کاربرد روش تداخل سنجی و تصاویر سنجش از دوری رادار در برآورد عمق برف و آب قابل استحصال از آن در حوضه آبریز یامچی

Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 146

This Paper With 15 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_IWRR-15-1_025

تاریخ نمایه سازی: 29 بهمن 1401

Abstract:

ذخیره برف در حوضه های کوهستانی از منابع آب مهم و قابل اطمینان است. به دلیل شرایط سخت فیزیکی محیط های کوهستانی، امکان اندازه-گیری برف به صورت زمینی وجود ندارد؛ به همین دلیل، استفاده از سنجش از دور با توجه به پوشش وسیع می تواند در شناسایی مناطق برفی روش مناسبی باشد. در پژوهش حاضر، با استفاده از تصاویر ماهواه ایLandsat ۸ سطح پوشش برف برای حوضه آبریز یامچی از طریق شاخص NDSI و به وسیله پردازش شیءگرا بدست آمد و با داده های زمینی صحت سنجی شد که دقت کلی بالای ۹۰ درصد را نمایش داد. برای محاسبه عمق برف منطقه مورد مطالعه نیز از تصاویر ماهواره ای Sentinel A۱ و روش D-InSAR استقاده شد. با بررسی تصاویرLandsat ۸ مشخص گردید که تصویر شهریور ماه فاقد برف می باشد به همین دلیل این تصویر به عنوان تصویر پایه برای تداخل سنجی انتخاب گردید و تمام تصاویر نسبت به این تصویر تداخل سنجی شده و نقشه عمق برف بدست آمد. نتایج حاصل با داده های زمینی صحت سنجی شده و ضرایب همبستگی بین داده های مشاهداتی و مقادیر برآورد شده عمق برف، ۸۵ درصد به دست آمد. با اطمینان از دقت بالای نقشه های بدست آمده، حجم برف نیز از طریق نقشه های سطح و عمق برف، حاصل شد. با استفاده از همبستگی بین داده های عمق برف به دست آمده از روش تداخل سنجی تفاضلی راداری و آب معادل برف ایستگاه های زمینی، یک رابطه خطی درجه شش با ضریب همبستگی ۸۷/۰ محاسبه شد، و به این طریق، نقشه های عمق آب معادل برف نیز برای منطقه مورد مطالعه منتج گردید.

Authors

هوشنگ سیفی

کارشناس ارشد رشته سنجش ازدور و سیستم اطلاعات جغرافیایی/ دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز، ایران.

بختیار فیضی زاده

عضو هیات علمی گروه سنجش ازدور و سیستم اطلاعات جغرافیایی/ پژوهشکده محیط زیست، دانشگاه تبریز، ایران.

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Almodarresi A, Hatami J, Sarkaregar A (۲۰۱۶) Computational physical properties ...
  • Feizizadeh B, Shahabi H, Seifi H (۲۰۱۶) Identification of susceptible ...
  • نمایش کامل مراجع