مدل سازی و پهنه بندی پارامترهای کیفیت آب با استفاده از تصاویر ماهواره ای سنتینل-2 و هوش محاسباتی (مطالعه موردی: رودخانه کارون)
- سال انتشار: 1398
- محل انتشار: فصلنامه سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، دوره: 10، شماره: 4
- کد COI اختصاصی: JR_GIRS-10-4_002
- زبان مقاله: فارسی
- تعداد مشاهده: 690
نویسندگان
دانشیار گروه سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید چمران اهواز، ایران
استادیار گروه سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید چمران اهواز، ایران
مربی گروه مهندسی نقشه برداری، دانشکده مهندسی عمران، دانشگاه صنعتی جندی شاپور دزفول، ایران
دانشجوی کارشناسی ارشد گروه سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید چمران اهواز، ایران
چکیده
با توجه به پیشرفت های صورت گرفته در فناوری سنجش ازدور، جمع آوری اطلاعات از وضعیت کیفی منابع آب سطحی به وسیله این فناوری ضمن کاهش هزینه و زمان نمونه برداری های سنتی، می تواند تمامی پهنه های آب سطحی را مورد پایش قرار دهد. در این مطالعه قابلیت تصاویر ماهواره سنتینل-2 جهت برآورد غلظت پارامترهای اسیدیته، بیکربنات و سولفات موردبررسی قرار گرفت. ابتدا تصاویر ماهواره سنتینل-2 پیش پردازش شد و سپس باندها و شاخص های طیفی مناسبی جهت شناسایی ارتباط معنی دار میان مقادیر هر پارامتر کیفیت آب و تصاویر با استفاده از روش رگرسیون چند متغیره تعیین گردید. در مرحله بعد با به کارگیری دو مدل شبکه عصبی مصنوعی ANN و مدل سیستم استنتاج فازی-عصبی تطبیق یافته ANFIS، ارتباط میان تصاویر ماهواره سنتینل-2 و پارامترهای کیفیت آب به تفکیک مدل سازی شده و سپس دقت آنها به ازای مقادیر واقعی محاسبه گردید. نتایج نشان داد که در مدل سازی پارامتر سولفات با استفاده از ماهواره سنتینل-2، مدل ANFIS به ترتیب با خطای نسبی و جذر میانگین مربعات خطا RMSe برابر 0.0773 و 0.8014 نسبت به مدل شبکه عصبی مصنوعی با خطای نسبی و RMSe برابر 0.1581 و 1.2477 دقت بالاتری دارد؛ درحالی که در مدل سازی پارامترهای اسیدیته و بیکربنات، نتایج حاصل از مدل شبکه عصبی مصنوعی با خطای نسبی به ترتیب برابر با 0.0064 و 0.0556 و RMSe برابر با 0.0702 و 0.2691 برای هر دو پارامتر بهتر از مدل سیستم استنتاج فازی-عصبی تطبیق یافته با خطای نسبی به ترتیب برابر با 0.0165 و 0.0722 و RMSe برابر با 0.1975 و 0.3307 است. درنهایت با اعمال مدل های تهیه شده بر روی تصاویر ماهواره ای، نقشه وضعیت کیفی هر پارامتر در طول قسمتی از رودخانه کارون تهیه گردید.کلیدواژه ها
پایش, تصاویر سنتینل- 2, شبکه عصبی مصنوعی, سیستم استنتاج فازی- عصبی تطبیق یافته, رودخانه کاروناطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.