بررسی و مقایسه عملکرد شاخص‌های استخراج عوارض آبی و پوشش برف/یخ (SCG)

محورهای موضوعی : سنجش از دور

صیاد اصغری سراسکانرود ¹ , الهام ملانوری ² , شیوا صفری ³ , احسان قلعه ⁴

1 - هیئت علمی دانشگاه محقق اردبیلی
2 - دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه محقق اردبیلی
3 - دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه محقق اردبیلی
4 - دانشگاه محقق اردبیلی

تاریخ دریافت : 1399/12/23 تاریخ پذیرش : 1400/08/23 تاریخ انتشار : 1400/08/01

کلید واژه: شاخص‌های طیفی, NDSINW, NDWINS, آستانه گذاری Otsu,

چکیده مقاله :

با توجه به تغییرات اقلیمی و کاهش عنصر بارش به عنوان یکی از اجزای اصلی آن، به‌ویژه در مناطق کوهستانی شمال غرب ایران، مطالعه و بررسی دقیق پدیده مهم آب و همچنین برف به‌دلیل اهمیت ذخیره‌گاه‌های برفی در تغذیه ذخائر آبی حائز اهمیت می‌باشد. با توجه به اهمیت شاخص‌های طیفی در سنجش‌ازدور و شباهت طیفی دو پدیده برف و آب، در مطالعه حاضر از شاخص‌های تفاضلی نرمال شده آب و برف و همچنین شاخص‌های تفاضلی نرمال شده، بدون پس زمینه برف/یخ و آب و روش آستانه گذاری Otsuبر روی تصویر لندست 8 با انتخاب قسمتی از کوهستان سبلان و دریای خزر به ‌عنوان منطقه مورد مطالعه، استفاده ‌شده است. نتایج پژوهش حاضر نشان داد، با توجه به هیستوگرام و واریانس باندها، شاخص‌های نرمال شده تفاضلی آب بدون برف و برف بدون آب، به ترتیب با صحت کلی ۱۰۰ درصد و ۹۷ درصد دقت بالایی در استخراج و تفکیک پدیده‌های آب و پوشش برفی نشان دادند. نتایج حاصل از اجرای الگوریتم باینری Otsu نیز این موضوع را تایید کرده و توانایی بالای شاخص های مورد نظر را در استخراج پدیده های برف و آب نشان داد.

چکیده انگلیسی:

Due to climate change and reduction of precipitation as one of its main components, especially in the mountainous areas of the northwest of Iran, it is important to study the important phenomenon of water and snow due to the importance of snow reservoirs in feeding water reserves. Due to the importance of spectral indices in measuring distance and spectral similarity of snow and water phenomena, in the present study, normalized indices of normalized water and snow, as well as normalized indices without snow/ice and water background and Otsu threshold method on the image Landsat 8, has been used as a study area by selecting a part of Sabalan Mountain and the Caspian Sea. The results of the present study showed that, according to the histogram and variance of the bands, the normalized differential indices of water without snow and snow without water, with 100% accuracy and 97% accuracy, respectively, showed high accuracy in extracting and separating water and snow cover phenomena. The results of the implementation of the Otsu binary algorithm also confirmed this and showed the high ability of the desired indicators to extract snow and water phenomena.

منابع و مأخذ:

1- اصغری سراسکانرود، صیاد، جلیلیان، روح اله، پیروزی نژاد، نوشین، مددی، عقیل، یادگاری، میلاد (1399): ارزیابی شاخص‌های استخراج آب با استفاده از تصاویر ماهواره‌ای لندست (مطالعه موردی: رودخانه گاماسیاب کرمانشاه) نشریه تحقیقات کاربردی علوم جغرافیایی، دوره بیستم، شماره پنجم، صص 70-53.

2- اصغری سراسکانرود، صیاد، مدیرزاده، ریحانه (1399): برآورد تغییرات عمق برف در سطح شهرستان اردبیل و سرعین با استفاده از داده‌های ماهواره Sentinel1 با روش تداخل سنجی راداری، نشریه تحقیقات منابع آب ایران، سال شانزدهم، شماره یک، صص 407-394.

3- بیات ورکشی، مریم، ایلدرومی، علیرضا، نوری، حمید، زارع ابیانه، حمید (1396): برآورد مشخصه‌های برف به روش موجک و زمین‌آمار (مطالعه موردی: حوضه‌های آبریز شمال غرب کشور)، نشریه پژوهش‌های جغرافیایی طبیعی، دوره چهل‌ونه، شماره سه، صص 409-422.

4- رضیئی، طیب (1396): شناسایی رژیم‌های دمایی ایران با استفاده از روش‌های چند متغیره، مجله ژئوفیزیک ایران، دوره 11، شماره 2، صص 35-15.

5- زینالی، بتول؛ قلعه، احسان؛ صفری، شیوا (1400): استخراج مساحت تحت پوشش برف کوهستان سبلان با استفاده از تصاویر ماهواره‌ای لندست به روش طبقه‌بندی شی‌ءگرا، هیدروژئومورفولوژی، دوره 8، شماره 26، صص 79-97.

6- سیفی، هوشنگ؛ فیضی زاده، بختیار (1398): کاربرد روش تداخل‌سنجی راداری و تصاویر سنجش از دوری رادار در برآورد عمق برف و آب قابل استحصال از آن در حوضه آبریز یامچی، تحقیقات منابع آب ایران، سال پانزدهم، شماره یک، صص 355-341.

7- سیفی، هوشنگ؛ قربانی، اسماعیل (1398): برآورد سطح پوشش برف از طریق تکنیک‌های شیءگرا با استفاده از تصاویر سنجنده‌های OLI و TIRS مطالعه موردی: کوهستان سهند، فصل­نامه علمی-پژوهشی اطلاعات جغرافیایی، دوره بیست و هشت، شماره صد و نه صص 91-76.

8- شجاعی اناری، مهلا، خبازی، مصطفی، کریمی، صادق (1398): تحلیل تغییرات ذخیره‌گاه‌های برفی به‌منظور برنامه‌ریزی و مدیریت کم‌آبی (مطالعه موردی: منطقه سراب هلیل رود-استان کرمان)، فصل­نامه علمی برنامه‌ریزی منطقه‌ای، دوره نه شماره سی‌وشش، صص 184-167.

9- کدخدایی، سکینه؛ جهانبخش اصل، سعید؛ ولی زاده کامران، خلیل (1395): برآورد رواناب حاصل از ذوب برف با استفاده از مدل SRTM (مطالعه موردی: حوضه آبریز سهزاب )، نشریه علمی جغرافیا و برنامه‌ریزی، دوره بیست و چهار، شماره هفتاد و یک، صص 337-319.

10- گمشادزایی، محمدحسین؛ رحیم زادگان، مجید (1395): بررسی و ارزیابی شاخص‌های طیفی استخراج نقشه سطح آب از تصاویر ماهواره‌ای Landsat، ششمین کنفرانس ملی مدیریت منابع آب ایران، سنندج،

https://civilica.com/doc/559090.

11- صادقی، وحید، عبادی، حمید، صاحبی، محمود رضا، مقصودی، یاسر، فرنود احمدی، فرشید (1393). آشکارسازی خودکار تغییرات در تصاویر ماهواره‌ای چند زمانه مبتنی بر حد آستانه گذاری با الگوریتم بهینه‌سازی توده ذرات. سنجش از دور و GIS ایران، دوره 6 شماره 1، صص 34-17.

 

12- A. Thomas, C. Reager, J. Famiglietti, M. Rodell (2014): A GRACE-Based Water Storage Deficit Approach For Hydrological Drought Characterization. Geophysical Research Letters, 41(5), Pp 1537–1545.

13- A. Bhandari, A, Ghosh, I. Vinod Kumar (2020): A Local Contrast Fusion Based 3D Otsu Algorithm For Multilevel Image Segmentation. JOURNAL OF AUTOMATICA SINICA, 7(1), Pp. 200- 2013.

14- C. Kwang, E M. Osei Jnr, A S. Amoah (2018): Comparing Of Landsat 8 And Sentinel 2A Using Water Extraction Indexes Over Volta River, Journal Of Geography And Geology, Vol. 10, No. 1, PP 1-7.

15- C. Donmez, S. Çiçekli, A. Cilek, A. Arslan (2020): Mapping Snow Cover Using Landsat Data: Toward A Fine-Resolution Water-Resistant Snow Index. Meteorology And Atmospheric Physics. 47, Pp 243-252.

16- D. Varade, A K. Maurya, O. Dikshit, G. Singh, S. Manickam(2019): Snow Depth In Dhundi: An Estimate Based On Weighted Bias Corrected Differential Phase Observations Of Dual Polarimetric Bi-Temporal Sentinel-1 Data Journal Of Remote Sensing, Https://Doi.Org/10.1080/01431161.2019.1698076

17- D. Yan, C. Huang, N. Ma, Y. Zhang (2020): Improved Landsat-Based Water And Snow Indices For Extracting Lake And Snow Cover/Glacier In The Tibetan Plateau, Journal Water, 12, 1339, Pp 1-16.

18- D. Hall, G. Riggs, V. Salomonson, (1995):  Development Of Methods For Mapping Global Snow Cover Using Moderate Resolution Imaging Spectroradiometer Data. Remote Sensing Of Environment, 54, Pp127–140.

19- J. Parajka, L. Holko, Z. Kostka (2001): Distributed Modelling Of Snow Water Equivalent -Coupling A Snow Accumulation And Melt Model And GIS. Institute Of Hydrology. Slovak Academy Of Sciences, 14, PP 86-102.

20- L. Ji, L. Zhang, B. Wylie (2009): Analysis Of Dynamic Thresholds For The Normalized Difference Water Index, Journal Photogrammetric Engineering & Remote Sensing Vol. 75, No. 11, Pp 1307-1317.

21- L. Hui, W. Zou, H. Guangjun, M. Wang (2017): Estimating Snow Depth And Snow Water Equivalence Using Repeat-Pass Interferometry SAR In The Northern Piedmont Region Of The Tianshan Mountains, Journal Of Sensors, 20(17), 16-33.

22-N. Otsu (1979): A Threshold Selection Method From Gray-Level Histograms. IEEE Trans. Syst. Man Cybern. B 1979, 9, 62–66.

23- N. Hang (2018): Detection Of Surface Crack In Building Structures Using Image Processing Technique With An Improved Otsu Method For Image Thresholding, Advances In Civil Engineering, Pp 1-11. Https://Doi.Org/10.1155/2018/3924120.

24- P. Yang, W. Song, X. Zhao, R. Zheng, L. Qingge (2021): An Improved Otsu Threshold Segmentation Algorithm. Computational Science And Engineering, 22(1), Pp 145-153.

25- S. Manickam, A. Barros (2020): Parsing Synthetic Aperture Radar Measurements Of Snow In Complex Terrain: Scaling Behavior And Sensitivity To Snow Wetness And Land Cover, Journal Remote Sensing, 12, 483, Pp 1-31.

26- S. K. Mcfeeters (1996): The Use Of The Normalized Difference Water Index (NDWI) In The Delineation Of Open Water Features, International Journal Of Remote Sensing, 17(7), Pp 1425- 1432

27- V. Khedaskar1, A. Rokade, R. Patil P. Tatwadarshi (2018): A Survey Of Image Processing And Identification Techniques. Journal For Research And Innovation 1(1), Pp 1-10.

28- Xu, H. 2006. Modification Of Normalized Difference Water Index (NDWI) To Enhance Open Water Features In Remotely Sensed Imagery, International Journal Of Remote Sensing, 27(14): Pp. 3025-3033.

29- Y. Liu, X. Wang, F. Ling, S. Xu Tc. Wang (2017): Analysis Of Coast Line Extraction From Landsat OLI Imagery ،Journal Water 2017, 9, 816, Pp 1-26.