استفاده از ضريب آلبيدوي سطحي مستخرج از الگوريتم سبال به منظور برآورد سطح پوشش برف (مطالعۀ موردي: حوضۀ آبخيز كشكان)

Modeling surface albedo coefficient derived from sebal algorithm to estimate the level of snow cover (case study : chegeni basin(

بخش عظيمي از بارش در مناطق كوهستاني برف است، به همين دليل پوشش برف و تغييرات زماني و مكاني آن از پارامترهاي اساسي در مطالعات هيدرولوژي به شمار مي‌آيد. پژوهش حاضر در حوضۀ كوهستاني چگني كه به وسعت 1836 كيلومترمربع از زيرحوضۀ دوآب كشكان واقع در شمال استان لرستان واقع است، انجام شد. به طوري كه تصوير سنجندۀ ETM+ ماهوارۀ لندست 7 براي انجام مطالعات انتخاب و تصحيح خطوط جاافتاده و هندسي روي آن انجام شد. با استفاده از الگوريتم سبال ميزان آلبيدوي سطحي محاسبه شد. از آنجا كه غير از برف دو پديدۀ شن زرد و سفيد و آب آلبيدوي بزرگ‌تر از 3/0 ‌دار‌ند، نقشۀ پوشش برف براي آلبيدوهاي0/3< α، 0/35< α، 0/4< α، 0/45< α، 0/5و 0/55< α فراهم شد. براي استخراج پوشش برف با دقت كافي، با فرض مجهول‌بودن پوشش برف براي اين آلبيدوها طبقه‌بندي نظارت‌نشده انجام شد. سپس، با اعمال طبقه‌بندي نظارت‌شده ‌روي تصوير تصحيح‌شدۀ ابتدايي، ميزان پوشش برف برآورد شد و ضريب كاپا براي ارزيابي بين نتيجۀ به‌دست‌آمده از طبقه‌بندي نظارت‌شده و نتايج طبقه‌بندي نظارت‌نشده براي آلبيدوهاي يادشده انتخاب شد. نتايج نشان داد ضريب كاپا براي آلبيدوي 0/45< α بيشترين مقدار يعني 0/85را دار‌د، بنابراين آلبيدوي 0/45< α مي‌تواند پوشش برف را تا حد قابل قبولي استخراج كند.

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.