تخمین حجم آب ذخیره شده در مخزن سدها با استفاده از تصاویر ماهواره ای و روش رگرسیون خطی چندمتغیره

سابقه و هدف: منابع آب همواره به عنوان یکی از مسائل حیاتی زندگی بشر مطرح بوده است.‌ یکی از مهم‌ترین منابع تامین آب، مخازن سدها می‌باشند که اطلاع از مقدار آب ذخیره شده در آن‌ها حائز اهمیت می‌باشد و برآورد دقیق‌تر آن برای استفاده بهینه و برنامه‌ریزی شده از این ذخایر باارزش، امری ضروری است. روش معمول برای تعیین حجم آب ذخیره شده در مخازن، استفاده از تراز سطح آب (اشل) و منحنی حجم-ارتفاع مخزن است. تغییر منحنی حجم-ارتفاع مخزن بر اثر عواملی مثل سیلاب‌ها باعث می‌شود که استفاده مجدد از آن نیازمند تصحیح منحنی اولیه باشد که با صرف هزینه و زمان زیاد همراه است. در این پژوهش یک روش جدید برای تخمین حجم آب ذخیره شده در مخزن سد با استفاده از ارتباط بین تصاویر ماهواره‌ای و عمق آب ارائه شده است تا علاوه بر صرفه‌جویی در هزینه‌ها بتوان مدیریت منابع آبی را بهبود بخشید.مواد و روش‌هابه منظور تخمین حجم آب ذخیره شده در مخزن سد با استفاده از عمق‌سنجی آب به روش سنجش از دور، ابتدا تصاویر ماهواره‌ landsat8 oli مربوط به مخزن سد زوجار (با حداکثر ظرفیت ذخیره‌ 3.2 میلیاردمترمکعب) واقع در کشور اسپانیا دانلود و پس از اعمال تصحیحات رادیومتریکی، باندها و شاخص‌های طیفی مربوط به پیکسل‌های مختلف تصویر استخراج شد. به دلیل حجم بسیار بالای ماتریس داده‌های ورودی، مدل‌سازی و استخراج معادله رگرسیون خطی چندمتغیره مسئله‌ای زمانبر و طولانی است. برای کاهش تعداد داده‌‌ها و افزایش سرعت انجام محاسبات، یک کد در محیط نرم ‌افزار matlab نوشته شد و سپس داده‌‌های جدید برای مدل-سازی به روش رگرسیون خطی به نرم ‌افزار minitab معرفی شدند. عمق‌های آب واقعی تهیه شده از پایگاه داده dahiti به عنوان متغیر‌های ورودی وابسته و باندها و شاخص‌های طیفی به عنوان متغیرهای ورودی مستقل برای برازش معادله رگرسیون خطی چند‌متغیره استفاده شدند. یافته‌هانتایج حاصل از معادله عمق‌سنجی آب در سه زمان مختلف با فاصله‌ زمانی مناسب (سال‌های 2013، 2019 و 2020) نشان داد که کمترین و بیشترین مقدار rmse در محاسبه‌ عمق آب به ‌ترتیب 1.00 و 1.35 متر و میانگین آن 1.2 متر می‌باشد. همچنین کمترین و بیشترین خطای تخمین حجم آب به‌ترتیب 3.88 و 14.85 درصد و میانگین آن برای سه زمان مورد بررسی 9.25 درصد بدست آمد. با توجه به اینکه در طول این مدت (از سال 2013 تا سال 2020)، کمترین و بیشترین عمق آب مشاهداتی به ترتیب 16.5و 39.5 متر می‌باشند نتایج بدست آمده از دقت قابل قبولی برخوردار است. بررسی‌ها نشان داد که در عمق‌سنجی ماهواره‌ای از میان متغیر-های ورودی شاخص‌ طیفی آب تفاضلی نرمال‌شده ndwi و باند‌ مادون قرمز نزدیک nir به ترتیب با ضرائب تبیین 0.94 و 0.85 بیشترین ارتباط معنادار را با تغییرات عمق آب دارند. نتیجه‌گیرینتایج بدست آمده نشان داد که می‌توان بین عمق آب واقعی و باندهای طیفی استخراج شده از تصاویر ماهواره‌ای تا اعماق حدود 40‌ متر رابطه‌ای به شکل رگرسیون خطی چند‌‌متغیره نوشت که علاوه بر دقت در عمق‌سنجی آب از دقت قابل قبولی در تخمین حجم آب ذخیره شده در مخزن نیز برخوردار باشد تا با بهبود و ارتقا آن بتوان حجم آب مخازن را در بازه‌های زمانی طولانی برآورد کرد.

estimation of stored water volume in reservoir dams using satellite images and multi-variable linear regression model

background and objective water resources have always been a critical issue in human life. reservoirs, as one of the key water sources, require accurate assessment of their stored water volume for optimal utilization and planned management. traditional methods for determining water volume, relying on water surface elevation and the volume-depth curve, often necessitate costly and time-consuming corrections due to factors such as floods. this research proposes a new approach to estimate the volume of water stored in a dam reservoir using the relationship between satellite images and water depth, aiming to enhance water resource management efficiency and cost-effectiveness.materials and methods to estimate the stored water volume in the zujar dam reservoir (with a maximum storage capacity of 3.2 billion cubic meters) using remote sensing based on the water depth estimation, landsat8 oli satellite images were downloaded. after applying radiometric corrections, bands and spectral indices related to different pixels of the image were extracted. due to the huge input data matrix and the time-consuming nature of multivariate linear regression modeling, a code was developed in matlab. the new dataset was then introduced to the minitab software for linear regression equation fitting. measured water depths from the dahiti database were considered as dependent variables, while bands and spectral indices selected as independent variables for the multivariate linear regression.resultsthe results obtained from the water depth equation at three different time intervals (2013, 2019, and 2020) showed that the minimum and maximum root mean square error (rmse) values in depth calculation were 1.00 and 1.35 meters, respectively, with an average of 1.21 meters. moreover, the minimum and maximum errors in estimating water stored volume were 3.88% and 14.85%, respectively, with an average of 9.25% for three dates that said. considering that observed water depths during this period ranged from 16.5 to 39.5 meters, the results indicate acceptable accuracy. analyses revealed that the normalized difference water index (ndwi) and near-infrared (nir) band from the spectral indices of satellite imagery had the highest significant correlation with water depth, with coefficients of determination of 0.94 and 0.85, respectively.conclusion the obtained results suggest that a linear regression relationship can be established between measured water depth and extracted spectral bands from satellite images for depths up to approximately 40 meters. this not only ensures accuracy in water depth estimation but also provides acceptable precision in estimating the volume of water stored in the reservoir. improving and enhancing this approach could enable long-term volume estimation of reservoirs, contributing to better water resource management. keywords: water depth estimation, volume of stored water, satellite imagery, zujar dam, multivariate linear regression, dahiti database.