استخراج ویژگی های امواج درونی تنگه هرمز با استفاده از تصاویر ماهواره¬ای SAR

محورهای موضوعی :

حامد دلدار ^{1 *} , محمد ملکی ² , حسن یوسفی ³

1 - پژوهشگر پژوهشگاه ملی اقیانوس شناسی و علوم جوی
2 - فارغ التحصیل گروه فیزیک دریا ، دانشکده علوم دریایی، دانشگاه تربیت مدرس ، نور، ایران
3 - فارغ التحصیل گروه محیط زیست ، دانشکده علوم دریایی، دانشگاه تربیت مدرس ، نور، ایران

تاریخ دریافت : 1403/02/27 تاریخ پذیرش : 1403/07/17 تاریخ انتشار : 1404/07/01

کلید واژه:

چکیده مقاله :

امواج درونی یکی از پدیده‌های مهم در اقیانوس‌ها هستند و معمولاً به وسیله جریان‌های جزر و مدی ایجاد می‌شوند و در ستون آبی منتشر می‌شوند. سنجش از راه دور و اندازه‌گیری‌های میدانی دو روش برای اندازه‌گیری امواج درونی هستند. در این مطالعه به بررسی امواج درونی در تنگه هرمز با استفاده از تصاویر باند C از سنجنده سار (SAR ) ماهواره سنتینل 1 پرداخته شده است. پارامترهای استخراج شده از این تصاویر برای سال¬های 2021 و 2022 عبارتنداز : طول موج، سرعت انتشار،جهت انتشار و دامنه امواج. برای اعتبارسنجی، یک مورینگ با سه سنسور دمایی واکنش سریع در منطقه از اوایل مارس 2022 تا پایان ژوئن 2022 نصب شد که داده‌ها را هر 30 ثانیه ضبط می‌کرد. در نهایت، پس از استخراج پارامترهای یاد شده از تصاویر ماهواره ای و داده‌های اندازه‌گیری میدانی، این نتایج حاصل گردید که اختلاف مقدار دامنه و سرعت امواج در پارامترهای اندازه‌گیری شده نسبت به داده‌های میدانی به ترتیب حدود 28% و 7.1% می باشد.

منابع و مأخذ:


[1].Alpers, W. R., Ross, D. B., & Rufenach, C. L. 1981. On the detectability of ocean surface waves by real and synthetic aperture radar. Journal of Geophysical Research: Oceans, 86(C7), 6481-6498.
[2].Andi, S., Rashidi Ebrahim Hesari, A., & Farjami, H. 2021. Detection of internal waves in the Persian Gulf. Remote Sensing Letters, 12(2), 190-198. https://doi.org/10.1080/2150704X.2020.1847349
[3].Chen, S.-W. 2020. SAR image speckle filtering with context covariance matrix formulation and similarity test. IEEE Transactions on Image Processing, 29, 6641-6654.
[4].Chen, Z., Zeng, H., Yang, W., & Chen, J. 2022. Texture Enhancement Method of Oceanic Internal Waves in SAR Images Based on Non-local Mean Filtering and Multi-scale Retinex. 2022 3rd China International SAR Symposium (CISS),
[5].Deldar, H., & Bidokhti, A. A. A. A. 2020. Visualizations of density fluctuations before and after the passage of bluff body objects in a laboratory stratified tank. Ocean Engineering, 209, 107277.
[6].Dessert, M., Honnorat, M., Le Caillec, J.-M., Messager, C., & Carton, X. 2022. Estimating the pycnocline depth from the SAR signature of internal waves in the Alboran Sea. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 15, 9048-9061.
[7].Dong, H., Xu, R., Xiao, T., & Zhang, Y. 2022. Estimation of Internal Wave Parameters based on SAR Images. IGARSS 2022-2022 IEEE International Geoscience and Remote Sensing Symposium,
[8].Jackson, C. R., da Silva, J. C., Jeans, G., Alpers, W., & Caruso, M. J. 2013. Nonlinear internal waves in synthetic aperture radar imagery. Oceanography, 26(2), 68-79.
[9].Kozlov, I., & Mikhaylichenko, T. 2022. Estimation of internal wave phase speed in the Arctic Ocean from sequential spaceborne SAR observations. 44th COSPAR Scientific Assembly. Held 16-24 July, 44, 91.
[10].Lavrova, O. Y. 2018. Internal waves observed in satellite images of the northeastern Black Sea in July 2017. Sovrem. Probl. Distantsionnogo Zondirovaniya Zemli Iz Kosm, 15, 309-315 https://doi.org/10.21046/2070-7401-2018-15-1-309-315
[11].Liu, B., Li, X., & Zheng, G. 2019. Coastal Inundation Mapping From Bitemporal and Dual-Polarization SAR Imagery Based on Deep Convolutional Neural Networks. Journal of Geophysical Research: Oceans, 124(12), 9101-9113. https://doi.org/https://doi.org/10.1029/2019JC015577
[12].Meester, M., & Baslamisli, A. 2022. SAR image edge detection: review and benchmark experiments. International Journal of Remote Sensing, 43(14), 5372-5438.
[13].Padman, L., & Erofeeva, S. 2005. Tide model driver (TMD) manual. Earth and Space research.
[14].Porter, D., & Thompson, D. 1999. Continental shelf parameters inferred from SAR internal wave observations. Journal of Atmospheric and Oceanic Technology, 16(4), 475-487. https://doi.org/10.1175/1520-0426(1999)016<0475:CSPIFS>2.0.CO;2
[15].Svergun, E., Sofina, E., Zimin, A., & Kruglova, K. 2023a. Seasonal variability of characteristics of nonlinear internal waves in the Kuril-Kamchatka region by Sentinel 1 data. Continental Shelf Research, 104986.
[16].Ghazi A., Aliakbari Bidokhti A., Ezam M., Zoljoodi M., and Torabiazad M., Study of Tidal Current and Remaining Current in the Persian Gulf, Hydrophysics Scientific-Research Biseasonal, 15 (6), 11, 1400. (in Persian