تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,501 |
تعداد مشاهده مقاله | 124,098,603 |
تعداد دریافت فایل اصل مقاله | 97,206,239 |
استفاده از ضریب آلبیدوی سطحی مستخرج از الگوریتم سبال به منظور برآورد سطح پوشش برف (مطالعۀ موردی: حوضۀ آبخیز کشکان) | ||
اکوهیدرولوژی | ||
مقاله 21، دوره 5، شماره 2، تیر 1397، صفحه 627-637 اصل مقاله (1.47 M) | ||
نوع مقاله: پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ije.2018.248019.791 | ||
نویسندگان | ||
حسین یوسفی1؛ آرمان کیانی2؛ علی حقی زاده* 3؛ یزدان یاراحمدی4 | ||
1دانشیار، دانشکدۀ علوم و فنون نوین، دانشگاه تهران | ||
2دانشجوی کارشناسی ارشد مهندسی آبخیزداری، دانشکدۀ کشاورزی و منابع طبیعی، دانشگاه ملایر | ||
3دانشیار، دانشکدۀ کشاورزی و منابع طبیعی، دانشگاه لرستان | ||
4دانشجوی کارشناسی ارشد مهندسی اکوهیدرولوژی، دانشکدۀ علوم و فنون نوین، دانشگاه تهران | ||
چکیده | ||
بخش عظیمی از بارش در مناطق کوهستانی برف است، به همین دلیل پوشش برف و تغییرات زمانی و مکانی آن از پارامترهای اساسی در مطالعات هیدرولوژی به شمار میآید. پژوهش حاضر در حوضۀ کوهستانی چگنی که به وسعت 1836 کیلومترمربع از زیرحوضۀ دوآب کشکان واقع در شمال استان لرستان واقع است، انجام شد. به طوری که تصویر سنجندۀ ETM+ ماهوارۀ لندست 7 برای انجام مطالعات انتخاب و تصحیح خطوط جاافتاده و هندسی روی آن انجام شد. با استفاده از الگوریتم سبال میزان آلبیدوی سطحی محاسبه شد. از آنجا که غیر از برف دو پدیدۀ شن زرد و سفید و آب آلبیدوی بزرگتر از 3/0 دارند، نقشۀ پوشش برف برای آلبیدوهای3/0< α، 35/0< α، 4/0< α، 45/0< α، 5/0< α و 55/0< α فراهم شد. برای استخراج پوشش برف با دقت کافی، با فرض مجهولبودن پوشش برف برای این آلبیدوها طبقهبندی نظارتنشده انجام شد. سپس، با اعمال طبقهبندی نظارتشده روی تصویر تصحیحشدۀ ابتدایی، میزان پوشش برف برآورد شد و ضریب کاپا برای ارزیابی بین نتیجۀ بهدستآمده از طبقهبندی نظارتشده و نتایج طبقهبندی نظارتنشده برای آلبیدوهای یادشده انتخاب شد. نتایج نشان داد ضریب کاپا برای آلبیدوی 45/0< α بیشترین مقدار یعنی 85/0را دارد، بنابراین آلبیدوی 45/0< α میتواند پوشش برف را تا حد قابل قبولی استخراج کند. | ||
کلیدواژهها | ||
آلبیدو؛ الگوریتم سبال؛ برف؛ لرستان؛ لندست | ||
عنوان مقاله [English] | ||
Modeling surface albedo coefficient derived from sebal algorithm to estimate the level of snow cover (case study : chegeni basin( | ||
نویسندگان [English] | ||
Hossein Yousefi1؛ Arman Kiani2؛ Ali Haghizadeh3؛ yazdan yarahmadi4 | ||
1مدیر گروه علوم و فناوریهای محیطی، دانشکده علوم و فنون نوین دانشگاه تهران | ||
2Watershed Management Engineering, Faculty of Agriculture and Natural Resources, University of Malayer | ||
3Watershed Management Engineering Faculty of Agriculture and Natural Resources, University of Lorestan, | ||
4Ecohydrology Engineering, Faculty of New Sciences and Technologies, University of Tehran | ||
چکیده [English] | ||
This study was conducted in chegeni mountainous basin, with an area of 1836 Km2 .It is sub-basin of Doab Kashkan, that located in the north of the Lorestan province So that Landsat 7 Satellite ETM+ imagery sensor, selected for studies and correction of missing lines was conducted and albedo Surface amount, calculated by using Sebal algorithms. Since the except snow, two phenomena yellow and white sand and water have greater than 0.3 albedo, then the snow cover map were provided for α > 0.3, α > 0.35, α > 0.4, α > 0.45 , α > 0.5 and α > 0.55 albedos. To extract snow cover with sufficient precision, with this assuming, that snow cover is unknown, unmonitored classification was conducted for the albedo, then with applying of monitored classification on primary corrected image. The snow cover amount, was estimated, and kappa coefficient selected for evaluate the results of monitored classification and unmonitored classification for the mentioned albedo. The results showed that kappa coefficient for α > 0.45 albedo, has highest value 0.85. So α > 0.45 albedo can extract snow cover to an acceptable level for us. | ||
کلیدواژهها [English] | ||
Albedo, Sebal Algorithms, Landsat, snow, Lorestan | ||
مراجع | ||
[1]. Fattahi E VM. Estimating the temperature of the snow surface and spread snow cover using the MODIS. Geogr Res. 2011;26(3):149–68.[Persian] [2]. Ye B, Yang D, Jiao K, Han T, Jin Z, Yang H, et al. The Urumqi River source glacier No. 1, Tianshan, China: changes over the past 45 years. Geophys Res Lett. 2005;32(21.( [3]. Zhang Y, Yan S, Lu Y. Snow cover monitoring using MODIS data in Liaoning Province, Northeastern China. Remote Sens. 2010;2(3):777–93. [4]. Singh P, Jain SK. Modelling of streamflow and its components for a large Himalayan basin with predominant snowmelt yields. Hydrol Sci J. 2003;48(2):257–76. [5]. Kheirkhah Zarkesh MM, Mahaboubian A HH. Coparsion of surface albedo estimated from landsat and MODIS image, Journal of Applied RS&GIS Techniques. Tech Nat Resour Sci. 2012;3(3):49–59.[Persian] [6]. Coakley JA. Reflectance and albedo, surface. Encyclopedia of the Atmosphere. Academic; 2003. p. 1914–23. [7]. He T. Estimating land surface albedo from satellite data. University of Maryland, College Park; 2012.
[8]. sabziparvar AA, Fakharizadeh shirazi E, Marofi S RY. Estimating the land surface albedo using Levell-G and CDR Landsat-7 satellite. Agric Meteorol. 2015;3(2):45–54.[Persian] [9]. Liang S. Narrowband to broadband conversions of land surface albedo I: Algorithms. Remote Sens Environ. 2001;76(2):213–38. [10]. J P. Snow melt runoff distribution models using data from remote sensing. Ph.d Thesis.science and Research Branch Islamic Azad University of Tehran. science and Research Branch Islamic Azad University of Tehran; 2002. [11]. M JN. Snow cover mapping using NOAA satellite images,Case Study:Karaj Dam Basin. Master’s thesis Tarbiat Modarres University of Tehran. Master’s thesis Tarbiat Modarres University of Tehran; 2005. [12]. Miryaghoubzadeh M GM. Application of snow cover maps obtained from Modis satellite image dut to snowmelt runoff modeling case Study: Karaj dam basin. Geosci Soientific Q J. 2010;19(76):141–8.[Persian] [13]. Opoku-Duah S, Donoghue DNM, Burt TP. Intercomparison of evapotranspiration over the Savannah Volta Basin in West Africa using remote sensing data. Sensors. 2008;8(4):2736–61. [14]. Tasumi M, Allen RG, Trezza R. At-surface reflectance and albedo from satellite for operational calculation of land surface energy balance. J Hydrol Eng. 2008;13(2):51–63. [15]. Hall DK, Riggs GA, Salomonson V V, DiGirolamo NE, Bayr KJ. MODIS snow-cover products. Remote Sens Environ. 2002;83(1):181–94. [16]. Bhanderi DD V, Bak T. Modeling earth albedo for satellites in earth orbit. AIAA Guid Navig Control Proc. 2005. [17]. Wielicki BA, Wong T, Loeb N, Minnis P, Priestley K, Kandel R. Changes in Earth’s albedo measured by satellite. Science (80-). 2005;308(5723):825. [18]. Nagler T, Rott H, Malcher P, Müller F. Assimilation of meteorological and remote sensing data for snowmelt runoff forecasting. Remote Sens Environ. 2008;112(4):1408–20. [19]. Mölg N, Rastner P, Irsara L, Notarnicola C, Steurer C, Zebisch M. Multi-temporal MODIS snow cover monitoring over the alpine regions for civil protection applications. In: 30th EARSel symposium, 31st May--3rd June. 2010. [20]. Fatemi SB R y. Principles of Remote sensing. azadeh. azdadeh; 2010.[Persain] | ||
آمار تعداد مشاهده مقاله: 619 تعداد دریافت فایل اصل مقاله: 583 |