مقایسه تصاویر ماهوار های لندست- 8 و سنتینل- 2 جهت تخمین میزان کلروفیل-آ دریاچه زریبا ر

نویسندگان

1 گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی‌سینا، همدان، ایران

2 گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده علوم زمین، دانشگاه شهید بهشتی، تهران، ایران

3 گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده علوم زمین، دانشگاه شهید بهشتی، تهران، ایران

4 گروه مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان، اصفهان، ایران

5 گروه علوم و مهندسی آب ، دانشکده کشاورزی، دانشگاه کردستان، سنندج، ایران

doi
10.48308/envs.2024.1373
چکیده

سابقه و هدف: رشد جمعیت و آلودگی ناشی از تخلیه انواع انواع فاضلاب‌های شهری، صنعتی و کشاورزی، شیرهای دفع زباله باعث گسترش آلودگی و محدودتر شدن منابع آب شده است. منابع آب سطحی مانند دریاها، دریاچه‌ها، رودخانه‌ها و مخازن سدها بیشتر از منابع آب زیرزمینی در معرض آلودگی هستند. این آلودگی منجر به افزایش مواد مغذی و شکوفایی جلبک‌ها و عواقب آن‌ها مانند افزایش کلروفیل-آ، تغییر در اکسیژن محلول و در نهایت کاهش کیفیت آب می­ گردد. با توجه به رابطه نزدیک بین کیفیت آب و بهداشت محیط و کیفیت زندگی، نظارت بر کیفیت آب‌های سطحی ضروری است. با پایش تغییرات کیفیت آب، می­ توان روندهای بلندمدت کاهش کیفیت آب را مشاهده، ارزیابی و تصحیح نمود و همچنین تغییرات کیفیت آن را برای آینده پیش ­بینی کرد. با توجه به اینکه روش­ های سنتی ارزیابی کیفیت آب زمان­بر، پر خطر و هزینه‌بر هستند متخصصان از تصاویر سنجش از دور برای کنترل کیفیت آب استفاده می‌کنند. مواد و روش ­ها: در این تحقیق غلظت کلروفیل-آ دریاچه زریبار با استفاده از تصاویر ماهواره‌ای لندست-‌8 و سنتینل-‌2 در سال 2019 به کمک سامانه تحت وب Google Earth Engine بررسی شد. بدین منظور ابتدا به کمک شاخص NDWI پهنه آبی دریاچه از غیر آب تفکیک شد. سپس چهار شاخص‌های طیفی 2DBA، 3DBA، NDCI و FLH-Violet بر پهنه آبی تفکیک شده از تصاویر ماهواره‌ای اعمال گردید. در نهایت میزان کلروفیل-آ پیش ­بینی شده با میزان کلروفیل-آ واقعی زمینی مقایسه شد تا مناسب‌ترین شاخص طیفی و تصویر ماهواره ­ای جهت تخمین غلظت کلروفیل- آ انتخاب شود. نتایج و بحث: نتایج بدست آمده از مقایسه شاخص‌های طیفی نشان داد که شاخص ­های 2DBA و NDCI نسبت به شاخص‌های 3DBA و FLH-Violet در هر دو تصویر ماهواره‌ای دقت بالاتری دارند و توانسته‌اند غلظت کلروفیل-آ را به خوبی پیش‌بینی کنند. بنابراین شاخص ­های 2DBA و NDCI بعنوان کارامدترین شاخص‌ها جهت ارزیابی غلظت کلروفیل-آ در نظر گرفته شد. هم‌چنین میزان R2 حاصل از شاخص‌های 2BDA و NDCI در تصاویر ماهواره‌ای لندست-8 و سنتینل-2 با هم مقایسه شد تا مشخص شود کدام تصویر ماهواره‌ای غلظت قادر به تخمین غلظت کلروفیل-آ را با دقت بالاتری است. نتایج حاکی از آن بود که میزان R2 در تصاویر سنتینل-2 (2DBA = 0.799 و NDCI = 0.794) و در لندست-8 (2DBA = 0.156 و NDCI = 0.125) است. بنابراین تصاویر سنتینل-2 قادر بوده غلظت کلروفیل-آ را با دقت بالاتری نسبت به تصاویر اندست-8 پیش‌بینی کردند. که این امر ناشی از بزرگ‌تر بودن اندازه سلول‌های لندست-8 نسبت به سنتیل-2 است که در مناطق کوچک می‌تواند تشخیص کلروفیل-آ را با چالش روبرو نماید و علاوه براین فاصله زمانی یک روزه بین نمونه‌برداری زمینی و تاریخ برداشت تصویر لندست-8 وجود داشت که جابجایی غلظت کلروفیل-آ بصورت زمانی و مکانی، در سطح و در عمق دریاچه اتفاق افتاده بود. نتیجه ­گیری: با استناد به نتایج کسب شده می ‎توان گفت استفاده از شاخص ­های 2BDA و NDCI نسبت به سایر شاخص‌ها برای مناطق کوچک در تصاویر سنتینل-2 نسبت به تصاویر لندست-8 دقت قابل بالاتری ارائه دادند که یکی از مهم‌ترین دلایل آن اندازه کوچک‌تر سلول‌های تصاویر سنتینل-2 است. جهت ارزیابی دقیق‌تر غلظت کلروفیل-آ می‌بایست دریاچه باید بصورت سری زمانی و در فصول مختلف پایش شود زیرا روزانه حجم زیادی از آب از طریق رودخانه‌ها و چشمه‌های جوشان از کف به دریاچه می‌ریزد‌ که غلظت کلروفیل-آ به آنها وابسته است؛ از این‌رو بایستی در شرایط کم آب و پر آب غلظت کلروفیل-آ دریاچه ارزیابی شود تا منابع آلاینده آن مشخص شود که متاسفانه به دلیل کمبود نمونه‌برداری در این تحقیق به آن پرداخته نشده است.

کلیدواژه‌ها