ارزیابی تطبیقی شاخص های طیفی برف مبتنی بر تصاویر Sentinel-2 و Landsat 8/9 در استخراج پوشش برفی شهرستان های اردبیل و مریوان

مقالات آماده انتشار

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 استاد، گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران

2 دانشگاه محقق اردبیلی

3 استادآب و هواشناسی، گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، ایران

4 استاد ژئومورفولوژی و سنجش از دور، گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، ایران

5 دانشگاه محقق اردبیلی، ایران

10.22034/gp.2026.72905.3559

چکیده

هدف: پوشش برف یکی از مهم‌ترین اجزای چرخه هیدرولوژیکی در مناطق کوهستانی است و پایش دقیق آن نقش مهمی در مدیریت منابع آب و اثرات تغییر اقلیم دارد. هدف از این مطالعه ارزیابی و مقایسه عملکرد پنج شاخص برف شامل NDSI، S3، SRI، NDSWIn و SSR در استخراج پوشش برف با استفاده از تصاویر ماهواره‌ای Sentinel-2 و Landsat 8/9 در دو منطقه کوهستانی اردبیل و مریوان است.

روش: برای این منظور تصاویر شش تاریخ انتخاب شده طی سال‌های 2022 تا 2025 از سامانه Google Earth Engine دریافت و پس از محاسبه شاخص‌ها نقشه‌های پوشش برف تولید شد. ارزیابی دقت با استفاده از 200 نقطه مرجع و معیارهای دقت کلی (OA) و ضریب کاپا انجام شد.

نتایج: یافته‌ها نشان داد که در حالی که همه شاخص‌ها می‌توانند پوشش برف را تشخیص دهند، شاخص‌های S3 و NDSWIn بهترین دقت را برای هر دو حسگر و هر دو منطقه ارائه می‌دهند. ضریب کاپا در منطقه اردبیل تقریباً 0.99 و میانگین دقت کل این شاخص‌ها بیش از 99٪ بود. یافته‌ها همچنین نشان داد که در بیشتر موارد، داده‌های لندست 8.9 از نظر دقت و پایداری از سنتینل-2 بهتر عمل کرده‌اند. از سوی دیگر، شاخص SSR در طول دوره مطالعه بیشترین نوسان را داشته و کمترین دقت را داشته است.

نتیجه گیری: بر اساس یافته‌های کلی این مطالعه، شاخص‌های S3 و NDSWIn گزینه‌های بهتری برای استخراج پوشش برف در مناطق کوهستانی شمال غربی ایران هستند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Comparative Evaluation of Snow Spectral Indices Based on Sentinel-2 and Landsat 8/9 Imagery for Snow Cover Mapping in Ardabil and Marivan Counties

نویسندگان [English]

  • sayyad asghari 1
  • sina khonkham 2
  • batool zeinali 3
  • Fatemeh Samadi Shalveh Alia 4
  • Abozar sadeghi 5
  • Roghaye Azari Sanjebad 5
1 Department of Physical Geography, Faculty of Social Sciences, University of Mohaghegh Ardabili, Ardabil, Iran.
2 Master's Student ، Remote Sensing and Geographic Information Systems (GIS) ، Department of Physical Geography ، Faculty of Social Sciences ، University of Mohaghegh Ardabili ، Ardabil ، Iran، sinakhonkham@gmail.com
3 Professor ، Department of Physical Geography ، Faculty of Social Sciences ، University of Mohaghegh Ardabili ، Ardabil ، Iran،. zeynali.b@uma.ac.ir.
4 Master's Student ، Remote Sensing and Geographic Information Systems (GIS) ، Department of Physical Geography ، Faculty of Social Sciences ، University of Mohaghegh Ardabili ، Ardabil ، Iran، samadi.f.2019@gmail.com.
5 PhD in Geomorphology, Department of Physical Geography ، Faculty of Social Sciences ، University of Mohaghegh Ardabili ، Ardabil ، Iran، Aboozarsadeghi@uma.ac.ir.
چکیده [English]

Objective: Accurate monitoring of snow cover, a critical component of the hydrological cycle in mountainous regions, is essential for water resource management and climate change assessment. This study evaluates and compares the performance of five snow indices—Normalized Difference Snow Index (NDSI), S3, Snow Ratio Index (SRI), Normalized Difference Snow Water Index (NDSWIn), and Snow Surface Reflectance (SSR)—for snow cover extraction using Sentinel-2 and Landsat 8/9 imagery in the Ardabil and Marivan regions of northwestern Iran.

Methods: Six satellite images acquired between 2022 and 2025 were processed via Google Earth Engine. Snow cover maps were generated for each index, and classification performance was assessed using 200 reference points, employing Overall Accuracy (OA) and Kappa coefficient metrics.

Results: All indices detected snow-covered areas; however, S3 and NDSWIn consistently achieved the highest accuracy across both sensors and regions. In Ardabil, their mean OA exceeded 99% with Kappa ≈ 0.99. Landsat 8/9 generally outperformed Sentinel-2 in accuracy and temporal stability, while SSR showed the highest variability and lowest performance throughout the study period.

Conclusions: S3 and NDSWIn are the most reliable and effective indices for snow cover mapping in mountainous regions of northwestern Iran, supporting operational snow monitoring using multispectral satellite imagery.

کلیدواژه‌ها [English]

  • Snow cover
  • remote sensing
  • Sentinel-2
  • Landsat 8/9
  • Google Earth Engine
جغرافیا و برنامه‌ریزی

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 06 مرداد 1405

فایل ها

هم رسانی

ارجاع به این مقاله

آمار