fa ارزیابی تطبیقی کارایی شاخص‌های طیفی چندسنجنده‌ای در پایش دینامیک مکانی - زمانی پهنه‌های آبی مناطق نیمه‌خشک: مطالعه موردی سد گلستان عمومی Ggeneral پژوهشي Research <div style="text-align: justify;">پایش پهنه‌های آبی در مناطق نیمه‌خشک برای مدیریت منابع آب حیاتی است، اما انتخاب شاخص طیفی بهینه و سنجنده مناسب همچنان چالش‌برانگیز باقی مانده است. این پژوهش با هدف ارزیابی تطبیقی کارایی نُه شاخص طیفی آب در دو سنجنده لندست-۸ و سنتینل-۲ برای تعیین ترکیب بهینه شاخص - سنجنده در پایش کوتاه‌مدت (با تمرکز بر دقت مکانی زیاد و تغییرات فصلی) و بلندمدت (با تمرکز بر روندهای سالانه و پوشش زمانی گسترده) پهنه آبی سد گلستان انجام شد. با استفاده از پلتفرم Google Earth Engine (GEE)، 181 تصویر ماهواره‌ای (107 تصویر لندست-8 طی 2023-2013 و 74 تصویر سنتینل-2 طی 2024-2018) از سد گلستان پردازش شد. پس از تصحیحات اتمسفری با الگوریتم‌های LEDAPS و Sen2Cor، نُه شاخص طیفی شامل NDWI، MNDWI، ANDWI، AWEI، WI2015، WI1، WI2، LSWI&nbsp; و NDTI محاسبه و با استفاده از شاخص&nbsp; WI2 به‌عنوان مرجع (به دلیل عملکرد برتر در استخراج دقیق پهنه‌های آبی نیمه‌خشک با حساسیت کم به نویز گیاهی و خاکی نشان داده و همبستگی زیادی با داده‌های میدانی دارد)، کارایی آنها بر اساس معیارهای&nbsp; RMSE، R&sup2;&nbsp; و ضریب نش - ساتکلیف ارزیابی شد. نتایج نشان داد MNDWI در سنتینل-2 بهترین عملکرد را با ha 21/42RMSE=، 0/998 R&sup2;=و 0/996 NS=ارائه می‌دهد که به دلیل دقت مکانی ۱۰ متری و دوره بازگشت ۵ روزه، برای پایش کوتاه‌مدت تغییرات فصلی مانند اوج بهاری k&rlm;m&sup2; 9/33 در مارس ایده‌آل است؛ درحالی‌که ANDWI در لندست-8 باha 54/54RMSE=، 0/997 R&sup2;=و و 0/976 NS=برتری دارد و به دلیل پوشش زمانی بلند (۲۰2۳-۲۰1۳)، برای تحلیل بلندمدت روندهای سالانه مانند کاهش ۳۵% میانگین مساحت مخزن از km&sup2; 7/28 در ۲۰۱۴ بهkm&sup2; 4/72 در ۲۰۲۱ مناسب است. همبستگی زیاد دو سنجنده (0/933r=) امکان ترکیب آنها را برای پایش چندمقیاسه فراهم می‌آورد؛ درحالی‌که LSWI و Normalized Difference Turbidity Index (NDTI) به دلیل بیش‌برآورد ناشی از رطوبت خاک و پوشش گیاهی، نامناسب تشخیص داده شدند. یافته‌ها نشان می‌دهد انتخاب شاخص بهینه به ویژگی‌های طیفی سنجنده وابسته است و ترکیب&nbsp; MNDWI- سنتینل۲ برای پایش کوتاه‌مدت و ANDWI - لندست۸ برای تحلیل‌های بلندمدت توصیه می‌شود.</div> <div style="text-align: justify;">Accurate monitoring of water surface dynamics in semi-arid regions poses challenges due to uncertainties regarding the optimal spectral index and sensor selection for effective water resource management. This study assessed the comparative performance of nine spectral water indices across the Landsat-8 and Sentinel-2 platforms to identify the best index-sensor combinations for monitoring semi-arid reservoirs. Utilizing the Google Earth Engine cloud computing platform, 181 satellite images were processed for Golestan Dam in northeastern Iran, comprising 107 Landsat-8 scenes from 2013 to 2023 and 74 Sentinel-2 scenes from 2018 to 2024. After applying atmospheric corrections using the LEDAPS and Sen2Cor algorithms, nine spectral indices (NDWI, MNDWI, ANDWI, AWEI, WI2015, WI1, WI2, LSWI, and NDTI) were calculated and evaluated against the WI2 reference through RMSE, R&sup2;, and Nash-Sutcliffe efficiency metrics. MNDWI showed superior performance for Sentinel-2 (RMSE=21.42 ha, R&sup2;=0.998, NS=0.996), while ANDWI was optimal for Landsat-8 (RMSE=54.54 ha, R&sup2;=0.977, NS=0.976). Time-series analysis revealed a 35% reduction in mean annual reservoir area, decreasing from 7.28 km&sup2; in 2014 to 4.72 km&sup2; in 2021. Consistent seasonal patterns were observed, with spring maxima (9.33 km&sup2; in March) and autumn minima (3.35 km&sup2; in September) evident across both sensors. A high inter-sensor correlation (r = 0.933) supports the potential for multi-sensor integration in comprehensive monitoring efforts. The LSWI and NDTI indices displayed systematic overestimation due to interference from soil moisture and vegetation, making them unsuitable for quantifying water area. These findings highlight the sensor-dependent nature of optimal index selection, recommending MNDWI-Sentinel-2 pairing for short-term monitoring and ANDWI-Landsat-8 for long-term trend analysis in the management of semi-arid reservoirs.</div> سنجش از دور, انتخاب بهینه شاخص آب, تحلیل چندزمانه, نیمه‌خشک Remote sensing, Optimum water index selection, Multi-temporal analysis, Semi-aridRemote sensing, Water index, optimization, Multi-temporal analysis, Semi-arid hydrology 17 37 http://jstnar.iut.ac.ir/browse.php?a_code=A-10-3335-3&slc_lang=fa&sid=1 Omolbani Mohammadrezapour ام البنی محمدرضاپور nmohammadrezapour@yahoo.com Yes Department of Water Science and Engineering, Faculty of Water and Soil, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Iran. گروه مهندسی آب، دانشکده آب و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران. Hadi Siasar هادی سیاسر hadisiasar@yahoo.com No Department of Agriculture, Payam Noor University, Tehran , Iran. گروه کشاورزی، دانشگاه پیام نور، تهران، ایران Mohammad Javad Zeinali محمدجواد زینلی mj.zeynali@yahoo.com No Department of Water Science, Faculty of Agriculture, Torbat Heydarieh University, Torbat Heydarieh, Iran. گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تربت حیدریه، تربت حیدریه، ایران. Mohammad Nazeri Tahroodi محمد ناظری تهرودی nazeri.mh@lu.ac.ir No Department of Water Science, Faculty of Agriculture, Lorestan University, Lorestan, Iran. گروه مهندسی آب، دانشکده کشاورزی، دانشگاه لرستان، لرستان، ایران.