مدل شبکه عصبی مصنوعی برآورد غلظت رسوب معلق رودخان های به کمک تصاویر سنجندهمودیس (مطالعه موردی ایستگاه هیدرومتری ملاثانی - رودخانه کارون)

برای مطالعات کیفی و کمی منابع آب، برآورد بار رسوب معلق رودخانه ها بسیار مهم است . بار رسوب معلق بطور معمول با اندازه گیری مستقیم غلظت رسوب معلق یا با بکارگیری منحنی سنجه رسوب انجام م یشود. اندازه گیری به روش مستقیم، اگر چه مطمین ترین روش اندازه گیری غلظت رسوبات معلق بو ده، 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 ) پایین بوده و لذا از کارایی لازم برخوردار نمی باشد. در این تحقیق، به منظور بررسی امکا ن تخمین غلظت رسوبات معلق رودخانه ای با استفاده از انعکاسات تصاویر ماهواره ای، 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 بررسیقرار 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 مد ل های رگرسیونی و شبکه عصبی مصنوعی نشان داد که مدل شبکه عصبی مصنوعی با ضریب تعیین R(2) 0/89 و ریشه مربع خطا RMSE 122 میلی گرم بر لیتر کارایی بیشتری در مقایسه با مدل رگرسیونی با ضریب تعیین 0/49 و ریشه مربع خطا 204 میلی گرم بر لیتر داشته است. نتایج تحقیق نشان داد که از تصاویر سنجنده مودیس به همراه شبکه عصبی مصنوعی می توان، در تخمین و پایش غلظ ت رسوبات معلق روزانه رودخانه های بزرگ استفاده نمود.

کلیدواژه ها:

رودخانه کارون ، سنجنده مودیس ، شبکه عصبی ، غلظت رسوب معلق