محاسبه خصوصیات فیزیکی برف با استفاده از تکنیک تداخل سنجی تفاضلی راداری و تصاویر سنجنده ترا سارایکس باند (terrasar-x) و مودیس (modis)

ذخیره برف در حوزه‌های کوهستانی از منابع آب مهم است. طبق بررسی‌های انجام‌ شده حدود 60 درصد آب‌های سطحی و 57 درصد آب‌های زیرزمینی کشور در مناطق برف‌گیر جریان دارند. در سال‌های اخیر اهمیت و کاربردهای داده‌های روزنه ترکیبی راداری (sar) با توجه به مزیت‌های عمده‌ای نسبت به سایر سیستم‌های سنجش ‌از دور دارند رو به فزونی بوده است. در این پژوهش ابتدا با استفاده از تولیدات ماهواره مودیس (modis) و الگوریتم snow map نقشه سطح پوشش برف و سپس با استفاده از دوازده تصویر راداری سنجنده terrasarx و تکنیک راداری تداخل­سنجی (dinsar) ‌به گونه‌ای که ابتدا یک تصویر به عنوان تصویر پایه و بقیه تصاویر نسبت به تصویر اول تداخل سنجی انجام شد سپس بین مناطقی که پوشش برف بود مقدار جا به جای بدست آمده آن ها نشان‌دهنده تغییرات عمق برف است و در مرحله بعد نقشه عمق برف و نقشه حجم برف مهرماه 1391 تا اردیبهشت 1392 استخراج شد. با استفاده از رگرسیون خطی بین نقشه عمق برف که از تکنیک تداخل سنجی تولید شده و داده های عمق آب معادل برف که از ایستگاه‌های زمینی برداشت شده بودند نقشه عمق آب معادل برف تولید شد که نتایج بیان گر دقت کلی 3/91 درصد و ضریب کاپای 45/84 نقشه سطح برف و نقشه عمق برف با ضریب تعمیم 85 درصد و  rmse برابر 78/2 است برای محاسبه عمق آب معادل برف با استفاده از همبستگی بین داده‌های عمق برف مستخرج از dinsar و داده‌های زمینی عمق آب معادل برف یک رابطه خطی با ضریب تعمیم 77/0 و rmse برابر 97/2 محاسبه شد که این نتیجه که از لحاظ آمار در سطح 99 درصد معنی‌دار بود.

Calculating the physical properties of snow, using differential radar interferometry and TerraSARX and MODIS images

The process of saving snow in mountainous areas of water resources is important. According to studies conducted by about 60 percent surface water and 57% groundwater flow in snowy areas. In recent years, the importance and applications of synthetic aperture radar data (SAR), according to a major advantage compared to other remote sensing systems are growing. In this study, using manufacturing satellites and MODIS algorithm Snow map snow cover and then with twelve radar image sensor TerraSARX and DInSAR in such a way that initially an image as the base image the rest of the images of the first image interferometry was performed between areas where snow cover the amount of displacement rather than results indicative of changes in depth of snow and then map snow depth maps of snow between October 2012 to May 2013. Mining was the next step, using Linear regression between the snow depth map of the DInSAR technique produced snow water equivalent depth data from ground stations were harvested SWE depth map of the results suggest overall accuracy of 91.3% and kappa coefficient consuming 84.45 Snow level map and map the depth of the snow by a factor of extension of 85% and RMSe of 2.78 to calculate the depth of snow water equivalent using the correlation between the data of snow depth derived from DInSAR and the ground water depth of snow a linear correlation coefficient of generalization 0.77 and RMSe of  2.97 was the result that was statistically at 99%.