تعداد نشریات | 161 |
تعداد شمارهها | 6,572 |
تعداد مقالات | 71,020 |
تعداد مشاهده مقاله | 125,495,765 |
تعداد دریافت فایل اصل مقاله | 98,757,619 |
بررسی تغییرات مساحت پهنه های آبی حوضۀ آبریز سد شهید عباسپور ناشی از سیل های 2019 با استفاده از Google Earth Engine | ||
مجله اکوهیدرولوژی | ||
مقاله 6، دوره 7، شماره 2، تیر 1399، صفحه 345-357 اصل مقاله (1.71 M) | ||
نوع مقاله: پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ije.2020.295785.1272 | ||
نویسندگان | ||
ترانه علی بخشی1؛ زهرا عزیزی* 2؛ علیرضا وفایینژاد3؛ حسین آقامحمدی زنجیرآبادی2 | ||
1دانشجوی کارشناسی ارشد دانشکدۀ منابع طبیعی و محیط زیست، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران | ||
2استادیار دانشکدۀ منابع طبیعی و محیط زیست، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران | ||
3دانشیار دانشکدۀ مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران | ||
چکیده | ||
حوضۀ آبریز سد شهید عباسپور، قسمت اعظم حوضۀ آبریز کارون بزرگ است. حوضۀ یادشده در سال 2019 دو بار در معرض واقعۀ سیلاب قرار گرفته است. با توجه به اهمیت استراتژیک این حوضه و سیلهای اخیر، در مطالعۀ حاضر با استفاده از تصاویر ماهوارهای لندست 7 و 8 و محیط آنلاین Google Earth Engine و الگوریتم NDWI با هزینه و زمانی کم، به جداسازی پدیدۀ آب از سایر پدیدهها به منظور بررسی تغییرات مساحت پهنههای آبی موجود در این حوضه طی 20 سال اخیر پرداخته شده است. در مطالعۀ حاضر مساحت تمامی پهنههای آبی موجود در حوضۀ آبریز سد شهید عباسپور محاسبه شده و بر اساس آن، تغییرات مساحت پهنههای آبی که حاصل از سیلهای سالهای اخیر است، به دست آمده است. تغییرات یادشده برای مدیریت منابع آبی، مدیریت بحران و دستیابی به توسعۀ پایدار منطقه کارآمد است. نتایج تحقیق نشان داد در حوضۀ یادشده، بیشترین حجم آب در سال 2019 وجود داشته و آبگیرها و سدها لبریز از آب شدهاند، به گونهای که با اختلاف زمانی یک ماه، 25 کیلومترمربع به حجم آبهای آنها افزوده شده است. بر این اساس، خطر جاری شدن سیل، مناطق مسکونی و زراعی را در بر گرفته است و نبود نظارت و توجه جدی به این موضوع، میتواند سبب ایجاد خسارت و آسیبهای جبرانناپذیری در آیندۀ نزدیک شود. | ||
کلیدواژهها | ||
حوضۀ آبریز سد شهید عباسپور؛ سیل؛ سنجش از دور؛ Google Earth Engine؛ NDWI | ||
مراجع | ||
[1]. Goodarzi Z, Vafaeinejad A. Using Shuffled Frog-Leaping Algorithm (SFLA) And Geospatial Information System (GIS) To Help Optimally Operation Of The Dam Reservoir (Case Study: Dorudzan Dam Reservoir). Iranian Journal of EcoHydrology. 2020; 6(4): 983-991 [Persian] [2]. Vafaeinejad A, Yousefzade J, Yousefi H, Mohammadi N. Using GIS and Linear Programming to Manage Water Distribution in Irrigation Networks (Case Study: Downstream Lands of Aq-chay Dam): Iranian Journal of EcoHydrology. 2014; 1(2): 123-132 [Persian] [3]. Vafaeinejad A. Cropping Pattern Optimization by Using of TOPSIS and Genetic Algorithm Based on the Capabilities of GIS. Iranian Journal of EcoHydrology. 2016; 3(1): 69-82 [Persian] [4]. Mohammadi Varzaneh N, Vafaeinejad A. Water Allocation in Irrigation Networks by using of Decision Support System Based on the Geospatial Information System (GIS) and Particle Swarm Optimization (PSO). Iranian Journal of EcoHydrology. 2015; 2(1): 39-49 [Persian] [5]. Salehi y, Azizi Z, Aghamohamadi H. Site selection of aquifers of Ghorveh pasture areas using satellite images; Iranian Journal of EcoHydrology, 2017; 4(3): 861-871 [Persian] [6]. Goodarzi M, Pourhashemi M, Azizi Z. Investigation on Zagros forests cover changes under the recent droughts using satellite imagery, Journal of Forest Science, 2019; 65(1), 9-17 [7]. Torabi Gh, Aghamahammadi Zanjirabad H, Behzadi S. Monitoring the status of Bakhtegan Lake and surrounding areas using satellite imagery and computational intelligence, Iranian Journal of EcoHydrology, 2018; 5(1): 251-263 [Persian] [8]. Ghalibaf M, Alipour H, Ghaliof A, Kortua M, Mokhtari M. Survey of Land Cover Area and Land Use Changes in Urmia Lake Watershed Using MODIS Images. Iranian journal of hydrogeomorphology. 2019; 6(5): 97-113 [persian] [9]. Asghari A, Evaluation of Urmia Lake Surface Changes as a Deep Environmental Challenge Over Northwest Iran. Iran in Fazaye Geoghraphy. 2013; 41: 77-91 [Persian] [10].Mikaeily KH, Sobhani B, Varamesh S. Evaluation of Changes in Coverage of South Urmia Lake Using Satellite Images. Iranian journal of Scientific Journals Management System. 2019 [Persian] [11].Alsheykh A, Mohammadi A, Ghorbanali A. Lake shoreline monitoring using Remote Sensing. Iranian journal of Scientific Journals Management System, 2015; 4(5): 9-24 [Persian] [12].Ghaderi K, Javadi M, Gholami SH. Monitoring of Urmia Lake Water Level Changes Using MODIS Images and NDWI Index from 2002 to [13]. Hesham M, Asmar El, Mohammed E, Hereher, Sameh B, Kafrawy El. Surface area change detection of the burullus lagoon, north of the Nile delta, Egypt, using water indices a remote sensing approach. The Epyptial journal of remote sensing and space science. June 2013; 16(1): 119-123 [14]. Cemal ozar y, Salih A, Ayhan C. Displacement response of a concrete arch dam to seasonal temperature fluctuations and reservoir level rise during the first filling period: evidence from geodetic data. Geomatics natural hazards and risk. 2016; 17(4): 1489-1505 [15]. Levent Ta. Analysis of dam deformation measurements with the robust and non-robust methods. Academic Journals. 2010;5. 1770-1779 [16]. Zavoianu A, Caramizoiu D. Study and accuracy assessment of remote sensing data for Environmental change detection in Romanina coastal zone of the Black sea; Faculty of Geodesy, Technical University of Engineering Bucharest, Romania, 2001 [17]. Kaichang Di, Ruijin Ma, Jue Wang, Ron Li, Coastal mapping and change detection using high resolution IKONOS satellite imagery, Japan- Ohio, 2004 [18]. Tephen A. A remote sensing and GIS Study of Lont Term water mass balance lake Jackson, College of Engineering Science Technology & Agriculture. Florida, U.S.A, 2002 [19]. Bayram B, Bayraktar H, Helvaci C, Acar U; Coast line change detection using corona, SPOT and IRS ID Images. Turkey Istanbul. 2004 | ||
آمار تعداد مشاهده مقاله: 921 تعداد دریافت فایل اصل مقاله: 636 |