پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,502 |
| تعداد مشاهده مقاله | 124,119,056 |
| تعداد دریافت فایل اصل مقاله | 97,225,322 |
بررسی روند تغییرات سطح آب تالاب یعقوب‌آباد با استفاده از تصاویر چند‌زمانه | ||
| اکوهیدرولوژی | ||
| مقاله 1، دوره 8، شماره 2، تیر 1400، صفحه 321-329 اصل مقاله (1.02 M) | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ije.2021.311887.1397 | ||
| نویسندگان | ||
| میثم مافی1؛ زهرا عزیزی* 2؛ پرستو کریمی3؛ پیام عالمی صف اول4 | ||
| 1کارشناس ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، ادارۀ کل منابع طبیعی و آبخیزداری استان قزوین | ||
| 2استادیار گروه سنجش از دور و GIS، دانشکدۀ منابع طبیعی و محیط زیست، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران | ||
| 3کارشناس ارشد سنجش از دور و GIS | ||
| 4کارشناس ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، سازمان زمین‌شناسی و اکتشافات معدنی کشور | ||
| چکیده | ||
| تالابها از مهمترین اکوسیستمهای زمین هستند که به دلیل گستردگی فعالیتهایی که در این پهنههای آبی از جنبههای گوناگون رخ میدهد، همواره مورد توجه انواع گونههای زیستی و انسان بوده‌اند. طی دهههای اخیر با رشد و توسعۀ فناوری و افزایش جمعیت، فشارهای اکولوژیکی زیادی به تالابها وارد شده است. از اینرو، پایش تغییرات تالابها اهمیت زیادی دارد. فن سنجش از دور و استفاده از تصاویر ماهواره‌ای با توجه به ماهیت وجودی آنها، امکان تهیۀ نقشههایی با دقت قابل قبول طی زمانهای تکراری از یک منطقه را فراهم میآورد و از اینرو، ابزاری کارآمد برای دستیابی به داده‌های ارزشمند از زمین است. تالاب یعقوب‌آباد در مجموعۀ تالاب‌های الله‌آباد قزوین واقع شده است. در مطالعۀ حاضر برای بررسی روند تغییرات سطح آب این تالاب، از پردازش رقومی تصاویر ماهواره‌ای استفاده شد. بنابراین، به این منظور تصاویر سنجندۀ ETM+ و OLI مربوط به سال‌های 2000 و 2017 از پایگاه USGS اخذ شده و با روش طبقه‌بندی تصویر (ML) پردازش شد. دقت پردازش تصاویر هر دو دوره بر مبنای ضریب کاپا بیش از 70 درصد بود. نتایج مقایسۀ حدود پیکرۀ آبی تالاب در دو دوره، نشاندهندۀ افزایش درخور توجه سطح آب در فصل سرد در تالاب است که ارتباط معنادار با میزان بارش باران در منطقه دارد. با توجه به عدم برداشت اطلاعات زمینی مربوط به وضعیت تالاب در دورۀ اول مطالعه به صورت میدانی، روش به‌کار‌گرفته‌شده در تحقیق حاضر توانست پایش تغییرات تالاب را با دقت نسبتاً مناسبی نشان دهد. | ||
| کلیدواژه‌ها | ||
| تالاب الله‌آباد؛ تالاب یعقوب‌آباد؛ تصاویر چند‌زمانه؛ طبقه‌بندی نظارت‌شده | ||
| عنوان مقاله [English] | ||
| Investigating the trend of water level changes in Allahabad wetland by using temporal images | ||
| نویسندگان [English] | ||
| Meisam Mafi1؛ Zahra Azizi2؛ parastoo karimi3؛ Payam Alemi Safaval4 | ||
| 1Expert of Department of Natural Resources and Watershed Management of Qazvin Province | ||
| 2Assistant Professor, Department of RS-GIS, science and Research Branch, Islamic Azad university, Tehran, Iran | ||
| 3MSc Remote Sensing and GIS | ||
| 4Expert of Geological survey and Mineral exploration of Iran | ||
| چکیده [English] | ||
| Wetlands are some of the most important ecosystems on Earth. They play a key role in alleviating floods and filtering polluted water and also provide habitats for many plants and animals. Wetlands also interact with climate change. Over the past 50 years, wetlands have been polluted and declined dramatically as land cover has changed in some regions. Remote sensing has been the most useful tool to acquire spatial and temporal information about wetlands. In this paper, digital processing of satellite images was used to investigate the trend of water level changes in this wetland Therefore, for this purpose, ETM + and OLI sensor images related to 2017 and 2000 were obtained from USGS database and processed by image classification (ML) method. Image processing accuracy of both periods based on kappa coefficient was more than 70%. The results of comparing the water body of the wetland in the two periods show a significant increase in water level in the cold season in the wetland and has a significant relationship with rainfall in the region. Due to the lack of ground information related to the condition of the wetland in the first period of the field study, the method used in the present study was able to monitor the changes in the wetland with relatively appropriate accuracy. | ||
| کلیدواژه‌ها [English] | ||
| Allah abad Wetland, Yaghobad Lagoon, Multi timed images, Supervised classification | ||
| مراجع | ||
|
[1]. Danehkar A. Identification and zoning of coastal sensitive areas of Sistan and Baluchestan province. Natural Resources Office of Sistan and Baluchestan Province. 2006. [Persian] [2]. King J, Tharme RE, Brown C. Definition and implementation of instream flows. World Commission on Dams. Cape Town. 1999 Sep; 87. [3]. Klemas V. Remote sensing of wetlands: case studies comparing practical techniques. Journal of Coastal Research. 2011 May; 27(3):418-27. [4]. Johnston R, Cools J, Liersch S, Morardet S, Murgue C, Mahieu M, Zsuffa I, Uyttendaele GP. WETwin: a structured approach to evaluating wetland management options in data-poor contexts. Environmental Science & Policy. 2013 Dec 1; 34:3-17. [5]. Purkis SJ, Klemas VV. Remote sensing and global environmental change. John Wiley & Sons; 2011 Mar 3. [6]. Ozesmi SL, Bauer ME. Satellite remote sensing of wetlands. Wetlands ecology and management. 2002 Oct; 10(5):381-402. [7]. Zafarian E, Ebrahimi A, Omidipour R. Evaluation of the Efficiency of Satellite Imagery Classification Approaches in Monitoring of Land Cover Changes (Case Study: Shahrekord Basin, Chaharmahal va Bakhtiari). Journal of Range and Watershed Managment. 2018 Nov 22; 71(3):699-714. [Persian] [8]. Manvari, M and Bali, A. Using Remote Sensing Techniques to Investigate Wetland Water Level Changes Case Study of Maharloo Wetland. The First National Conference on Desertification and Sustainable Development of Desert Wetlands in Iran, Arak. 2010. [Persian] [9]. Ehsani AH, Shakeryari M. Determining the optimal method for classification and mapping of land use/land cover through comparison of artificial neural network and support vector machine algorithms using satellite data (Case study: International Hamoun wetland). Journal of Environmental Science and Technology. 2018 Dec 22;20(4):193-208. [10]. Lausch A, Herzog F. Applicability of landscape metrics for the monitoring of landscape change: issues of scale, resolution and interpretability. Ecological indicators. 2002 Nov 1; 2(1-2):3-15. [11]. Halabian AH, Shabankari M. Study the Trend of Temporal-Spatial Variation in Mesopotamian Marshlands and Effective Factors. Human & Environment. 2016 Dec 21; 14(4):9-24. [Persian] [12]. Hekmatnia H, Barzegari Banadkooki F, Moosavi V, Zare Chahouki A. Evaluation of Groundwater Suitability for Drinking, Irrigation, and Industrial Purposes (Case Study: Yazd-Ardakan Aquifer, Yazd Province, Iran). ECOPERSIA. 2021 Jan 10; 9(1):11-21. [13]. Sotoodehnia A, Jafarei M. Investigation of Qazvin Marshland Interceptor Drain Effects on Water Table Using Seep/w Model. Iranian Journal of Soil and Water Research. 2016 Jul 22; 47(2):237-45. [14]. Alibakhshi Z, Alikhah Asl M, Rezavani M. Preparing Mighan wetland Land-use mapping in 2013: Using supervised and fuzzy classification methods. Human & Environment. 2015 Mar 21; 13(1):11-21. [Persian] [15]. Khosravian M, Entezari A, Rahmani A, Baaghide M. Monitoring the Disturbance of Lake District Water Level Changes Using Remote Sensing Indices. Hydrogeomorphology. 2018 Feb 20; 4(13):99-120. [Persian] [16]. Dashti S, Sabzghabaei GR, Jafarzadeh K, Bazmara Baleshti M. The Role of Landscape Ecology Spatial Structure Analysis in Environmental Impact Assessment (EIA) (Case Study: Miankaleh International Wetland). Journal of Environmental Science and [17]. Shen G, Yang X, Jin Y, Xu B, Zhou Q. Remote sensing and evaluation of the wetland ecological degradation process of the Zoige Plateau Wetland in China. Ecological Indicators. 2019 Sep 1; 104:48-58. [18]. Ekumah B, Armah FA, Afrifa EK, Aheto DW, Odoi JO, Afitiri AR. Geospatial assessment of ecosystem health of coastal urban wetlands in Ghana. Ocean & Coastal Management. 2020 Aug 1; 193:105226. [19]. Lu D, Weng Q. A survey of image classification methods and techniques for improving classification performance. International journal of Remote Sensing. 2007 Mar 1; 28(5):823-70. [20]. Wang Z, Wei W, Zhao S, Chen X. Object-oriented classification and application in land use classification using SPOT-5 PAN imagery. InIGARSS 2004. 2004 IEEE International Geoscience and Remote Sensing Symposium 2004 Sep 20 (Vol. 5, pp. 3158-3160). IEEE. [21]. Shanani Hoveyzeh M, Zarei H. Comparison of Three Classification Algorithms (ANN, SVM and Maximum Likelihood) for Preparing Land Use Map (Case Study: Abolabbas Basin). Iranian Journal of Watershed Management Science and Engineering. 2016 Jul 10; 10(33):73-84. [22]. Alavi Panah, K., Application of Remote Sensing in Earth Sciences, Third Edition, University of Tehran Press. 487 pages, 2005. [Persian] [23]. Iran Meteorological Organization, 2018. [24]. Doroudi H. Breeding report of Greater Sand Plover Charadrius leschenaultii (Lesson, 1826) in Salhiyeh Lagoon (Karpozarbad) Nazarabad, 2017. [Persian] [25]. JAHANI SF, Malekmohammadi B, Yavari AR, Sharifi Y, Adeli F. Assessment of the trends of land use and climate changes in choghakhor wetland landscape emphasizing on environmental impacts, 2019. [Persian] | ||
|
آمار تعداد مشاهده مقاله: 892 تعداد دریافت فایل اصل مقاله: 633 |
||