تشخیص تغییرات فصلی رودخانه مبتنی بر روش یادگیری ماشین غیرنظارتی (مطالعه موردی : رودخانه کرج)

منابع آبی جزء مهمترین منابع موجود در طبیعت هستند که از نظر اقتصادی ، زیست محیطی ، تامین منابع غذایی و حمل و نقل اهمیت ویژهای دارند. رسوبات معلق یکی از مهمترین عوامل مخرب منابع آبی است که منجر به برهم خوردن چرخه هیدرولوژیکی ، از بین رفتن موجودات آبزی ، کاهش میزان اکسیژن و در موارد طولانی مدت باعث کاهش بستر منابع آبی و وقوع سیل می شوند. اخذ اطلاعات درباره پایش رسوبات با استفاده از روشهای مرسوم توسط ایستگاه-های اندازهگیری ، بصورت نمونه برداری نقطه ای در رودخانه ها با وجود دقت بالا، بسیار زمانبر و پرهزینه بوده و نتایج بدست آمده صرفا در محدوده خاصی به صورت نقطه ای معتبر می باشند و دارای پیوستگی مکانی نیستند. برای حل این مشکل می توان از تصاویر سنجش از دور برای پایش تغییرات رودخانه و تولید نقشه های توزیع رسوبات استفاده نمود. هدف اصلی این پژوهش نیز بررسی و پایش فصلی رودخانه ها با استفاده از اعمال طبقه بندی غیرنظارتی بر روی تصاویر چند زمانه ماهوارهای سنتیل -۲ برداشت شده از رودخانه کرج می باشد. بدین منظور، پس از انجام پیش پردازشهای لازم بر روی تصاویر ماهوارهای ، الگوریتم خوشه بندی k-means به عنوان روش یادگیری ماشین غیرنظارتی اعمال می شود. سپس ، با استفاده از تصاویر حاصل از خوشه بندی محدوده سد امیرکبیر برای فصول بهار، تابستان، پاییز و زمستان، عوارض مرتبط با هر خوشه شناسایی و میزان تغییرات برای فصول مختلف سال تعیین می گردد. با توجه به تغییرات مشاهده شده در نتایج این تحقیق می توان نتیجه گرفت که منطقه موردطالعه در چه فصلی بیشترین و کمترین درصد تغییرات را دارا می باشد.

کلیدواژه ها:

پایش رودخانه ، یادگیری ماشین غیرنظارتی ، الگوریتم k-means ، تشخیص تغییرات