بررسی تغییرات پهنۀ آبی خلیج گرگان و ارتباط آن با تغییرات بارش و تراز آب دریای خزر با استفاده از داده ‏های سنجش از دور

نوع مقاله : پژوهشی

نویسندگان

1 دانشیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکدۀ جغرافیا، دانشگاه تهران

2 دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی دانشگاه تهران

چکیده

در پژوهش حاضر به بررسی تغییرات بلندمدت (طی سال‏های 1999 تا 2019) و فصلی (سال 2018) پهنۀ آبی خلیج گرگان و ارتباط آن با تغییرات بارش و میزان تراز آب دریای خزر در همین بازۀ زمانی پرداخته شده است. به این منظور، پهنۀ آبی بلندمدت با استفاده از سری زمانی تصاویر ماهواره‏های Landsat8 , Landsat5 و Sentinel-2 و با بهره‌گیری از شاخص Modified Normalized Difference Water Index2 (MNDWI2) و اعمال حد آستانۀ مناسب به دست آمد. همچنین، از داده‏های ماهواره‏های Topix و Json برای بررسی تغییرات تراز آب دریای خزر و از تصاویر ماهواره‏ایTRMM به منظور بررسی تغییرات بارندگی استفاده شد. نتایج نشان داد سطح آب خلیج گرگان طی بازۀ زمانی بررسی‌شده کاهش چشمگیری داشته است و این روند همچنان ادامه دارد. این تغییرات در سواحل کم‌شیب و نواحی غربی تالاب میانکاله بیشتر مشهود است. نتایج گویای این امر است که تغییرات پهنۀ آبی خلیج گرگان در بازۀ بلندمدت همبستگی زیادی (92/0) با میزان نوسان‌های تراز آب دریای خزر دارد. شایان یادآوری است طی این بازۀ 20 ساله تغییرات تراز سطح آب دریای خزر حدود 120 سانتی‌متر بوده است، اما میزان همبستگی پهنۀ آبی با میزان بارش در مقیاس بلندمدت کم (1/0) است. این روند در بازۀ کوتاه‌مدت یک‌ساله کاملاً عکس است و از آنجا که تغییرات تراز آب دریای خزر در بازۀ یک‌ساله بسیار کم (5 سانتی‌متر) است، بنابراین پهنۀ آبی خلیج گرگان نیز همبستگی بسیار کمی (09/0) با آن دارد. اما در همین بازۀ یک‌ساله همبستگی نسبتاً متوسطی بین تغییرات بارش و میزان پهنۀ آبی خلیج گرگان با یک تأخیر یک‌ماهه وجود دارد.

کلیدواژه‌ها


[1]. Hamzeh S, Akbari E, Kakroodi A. A, Jeihooni M. Investigation the dynamic response of the Anzali lagoon to sea-level changes using multi-sources remotely sensed data. The 38th Asian Conference on Remote Sensing. 2017; New Delhi.
[2]. Ghayumi R. Environmental Challenges of Gorgan Bay and Miankaleh Wetland and Provide Optimal Protection and Management Strategies4th International Conference on Environmental Planning and Management. 2017; Tehran. [Persian].
[3]. Huang C, Peng Y, Lang M, Yeo I.Y, McCarty G. Wetland inundation mapping and change monitoring using Landsat and airborne LiDAR data. Remote sensing of environment, 2014; 141, 231-242.
[4]. Acharya T, Subedi A, Lee D. Evaluation of Water Indices for Surface Water Extraction in a Landsat 8 Scene of Nepal. Sensors. 2018; 18, 2580.
[5]. Kwang C, Osei Jnr E.M, Amoah A.S. Comparing of Landsat 8 and Sentinel 2A using Water Extraction Indexes over Volta River. Journal of Geography and Geology. 2018; 10: 1-7.
[6]. Li W, Du Z, Ling F, Zhou D, Wang H, Gui Y, Sun B, Zhang X. A Comparison of Land Surface Water Mapping Using the Normalized Difference Water Index TM, ETM+ and ALI. Remote Sensing. 2013; 5: 5530-5549.
[7]. Tilko A, Siadat mosavi M, Mojaradi B. Investigating and Evaluating Spectral Water Indicators for Coastal Line Extraction Using Remote Sensing Technology. 5th International Congress of Civil Engineering, Architecture and Urban Development. 2017;Tehran. [Persian].
[8]. Jianfeng Z, Qiuwen Z, Zhong T, Xiaofei L, Fei Y. Spatio-temporal Effect of Urbanization on Surface Water Bodies: A Method of RS and GIS. The Open Civil Engineering Journal. 2016; 10, 489-499.
[9]. Xu H. Modification of normalized difference water index (NDWI) to enhance open water features in remotely sensed imagery. International Journal of Remote Sensing. 2006; 27(14): 3025-3033.
 
[10].            Sarp G, Ozcelik M. Water body extraction and change detection using time series: A case study of Lake Burdur, Turkey. Journal of Taibah University for Science. 2017; 11: 381- 391.
[11].            Jeihouni M, Kakroodi A.A, Hamzeh S. Monitoring shallow coastal environment using Landsat/altimetry data under rapid sea-level change. Estuarine, Coastal and Shelf Science. 2019; 224.
[12].            National Aeronautics and Space Administration (NASA). TRMM Data Users Handbook, February 2001; 226p.
[13].            Huffman G.J, Bolvin D.T. TRMM Real-Time Multisatellite Precipitation Analysis Data
Set Documentation. NASA Goddard Space Flight Center and Science Systems and Applications. 2007; Inc 25.
[14].            Madadi G, Hamzeh H, Noroozi A. Assessment of TRMM satellite imagery in temporal and spatial ‎drought monitoring, case study: West Frontier Basin. Journal of Watershed Engineering and Management. 2017; Volume 8, Issue 4, Pages 362-376. [Persian].
[15].            United States Department of Agriculture (USDA). Available at: https://www.pecad.fas.usda.gov/cropexplorer/global_reservoir/Default.aspx. 2017.
دوره 8، شماره 2
تیر 1400
صفحه 475-484
  • تاریخ دریافت: 03 خرداد 1399
  • تاریخ بازنگری: 22 اردیبهشت 1400
  • تاریخ پذیرش: 22 اردیبهشت 1400
  • تاریخ اولین انتشار: 01 تیر 1400
  • تاریخ انتشار: 01 تیر 1400