بررسی قابلیت داده های ماهواره ای چند طیفی در تهیه نقشه عمق آب و اراضی مجاور ذخیره گاههای آبی ( مطالعه موردی: ذخیره گاههای آبی چاه نیمه های سیستان)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری /آمایش محیط زیست، دانشگاه صنعتی اصفهان، مربی دانشگاه زابل.

2 دانشجوی دکتری/ آمایش محیط زیست، دانشگاه صنعتی اصفهان، مربی دانشگاه زابل.

3 مربی /گروه مدیریت پروژه، دانشگاه پیام نور سیستان و بلوچستان، واحد مرکز

4 دکتری محیط زیست/ اداره کل محیط زیست سیستان و بلوچستان.

5 دانشجوی دکتری/ محیط زیست، دانشگاه آزاد واحد علوم تحقیقات، اداره کل محیط زیست سیستان و بلوچستان

6 دانشجوی دکتری/ تغییرات اقلیم، دانشگاه حکیم سبزواری، اداره کل محیط زیست سیستان و بلوچستان

7 کارشناس ارشد /محیط زیست، اداره محیط زیست شهرستان زابل

8 کارشناس ارشد/ مرتعداری، اداره کل محیط زیست سیستان و بلوچستان

9 عضو هیات علمی/ گروه محیط زیست دانشکده منابع طبیعی- دانشگاه صنعتی اصفهان

چکیده

با توجه به محدودیت منابع آب، بررسی وضعیت کمی آب ذخیره گاههای آبی برای برنامه‌ریزی جهت مصارف مختلف آب و نیز پایش روند رسوب گذاری در ذخیره گاههای آبی امری ضروری می‌باشد. در این مطالعه به منظور بررسی توانایی سنجنده‌های چند طیفی در مطالعات عمق سنجی، از تصویر ماهواره LANDSAT-8 ، سنجنده OLI در دی ماه سال 1393برای تهیه نقشه عمق آب ذخیرگاههای آبی چاه‌نیمه و نقشه اراضی مجاور آن استفاده گردید. لذا ابتدا بوسیله قایق، عمق آب قسمت‌های مختلف دریاچه با متر، اندازه‌گیری شد. با استفاده از داده های، ماهواره ای شاخص های مطاللعات آب، مانند NDMI، WRI ، AWEL،NDWI و MNDWI تهیه شد. با اعمال رگرسیون خطی ساده بین شاخص‌های تهیه شده و اعماق اندازه‌گیری شده ضریب توصیف مدل هر شاخص برای عمق آب محاسبه که در این بینف شاخص MNDWI دارای بیشترین ضریب توصیف با داده‌های عمق برابر 85/0 بود. نقشه عمق آب با طبقه‌بندی مجدد شاخص MNDWI بر اساس مدل تهیه شده تهیه گردید. نقشه اراضی پیرامونی با استفاده از روش‌های محتلف پردازش تصویر تهیه و نقشه نهایی به روش ترکیبی تهیه شد. نتایج نشان داد اعماق 6-4 متر دارای بیشترین سطح می‌باشد. دقت نقشه تهیه شده با تهیه ماتریس خطا بررسی شد که نتایج قابل قبولی را نشان می‌داد. بررسی ماتریس خطا کاهش دقت تهیه نقشه با افزایش عمق را نشان می‌داد که بررسی آماری Z-TEST نشان داد در سطح 01/0 با دقت نقشه اعماق کمتر دارای اختلاف معنی دار، نمی‌باشد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Investigate the potential of multi spectral satellite data for water depth and lake neighbor area mapping (case study: Chah nimeh reservoirs in Sistan)

نویسندگان [English]

  • V. Rahdari 1
  • S. Maleki 2
  • M. Rahdari 3
  • S. Mahomoudi 4
  • N. Pormollaei 5
  • M.R. Alimoradi 6
  • E. Abtin 7
  • M. Kadkhodae 8
  • S. Pormanafi 9
1 PhD Student in Environemtal Planning, Ishahan University of Technology, Lecturer in Zabol university, Iran.
2 PhD Student in Environemtal Planning, Ishahan University of Technology, Lecturer in Zabol university, Iran
3 Lecturer, Project Management Group, Payam-e Noor University, Sistan and Balochestan Center, Iran.
4 PhD in Climetology, Sistan and Balochestan Environment Conservation Administration, Iran
5 PhD Student in Environment, Science and Research Unit, Azad University, Sistan and Balochestan Environment Conservation Administration, Iran
6 PhD Student in Climate Change, Hakim Sabzevari Uinversity, Sistan and Balochestan Environment Conservation Administration, Iran.
7 MSc. in Environment, Sistan and Balochestan Environment Conservation Administration, Zabol, Iran
8 Ms of Rangeland, Sistan and Balochestan Environment Conservation administration
9 Faculty Member, Department of Environment, Faculty of Natural Resources, Ishahan University of Technology, Iran
چکیده [English]

Due to limited water resources, monitoring quantity of water in order to programming for different usage of water and also deposition monitoring is necessary. In this study for producing chah nimeh water reservoir depth map and area around lake, OLI sensor data from LANDSAT-8 satellite for Jan 2015 were used. At first, Attended by boat water depths were measured with meter. Water indices such as MNDWI, NDWI, AWEL, WRI and NDMI were generated using satellite data. By running simple linear regression between each index and field study data description coefficient R2 for water depth was calculated. finally water depth map was produced using MNDWI index which has highest R2 equal to 0/85. Using MNDWI index water model, depth measuring results and image classification methods water map and other area around lake, map was produced using hybrid classification method. Results have shown 4-6m level depth has highest area in the lake. Map accuracy was assessed with producing error matrix that has acceptable accuracy. Results have shown that with increasing water depth map accuracy is reduced but Z-TEST analysis has shown that in 0.01 level there was no significant difference between lowest depth map and deep water map accuracy.

کلیدواژه‌ها [English]

  • Chah nimeh water reservoir
  • Landsat 8
  • Water index
  • Hybrid image classification
  • Water depth

Al-doski  J, Shattri M, Zulhaidi H (2013) Image classification in remote sensing. Journal of Environment and Earth Science 3(10):141-147

Darvish Sefat A (1999) Thematic GIS data based  maps accuracy assessment. 5th Geographic Information System conference, Iran, Tehran

Ebrahimi Kia M,Saadat Seresht M, Firouz B (2009) Evaluation of bathymetry methods using satellite data. Geomatic conference, Iran, Tehran

Feyisa GL, Meilby H, Fensholt R, Proud SR (2014) Automated water extraction index: A new technique for surface water mapping using Landsat imagery. Remote Sens Environ 140:23–35

Kantakumar LN, Neelamsetti P (2015) Multi-temporal land use classification using hybrid approach. The Egyptian Journal of Remote Sensing and Space Sciences 18:289–295

Kamusoko C, Aniya M (2006) Land use/cover change and landscape fragmentation analysis in the Bindura district Zimbabwe. Land Degradation & Development 5:1431-1439

Karimian A, Jafarzadeh N, Afkhami M (2006) Using remote sensing for water reservoir monitoring. First National Conference on Operations in the Water and Westwater Sector.

Kianejad S, Mojaradi B (2009) using different spectral indices in order to temporary wetland management. The First National Conference on Combating Desertification and Sustainable Development of Desert Wetland, Arak, Iran

Komeil Rokni K,  Ahmad A, Selamat A, Hazini S (2014) Water feature extraction and change detection using multi temporal Landsat imagery. Remote Sens 6:4173-4189

Lu S, Wu B, Yan N, Wang H (2011) Water body mapping method with HJ-1A/B satellite imagery. Int. J. Appl. Earth Obs, Geoinf 13:428–434

Malmir M, Kheirkhah Z, Monavari SM, Jozi SA, Sharifi S (2015) Urban development change detection based on multi-temporal satellite images as a fast tracking approach-a case study of Ahwaz County. Southwestern Iran, Environ Monit Assess 187( 3):187-190

Masoud AA, Koike K (2006) Arid land salinization detected by remotely-sensed land cover changes: A case study in the Siwa region. NW Egypt, Arid Environment 66:151-167

McFeeters SK (1996) The use of the normalized difference water index (NDWI) in the delineation of open water features. International Journal of Remote Sens 17:1425–1432

Poursanidis D, Chrysoulakis N, Mitraka Z (2015) Landsat 8 vs. Landsat 5: A comparison based on urban and peri-urban cover mapping. International Journal of Applied Earth Observation and Geo information 35:259-269

Misra R, Balaji R (2015) A study on the shoreline changes and Land-use/ land-cover along the South Gujarat coastline. Procedia Engineering 116:381–389

Peña MA, Brenning A (2015) Assessing fruit-tree crop classification from Landsat-8 time series for the Maipo Valley, Chile. Remote Sensing of Environment 171:234–244

Purkis SJ, Klemas VV (2011) Remote Sensing and Global Environmental Change. John Wiley & Sons

Rahdari V (2006) Land use/cover change detection in mouteh wildlife refuge using RS and GIS. MS Thesis, Isfahan University of Technology

Rahdari V, Maleki S, Afsari K, Abtin E, Piri H, Fakhireh A (2011) Investigation on satellite data and Geographic Information System capability for ecological sources mapping (Case study: Hamoun wetland wild life sanctuary). Iranian Journal of Remote Sensing & GIS 3(2):59-70

 Rahdari V, Maleki S, Abtin E (2013) Investigation on satellite data capability for wetland region zooninig (case study: Hamoun wildlife refuge). Journal of Wetland Ecobiology 5(4):67-78

Rahdari V, Maleki S, Fakhireh A, Rahdari M (2009a) land use land cover change detection in Chah Nimeh water reservoir using satellite data and GIS techniques. First National Conference on Improving the Pattern of Consumption of Natural Resources, Agriculture and Veterinary Medicine, Zabol, Iran

Rahdari V, Maleki S, Rahnama M (2009b) Comparison of satellite image classification methods (supervised and unsupervised) for preparing land use and land cover map(case study: mouteh wildlife sancury). Geometric Conference, Tehran, Iran

Rouse JW, Haas RH, Schell JA, Deering DW (1973) Monitoring vegetation systems in the Great Plains with ERTS (Earth Resources Technology Satellite). In Proceedings of Third Earth Resources Technology Satellite Symposium, Greenbelt, ON, Canada 351:309–317

Shen L, Li C (2010) Water body extraction from Landsat ETM+ imagery using Adaboost Algorithm. In Proceedings of 18th International Conference on Geo informatics: 1–4

Wilson EH, Sader SA (2002) Detection of forest harvest type using multiple dates of Landsat TM imagery. Remote Sens, Environ 80:385–396

Xu H (2006) Modification of normalized difference water index (NDWI) to enhance open water features in remotely sensed imagery. Int. J. Remote Sens 27:3025–3033

Xu YB, Lai XJ, Zhou CG (2010) Water surface change detection and analysis of bottomland submersion-emersion of wetlands in Poyang Lake reserve using ENVISAT ASAR data. China Environ 30:57–66