مقایسه ترکیبات باندی بهینه به منظور برآورد پارامتر کدورت آب در دریاچه‌ها با استفاده از تصاویر ماهواره‌ای سنتینل-2 و لندست-8 (مطالعه موردی: مخازن چاه‌نیمه)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش‌آموخته دوره کارشناسی ارشد مهندسی عمران آب و سازه هیدرولیکی، دانشگاه خوارزمی، تهران، ایران.

2 استادیار گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه خوارزمی، تهران، ایران.

3 استادیار گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه امام خمینی قزوین، قزوین، ایران.

4 استیاد گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه امام خمینی قزوین، قزوین، ایران

چکیده

با توجه به اهمیت و جایگاهِ پایش وضعیت خصوصیات کیفیِ منابعِ آب، استفاده از فناوری‌­هایی همچون سنجش از دور که موجب افزایش سرعت و دقت اطلاعات پایش وضعیت کیفی آب می­‌شوند، ضروری به‌­نظر می‌­رسد. یکی از کلیدی­‌ترین خصوصیات کیفی آب‌­ها؛ کدورت می‌باشد، که از منابع اصلی رسوب در پهنه‌­های آبی است که به طور مستقیم بر موضوعاتی همچون؛ انتقال رسوب، زندگی آبزیان، مدیریت دریاچه­‌ها و مخازن اثر می‌­گذارد؛ درنتیجه پایش کدورت آب­ها از بحث‌­های مهم در زمینه مدیریت منابع آبی می­‌باشد. پایش به روش سنتی و آزمایشگاهی دقیق؛ اما زمان­بر و پرهزینه است، درنتیجه استفاده از قابلیت­‌های علومی همچون سنجش از دور در این زمینه می‌تواند مفید باشد. رویکرد انجام­‌شده در این پژوهش برای برآورد نقشه‌­های پهنه­‌بندی پارامتر کدورت مبتنی بر روش­‌های تجربی و مدل‌های توسعه داده‌شده براساس الگوریتم‌­های شبکه عصبی بوده ­است. هدف اصلی در مطالعه حاضر، بررسی و مقایسه ترکیبات باندی مختلف جهت برآورد پارامتر کدورت با استفاده از داده‌­های طیفی تصاویر ماهواره­ای سنتینل-2 و لندست-8 است. با توجه اهمیت پارامتر کدورت آب و محدودیت­های موجود در اندازه‎‌گیری‌‎های زمینی و همچنین موقعیت منطقه مطالعاتی مدنظر که همواره در معرض چالش­‌های گوناگون محیطی و جغرافیایی است؛ استفاده همزمان از قابلیت­‌های مدل­‌های شبکه عصبی برای مدل­سازی و همچنین سنجش از دور به منظور برآورد پارامترهای کیفی آب لازم و کاربردی است. با توجه به بررسی‌­های انجام­‌شده در این مطالعه؛ می‌­توان نتیجه گرفت که به واسطه داده‌­های طیفی تصاویر ماهواره­ای سنتینل-2 و لندست-8 می­توان نقشه‌­های پهنه‌­بندی پارامتر کدورت آب را با دقت مطلوبی برآورد کرد. در این پژوهش از چهار فرم ترکیب باندی مختلف (باندهای تکی، نسبت باندی، نسبت مشتق طیفی و شاخص اختلاف نرمال) استفاده شده است که به ترتیب نتایج مرتبط با مقدار ضریب تشخیص و معادل 0/86، 0/83، 0/83 و 0/89 و RMSE برابر با 3/26، 3/52، 3/43 و 2/79 هستند، به نحوی که در فرآیند مدل­‌سازی هر کدام از ترکیبات به صورت مستقل به عنوان ورودی مدل درنظر گرفته شده است. نتایج حاصل از این پژوهش نشان­‌دهنده آن است که ترکیب باندی شاخص اختلاف نرمال، نتایج به مراتب بهتری را برآورد می‌کند؛ اما با توجه به این موضوع که نتایج ترکیبات باند تکی نیز نتایج خوبی را دارا بود و اختلاف اندکی با مدل مشتق شده از ترکیبات شاخص اختلاف نرمال داشت و همچنین ذکر این موضوع که انتخاب باند تکی موجب کاهش محاسبات می­‌شود؛ می‌­توان از ترکیبات باندهای تکی به عنوان ترکیبات بهنیه باندی جهت برآورد پارامتر کدورت آب در این منطقه مطالعاتی استفاده نمود.   

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Comparison of the Optimal Band Combinations to Estimate the Water Turbidity Parameter in Lakes Using Sentinel-2 and Landsat-8 Satellite Images (Case Study: Chah Nimeh Reservoirs)

نویسندگان [English]

  • Ashkan Noori 1
  • Seyed Hossein Mohajeri 2
  • Mojtaba Mehraein 3
  • Amir Samadi 4
1 Graduated M.Sc. Student, Department of Civil Engineering, Faculty of Engineering, Kharazmi University, Tehran, Iran.
2 Assistant Professor, Department of Civil Engineering, Faculty of Engineering, Kharazmi University, Tehran, Iran.
3 Assistant Professor, Department of Water Engineering, Faculty of Agriculture & Natural Resources, Imam Khomeini International University, Qazvin, Iran.
4 Water Engineering, Faculty of Agriculture & Natural Resources, Imam Khomeini International University, Qazvin, Iran
چکیده [English]

Considering the importance and status of monitoring the quality characteristics of water resources, it seems necessary to use technologies such as remote sensing that increase the speed and accuracy of water quality monitoring information. Turbidity is one of the key water quality characteristics which is one of the main sources of sediment in water bodies and directly affects issues such as sediment transport, aquatic life, and management of lakes and reservoirs. This makes water turbidity monitoring an important concern in the field of water resources management. Traditional and laboratory methods of monitoring are accurate but time-consuming and expensive. The use of scientific capabilities such as remote sensing can therefore be beneficial. In this research experimental methods and models developed based on neural network algorithms are used to estimate opacity parameter zoning maps. The main goal of this study is to investigate and compare different band combinations to estimate the turbidity parameter using the spectral data of Sentinel-2 and Landsat-8 satellite images. Considering the importance of the mentioned quality parameter and also the location of the study area, ground measurement of these parameters was a challenge; As a result, it is necessary and practical to use neural network and remote sensing capabilities for modeling. According to the investigations carried out in this study it can be concluded that due to the spectral data of Sentinel-2 and Landsat-8 satellite images, the zoning maps of water turbidity parameter can be estimated with good accuracy. Four different forms of band combinations (single bands, band ratio, spectral derivative ratio and normal difference index) have been used for which the detection coefficient value were 0.86, 0.83, 0.83 and 0.89 and the RMSE error were 3.26, 3.52, 3.43 and 2.79, respectively. Accordingly, each of the compounds is considered independently as the model input in the modeling process. The results showed that the band combination of the normalized difference index estimates much better results. However, considering the fact that the single band combinations also had good results with little difference from the normal difference index combinations’ derivative model and since it could reduce calculations, single band combinations can be used as best band combinations to estimate the water turbidity parameter in this study area.

کلیدواژه‌ها [English]

  • Water Quality Monitoring
  • Band Compositions
  • Turbidity Quality Parameter
  • Sentinel 2 and Landsat 8 Satellite Images
  • Neural Network

مراجع

Abascal-Zorrilla N, Vantrepotte V, Huybrechts N, Ngoc D D, Anthony E J, and Gardel A (2020) Dynamics of the estuarine turbidity maximum zone from landsat-8 data: The case of the maroni river Estuary, French Guiana', Remote Sensing 12(13):2173
Bonansea M, Rodriguez M C, Pinotti L, and Ferrero S (2015) Using multi-temporal Landsat imagery and linear mixed models for assessing water quality parameters in Río Tercero reservoir (Argentina). Remote Sensing of Environment 158:28-41
Chen Q, Wenqiang W, Blanckaert K, Ma J, and Huang G (2012) Optimization of water quality monitoring network in a large river by combining measurements, a numerical model and matter-element analyses. Journal of Environmental Management 110:116-24
Lailia N, Arafah F, Jaelani A, and Pamungkas A D (2015) Development of water quality parameter retrieval algorithms for estimating total suspended solids and chlorophyll-A concentration using Landsat-8 imagery at Poteran island water. Joint International Geoinformation Conference, Kuala Lumpur, 28-30 October 2015, 55-62
Yongming L, Zhao J, Deng R, Liang Y, Gao Y, Chen Q, Xiong L, Liu Y, Tang Y, and Tang D (2021) A downscaled bathymetric mapping approach combining multitemporal Landsat-8 and high spatial resolution imagery: Demonstrations from clear to turbid waters. ISPRS Journal of Photogrammetry and Remote Sensing 180:65-81
Soufiane M, Moufkari A A, Daghor L, Fekri A, Oubraim S, and Lhissou R (2022) Spatiotemporal monitoring of low water turbidity in Moroccan coastal lagoon using Sentinel-2 data. Remote Sensing Applications: Society and Environment 26:100772
Nazirova K, Alferyeva Y, Lavrova O, Shur Y, Soloviev D, Bocharova T, and Strochkov A (2021) Comparison of in situ and remote-sensing methods to determine turbidity and concentration of suspended matter in the estuary zone of the mzymta river, black sea. Remote Sensing 13(1):143
Niroumand-Jadidi M, and Bovolo F (2021) Sentinel-2 reveals abrupt increment of total suspended matter while ever given ship blocked the Suez Canal. Water 13:3286
Niroumand-Jadidi M, Bovolo F, and Bruzzone L (2020) Water quality retrieval from PRISMA hyperspectral images: First experience in a Turbid Lake and comparison with Sentinel-2. Remote Sensing 12(23):3984
Niroumand-Jadidi M, Bovolo F, Bruzzone L, and Gege P (2021) Inter-comparison of methods for Chlorophyll-a retrieval: Sentinel-2 time-series analysis in Italian Lakes. Remote Sensing 13(12):2381
Su T, and Chou T (2015) Application of multispectral sensors carried on unmanned aerial vehicle (UAV) to trophic state mapping of small reservoirs: A case study of Tain-Pu reservoir in Kinmen, Taiwan. Remote Sensing  7(8):10078-10097
Xiao X, Jian X, Xiongfei W, Chengfang H, Xuejun C, Zhaohui W, and Dengzhong Z (2015) Evaluation method of water quality for river based on multi-spectral remote sensing data. The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, 40:1517

فایل ها

اشتراک گذاری

ارجاع به این مقاله

آمار