پیش بینی سیل و آشکارسازی پهنه خسارت دیده مبتنی بر تکنیک های هوش مصنوعی و سنجش از دور (مطالعه موردی: حوضه کن استان تهران)

کنترل کامل یا مدیریت خسارت سیل، همیشه از طریق اقدامات سازه‌ای بدلیل محدودیت‌های اقتصادی، تکنولوژیکی، محیط‌زیستی و اجتماعی عملی نمی‌باشد. بنابراین غالباً اقدامات غیرسازه‌ای مانند پیش‌بینی و هشدار سیل جهت اتخاذ تصمیمات موثر و انتخاب راه‌های مناسب برای مقابله با سیلاب نقش مهمی را در کاهش تلفات بازی می‌کنند. اهمیت سیستم‌های پیشرفته برای پیش‌بینی کوتاه‌مدت و بلندمدت سیل و سایر رویدادهای هیدرولوژیکی برای کاهش آسیب و خسارت ناشی از سیل به شدت مورد تاکید قرار می‌گیرد. در این پژوهش به پیش بینی سیل کوتاه مدت با استفاده از روش های پیش بینی گروهی (epss) و مدل هیدروژیکی hec-hms پرداخته می شود. همچنین به منظور دست یابی به دقت بالا در ارزیابی پهنه های خسارت دیده از سیلاب، از تکنیک های سنجش از دور و تصاویر ماهواره ای استفاده شده است. نتایج نشان می دهد که استفاده از روش های پیش بینی گروهی به بهبود سرعت و دقت مدل پیش بینی کمک کرده است (r2 = 0.75). همچنین با استفاده از تصاویر ماهواره ای راداری sentinel-1 و استفاده همزمان از الگوریتم های یادگیری با نظارت، تخمین مناسبی از پهنه خسارت دیده برای سه سیل منتخب در حوضه کن در سال های 2019، 2015 و 2014 صورت گرفته است.