جداسازی ابر از برف در تصاویر MODIS، با استفاده از الگوریتم Snow Map

پوشش برف حدود 50 میلیون کیلومتر مربع از سطح نیم‌کره شمالی را تشکیل می‌دهد و بنابراین به خاطر آلبدوی بالا و رسانش گرمایی پایین تاثیر عمده‌ای در بیلان انرژی زمین دارد. همچنین قسمت اعظم ذخایر آبی مورد استفاده انسان از پوشش برف، به‌ویژه در مناطق کوهستانی جهان، تامین می‌شود. از جمله محدودیت‌های نقشه‌های برفی که از باندهای مریی و مادون قرمز حرارتی استفاده می‌کند تاریکی ابر است و شناسایی ابرها به دو دلیل لازم است: یکی برای نشان دادن مناطقی که ابر سطح‌شان را می‌پوشاند، و دیگری به‌منظور جلوگیری از خطاهایی که به دلیل شناسایی نادرست ابر به عنوان برف به‌وجود می‌آید.در این مطالعه تصاویر سنجنده modis به دلیل قدرت تفکیک مکانی مناسب در برف‌سنجی، بازنگری زمانی سریع و تعداد زیاد باندهای طیفی مورد استفاده قرار گرفت. منطقه مورد مطالعه محدوده البرز مرکزی و دارای چندین ایستگاه برف‌سنجی است. با بررسی الگوریتم‌های مختلف تعیین سطح برف، سرانجام الگوریتم snow map بر تصاویر اعمال شد. با توجه به اینکه محدودیت اصلی در الگوریتم snow map، عدم توانایی آن در جداسازی برخی ابرهاست، برای رفع این مشکل الگوریتم ماسک ابر لیبرال بر تصاویر اعمال شد و نتایج آن با تصاویر حاصل از اعمال الگوریتم snow map بدون ماسک ابر لیبرال با استناد بر داده‌های ایستگاه‌های برف‌سنجی و کمک پارامتر ارتفاع مقایسه گردید. نتایج نشان می‌دهد که الگوریت snow map توانایی جداسازی ابرهای ارتفاع بالا و ابرهای دارای ذرات یخ را ندارد و آنها را به عنوان برف طبقه‌بندی می‌کند. بررسی‌ها نشان می‌دهد زمانی که ماسک ابر لیبرال استفاده شود، دقت الگوریتم snow map در مقایسه با زمانی که ماسک ابر جدید استفاده نمی‌شود 10 درصد افزایش می‌یابد و از طبقه‌بندی برخی ابرها در کلاس برف جلوگیری می‌کند.