برآورد تغييرات عمق برف در سطح شهرستان اردبيل و سرعين با استفاده از داده‌هاي ماهواره Sentinel1 با روش تداخل سنجي راداري

Estimation of changes in snow depth in Ardabil and Sarein city using Sentinel1 satellite data with Radar interferometry method

برف به‌عنوان بخش مهمي از چرخه هيدرولوژيكي، در بسياري از مناطق بالاتر از عرض جغرافيايي 45 درجه به‌عنوان يك منبع بزرگ آب شيرين محسوب مي‌شود، بنابراين مطالعه و اندازه‌گيري تغييرات سطوح برف به‌عنوان يكي از منابع مهم تأمين آب بسيار حائز اهميت است. در پژوهش حاضر، ابتدا با استفاده از تصاوير ماهواره‌اي اپتيكال Sentinel2 در سال 1397 در شهرستان اردبيل و سرعين سطح پوشش برف از طريق شاخص NDSI به دست آمده و سپس به‌منظور پايش تغييرات عمق برف منطقه مورد مطالعه نيز از تصاوير ماكرويو SentinelA1 و تكنيك DINSAR استفاده شد: در نهايت جهت صحت‌سنجي نقشه‌هاي عمق برف استخراج شده از طريق تصاوير راداري با داده‌هاي عمق برف در ايستگاه‌هاي برف‌سنجي زميني با استفاده از رگرسيون خطي در نرم‌افزار MATLAB مقايسه شد. نتايج حاصل از رگرسيون خطي با ضريب تعميم 85 درصد مي‌باشد و نتايج حاصل از شاخص‌هاي آماري خطا نيز برابر با مقادير 086/0-MSE، 165/0-BIAS، 924/0- CORR و RMSE برابر 043/0 به دست آمده است. روابط همبستگي بين داده‌هاي زميني و نقشه‌هاي برآوردي از عمق برف ميزان بالايي از همبستگي را نشان مي‌دهند. اين نتيجه از لحاظ آماري در سطح 99 درصد معني‌دار است. نتايج تحقيق حاضر نشان داد با توجه به شرايط اقليمي منطقه مورد مطالعه مقادير عمق برف مربوط به دي‌ماه با حداكثر ميزان 33 سانتي‌متر و كمترين مقادير عمق برف در ماه اسفند با حداقل ميزان 10 سانتي‌متر است. كمترين ميزان عمق برف در دامنه‌هاي شرقي و بيشترين مقدار آن در دامنه‌هاي غربي بوده است.

Snow as an important part of the hydrological cycle, is considered to be a major source of fresh water in many areas above 45 degrees latitude, so it is important to study and measure changes in snow levels as an important source of water supply.In the present study, first using Sentinel2 optical satellite images in 1397 in Ardabil and Sarein, snow cover level was obtained through NDSI index, then in order to monitor snow depth changes in the study area, SentinelA1 macro images and DINSAR technique were used. Finally, in order to validate the snow depth maps extracted through radar images, the snow depth data in land snowfall stations were compared using linear regression in MATLAB software. The results of linear regression with a generalization coefficient of 85% and the results of error statistical indicators are equal to 0.86-MSE, 0.165-BIAS, 0.924-CORR and RMSE equal to 0.043. The correlations between ground data and snow depth estimation maps show a high degree of correlation. This result is statistically significant at 99%. The results of the present study showed that according to the climatic conditions of the study area, the values of snow depth related to January with a maximum amount of 33 cm and the lowest values of snow depth in March with a minimum of 10 cm. The lowest snow depth was in the eastern slopes and the highest in the western slopes.