نشریه کاربرد سنجش از دور و سیستم اطلاعات جغرافیایی در علوم محیطی

تشخیص تغییرات پوشش برفی با استفاده از روش‌های تحلیل شی‌ءگرای تصاویر ماهواره‌ای مطالعه موردی: حوضه‌های آبریز غربی دریاچه ارومیه

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکترای تخصصی گروه آب و هواشناسی،واحد مرند،دانشگاه آزاد اسلامی،مرند،ایران

2 استاد گروه آب و هواشناسی،دانشکده برنامه ریزی و علوم محیطی،دانشگاه تبریز،ایران

3 استاد گروه جغرافیا، دانشکده برنامه ریزی و علوم محیطی،دانشگاه تبریز،ایران

4 استاد گروه سنجش از دور و سیستم اطلاعات جغرافیایی دانشکده برنامه ریزی و علوم محیطی،دانشگاه تبریز،ایران

10.22034/rsgi.2024.62524.1089

چکیده

هدف این مقاله، تشخیص تغییرات پوشش‌برفی با استفاده از روش‌های تحلیل شی‌ءگرای تصاویر ماهواره‌ای در حوضه‌های آبریز‌غربی دریاچه‌ارومیه (زولاچای، نازلوچای، شهرچای و باراندوزچای) است. وسعت پوشش‌برف به کمک تصاویر ماهواره‎ای Sentinel-2 و Landsat-8 برای روزهای با بیشترین برف به روش شی‌ءگرا استخراج و در ادامه به کمک روش CA-Markov وضعیت آتی پوشش برفی هر 4 حوضه در سال 2029 با دقت بالا 80 درصد شبیه‌سازی شد. سپس، عمق‌برف به کمک داده‎های FLDAS_NOAH و با استفاده از روش منحنی جرم باقیمانده نرمال شده در محیط اکسل مورد بررسی قرار گرفت. تغییرات پوشش و عمق برف در هر 4 زیرحوضه طی سال‎های 2016 تا 2023، دارای نوساناتی بوده است و یک روند کاهشی داشته‎اند. بیشترین پوشش‌برفی مربوط به سال‏های 2018، 2019 و 2021 می‎باشد. بیشینه و میانگین مقادیر عمق برف در سال‏ 2020 به بیشترین مقدار خود یعنی 2/28 و 0/68 و در سال‏های 2016 و 2018 نیز بیشینه عمق‌برف به کمترین میزان خود یعنی 1/07 و 1/1 رسید. همچنین بررسی نقشه پوشش‌برفی CA_Markov برای سال 2029 نشان دهنده روند افزایشی نسبی برف است. بنابراین علارغم وجود مشکلات کم‌آبی در منطقه، بررسی نتایج حاصل از این تحقیق نشان می‎دهد که عوامل دیگری در تشدید کم‏آبی منطقه و کاهش آب دریاچه‌ارومیه تاثیر دارد؛ که یافتن و بررسی این عوامل، برای مدیریت مشکلات آبی منطقه بسیار حائز اهمیت است.

تازه های تحقیق

تصاویر ماهواره‏ای می‌توانند در روند برآورد سطح پوشش برف بسیار مؤثر و سودمند باشند. تنها عیب این نوع از تصاویر پایین بودن قدرت تفکیک زمانی آن‌ها می‎باشد و همچین وجود پوشش ابری در منطقه گاهی باعث می‌شود کل تصویر مناسب طبقه‎بندی جهت استخراج پوشش برفی نشود. برف در ناحیه‌ مرئی دارای انعکاس بالا و در مادون قرمز نزدیک دارای انعکاس پایینی است که در این تحقیق برای تفکیک برف از ابر و سایر پدیده‌ها در تصاویری که دارای کمی پوشش‌برفی بودند از این ویژگی بهره برده شد اما گاهی بخش‎هایی از تصاویر وجود دارند که دارای برف بوده‎اند و از طریق این دو باند استخراج نمی‎گردد. به همین دلیل الگوریتم‎های NDSI، NDFSI و  برای استخراج کامل سطوح برفی استفاده شدند.

عمق برف نیز همانند سطح برف طی سال‎های 2016 تا 2023 دارای افت و خیزهایی بوده است اما یک روند کاهشی طی کرده است که بیشنه مقدار برف از 066/1  متر در سال 2016 به 590/1 متر در سال 2023 و میانگین مقدار آن از 134/0 متر در سال 2016 به 321/0 متر در سال 2023 رسیده است. در سال 2020 عمق برف هم از نظر بیشینه مقدار و هم از نظر میانگین در بالاترین سطح خود بوده است؛ بطوریکه در سال 2020 بیشینه مقدار به عدد 288/2 متر و میانگین آن به عدد 678/0 متر رسیده است. همچنین استفاده از داده‌های دیگری همچون ذوب برف و آب برف معادل می‌تواند برای تأیید همگنی نتایج روش‌ NRMC مؤثر باشد. این نتایج اطلاعات مفیدی را برای برنامه‎ریزی بلند مدت در مدیریت آب منطقه فراهم می‎کند. علاوه­براین، وسعت پوشش‌برفی در حوضه‌های آبریز غربی دریاچه ارومیه همراه افت‌و‌خیزهایی بوده است. از سال 2017 تا 2019 نیز افت با شدیدی همراه بوده است ولی روند کلی در طی سال‎های 2016 تا 2023 افزایش جزئی بوده است. در طول سال‌های گذشته، عمق ذخایر برفی دارای نوساناتی بوده است و یک روند افزایش کندی به میزان 160 کیلومتر مربع در طی دوره مطالعاتی داشته است، در سال 2018 در کل منطقه پوشش برفی، کاهش چشمگیری داشته است. با توجه به نتایج، مساحت و عمق‌برف دارای نوساناتی بوده و در کل روند کاهشی بوده است. همچنین همواره با کاهش/ افزایش سطح پوشش برفی منطقه، عمق ذخایر برفی نیز کاهش/ افزایش یافته است و با کاهش/ افزایش یک متغییر، متغییر دیگر نیز کاهش/ افزایش داشته است. علیرغم اختلاف اندک در مقادیر پوشش‌برف، روش‌های بهینه‌سازی و همجوشی سنجنده‌های لندست و سنتینل می توانند در فرآیند استخراج و شناسایی پوشش‌برف بسیار موثر باشند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Detection of the Snow-Cover Changes on the Urmia Lake western Basins Using Object-Based Image Analysis (OBIA) Methods

نویسندگان [English]

  • narges samadi 1
  • ali akbar Rasouli Pirouzian 2
  • Davoud Mokhtari 3
  • Khalil Valizadeh_Kamran 4

1 Narges Samadi,Ph.D.student,Department of Hydrology and Meteorology,Marand Branch,Islamic Azad University,Marand,Iran

2 Professor,Department of Meteorology,Faculty of Planning and Environmental Sciences,Tabriz University,Iran

3 Professor of Geography Department,Faculty of Planning and Environmental Sciences,Tabriz University,Iran

4 Professor of Remote Sensing and GIS Department,Faculty of Planning and Environmental Sciences,Tabriz University,Iran

چکیده [English]

This article focuses on analyzing snow cover changes in the western watersheds of Lake Urmia (Zola Chay, Nazlou Chay, Shahr Chay, and Barandoz Chay) using object-based image analysis methods applied to satellite imagery. The study utilizes Sentinel-2 and Landsat-8 satellite images to extract the extent of snow cover for days with maximum snowfall. This data was then processed using object-based methods, and the future state of snow cover in these four watersheds for the year 2029 was simulated with 80% accuracy using the CA-Markov model.
In addition, the depth of snow was examined using FLDAS_NOAH data and analyzed through the normalized residual mass curve method in Excel. The study reveals fluctuations in snow cover and depth across all four sub-watersheds between 2016 and 2023, showing an overall decreasing trend. The highest snow cover occurred in 2018, 2019, and 2021. In terms of snow depth, the maximum and average values reached their peak in 2020, with figures of 2.28 meters and 0.68 meters, respectively. Conversely, the lowest maximum snow depth was recorded in 2016 and 2018, at 1.07 meters and 1.1 meters. Moreover, the CA-Markov snow cover map for 2029 indicates a relatively increasing trend in snow cover. Despite the region's water scarcity issues, the findings of this study suggest that other factors are contributing to the intensification of water shortages and the reduction of Lake Urmia's water level. Identifying and examining these factors is crucial for effective water management in the region.

کلیدواژه‌ها [English]

  • Object-oriented
  • Snow-covered
  • Snow depth
  • Sentinel2
  • Western basins of Lake Urmia

هدف این مقاله، تشخیص تغییرات پوشش برفی با استفاده از روش‌های تحلیل شی‌ءگرای تصاویر ماهواره‌ای در حوضه‌های آبریز‌غربی دریاچه ارومیه (زولاچای، نازلوچای، شهرچای و باراندوزچای) است. در این راستا، وسعت پوشش برف به کمک تصاویر ماهواره‎ای Sentinel-2 و Landsat-8 برای روزهای با بیشترین برف به روش شی­ءگرا استخراج و در ادامه به کمک روش CA-Markov وضعیت آتی پوشش برفی برفی هر 4 حوضه در سال 2029 با دقت بالا شبیه‌سازی شد. سپس، عمق برف به کمک داده‎های FLDAS_NOAH و با استفاده از روش منحنی جرم باقیمانده نرمال شده در محیط اکسل مورد بررسی قرار گرفت. تغییرات پوشش و عمق برف در هر 4 زیرحوضه طی سال‎های 2016 تا 2023، دارای افت و خیزهایی بوده است و یک روند کاهشی داشته‎اند. بیشترین پوشش برفی مربوط به سال‏های 2018، 2019 و 2021 می‎باشد. بیشینه و میانگین مقادیر عمق برف در سال‏ 2020 به ترتیب به 28/2 و 68/0 و در سال‏های 2016 و 2018 نیز بیشینه عمق برف به کمترین میزان خود یعنی 07/1 و 1/1 رسید. همچنین بررسی نقشه پوشش برفی CA_Markov برای سال 2029 نشان دهنده روند افزایشی نسبی برف است. نتایج نهایی مطالعه حاضر نشان دهنده این واقعیت هستند که روش‌های بهینه‌سازی و همجوشی سنجنده‌های لندست و سنتینل می‌توانند در فرآیند استخراج و شناسایی پوشش برف با دقت بالا بسیار موثر باشند. بنابراین علارغم وجود مشکلات کم‌آبی در منطقه، بررسی نتایج حاصل از این تحقیق نشان می‎دهد که عوامل دیگری در تشدید کم‏آبی منطقه و کاهش آب دریاچه ارومیه دارد که یافتن و بررسی این، برای مدیریت مشکلات آبی منطقه بسیار حائز اهمیت است.

Amininia, K; Lashkari, H; Alijani, B (2009). Investigation and analysis of fluctuations of heavy snowfall in North-West of Iran, Geospatial Journal, No. 29. (In Persian)
Anderson, J. R., Hardy, E.E., Roach, J.T. Witmer, R.E., (1975). A Land Cover Classification System for Use with Remote Sensor Data, United States Government Printing Office, Washington.
Hall, D. K., & Riggs, G. A. (2005). Accuracy assessment of the MODIS snow products. Hydrological Processes: An International Journal, 21(12), 1534-1547.
He, D., Zhou, J., Gao, W., Guo, H. Y. U. S., Yu, S., & Liu, Y. (2014). An integrated CA-markov model for dynamic simulation of land use change in Lake Dianchi watershed. Acta Scientiarum Naturalium Universitatis Pekinensis, 50(6), 1095-1105.
Heydari, H (2015). Analysis of changes in snowfall and rain in selected stations of West Azarbaijan Province, Journal of Geographical Studies of Dry Areas, Volume 7, Number 26, 92-110. (In Persian)
Hoshiar, M; Shin Abad, N (2017) Synoptic analysis of heavy snowfall in Urmia city, the second national hydrometeorological conference of Iran. (In Persian)
Joibari Moghadam, Y., Akhundzadeh, M., Sarajian, M.R. (1393). Estimation of snow cover level using Landsat-8 satellite images. First International Conference on Environmental Engineering, Tehran, Center for Sustainable Development Solutions. (In Persian)
Khatami, M. (2019). Spatial analysis of snow cover in Urmia Lake catchment using MODI sensor, thesis for obtaining a master's degree in hydrology and meteorology, Faculty of Planning and Environmental Sciences, University of Tabriz. (In Persian)
Matinnia, V (2017). Investigating the changes in the snow cover level in Urmia lake basin. Master's thesis in Civil Engineering, Shahrood University of Technology. (In Persian)
Memarian, H., Balasundram, S. K., Talib, J. B., Sung, C. T. B., Sood, A. M., & Abbaspour, K. (2012). Validation of CA-Markov for simulation of land use and cover change in the Langat Basin, Malaysia.
Milly, P. C. D., Cazenave, A., & Gennero, C. (2003). Contribution of climate-driven change in continental water storage to recent sea-level rise. Proceedings of the National Academy of Sciences, 100(23), 13158-13161.
Mir Mousavi, S.H, Sabour, L. (2013). Monitoring snow cover changes using MODIS sensor images in the northwest region of Iran, Geography and Development, No. 35. (In Persian)
Mir Yaqubzadeh, M.H., Qanbarpour, M .R. (1389). Investigating the application of snow cover maps obtained from MODIS satellite images in snowmelt runoff modeling (case study: Karaj Dam watershed) Summer 89, 19th year, number 76, pages 141 to 148. (In Persian)
Nikhokhasal, Y; Rasouli, A.Ar; Mokhtari, D; Valizade Kamran, Kh (1401). Analyzing the relationship between changes in rainfall and the level of underground water in the Marand plain with the NRMC method. Scientific Journal of Geography and Planning; Year 26, No. 81, 276-265. (In Persian)
Omid Qala Mohammadi, M. (2013). Investigating changes in snow cover in the heights of Zardkoh Bakhtiari using remote sensing, master's thesis, Sistan Baluchistan University. (In Persian)
Rasouli, A. A., Cheung, K. K., Mohammadzadeh Alajujeh, K., & Ji, F. (2020). On the Detection of Snow Cover Changes over the Australian Snowy Mountains Using a Dynamic OBIA Approach. Atmosphere, 13(5), 826.
Rasouli, A.A; Abdian, M; Ranjbar, F (2014). Studying the changes in the snow and ice cover of Sablan mountain during the last three decades using remote sensing and GIS. First International Congress of Earth, Space and Clean Energy, 14 November 2016, Ardabil city, Mohaghegh Ardabili University. (In Persian)
Seifi, H. (1400). Estimating the snow cover level through object-oriented techniques using OLI and TIRS sensor images (case study: Sabalan Mountain). (In Persian)
Singh, K. K., Singh, D. K., Thakur, N. K., Dewali, S. K., Negi, H. S., Snehmani, & Mishra, V. D. (2020). Detection and mapping of snow avalanche debris from Western Himalaya, India using remote sensing satellite images. Geocarto International, 37(9), 2561-2579.
Tošić, I., & Unkašević, M. (2005). Analysis of precipitation series for Belgrade. Theoretical and Applied Climatology, 80(1), 67-77.
Wang, X. Y., Wang, J., Jiang, Z. Y., Li, H. Y., & Hao, X. H. (2015). An effective method for snow-cover mapping of dense coniferous forests in the Upper Heihe River Basin using Landsat Operational Land Imager data. Remote Sensing, 7(12), 17246-17257.
Zinali, B; Qala, E; Safari, Sh. (1400). Extraction of the snow-covered area of ​​Sablan mountain using Landsat satellite images by object-oriented classification method. Journal of Hydrogeomorphology, 8. (In Persian)
نشریه کاربرد سنجش از دور و سیستم اطلاعات جغرافیایی در علوم محیطی
دوره 4، شماره 11
مرداد 1403
صفحه 50-23
  • تاریخ دریافت: 26 تیر 1403
  • تاریخ بازنگری: 19 مرداد 1403
  • تاریخ پذیرش: 26 مهر 1403