عمق‌سنجی سواحل خلیج فارس با استفاده از سامانه‌های سنجش‌ازدوری و شبکه عصبی (مطالعه موردی: جزیره قشم)

سنجش‌ازدور با توجه به توانایی بالا در جمع‌آوری اطلاعات در زمان کوتاه و در محدوده‌ای وسیع، راهکاری مناسب در جهت برآورد عمق در مناطق ساحلی می‌باشد. این موضوع در کشوری مانند ایران که دارای گستره وسیع آبی است از اهمیت ویژه‌ای برخوردار است. هدف از این پژوهش عمق‌سنجی سواحل خلیج فارس با استفاده از سامانه‌های سنجش‌ازدوری و شبکه عصبی مطالعه موردی: جزیره قشم می باشد. درجهت انجام این پژوهش از تصاویر sentinel-2a و داده‌های هیدرو گرافی استفاده‌شده و پردازش تصاویر در نرم‌افزار envi و gis صورت گرفته است. همچنین مدل‌سازی برای عمق سنجی با استفاده از مدل شبکه عصبی در نرم‌افزار spss modeler با 4 نورون ورودی 8 نورون میانه و 1 خروجی طراحی‌شده است. نتایج شبکه عصبی برای عمق سنجی نشان داد که عمق سواحل جزیره قشم بین 1 تا 110 متر می‌باشد که به‌صورت کلی اطراف جزیره قشم به‌طور متوسط عمقی بین 1 تا 40 متر دارد همچنین کم‌عمق‌ترین بخش جزیره در قسمت شمال‌شرقی و عمیق‌ترین بخش نیز در قسمت شمالی‌غربی و در امتداد جزیره تنب‌ بزرگ با عمق 110 متر قرار دارد. هم‌چنین در بخش اعتبار سنجی مدل نیز نتایج نشان داد که خروجی مدل دارای اعتباری بالایی بوده و مقدار auc عدد 957/0 در بخش آموزش و 971/0 در بخش تست شبکه را نمایش می‌دهد که در هر دو بخش عملکرد و اعتبار مدل طراحی‌شده در رتبه عالی قرارگرفته و می‌توان به نتایج آن اعتماد کرد. نهایتاً پیشنهاد می‌گردد در مطالعات بعدی از مدل‌های دیگر شبکه عصبی برای عمق سنجی استفاده شود.

depth measurement of persian gulf coasts using remote sensing systems and neural network (case study: qeshm island)

considering the high ability to collect information in a short time and in a wide range, remote sensing is a suitable solution for estimating the depth in coastal areas. this issue is particularly important in a country like iran, which has a vast expanse of water. the purpose of this research is to measure the depth of persian gulf coasts using remote sensing systems and neural network, a case study: qeshm island. to conduct this research, sentinel-2a images and hydrographic data were used and images were processed in envi and gis software. also, modeling for depth measurement is designed using the neural network model in spss modeler software with 4 input neurons, 8 median neurons and 1 output. the results of the neural network for bathymetry showed that the depth of qeshm island beaches is between 1 and 110 meters, which generally around qeshm island has an average depth of between 1 and 40 meters, also the shallowest part of the island is in the northeastern part and the deepest part is in the northwestern part and in there is an extension of the great tanb island with a depth of 110 meters. also, in the model validation section, the results showed that the output of the model has high reliability and the auc value is 0.957 in the training section and 0.971 in the network test section, which shows the performance and validity of the designed model in both sections. it is placed perfectly and its results can be trusted. finally, it is suggested to use other neural network models for depth measurement in future studies.