استخراج مساحت تحت پوشش برف کوهستان سبلان با استفاده از تصاویر ماهواره‌ای لندست به روش طبقه‌بندی شی‌گرا

پوشش برف و یخ یک منبع حیاتی بوده و به تغییرات اقلیم بسیار حساس می‌باشد. اندازه‌گیری دقیق و منظم توزیع مکانی برف و یخ برای مدیریت منابع آبی ضروری می‌باشد. دراین پژوهش اقدام به استخراج سطح پوشش برف کوهستان سبلان با استفاده ازتصاویر ماهواره‌ای لندست 5 برای سال 2000 و لندست 8 برای سال 2020 با استفاده از طبقه‌بندی شی‌گرا و همچنین با استفاده از شاخص‌های طیفی ndsi و ndsinw شد. نتایج بررسی نقشه‌های طبقه‌بندی مستخرج از روش شی‌گرا نشان داد که مساحت تحت پوشش برف برای سال‌های 2000 و 2020 به ترتیب 2500 و 1954 کیلومترمربع می‌باشد که ضریب کاپا و صحت کلی برای هر دو سال به ترتیب 0.99 و 99 درصد می‌باشد. سپس اقدام به استخراج مساحت تحت پوشش برف با استفاده از شاخص‌های طیفی ndsi و شاخص ndsinw شد. هر دو شاخص ذکر شده قادر به استخراج سطح پوشش برف با دقت نسبی مناسب در منطقه سرد و زمستانی هستند. ولی شاخص ndsi به دلیل اینکه تمایزی میان برف و آب قائل نمی‌شود مکن است نتایج متفاوتی در مناطقی با حضور عوارض آبی در ارتباط با استخراج مساحت تحت پوشش برف حاصل کند. درحالی‌که شاخص ndsinw با حذف پس‌زمینه عوارض آبی دقیق‌تر عمل می‌کند. در رابطه با تحقیق حاضر شاخص ndsi مقادیر مساحت تحت پوشش برف را 2610 و 2577 کیلومترمربع و شاخص ndsinw مقادیر 2577 و 1937 کیلومترمربع به ترتیب برای سال‌های 2000 و 2020 استخراج کرده است که مساحت به دست آمده از شاخص ndsinw به مساحت استخراج‌شده به روش طبقه‌بندی شی‌گرا نزدیکتر می‌باشد.

Extraction of snowcovered area of Sabalan Mountain using Landsat satellite images by objectoriented classification method

Snow and ice cover is a vital resource and is very sensitive to climate change. Accurate measurement of the spatial distribution of snow and ice at regular intervals is essential for water resources management. In this research, the snow cover of Sabalan Mountain is extracted using Landsat 5 satellite images for 2000 and Landsat 8 for 2020 using objectoriented classification and also using NDSI and NDSINW spectral indices. The results of the classification maps extracted from the objectoriented method showed that the area covered by snow for the years 2000 and 2020 is 2500 and 1954 square kilometers, respectively, with a kappa coefficient and an overall accuracy of 99%. And 0/99 for both years. Then the snow covered area was extracted using NDSI spectral indices and NDSINW index. Both of these indicators are able to extract the snow cover surface with appropriate relative accuracy in cold and winter regions. However, because the NDSI index does not distinguish between snow and water, it may produce different results in areas with waterlogging associated with snow extraction. The NDSINW index, on the other hand, is more accurate in eliminating waterborne backgrounds. In relation to the present study, the NDSI index has extracted 2610 and 2577 square kilometers of snow cover and the NDSINW index has extracted 2577 and 1937 square kilometers for 2000 and 2020, respectively. The area obtained from the NDSINW index has been extracted by the objectoriented classification is closer.