برآورد غلظت رسوبات معلق در سطح آب مخزن سد با استفاده از تصاویر ماهواره ای (نمونه‌ مورد مطالعه: سد ارداک مشهد)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 عضو هیات علمی گروه عمران و محیط زیست موسسه اموزش عالی خاوران -مشهد -ایران

2 استاد گروه مهندسی آب دانشکده کشاورزی، دانشگاه فردوسی مشهد

3 عضو هیات علمی گروه مهندسی اب -دانشکده کشاورزی -دانشگاه فردوسی مشهد

چکیده

برآورد رسوبات معلق در آب‌های روان از جنبه‌های مختلف نظیر عملکرد سازه‌های هیدرولیکی، مشکلات زیست‌محیطی و .. دارای اهمیت می‌باشد. هدف اصلی از این تحقیق استفاده از فناوری سنجش از دور به منظور برآورد غلظت مواد معلق در سطح آب ورودی به مخازن سدها در طول عمر سد و همچنین برآورد سالانه آن می باشد. برای این منظور از نتایج آزمایشگاهی و داده‌های سنجنده 〖ETM〗^+ ماهواره لندست مربوط به طیف بازتابنده‌گی رسوبات معلق در غلظت‌های مختلف استفاده شده‌است. در یک کار آزمایشگاهی با استفاده از یک دستگاه اسپکترورادیومتر ASD، مقادیر بازتابند‌گی آب محتوی مقادیر مختلف رسوبات معلق در محدوده طیفی 400 تا 2500 نانومتر اندازه‌گیری شد. سپس این مقادیر بازتابندگی برای باندهای سنجنده OLI ماهواره لندست 8 با استقاده از توابع پاسخ طیفی آنها، بازنمونه‌برداری شد. در این تحقیق از مقادیر مختلف رسوب در 90 نمونه از غلظت gr⁄lit 16/0 تا gr⁄lit 05/100 استفاده گردید.
در بررسی‌های انجام شده بازتابند‌گی باند 5 لندست با مرکزیت 865 نانومترو باند 2 با مرکزیت 5/482 نانومتر به عنوان باندهایی که به ترتیب بیشترین و کمترین حساسیت را به مقدار رسوبات از خود نشان داده‌اند، تشخیص داده شدند. به این ترتیب بین تفاضل بازتابندگی در این دو باند (〖R_865-R〗_482.5) و غلظت رسوبات معلق رابطه‌ای نمایی با همبستگی مناسبی تشخیص داده شد. در این رابطه پارامتر RMSE آن برای حداکثر غلظت محتمل رسوب براب57/1 و پارامتر ‌R2 برابر با 91/0 بدست آمد. نتایج این تحقیق نشان داد که مدل جهت برآورد رسوبات معلق در آب، عملکرد خوبی از خود نشان می‌دهد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Assessment of the Water Suspended Sediment Concentration at the Surface in a Dam Reservoir using satellite images (Case Study: Ardak Damin Mashhad)

نویسندگان [English]

  • mohammad hadian 1
  • bijan ghahraman 2
  • kazem Esmaili 3
1 civil engineering and environment department of khavaran institute of higher education_ mashhad-iran
2 professor of ferdoosi univercity _ mashhad
3 professor of ferdoosi univercity -mashhad-iran
چکیده [English]

Estimation of suspended sediments in flowing waters is a matter of importance due to the different aspects such as the performance of hydraulic structures, environmental problems, and ... The main goal of this research is using remote sensing technology to estimate the concentration of suspended sediments at the water level entering the reservoirs of dam by flood since the dam was constructed and its annual estimation. For this purpose, the experimental results and 〖ETM〗^+ data of Landsat satellite related to the reflection spectrum of suspended sediments at various concentrations. In a lab work by using an ASD spectro radiometer, the water reflection values containing different amounts of suspended sediments were measured in the range of 400 to 2500 nm. Then, these reflection values for OLI Bands of Landsat 8 were reexamined using their spectral response functions. In the study of the correlation between bands with the amount of suspended sediments, band2 (blue) and band5 (infrared) were detected most appropriate. In this research, a range of different sediment concentrations in 90 samples of 0.16 gr⁄lit to 100.05 gr⁄lit was used.

In the reviews, Landsat 5 band reflection centered at 865 nm and Landsat 2 band reflection centered at 482/4 showed the most and least sensitivity to the amount of sediment respectively. Therefore, a relationship with appropriate correlation was diagnosed between reflection differences of these two bands 〖R_865-R〗_482.5 and concentration of suspended sediments. In this relation, its RMSE was 1.57 and ‌R2 parameter determination factor was

کلیدواژه‌ها [English]

  • Suspended sediments
  • Dam reservoir
  • Landsat images
  • Remote Sensing
Adam S, Backer A De, Wever A De, Sabbe K, Toorman EA, Vincx M and Monbaliu J (2011) Bio-physical characterization of sediment stability in mudflats using remote sensing : A laboratory experiment. Continental Shelf Research. Elsevier 31(10):S26-S35, Available at: http://dx.doi.org/10.1016/j.csr.2009.12.008
Babin M, Stramski D, Ferrari GM, Claustre H, Bricaud A, Obolensky G and Hoepffner N (2003) Variations in the light absorption coefficients of phytoplankton, nonalgal particles, and dissolved organic matter in coastal waters around Europe. Journal of Geophysical Research: Oceans 108:C(7)
Binding CE and Bowers DG (2005) Estimating suspended sediment concentrations from ocean colour measurements in moderately turbid waters ; the impact of variable particle scattering properties. Remote Sensing of Environment 94(3):373-383
Chen Q and Zhang Y (2007) Water quality monitoring using remote sensing in support of the EU water framework directive ( WFD ): A case study in the Gulf of Finland. Environ Monit Assess 124(1-3):157-166
Dekker AG, Vos RJ and Peters SWM (2001) Comparison of remote sensing data , model results and in situ data for total suspended matter ž TSM / in the southern Frisian lakes. Sci Total Environ 268(1-3):197-214
Espinoza Villar R, Martinez JM, Texier ML, Guyot JL, Fraizy P, Meneses PR, and de Oliveira E  (2013) A study of sediment transport in the Madeira River, Brazil, using MODIS remote-sensing images. Journal of South American Earth Sciences 44:45-54
Giardino C, Brando VE, Dekker AG, Strömbeck N and Candiani G (2007) Assessment of water quality in Lake Garda ( Italy ) using Hyperion. Remote Sensing of Environment 109:183-195
Gordon HR and The- JRVZ (1973) On the accuracy of determining light absorption by “ yellow substance ” through measurements of induced fluorescence. Journal of Geophysical Research: Oceans 120(2):875-892
Ostlund C, Flink P, Strombeck N and Pierson D (2001) Mapping of the water quality of Lake Erken , Sweden , from Imaging Spectrometry and Landsat Thematic Mapper. Science of the Total Environment 268(1-3):139-154
Volpe V, Silvestri S and Marani M (2011) Remote sensing of environment remote sensing retrieval of suspended sediment concentration in shallow waters. Remote Sensing of Environment 115(1):44-54, Available at: http://dx.doi.org/10.1016/j.rse.2010.07.013
Zhang Y, Pulliainen J, Koponen S and Hallikainen M (2002) Application of an empirical neural network to surface water quality estimation in the Gulf of Finland using combined optical data and microwave data. Remote Sensing of Environment 81:327-336
Shafaei Bejestani M, Hassanzadeh H,  Nasr Esfahani M (2010) Study of sedimentology and estimated annual precipitation of Karkheh River. Khuzestan Water and Power Organization, Dam and Power Research Council (In Persian)