Journal of Geomatics Science and Technology

fa پایش زمانی - مکانی تغییرات پهنه‌های آبی شور از داده‌های سنجش‌ازدوری با تمرکز بر مقایسه شاخص‌های طیفی (مطالعه موردی: دریاچه ارومیه) Spatiotemporal Monitoring of Saline Water Body Changes Using Remote Sensing Data with a Focus on Comparing Spectral Indices (Case Study: Lake Urmia) فتوگرامتری و سنجش از دور Photo&RS پژوهشي Research <div style="text-align: justify;">بحران آب یکی از چالش‌ها و تهدیدات اصلی برای ایران و جهان است. کاهش بارندگی و مدیریت نامناسب منابع آبی، منجر به بحران دریاچه ارومیه، بزرگ‌ترین دریاچه نمکی ایران شده‌است. کاهش مساحت آب این دریاچه با مشکلات زیست‌محیطی و طوفان‌های نمکی همراه بوده و پایش مستمر آن ضروری می‌باشد. به منظور پایش پهنه‌های آبی با استفاده از سنجش از دور، داده‌ها و روش‌های مختلفی ارائه شده‌است که هر کدام از آن‌ها دارای مزایا و محدودیت‌هایی می‌باشند؛ لذا، پژوهش حاضر به پایش، ارزیابی و مقایسه عملکرد شاخص‌های طیفی AWEISh، AWEInSh، NDWI و NDVI در استخراج پهنه‌های آبی با استفاده از تصاویر ماهواره‌ای لندست-8 در گوگل ارث انجین پرداخته است. این بررسی در بازه زمانی ۲۰۱۸ تا ۲۰۲۴ به تفکیک فصل و با استفاده از آستانه‌گذاری خودکار و هوشمند Edge Otsu انجام شده‌است. بر اساس نتایج حاصل، شاخص طیفی NDWI با صحت کلی 99 درصد و ضریب کاپای 97/0 بیشترین و شاخص طیفی AWEISh با صحت کلی 78 درصد و ضریب کاپای 57/0 کمترین صحت را کسب کرده است. همچنین، بررسی‌های بصری و آماری نشان داد که شاخص‌های AWEISh و AWEInSh جهت تفکیک کلاس آب از کلاس نمک، صحت پایینی را ارائه می‌دهد. علاوه بر این، پایش مساحت پهنه آبی نشان داد که نرخ تغییرات از سال ۲۰۱۸ تا ۲۰۲۴ الگوی کاهشی را دنبال کرده و این کاهش در دو سال اخیر شدیدتر بوده است. بنابراین، میانگین مساحت آب دریاچه ارومیه در بازه زمانی 2018 تا 2024 به ترتیب برابر با 15/2493، 99/3312، 43/3265، 86/2824، 02/2332 و 32/1959 کیلومترمربع بوده که تغییرات سالانه‌ای معادل 88/32، 43/1-، 49/13-، 44/17- و 98/15- درصد را نشان داده است. در نتیجه، در میان شاخص‌های طیفی مطالعاتی، شاخص NDWI بهترین عملکرد را در پایش دریاچه ارومیه داشته و نتایج نشان می‌دهند که مساحت آب این دریاچه در سال‌های اخیر کاهش قابل‌توجهی داشته است.</div> <div style="text-align: justify;">The water crisis is one of the primary threats and challenges facing Iran and the world. A decrease in precipitation, along with inadequate water resource management, has led to the crisis of Lake Urmia, the largest salt lake in Iran. The lake's shrinking area has resulted in environmental problems and salt storms, necessitating continuous monitoring. Various methodologies have been developed for monitoring water bodies through remote sensing, each with advantages and disadvantages. Therefore, the present study focuses on the monitoring, evaluation, and comparison of the performance of spectral indices—AWEISh, AWEInSh, NDWI, and NDVI—in delineating water bodies using Landsat-8 satellite imagery in Google Earth Engine. This assessment was conducted seasonally from 2018 to 2024 and employed the automatic Edge Otsu thresholding algorithm. The results indicate that NDWI achieved the highest accuracy, with an overall accuracy of 99% and a Kappa coefficient of 0.97. In contrast, AWEISh achieved the lowest accuracy, with an overall accuracy of 78% and a Kappa coefficient of 0.57. Additionally, both visual and statistical analyses demonstrated that the AWEISh and AWEInSh indices provided low accuracy in distinguishing the water class from the salt class. Also, monitoring the water surface area revealed that the rate of change from 2018 to 2024 followed a declining pattern, with this decrease being more pronounced in the last two years. As a result, the average surface area of Lake Urmia during the 2018 to 2024 period was 2493.15, 3312.99, 3265.43, 2824.86, 2332.02 and 1959.32 km2, respectively, showing annual changes of 32.88%, -1.43%, -13.49%, -17.44%, and -15.98%. Consequently, among the spectral indices studied, the NDWI index exhibited the best performance in monitoring Lake Urmia, with the results indicating a significant reduction in the lake's water surface area in recent years.</div> سنجش از دور, آستانه‌گذاری, پهنه آبی, شاخص طیفی, مدیریت منابع آب, دریاچه ارومیه Remote Sensing, Thresholding, Water Body, Spectral Index, Water Resources Monitoring, Lake Urmia. 69 87 http://jgst.issgeac.ir/browse.php?a_code=A-10-1110-1&slc_lang=fa&sid=1 Ali Rezaali علی رضاعلی AliRezaaliGeo@gmail.com 100319475328460010874 100319475328460010874 No Faculty of Geodesy and Geomatics Engineering, K. N. Toosi University of Technology, Tehran, Iran دانشکده مهندسی نقشه‌برداری Hamid Ebadi حمید عبادی Ebadi@kntu.ac.ir 100319475328460010875 100319475328460010875 No Faculty of Geodesy and Geomatics Engineering, K. N. Toosi University of Technology, Tehran, Iran دانشکده مهندسی نقشه‌برداری Hadi Farhadi هادی فرهادی HadiFarhadi18@gmail.com 100319475328460010876 100319475328460010876 Yes Faculty of Geodesy and Geomatics Engineering, K. N. Toosi University of Technology, Tehran, Iran دانشکده مهندسی نقشه‌برداری