برآورد سطح پوشش برف در سطح شهرستان اردبيل و سرعين با استفاده از داده‌هاي سنجنده Sentinel 2 ماهواره MSI

Estimation of Snow Cover Level in Ardebil and Sarein Cities Using Sensor Data Sentinel2 MSI Satellite

پوشش برف يكي از عناصر مهم اقليمي است كه بر اساس آن ممكن است، تغييرات آب‌وهوايي تأثير خاصي داشته باشد. به‌طور كلي، تغييرات آب‌وهوايي ممكن است در عناصر مختلف اقليمي منعكس شود بنابراين مطالعه و اندازه‌گيري تغييرات سطوح برف به‌عنوان يكي از منابع مهم تأمين آب، بسيار حائز اهميت است. شهرستان¬هاي اردبيل و سرعين از نظر موقعيت جغرافيايي در 48 درجه و 18 دقيقه طول شرقي و 38 درجه و 15 دقيقه عرض شمالي قرار گرفته‌اند. در تحقيق حاضر به‌منظور پايش سطح پوشش برف در سال 1397 از تصاوير ماهواره¬هاي اپتيكال سنتينل-2 و براي تشخيص سطوح پوشيده شده از برف از شاخص¬هاي NDVI , S3 , NWDI, NDSI] Cloud mask در نرم‌افزارهاي Arcgis و Snap استفاده شده است. در ادامه به‌منظور صحت¬سنجي نقشه¬هاي برف استخراج شده از طريق تصاوير با داده¬هاي برف در ايستگاه¬هاي برف‌سنجي زميني از رگرسيون خطي در نرم‌افزار MATLAB استفاده شد همچنين به‌منظور ارزيابي دقت مدل مورد استفاده و اطمينان از دقت بالاي نقشه‌هاي به‌دست‌آمده از شاخص‌هاي آماري RMSE، MSE، BIAS، CORRاستفاده شد. نتايج نشان داد با توجه به شرايط اقليمي منطقه موردمطالعه حداكثر سطح پوشيده شده از برف در دي‌ماه با مقدار مساحت 356/52 كيلومترمربع و حداقل سطح پوشيده از برف در اسفندماه با مقدار مساحت 96/10 كيلومترمربع رخ ‌داده است. بيشترين پوشش برف در مناطق با شيب‌هاي بالا در دامنه‌هاي غربي (ارتفاعات كوهستاني سبلان) بوده و كمترين پوشش برف در ارتفاعات پايين‌تر مربوط به دامنه¬هاي شرقي مشاهده ‌شده است. نتايج بيانگر دقت كلي 91/3 درصد و ضريب كاپاي 84/45 نقشه سطح برف است كه نتايج حاصل از رگرسيون خطي نيز بين مقادير مشاهداتي و تصاوير ماهواره‌اي برابر با ضريب تبيين 85 درصد بوده و نتايج مربوط به خطاي آماري مدل¬ها برابر با 0/086-MSE و 0/165-BIAS و 0/924-CORR و RMSE برابر 0/043 به‌دست آمد. روابط همبستگي بين داده¬هاي زميني و نقشه¬هاي برآوردي از برف ميزان بالايي از همبستگي را نشان مي¬دهند. اين نتيجه از لحاظ آماري در سطح 99 درصد معني‌دار است نتايج به‌دست ‌آمده در تحقيق حاضر نشان داده كه تصاوير اپتيكي سنتينل-2 با توجه به قدرت تفكيك مكاني بالا و همبستگي مناسب با داده‌هاي زميني مي‌توانند جايگزين خوبي براي ايستگاه‌هاي زميني برف¬سنجي در ارتفاعات و يا مناطق صعب‌العبور باشند.

Snow cover is one of the important climatic elements based on which climate change may have a special effect. In general, climate change may be reflected in different climatic elements. Therefore, it is very important to study and measure changes in snow level as one of the important sources of water supply. Ardebil and Sarein cities are located at 48° 18׳ east longitude and 38° 15׳ north latitude. In this study, Sentinel-2 optical satellite was used to monitor the snow cover surface in 2018, and NDVI, S3, NWDI, NDSI, Cloud mask indices were applied to detect snow-covered surfaces using ArcGIS and Snap software. Next, to validate the snow maps extracted from the images, it was compared with the snow data in terrestrial stations using linear regression in MATLAB software and to evaluate the accuracy of the model statistical indices including RMSE, MSE, BIAS, CORR were used. The present study showed that according to Ardabil city climatic conditions, maximum-snow covered area in January with an area of 356.52 km2 and minimum snow-covered area in March with an area of 96.10 km2. The highest snow cover is observed in the high slope areas in the western slopes (Sabalan Mountain Heights) and the lowest snow cover is observed in the lower eastern slopes. The results of linear regression with generalization coefficient are 85% and the results of statistical indices of error are equal to MSE: 0.086, BASAS: 0.165, CORR: 0.924, and RMSE: 0.03. Correlation relationships between terrestrial data and estimated snow maps showed a high degree of correlation. This result is statistically significant at the 99% level. The use of optical images in estimating snow levels is very cost-effective due to the size of the areas and the high cost of installing snowmobiles. The results obtained in the present study indicated that traditional radar images with high spatial resolution and good correlation with terrestrial data can be a good alternative to snowmobiling ground stations at high altitudes or in passable areas.