کاربرد سنجش از دور و شبکه عصبی مصنوعی در تخمین غلظت رسوب معلق رودخانه (مطالعه موردی: رودخانه کارون)

بازتاب طیفی سنجش از راه دور اندازه گیری شده توسط سنسور های ماهواره ای، یک جایگزین سریع و رویکرد اقتصادی برای ارزیابی غلظت رسوب معلق در اقیانوس ها، دریا ها، رودخانه ها و آب های ساحلی است. بر همین اساس در این تحقیق از ترکیب اطلاعات به دست آمده از تصاویر ماهواره ای و یک مدل شبکه عصبی پایه شعاعی، جهت برآورد غلظت بار معلق رودخانه ای استفاده شد. داده های میدانی غلظت رسوب معلق، دبی جریان و بازتاب باند یک و نسبت بازتاب باند دو به یک سنجنده مادیس، به عنوان ورودی به شبکه عصبی معرفی شدند، همچنین یک مدل رگرسیون خطی چندمتغیره برای ایجاد ارتباط میان غلظت رسوب معلق و بازتاب رسیده به سنجنده استفاده شد. در نهایت نتایج حاصل از شبکه عصبی با نتایج حاصل از رگرسیون و منحنی سنجه رسوب مقایسه شد. براساس نتایج به دست آمده، مدل شبکه عصبی مصنوعی با ورودی باند یک و دبی جریان با rmse برابر 0.19، عملکرد بهتری را نسبت به دو روش رگرسیون و منحنی سنجه رسوب با rmse به ترتیب برابر 0.21 و 0.29 دارا است.