شاخصهای سنجش از دوری چه اندازه میتوانند موجب بهبود برآورد بار معلق شوند؟ | ||
| پژوهش های جغرافیای طبیعی | ||
| مقاله 10، دوره 49، شماره 1، 1396، صفحه 135-149 اصل مقاله (1.24 M) | ||
| نوع مقاله: مقاله کامل | ||
| شناسه دیجیتال (DOI): 10.22059/jphgr.2017.61584 | ||
| نویسندگان | ||
| علی فتح زاده* 1؛ مریم اسدی2؛ روح الله تقی زاده مهرجردی3 | ||
| 1دانشیار دانشکدة کشاورزی و منابع طبیعی دانشگاه اردکان | ||
| 2دانشجوی کارشناسی ارشد آبخیزداری، دانشکدة کشاورزی و منابع طبیعی دانشگاه اردکان | ||
| 3استادیار دانشکدة کشاورزی و منابع طبیعی دانشگاه اردکان | ||
| چکیده | ||
| در این پژوهش کارایی شاخصهای ماهوارهای و پارامترهای ژئومورفومتری در برآورد بار رسوبی با استفاده از مدلهای مبتنی بر هوش مصنوعی و دادهکاوی به چالش کشیده شده است. بدین منظور، نخست مدلها به کمک پارامترهای ژئومورفومتری مستخرج از مدل رقومی ارتفاعی و شاخصهای ماهوارهای بهینهسازی شد و نزدیکترین دادههای دبی و رسوب به زمان تصاویر ماهوارهای خروجی مدل درنظر گرفته شد. پس از اجرای الگوریتمها، به وزندهی پارامترها و تعیین میزان تأثیرشان در پیشبینی بار رسوبی معلق پرداخته شد. نتایج نشان داد عملکرد مدلها با ورودیهای مختلف گوناگون است. مقادیر RMSE مدلها بیانگر آن است که در صورت استفاده از پارامترهای ژئومورفومتری به عنوان ورودی مدل مقدار RMSE بیشتر است و در مقابل با استفاده از برخی شاخصها به عنوان ورودی مدلها میزان RMSE کاهش مییابد؛ به طوری که در مدل فرایند گوسی با ورودی پارامترهای ژئومورفومتری مقدار۱۰/۳۵ RMSE= و در صورت ورودی شاخصهای تصاویر ماهوارهای مقدار 7/513RMSE= است. با تلفیق پارامترهای ژئومورفومتری و شاخصها میزان دقت همة مدلها افزایش یافته و مدل فرایند گوسی با 026/5RMSE= بیشترین دقت را داشته است. نتایج حاصل از وزندهی نیز نشان داد که شاخصهای Clay index (average) و b5 (average) و NDVI (max) دارای بیشترین وزن بوده و بیشترین تأثیر را در پیشبینی بار رسوبی معلق داشتهاند. | ||
| کلیدواژهها | ||
| پارامترهای ژئومورفومتری؛ تصاویر ماهوارهای؛ دادهکاوی؛ مدل رقومی ارتفاع | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,472 تعداد دریافت فایل اصل مقاله: 1,160 |
||