تحلیل فضایی مخاطرات محیطی

تحلیل فضایی مخاطرات محیطی

بررسی روند تغییرات سطح پوشش برف منطقه تخت سلیمان با استفاده از تصاویر ماهوارههای لندست در سامانه گوگل ارث انجین

نویسندگان
همایون مطیعی
صبا احراری
دانشگاه شهید بهشتی- دانشکده عمران،آب و محیط زیست
چکیده
یخچال‌ها از جمله منابع آبی مهم در جهان بوده که بشدت تحت تاثیر گرمایش جهانی و تغییر اقلیم واقع شده‌اند. این مقاله به بررسی اثرات اقلیم بر تغییرات سطح پوشش برف و یخ منطقه تخت‌سلیمان واقع در استان مازندران در طی سه دهه گذشته با استفاده از سنجش از راه دور پرداخته شده است. به همین منظور، تصاویر مربوط به ماه ژوئن میلادی ماهواره‌های لندست-5 و 8 در بازه زمانی 1990 تا 2021 و همچنین داده‌های محصول دمای هوای سنجنده ERA5 در پلتفرم گوگل ارث انجین پردازش شد تا میزان دما و سطح پوشش برف و دمای هوای منطقه مورد بررسی مورد محاسبه و بررسی قرار گیرد. در این پژوهش به منظور تشخیص سطوح پوشیده از برف و یخ، از شاخص NDSI (شاخص سطح نرمال‌شده پوشش برف) و برای ارزیابی روند داده‌ها از ضریب کاپا و آزمون من-کندال استفاده گردید. نتایج صحت کلی و ضریب کاپا در سامانه گوگل ارث انجین نشان از صحت کلی 94 درصد و ضریب کاپا 89 درصد در سال 2021 دارد که نشان از مطابقت بالای این روش با داده‌های واقعی است. نتایج بدست‌آمده در این تحقیق در طی بازه زمانی مورد بررسی نشان‌دهنده افزایش حدودا 1.5 درجه‌ای دما در طول سه دهه گذشته در سطح معنی‌داری 95 درصد می باشد. نتایج نشان می دهد که سطح پوشش برف و یخ یخچال‌های تخت سلیمان در ماه ژونن ( خرداد) از مقدار 127 کیلومترمربع در سال 1990 با کاهش 80 درصدی به 22 کیلومترمربع در سال 2021 رسیده است. روند تغییرات سطح پوشش برف ماه ژوئن نیز با آزمون من-کندال بررسی شد که نشان دهنده روند منفی معنادار در سطح معنی‌داری بین 80 تا 90 درصد می باشد. به طور کلی این نتایج نشان‌دهنده افزایش دما و کاهش سطح برف و یخ این منطقه در طی دوره آماری مورد مطالعه می‌باشد و ادامه روند زوال تدریجی یخچال های این منطقه در آینده، تهدیدی جدی برای منبع آب پایین دست و محیط زیست اطراف آنها می باشد.
کلیدواژه‌ها
تغییر اقلیم
سنجش از راه دور
یخچال ها
تخت سلیمان
سامانه GEE
شاخص NDSI

عنوان مقاله English

Assessment of the effect of periodic changes on Takhte Soleiman glaciers using Google Earth Engine (GEE)

نویسندگان English

Homayoun Motiee
Saba Ahrari
Shahid Beheshti University
چکیده English

Glaciers are one of the most important water resources in the world, which are heavily affected by global warming and climate change. This paper investigates the effects of global warming on the changes in the snow cover level of the Takht Suleiman region located in Mazandaran province during the warm months of the year through the past three decades using remote sensing. For this purpose, the images from June to August of the Landsat-5 and 8 satellites in the period of 1990 to 2021, as well as the data of the air temperature product of the ERA5 sensor were processed on the Google Earth Engine. In this research, NDSI index (Normalized Snow Cover Surface Index) was used to detect snow covered surfaces and the Mann-Kendall test was used to evaluate the trend of the data. The results of the overall accuracy and Kappa coefficient in the Google Earth Engine system show an overall accuracy of 94% and a Kappa coefficient of 89% in 2021, which shows the high compatibility of this method with real data.

The results obtained during the investigated period show an increase of about 1.5 degrees in temperature during the last three decades at a significant level of 95%. The snow and ice cover of the Takht Suleiman region in June month decreased from 127 square kilometers( in 1990) with a decrease of 82% to 22 square kilometers( in 2021). The trend of changes in the level of snow cover in June was analyzed with the Mann-Kendall test, which shows a decreasing trend at a significance level between 80 and 90%. In general, these results indicate an increase in temperature and a decrease in the level of this glacier during the statistical period studied, and the continuation of the gradual depletion of the glaciers of this region in the future is a serious threat to the downstream water source and the surrounding environment.


کلیدواژه‌ها English

Climate Change
Remote Sensing
glaciers
Takhte-Soleiman
Google Earth Engine
NDSI
Amani, M.; A. Ghorbanian, S.A. Ahmadi, M. Kakooei, A. Moghimi, S.M. Mirmazloumi, S.H. Alizade, S. Mahdavi, M. Ghahremanloo, S. Parsian, Q. Wu, and B. Brisco. 2020. Google Earth Engine Cloud Computing Platform for Remote Sensing Big Data Applications: A Comprehensive Review. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 13: 5326-5350. DOI: 10.1109/JSTARS.2020.3021052.
Banerjee, A.; R. Chen, M. Meadows, D. Sengupta, S. Pathak, Z. Xia, and S. Mal. 2021. Tracking 21st century climate dynamics of the Third Pole: An analysis of topo-climate impacts on snow cover in the central Himalaya using Google Earth Engine. International Journal of Applied Earth Observation and Geoinformation, 103: 102490. DOI: 10.1016/j.jag.2021.102490.
Berthier, E.; E. Schiefer, G. Clarke, B. Menounos, and F. Remy. 2010. Contribution of Alaskan glaciers to sealevel rise derived from satellite imagery. Nature Geosci, 3: 92-95. DOI: 10.1038/ngeo737.
Carrivick, J.; J. Sutherland, M. Huss, H. Purdie, C. Stringer, M. Grimes, W.H. James, A. Lorrey. 2022. Coincident evolution of glaciers and ice-marginal proglacial lakes across the Southern Alps, New Zealand: Past, present and future, Global and Planetary Change. Global and Planetary Change, 211: 103792. DOI: 10.1016/j.gloplacha.2022.103792.
Di Tullio, M.; F. Nocchi, A. Camplani, N. Emanuelli, A. Nascetti, and M. Crespi. 2018. COPERNICUS BIG DATA AND GOOGLE EARTH ENGINE FOR GLACIER SURFACE VELOCITY FIELD MONITORING: FEASIBILITY DEMOSTRATION ON SAN RAFAEL AND SAN QUINTIN GLACIERS. International Archivee of the Photogrammetry, Remote Sens ing and SpatialInformation Sciences, 42: 289-294. DOI: 10.5194/isprs-archives-XLII-3-289-2018.
Gorelick, N.; M. Hancher, M. Dixon, S. Ilyushchenko, D. Thau, and R. Moore. 2017. Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment, 202: 18-27. DOI: 10.1016/j.rse.2017.06.031.
Guo, S.; D. Du, J. Xia, P. Tang, X. Wang, Y. Meng, and H. Wang. 2021. Spatiotemporal changes of glacier and seasonal snow fluctuations over the Namcha Barwa-Gyala Peri. ISPRS Journal of Photogrammetry and Remote Sensing, 177: 21-37. DOI: 10.1016/j.isprsjprs.2021.04.018.
Huang, L.; Z. Li, J. Zhou, and P. Zhang. 2021. An automatic method for clean glacier and nonseasonal snow area change estimation in High Mountain Asia from 1990 to 2018. Remote Sensing of Environment, 258: 112376. DOI: 10.1016/j.rse.2021.112376.
IPCC (2021) AR6 Climate Change. 2021. The Physical science basis., https://www.ipcc.ch/report/sixth-assessment-report-working-group-i
Irshad, F.; J. Malik, and R. Khalil. 2019. Mapping Wet Snow using SAR C-Band through Google Earth Engine. 2019 Sixth International Conference on Aerospace Science and Engineering (ICASE), 1-5. DOI: 10.1109/ICASE48783.2019.9059160.
Khadka, D.; M. Babel, S. Shrestha, and N Tripathi. 2014. Climate change impact on glacier and snow melt and runoff in Tamakoshi basin in the Hindu Kush Himalayan (HKH) region. Journal of Hydrology, 511: 49-60. DOI: 10.1016/j.jhydrol.2014.01.005.
Liang, D.; H. Guo, L. Zhang, Y. Cheng, Q. Zhu, and X. Liu. 2021. Time-series snowmelt detection over the Antarctic using Sentinel-1 SAR images on Google Earth Engine. Remote Sensing of Environment, 256: 112318. DOI: 10.1016/j.rse.2021.112318.
Matulla, C.; E. Watson, S. Wagner, and W. Schöner. 2009. Downscaled GCM projections of winter and summer mass balance for Peyto Glacier, Alberta, Canada (2000-2100) from ensemble simulations with ECHAM5-MPIOM. International Journal of Climatology, 29(11): 1550-1559. DOI: 10.1002/joc.3511.
Mutanga, O.; and k. Lalit. 2019. Google Earth Engine Applications. Remote Sensing, 11(5): 591. DOI: 10.3390/rs11050591.
Patel, L.; A. Sharma, P. Sharma, A. Singh, and M. Thamban. 2021. Glacier area changes and its relation to climatological trends over Western Himalaya between 1971 and 2018. Journal of Earth System Science, 130(4): 217. DOI: 10.1007/s12040-021-01720-0.
Racoviteanu, A.; Y. Arnaud, M. Williams, and J. Ordoñez. 2008. Decadal changes in glacier parameters in the Cordillera Blanca, Peru, derived from remote sensing. Journal of Glaciology, 54(186): 499-510. DOI: 10.3189/002214308785836922.
Scherler, D.; B. Bookhagen, and M. Strecker. 2011. Spatially variable response of Himalayan glaciers to climate change affected by debris cover. Nature Geosci, 4(3): 156-159. DOI: 10.1038/ngeo1068.
Tamiminia, H.; B. Salehi, M. Mahdianpari, L. Quackenbush, S. Adeli, and B. Brisco. 2020. Google Earth Engine for geo-big data applications: A meta-analysis and systematic review. ISPRS Journal of Photogrammetry and Remote Sensing, 164: 152-170. DOI: 10.1016/j.isprsjprs.2020.04.001.
Tielidze, L.; G. Nosenko, T. Khromova, and F. Paul. 2022. Strong acceleration of glacier area loss in the Greater Caucasus between 2000 and 2020. The Cryosphere, 16: 489-504. DOI: 10.5194/tc-2021-312.
Wang, L.c.; K. Yu, L. Chang, J. Zhang, T. Tang, L.H. Yin, X.f. Gu, J.q. Dong, Y. Li, J. Jiang, B.c. Yang, Q. Wang. 2021. Response of glacier area variation to climate change in the Kaidu-Kongque river basin, Southern Tianshan Mountains during the last 20 years. China Geology, 4(3): 389-401. DOI: 10.31035/cg2021055.
Wangchuk, S.; T. Bolch, B. Aubrey Robson. 2022. Monitoring glacial lake outburst flood susceptibility using Sentinel-1 SAR data, Google Earth Engine, and persistent scatterer interferometry. Remote Sensing of Enviroment, 271: 112910. DOI: 1 0.1016/j.rse.2022.112910.
Wilson, R.; S. Harrison, J. Reynolds, A. Hubbard, N.F. Glasser, O. Wundrich, P. Iribarren Anacona, L. Mao, S. Shannon. 2019. The 2015 Chileno Valley glacial lake outburst flood, Patagonia. Geomorphology, 332: 51-65. DOI: 10.1016/j.geomorph.2019.01.015.
Zhang, J.; L. Jia, M. Menenti, J. Zhou, and S. Ren. 2021. Glacier Area and Snow Cover Changes in the Range System Surrounding Tarim from 2000 to 2020 Using Google Earth Engine. Remote Sensing, 13(24): 5117. DOI: 10.3390/rs13245117.
Zhao, L.; R. Ding, and J. Moore. 2014. Glacier volume and area change by 2050 in high mountain Asia. Global and Planetary Change, 13(24): 197-207. DOI: 10.1016/j.gloplacha.2014.08.006.
تحلیل فضایی مخاطرات محیطی
دوره 9، شماره 2 - شماره پیاپی 34
تابستان 1401
صفحه 179-194