[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
بایگانی مقالات زیر چاپ::
آمار نشریه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
آمار سایت
مقالات منتشر شده: 324
نرخ پذیرش: 63.1
نرخ رد: 36.9
میانگین داوری: 208 روز
میانگین انتشار: 345 روز
..
:: دوره 10، شماره 2 - ( 8-1401 ) ::
جلد 10 شماره 2 صفحات 62-39 برگشت به فهرست نسخه ها
بررسی مقایسه ای شاخص های آب مستخرج از تصاویر ماهواره‌ای به منظور پایش تغییرات سطح پهنه‌های آبی با کمک سامانه گوگل ارث انجین (مطالعه موردی: تالاب میقان اراک)
مرجان فرجی ، باقر فاطمی*
دانشگاه اصفهان
چکیده:   (2225 مشاهده)
تالاب‌ها زیست‌بوم آبی پویا و پیچیده‌ای هستند که نقش مهمی در بقای گونه‌های بسیار زیادی از گیاهان و جانوران وابسته به خود ایفا می‌کنند. در این پژوهش با استفاده از شش شاخص NDVI، NDWI، MNDWI، AWEIsh، AWEInsh  و WRI به بررسی تغییرات تالاب میقان اراک در بازه زمانی 1985 تا 2020 پرداخته‌شده است. علاوه بر آن مساحت‌های پهنه‌های آبی حاصل‌شده توسط شاخص‌ها در دوران خشک‌سالی و ترسالی با یکدیگر مقایسه شده و همبستگی بین تصویر حاصل‌شده از هر شاخص تحلیل و ارزیابی‌شده است. با توجه به اینکه تالاب موردمطالعه دارای عمق آب بسیار کم و حاوی آب شور است، توانایی شاخص‌های آبی در استخراج پهنه‌ آبی این تالاب مورد بررسی قرارگرفته و با نتایج طبقه‌بندی روش ماشین بردار پشتیبان مقایسه شده است. نتایج حاکی از آن است که شاخص‌ AWEInsh  در هنگام خشک‌سالی و کاهش حجم و سطح آب قادر به استخراج رضایت‌بخش و دقیق پهنه‌های آبی نمی‌باشند. شاخص‌های WRI و MNDWI با صحت کلی 95.97 و 98.52 برای تصویر دوره خشک‌سالی 99.04 و 99.57 در هنگام پر آبی تالاب بهترین شاخص‏ها برای تعیین پهنه‌ی آبی می‏باشند. عنوان یک نتیجه کلی می­توان گفت اطمینان کردن به نتایج یک شاخص در دوران خشک‌سالی برای بررسی پهنه­های آبی درست نیست. از آنجایی که در بررسی­های زمانمند ترکیبی از سال‏های کم آب و پرآب وجود دارد، لذا توصیه جدی این است که در مطالعات مشابه از چند شاخص برای بررسی پهنه­های آبی به‌طور هم‌زمان استفاده شود.
واژه‌های کلیدی: تشخیص تغییرات، تالاب میقان، شاخص آب، سنجش از دور، لندست
متن کامل [PDF 2451 kb]   (632 دریافت)    
نوع مطالعه: كاربردي | موضوع مقاله: سنجش از دور
دریافت: 1400/11/23 | پذیرش: 1401/4/7 | انتشار: 1401/8/10
فهرست منابع
1. [1] M. Mahdianpari et al., "A large-scale change monitoring of wetlands using time series Landsat imagery on Google Earth Engine: a case study in Newfoundland," GIScience & Remote Sensing, vol. 57, no. 8, pp. 1102-1124, 2020. [DOI:10.1080/15481603.2020.1846948]
2. [2] R. N. Colwell, "Remote sensing of natural resources," Scientific American, vol. 218, no. 1, pp. 54-71, 1968. [DOI:10.1038/scientificamerican0168-54]
3. [3] W. G. Planet, "Some comments on reflectance measurements of wet soils," Remote Sensing of Environment, vol. 1, no. 2, pp. 127-129, 1970. [DOI:10.1016/S0034-4257(70)80014-1]
4. [4] M. T. Chahine, "The hydrological cycle and its influence on climate," Nature, vol. 359, no. 6394, pp. 373-380, 1992. [DOI:10.1038/359373a0]
5. [5] R. R. Gillies and T. N. Carlson, "Thermal remote sensing of surface soil water content with partial vegetation cover for incorporation into climate models," Journal of Applied Meteorology and Climatology, vol. 34, no. 4, pp. 745-756, 1995. https://doi.org/10.1175/1520-0450(1995)034<0745:TRSOSS>2.0.CO;2 [DOI:10.1175/1520-0450(1995)0342.0.CO;2]
6. [6] N. M. Mattikalli and K. S. Richards, "Estimation of surface water quality changes in response to land use change: application of the export coefficient model using remote sensing and geographical information system," Journal of environmental management, vol. 48, no. 3, pp. 263-282, 1996. [DOI:10.1006/jema.1996.0077]
7. [7] S. K. McFeeters, "The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features," International journal of remote sensing, vol. 17, no. 7, pp. 1425-1432, 1996. [DOI:10.1080/01431169608948714]
8. [8] X. Han-Qiu, "A study on information extraction of water body with the modified normalized difference water index (MNDWI)," Journal of remote sensing, vol. 5, pp. 589-595, 2005.
9. [9] L. Shen and C. Li, "Water body extraction from Landsat ETM+ imagery using adaboost algorithm," in 2010 18th International Conference on Geoinformatics, 2010, pp. 1-4: IEEE. [DOI:10.1109/GEOINFORMATICS.2010.5567762]
10. [10] O. E. Malahlela, "Inland waterbody mapping: Towards improving discrimination and extraction of inland surface water features," International Journal of Remote Sensing, vol. 37, no. 19, pp. 4574-4589, 2016. [DOI:10.1080/01431161.2016.1217441]
11. [11] C. Wang, M. Jia, N. Chen, and W. Wang, "Long-term surface water dynamics analysis based on Landsat imagery and the Google Earth Engine platform: A case study in the middle Yangtze River Basin," Remote Sensing, vol. 10, no. 10, p. 1635, 2018. [DOI:10.3390/rs10101635]
12. [12] K. Johansen, S. Phinn, and M. Taylor, "Mapping woody vegetation clearing in Queensland, Australia from Landsat imagery using the Google Earth Engine," Remote Sensing Applications: Society and Environment, vol. 1, pp. 36-49, 2015. [DOI:10.1016/j.rsase.2015.06.002]
13. [13] G. Trianni, E. Angiuli, G. Lisini, and P. Gamba, "Human settlements from landsat data using google earth engine," in 2014 IEEE Geoscience and Remote Sensing Symposium, 2014, pp. 1473-1476: IEEE. [DOI:10.1109/IGARSS.2014.6946715]
14. [14] K. C. Fickas, W. B. Cohen, and Z. Yang, "Landsat-based monitoring of annual wetland change in the Willamette Valley of Oregon, USA from 1972 to 2012," Wetlands ecology and management, vol. 24, no. 1, pp. 73-92, 2016. [DOI:10.1007/s11273-015-9452-0]
15. [15] W. Cao, Y. Zhou, R. Li, and X. Li, "Mapping changes in coastlines and tidal flats in developing islands using the full time series of Landsat images," Remote Sensing of Environment, vol. 239, p. 111665, 2020. [DOI:10.1016/j.rse.2020.111665]
16. [16] G. Sarp and M. Ozcelik, "Water body extraction and change detection using time series: A case study of Lake Burdur, Turkey," Journal of Taibah University for Science, vol. 11, no. 3, pp. 381-391, 2017. [DOI:10.1016/j.jtusci.2016.04.005]
17. [17] S. Makrouni, G. R. Sabzghabae, S. Yousefi Khanghah, and S. Soltanian, "Detection of land use changes in Hoor Al Azim wetland using remote sensing and geographic information system techniques," Journal of RS and GIS for Natural Resources (Journal of RS and GIS Applied Techniques in Natural Resources Science), vol. 7, no. 3, pp. -, 2016.
18. [18] R. Khosrawi, R. Hassanzadeh, M. Hosseinjanizadeh, and S. Mohammadi, "Investigating water body changes using remote sensing water indices and Google Earth Engine: Case study of Poldokhtar wetlands, Lorestan province," IRANIAN JOURNAL OF ECOHYDROLOGY, vol. 7, no. 1 #a001084, pp. -, 2020.
19. [19] F. Yousefian, M. Sahebi, M. Shokri, and M. Moradi, "a Novel Water Index (swi) for Salty Water from Landsat 8 Oli/tirs," The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, vol. 42, pp. 1097-1105, 2019. [DOI:10.5194/isprs-archives-XLII-4-W18-1097-2019]
20. [20] S. M. Shariat, S. M. Moonavari, and F. Sobhani, "Environmental Risk Assessment of mining in Meyghan wetland," (in eng), Wetland Ecobiology, Research vol. 5, no. 2, pp. 41-52, 2013.
21. [21] A. Ansari and M. H. Golabi, "Prediction of spatial land use changes based on LCM in a GIS environment for Desert Wetlands-A case study: Meighan Wetland, Iran," International soil and water conservation research, vol. 7, no. 1, pp. 64-70, 2019. [DOI:10.1016/j.iswcr.2018.10.001]
22. [22] Z. Zhu, "Change detection using landsat time series: A review of frequencies, preprocessing, algorithms, and applications," ISPRS Journal of Photogrammetry and Remote Sensing, vol. 130, pp. 370-384, 2017. [DOI:10.1016/j.isprsjprs.2017.06.013]
23. [23] C. Funk et al., "The climate hazards infrared precipitation with stations-a new environmental record for monitoring extremes," Scientific data, vol. 2, no. 1, pp. 1-21, 2015. [DOI:10.1038/sdata.2015.66]
24. [24] L. Ji, L. Zhang, and B. Wylie, "Analysis of dynamic thresholds for the normalized difference water index," Photogrammetric Engineering & Remote Sensing, vol. 75, no. 11, pp. 1307-1317, 2009. [DOI:10.14358/PERS.75.11.1307]
25. [25] P. Leinenkugel, "The Combined Use of Optical and SAR Data for Large Area Impervious Surface Mapping," University Salzburg, 2010.
26. [26] S. Ma et al., "Application of the water-related spectral reflectance indices: A review," Ecological Indicators, vol. 98, pp. 68-79, 2019. [DOI:10.1016/j.ecolind.2018.10.049]
27. [27] G. L. Feyisa, H. Meilby, R. Fensholt, and S. R. Proud, "Automated Water Extraction Index: A new technique for surface water mapping using Landsat imagery," Remote Sensing of Environment, vol. 140, pp. 23-35, 2014. [DOI:10.1016/j.rse.2013.08.029]
28. [28] J. P. Mondejar and A. F. Tongco, "Near infrared band of Landsat 8 as water index: A case study around Cordova and Lapu-Lapu City, Cebu, Philippines," Sustainable Environment Research, vol. 29, no. 1, pp. 1-15, 2019. [DOI:10.1186/s42834-019-0016-5]
29. [29] Z. Dong et al., "Mapping wetland areas using Landsat-derived NDVI and LSWI: A case study of West Songnen plain, Northeast China," Journal of the Indian Society of Remote Sensing, vol. 42, no. 3, pp. 569-576, 2014. [DOI:10.1007/s12524-013-0357-1]
30. [30] T. N. Carlson and D. A. Ripley, "On the relation between NDVI, fractional vegetation cover, and leaf area index," Remote sensing of Environment, vol. 62, no. 3, pp. 241-252, 1997. [DOI:10.1016/S0034-4257(97)00104-1]
31. [31] H. Xu, "Modification of normalised difference water index (NDWI) to enhance open water features in remotely sensed imagery," International journal of remote sensing, vol. 27, no. 14, pp. 3025-3033, 2006. [DOI:10.1080/01431160600589179]
32. [32] A. Ogilvie et al., "Combining multi-sensor satellite imagery to improve long-term monitoring of temporary surface water bodies in the Senegal river floodplain," Remote Sensing, vol. 12, no. 19, p. 3157, 2020. [DOI:10.3390/rs12193157]
33. [33] L. G. d. M. Reis et al., "Uncertainties Involved in the Use of Thresholds for the Detection of Water Bodies in Multitemporal Analysis from Landsat-8 and Sentinel-2 Images," Sensors, vol. 21, no. 22, p. 7494, 2021. [DOI:10.3390/s21227494]
34. [34] A. Mohammadi and B. Khodabandehlou, "Classification and Assessment of Land Use Changes in Zanjan City Using Object-Oriented Analysis and Google Earth Engine System," Geography and Environmental Planning, vol. 31, no. 2, pp. 25-42, 2020.
35. [35] A. Azareh, E. R. Sardooi, H. Gholami, A. Mosavi, A. Shahdadi, and S. Barkhori, "Detection and prediction of lake degradation using landscape metrics and remote sensing dataset," Environmental Science and Pollution Research, pp. 1-16, 2021. [DOI:10.1007/s11356-021-12522-8]
ارسال پیام به نویسنده مسئول



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Faraji M, Fatemi B. Comparative analysis of remote sensing water indexes for wetland water body monitoring using Landsat images and the Google Earth Engine Platform0 (A Case study: Meighan Wetland, Iran). jgit 2022; 10 (2) :39-62
URL: http://jgit.kntu.ac.ir/article-1-871-fa.html

فرجی مرجان، فاطمی باقر. بررسی مقایسه ای شاخص های آب مستخرج از تصاویر ماهواره‌ای به منظور پایش تغییرات سطح پهنه‌های آبی با کمک سامانه گوگل ارث انجین (مطالعه موردی: تالاب میقان اراک). مهندسی فناوری اطلاعات مکانی. 1401; 10 (2) :39-62

URL: http://jgit.kntu.ac.ir/article-1-871-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 10، شماره 2 - ( 8-1401 ) برگشت به فهرست نسخه ها
نشریه علمی-پژوهشی مهندسی فناوری اطلاعات مکانی Engineering Journal of Geospatial Information Technology
Persian site map - English site map - Created in 0.05 seconds with 38 queries by YEKTAWEB 4660