پیش بینی سیل و آشکارسازی پهنه خسارت دیده مبتنی بر تکنیک های هوش مصنوعی و سنجش از دور (مطالعه موردی: حوضه کن استان تهران)

کنترل کامل یا مدیریت خسارت سیل، همیشه از طریق اقدامات سازه ای بدلیل محدودیت های اقتصادی، تکنولوژیکی، محیط زیستی و اجتماعی عملی نمی باشد. بنابراین غالبا اقدامات سازه ای مانند پیش بینی و هشدار سیل جهت اتخاذ تصمیمات موثر و انتخاب راه های مناسب برای مقابله با سیلاب نقش مهمی را در کاهش تلفات بازی می کنند. اهمیت سیستم های پیشرفته برای پیش بینی کوتاه مدت و بلند مدت سیل و سایر رویدادهای هیدرولوژیکی برای کاهش آسیب و خسارت ناشی از سیل به شدت مورد تاکید قرار می گیرد. در این پژوهش به پیش بینی سیل کوتاه مدت با استفاده از روش های پیش بینی گروهی (EPSs) و مدل هیدرولوژیکی HEC-HMS پرداخته می شود. همچنین به منظور دست یابی به دقت بالا در ارزیابی پهنه های خیارت دیده از سیلاب، از تکنیک های سنجش از دور و تصاویر ماهواره ای استفاده شده است. نتایج نشان می دهد که استفاده از روش های پیش بینی گروهی به بهبود سرعت و دقت مدل پیش بینی کمک کرده است (R۲=۰.۷۵). همچنین با استفاده از تصاویر ماهواره ای راداری Sentinel-۱ و استفاده همزمان از الگوریتم های یادگیری با نظارت، تخمین مناسبی از پهنه خسارت دیده برای سه سیل منتخب در حوضه کن در سال های ۲۰۱۹، ۲۰۱۵ و ۲۰۱۴ صورت گرفته است.

کلیدواژه ها:

خسارت سیل ، پیش بینی سیل ، Sentinel-۱ HEC-HMS EPSs ، یادگیری با نظارت