ارزيابي رابطۀ ميان دماي سطح زمين و نسبت سطح برف با استفاده از داده‌هاي سنجش از دور (مطالعۀ موردي: حوضۀ آبخيز كسيليان)

Evaluation of Land Surface Temperature and Snow Cover Ratio by Using Remote Sensing Data (Case Study: Kasilian Watershed)

دماي سطح زمين بر ميزان تغييرات مكاني و زماني برف پشته ها به عنوان يكي از اجزاي مهم بيلان آبي اثر ميگذارد... به‌رغم سهولت دسترسي به داده هاي سنجش از دور، نظير محصولات ماهوارۀ موديس در پايش و ارزيابي اثر دماي سطح زمين بر مساحت پوشش برفي گاهي به دلايلي سري پيوستۀ آن موجود نيست. به منظور غلبه بر اين محدوديت، با استفاده از روابط رگرسيوني، ارتباط دماي سطح زمين و گسترۀ پوشش سطح برف در هر 8 روز و به صورت ميانگين ماهانه طي سالهاي 1382 تا 1394 ارزيابي شد. نتايج به‌دست‌آمده نشان داد حداقل و حداكثر ميانگين سالانۀ درصد پوشش سطح برف در حوضۀ كسيليان بهترتيب در سالهاي 1388 و 1390 برابر با 8 ‌5/5 و ‌20/32درصد و همچنين، ميزان ميانگين سالانۀ دماي حداقل و حداكثر سطح زمين در سالهاي 1383 و 1389 برابر با 17/65 و 21/1 درجۀ سانتيگراد است. بررسي الگوي تغييرات دو متغير طي دورۀ مطالعاتي نشان داد تغييرات سطح پوشش برف نسبت به دماي سطح زمين به صورت معكوس و به‌‌تدريج در حال افزايش است. همچنين، نتايج نشان داد در رگرسيون تواني، مقادير NSE براي شبيه سازي ميزان درصد پوشش سطوح برفي، ، RMSE و Bias به‌ترتيب برابر 0/6، 0/64، 9/88 و 2/14- است. اين ضرايب در رگرسيون خطي به‌ترتيب برابر با 0/16، 0/47، 14/37 و 86/32 به دست آمد. بنابراين، مطالعۀ حاضر ميتواند براي برآورد پوشش سطح برف و بازسازي نواقص آماري موجود در تصاوير ماهوارهاي مؤثر باشد.

Land Surface Temperature (LST) affects snowpack spatiotemporal changes as one of the crucial components of water balance. Despite the ease of access to Remote Sensing (RS) data, such as Moderate Resolution Imaging Spectroradiometer (MODIS), products that are used for monitoring and evaluating LST effect on snow cover area SCA are sometimes not available for some reason. In order to overcome such a limitation, the monthly average values of SCA and LST in each 8 days for 13 years (2003-2016) were evaluated by regression relations. The results showed, minimum and maximum values of annual mean of snow covered area percent that occurred in 20009 and 2011 as being equal to 5.86%, 20.32, respectively. In addition, the annual mean of minimum and maximum values of LST related to 2004 and 2010 were 17.65 and 21.1 ⁰C, respectively. The pattern of two variables changes illustrated that the SCA changes to LST are reverse and gradually increasing during the study period. Also, the results revealed that in power regression, the Nash-Sutcliff Efficiency (NSE) coefficient for SCA percent simulation, , RMSE and Bias, are 0.6, 0.64, 9.88 and -2.14, respectively. These coefficients are 0.16%, 47%, 14.37% and 86.32% in linear regression method, respectively. Thus, this study may be helpful to estimate SCA and reconstruct missing data in satellite images.