مدل شبکه عصبی مصنوعی برآورد غلظت رسوب معلق رودخانهای به کمک تصاویر سنجنده مودیس (مطالعه موردی ایستگاه هیدرومتری ملاثانی - رودخانه کارون)

Abstract

برای مطالعات کیفی و کمی منابع آب، برآورد بار رسوب معلق رودخانه‌ها بسیار مهم است. بار رسوب معلق ‌بطور معمول با اندازه‌گیری مستقیم غلظت رسوب معلق یا با بکار‌گیری منحنی سنجه رسوب انجام می‌شود. اندازه‌گیری به روش مستقیم، اگر چه مطمئن‌ترین روش اندازه‌گیری غلظت رسوبات معلق بوده، با این همه، این روش، اغلب زمان بر و پر هزینه است. همچنین دقت منحنی سنجه رسوب به دلیل برآورد زیاد (در مقادیر کم رسوب رودخانه) یا برآورد کم (در مقادیر زیاد رسوب رودخانه) پائین بوده و لذا از کارائی لازم برخوردار نمی‌باشد. در این تحقیق، به منظور بررسی امکان تخمین غلظت رسوبات معلق رودخانه‌ای با استفاده از انعکاسات تصاویر ماهواره‌ای، همبستگی میان بازتاب طیفی باندهای تصاویر سنجنده مودیس (باند قرمز و مادون قرمز) و غلظت رسوبات معلق رودخانه کارون در ایستگاه هیدرومتری ملاثانی در یک دوره زمانی 9 ساله (سال های 1382 تا 1390) مورد بررسی قرار گرفت. در این رابطه از دو مدل آماری (رگرسیون خطی یک متغیره) و شبکه عصبی مصنوعی (پیشخور با الگوریتم آموزش پس انتشار خطا) استفاده شد. ارزیابی مد‌‌‌ل‌های رگرسیونی و شبکه عصبی مصنوعی نشان داد که مدل شبکه عصبی مصنوعی با ضریب تعیین (R2) 89/0 و ریشه مربع خطا RMSE)) 122 میلی‌گرم بر لیتر کارائی بیشتری در مقایسه با مدل رگرسیونی با ضریب تعیین 49/0 و ریشه مربع خطا 204 میلی‌گرم بر لیتر داشته است. نتایج تحقیق نشان داد که از تصاویر سنجنده مودیس به همراه شبکه عصبی مصنوعی می‌توان، در تخمین و پایش غلظت رسوبات معلق روزانه رودخانه‌های بزرگ استفاده نمود.