پایش و مدلسازی تغییرات سطحی دریاچه ارومیه با استفاده از شبکه عصبی مصنوعی | ||
| محیط شناسی | ||
| مقاله 4، دوره 46، شماره 2، تابستان 1399، صفحه 295-317 اصل مقاله (3.55 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jes.2021.304189.1008026 | ||
| نویسندگان | ||
| علی رادمان1؛ مهدی آخوندزاده هنزائی* 2 | ||
| 1گروه فتوگرامتری و سنجش از دور، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده های فنی، دانشگاه تهران | ||
| 2استادیار گرایش سنجش از دور، گروه مهندسی نقشهبرداری، پردیس دانشکدههای فنی، دانشگاه تهران | ||
| چکیده | ||
| دریاچه ارومیه یکی از بزرگترین پهنههای آبی شور در جهان است که در سالهای اخیر در شرایط بحرانی قرار داشته است. در این مطالعه، تغییرات این دریاچه و حوضه آبخیز آن بررسی گردید. سپس قابلیتهای شبکهی عصبی مصنوعی در پیش بینی تغییرات سطحی دریاچه مورد ارزیابی قرار گرفت. بدین ترتیب با استفاده از دادههای سنجنده TRMM، مدل هیدرولوژیکی GLDAS، سنجنده GRACE، سری ماهوارههای ارتفاع سنجی Jason و همچنین تصاویر MODIS به ترتیب میزان بارش، تغییرات احجام آبی سطحی و زیر سطحی (TWS)، تغییرات ارتفاعی و سطحی دریاچه ارومیه در بازه 183 ماه بین آوریل 2002 تا ژوئن 2017 محاسبه گردید. در ادامه با استفاده از دو روش مبتنی بر یادگیری ماشین MLP و LSTM و بهکارگیری پارامترهای موثر بر تغییرات سطحی دریاچه به عنوان ورودی شبکه، تغییرات سطحی دریاچه با جذر خطای مربعات ماندههای 0511/0 توسط شبکه بهینه LSTM مدلسازی شد. همچنین به منظور پیشبینی تغییرات سطحی دریاچه برای مدت زمان طولانیتر، چهار مدل برای تخمین تغییرات 3، 6، 9 و 12 ماه بعد، تشکیل شدند که در نتیجه آن، شبکه LSTM این تغییرات را برای یک سال آینده با دقتی بالا (جذر خطای مربعات ماندههای 0882/0) و توانایی مناسب در شناسایی تغییرات فصلی، تخمین زد. | ||
| کلیدواژهها | ||
| ارتفاع سنجی؛ دریاچه ارومیه؛ شبکه عصبی؛ مدل سازی؛ GRACE | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,313 تعداد دریافت فایل اصل مقاله: 1,188 |
||