عنوان

کاربرد تکنیک های شیءپایه سنجش از دور و تصاویر رادار در برآورد عمق برف و آب قابل استحصال از آن در حوضه آبریز یامچی

‭۱۷۹۰۸پ‬

per

کاربرد تکنیک های شیءپایه سنجش از دور و تصاویر رادار در برآورد عمق برف و آب قابل استحصال از آن در حوضه آبریز یامچی

/هوشنگ سیفی

: جغرافیا و برنامه ریزی

، ‮‭۱۳۹۶‬

، راشدی

چاپی

کارشناسی ارشد

سنجش از دور و سیستم اطلاعات جغرافیایی گرایش آب و خاک

‮‭۱۳۹۶/۰۶/۱۹‬

تبریز

ذخیره برف در حوزه‌های کوهستانی از منابع آب مهم و قابل اطمینان هست طبق برسی های انجام‌شده حدود ‮‭۶۰‬درصد آب‌های سطحی و ‮‭۵۷‬درصد آب‌های زیرزمینی کشور در مناطق برف‌گیر جریان دارند .بخش اعظمی از بارش سالانه منطقه ارتفاعات سبلان و حوضه آبریز یامچی به‌صورت برف می‌بارد بنابراین اطلاع از خصوصیات فیزیکی برف در این منطقه کمک بزرگی به برنامه ریزان بخش آب و کشاورزی خواهد نمود در سال‌های اخیر همواره اهمیت و کاربردهای داده‌های فضا برد روزنه ترکیبی راداری ‮‭(SAR)‬با توجه به مزیت‌های عمده‌ای که نسبت به سایر سیستم‌های سنجش‌ازدور دارند رو به فزونی بوده است .با توجه به این موضوع که در سال‌صهای اخیر تلاش‌صهای فراوانی برای برآورد خصوصیات فیزیکی برف از طریق داده‌صهای فضابرد آغاز شده شده و نتایج اولیه امیدوارکننده‌صای از آن به‌صدست آمده است، هدف این پژوهش در راستای برآورد دقیق‌صتر میزانذخایر برفی حوضه آبریز یامچی با روش‌صهای علمی نوین همچون روش‌صهای تداخل‌صسنجی راداری می‌صباشد .مدل‌صهای هیدرولوژیکی برای ارزیابی و پیش‌صبینی مقدار آب به‌صدست آمده از ذوب برف و یخ نیاز به اطلاعاتی راجع به گستردگی منطقه‌صی پوشیده شده، عمق برف، ویژگی-های برف و اطلاعات هواشناسی دارند .تعیین پارامترهای سطح برف، عمق برف، حجم برف و آب معادل برف در حوضه‌صهای آبریز مرتفع و برف‌صگیر مهم‌صترین پارامترهای سنجش برف هستند که در این راستا، پژوهش حاضر به‌صدنبال آن است که با دقت خوبی نقشه‌صهای این پارامترها را برای چهار ماه برفی آذر، دی، بهمن و اسفند سال ‮‭۱۳۹۴‬ را به-دست آورد .برای برآورد سطح پوشش برف از تصاویر ماهواره ‮‭Landsat ۸‬ استفاده شد .بدین صورت که با استفاده از روش شیءگرا و به کمک تکنیک سگمنت‌صسازی در محیط نرم‌صافزار ‮‭eCognition ۹.۱‬ الگوریتم‌صهای ‮‭NDSI, LST Brightness, NDVI‬ بر روی تصاویر ‮‭Landsat ۸‬ اجرا شد و نقشه سطح پوشش برف به‌صدست آمد سپس با استفاده از تصاویر راداری ماهواره ‮‭Sentinel ۱A‬ و تکنیک تداخل سنجی تفاضلی راداری عمق برف برای ماه‌صهای آذر، دی، بهمن و اسفند استخراج شد .به‌صگونه ای که ابتدا یک تصویر بدون برف) شهریور ماه ‮‭۱۳۹۴)‬ به‌صعنوان تصویر پایه و بقیه تصاویر نسبت به تصویر اول تداخل سنجی شدند .در مرحله بعد میزان جابه‌صجایی یا همان عمق برف برای مناطق دارای سطح پوشش برف برای حوضه آبریز یامچی بدست آمد .برای صحت سنجی نقشه‌صصهای عمق برف به‌صدست آمده از طریق تصاویر راداری با داده‌صهای عمق برف ایستگاه‌صهای برف سنجی زمینی منطقه مورد مطالعه مقایسه شد و با استفاده از رگرسیون خطی بین این دو داده میزان دقت نقشه‌صهای عمق برف به‌صدست آمد که نتایج بیان‌صگر دقت ‮‭۸۵‬ درصد می‌صباشد .با اطمینان از دقت بالای نقشه‌صهای بدست آمده حجم برف نیز از طریق عمق برف بدست آمده برای حوضه آبریز یامچی حاصل شد .برای محاسبه عمق آب معادل برف با استفده از همبستگی بین داده‌صهای عمق برف به‌صدست آمده از تکنیک تداخل سنجی تفاضلی راداری و عمق آب معدل برف ایستگاه‌صهای زمینی یک رابطه خطی درجه شش با ضریب همبستگی ‮‭۸۷/۰‬ محاسبه شد و به این طریق نقشه‌صهای عمق آب معادل برف نیز برای منطقه مورد مطالعه متج گردید که این نتیجه از لحاظ آمار در سطح ‮‭۹۹‬ درصد معنی‌دار بود

Snow storage in mountainous areas is an important and reliable water source. According to surveys, about 60 of surface water and 57 of the country's underground water are flooded. Most of the annual rainfall in the Sabalan and Yamchi catchment areas is snowy, so knowing the physical characteristics of snow in this area will greatly help planners in the water and agriculture sector. In recent years, the importance of aerodynamic radar data (SAR) Has grown steadily due to the major advantages that it has over other systems. Considering the fact that in recent years, many attempts have been made to estimate the physical properties of snow through spatial data and initial promising results have been obtained, the aim of this research is to accurately estimate The amount of snowfall in the Yamchi catchment area with modern scientific methods is as a radar interference method. Hydrological models In order to assess and predict the amount of water generated by snow and ice melting, there is a need for information on the extent of the covered area, snow depth, snow attributes, and meteorological information. Determination of snow surface parameters, snow depth, snow volume and snow equivalent water in high and snowfall basins are the most important parameters of snow measurements. In this regard, the present study is aimed to study the accuracy of maps The parameters for the four months of snowfall were Azar, Di, Bahman and Esfand 2015. Landsat 8 images were used to estimate snow cover. So, using object-oriented method and using segmentation technique in eCognition 9.1 software environment, NDSI, LST Brightness, NDVI algorithms were executed on Landsat 8 images and snow cover surface mapping was performed using Sentinel 1A satellite radar images and radar differential interference technique were extracted for snow depth for Azar, De, Bahman and Esfand. First, a snowless image (September 2015) was taken as the base image and the rest of the images interfered with the first image. In the next stage, the snow depth was obtained for areas with snow cover for Yamchi catchment area. In order to verify the snow depth maps obtained through radar images with snow depth data of the snowflake stations of the study area were compared and using linear regression between these two data, the accuracy of the depth maps Snow was obtained, with results indicating a precision of 85 . With confidence in the accuracy of the maps, the snow volume was also obtained through the depth of snow obtained for the Yamchi catchment area. In order to calculate the snow depth equivalent to using the correlation between snow depth data obtained from radar differential interference technique and depth of water, the snowmans of ground stations were a linear relation of degree 6 with a correlation coefficient of 0.87. In this way, snow depth equivalent maps for the study area were scaled up and this result was statistically significant at 99 level

سیفی، هوشنگ

فیضی زاده، بختیار، استاد راهنما

ولیزاده کامران، خلیل، استاد مشاور

سیاه و سفید

نمایه‌سازی قبلی