شبیه سازی غلظت کلروفیل a در خلیج گرگان با استفاده از جنگل تصادفی و بهره برداری ازداده های زمینی و ماهواره ای

کلروفیل a، به عنوان یک مولفه مهم در سنجش مواد مغذی آب، تاثیر زیادی بر وضعیت منابع آبی دارد. این مولفه به پارامترهای مختلف کیفی ، مانند غلظت فسفر، نیتروژن، کدورت، مواد جامد معلق ، دما، PH وغلظت اکسیژن محلول در آب وابسته است . برای ارزیابی درست وضعیت منابع آب سطحی ازنظر مواد مغذی و باکتری ها، تخمین دقیق غلظت کلروفیل a در بازهها زمانی و مکانی مختلف ضروری است . هدف این پژوهش ، شبیه سازی و پیش بینی غلظت کلروفیل a در بازهها زمانی و مکانی مختلف ، با استفاده از کاربرد تلفیقی مدلها یادگیری ماشین ، دادهها سنجش ازدور و داده های میدانی ، می باشد. محدوده ی مورد مطالعه ، خلیج گرگان و رودهای منتهی به آن می باشد. دادههای هیدرومتری و کیفی رودهای منتهی به خلیج ، داده های هواشناسی منطقه و همچنین دادههای سنجش ازدور دمای سطح آب و غلظت ذارات کربن آلی (POC) به عنوان ورودی و غلظت کلروفیل a به عنوان خروجی مدل یادگیری ماشین درنظر گرفته می شود. با استفاده از شاهص های آماری مخلتف عملکرد مدل یادگیری ماشین ارزیابی می شود. درنهایت ، با استفاده از این نتایج این مدل سازی ، شناخت جامع تری از غلظت کلروفیل a در نواحی مخلتف خلیج گرگان بدست می آید و به مدیریت هرچه بهتر کیفیت آب کمک خواهد کرد.

کلیدواژه ها:

کلروفیل a ، سنجش ازدور ، یادگیری ماشین ، خلیج گرگان.