ارايه‌ي الگوريتمي جهت بهبود دقت نقشه‌ي پوشش برف با استفاده از تصاوير موديس

Propose An Algorithm To Improve The Accuracy of Snow Covered Mapping Using MODIS Images

شناخت و مطالعه‌ي ذخاير برفي به عنوان تامين كننده‌ي جريان پايه‌ي رودخانه‌ها و سر‌آغاز اصلي منابع آب شيرين در حوضه‌هاي برفگير و مرتفع، نقش مهمي در برنامه‌ريزي و مديريت مصرف منابع آب ايفا مي كند. با توجه به اينكه يكي از مهمترين مشكلات موجود در شناسايي پديده برف با استفاده از تصاوير ماهواره‌هاي اپتيكي، تفكيك ابر و برف مي‌باشد به همين‌منظور ما در اين تحقيق با استفاده از ويژگي متغير بودن ابرها نسبت به برف با استفاده از فيلتر زماني به كمك داده‌هاي سنجنده‌ي موديس دو ماهواره آكوا و ترا، به حذف پيكسلهاي ابر مي‌پردازيم. براي انجام اين‌كار، با استفاده از ويژگي رفتاري ابر در طول موج‌هاي مختلف، با تعريف شاخص تفاضلي نرمال شده‌ي ابر در داده‌هاي موديس، به شناسايي سطوح ابري در اين تصاوير اقدام كرديم. سپس نقشه‌ي برف منطقه‌ي شمالي استان فارس را با استفاده از تصاوير بازتابش روزانه‌ي موديس در سال آبي93-1392 به روش پيكسل مبنا استخراج كرديم. و به‌منظور ارزيابي خروجي نهايي نقشه‌ي برفي توليد شده، از دو روش استفاده گرديد. در ابتدا با استفاده از داده‌هاي 14 ايستگاه زميني، نقشه‌ي خروجي را مورد ارزيابي قرار داديم و سپس از تصوير سنجنده ي OLI ماهواره ي لندست 8 بعنوان واقعيت زميني استفاده گرديد و نتايج مورد ارزيابي قرار گرفتند. در روش اول دقت 100‌% و در روش دوم و با انجام تناظر‌يابي پيكسل به پيكسل بين نقشه‌هاي برفي دو تصوير، دقت 98.58 % حاصل شد. در نهايت با توجه به نتايج و ارزيابي‌هاي صورت گرفته، مي‌توان گفت در صورتي كه نقشه‌هاي پوشش برف از طريق پياده‌سازي الگوريتم حدآستانه مبناي ارايه شده در اين تحقيق تهيه شوند، داراي دقت بالايي بوده و مي‌توان از نتايج آن در شبيه‌سازي سيل و جريان آب حاصل از ذوب برف، بعنوان ورودي مدل رواناب ذوب برف و همچنين در مديريت منابع و ذخاير آبي استفاده كرد.

Recognition and study of snow reservoirs as the supplier of the base flow of rivers and main outset of freshwater resources in snowy and high basins play an important role in planning and management of water resources usage. However, one of the main problems in snow phenomenon recognition using optical satellite images is to separate clouds and snow. To supper this problem, we use the fact that the cloud does not have a stable geolocation compared to snow. A temporal filter is designed by the combination of Modis Terra and Aqua to remove the cloud pixels. Moreover, different spectral behavior of the cloud in different wavelengths makes it possible to separate it from the snow. A normalized difference cloud index is defined using Modis data to detect and remove the cloud pixels from the image. The pixel-based method is used to extract the snow coverage map of the Northen area of the Fars province using the daily Modis data spanning between 1392 and 1393. In order to evaluate the final results, the data from 14 ground stations as well as Landsat8 OLI image are used as ground truth. The accuracy of 100% was achieved using the first method while the accuracy of the second method by corresponding the pixels of snow coverage maps is estimated as 98. 58%. According to the results and accomplished evaluations, the snow maps generated using the threshold-based method without or with the cloud coverage removed by the application of the proposed method has a high precision. The results can then be easily used in the snowmelt run-off modeling in the water resource and reservoirs management.