محاسبه خصوصیات فیزیکی برف با استفاده از تکنیک تداخل سنجی تفاضلی راداری و تصاویر سنجنده ترا سارایکس باند (TerraSAR-X) و مودیس (MODIS)

الحسینی المدرسی, سید علی; حاتمی, جواد; سرکارگر, علی

|
|
|
ارجاع به این مقاله
RIS EndNote BibTeX APA MLA Harvard Vancouver
|
اشتراک گذاری

	محاسبه خصوصیات فیزیکی برف با استفاده از تکنیک تداخل سنجی تفاضلی راداری و تصاویر سنجنده ترا سارایکس باند (TerraSAR-X) و مودیس (MODIS)
مقاله 5، دوره 7، شماره 2 - شماره پیاپی 23، تابستان 1395، صفحه 59-76 اصل مقاله (1.1 MB)
نوع مقاله: مقاله پژوهشی
نویسندگان
سید علی الحسینی المدرسی ¹؛ جواد حاتمی²؛ علی سرکارگر³
¹دانشیار دانشکده فنی مهندسی، گروه سنجش از دور و سیستم اطلاعات جغرافیایی، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران
²دانش آموخته کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران
³دانشیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه امام حسین (ع)، تهران
تاریخ دریافت: 21 آبان 1394، تاریخ بازنگری: 08 اردیبهشت 1395، تاریخ پذیرش: 15 اردیبهشت 1395
چکیده
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 TerraSAR-X و تکنیک راداری تداخلسنجی (DInSAR) ‌به گونه‌ای که ابتدا یک تصویر به عنوان تصویر پایه و بقیه تصاویر نسبت به تصویر اول تداخلسنجی انجام شد سپس بین مناطقی که پوشش برف بود مقدار جا به جای بدست آمده آنها 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 تداخلسنجی تولید شده و دادههای 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.
کلیدواژه‌ها
عمق برف؛ سنجش ‌از دور فعال؛ TerraSAR-X؛ مودیس (MODIS)؛ تکنیک راداری تداخل سنجی (DInSAR)
عنوان مقاله [English]
Calculating the physical properties of snow, using differential radar interferometry and TerraSAR-X and MODIS images
نویسندگان [English]
Seyed Ali Alhossaini Almodaresi¹؛ Javad Hatami²؛ Ali Sarkargar³
¹Assoc. Prof. College of Engineering, Department of RS & GIS, Yazd Branch, Islamic Azad University, Yazd, Iran
²MSc. Graduated of RS & GIS, Yazd Branch, Islamic Azad University, Yazd, Iran
³Assoc. Prof. Department of RS & GIS, Imam Hossein University, Tehran
چکیده [English]
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 TerraSAR-X 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%.
کلیدواژه‌ها [English]
Snow depth, Active remote sensing, TerraSAR-X, MODIS, DInSAR techniques


مراجع
1. رسولی، ع. ا. و س. ادهمی. 1386. محاسبه آب معادل از پوشش برفی با پردازش تصاویر سنجنده MODIS. جغرافیا و توسعه، 5(3-4): 23-36. 2. طالبی، ع. 1392. برسی امکان تعیین خصوصیات فیزیکی برف با استفاده از دادههای ماهوارهای نوری و ماکروویو (مطالعه موردی شیرکوه یزد). گزارش نهایی طرح تحقیقاتی، دانشگاه یزد. 150 صفحه. 3. فتحزاده، ع. 1387. برآورد توزیع مکانی آب معادل برف در حوضة آبخیز کرج با استفاده از سنجش از دور و مدل بیلان انرژی. رساله دکتری، دانشگاه تهران. 143 صفحه. 4. واجدیان، س. 1387. پایش دگرشکلی پوسته با استفاده از تکنیک تداخلسنجی رادار با دریچه مصنوعی. پایاننامه کارشناسی ارشد، دانشکده فنی، دانشگاه تهران. 112 صفحه. 5. Braunisch H, Wu B-I, Kong JA. 2000. Phase unwrapping of SAR interferograms after wavelet denoising. In: Geoscience and Remote Sensing Symposium, 2000. Proceedings. IGARSS 2000. IEEE 2000 International, IEEE, 24-28 July, Hilton Hawaiian Village, Honolulu Hawaii USA. 6. Chander G, Markham BL, Helder DL. 2009. Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM⁺, and EO-1 ALI sensors. Remote Sensing of Environment, 113(5): 893-903. 7. Dehghani M, Zoej MJV, Saatchi S, Biggs J, Parsons B, Wright T. 2009. Radar interferometry time series analysis of Mashhad subsidence. Journal of the Indian Society of Remote Sensing, 37(1): 147-156. 8. DeWalle DR, Rango A. 2008. Principles of snow hydrology. Cambridge University Press, 428 pp. 9. Esmaili M, Motagh M. 2009. Remote sensing measurements of land subsidence in Kerman Valley, Iran, 2003-2009. In: AGU Fall Meeting Abstracts, American Geophysical Union, Fall Meeting 2009. 10. Evans JR, Kruse FA. 2013. Snow depth retrieval using Ku-Band Interferometric Synthetic Aperture Radar (InSAR). In Proceedings: 36^th Conference on Radar Meteorology, 16-20 September, Breckenridge. 11. Evans JR. 2013. Determining Snow Depth using Airborne Multi-Pass Interferometric Synthetic Aperture Radar, Doctoral Thesis, Naval Postgraduate School, Monterey, 198 pp. 12. Ferretti A, Monti-Guarnieri A, Prati C, Rocca F, Massonet D. 2007. InSAR principles-guidelines for SAR interferometry processing and interpretation, ESA Publications. 110 pp. 13. Foster J, Chang A, Hall D. 1997. Comparison of snow mass estimates from a prototype passive microwave snow algorithm, a revised algorithm and a snow depth climatology. Remote Sensing of Environment, 62(2): 132-142. 14. Galloway DL, Hudnut KW, Ingebritsen S, Phillips SP, Peltzer G, Rogez F, Rosen P. 1998. Detection of aquifer system compaction and land subsidence using interferometric synthetic aperture radar, Antelope Valley, Mojave Desert, California. Water Resources Research, 34(10): 2573-2585. 15. Gens R. 1999. Quality assessment of interferometrically derived digital elevation models. International Journal of Applied Earth Observation and Geoinformation, 1(2): 102-108. 16. Hall DK, Riggs GA, Salomonson VV, DiGirolamo NE, Bayr KJ. 2002. MODIS snow-cover products. Remote Sensing of Environment, 83(1): 181-194. 17. Hall DK, Riggs GA, Salomonson VV. 1995. Development of methods for mapping global snow cover using moderate resolution imaging spectroradiometer data. Remote Sensing of Environment, 54(2): 127-140. 18. Kelly RE, Chang AT, Tsang L, Foster JL. 2003. A prototype AMSR-E global snow area and snow depth algorithm. IEEE Transactions on Geoscience and Remote Sensing, 41(2): 230-242. 19. Lyapustin A, Tedesco M, Wang Y, Aoki T, Hori M, Kokhanovsky A. 2009. Retrieval of snow grain size over Greenland from MODIS. Remote Sensing of Environment, 113(9): 1976-1987. 20. Marshall H-P, Birkeland K, Elder K, Meiners T. 2008. Helicopter-based microwave radar measurements in alpine terrain. In: Proceedings of the International Snow Science Workshop, Whistler, BritishColumbia, Canada. 21. Oveisgharan S, Zebker HA. 2007. Estimating snow accumulation from InSAR correlation observations. IEEE Transactions on Geoscience and Remote Sensing, 45(1): 10-20. 22. Richards J. 2009. Remote Sensing with Imaging Radar, Springer-Verlag Berlin Heidelberg. 361 pp. 23. Riggs G, Hall D. 2010. MODIS snow and ice products, and their assessment and applications. In: Land Remote Sensing and Global Environmental Change. Springer, pp 681-707. 24. Rott H, Cline D, Duguay C, Essery R, Haas C, Macelloni G, Malnes E, Pulliainen J, Rebhan H, Yueh S. 2008. CoReH₂O-A Ku-and X-band SAR mission for snow and ice monitoring. In: Synthetic Aperture Radar (EUSAR), 7^th European Conference on, 2-5 June, Friedrichshafen, Germany. 25. Shi J, Dozier J. 2000. Estimation of snow water equivalence using SIR-C/X-SAR. II. Inferring snow depth and particle size. IEEE Transactions on Geoscience and Remote Sensing, 38(6): 2475-2488. 26. Wang X, Xie H, Liang T, Huang X. 2009. Comparison and validation of MODIS standard and new combination of Terra and Aqua snow cover products in northern Xinjiang, China. Hydrological Processes, 23(3): 419-429. 27. Wegmuller U, Werner C. 1997. Retrieval of vegetation parameters with SAR interferometry. IEEE Transactions on Geoscience and Remote Sensing, 35(1): 18-24. 28. Zebker HA, Rosen PA, Hensley S. 1997. Atmospheric effects in interferometric synthetic aperture radar surface deformation and topographic maps. Journal of Geophysical Research: Solid Earth, 102(B4): 7547-7563.
آمار تعداد مشاهده مقاله: 1,118 تعداد دریافت فایل اصل مقاله: 875