بررسی مقایسه ای شاخص های آب مستخرج از تصاویر ماهواره‌ای به منظور پایش تغییرات سطح پهنه‌های آبی با کمک سامانه گوگل ارث انجین (مطالعه موردی: تالاب میقان اراک)

تالاب‌ها زیست‌بوم آبی پویا و پیچیده‌ای هستند که نقش مهمی در بقای گونه‌های بسیار زیادی از گیاهان و جانوران وابسته به خود ایفا می‌کنند. در این پژوهش با استفاده از شش شاخص تفاضل نرمال شده گیاه (ndvi )، تفاضل نرمال شده آب (ndwi ) ، شاخص اصلاح شده تفاضل نرمال شده آب (mndwi )، شاخص نسبت آب (wri ) و شاخص اتوماتیک جداسازی آب (aweinsh،aweish ) به بررسی تغییرات تالاب میقان اراک در بازه زمانی 1985 تا 2020 پرداخته‌شده است. علاوه بر آن مساحت‌های پهنه‌های آبی حاصل‌شده توسط شاخص‌ها در دوران خشک‌سالی و ترسالی با یکدیگر مقایسه شده و همبستگی بین تصویر حاصل‌شده از هر شاخص تحلیل و ارزیابی‌شده است. با توجه به اینکه تالاب موردمطالعه دارای عمق آب بسیار کم و حاوی آب شور است، توانایی شاخص‌های آبی در استخراج پهنه‌ آبی این تالاب مورد بررسی قرارگرفته و با نتایج طبقه‌بندی روش ماشین بردار پشتیبان مقایسه شده است. نتایج حاکی از آن است که شاخص‌ aweinsh  در هنگام خشک‌سالی و کاهش حجم و سطح آب قادر به استخراج رضایت‌بخش و دقیق پهنه‌های آبی نمی‌باشند. شاخص‌های wri و mndwi با صحت کلی 95.97 و 98.52 برای تصویر دوره خشک‌سالی 99.04 و 99.57 در هنگام پر آبی تالاب بهترین شاخص‏ها برای تعیین پهنه‌ی آبی می‏باشند. عنوان یک نتیجه کلی می توان گفت اطمینان کردن به نتایج یک شاخص در دوران خشک‌سالی برای بررسی پهنه های آبی درست نیست. از آنجایی که در بررسی های زمانمند ترکیبی از سال‏های کم آب و پرآب وجود دارد، لذا توصیه جدی این است که در مطالعات مشابه از چند شاخص برای بررسی پهنه های آبی به‌طور هم‌زمان استفاده شود.

comparative analysis of remote sensing water indexes for wetland water body monitoring using landsat images and the google earth engine platform (a case study: meighan wetland, iran)

wetlands are dynamic and complex aquatic ecosystems that play an important role in the survival of many plant and animal species. this study modeled the spatiotemporal changes of the arak meighan wetland during 1985–2020 using the multitemporal landsat images. in doing so, the applicability of different satellitederived indexes including ndvi, ndwi, mndwi, aweish , aweinsh , and wri was investigated for the extraction of surface water from landsat data. in addition, the correlation coefficient between the images extracted by the indexes is also estimated. for comparison purposes svm classification was applied on some selected images.  because the meighan wetland has a very shallow water depth and contains saline water, the capability of water indexes to extract surface water areas of the wetland has been investigated on this area. the results of the study indicate that climate change such as increasing rainfall has a direct relationship with changes in the surface water area of wetland extracted by various indexes in the last 35 years. also, the aweish  and aweinsh  indexes are not able to properly and accurately extract surface water area when there is a drought and the water depth is reduced. overall, it is not recommended to rely on the results of one index to monitor surface water area during drought condition. since there is a combination of low water and high water years in timeseries analyses, it is seriously recommended that in similar studies, several indexes be used simultaneously for detecting and extracting surface water. however, classification can be used as a robust method for water body extraction in all times.