توسعه مدل هوشمند تلفیقی سنجش از دور و شبکه عصبی برای برآورد و نقشه برداری عمق دریاچه ارومیه

چکیده مقاله

نقشه برداری دقیق عمق آب از مولفه های اساسی در پایش، مدل سازی و مدیریت پایدار زیست بوم های آبی به شمار می رود در محیط های کم عمق و فوق نمکی، ویژگی های اپتیکی پیچیده ستون آب و بستر موجب کاهش دقت روش های متداول برآورد عمق مبتنی بر داده های سنجش از دور می شود در این پژوهش، یک رویکرد مسئله محور توسعه و اعتبارسنجی شد که در آن داده های سنجش از دور با مدل شبکه عصبی مصنوعی ANN تلفیق گردید تا عمق دریاچه ارومیه برآورد شود تصاویر سنجنده عملیاتی لندست ۸ OLI پس از تصحیح اتمسفری با استفاده از الگوریتم FLAASH و استخراج شاخص MNDWI به عنوان ورودی مدل به کار گرفته شدند فرآیند کالیبراسیون و اعتبارسنجی مدل بر اساس داده های هیدروگرافی میدانی انجام گرفت تا دقت و پایداری نتایج تضمین شود نتایج نشان داد مدل پیشنهادی از دقت پیش بینی بالایی برخوردار بوده و توانسته است عمق دریاچه را با ضریب تعیین ۹۱/۰ و ریشه میانگین مربعات خطای ۵۰/۱۴ سانتی متر برآورد نماید

کلیدواژه‌ها

نویسندگان

مهران داداش زاده

دانشکده مهندسی عمران و دانشگاه تبریز

علیرضا مجتهدی

دانشکده مهندسی عمران و دانشگاه تبریز

علی شیرگیر

دانشکده مهندسی عمران و دانشگاه تبریز

�اداش زاده، مهران و مجتهدی، علیرضا و شیرگیر، علی،1404،توسعه مدل هوشمند تلفیقی سنجش از دور و شبکه عصبی برای برآورد و نقشه برداری عمق دریاچه ارومیه،بیست و نهمین همایش و نمایشگاه ملی مهندسی نقشه برداری و اطلاعات مکانی ژئوماتیک ۱۴۰۴ و پنجمین نمایشگاه بین المللی ایران ژئو،تهران

ارائه‌شده در

مجموعه مقالات بیست و نهمین همایش و نمایشگاه ملی مهندسی نقشه برداری و اطلاعات مکانی ژئوماتیک ۱۴۰۴ و پنجمین نمایشگاه بین المللی ایران ژئو29 آبان 1404 · تهران