ارزیابی شاخص‌های آب با استفاده از تصاویر ماهواره لندست و سنتینیل ( منطقه موردی: دریاچه‌ی زریبار)

در سال‌های اخیر، داده‌های سنجش از دور نقش مهمی در مطالعات مربوط به مدیریت منابع طبیعی، به‌ویژه در پژوهش‌های مربوط به منابع آبی ایفا کرده‌اند. در میان مطالعات مربوط به منابع آبی، استفاده از شاخص‌های آبی به‌شدت مورد توجه قرار گرفته است. این شاخص‌ها با پیشرفت فناوری و تولید تصاویر ماهواره‌ای رشد و توسعه بیشتری یافته و دقت آن‌ها به‌طور چشمگیری افزایش پیدا کرده است. در این پژوهش به منظور تحلیل و شناسایی مناطق آبی در منطقه مورد مطالعه از تصاویر لندست 8 و سنتنیل 2a مربوط به دریاچه‌ی زریبار استفاده شد. شش شاخص آبی انتخاب و اجرا گردید. نتایج نشان داد که شاخص aweishadow با میانگین ضریب کاپای 0.9901 در سنتنیل و0.9692 در لندست 8 بهترین شاخص و بدترین نتیجه را شاخص aweinoshadow با میانگین ضریب کاپای 0.4997 در سنتنیل و 0.618 در لندست 8 برای شناسایی آب داشته‌اند. به طور کلی در اجرای شاخص‌های آبی، دقت تصاویر ستتینل 2a به نسبت لندست 8 به طور چشمگیری بالاتر بود که این عامل می‌تواند به علت قدرت تفکیک مکانی بالای تصاویر سنتینل باشد.. نتایج این تحقیق حاکی از آن بود که استفاده از شاخص‌های استخراج آب و تصاویر ماهواره‌ای با دقت بالا می‌تواند ابزار موثری برای پایش و مدیریت پایدار منابع آبی باشد. نتایج حاصل می‌توانند به برنامه‌ریزان و مدیران کمک کنند تا تصمیمات بهینه‌تری در خصوص حفاظت و بهره‌برداری از منابع طبیعی اتخاذ کنند.

evaluation of water indicators using landsat and sentinel satellite images (case area: zaribar lake)

in recent years, remote sensing data have played an important role in natural resource management studies, especially in water resources research. among the studies related to water resources, the use of water indicators has been highly considered. with the advancement of technology and the production of satellite images, these indicators have grown and developed more and their accuracy has increased significantly. in this research, landsat 8 and sentinel 2a images related to a 9-year period have been used to analyze and identify water areas in the target area. the indices used in the research are ndwi, ndwiplus, mndwi, wri and awei indices in two shaded and unshaded versions. the results showed that the aweishadow index with an average kappa coefficient of 0.9901 in sentinel and 0.9692 in landsat 8 was the best index and the worst result was aweinoshadow index with an average kappa coefficient of 0.4997 in sentinel and 0.618 in landsat 8 for water identification.the results of this research showed that the use of water extraction indicators and high-precision satellite images can be an effective tool for monitoring and sustainable management of water resources. the results can help planners and managers to make more optimal decisions regarding the protection and exploitation of natural resources