مدل سازی و پهنه بندی پارامترهای کیفیت آب با استفاده از تصاویر ماهواره ای سنتینل-2 و هوش محاسباتی (مطالعه موردی: رودخانه کارون)

سنجش‌ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی

مقاله 2، دوره 10، شماره 4 - شماره پیاپی 37، دی 1398، صفحه 21-37   

نوع مقاله: مقاله پژوهشی

نویسندگان

کاظم رنگزن^{* 1}؛ مصطفی کابلی زاده²؛ محسن رشیدیان³؛ حسین دلفان^{* 4}

¹دانشیار گروه سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید چمران اهواز، ایران

²استادیار گروه سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید چمران اهواز، ایران

³مربی گروه مهندسی نقشه برداری، دانشکده مهندسی عمران، دانشگاه صنعتی جندی‌شاپور دزفول، ایران

⁴دانشجوی 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 سنجش‌ازدور، 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 به‌کارگیری 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 مدل‌سازی شده و سپس دقت آن­ها به ازای مقادیر واقعی محاسبه گردید. نتایج نشان داد که در مدل‌سازی 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؛ درحالی‌که در مدل‌سازی 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 تهیه‌شده بر روی تصاویر ماهواره ­ای، نقشه وضعیت کیفی هر پارامتر در طول قسمتی از رودخانه کارون تهیه گردید.

کلیدواژه‌ها

پایش؛ تصاویر سنتینل- 2؛ شبکه عصبی مصنوعی؛ سیستم استنتاج فازی- عصبی تطبیق یافته؛ رودخانه کارون

مراجع