل سنگ بستگی دارد. مایکل مانگا و اینگبریگتسن (22) در پژوهش خود مبنی بر هیدروژئولوژی زلزله به این نتیجه رسیدند که پاسخ های هیدرولوژیکی به زمین لرزه ها مانند افزایش جریان ، تغییرات سطح آب و تغییر در فرکانس فوران آبفشان اغلب منعکس کننده تغییرات نفوذپذیری ناشی از امواج لرزه ای است .ماهیت پویای نفوذپذیری، همانطور که توسط پدیده های هیدرولوژیکی لرزه نگاری نشان داده شده است. چی یون و همکاران (8) تغییرات موقت پس از زمین‌لرزه چی _ چی را بر آب­های زیرسطحی منطقه که زلزله‌ای باقدرت 8/7 ریشتری را که در مرکز تایوان به وقوع پیوسته بود را موردمطالعه قرار داده­اند. به‌طورکلی 4 نوع پاسخ لرزه­ای به‌صورت متفاوت موردبررسی قرار داده شد. آنان در این مطالعه با استفاده از یک مدل یک‌بعدی، این پاسخ‌های لرزه­ای تحلیل گردید. نتایج حاصل از آزمایش‌های دقیق، تجزیه‌وتحلیل‌ها نشان داد که پاسخ نوع 1 ممکن است با یک مدل آبشویی با تخلیه زیرزمینی پس‌لرزه‌ای و پس از زمین‌لرزه در طول 500-5000 متر توضیح داده شود، پاسخ نوع 2 ممکن است سبب تخلیه و یا نفوذ بیشتر در آبخوان شود که در اثر وقوع پس‌لرزه‌های مکرر ایجادشده است. پاسخ نوع 3 ممکن است در اثر تخلیه مخروطی در آبخوان و تخلیه زیرین آبخوان در فواصل 500 تا 5000 متری آبخوان اتفاق بیفتد. پاسخ نوع 4 نوع ممکن است با استفاده از یک مدل لرزه­ای و نفوذ دوباره از آب سطحی پس از زلزله برگشت‌پذیری داشته باشد. بیشتر در فصول خشک مشاهده می‌شود که پس از زمین‌لرزه‌ها ، هدایت هیدرولیکی دچار بی‌نظمی‌های زلزله شده است. راج پانتی و همکاران (6) کیفیت آب آشامیدنی پس از زمین­لرزه در دره کثماندو را موردمطالعه قراردادند که به این نتیجه دست یافتند که بعد از زمین‌لرزه‌های عظیم خصوصیات آب ازجمله کیفیت آب و سطح آب ناگهان تغییر می‌کند که این مشاهدات در اطراف مناطق اتفاق افتاده کاملاً مشخص است. در همین ارتباط محمودی و همکار (20) به تأثیر آب‌های زیرزمینی بر زلزله و زلزله بر آب‌های زیرزمینی پرداخته­اند که در این راستا زلزله­های تاریخی و سده بیستم ایران را موردمطالعه قرار داده­اند و در ادامه فرجی(11) به بررسی تأمین آب اضطراری بعد از زلزله در شهرهای بزرگ پرداخته،و درنتیجه نکاتی را متذکر می­شود در این راستا، بررسی موقعیت جغرافیایی تأسیسات آب‌رسانی نسبت به گسل­های موجود جهت اتخاذ تدابیر پیشگیرانه در برابر زلزله نظیر نصب اتصالات انعطاف‌پذیر و غیره، برای خطوط انتقال و توزیع امری مهم و ضروری است. متناسب با پیشرفت کار تعمیرات، تقاضای آب در زمان بحران معمولاً روزبه‌روز جهت مصارف آشامیدن تا توالت و حمام افزایش می‌یابد. بنابراین افزایش تعداد مخازن اضطراری آب، تانکرهای آب و غیره نیز به‌منظور کاهش خسارات ناشی از زلزله بسیار مهم و ضروری است.

توزیع زمین­لرزه­های تاریخی و دستگاهی سده اخیر در گستره مه لرزه‌ای زمین­لرزه 21/08/1396 سرپل ذهاب (MW=7.3)، دلالت بر سابقه فعالیت لرزه­ای کم منطقه دارد. به‌جز زمین­لرزه­های مشاهده‌شده در فاصله حدود 25 کیلومتری جنوب قصر شیرین که مرتبط با وقوع فوج زمین‌لرزه‌های شهرستان قصر شیرین در آذرماه 1392 است، عملاً فعالیت لرزه­ای قابل­توجهی در منطقه در طی صدسال اخیر مشاهده نمی­گردد. غالب زمین­لرزه­های دستگاهی روی‌داده در منطقه دارای بزرگی گشتاوری کمتر از 5 هستند(10). عملاً در بخش وسیعی از گستره اطراف کانون زمین‌لرزه اخیر سرپل ذهاب، زمین‌لرزه‌ای با بزرگی بالای 6 مشاهده نمی‌گردد. یکی از مناطقی که فرضیه عدم وقوع زمین‌لرزه‌های با بزرگی بالا 7 در بخش چین‌خورده - رو رانده زاگرس را قوت می­بخشید، این بخش از زون لرزه-زمین­ساختی زاگرس بود. به لحاظ لرزه‌خیزی تاریخی اما دو زمین‌لرزه 958 و 1150 میلادی با بزرگی تخمینی به ترتیب 4/6 و 9/5 در مجاورت شهر سرپل ذهاب گزارش‌شده‌اند که سابقه لرزه­خیزی بالای این شهر را نشان می‌دهد. زمین­لرزه آوریل 958 میلادی حلوان، سرپل ذهاب کنونی را ویران کرد. زمین­لرزه که در بغداد حس شاد و پس­لرزه­های آن‌که به‌تناوب در سرتاسر ماه­های نخست سال ادامه داشت، بر منابع آب زیرزمینی در زاگرس اثر گذاشت. بزرگی زمین­لرزه­ی اصلی 4/6 در مقیاس امواج سطحی (MS) برآورد شده است. زمین‌لرزه آوریل 1150 میلادی حلوان نیز زمین­لرزه­ی ویرانگر دیگری است که در منطقه­ی حلوان (سرپل ذهاب) روی داد و سبب دگر ریختی‌های زمین در کوه­ها شد. رباط بهروزی ویران شد و شمار زیادی از کوچ‌نشینان ترکمن کشته شدند. در بغداد زمین­لرزه به­شدت حس شد و زمین بهنگام جنبش چند بار شکل امواج به خود گرفت و باعث ترک خوردن برخی دیوارها شد. بزرگی این زمین‌لرزه 9/5 در مقیاس امواج سطحی (M s) برآورد شده است(25). ازنظر سازوکار گسل­های این بخش از زاگرس، همان‌طور که مشاهده می‌گردد غالب سازوکارهای حاکم بر زمین‌لرزه‌های این زون از نوع معکوس یا تراستی بر روی صفحه­های با روند شمال غرب-جنوب شرق کم‌وبیش مشابه سازوکار زمین‌لرزه اخیر سرپل ذهاب هستند. بررسی­های لرزه‌زمین‌ساختی منطقه زاگرس به‌طور عمده به مطالعات لرزه­خیزی این منطقه محدود گردیده است. این موضوع ازآنجا ناشی می‌شود که گسلش لرزه زا در منطقه زاگرس در سطح زمین رخنمون ندارد(10). اساساً تغییر شکل الاستیک و رویداد زمین­لرزه­های بزرگ در امتداد زون‌های گسلی اصلی در منطقه زاگرس به فوقانی­ترین بخش پی­سنگ (ژرفای 8 تا 12کیلومتر) محدود گردیده و به دلیل وجود لایه­های تبخیری که در افق­های مختلف پوشش رسوبی وجود دارد، شکستگی به سطح زمین نمی‌رسد. به دلیل محدودیت مذکور، از مدت­ها پیش بررسی ساخت‌های ریخت شناختی زاگرس در پیوند با تمرکز سطحی زمین­لرزه­ها موردتوجه پژوهش­گران قرارگرفته است. نتیجه این بررسی­ها به شناسایی تعدادی از عوارض ریخت زمین­ساختی لرزه زا منجر گردید (فالکن، 1961؛ نی و بر زنگی، 1986؛ بربریان، 19). از میان عوارض مزبور، خمیدگی جبهه کوهستان (فالکن، 1961)، بعدها توسط بربریان (1995) نامیده شد، از ویژگی‌های خاصی برخوردار است. بربریان(1955) به تمرکز زمین­لرزه­های متوسط و بزرگ بر روی این ساختار (در شمال غرب گسل کازرون) اشاره نموده و آن را به فعالیت گسل پی­سنگی مسبب این ساختار نسبت داد. تمرکز زمین­لرزه­های متوسط و بزرگ بر روی گسل جبهه کوهستان (MFF)، همچنین بالاترین نرخ کوتاه شدگی به‌دست‌آمده از اندازه‌گیری‌های GPS در طول آن بیانگر آن است که امروزه این گسل نسبت به سایر گسل­های معکوس زاگرس از بیشترین فعالیت لرزه­خیزی در شمال غربی زاگرس برخوردار است. کانون سطحی و سازوکار کانونی زمین­لرزه 21 آبان سرپل ذهاب حکایت از این دارد که گسل مسبب این زمین­لرزه یکی از قطعه­های با راستای شمال -شمال غرب گسل جبهه کوهستان (MFF) است که با زاویۀ بسیار کم (15-10 درجه) به سمت شرق شیب دارد. با توجه به اینکه ایران و استان کرمانشاه دارای موقعیت زلزله‌خیز است و همچنین با توجه به‌قرار گرفتن کشور ایران در منطقه خشک و نیمه‌خشک جهان و بیشتر شدن خشک‌سالی در عهد حاضر شناسایی و شناخت کافی از منابع آب لازم و ضروری است. آنچه واضح است دسترسی به آب شرب قطعاً جزء چند نیاز اولیه هر انسان برای بقاء است. این پژوهش سعی دارد با ترکیب داده‌های راداری SAR مربوط به( 26 آبان 1396. 5 روز بعد از رخداد زلزله) و داده اپتیکی مربوط به( 19آبان 1396. 2روز قبل از زلزله) در جهت پایش تغییرات کمی منابع آب در بازده 7 روزه مطلوب‌ترین نتیجه را به دست آورد. 

موقعیت جغرافیایی منطقه موردمطالعه 

مرکز شهرستان سرپل ذهاب، شهر سرپل ذهاب است که در ۵۵۰ متری از سطح دریا و در ۱۴۷ کیلومتری راه اصلی کرمانشاه - قصر شیرین قرار دارد. موقعیت جغرافیایی این شهر در ۴۵ درجه و ۵۲ دقیقه طول شرقی و ۳۴ درجه و ۲۴ درجه عرض جغرافیایی است. دارای پنج دهستان است که شامل:  ۱- قره‌بلاغ  ۲- بز میرآباد  ۳- قلعه شاهین  ۴- دشت ذهاب  ۵- پاطاق (بشیوه). این شهرستان از جلگه‌ای وسیع تشکیل‌شده که اطراف آن را ارتفاعات و تپه‌ماهورهای احاطه کرده که باعث ایجاد دشت­های حاصلخیز شده است (شکل1). در ساعت 21 و 48 دقیقه (به­وقت محلی) روز 21 آبان ماه 1396 هجری شمسی،زمین­لرزه­ای با بزرگی گشتاوری 3/7 در فاصله 10کیلومتری ازگله و حدود 37 کیلومتری شمال غرب شهرستان سرپل ذهاب از استان کرمانشاه، واقع در مرز ایران و عراق به وقوع پیوست. شبکه لرزه­نگاری کشوری وابسته به موسسه ژئوفیزیک دانشگاه تهران، با توجه به استفاده از ایستگاه‌های محلی، به‌ویژه قرائت­های فاز سه ایستگاه واقع در کشور عراق، کانون زمین‌لرزه را در مختصات 77/34درجه عرض شمالی و  76/45 درجه طول خاوری مکان­یابی نمود که از دقت مطلوب­تری برخوردار است. بر اساس آخرین مکان­یابی صورت گرفته، عمق کانونی زمین‌لرزه حدود 18 کیلومتر برآورد شده است(10). 

 

شکل 1. موقعیت جغرافیایی منطقه موردمطالعه

Fig 1. Geographical location of the study area

ازنظر زمین­شناسی شهر سرپل ذهاب در خط­لقعر یک ناودیس با روند شمالغرب-جنوب­شرق قرارگرفته است. یال شمالی این ناودیس بانام کوه میان کال و لایه­های با شیب برگشته مرز شمالی شهر را به وجود آورده است و رودخانه الوند با قطع این کوه از میان شهر می­گذرد (10). گسل یا گسله به شکستگی‌هایی اطلاق می‌شود که سنگ‌های دو طرف صفحه شکستگی نسبت به همدیگر حرکت کرده باشند. این جابه‌جایی می‌تواند از چند میلی­متر تا صدها متر باشد. انرژی آزادشده به هنگام حرکت سریع گسل‌های فعال، عامل وقوع اغلب زمین­لرزه­ها است. ایران ما به لحاظ زمین‌شناختی به چند منطقه ازجمله منطقه زمین‌شناختی آذربایجان، زاگرس، ایران مرکزی و ... تقسیم می‌شود که منطقه زاگرس ازجمله مناطق دارای سطح فعالیت بالا محسوب می‌شود. گسل‌ها در پوسته­ی زمین در مقیاس­های مختلفی تشکیل می­شوند. عملکرد گسل­ها، ترتیب قرارگیری واحد­های سنگی را برهم زده و مسائل پیچیده­ای را به وجود می­آورد. گسل­ها می‌توانند توپوگرافی سطح زمین را تغییر دهند. گسل­ها همچنین می‌توانند بر نحوه­ی توزیع منابع طبیعی همچون آب­های سطحی تأثیرگذار باشند. فرایند­های تک تونیکی مخصوصاً گسل­ها در ابعاد کمی و کیفی فرایند­های هیدروژئولوژیکی نقش اساسی و مهمی را ایفا می­کنند. گسل­ها گاهی موجب تغییر مسیر رودها، ایجاد آبراهه­ها، پدید آمدن چشمه­های مختلف و ایجاد اشکال مختلف هیدروژئولوژیکی گوناگونی می­شوند. گسل­های اصلی منطقه از دو گروه امتدادلغز و رو رانده بوده که در شکل‌گیری ساختاری منطقه و تغییرات رخساره­ای نقش اساسی ایفا نموده­اند(24). تقسیم‌بندي­هاي متفاوتی توسط علوي 1994 و بربریان 1995 و دیگران براي زاگرس ارائه‌شده است که در جدیدترین تقسیم‌بندي، کوه­هاي زاگرس از شمال شرق به جنوب غرب، به چند قسمت اصلی تقسیم‌بندي شده‌اند که شامل پهنه‌هاي زاگرس مرتفع، زاگرس چین‌خورده، فروبار دزفول و منطقه پیش ژرفاي زاگرس و حاشیه شمالی پلتفرم عربستان است. این پهنه‌هاي ساختاري توسط گسل‌هاي مهم از هم جداشده‌اند، (با توجه به شکل 2)، مرز بین زاگرس مرتفع و زاگرس چین‌خورده ساده، گسلی است؛ که تحت عنوان گسل تراستی اصلی زاگرس نام‌گذاری شده است. این گسل در حاشیه شمالی گستره موردمطالعه قرار دارد. مرز پهنه ساختاري زاگرس چین‌خورده و فروبار دزفول نیز گسلی است که تحت عنوان گسل بالا رود نام‌گذاری شده است که بخشی از گسل پیشانی کوهستان است. گسل بالا رود در بیشتر مکان­ها توسط رسوبات سنوزوئیک پوشیده شده است(10). انشعاباتی از این گسل را در حاشیه شمالی و جنوبی طاقدیس گورپی می‌توان مشاهده نمود. گستره موردمطالعه در پهنه ساختاري زاگرس چین‌خورده ساده در غرب ایران در فاصله 15 کیلومتري مرز ایران و عراق قرارگرفته است. در ساعت  21 و 48 دقیقه (به­وقت محلی) روز 21 آبان ماه 96 هجری شمسی، زمین­لرزه­ای با بزرگی گشتاوری 3/7 در فاصله 10 کیلومتری ازگله و حدود 37 کیلومتری شمال غرب شهرستان سرپل ذهاب از استان کرمانشاه، واقع در مرز ایران و عراق به وقوع پیوست. شبکه لرزه­نگاری کشوری وابسته به موسسه ژئوفیزیک دانشگاه تهران، با توجه به استفاده از ایستگاه‌های محلی، به‌ویژه قرائت­های فاز سه ایستگاه واقع در کشور عراق، کانون زمین‌لرزه را در مختصات 77/34 درجه عرض شمالی و 76/45 درجه طول خاوری مکان­یابی نمود که از دقت مطلوب­تری برخوردار است. بر اساس آخرین مکان­یابی صورت گرفته، عمق کانونی زمین‌لرزه حدود 18 کیلومتر برآورد شده است (8). کانون سطحی و سازوکار کانونی زمین­لرزه 21 آبان سرپل ذهاب حکایت از این دارد که گسل مسبب این زمین­لرزه یکی از قطعه­های با راستای شمال-شمال غرب گسل جبهه کوهستان (MFF) است که با زاویۀ بسیار کم (15 - 10) به سمت شرق شیب دارد. (شکل 3) لیتولوژی منطقه موردمطالعه.

 

شکل 2 . موقعیت گسل­های منطقه موردمطالعه و گسل جبهه کوهستان (MFF).

fig 2 . Location of faults in the study area and mountain front fault (MFF).

 

شکل 3 . زمین‌شناسی منطقه موردمطالعه

Fig 3. Geology of the study area

روش تحقیق 

در اين پژوهش از تصاوير دو ماهواره لندست 8 و سنتینل 1 استفاده گرديد. ترکیب تصویر ماهواره لندست 8 سنجنده OLI باقدرت تفکیک 30 متر (شکل 4) و تصویر سنتینل 1 باقدرت تفکیک 10 متر (شکل 5) استفاده گردید. با توجه به عدم وجود تصویر لندست 8 بعد از رخداد زلزله و قبل از شروع بارندگی­ها در سطح منطقه مورد مطالعه از تصویر سنیتنل 1 استفاده شده است. با توجه به تصویر راداری استفاده شده (تفکیک مکانی 10متری) و لندست 8 (30) متری، از روش­ها گرم اسمیت استفاده گردید که اختلاف جزئیات مکانی بین دو تصویر کمتر بشه تا دیتاکامبیشن بهتری رو داشته باشیم. به همین خاطر باندهای مالتی اسپکترال لندست رو با باند پانکروماتیک لندست فیوژن  کرده و به توان مکانی 15 متر رساندیم. در تحقيق حاضر نزديك بودن تاريخ اخذ تصاوير مدنظر قرارگرفته شد تا خطاي ناشي از تغييرات درجات خاكستري حداقل شود و پارامترهای محیطی (اقلیمی) تاثیرگذار بر منابع آب از جمله بارندگی، باد، رطوبت و... کاملا مورد بررسی قرار گرفته که در نتیجه نهایی تاثیرات منفی نداشته باشد.

 

شکل 4. منطقه موردمطالعه در تصویر ماهواره‌ای لندست 8(19 آبان 1396)

Fig 4. Study area in Landsat 8 satellite image (November 10, 2017)

 

شکل 5 . منطقه موردمطالعه در تصویر ماهواره سنتینل 1(26 آبان 1396)

Fig 5. Study area in Sentinel 1 satellite image (November 17, 2017)

 

پیاده‌سازی

 به‌منظور بررسی میزان ارزیابی میزان تغییرات کمی منابع آب سطحی متأثر از زلزله شهرستان سرپل ذهاب _ازگله پردازش داده‌های سنتینل-1، از نرم‌افزارSNAP (SNAP SANTINEL، نرم افزار تخصصی پردازش تصاویر ماهواره­ای سنتینل)، و پردازش داده­های لندست 8 از نرم‌افزار ENVI5.3  استفاده گردید. این پژوهش به روش تحلیلی_توصیفی انجام‌شده و استفاده از نقشه­ها و تصاویر ماهواره­ای و درنهایت تجزیه‌وتحلیل داده­ها و مشاهدات میدانی مبنای روش کار بوده است. بدین‌صورت که با استفاده از نرم‌افزار ENVI 5.3 نرم‌افزار تخصصی داده­های ماهواره­ای تصاویر مربوط به ماهواره سنتینل 1 مربوط به 26 آبان 1396 و لندست 8 مربوط به 19 آبان 1396 با همدیگر ترکیب گردید و سپس با استفاده از دو روش 1- شناسایی منابع آب سطحی با استفاده از داده‌های لندست 8 و رادار(سنتینل 1) شامل : 1- ایجاد ترکیب رنگی باندهای 4-6-5، 2- ایجاد ترکیب رنگی RGB، 3- استفاده از شاخص NDVI، 4- استفاده از شاخص MNDWI

2- شناسایی و پایش تغییرات کمی منابع آب سطحی (پردازش و تحلیل در ENVI 5.3 و ARC GIS 10.5). نقشه میزان تغییرات کمی منابع آب­های سطحی (کاهشی_افزایشی)، منطقه موردمطالعه ایجاد و برای صحت سنجی تحقیق از بازدیدهای میدانی، گفت‌وگو با اهالی منطقه و گوگل ارث استفاده‌شده است.  

برای نمایان شدن و بررسی تغییرات در منابع آب سطحی منطقه موردمطالعه، رودخانه سیروان(شکل 6)، سد تنگه حمام و سد گیلان غرب (شکل 7)، در دو تاریخ 19 آبان 1396 (دو روز قیل از رخداد زلزله) و 26 آبان 1396 (5 روز بعد از رخداد زلزله) انتخاب و مورد برسی و تجزیه‌وتحلیل قرارگرفته است.

 

شکل 6. تصویر رودخانه سیروان. الف) تصویر ماهواره لندست به تاریخ 19 آبان 1396. ب) تصویر ماهواره سنتینل 1 به تاریخ 26 آبان 1396

Fig 6. Image of Sirvan river. A) Landsat satellite image on 10November, 2017. B) Sentinel 1 satellite image on 17November, 2017

 

شکل 7. در قسمت بالای نقشه سد گیلان غرب: ((الف) تصویر ماهواره لندست 8 به تاریخ 19 آبان 1396 و ب) تصویر ماهواره سنتینل 1 به تاریخ 26 آبان 1396). قسمت پایین نقشه سد تنگه حمام((ج) تصویر ماهواره لندست 8 به تاریخ 19 آبان 1396 و د) تصویر ماهواره سنتینل 1 به تاریخ 26 آبان 1396).

Fig 7. In the upper part of the map of West Gilan Dam: ((a) Landsat 8 satellite image on November 10, 2017 and b) Sentinel 1 satellite image on November 17, 2017). The lower part of the map of the Strait of Hammam Dam ((c) image of Landsat 8 satellite dated November 10, 2017 and d) image of Sentinel 1 satellite dated November 17, 2017).

پیش‌پردازش تصاویر ماهواره‌ای

پیش از آنکه هر نوع داده ورودي در اجراي الگوريتم تلفیق و ترکیب تصاوير وارد شود، اعمال يکسري پیش­پردازش­ها، به دلیل اخذ داده­هاي موردنظر در زمان­ها و سنجنده­هاي متفاوت و اختلافات تصاوير ازنظر قدرت تفکیک رادیومتریکی و مکاني با يکديگر بر روي آن‌ها ضروري است.

تصحیحات رادیومتریکی و اتمسفری تصویر لندست 8

با استفاده از دستور رادیومتریک کالیبریشن (radiometric calibration)، نسبت به کالبراسیون رادیومتریکی تصویر لندست اقدام و از طریق تصویر مالتی اسپکترال و انتخاب باندهای مورد نظر بجز باند (coastal aerrosol)، چرا که در فرایند پردازش مورد توجه قرار نخواهد گرفت (بدلیل همبستگی بسیار بالایی که با باند آبی دارد). سپس با استفاده از روش کویک اتمسفریک کارکشن نسبت به تصحیح دیتا اقدام نموده(2).

تصحیحات رادیومتریکی و اتمسفری تصویر سنتینل 1

در حالت ایده­آل پیش پردازش تصاویر سنتینل 1، اول باید تصحیح رادیومتریکی صورت گیرد که برای این کار در نرم افزار اسنپ (نرم افزار تخصصی داده­های سنتینل)، از طریق گزینه radiometric calibrate به تصحیح رادیومتریکی و همچنین تصحیح اتمسفری دیتای مورد نظر در آن واحد اقدام نموده. در این مرحله تصحیحاتی که انجام میگیرد اثراتی که اتمسفر (خصوصا) لایه­های بالایی از جمله یونسفر بروی امواج داده­های راداری داشتند به همراه سایر عواملی که باعث تغییر انرژی الکترومغناطیسی راداری رسیده شده به سنجنده شده­اند، تصحیح کرده و همچنین نویزهای که از طریق سنسور ایجاد شده قابل تغییر و برطرف سازی هستند(2).

تبدیل ارزش پیکسل به رادیانس طیفی در بالای اتمسفر در سنجنده

تصاویر ماهواره­ای لندست که به دست ما می‌رسد به‌صورت عدد دیجیتال DN است یعنی هر پیکسل یک عدد دیجیتال خاص بسته به قدرت تفکیک رادیومتریک سنجنده را نمایش می‌دهد. در لندست 8  قدرت تفکیک رادیومتریک 16 بیت است به این معنی که پیکسل‌ها ارزشی بین 0تا 65536 دارند(2). به‌منظور پردازش بروی تصاویر ماهواره‌ای و تبدیل DN ها به بازتاب در سطح زمین، ابتدا باید DN  ها به رادیانس طیفی تبدیل شوند، سپس رادیانس طیفی به بازتابش در بالای اتمسفر تبدیل شود و درنهایت بازتابش در بالای اتمسفر به بازتابش در سطح زمین تبدیل شود. به دست آوردن تابش طیفی در سنجنده گام اساسی در تبدیل داده‌های تصویر از سنجنده ها و سکوهای مختلف به یک مقیاس رادیومتریکی مشترک و ازلحاظ فیزیکی معنی­دار است(22). برای تبدیل DN به تابش در سنجنده لندست 1 با توجه به رابطه(1) استفاده می‌شود. 

رابطه (1)

L ML Q CAL  L A 

L رادیانس طیفی در بالای اتمسفر در سنجنده، ML فاکتور تبدیل ضربی، Q CALمقادیر پیکسل محصول استاندارد کوانتیزه شده و کالیبره شده (DN) ، L A ضریب تبدیل جمعی است. در جدول (1) مقادیر ضریب­های ضربی و جمعی تابش در بالای اتمسفر برای باندهای مختلف سنجنده OLI/TIRS ارائه‌شده است.

جدول 1. مقادیر ضریب‌های ضربی و جمعی برای باندهای مختلف سنجنده OLI/TIRS

Table 1. Values of multiplicative and collective coefficients for different bands of OLI / TIRS sensor

ضریب	باند 1	باند 2	باند 3	باند 4	باند 5	باند 6	باند 7	باند 8	باند 9	باند 10	باند 11
ML	0/0334	0/0129	0/013	0/.128	0/0102	0/063	0/0156	0/0526	0/0116	0/0245	0/0334
AL	-64/5	-66	-60/8	-51/3	-31/4	-7/8	-2/63	-58/1	-12/2	0/1	0/1

 

ترکیب تصاویر اپتیک(لندست 8) و تصویر رادار(سنتینل 1)

 در این راستا استفاده از داده‌های ماهواره­ای و روش ترکیب تصاویر،دیتاها را به‌گونه‌ای یکسان‌سازی می‌کنیم که بتوانند در کنار همدیگر در قالب یک دیتاست برای پردازش­ها مورداستفاده قرار بگیرند.

ادغام تصاویر چند طیفی با تصویر پان کروماتیک

تکنیک­های ادغام تصاویر ماهواره­ای به‌منظور بالا بردن قدرت تفکیک مکانی و طیفی استفاده می­شود. این تکنیک‌ها در 4 سطح:  سیگنال، پیکسل، ویژگی و تصمیم‌گیری، تصاویر را باهم ادغام می‌کنند. یکی از معمول‌ترین روش­های ادغام تصاویر، ادغام در سطح پیکسل است که برای بهبود کیفیت تصاویر ماهواره­ای ارائه‌شده است(2). در این تحقیق برای بالابردن تفکیک مکانی تصویر لندست و کم کردن اختلاف جزئیات مکانی بین دو تصویر لندست 8 و سنتینل 1، با استفاده از روش گرم اسمیت باندهای مالتی اسپکترال تصویر لندست 8 با باند پانکروماتیک ش فیوژن  کرده و به توان مکانی 15 متر رساندیم (شکل 8). بعد از کم کردن اختلاف مکانی بین دو تصاویر، دیتای رادار کوریجسترشده تهیه و برای کاهش اثر نویزاسپیکل از طریق فیلترهای موجود (کانگلوشن مورفولوژی) بروی دیتای کوریجستریک اعمال و در نهایت برای داشتن یک دیتاست کامل، دیتای کوریجستر شده با دیتای اپتیکال از طریق فرایند لایر استک ترکیب گردید.

 

شکل 8.  تصویر رنگی RGB الف) تصویر باندهای مالتی اسپکترال  ب) تصویر ادغام‌شده باندهای مالتی اسپکترال با تصویر پن کروماتیک

Fig 8. RGB color image a) Multispectral images and b) Multispectral images integrated with pen chromatic image

در ادامه ترکیب تصاویر با اعمال شاخص NDVI ، شاخص نرمال‌ شده (NDVI)، مخفف NORMALIZED DIFFERENCE VEGETATION INDEX است یک شاخص گرافیکی ساده‌ای است که در تحلیل‌ها و اندازه‌گیری‌های سنجش­ازدور و ارزیابی وجود یا عدم وجود پوشش گیاهی، منابع آب یک منطقه کاربرد دارد. با توجه به رابطه (2)، این شاخص برحسب دو باند قرمز و مادون‌قرمز نزدیک تعریف می‌شود که بروی تصاویر اعمال گردید.

NDVI=        رابطه (2)

همچنین شاخص MNDWI از NDWI مشتق شده است توسط (مک فترز،1425:1996) تعریف‌شده است. تعدیل شاخص آب تفاوت (NDWI) به‌منظور افزایش باز کردن ویژگی‌های آب در تصاویر سنجش‌ازدور است. با توجه به رابطه (3)، شاخص M NDWI می‌تواند مانع اختلاف ناشی از پوشش گیاهی، شهری و کوه شود، پس می‌توان از آن به‌خوبی اطلاعات آب را به دست آورد (شکل 9).

M NDWI= (Green-MIR)/(Green+MIR)        رابطه (3)

 

شکل 9.  شاخص M NDWI بروی تصویر لندست 8 و سنتینل 1

Fig 9. NDWI M index on Landsat 8 and Sentinel 1 images

در این مرحله دو شاخص مذکور اعمال‌شده بروی تصاویر به همراه تصاویر رادار و اپتیک ترکیب‌شده که بهترین ترکیب رنگی ممکن را داشته باشیم. پس از ترکیب تصاویر و به دست آوردن تصویر نهایی مربوط 19 / آبان 1396 و 26 / آبان /1396 به پایش و شناسایی تغییرات محدوده‌هایی آبی منطقه موردمطالعه می‌پردازیم. در این مرحله به نمونه‌برداری بروی هر دو تصویر نهایی به‌دست‌آمده می‌پردازیم به‌گونه‌ای که نمونه‌های تعلیمی ما منابع آبی منطقه موردمطالعه بوده و نمونه‌ها از سطوح آبی ازجمله( سدها ، رودخانه‌ها و سراب‌های) موجود برداشت‌شده‌اند. پس از نمونه‌برداری در محدوده موردمطالعه با استفاده از نمونه‌های تعلیمی به طبقه‌بندی محدوده موردمطالعه می‌پردازیم. طبقه‌بندی تصاویر ماهواره‌ای درواقع فرایندی است که در آن‌یک تصویر ماهواره‌ای که از باندهای مختلفی در طیف‌های متنوع امواج الکترومغناطیس تشکیل‌شده را به یک نقشه کاربری تبدیل کنیم که درواقع بیانگر کلاس‌های مختلف است و هر کلاس نیز ارائه‌دهنده یک کاربری خواهد بود. در این فرایند هر یاخته‌ای که دارای ویژگی همسانی با بقیه یاخته‌های مشابه هستند در یک کلاس و طبقه قرار می‌گیرد. یکی از مهم‌ترین ابزار طبقه‌بندی در طبقه‌بندی نظارت‌شده طبقه‌بندی بر اساسMaximum Likelihood است که این الگوریتم بر روی هر دو تصویر ترکیب‌شده قبل و بعد از رخداد زلزله اعمال گردیده(شکل 10). یکی از ویژگی بارز تصاویر ماهواره‌ای، چند زمانه بودن آن‌هاست که باعث می‌شود با بررسی تصویر ماهواره‌ای یک منطقه در چند زمان مختلف، تغییرات را بارز سازی (آشکارسازی) نمود. این تغییرات را هم می‌توان در وسعت پدیده‌ها (کم‌وزیاد شدن) و هم در نوع پدیده‌ها و عوارض بررسی نمود.آشکارسازی تغییرات فرایندی است که امکان مشاهده و تشخیص تفاوت‌ها و اختلافات سری زمانی پدیده‌ها، عارضه‌ها و الگوهای سطح زمین را فراهم می‌آورد. به همین دلیل برای آشکارسازی تغییرات در تصاویر قبل و بعد از رخداد زلزله از الگوریتم Change Detection استفاده و تغییرات اتفاق افتاده در طی چند روز نمایان گردیده. تصویر Change Detection به محیط ARC GIS انتقال داده‌شده و با توجه به سهولت تجزیه‌وتحلیل‌ها در این نرم‌افزار و طبقه‌بندی (سیمبولوژی) داده­ها در این نرم‌افزار پرداخته خواهد شد.

 

شکل 10. اعمال الگوریتم Maximum Likelihood برای طبقه‌بندی تصاویر

Fig 10. Applying the Maximum Likelihood algorithm to classify images

شناسایی منابع آب­ سطحی با استفاده از ایجاد ترکیب رنگی RGB از تصاویر لندست

تصاویر ماهواره‌ای دیجیتال معمولاً با استفاده از سیستم مختصات رنگ RGB که بر پایه تئوری رنگ افزایشی و سه رنگ اصلی قرمز، سبز و آبی است، نمایش داده می‌شوند(2). در مدل رنگ RGB   هر رنگ به‌صورت مؤلفه‌های طیفی اولیه قرمز، سبز و آبی ظاهر می‌شود. در مدل رنگ افزایشی هر رنگ ترکیبی از رنگ­های قرمز، سبز و آبی است. ترکیب‌های باندی به‌منظور تفسیر بصری استفاده می‌شوند. هر باند با یکی از مؤلفه‌های رنگ قرمز، سبز و آبی نسبت داده‌شده و به‌صورت تصویر رنگی RGB نمایش داده می‌شود(2). هر ترکیب رنگی برخی از پوشش‌ها بهتر از دیگر تفکیک‌ها از هم متمایز می‌کند. در این تحقیق از ترکیب باند رنگ طبیعی(4-6-5) که در آن ویژگی‌ها و مرز منابع آبی مشخص‌تر است استفاده‌شده.

تفسیر چشمی تصاویر ماهواره‌ای

به‌منظور شناسایی تغییرات کمی منابع آب  از تصاویر ترکیب باندی، از تفسیر بصری یا چشمی استفاده شد. تفسیر چشمی نقش مهمی در توسعه و کاربرد  GIS دارد. تا این اواخر، بیان تفسیر چشمی، معنای بسیار واضحی داشت . یک مفسر عکس هوایی را که به‌صورت طلق شفاف یا چاپ کاغذی بودند، تفسیر می‌کرد. امروزه تفسیر چشمی معنای جدیدی دارد. نخست اینکه مهارت‌های ضروری که مفسر برای تفسیر عکس‌های کاغذی به کار می‌برد، برای تصاویر رقومی نمایش داده‌شده روی صفحه رایانه نیز استفاده می‌شود. دوم این‌که حوزه تصاویر با جزئیات ریز، به‌عکس هوایی محدود نمی‌شود و در حال حاضر شامل انواع روزافزونی از داده‌های هوایی و ماهواره‌ای است که امکانات جدیدی را برای کاربردهای  GIS فراهم می­آورد. تحلیلگر برای تفسیر تصویر، همان کلیدهای راهنمای بصری را افراد در تجربه روزمره خود استفاده می‌کنند، به کار می‌برد. به دلیل اینکه مفهوم تفسیر تصویر باتجربه روزمره‌ی انسان بسیار متفاوت است، تجزیه‌وتحلیل تصویر به شناسایی هشت عنصر تفسیر نیاز دارد که چارچوب درک مفهوم یک تصویر را شکل می‌دهد که عبارت‌اند از : شکل، اندازه، تُن، بافت، سایه، مکان، تجمع، الگو که در ادامه به توضیح مختصر هریک می‌پردازیم.

شکل : شکل به پیرامون یک پدیده مربوط می‌شود. برخی پدیده‌ها پیرامون خاصی دارند که بیانگر نوع یا عملکرد آن‌ها است.

اندازه: اندازه، ابعاد یک پدیده به‌صورت نسبی یا مطلق است.

تُن :تُن، به روشنایی متوسط یک منطقه، یا در تصویرهای رنگی و مادون‌قرمز رنگی، به رنگ غالب یک منطقه گفته می‌شود. تُن مشاهده‌شده در تصویر ماهواره‌ای، به ماهیت منطقه و زوایای دید و تابش بستگی دارد.

بافت : بافت، تغییر در تُن یا زبری ظاهری سطح که در تصویر هوایی دیده می‌شود است.  بافت با زیر سایه‌ها(سایه‌های کوچک ایجادشده در اثر بی‌نظمی‌های کوچک در سطح زمین) ایجاد می‌شود.

سایه : منظور از سایه، سایه‌های مشخص و بزرگی است که پیرامون یک پدیده تصویر شده روی یک سطح صاف را آشکار می‌کند و ماهیت آن به ماهیت شیء، زاویه تابش، پرسپکتیو و شیب سطح زمین بستگی دارد.

مکان : مکان به موقعیت پدیده با توجه به توپوگرافی اشاره دارد. بسیاری از پدیده‌ها، با عملکرد ذاتی خود، باید موقعیت‌های توپوگرافی مشخصی را اشغال کنند.

تجمع: منظور از تجمع یا همراهی، روابط درونی مکانی مشخص بین پدیده‌ها است که معمولاً به دلیل ارتباط عملکردی بین مؤلفه‌های موردنظر ایجاد می‌شود. برای مثال، محوطه‌های بزرگ پارکینگ مرتبط با مراکز خرید، اغلب مشخص‌ترین شاخص‌های چشمی آن‌هاست.

الگو : الگو به نظم و ترتیب مشخص پدیده اشاره دارد. باغ‌ها که در آن درختان در ردیف‌هایی قرار می‌گیرند و همچنین قرارگیری منظم سنگ‌قبرها در قبرستان از نمونه‌های آشکار آن است.

در این تحقیق از میان عناصر تفسیر، اندازه تفسیر بیشتر مورداستفاده قرار گرفت زیرا مسیر آب‌های جاری(رودخانه‌ها) که در بازده چندروزه دچار تغییرات شده بودند بروی تصاویر ماهواره‌ای کاملاً مشخص‌اند.

ترکیب باندهای 4-6-5 برای تشخیص بهتر و دقیق‌تر مرزهای منابع آب

این ترکیب مرزهای آب را باکیفیت‌تر ارائه می‌دهد و جزئیاتی که به‌آسانی در باندهای مرئی به‌تنهایی آشکار نیست را بارز می‌کند. دریاچه‌های داخلی و رودخانه‌ها را می‌توان با دقت بیشتری مشخص کرد(شکل 11).

 

شکل 11.  ترکیب باندی 4-6-5 برای تشخیص دقیق‌تر مرز منابع آب

Fig 11. Band composition 4-6-5 for more accurate identification of water resources boundary

نتایج

روش ترکیب داده­های راداری و اپتیک در این پژوهش، ظرفیت مناسبی از قابلیت‌های آن در تعیین میزان تغییرات کمی منابع آب سطحی در محدوده موردمطالعه را معرفی کرد. ترکیب تصاویر رادار و اپتیک در پایش و بررسی تغییرات کمی منابع آب نسبت به سایر روش­ها عملکرد بهتری را داشته و تغییرات را بهتر نشان می‌دهد. با استفاده از الگوریتم Calculating Geometry در محیط ARC GIS مساحت و حجم تغییرات را به دست آورده، به‌گونه‌ای که منابع آب منطقه موردمطالعه ازلحاظ کمیت به مقدار 7523421 مترمربع تغییرات داشته‌اند(شکل 12).

 

شکل 12. نمایان‌سازی تغییرات در محیط ARC GIS  و طبقه‌بندی (سیمبولوژی).

Fig 12. Demonstration of changes in the ARC GIS environment and classification (symbolism).

با توجه به شکل­های (13 و 14) نقشه تغییرات کمی منابع آب(به‌صورت کاهشی) در سد تنگه حمام و سد گیلان غرب تشخیص داده شد که این نقشه با ترکیب داده­های سنتینل 1 و لندست 8 و با استفاده از نرم‌افزارهای SNAP SANTINEL Google Earth, و ENVI در محیط نرم‌افزار Arc gis به‌دست‌آمده است. 

 

شکل 13. تغییر (کاهشی)، سد تنگه حمام بعد از رخداد زلزله

Fige 13. Change (decrease), bath strait dam after an earthquake

 

شکل 14.  تغییر (کاهشی)، سد گیلان غرب بعد از رخداد زلزله

Fig 14. Change (decrease), West Gilan Dam after the earthquake

با توجه به شکل (15 و 16) نقشه تغییرات کمی منابع آب(به‌صورت افزایشی) در سراب گرم شهرستان سرپل ذهاب(منبع آب شرب)، رودخانه سیروان و مسیل­ها تشخیص داده شد که این نقشه با ترکیب داده­های سنتینل 1 و لندست 8 و با استفاده از نرم‌افزارهای SNAP SANTINEL Google Earth, و ENVI در محیط نرم‌افزار Arc gis به‌دست‌آمده است.

 

شکل 15 . تصویر سمت راست) رودخانه سیروان قبل از زلزله. تصویر سمت چپ) رودخانه سیروان بعد از رخداد زلزله.

Fig 15. Picture on the right) Sirvan River before the earthquake. Picture on the left) Sirvan River after the earthquake

 

شکل 16. تغییرات کمی منابع آب سطحی در رودخانه­ها و مسیل­های منطقه موردمطالعه

Fig 16. Quantitative changes in surface water resources in rivers and streams in the study area

بحث و نتیجه­گیری

آب از ديرباز براي بشر از اهميت خاصي برخوردار بوده است و با افزايش جمعيت و صنعتي شدن جوامع و  تغيير عادات فرهنگي و مصرفي آن‌ها، روزبه‌روز بر ارزش و اهميت اين مایع افزوده می‌شود. بر اساس بررسی‌های به‌عمل‌آمده توسط کارشناسان فائو(فائو،1990)، میزان سرانه منابع آب ایران در سال 1990 ميلادي معادل 2200 مترمکعب در سال بوده که پیش‌بینی‌شده است در سال 2025 میلادی به رقمی بين 627 تا 860 مترمکعب در سال کاهش یابد. بر اين اساس ملاحظه می‌شود که ایران کشوري است که با کمبود شدید آب روبرو است. بحران خشک‌سالی در ایران و به‌طور گسترده‌تر در منطقه خاورمیانه  به‌گونه‌ای جدی است که پیش‌بینی می‌شود اختلافات مربوط به مسائل آب، مهم‌ترین عامل بحران‌ساز بین کشورهای منطقه در دهه‌های آینده است. زلزله علاوه بر­­اثرهاي مخرب بر­سازه‌هایي كه به دست انسان ساخته‌شده‌اند، بر منابع آبی و چشمه‌ها نيز اثر منفی دارد. همواره این باور در افراد قدیمی که تجربه پشت سر گذاشتن زلزله­‌های متعدد را در کارنامه ­زندگی خوددارند، وجود­ دارد که با آمدن زلزله‌ها بسته به‌شدت، زمان، جهت و عمق آن، گاهي باعث افزایش یا کاهش دبی آب یک چشمه و یا حجم آب یک چاه آب شود. حتی ممکن است باعث جریان یافتن آب ­چشمه‌ای شود که سالیان سال خشک‌شده است یا چشمه و برون‌زدگی آب جدیدی ايجاد شود و برعکس موارد ذکرشده هم ممکن است اتفاق بیفتد. هرچند امروزه با توجه به دست‌کاری‌های گسترده انسان در منابع آب‌های سطحی و زیرزمینی، بي‌شك اثرهاي منفی زلزله بر منابع آبی هم به لحاظ کمیت و هم به لحاظ کیفیت به‌مراتب بیشتر شده است. فن سنجش­ازدور به‌عنوان یک ابزار کارآمد برای تحلیل و تفسیر و مشخص کردن تغییرات کمی منابع آب با توجه به در دسترس بودن اطلاعات،هزینه پایین، بسیار مقرون‌به‌صرفه بوده و از دقت بالایی برخورداست. به دلیل محدودیت‌های فن‌آوری و فیزیکی، سیستم­های تصویربرداری نمی­توانند تصاویر موردنیاز برای تمیز دادن اشیاء، که بطورهمزمان حاوی سطح بالایی از اطلاعات مهم و مختلف تصویری باشند را در یک‌زمان تهیه کنند. بنابراین با توجه به توسعه­ی سریع علم سنجش‌ازدور در سال‌های اخیر و نیز به دلیل گسترش کاربردهای تصاویر چند سنجنده، ترکیب تصاویر به­عنوان راه­حلی مناسب برای دستیابی به تصاویری باقدرت تفکیک طیفی و مکانی بالا مطرح می‌گردد. در سنجش­ازدور داراي سنجنده­هاي متنوعي با کاربردهاي متفاوت هستیم که هرکدام از اين سنجنده­ها داري مزايا و محدوديت­هايي می­باشند. یکی از موارد مهم برای دستیابی به هدف انجام طبقه­بندی با دقت بالا، به‌کارگیری تلفیق داده­های حاصل از سنجنده­های مختلف به‌منظور ادغام مزایای داده­های اولیه و دستیابی به دادهای با سطح اطلاعات بسیار بالاتر از داده­های اولیه است. در این خصوص تلفیق داده­های راداری و اپتیکی اخیراً موردتوجه زیادی قرارگرفته که این به دلیل قابلیت‌های منحصربه‌فرد داده­های راداری ازجمله قابلیت تصویربرداری در تمام ساعات شبانه‌روز، حساسیت به پیکربندی هندسی پدیده­ها، حساسیت به رطوبت خاک، قابلیت تصویربرداری در شرایط مختلف جوی و غیره است. لذا این داده­ها حاوی اطلاعات مکمل ارزشمندی برای داده­های اپتیکی هستند. مديريت عرضه و تقاضاي آب از مهم‌ترین مسائل پيش روي سياست­گذاران كشور است. سياست­گذاران بدون ترسيم دورنماي آينده بخش آب، قادر به مديريت صحيح اين بخش نخواهند بود. بنابراين لازم است كه چشم‌اندازهای آتي، شرايط و پیش‌نیازهای بخش آب ترسيم گردد. به همین منظور در این مطالعه به پایش اثرات زلزله با استفاده از داده‌های ماهواره‌ای(سنجش‌ازدور) و بررسی میزان تغییرات کمی منابع آب سطحی در فاصله 5 روز بعد از زلزله 21 آبان 1396 شهرستان سرپل ذهاب با بهره­گیری از فن‌آوری سنجش‌ازدور صورت گرفته است که نشان‌دهنده تفاوت 7523421 مترمربعی منابع سطحی آب به فاصله دو روز قبل از رخداد زلزله و 6 روز بعد از رخداد در منطقه موردمطالعه بوده است. نتایج نشان می­دهند که در اثر رخداد زلزله حجم سطح آب سد تنگه حمام قبل از رخداد زلزله (تجزیه‌وتحلیل در نرم‌افزار ARC gis)، 04/4 مترمربع بوده که همین مقدار حجم بعد از رخداد زلزله به 91/3 مترمربع کاهش‌یافته است. مقدار تفاضل کاهشی 0.13 مترمربع است. همچنین حجم سد گیلان غرب قبل از رخداد زلزله (تجزیه‌وتحلیل در نرم‌افزارARC GIS)، 26/3 مترمربع بوده که همین مقدار حجم بعد از رخداد زلزله به 18/3 مترمربع کاهش‌یافته است. نتایج بیان‌کننده این مطلب هستند که رخداد زلزله باعث افزایش خروج آب­های زیرزمینی و کم شدن حجم سطح سدهای منطقه و تغذیه رودخانه‌های سطحی منطقه ازجمله(رودخانه سیروان) و درنهایت موجب تلف شدن آب گردیده و در بعضی از مکان‌ها باعث خشک شدن چشمه ها و لطمه زدن به شرایط نرمال زندگی شده است. 

منابع

1. Ambraseys N.N., Melville C., A history of Persian earthquakes. Cambridge University Press, Cambridge, EARTHQUAKE ENGINEERING AND STRUCTURAL DYNAMICS, 1983. No. of pages: 219. Price: £35. doi.org/10.1002/eqe.4290110412

2. Ali Abdol Maleki, Amjad Maleki, Ali Khazaei. Monitoring the quantitative and qualitative changes of surface water resources affected by earthquakes using remote sensing (Case study of Sarpol-e Zahab. November 13, 2017 earthquake).Thesis for receiving a master's degree in geography majoring in geomorphology in environmental planning. Faculty of Literature and Humanities, Department of Geography. Razi University of Kermanshah. .( in Persian).

3. Arun Kulkarni(2011) IWater Quality Retrieval from Landsat TM Imagery. Conference Organized by Missouri University of Science and Technology2011- Chicago, IL. December 2011Procedia Computer Science 6:475-480 .DOI:10.1016/j.procs.2011.08.088.

4. Baban, Serwan M.J. 1995, "The use of Landsat imagery to map fluvial sediment discharge into coastal waters" , Marine Geology. Volume 123, Issues 3–4, April 1995, Pages 263-270. https://doi.org/10.1016/0025-3227(95)00003-H.

5. Bhargava DS, Mariam DW. Cumulative effects of salinity and sediment concentration on reflectance measurements. International Journal of Remote Sensing. Pages 2151-2159 | Received 16 Aug 1990, Accepted 21 Dec 1990, Published online: 25 Jun 2007. https://doi.org/10.1080/01431169208904258.

6. Bhoj Raj Pant, Kanchan Thapa and Rashmi Koju(2016) Post-earthquake drinking water quality in the Kathmandu valley: A pilot study, A l Am een J Me d S c i 2 0 1 6 ; 9 ( 2 ) : 1 3 0 - 1 3 3 ● US National Library of Medicine enlisted journal ● IS SN 0 9 7 4 - 1 1 4 3.

7.  C. Pohl and J. L. Van Genderen, "Review article multisensor image fusion in remote sensing: concepts,methods and applications," International journal of remote sensing, vol. 19, Pages 823-854  https://doi.org/10.1080/014311698215748.

8. Chi-Yuen Wang. Douglas S. Dreger, Chung-Ho Wang, Daniel Mayeri, and James G. Berryman. Field relations among coseismic ground motion, water level change and liquefaction for the 1999 Chi-Chi (Mw = 7.5) earthquake, Taiwan. GEOPHYSICAL RESEARCH LETTERS, VOL. 30, NO. 17, 1890, doi:10.1029/2003GL017601, 2003.

9. Delacourt, C., Raucoules, D., Le Mouélic, S., Carnec, C., Feurer, D., Allemand, P., & Cruchet, M. (2009). Observation of a large Landslide on La Reunion Island using differential Sar Interferometry (JERS and Radarsat) and correlation of optical (Spot5 and Aerial) images. 2009;9(1):616-30. doi: 10.3390/s90100616. Epub 2009 Jan 21.

10. Earthquake Report November 12, 2017 Sarpol-e Zahab, Kermanshah Province (Fifth Edition). Volume 1: Seismological Aspects. International Institute of Seismology and Earthquake Engineering.( in Persian).

11. Faraji, Mehdi Emergency water supply in large cities after the earthquake, the 3rd International Conference on Comprehensive Crisis Management in Natural Disasters, Tehran. https://civilica.com/doc/33237/.( in Persian).

12. F. L. Hellweger, P. Schlosser, U. Lall, J. K. Weissel. Use of satellite imagery for water quality studies in New York Harbor. Estuarine, Coastal and Shelf Science. Volume 61, Issue 3, November 2004, Pages 437-448. https://doi.org/10.1016/j.ecss.2004.06.019.

13. Hartman, J. and Jason, L., (2006). “The influence of Seismotectonics on Precursory Changes in Groundwater composition for the 1995 Kobe Earthquake, Japan”, Hydrogeology Journal, No.14: pp1307-1318. https://doi.org/10.1007/s10040-006-0030-7.

14.  Jerry C. Ritchie, Paul V. Zimba, and James H. Everitt.Remote Sensing Techniques to Assess Water Quality. June 2003.Photogrammetric Engineering and Remote Sensing 69(6). DOI:10.14358/PERS.69.6.695.

15.  Khorram, s. and Cheshier, H. (1985). Remote Sensing of Water Quality in the Neuse River Estuary, North Carolina. PHOTOGRAMMETRIC ENGINEERING & REMOTE SENSING. Vol. 51, No. 3, March 1985, pp. 329-341. 1985 American Society of Photograinmetry.

16.  Lee, T. H., & Moon, W. M. (2002). Lineament extraction from Landsat TM, JERS-1 SAR, and DEM for geological applications. In Geoscience and Remote Sensing Symposium, 2002.IGARSS'02. 2002 IEEE International (Vol. 6, pp. 3276-3278). IEEE. DOI: 10.1109/IGARSS.2002.1027154.

17.  McFeeters, S.K., (1996), The use of normalized difference water index (NDWI) in the delineation of open water features, International Journal of Remote Sensing, 17(7), PP.1425–1432. doi.org/10.1080/01431169608948714.

18.  Mehdi Momipour. Study of coastal water quality with Hyperion hyperspectral satellite images - A case study of Arvandkenar coast. Iranian Journal of Marine Science and Technology. https://www.sid.ir/fa/journal/ViewPaper.aspx?id=282765. ( in Persian).

19.  Matsuoka, Y, Kawamura, H, Sakaida, F, Hosoda, K (2011). "Retrieval of high-resolution sea surface temperature data for Sendai Bay, Japan, using the Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER)". REMOTE SENSING OF ENVIRONMENT, 115(1), 205-213. DOI: 10.1016/j.rse.2010.08.018.

20.  Mahmoudi, Mena and Mohammadi Roozbehani, Maryam. Investigating the Impact of Groundwater on Earthquake and Earthquake on Groundwater, National Conference on Water, Man and Earth, Isfahan. https://civilica.com/doc/319043/.( in Persian).

21.  M. NESPOLI , M. TODESCO, E. SERPELLONI, M. E. BELARDINELLI, M. BONAFEDE, M. MARCACCIO, A. P. RINALDI , L. ANDERLINI1 , AND A. GUALANDI. Modeling earthquake effects on groundwater levels: evidences from the 2012 Emilia earthquake (Italy). Geofluids (2016) 16, 452–463. doi: 10.1111/gfl.12165.

22.  Michael Manga, S. E. Ingebritsen. Earthquake Hydrogeology. Water Resources Research, 55, 5212–5216. https://doi.org/10.1029/2019WR025341.

23.  Oli, p.p. (2001); Spatial data for landuse planning in Nepal, International conference on spatial information for sustainable development, Nairobi, Kenya 2–5 October 2001.

24.  Turker, M.San, B.T," Detection of collapsed buildings caused by the 1999 Izmit, Turkey earthquake through digital analysis of post-event aerial photographs". International Journal of Remote Sensing. Pages 4701-4714 | Published online: 26 Nov 2010. https://doi.org/10.1080/01431160410001709976.

25.  Wen-Chi, W., Naoji, K., Norio, M.,Yuichi, K., Ching-Wee, L., Chjeng,S., and Youe-Ping, L., (2004).“Effects of Seismic Ground motionand Geological setting on theCoseismic Groundwater levelChanges Caused by the 1999 Chi-ChiEarthquake, Taiwan”, Earth PlanetsSpace, No.56: pp873-880.

26.  Wang, R., Luo, Y., Yang, Y., Tian, F., Zho u, Y., and Tian, M.-Z.: Characterization of land subsidence induced by groundwater withdrawals in Wenyu River alluvial fan, Beijing, China, Proc. IAHS, 372, 481–484, https://doi.org/10.5194/piahs-372-481-2015, 2015.

 

Evaluation of quantitative changes in surface water resources, affected by the earthquake of Sarpol-e-Zahab, using satellite data

ABSTRACT

Earthquake In addition to the destructive effects of man-made structures, earthquakes also have different effects on surface water resources.Earthquakes always increase or decrease the water flow (river or water volume of a well or spring) depending on its intensity, time, direction and profundity. It may even cause springtime fountain to flow that has dried up over the years. The use of remote evaluation technology in various earth sciences is very common compared to geocentric methods due to the wide coverage of satellite images, the timeliness of images and its little cost.In the present perusal, in order to achieve the above purpose, using satellite data and image combination method, the data have been standardized in such a way that they can be used together in the form of a dataset for processing. In this article, using the method of combining satellite images of quantitative changes of surface water resources, affected by the SARPOL-E-ZAHAB earthquake in the course of 7 days, 11/11/2017 to 17/11/2017, using radar data (S_1A-IW-SLC) , With 100 m spatial baseline and Landsat 8 (OLI) optical data, and obtained by applying remote evaluation techniques and indicators to detect changes in water resources, including NDVI, MNDWI in ENVI software environment and then analysis in ARC GIS software environment. Examination of the results of quantitative changes in surface water resources shows that in the time period of 7 days after the earthquake in the study area, the highest amount of small changes (in a decreasing manner) occurred in dams (HAMMAM Strait and GILANGH-GHARB Dam). As the Strait of HAMMAM dam decreased by 0.13 square meters and Gilan GHARB dam decreased by 0.07 square meters. Also, small changes occurred in the surface (SARPOL-E-ZAHAB SARAB-GARM) (drinking water source of the region), SIRVAN river and canals), and there were a total of 7523421 square meters of changes in the surface water resources of the study area after the earthquake.

Keywords: Earthquake, Remote evaluation, SARPOL-E-ZAHAB-AZGELEH, Indicato NDVI, Water Resources

چکیده مبسوط

طرح مسئله: زلزله علاوه بر­­اثرهاي مخرب بر­سازه‌هایي كه به دست انسان ساخته­ شده­اند، بر منابع آب­های سطحی نيز اثرات متفاوت دارد. همواره رخداد زلزله‌ها بسته به شدت، زمان، جهت و عمق آن، باعث افزایش یا کاهش دبی آب (رودخانه و یا حجم آب یک­چاه یا چشمه) می شود. حتی ممکن است باعث جریان یافتن آب­چشمه‌ای شود که سالیان­سال خشک شده است. استفاده از فن­آوری سنجش­ازدور در علوم مختلف زمین به دلیل پوشش وسیع تصاویر ماهواره­ای، بهنگام بودن تصاویر و هزینه پایین آن نسبت به روش­های زمینی بسیار متداول است. همچنین از قابلیت های مهم و منحصربه فرد داده های رقومی ماهواره ای ، دارا بودن قدرت تفکیک زمانی، مکانی، طیفی و رادیومتریک می باشد. این ویژگی های مهم تصاویر ماهواره ای امکان بررسی های مهمی همچون ارزیابی و پایش پدیده های پویایی چون تغییرات کمی منابع آب را در ابعاد زمانی، مکانی فراهم می آورد. از آنجایی که در برخی موارد اطلاعات بدست آمده از يك سنجنده به تنهايي پاسخگوي نيازهاي مورد نظر نيست. علیرغم اينكه داده هاي چند طيفي اپتیک اطلاعات غني طيفي را از عوارض مختلف به ما مي دهد، اما به طور قابل توجهي تحت تاثير عوامل محيطي مانند دود، مه، ابر و ميزان نور خورشيد قرار مي گيرد. برخلاف سنجنده هاي اپتيك، داده­های رادار با روزنه مجازی (SAR) با مستقل بودن از شرایط آب و هوایی و تابشی مختلف و هم­چنین حساسیت پراکنش سیگنال­های آن به پارامتر­های تارگت همانند ساختار (شکل، جهت­گیری، اندازه)، میزان زبری و میزان رطوبت عوارض می­توانند اطلاعات بیش­تری را از منطقه مورد مطالعه فراهم آورد اما از سوی، تصاوير راداری نمي توانند جزئيات و لبه اشياء را به وضوح مشخص كنند. بنابراين تركيب خصوصيات مختلف از تصاوير اپتيك و داده هاي راداری با استفاده از تكنيك هاي تلفيق تصوير، مي تواند يك ديد كامل تر از تارگت مورد نظر نمایش داده و دقت و اعتمادپذيري بالاتري براي نتيجه هاي بدست آمده از اين روش ارائه دهد. 

هدف: بنابراین درتحقیق حاضرجهت نیل به هدف فوق با استفاده ازداده­های ماهواره­ای و روش ترکیب­تصاویر، دیتاها بگونه­ای یکسان سازی گردیده که بتوانند درکنار همدیگردرقالب یک دیتاست برای پردازش­ها مورد استفاده قرار گیرند.

روش تحقیق:  در اين مقاله با استفاده از روش ترکیب تصاویر ماهواره­ای تغییرات کمی منابع آب سطحی متاثرازلزله شهرستان سرپل ذهاب در بازه زمانی 7 روزه 11/11/2017 تا 17/11/2017 با استفاده از داده­های راداری (S_1A-IW-SLC)، با بیس لاین مکانی 100 متر و داده­های اپتیکی لندست 8 (OLI)، و با اعمال فن‌های سنجش‌ازدوری و شاخص­های تشخیص تغییرات منابع آب ازجمله شاخص تفاضل پوشش گیاهی، شاخص اختلاف آب نرمال شده در محیط نرم‌افزار انوی و سپس تجزیه‌وتحلیل در محیط نرم‌افزار  ArcGIS به‌دست‌آمده است. 

نتایج و بحث: بررسی نتایج تغییرات کمی منابع آب­های سطحی نشان می­دهد که در بازده زمانی 7 روزه بعد از رخداد زلزله در محدوده مورد مطالعه بیشترین میزان تغییرات کمی(بصورت کاهشی) در سدهای (تنگه حمام و سد گیلان غرب) اتفاق افتاده است. بگونه­ای که سد تنگه حمام دچار کاهشی به مقدار 13/0 مترمربع و سد گیلان غرب کاهشی به مقدار 07/0 مترمربع بوده. همچنین تغییرات کمی بصورت افزایشی در سطح (سراب گرم سرپل ذهاب (منبع آب شرب منطقه)، رودخانه سیروان و مسیل­ها)، اتفاق افتاده و در مجموع به مقدار 7523421 مترمربع تغییرات در سطح منابع آب­های سطحی منطقه مورد مطالعه بعد از رخداد زلزله وجود داشته است.

نتیجه­گیری: نتایج بیان‌کننده این مطلب هستند که رخداد زلزله باعث افزایش خروج آب­های زیرزمینی و کم شدن حجم سطح سدهای منطقه و تغذیه رودخانه‌های سطحی منطقه ازجمله(رودخانه سیروان) و درنهایت موجب تلف شدن آب گردیده و در بعضی از مکان‌ها باعث خشک شدن چشمه ها و لطمه زدن به شرایط نرمال زندگی شده است..

واژگان کلیدی: زلزله، سنجش از دور، ترکیب داده- سرپل ذهاب - ازگله ، شاخص تفاضل پوشش گیاهی ، منابع آب

Extended Abstract

Statement of the Problem: earthquake In addition to the destructive effects of man-made structures, earthquakes also have different effects on surface water resources.Earthquakes always increase or decrease the water flow (river or water volume of a well or spring) depending on its intensity, time, direction and profundity. It may even cause springtime fountain to flow that has dried up over the years. The use of remote evaluation technology in various earth sciences is very common compared to geocentric methods due to the wide coverage of satellite images, the timeliness of images and its little cost. Also, one of the important and unique capabilities of digital satellite data is its temporal, spatial, spectral and radiometric resolution. These important features of satellite imagery allow for important studies such as the evaluation and monitoring of dynamic phenomena such as quantitative changes in water resources in temporal and spatial dimensions. Because in some cases the information obtained from a sensor alone does not meet the desired needs. Although optical multispectral data provide rich spectral information of various effects, it is significantly affected by environmental factors such as smoke, fog, clouds, and the amount of sunlight. Unlike optical sensors, radar data with virtual aperture (SAR) is independent of different weather and radiation conditions, as well as the sensitivity of its signal scatter to target parameters such as structure (shape, orientation, Size), roughness, and moisture content of the features can provide more information about the study area, but on the other hand, radar images cannot clearly identify the details and edges of objects. Therefore, combining different properties of optics images and radar data using image integration techniques can provide a more complete view of the target and provide higher accuracy and reliability for the results obtained from this method.

Purpose: In the present perusal, in order to achieve the above purpose, using satellite data and image combination method, the data have been standardized in such a way that they can be used together in the form of a dataset for processing.

Methodology: In this article, using the method of combining satellite images of quantitative changes of surface water resources, affected by the SARPOL-E-ZAHAB earthquake in the course of 7 days, 11/11/2017 to 17/11/2017, using radar data (S_1A-IW-SLC) , With 100 m spatial baseline and Landsat 8 (OLI) optical data, and obtained by applying remote evaluation techniques and indicators to detect changes in water resources, including NDVI, MNDWI in ENVI software environment and then analysis in ARC GIS software environment.

Results and discussion: Examination of the results of quantitative changes in surface water resources shows that in the time period of 7 days after the earthquake in the study area, the highest amount of small changes (in a decreasing manner) occurred in dams (HAMMAM Strait and GILANGH-GHARB Dam). As the Strait of HAMMAM dam decreased by 0.13 square meters and Gilan GHARB dam decreased by 0.07 square meters. Also, small changes occurred in the surface (SARPOL-E-ZAHAB SARAB-GARM) (drinking water source of the region), SIRVAN river and canals), and there were a total of 7523421 square meters of changes in the surface water resources of the study area after the earthquake.

Conclusion: The results indicate that the earthquake caused the outflow of groundwater and decreased the volume of dams in the region and fed the surface rivers of the region, including (Sirvan River) and finally caused water loss and in some places caused the drying of springs and Damage to normal living conditions

Keywords: Earthquake, Remote Sensing, Data composition ,SARPOL-E-ZAHAB-AZGELEH, Indicato NDVI, Water Resources

1