پایش تغییرات فضایی گستره‌ برفی البرز مرکزی با استفاده از تابع طبقه‌بندی ماشین بردار پشتیبان و تصاویر ماهواره‌ای سری لندست

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه لرستان، خرم آباد، ایران

2 گروه جغرافیا، دانشکده ادبیات و علوم انسانی، مرکز آموزش عالی فیروزآباد، فارس، ایران

چکیده

مقدمه: برف­های رشته­کوه البرز در تأمین آب­های زیرزمینی و سطحی سکونتگاه­های اطراف آن و جلگه­ی پرجمعیت خزر نقش مهمی دارد. گرمایش جهانی موجب تغییراتی در فراسنج­های جوی- اقلیمی کشور ایران شده است. این تغییرات موجب تغییراتی در متغیر وابسته که پوشش برفی نقاط مرتفع کوهستان البرز می­باشد، خواهد شد. پیامدهای آن می­تواند تسریع در ذوب برف­ها، افزایش روند سیلابی­شدن رودخانه­ها و تخریب زیستگاه­ها و سکونتگاه­های پایین­دست گردد. بنابراین پایش گستره­ برفی البرز می­تواند در تدوین راهبردهای مدیریتی آب و توسعه­ پایدار مورد استفاده قرار بگیرد.
مواد و روش­ها: در پژوهش حاضر، کوهستان البرز مرکزی به­عنوان محدوده موردمطالعه انتخاب گردید. در این مطالعه، به­منظور پایش تغییرات پهنه­های برفی البرز مرکزی در سال­های 1985 تا 2020 در مقیاس زمانی فصلی، ابتدا تصاویر ماهواره­ای لندست، سنجنده­­های TM، ETM و OLI برای فصل­های مربوطه در سال­های 1985، 1995، 2005، 2015 و 2020 از سایت سازمان زمین­شناسی آمریکا تهیه گردید. به­منظور استخراج پهنه­های برفی از روی تصاویر لندست، از روش طبقه­بندی تصاویر با الگوریتم ماشین بردار پشتیبان (SVM) استفاده گردید.
بحث و نتایج: مساحت پهنه­های برفی در زمستان بیشترین مقدار را به خود اختصاص داده است و کمترین آن نیز مربوط به تابستان است. در فصل زمستان، بیشترین مساحت پهنه­های برفی در سال 1985 با 68/1 میلیون هکتار و کمترین آن در سال 2015 با 73/0 میلیون هکتار بود. در بهار بیشترین گستره برفی با 23/0 میلیون هکتار در سال 1995 و کمترین آن با 06/0 میلیون هکتار در سال 2015 بود. در تابستان میانگین آن 004/0 میلیون هکتار (4 هزار هکتار) بوده و بیشترین پهنه با 01/0 میلیون هکتار (10 هزار هکتار) در سال 1985 و کمترین آن با 001/0 میلیون هکتار (یک هزار هکتار) در سال 2020 مشاهده گردید. در پاییز میانگین پهنه­های برفی طی 35 سال حدود 47/0 میلیون هکتار (470 هزار هکتار) بوده که بیشترین آن با مساحت 84/0 میلیون هکتار (840 هزار هکتار) در سال 1985 و کمترین آن با 15/0 میلیون هکتار (150 هزار هکتار) در سال 2020 بوده است. به­طور کلی، بررسی روند سالانه پهنه­های برفی بیان­گر این است که از سال 1985 تا 2020 از مساحت آن کاسته شده و روند خطی آن نزولی می­باشد.
نتیجه ­گیری: نتایج این مطالعه نشان داد که دقت بیش از 91/0 درصدی الگوریتم ماشین بردار پشتیبان در طبقه­بندی تصاویر لندست، می­توان از این روش برای استخراج پهنه­های برفی استفاده نمود؛ به­گونه­ای که برف­های سایه و ابر را نیز از برف جدا نموده و در دره­ها نیز تجمع برف را شناسایی نمود. همچنین استفاده از تصاویر با قدرت تفکیک مکانی 30 متر و اعمال الگوریتم­های طبقه­بندی برای استخراج برف بهتر از اعمال شاخص NDSI و همچنین تصاویر MODIS می­باشد. از طرف دیگر روند پوشش برفی البرز مرکزی به­گونه­ای بوده که طی 25 سال از حدود 7/0 میلیون هکتار از مساحت برف­ها کاسته شده است و حجم بالایی از ذخیره آب شیرین در البرز از بین رفته است.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Monitoring the spatial changes of the snow cover of Central Alborz using the SVM algorithm and landsat images

نویسندگان [English]

  • Hasan Jems 1
  • Daryosh Yarahmadi 1
  • Abuzar Nasiri 2
  • Hamid Mirhashemi 1
1 Department of Geography, Faculty of Literature and Humanities, Lorestan University, Khorramabad, Iran
2 Department of Geography, Faculty of Literature and Humanities, Firouzabad Institute of Higher Education, Firouzabad, Iran
چکیده [English]

Introduction: The snows of the Alborz mountain range play an important role in providing underground and surface water for the settlements around it and the densely populated Caspian Plain. Global warming has caused changes in the atmospheric-climatic parameters of Iran. These changes will cause changes in the dependent variable, which is the snow cover of the high points of the Alborz Mountains. Its consequences can be accelerating the melting of snow, increasing the process of flooding of rivers and the destruction of habitats and settlements downstream. Therefore, the monitoring of Alborz snow area can be used in formulating water management strategies and sustainable development.
Materials and methods: In this study, the temporal-spatial variations of the Central Alborz snow cover on a seasonal scale for the years 1985 to 2020 were monitored using Landsat TM, ETM+ and OLI for 1985, 1995, 2005, 2015 and 2020. SVM algorithm was used to extract the snow cover.
Results and discussion: The average snow covers for winter, autumn, spring and summer were 1.19, 0.47, 0.14 and 0.004 million hectares, respectively. Snow covers have been declining from 1985 to 2020, reaching 1.98 million hectares in 2020 from 1.68 in 1985 to 1.68 in winter. In the autumn, it increased from 0.84 in 1985 to 0.15 million hectares in 2020. In the winter of 1985, snow started at an altitude of 1,500 meters, but by 2020 it reached 2,500 meters. In the summer, snow was more than 3,900 meters high in 1985, but peaks more than 4,200 meters in 2015 and 2020. The area of snow cover in Central Alborz has a decreasing trend, which has the highest rate in winter.
Conclusion: The results of this study showed that the accuracy of the support vector machine algorithm is more than 0.91% in the classification of Landsat images, this method can be used to extract snow patches; in such a way that it separated the shadow snow and cloud from the snow and identified the accumulation of snow in the valleys. Also using images with spatial resolution of 30 meters and applying classification algorithms for snow extraction is better than using NDSI index and MODIS images. On the other hand, the process of snow cover in central Alborz has been such that during 25 years, the area of snow has decreased from about 0.7 million hectares and a large amount of fresh water storage in Alborz has been lost.

کلیدواژه‌ها [English]

  • Alborz
  • SVM algorithm
  • Snow
  • Landsat

مراجع

منابع (References)
 
-Abdulkadhim, A.H., 2019. Estimating snow cover area in south of Turkey using the Normalized Difference Snow Index (NDSI) form MODIS Satellite Images, In Journal of Physics: Conference Series, v. 1279(1), p. 012047. IOP Publishing. ‏
-Afifi, M.E., 2021. Investigation of changes in snow cover and determination of snowmelt line in mountainous areas using MODIS images and NDSI index (Case study of Zagros Glaciers), Geography and Environmental Studies, v. 10(38), p. 25-36 (in Persian).
-Aguirre, F., Carrasco, J., Sauter, T., Schneider, C., Gaete, K., Garín, E. and Casassa, G., 2018. Snow cover change as a climate indicator in Brunswick Peninsula, Patagonia. Frontiers in Earth Science, v. 6, 130 p.‏
-Ali, S., Cheema, M.J.M., Waqas, M.M., Waseem, M., Awan, U.K. and Khaliq, T., 2020. Changes in Snow Cover Dynamics over the Indus Basin: Evidences from 2008 to 2018 MODIS NDSI Trends Analysis. Remote Sensing, v. 12(17), https://doi.org/10.3390/rs12172782
-Banihabib, M.E., Hasani, K. and Bavani, A.M., 2016. Assessment of climate change effects on Shahcheraghi Reservoir inflow, Journal of water and soil, v. 30(1) (in Persian).
-Burges, C.J., 1998. A tutorial on support vector machines for pattern recognition. Data mining and knowledge discovery, v. 2(2), p. 121-167.
-Dong, C. and Menzel, L., 2020. Recent snow cover changes over central European low mountain ranges, Hydrological Processes, v. 34(2), p. 321-338.
-Donmez, C., Berberoglu, S., Cicekli, S.Y., Cilek, A. and Arslan, A.N., 2021. Mapping snow cover using landsat data: toward a fine-resolution water-resistant snow index. Meteorology and Atmospheric Physics, v. 133, p. 281-294.‏
-Fattahi, E., 2019. Investigation of snow cover changes affected by climate change in North West of Iran. Journal of Applied researches in Geographical Sciences, v. 19(54), p. 47-63 (in Persian).
-Harer, S., Bernhardt, M., Siebers, M. and Schulz, K., 2018. On the need for a time-and location-dependent estimation of the NDSI threshold value for reducing existing uncertainties in snow cover maps at different scales, The Cryosphere, v. 12(5), p. 1629-1642.‏
-Horner, I., Branger, F., McMillan, H., Vannier, O. and Braud, I., 2020. Information content of snow hydrological signatures based on streamflow, precipitation and air temperature, Hydrological Processes.
-Huang, C., Davis, L.S. and Townshend, J.R.G., 2002. An assessment of support vector Dewi, R.S. and Bijker, W., (2019). Dynamics of shoreline changes in the coastal region of Sayung, Indonesia, The Egyptian Journal of Remote Sensing and Space Science.
-Kwon, Y., Yang, Z.L., Zhao, L., Hoar, T.J., Toure, A.M. and Rodell, M., 2016. Estimating snow water storage in North America using CLM4, DART, and snow radiance data assimilation, Journal of Hydrometeorology, v. 17(11), p. 2853-2874.
-Khosravi, M., Tavousi, T., Raeespour, K. and Omidi Ghaleh Mohammadi, M., 2017. A survey on snow cover variation in mount zardkooh-bakhtyare using remote sensing (RS). Hydrogeomorphology, v. 4(12), p. 25-44 (in Persian).
-Mityók, Z.K., Bolton, D.K., Coops, N.C., Berman, E.E. and Senger, S., 2018. Snow cover mapped daily at 30 meters resolution using a fusion of multi-temporal MODIS NDSI data and Landsat surface reflectance, Canadian Journal of Remote Sensing, v. 44(5), p. 413-434.‏
-Musselman, K.N., Lehner, F., Ikeda, K., Clark, M.P., Prein, A.F., Liu, C. and Rasmussen, R., 2018. Projected increases and shifts in rain-on-snow flood risk over western North America. Nature Climate Change, v. 8(9), p. 808-812.
-Ohashi, H., Kominami, Y., Higa, M., Koide, D., Nakao, K., Tsuyama, I. and Tanaka, N., 2016. Land abandonment and changes in snow cover period accelerate range expansions of sika deer, Ecology and evolution, v. 6(21), p. 7763-7775.
-Seifi, H. and Gorbani, I., 2019. Estimating snow cover trends using Object-Oriented Methods and images received from OLI and TIRS sensors (Case Study: Sahand Mountain). Scientific-Research Quarterly of Geographical Data (SEPEHR), v. 28(109), p. 77-91 (in Persian).
-Solaimani, K., Darvishi, S., Shokrian, F. and Rashidpour, M., 2018. Monitoring of temporal-spatial variations of snow cover using the MODIS image (Case Study: Kurdistan Province), Iranian Journal of Remote Sensing & GIS, v. 10(3), p. 77-104 (in Persian).
-Shafiq, M.U., Ahmed, P., Islam, Z.U., Joshi, P.K. and Bhat, W.A., 2019. Snow cover area change and its relations with climatic variability in Kashmir Himalayas, India, Geocarto International, v. 34(6), p. 688-702.
-Tang, Z., Wang, X., Wang, J., Wang, X., Li, H. and Jiang, Z., 2017. Spatiotemporal variation of snow covers in Tianshan Mountains, Central Asia, based on cloud-free MODIS fractional snow cover product, 2001–2015. Remote Sensing, v. 9(10), https://doi.org/10.3390/rs9101045.
-Vafakhah, M.A.H.D.I., Mohseni Saravi, M., Mahdavi, M.O.H.A.M.A.D. and Alavipanah, S.K., 2011. Comparison of snow cover area (SCA) in NOAA and MODIS Images (A case study: Taleghsn Watershed). Watershed Management Research (in Persian).
-Vapnik, V. and Chervonenkis, A., 1991. The necessary and sufficient conditions for consistency in the empirical risk minimization method, Pattern Recognition and Image Analysis, v. 1(3), p. 283-305.
-Voigt, T., Füssel, H.M., Gärtner-Roer, I., Huggel, C., Marty, C. and Zemp, M., 2010. Impacts of climate change on snow, ice, and permafrost in Europe: Observed trends, future projections, and socio-economic relevance, ETC/ACC Technical Paper, v. 13, p. 1-117.
-Wahidullah, H., Lee, H. and Bhanage, V., 2020. snow cover mapping for sustainable water resource management in the balkhab river basin in afghanistan using modis sattellite normalized difference snow index (ndsi) products, Conference: IAHR-APD-2020At: Hokkaido, Japan.
-Wang, X., Gao, X., Zhang, X., Wang, W. and Yang, F., 2020. An Automated Method for Surface Ice/Snow Mapping Based on Objects and Pixels from Landsat Imagery in a Mountainous Region, Remote Sensing, v. 12(3), 485 p.‏
-Wipf, S., Sommerkorn, M., Stutter, M.I., Wubs, E.J. and Van Der Wal, R., 2015. Snow cover, freeze‐thaw, and the retention of nutrients in an oceanic mountain ecosystem, Ecosphere, v. 6(10), p. 1-16.
-Yan, D., Huang, C., Ma, N. and Zhang, Y., 2020. Improved landsat-based water and snow indices for extracting lake and snow cover/glacier in the tibetan plateau, Water, v. 12(5), DOI: 10.3390/w12051339.
-Yarahmadi, D. and Sherafat, M., 2020. The thermal evaluation of snow line and identification of potential areas of snow falling in the Alborz Mountains with NOAA-AVHRR images, Journal of Applied researches in Geographical Sciences, v. 20(56), p. 193-204 (in Persian).
-Zhang, H., Zhang, F., Che, T. and Wang, S., 2020. Comparative evaluation of VIIRS daily snow cover product with MODIS for snow detection in China based on ground observations. Science of The Total Environment, v. 724, doi.org/10.1016/j.scitotenv.2020.138156.
 
 
 

فایل ها

هم رسانی

ارجاع به این مقاله

آمار